You are on page 1of 525

Contenidos

Artculos
Teorema de Bayes Paradoja del cuervo Probabilidad condicionada Distribucin de probabilidad continua Distribucin Box-Cox Distribucin de Cauchy Distribucin de Erlang Distribucin de Gumbel Distribucin de Pareto Distribucin de Rayleigh Distribucin exponencial Distribucin F Distribucin gamma Distribucin log-normal Distribucin t de Student Distribucin Distribucin de Frchet Distribucin T de Hotelling Distribucin de Laplace Distribucin logstica Distribucin normal multivariante Distribucin normal Distribucin Triangular Distribucin uniforme continua Distribucin de Weibull Funcin de densidad de probabilidad Teorema fundamental del lgebra Teorema fundamental del clculo Teorema de muestreo de Nyquist-Shannon Teorema del lmite central Varianza Teorema de Stokes Teorema de Sarkovskii Teorema del valor medio 1 2 4 8 10 11 14 15 18 22 23 25 27 28 30 33 36 37 40 43 46 53 70 72 77 81 84 87 91 95 97 100 102 103

Teorema del punto fijo de Brouwer Teorema del punto fijo de Banach Teorema de Picard-Lindelf Funcin lipschitziana Teorema de Kirszbraun Teorema fundamental de la aritmtica Teorema del binomio Coeficiente binomial Teorema de Green Teorema de Gauss-Mrkov Homocedasticidad Regresin lineal Regresin no lineal Teorema de Bell Teorema de imposibilidad Teorema de Bloch Teorema de equiparticin Teorema de la estadstica del espn Teorema de Fortescue Teorema de la energa cintica Teorema de Hellman-Feynman Teorema de Huygens Teorema de Kirkwood-Frohlich Teorema de Kutta-Yukovski Lineal Teorema de Liouville (mecnica hamiltoniana) Teorema de mxima potencia Teorema de Noether Teorema de Poynting Principio de superposicin Teorema del transporte de Reynolds Teorema de Rivlin-Ericksen Teorema adiabtico Teorema de Earnshaw Teorema de Mermin-Wagner Teorema de Steiner Teorema de Taylor-Proudman Teorema de Torricelli

106 111 112 114 115 115 118 121 131 132 133 135 141 146 159 160 162 181 182 183 184 185 187 187 188 190 192 194 198 200 201 204 205 206 207 210 212 213

Teorema de unicidad del potencial Teorema de Vaschy-Buckingham Teorema de Varignon (mecnica) Teorema de la velocidad media Teorema de virial Vis viva Teorema Teorema de Kirchhoff Teorema del programa estructurado Teorema de compacidad Teorema de completitud de Gdel Demostracin original del teorema de completitud de Gdel Teorema de la deduccin Teorema de Frege Teoremas de incompletitud de Gdel Teorema de Lb Teorema de Lwenheim-Skolem Programa de Hilbert Desigualdad matemtica Desigualdad de Boole Cota de Cramr-Rao Desigualdad de Bernoulli Desigualdad de Bessel Desigualdad de Cauchy-Schwarz Desigualdad de Chebyshov Desigualdad de Hardy Desigualdad de Hoeffding Desigualdad de Hlder Desigualdad de Jensen Desigualdad de Kraft Desigualdad de las medias aritmtica y geomtrica Desigualdad de Minkowski Desigualdad de Mrkov Desigualdad de Opial Desigualdad de Shapiro Desigualdad de Nesbitt Teorema de Jung Teorema de Cauchy

215 216 219 220 221 226 227 229 229 230 230 231 232 233 234 243 244 245 247 250 252 255 256 257 258 259 260 261 262 264 264 266 268 269 269 270 271 272

Constante de Apry Teorema de Euclides (desambiguacin) Teorema de existencia Teorema de Lagrange Teorema de Liouville Teorema maestro Teorema de multiplicacin Teorema de Knaster-Tarski Teorema de restriccin cristalogrfica Teorema de Rice Teorema de la amistad Lema de Berge Teorema de Brooks Teorema de los cuatro colores Teorema de Kuratowski Teorema de Rao-Blackwell Teorema de Karhunen-Love Teorema de Aumann Teorema de Cochran Teorema de convergencia de Lvy Ley de Benford Teorema de Shannon-Hartley Teorema de la invariancia (teora de la informacin) Teorema de Bernoulli Lema de Borel-Cantelli Frmula de Tanaka Teorema del mono infinito Ley cero-uno de Kolmogrov Ley de los grandes nmeros Teorema de la probabilidad total Teorema de De Moivre-Laplace Teorema fundamental Teorema fundamental de la teora de Galois Teorema fundamental de la geometra de Riemann Teorema fundamental de homomorfismos Teoremas fundamentales de la economa del bienestar Lema fundamental de teora de cribas Teora de cribas

273 275 275 275 276 276 278 279 280 283 285 287 287 288 293 294 295 297 298 298 299 301 306 307 307 308 309 314 314 315 316 317 317 319 320 321 329 331

Criba de Brun Constante de Brun Conjetura de los nmeros primos gemelos Nmeros primos gemelos Nmero primo Teorema de los nmeros primos Teorema de Beatty Teorema de Bombieri-Vinogrdov Teorema de Carmichael Teorema chino del resto Teorema de congruencia lineal Conjetura de Catalan Conjetura de modularidad de Serre Teorema de los cuatro cuadrados Teorema de Dirichlet Lema de Euclides Teorema de Euclides Teorema de Euler Criterio de Euler Teorema de Fermat Teorema del nmero poligonal de Fermat Pequeo teorema de Fermat Demostraciones del pequeo teorema de Fermat Teorema de Fermat sobre la suma de dos cuadrados ltimo teorema de Fermat Teorema de Gelfond-Schneider Teorema de Herbrand-Ribet Identidad de Proizvolov Teorema de Lochs Teorema de Lucas Teoremas de Mertens Teorema de Mills Teorema del nmero pentagonal Teorema de Ostrowski Postulado de Bertrand Teorema de Proth Teorema de Ribet Serie de los inversos de los nmeros primos

332 334 335 336 337 355 357 359 360 361 362 364 365 366 367 370 371 373 377 378 378 379 384 387 389 393 394 395 396 397 398 399 400 404 405 405 406 408

Teorema de Taniyama-Shimura Teorema de Hurwitz (teora de nmeros) Teorema de Popoviciu Teorema de SiegelWalfisz Teorema de Vinogrdov Teorema de Wilson Teorema de Wolstenholme Teora de Donaldson Teora de campo de gauge Grado de libertad (fsica) Grado de libertad (ingeniera) Grado de libertad (estadstica) Regla de las fases de Gibbs Dimensin Espacio topolgico Alfombra de Sierpinski Arco conexo Conjunto de Cantor Conjunto de Smith-Volterra-Cantor Continuo dimensional Dimensin topolgica Espacio con un nmero transfinito de dimensiones Espacio de caminos Espacio eucldeo Espacio regular Esponja de Menger Plano de Sorgenfrey Primer ordinal no numerable Recta larga (topologa) Recta numrica Topologa de Alexandrov Topologa de los complementos finitos Topologa de los complementos numerables Topologa del lmite inferior Topologa euclideana Topologa trivial Tringulo de Sierpinski Teorema de Euler sobre funciones homogneas

412 413 414 415 416 417 420 421 421 426 428 429 430 430 434 436 438 439 442 443 443 444 444 445 446 447 448 449 450 451 452 453 453 454 455 456 457 460

Funcin homognea Espacio de Banach Teorema de la divergencia Teorema de descomposicin espectral Operador hermtico Espacio de Hilbert Ondcula Transformacin Clculo Clculo infinitesimal Clculo lambda

461 463 467 469 470 472 477 479 480 490 497

Referencias
Fuentes y contribuyentes del artculo Fuentes de imagen, Licencias y contribuyentes 507 514

Licencias de artculos
Licencia 518

Teorema de Bayes

Teorema de Bayes
En la teora de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes en 1763[1] que expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber (si se tiene algn dato ms), la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los efectos observados. Sea un conjunto de sucesos mutuamente excluyentes y exhaustivos, y tales que la

probabilidad de cada uno de ellos es distinta de cero (0). Sea B un suceso cualquiera del que se conocen las probabilidades condicionales . Entonces, la probabilidad viene dada por la expresin:

donde: son las probabilidades a priori. es la probabilidad de en la hiptesis son las probabilidades a posteriori. . Thomas Bayes (1763)

Frmula de Bayes
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de Bayes, tambin conocida como la Regla de Bayes:

Aplicaciones
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmacin emprica mientras que los llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros de correo basura o spam, que se adaptan con el uso. Como observacin, se tiene y su demostracin resulta trivial.

Teorema de Bayes

Enlaces externos
Calculadora en internet [2] Inferencia estadstica segn el modelo bayesiano [3], en la web de la Sociedad Andaluza de Enfermedades Infecciosas [4] Enciclopedia Stanford de filosofa [5] Simulacion del Teorema de Bayes con R-Project [6]

Referencias
[1] [2] [3] [4] [5] [6] * http:/ / www. ugr. es/ ~jsalinas/ bayes. htm http:/ / saei. org/ hemero/ epidemiol/ nota3. html http:/ / saei. org http:/ / plato. stanford. edu/ entries/ bayes-theorem/ http:/ / cajael. com/ mestadisticos/ T2Probabilidad/ node10. php

Paradoja del cuervo


La paradoja del cuervo es una paradoja propuesta por el filsofo alemn Carl Hempel en la dcada de 1940 para ilustrar un problema donde la lgica inductiva desafa a la intuicin. Esta paradoja se conoce tambin como paradoja de la negacin o paradoja de Hempel. Cuando durante miles de aos la gente ha observado hechos que se acomodan bien en el marco de una teora como la ley de la gravedad, tendemos a creer que dicha teora tiene una alta probabilidad de ser cierta y nuestra confianza en ella aumenta con cada nueva observacin de acuerdo con ella. Este tipo de razonamiento puede sintetizarse en el principio de induccin: Si se observa un caso particular X consistente con la teora T, entonces la probabilidad de que T sea cierta aumenta. Hempel da un ejemplo del principio de induccin. Propone como teora "Todos los cuervos son negros". Si ahora examinamos a un milln de cuervos, y observamos que todos son negros, nuestra creencia en la teora "todos los cuervos son negros" crecer ligeramente con cada observacin. En este caso, el principio de induccin parece razonable.

Cuervo negro.

No-negro, no-cuervo.

Ahora bien, la afirmacin "todos los cuervos son negros" es equivalente en lgica a la afirmacin "todas las cosas no-negras son no-cuervos". Por lo tanto, observar una manzana roja proporciona evidencia emprica para sostener esta segunda afirmacin. Una manzana roja es una cosa no-negra, y cuando la examinamos, vemos que es un no-cuervo. As que, por el principio de induccin, el observar una manzana roja debera incrementar nuestra confianza en la creencia de que todos los cuervos son negros.

Paradoja del cuervo Hay filsofos que han ofrecido varias soluciones a este desafo a la intuicin. El lgico estadounidense Nelson Goodman ha sugerido aadir restricciones a nuestro propio razonamiento, como no considerar nunca que un caso vlido "Todos los P son Q" si valida tambin "Ningn P es Q". Otros filsofos han cuestionado el "principio de equivalencia". A lo mejor, la manzana roja debe aumentar nuestra creencia en la teora "todas las cosas no-negras son no-cuervos" sin aumentar nuestra creencia en la teora "todos los cuervos son negros". Esta sugerencia tambin ha sido cuestionada, sin embargo, con el argumento de que no puedes tener distinto nivel de creencia en dos afirmaciones si sabes que ambas son o ciertas o falsas al mismo tiempo. Goodman, y ms tarde, Quine, usaron el trmino predicado proyectable para describir las expresiones, como cuervo y negro, que s permiten el uso de generalizaciones inductivas. Los predicados no proyectables son aquellos como no-negro y no-cuervo, que aparentemente no lo permiten. (Ver tambin verjo, otro predicado no proyectable inventado por Goodman.) Quine sugiri que es una cuestin emprica cules, si alguno, de los predicados son proyectables, y observa que en un universo de infinitos objetos, el complemento de un predicado proyectable debe ser siempre no proyectable. Esto tendra la consecuencia de que, a pesar de que "todos los cuervos son negros" y "todas las cosas no-negras son no-cuervos" deben ser validados al mismo tiempo, ambos derivan su apoyo de cuervos negros, y no de no-cuervos no-negros. Algunos filsofos han defendido que es nuestra intuicin la que falla. Observar una manzana roja realmente incrementa la probabilidad de que todos los cuervos sean negros. Despus de todo, si alguien te diese todas las cosas no-negras del universo, y pudieses ver que no hay ningn cuervo entre ellas, podras concluir entonces que todos los cuervos son negros. El ejemplo solo desafa a la intuicin porque el conjunto de cosas no-negras es con diferencia ms grande que el conjunto de cuervos. As, observar otra cosa no-negra que no sea un cuervo debera cambiar muy poco nuestra creencia en la teora si lo comparamos con la observacin de otro cuervo que s sea negro. Hay una alternativa al "principio de induccin" descrito anteriormente. Sea X una instancia de la teora T, e I toda nuestra informacin sobre el entorno. Sea la probabilidad de dado . Entonces,

Este principio se conoce como "teorema de Bayes". Es una de las bases de la probabilidad y la estadstica. Cuando los cientficos publican anlisis de resultados experimentales y obtienen que son significativos estadsticamente o no significativos estadsticamente, estn usando este principio de forma implcita, por lo que podra afirmarse que este principio describe mejor el razonamiento cientfico que el "principio de induccin" original. Si se usa este principio, no aparece la paradoja. Si pides a alguien que escoja una manzana al azar y te la muestre, entonces la probabilidad de ver una manzana roja es independiente del color de los cuervos. El numerador ser igual al denominador, por lo que la divisin ser igual a uno, y la probabilidad permanecer inalterada. Ver una manzana roja no afectar a tu creencia de que todos los cuervos son negros. Si pides a alguien que escoja una cosa no-negra al azar, y te muestran una manzana roja, entonces el numerador ser superior al denominador por una diferencia mnima. Ver la manzana roja slo aumentar ligeramente tu creencia de que todos los cuervos son negros. Tendrs que ver casi todas las cosas del universo (y comprobar que son no-cuervos) para que aumente de modo apreciable tu creencia en "todos los cuervos son negros". En ambos casos, el resultado es de acuerdo a la intuicin.

Paradoja del cuervo

Referencias
Hempel, Carl. G. A Purely Syntactical Definition of Confirmation. J. Symb. Logic 8, 122-143, 1943. Hempel, Carl. G. Studies in Logic and Confirmation. Mind 54, 1-26, 1945. Hempel, Carl. G. Studies in Logic and Confirmation. II. Mind 54, 97-121, 1945. Hempel, Carl G, Studies in the Logic of Confirmation. In Marguerite H. Foster and Michael L. Martin [1], eds. Probability, Confirmation, and Simplicity. New York: Odyssey Press, 1966. Pp 145-183 Falletta, Nicholas. The Paradoxicon: a Collection of Contradictory Challenges, Problematical Puzzles, and Impossible Illustrations. 1983. Pp 126-131. ISBN 0-385-17932-4

Enlaces externos
Hempel [2] (Ingls, informacin general) PRIME Encyclopedia [3](Ingls, informacin general) J. L. Mackie. The British Journal for the Philosophy of Science, 13, 265-277 (1963) [4] (Ingls, anlisis exhaustivo)

Referencias
[1] [2] [3] [4] http:/ / www. bu. edu/ philo/ faculty/ martin. html http:/ / homepage. powerup. com. au/ ~mindgym/ rumpus/ hempel. htm http:/ / www. mathacademy. com/ pr/ prime/ articles/ paradox_raven/ index. asp http:/ / www. uwichill. edu. bb/ bnccde/ ph29a/ parconf. htm

Probabilidad condicionada
Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee la probabilidad de A dado B. No tiene por qu haber una relacin causal o temporal entre A y B. A puede preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden desempear un papel o no dependiendo de la interpretacin que se le d a los eventos. El condicionamiento de probabilidades puede lograrse aplicando el teorema de Bayes.

Probabilidad condicionada

Definicin
Dado un espacio de probabilidad y dos eventos (o sucesos) con , la probabilidad condicional de A dado B est definida como:

Interpretacin
se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los que tambin se cumple A. Si el evento B es, por ejemplo, tener la gripe, y el evento A es tener dolor de cabeza, sera la probabilidad de tener dolor de cabeza cuando se est enfermo de gripe. Grficamente, si se interpreta el espacio de la ilustracin como el espacio de todos los mundos posibles, A seran los mundos en los que se tiene dolor de cabeza y B el espacio en el que se tiene gripe. La zona verde de la interseccin representara los mundos en los que se tiene gripe y dolor de cabeza . En este caso , es

se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los que tambin se cumple A.

decir, la probabilidad de que alguien tenga dolor de cabeza sabiendo que tiene gripe, sera la proporcin de mundos con gripe y dolor de cabeza (color verde) de todos los mundos con gripe: El rea verde dividida por el rea de B. Como el rea verde representa y el rea de B representa a , formalmente se tiene que:

Propiedades
1. 1. Es decir, si todos los que tienen gripe siempre tienen dolor de cabeza, entonces la probabilidad de tener dolor de cabeza dado que tengo gripe es 1. 1.

Probabilidad condicionada

Independencia de sucesos
Dos sucesos aleatorios A y B son independientes si y slo si:

O sea que si A y B son independientes, su probabilidad conjunta, puede ser expresada como el producto de las probabilidades individuales. Equivalentemente:
La proporcin de zona verde dentro de B es la misma que la de A en todo el espacio y, de la misma forma, la proporcin de la zona verde dentro de A es la misma que la de B en todo el espacio. Son sucesos dependientes.

En otras palabras, si A y B son independientes, la probabilidad condicional de A dado B es simplemente la probabilidad de A y viceversa.

Exclusividad mutua
Dos sucesos A y B son mutuamente excluyentes si y slo si . Entonces, . Adems, si entonces es igual a 0.

La falacia de la probabilidad condicional


La falacia de la probabilidad condicional se basa en asumir que P(A|B) es casi igual a P(B|A). El matemtico John Allen Paulos analiza en su libro El hombre anumrico este error muy comn cometido por personas que desconocen la probabilidad.

Los conjuntos A y B no intersecan. Son mutuamente excluyentes.

La verdadera relacin entre P(A|B) y P(B|A) es la siguiente: (Teorema de Bayes)

Problemas de ejemplo
---La paradoja del falso positivo--La magnitud de este problema es la mejor entendida en trminos de probabilidades condicionales. Supongamos un grupo de personas de las que el 1 % sufre una cierta enfermedad, y el resto est bien. Escogiendo un individuo al azar: y Supongamos que aplicando una prueba a una persona que no tiene la enfermedad, hay una posibilidad del 1 % de conseguir un falso positivo, esto es: y Finalmente, supongamos que aplicando la prueba a una persona que tiene la enfermedad, hay una posibilidad del 1 % de un falso negativo, esto es:

Probabilidad condicionada y Ahora, uno puede calcular lo siguiente: La fraccin de individuos en el grupo que estn sanos y dan negativo:

La fraccin de individuos en el grupo que estn enfermos y dan positivo:

La fraccin de individuos en el grupo que dan falso positivo:

La fraccin de individuos en el grupo que dan falso negativo:

Adems, la fraccin de individuos en el grupo que dan positivo:

Finalmente, la probabilidad de que un individuo realmente tenga la enfermedad, dado un resultado de la prueba positivo:

En este ejemplo, debera ser fcil ver la diferencia entre las probabilidades condicionadas P (positivo | enfermo) (que es del 99 %) y P (enfermo | positivo) (que es del 50 %): la primera es la probabilidad de que un individuo enfermo d positivo en la prueba; la segunda es la probabilidad de que un individuo que da positivo en la prueba tenga realmente la enfermedad. Con los nmeros escogidos aqu, este ltimo resultado probablemente sera considerado inaceptable: la mitad de la gente que da positivo en realidad est sana. La probabilidad de tener una enfermedad rara es de 0,001: La probabilidad de que cuando el paciente est enfermo se acierte en el diagnstico es de 0,99: La probabilidad de falso positivo es de 0,05: Pregunta: Me dicen que he dado positivo, Qu probabilidad hay de que tenga la enfermedad?

Distribucin de probabilidad continua

Distribucin de probabilidad continua


En teora de la probabilidad una distribucin de probabilidad se llama continua si su funcin de distribucin es continua. Puesto que la funcin de distribucin de una variable aleatoria X viene dada por , la definicin implica que en una distribucin de probabilidad continua X se cumple P[X = a] = 0 para todo nmero real a, esto es, la probabilidad de que X tome el valor a es cero para cualquier valor de a. Si la distribucin de X es continua, se llama a X variable aleatoria continua. En las distribuciones de probabilidad continuas, la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

Una distribucin de probabilidad continua, la distribucin normal.

Mientras que en una distribucin de probabilidad discreta un suceso con probabilidad cero es imposible, no se da el caso en una variable aleatoria continua. Por ejemplo, si se mide la anchura de una hoja de roble, el resultado 3,5 cm es posible, pero tiene probabilidad cero porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno de esos valores individuales tiene probabilidad cero, aunque la probabilidad de ese intervalo no lo es. Esta aparente paradoja se resuelve por el hecho de que la probabilidad de que X tome algn valor en un conjunto infinito como un intervalo, no puede calcularse mediante la adicin simple de probabilidades de valores individuales. Formalmente, cada valor tiene una probabilidad infinitesimal que estadsticamente equivale a cero. Existe una definicin alternativa ms rigurosa en la que el trmino "distribucin de probabilidad continua" se reserva a distribuciones que tienen funcin de densidad de probabilidad. Estas funciones se llaman, con ms precisin, variables aleatorias absolutamente continuas (vase el Teorema de Radon-Nikodym). Para una variable aleatoria X absolutamente continua es equivalente decir que la probabilidad P[X = a] = 0 para todo nmero real a, en virtud de que hay un incontables conjuntos de medida de Lebesgue cero (por ejemplo, el conjunto de Cantor). Una variable aleatoria con la distribucin de Cantor es continua de acuerdo con la primera definicin, pero segn la segunda, no es absolutamente continua. Tampoco es discreta, ni una media ponderada de variables discretas y absolutamente continuas. En aplicaciones prcticas, las variables aleatorias a menudo ofrece una distribucin discreta o absolutamente continua, aunque tambin aparezcan de forma natural mezclas de los dos tipos.

Definicin
Para una variable continua hay infinitos valores posibles de la variable y entre cada dos de ellos se pueden definir infinitos valores ms. En estas condiciones no es posible deducir la probabilidad de un valor puntual de la variable; como se puede hacer en el caso de variables discretas, pero es posible calcular la probabilidad acumulada hasta un cierto valor (funcin de distribucin de probabilidad), y se puede analizar como cambia la probabilidad acumulada en cada punto (estos cambios no son probabilidades sino otro concepto: la funcin de densidad. En el caso de variable continua la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

Distribucin de probabilidad continua

Sea

una variable continua, una distribucin de probabilidad o funcin de densidad de probabilidad (FDP) de tal que, para cualesquiera dos nmeros y siendo .

es una funcin

La grfica de intervalo

se conoce a veces como curva de densidad, la probabilidad de que

tome un valor en el

es el rea bajo la curva de la funcin de densidad; as, la funcin mide concentracin de probabilidad y

alrededor de los valores de una variable aleatoria continua. rea bajo la curva de entre Para que 1. 2. sea una FDP ( 0 para toda .

) legtima, debe satisfacer las siguientes dos condiciones:

Ya que la probabilidad es siempre un nmero positivo, la FDP es una funcin no decreciente que cumple: 1. 2. . Es decir, la probabilidad de todo el espacio muestral es 1. . Es decir, la probabilidad del suceso nulo es cero. a , como la de la distribucin normal.

Algunas FDP estn declaradas en rangos de

Distribuciones continuas
Las distribuciones de variable continua ms importantes son las siguientes: Distribucin Beta Distribucin exponencial Distribucin F Distribucin Gamma Distribucin ji cuadrado Distribucin normal Distribucin t de Student

Enlaces externos.
Wikimedia Commons alberga contenido multimedia sobre Distribuciones de probabilidad. Commons

Distribucin Box-Cox

10

Distribucin Box-Cox
En la estadstica, la distribucin Box-Cox (tambin conocida como la distribucin de energa de lo normal) es la distribucin de una variable aleatoria X para la que la transformacin Box-Cox en X sigue una distribucin normal truncada. Se trata de una distribucin de probabilidad continua que tiene la funcin de densidad de probabilidad dada por:

para y> 0, donde m es el parmetro de localizacin de la distribucin, s es la dispersin, f es el parmetro de la familia, I es la funcin indicadora , es la Funcin de distribucin de la distribucin normal estndar, y sgn es la funcin signo. Fue propuesta por George E. P. Box y David Cox.

Caso especial
= 1 da una distribucin normal truncada.

Referencias
Properties of the Power-Normal Distribution [1]. U.S. Environmental Protection Agency.

Referencias
[1] http:/ / www. udc. edu/ docs/ dc_water_resources/ technical_reports/ report_n_190. pdf

Distribucin de Cauchy

11

Distribucin de Cauchy
Cauchy-Lorentz

La lnea verde es la distribucin estndar de Cauchy Funcin de densidad de probabilidad

Leyenda de colores para la PDF de la imagen superior Funcin de distribucin de probabilidad Parmetros (real) escala (real)

Funcin de densidad (pdf)

Funcin de distribucin (cdf)

Media Mediana Moda Varianza Curtosis Entropa

no definida

no definida no definida

Funcin generadora de momentos (mgf) no definida Funcin caracterstica

Distribucin de Cauchy

12

La distribucin Cauchy-Lorentz, llamada en honor a Augustin Cauchy y Hendrik Lorentz, es una distribucin de probabilidad continua. Es conocida como la distribucin de Cauchy y en el mbito de la fsica se conoce como la distribucin de Lorentz, la funcin Lorentziana la distribucin de Breit-Wigner. Su importancia en la fsica es dada por ser la solucin de la ecuacin diferencial que describe la resonancia forzada. En espectroscopia describe la forma de las lneas espectrales que son ampliadas por diversos mecanismos, en particular, el mecanismo de ensanchamiento por colisin [1].

Caracterizacin
Funcin de densidad (PDF)
En estadstica la distribucin de Cauchy (a veces tambin distribucin de Lorentz) es una distribucin de probabilidad continua cuya funcin de densidad es

donde x0 es el parmetro de corrimiento que especifica la ubicacin del pico de la distribucin, y es el parmetro de escala que especifica el ancho medio al mximo medio (half-width at half-maximum, HWHM). En el caso especial donde x0 = 0 y = 1 es denominado la distribucin estndar Cauchy con la funcin de densidad de probabilidad

En general la distribucin de Cauchy no tiene valor esperado ni varianza. Sean y dos variables aleatorias uniformes dentro -1 y 1 y , entonces el nmero tiene la

distribucin Cauchy.

Funcin de distribucin
La funcin de distribucin acumulativa (CDF) es:

y la funcin inversa de distribucin acumulativa para la distribucin Cauchy es

Distribucin de Cauchy

13

Propiedades
La distribucin de Cauchy es un ejemplo de una distribucin que no tiene valor esperado, varianza o momentos definidos. Su moda y su mediana estn bien definidas y son ambas iguales a x0. Cuando U y V son dos variables aleatorias independendientes y normalmente distribuidas con un valor esperado = 0 y una variancia = 1, luego la tasaU/V tiene la distribucin estndar de Cauchy. S X1, , Xn son variables aleatorias, independientes e idnticamente distribuidas, cada una con una distribucin Cauchy, luego la media de la muestra (X1 + + Xn)/n tiene la misma distribucin Cauchy estndar (la media de la muestra, la cul no es afectada por los valores extremos, puede ser usada como medida de la tendencia central). Para comprobar que esto es cierto se calcula la funcin caracterstica de la media de la muestra:

donde

es la media de la muestra. Este ejemplo sirve para demostrar que la hiptesis de variancia finita en el

teorema del lmite central no puede ser depuesta, al igual que la hiptesis de esperanza finita en la ley de los grandes nmeros. Es tambin un ejemplo de una versin ms generalizada del teorema de lmite central que es caracterstica de todas las distribuciones asimtricas alpha-estables de Lvy, de las cuales es la distribucin de Cauchy un caso especial. La distribucin de Cauchy es una funcin de distribucin infinitamente divisible. Es tambin una distribucin estrictamente estable. La distribucin de Cauchy concide con la distribucin t de Student con un grado de libertad.

Funcin Caracterstica
Sea X una variable aleatoria con una distribucin Cauchy. Luego la funcin caracterstica de la distribucin Cauchy est bien definida:

Enlaces externos
MathWorld [2] GNU Scientific Library - Reference Manual [3] ensanchamiento por colisin [1] Diccionario Estadstico [4]

Referencias
[1] [2] [3] [4] http:/ / www. astro. puc. cl/ ~dante/ cursofia2000/ apuntes/ node55. html http:/ / mathworld. wolfram. com/ CauchyDistribution. html http:/ / www. gnu. org/ software/ gsl/ manual/ gsl-ref. html#SEC294 http:/ / www. estadistico. com/ dic. html

Distribucin de Erlang

14

Distribucin de Erlang
Distribucin de Erlang

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros alt.: Dominio Funcin de densidad (pdf)

Funcin de distribucin (cdf)

Media Mediana Moda Varianza Coeficiente de simetra for

Curtosis Entropa Funcin generadora de momentos (mgf) Funcin caracterstica

for

En estadstica, la distribucin Erlang, es una distribucin de probabilidad continua con dos parmetros cuya funcin de densidad para valores es

La distribucin Erlang es el equivalente de la distribucin gamma con el parmetro Para

eso es la distribucin exponencial. Se utiliza la distribucin Erlang para describir el tiempo de espera

Distribucin de Erlang hasta el suceso nmero en un proceso de Poisson.

15

Su esperanza viene dada por: Su varianza viene dada por: La funcin generadora de momentos responde a la expresin:

Enlaces externos
Calculadora Distribucin de Erlang [1]

Referencias
[1] http:/ / www. elektro-energetika. cz/ calculations/ distrerlang. php?language=espanol

Distribucin de Gumbel
Distribucin de Gumbel

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros location (real) scale (real)

Dominio Funcin de densidad (pdf) where Funcin de distribucin (cdf) Media Mediana Moda

Distribucin de Gumbel

16
Varianza

Coeficiente de simetra

Curtosis Entropa Funcin generadora de momentos (mgf) Funcin caracterstica

En teora de probabilidad y estadstica la distribucin de Gumbel (llamada as en honor de Emil Julius Gumbel (1891-1966) es utilizada para modelar la distribucin del mximo (o el mnimo), por lo que se usa para calcular valores extremos. Por ejemplo, sera muy til para representar la distribucin del mximo nivel de un ro a partir de los datos de nveles mximos durante 10 aos. Es por esto que resulta muy til para predecir terremotos, inundaciones o cualquier otro desastre natural que pueda ocurrir. La aplicabilidad potencial de la distribucin de Gumbel para representar los mximos se debe a la teora de valores extremos que indica que es probable que sea til si la muestra de datos tiene una distribucin normal o exponencial.

Propiedades
La funcin de distribucin acumulada de Gumbel es:T

La mediana es La media es donde = Constante de Euler-Mascheroni

0.5772156649015328606. La desviacin estndar es:

La moda es .

Una muestra de papel para graficar que incorpora la distribucion Gumbel

Distribucin estndar de Gumbel


La distribucin estndar de Gumbel es el caso donde = 0 y = 1 con la funcin acumulada

y la funcin de densidad

La mediana es La media es La desviacin estndar es

0.36651292058166432701. , the EulerMascheroni constant 0.5772156649015328606.

1.28254983016186409554. La moda es 0.

Distribucin de Gumbel

17

Estimacin de parmetros
Un modo prctico de usar la distribucin puede ser:

donde M es la mediana. Para ajustar los valores es posible tomar la median directamente y a continuacin de vara hasta que se ajusta al conjunto de valores.

Generacin de variables de Gumbel


Sea una variable aleatoria U extraa de una distribucin uniforme y continua, en el intervalo [0,1], entonces la variable:

tiene una distribucin de Gumbel con parmetros and . Esto se deduce de la forma de la funcin de distribucin acumulada dada anteriormente. a todos los valores anteriores se les debe multiplicar por 100 y divir por 33,33 para tener mayor confiabilidad

Distribuciones relacionadas
Cuando la cdf de Y es la inversa de la distribucin estndar de Gumbel acumulada, entonces Y tiene una Distribucin de Gompertz.
[1]

Distribucin de Gumbel Opuesta


Algunos autores emplean una versin modificada de la distribucin de Gumbel.[2] La funcin de distribucin acumulada opuesta de Gumbel es:

La funcin de densidad de probabilidad es:

References
[1] Willemse, W. J. and Kaas, R., "Rational reconstruction of frailty-based mortality models by a generalisation of Gompertz law of mortality", Insurance: Mathematics and Economics, 40 (3) (2007), 468484. [2] Moncho, R.; Caselles, V.; Chust, G. (2012): "Alternative model of probability distribution of precipitation: application to Spain". Climate Research, 51: 23:33

Software
Se puede usar software y un programa de computadora para el ajuste de una distribucin de probabilidad, incluyendo la de Gumbel, a una serie de datos: Easy fit (http://www.mathwave.com/articles/distribution_fitting.html), "data analysis & simulation" MathWorks Benelux (http://www.mathworks.nl/products/statistics/demos.html?file=/products/demos/ shipping/stats/cfitdfitdemo.html) ModelRisk (http://www.vosesoftware.com/), "risk modelling software" Ricci distributions, fitting distrubutions with R (http://cran.r-project.org/doc/contrib/Ricci-distributions-en. pdf) , Vito Ricci, 2005 Risksolver, automatically fit distributions and parameters to samples (http://www.solver.com/risksolver8.htm)

Distribucin de Gumbel StatSoft distribution fitting (http://www.statsoft.com/textbook/distribution-fitting/) CumFreq (http://www.waterlog.info/cumfreq.htm) , libre sin costo, incluye intervalos de confianza a base de la distribucin binomial

18

Distribucin de Pareto
Pareto

Funciones de densidad de probabilidad para diferentes con xm=1. El eje horizontal es el parmetro x&nbsp. Como la distribucin se aproxima (xxm) donde es la delta de Dirac. Funcin de densidad de probabilidad

unciones de densidad de probabilidad para diferentes con xm=1. El eje horizontal es el parmetro x&nbsp. Funcin de distribucin de probabilidad Parmetros escala (real) forma (real) Dominio Funcin de densidad (pdf) Funcin de distribucin (cdf) Media Mediana Moda

Distribucin de Pareto

19

Varianza

Coeficiente de simetra

Curtosis

Entropa

Funcin generadora de momentos (mgf) Funcin caracterstica

En estadstica la distribucin Pareto, formulada por el socilogo Vilfredo Pareto, es una distribucin de probabilidad continua con dos parmetros, que tiene aplicacin en disciplinas como la sociologa, geofsica y economa. En algunas disciplinas a veces se refieren a la ley de Bradford. Por otro lado, el equivalente discreto de la distribucin Pareto es la distribucin zeta (la ley de Zipf).

Probabilidad acumulada
Si X pertenece al dominio de la variable de la distribucin de pareto, entonces la probabilidad de que X sea mayor que un nmero x viene dada por:

donde xm es el valor mnimo posible (positivo) de X, y es un parmetro. La familia de las distribuciones de Pareto se parametrizan por dos cantidades, xm y . Cuando esta distribucin es usada en un modelo sobre la distribucin de riqueza, el parmetro es conocido como ndice de Pareto.

Funcin de densidad
A partir de la probabilidad acumulada, se puede deducir mediante una derivada que la funcin de densidad de probabilidad es:

Propiedades
La media o valor esperado de una variable aleatoria X, que sigue una distribucin de Pareto con parmetro >1 es

(if 1, the expected value does not exist). La varianza es

(Si 2, la varianza no existe). Los momentos son

Distribucin de Pareto

20

pero el n-simo momento existe slo para n<. La funcin generadora de momentos slo est definida para valores no positivos de t0 segn:

Caso degenerado
La funcin de la delta de Dirac es un caso lmite de la densidad de Pareto:

Distribucin simtrica
Puede definirse una Distribucin de Pareto Simtrica segn:[1]

Distribucin Generalizada de Pareto


Pareto Generalizado Parmetros (real) escala (real) forma (real) Dominio localizacin

Funcin de densidad (pdf) where Funcin de distribucin (cdf) Media Mediana

Varianza

La familia de distribuciones generalizadas de Pareto (GPD) tienen tres parmetros La funcin de probabilidad acumulada es

Para

, con

,y

con

, donde

es el parmetro localizacin,

es

el parmetro escala y

es el parmetro forma. Ntese que algunas referencias toman el parmetro forma

como . La funcin de densidad de probabilidad es:

Distribucin de Pareto

21

de nuevo, para

,y

si

Software
Se puede usar software y un programa de computadora para el ajuste de una distribucin de probabilidad, incluyendo la de Pareto, a una serie de datos: Easy fit [2], "data analysis & simulation" MathWorks Benelux [3] ModelRisk [4], "risk modelling software" Ricci distributions, fitting distrubutions with R [5] , Vito Ricci, 2005 Risksolver, automatically fit distributions and parameters to samples [6]

StatSoft distribution fitting [7] CumFreq [8] , libre sin costo, incluye intervalos de confianza a base de la distribucin binomial

Citas
[2] [3] [4] [5] [6] [7] [8] http:/ / www. mathwave. com/ articles/ distribution_fitting. html http:/ / www. mathworks. nl/ products/ statistics/ demos. html?file=/ products/ demos/ shipping/ stats/ cfitdfitdemo. html http:/ / www. vosesoftware. com/ http:/ / cran. r-project. org/ doc/ contrib/ Ricci-distributions-en. pdf http:/ / www. solver. com/ risksolver8. htm http:/ / www. statsoft. com/ textbook/ distribution-fitting/ http:/ / www. waterlog. info/ cumfreq. htm

Barry C. Arnold (1983). Pareto Distributions, International Co-operative Publishing House, Burtonsville, Maryland. ISBN 0-899974-012-1. Christian Kleiber and Samuel Kotz (2003). Statistical Size Distributions in Economics and Actuarial Sciences, New York:Wiley. xi+332 pp. ISBN 0-471-15064-9. Lorenz, M. O. (1905). "Methods of measuring the concentration of wealth". Publications of the American Statistical Association. 9: 209219.

Distribucin de Rayleigh

22

Distribucin de Rayleigh
En la teora de la probabilidad y estadstica, la distribucin de Rayleigh es una funcin de distribucin continua. Se suele presentar cuando un vector bidimensional (por ejemplo, el que representa la velocidad del viento) tiene sus dos componentes, ortogonales, independientes y siguen una distribucin normal. Su valor absoluto seguir entonces una distribucin de Rayleigh. Esta distribucin tambin se puede presentar en el caso de nmeros complejos con componentes real e imaginaria independientes y siguiendo una distribucin normal. Su valor absoluto sigue una distribucin de Rayleigh.

Distribucin de probabilidad Rayleigh.

La funcin de densidad de probabilidad es:

Su esperanza es:

y su varianza:

Distribucin Rayleigh cumulativa.

Estimacin del parmetro


La estimacin de mxima verosimilitud del parmetro viene dado por:

Distribuciones relacionadas
Si Si es una distribucin de Rayleigh si donde y son dos distribuciones normales independientes. entonces sigue una distribucin chi-cuadrado con dos grados de libertad: sigue una distribucin exponencial entonces

. La distribucin chi es una generalizacin de la distribucin de Rayleigh. La distribucin de Rice es una generalizacin de la distribucin de Rayleigh. La distribucin de Weibull es una generalizacin de la distribucin de Rayleigh.

Distribucin de Rayleigh

23

Enlaces externos
Calculadora Distribucin de Rayleigh [1]

Referencias
[1] http:/ / www. elektro-energetika. cz/ calculations/ distrrayl. php?language=espanol

Distribucin exponencial
Distribucin exponencial

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Dominio Funcin de densidad (pdf) Funcin de distribucin (cdf) Media Mediana Moda Varianza Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos (mgf)

Funcin caracterstica

En estadstica la distribucin exponencial es una distribucin de probabilidad continua con un parmetro cuya funcin de densidad es:

Distribucin exponencial

24

Su funcin de distribucin es:

Donde

representa el nmero e.

El valor esperado y la varianza de una variable aleatoria X con distribucin exponencial son:

La distribucin exponencial es un caso particular de distribucin gamma con k = 1. Adems la suma de variables aleatorias que siguen una misma distribucin exponencial es una variable aleatoria expresable en trminos de la distribucin gamma.

Ejemplo
Ejemplos para la distribucin exponencial es la distribucin de la longitud de los intervalos de variable continua que transcuren entre la ocurrencia de dos sucesos, que se distribuyen segn la distribucin de Poisson.

Calcular variables aleatorias


Se pueden calcular una variable aleatoria de distribucin exponencial distribucin uniforme : por medio de una variable aleatoria de

o, dado que eficiente:

es tambin una variable aleatoria con distribucin

, puede utilizarse la versin ms

Relaciones
La suma de variables aleatorias independientes de distribucin exponencial con parmetro es una variable aleatoria de distribucin gamma.

Software
Se puede usar software y un programa de computadora para el ajuste de una distribucin de probabilidad, incluyendo la exponencial, a una serie de datos: Easy fit [2], "data analysis & simulation" MathWorks Benelux [3] ModelRisk [4], "risk modelling software" Ricci distributions, fitting distrubutions with R [5] , Vito Ricci, 2005 Risksolver, automatically fit distributions and parameters to samples [6] StatSoft distribution fitting [7] CumFreq [8] , libre sin costo, incluye intervalos de confianza a base de la distribucin binomial

Distribucin exponencial

25

Enlaces externos
Calculadora Distribucin exponencial [1] [2]Calcular la probabilidad de una distribucin exponencial con R (lenguaje de programacin)

Referencias
[1] http:/ / www. elektro-energetika. cz/ calculations/ ex. php?language=espanol [2] http:/ / cajael. com/ mestadisticos/ T7DContinuas/ node20. php

Distribucin F
Fisher-Snedecor

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Dominio Funcin de densidad (pdf) grados de libertad

Funcin de distribucin (cdf) Media

para

Moda

para

Varianza para

Distribucin F

26
Coeficiente de simetra

para

Usada en teora de probabilidad y estadstica, la distribucin F es una distribucin de probabilidad continua. Tambin se le conoce como distribucin F de Snedecor (por George Snedecor) o como distribucin F de Fisher-Snedecor. Una variable aleatoria de distribucin F se construye como el siguiente cociente:

donde U1 y U2 siguen una distribucin chi-cuadrado con d1 y d2 grados de libertad respectivamente, y U1 y U2 son estadsticamente independientes. La distribucin F aparece frecuentemente como la distribucin nula de una prueba estadstica, especialmente en el anlisis de varianza. Vase el test F. La funcin de densidad de una F(d1, d2) viene dada por

para todo nmero real x 0, donde d1 y d2 son enteros positivos, y B es la funcin beta. La funcin de distribucin es

donde I es la funcin beta incompleta regularizada.

Distribuciones relacionadas
es una distribucin ji-cuadrada cuando para .

Enlaces externos
Tabla de valores crticos de una distribucin F [1] Prueba de significacin mediante la distribucin F [2] Distribution Calculator [3] Calcula las probabilidades y valores crticos para las distribuciones normal, t, ji-cuadrada y F [4] Calcular la probabilidad de una distribucin F-Snedecor con R (lenguaje de programacin)

Referencias
[1] [2] [3] [4] http:/ / www. itl. nist. gov/ div898/ handbook/ eda/ section3/ eda3673. htm http:/ / home. clara. net/ sisa/ signhlp. htm http:/ / www. vias. org/ simulations/ simusoft_distcalc. html http:/ / cajael. com/ mestadisticos/ T7DContinuas/ node17. php

Distribucin gamma

27

Distribucin gamma
En estadstica la distribucin gamma es una distribucin de probabilidad continua con dos parmetros y cuya funcin de densidad para valores es

Aqu

es el nmero e y la aquella es

es la funcin gamma. Para valores (el factorial de


Distribucin gamma.

). En este caso - por ejemplo para describir un proceso de Poisson - se llaman la distribicin distribucin Erlang con un parmetro . El valor esperado y la varianza de una variable aleatoria X de distribucin gamma son

Relaciones
El tiempo hasta que el suceso nmero parmetro . ocurre en un Proceso de Poisson de intensidad es una variable aleatoria con distribucin gamma. Eso es la suma de variables aleatorias independientes de distribucin exponencial con

Vase tambin: Distribucin Beta, Distribucin Erlang, Distribucin Chi-cuadrada

Enlaces externos
http://mathworld.wolfram.com/GammaDistribution.html [1] Calcular la probabilidad de una distribucin Gamma con R (lenguaje de programacin)

Referencias
[1] http:/ / cajael. com/ mestadisticos/ T7DContinuas/ node29. php

Distribucin log-normal

28

Distribucin log-normal
En probabilidades y estadsticas, la distribucin log-normal es una distribucin de probabilidad de cualquier variable aleatoria con su logaritmo normalmente distribuido (la base de una funcin logartmica no es importante, ya que loga X est distribuida normalmente si y slo si logb X est distribuida normalmente). Si X es una variable aleatoria con una distribucin normal, entonces exp(X) tiene una distribucin log-normal. Log-normal tambin se escribe log normal o lognormal. Una variable puede ser modelada como log-normal si puede ser considerada como un producto multiplicativo de muchos pequeos factores independientes. Un ejemplo tpico es un retorno a largo plazo de una inversin: puede considerarse como un producto de muchos retornos diarios. La distribucin log-normal tiende a la funcin densidad de probabilidad

para

, donde

son la media y la desviacin estndar del logaritmo de variable. El valor esperado es

y la varianza es .

Relacin con media y la desviacin estndar geomtrica


La distribucin log-normal, la media geomtrica, y la desviacin estndar geomtrica estn relacionadas. En este caso, la media geomtrica es igual a y la desviacin estndar geomtrica es igual a . Si una muestra de datos determina que proviene de una poblacin distribuida siguiendo una distribucin log-normal, la media geomtrica de la desviacin estndar geomtrica puede utilizarse para estimar los intervalos de confianza tal como la media aritmtica y la desviacin estndar se usan para estimar los intervalos de confianza para un dato distribuido normalmente.
Lmite de intervalo de confianza 3 lmite inferior 2 lmite inferior 1 lmite inferior 1 lmite superior 2 lmite superior 3 lmite superior log geomtrica

Donde la media geomtrica

y la desviacin estndar geomtrica

Distribucin log-normal

29

Momentos
Los primeros momentos son:

o de forma general:

Estimacin de parmetros
Para determinar los estimadores que ms se aproximan a los parmetros y de la distribucin log-normal, podemos utilizar los mismos procedimientos que para la distribucin normal. Para no repetirlo, obsrvese que

donde por

denotamos la funcin densidad de probabilidad de distribucin log-normal, y por

a la de la

distribucin normal. Por lo tanto, utilizando los mismos ndices para denotar las distribuciones, podemos escribir que

Ya que el primer trmino es constante respecto a y , ambas funciones logartmicas,

, obtienen su

mximo con el mismo y . Por tanto, utilizando las frmulas para los estimadores de parmetros de la distribucin normal, y la igualdad de arriba, deducimos que para la distribucin log-normal se cumple:

Distribucin relacionada
Si Si es una distribucin normal, entonces . son variables independentes log-normalmente distribuidas con el , entonces Y es una variable distribuida

mismo parmetro y permitiendo que vare , y

log-normalmente como:

Software
Se puede usar software o programa de computadora para el ajuste de una distribucin de probabilidad, incluyendo la lognormal, a una serie de datos: Easy fit [2], "data analysis & simulation" MathWorks Benelux [3] ModelRisk [4], "risk modelling software" Ricci distributions, fitting distrubutions with R [5] , Vito Ricci, 2005 Risksolver, automatically fit distributions and parameters to samples [6] StatSoft distribution fitting [7]

Distribucin log-normal CumFreq [8] , libre sin costo, incluye la distribucin normal, la lognormal, raz-normal, cuadrado-normal, e intervalos de confianza a base de la distribucin binomial

30

Distribucin t de Student
Distribucin t de Student

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Dominio Funcin de densidad (pdf) grados de libertad (real)

Funcin de distribucin (cdf) donde es la funcin hipergeomtrica

Media Mediana Moda Varianza Coeficiente de simetra Curtosis

para

, indefinida para otros valores

para para para

, indefinida para otros valores

Distribucin t de Student

31

Entropa

: funcin digamma, : funcin beta

Funcin generadora de momentos (mgf) (No definida)

En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra.

Caracterizacin
La distribucin t de Student es la distribucin de probabilidad del cociente

donde Z tiene una distribucin normal de media nula y varianza 1 V tiene una distribucin ji-cuadrado con grados de libertad Z y V son independientes Si es una constante no nula, el cociente central con parmetro de no-centralidad . es una variable aleatoria que sigue la distribucin t de Student no

Aparicin y especificaciones de la distribucin t de Student


Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media y varianza 2. Sea

la media muestral. Entonces

sigue una distribucin normal de media 0 y varianza 1. Sin embargo, dado que la desviacin estndar no siempre es conocida de antemano, Gosset estudi un cociente relacionado,

donde

es la varianza muestral y demostr que la funcin de densidad de T es

Distribucin t de Student

32

donde

es igual a n 1.

La distribucin de T se llama ahora la distribucin-t de Student. El parmetro representa el nmero de grados de libertad. La distribucin depende de , pero no de o , lo cual es muy importante en la prctica.

Intervalos de confianza derivados de la distribucin t de Student


El procedimiento para el clculo del intervalo de confianza basado en la t de Student consiste en estimar la desviacin tpica de los datos S y calcular el error estndar de la media confianza para la media = . , siendo entonces el intervalo de

Es este resultado el que se utiliza en el test de Student: puesto que la diferencia de las medias de muestras de dos distribuciones normales se distribuye tambin normalmente, la distribucin t puede usarse para examinar si esa diferencia puede razonablemente suponerse igual a cero. para efectos prcticos el valor esperado y la varianza son: E(t(n))= 0 y Var (t(n-1)) = n/(n-2) para n > 3

Historia
La distribucin de Student fue descrita en 1908 por William Sealy Gosset. Gosset trabajaba en una fbrica de cerveza, Guinness, que prohiba a sus empleados la publicacin de artculos cientficos debido a una difusin previa de secretos industriales. De ah que Gosset publicase sus resultados bajo el seudnimo de Student.[1]

Distribucin t de Student No Estandarizada


La distribucin t puede generalizarse a 3 parmetros, introduciendo un parmero locacional y otro de escala
[]

El resultado es una distribucin t de Student No Estandarizada cuya densidad est definida por:

Equivalentemente, puede escribirse en trminos de estndar):

(correspondiente a la varianza en vez de a la desviacin

Otras propiedades de esta versin de la distribucin t son:[]

Distribucin t de Student

33

Referencias Enlaces externos


Tabla de distribucin de T de Student (http://tablas-estadisticas.blogspot.com/2010/06/t-de-student.html) Prueba t de Student en la UPTC de Colombia (http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent. pdf) Tabla distribucin t de Student Distribucin t-Student: Puntos porcentuales para probabilidad superior (http://www.vaxasoftware.com/ doc_edu/mat.html) (http://cajael.com/mestadisticos/T7DContinuas/node11.php) Calcular la probabilidad de una distribucin t-Student con R (lenguaje de programacin)

Distribucin
Distribucin (ji-cuadrado)

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Dominio Funcin de densidad (pdf) grados de libertad

Distribucin

34
Funcin de distribucin (cdf)

Media Mediana Moda Varianza Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos (mgf) Funcin caracterstica aproximadamente if

for

En estadstica, la distribucin (de Pearson), llamada Ji cuadrado, es una distribucin de probabilidad continua con un parmetro que representa los grados de libertad de la variable aleatoria

donde aleatoria

son variables aleatorias normales independientes de media cero y varianza uno. El que la variable tenga esta distribucin se representa habitualmente as: .

Es conveniente tener en cuenta que la letra griega se transcribe a otros idiomas (como el latn,[1] el ingls o el alemn) como chi. En cualquier caso, la pronunciacin en castellano es ji.[2][3] Tal diferencia es debida a la ausencia una letra para el sonido j espaol en tales idiomas, y el sonido se imita con el digrafo ch.

Propiedades
Funcin de densidad
Su funcin de densidad es:

donde

es la funcin gamma.
Demostracin

Distribucin

35
si Z es tipo N(0,1) viene dada por

La funcin densidad de

Despejando y teniendo en cuenta contribuciones positivas y negativas de z

La funcin distribucin de Aplicando transformada de Laplace

viene dada por su convolucin

Aplicando antitransformada se obtiene f(x;k)

Funcin de distribucin acumulada


Su funcin de distribucin es

donde

es la funcin gamma incompleta.

El valor esperado y la varianza de una variable aleatoria X con distribucin son, respectivamente, k y 2k.

Relacin con otras distribuciones


La distribucin es un caso especial de la distribucin gamma. De hecho, Como

consecuencia, cuando , la distribucin es una distribucin exponencial de media . Cuando k es suficientemente grande, como consecuencia del teorema central del lmite, puede aproximarse por una distribucin normal:

Aplicaciones
La distribucin tiene muchas aplicaciones en inferencia estadstica. La ms conocida es la de la denominada prueba utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimacin de varianzas. Pero tambin est involucrada en el problema de estimar la media de una poblacin normalmente distribuida y en el problema de estimar la pendiente de una recta de regresin lineal, a travs de su papel en la distribucin t de Student. Aparece tambin en todos los problemas de anlisis de varianza por su relacin con la distribucin F de Snedecor, que es la distribucin del cociente de dos variables aleatorias independientes con distribucin .

Distribucin

36

Referencias
[1] Lectiones: Textos clasicos para aprender Latin I (http:/ / books. google. com/ books?id=ZQxvTp0CInUC& printsec=frontcover& hl=es#v=onepage& q=ch ph tomadas del griego& f=false) [2] Omniglot, greek alphabet (http:/ / www. omniglot. com/ writing/ greek. htm) [3] Omniglot, spanish alphabet (http:/ / www. omniglot. com/ writing/ spanish. htm)

Enlaces externos
(http://cajael.com/mestadisticos/T7DContinuas/node7.php)Calcular la probabilidad de una distribucin de Pearson con R (lenguaje de programacin)

Distribucin de Frchet
Frchet Parmetros Dominio Funcin de densidad (pdf) Funcin de distribucin (cdf) Media shape

Mediana

Moda

Varianza

La distribucin de Frchet es un caso especial de la distribucin de valores extremos generalizada. Su funcin de distribucin es

donde >0 es el parmetro de forma. Puede generalizarse para incluir un parmetro de localizacin m y escala s>0 quedando entonces de la forma

Recibe su nombre de Maurice Frchet, que escribi un artculo relacionado con ella en 1927. Tambin trabajaron con ella Fisher and Tippett en 1928 y Gumbel en 1958.

Distribucin de Frchet

37

Enlaces externos
Bank of England working paper [1] An application of a new extreme value distribution to air pollution data [2] Wave Analysis for Fatigue and Oceanography [3] Extreme value distributions: Theory and Applications, Kotz & Nadarajah [4]

Publicaciones
Frchet, M., (1927). "Sur la loi de probabilit de l'cart maximum." Ann. Soc. Polon. Math. 6, 93. Fisher, R.A., Tippett, L.H.C., (1928). "Limiting forms of the frequency distribution of the largest and smallest member of a sample." Proc. Cambridge Philosophical Society 24:180-190. Gumbel, E.J. (1958). "Statistics of Extremes." Columbia University Press, New York.

Referencias
[1] http:/ / www. bankofengland. co. uk/ publications/ workingpapers/ wp287. pdf [2] http:/ / www. emeraldinsight. com/ Insight/ ViewContentServlet?Filename=Published/ EmeraldFullTextArticle/ Articles/ 0830160102. html#0830160102006. png [3] http:/ / www. maths. lth. se/ matstat/ wafo/ documentation/ wafodoc/ wafo/ wstats/ wfrechstat. html [4] http:/ / www. worldscibooks. com/ mathematics/ etextbook/ p191/ p191_chap1_1. pdf

Distribucin T de Hotelling
En estadstica la distribucin T (T-cuadrado) de Hotelling es importante porque se presenta como la distribucin de un conjunto de estadsticas que son una generalizacin natural de las estadssticas subayacentes distribucin t de Student. En particular, la distribucin se presenta en estadsticas multivariadas en pruebas de diferencias entre las medias (multivariadas) de diferentes poblaciones, donde las pruebas para problemas univariados usaran la Prueba t. Es proporcional a la distribucin F. La distribucin recibe su nombre de Harold Hotelling, quien la desarrollo[] como una generaliizacin de la distribucin t de Student.

La distribucin
Si la notacin es usada para denotar una variable aleatoria distribucin T-cuadrado de Hotelling con parmetros p ym, entonces, si una variable aleatoria X distribucin T-cuadrado de Hotelling, entonces[]

donde

es una distribucin F con parmetros p y mp+1.

Distribucin T de Hotelling

38

Estadstica T-cuadrado de Hotelling


La estadstica T-cuadrado de Hotelling es una generalizacin de la estadstica t de Student que se usa en las pruebas de hiptesis multivariadas, y se define como sigue:[] Sea , que denota una distribucin normal p-variada con vector de medias y covarianza . Sean de

n variables aletorias independientes, las cuales pueden representarse como un vector columna de orden nmeros reales. Defnase

como la media muestral. Puede demostrarse que

donde

es una distribucin ji-cuadrado con p grados de liberatd. Para demostrar eso se usa el hecho que y entonces, al derivar la funcin caracterstica de la variable aletoria

. Esto se hizo bajo,

Sin embargo, . Defnase

es por lo general desconocida y se busca hacer una prueba de hiptesis sobre el vector de medias

como la covarianza muestral. La traspuesta se ha denotado con un apstrofo. Se demuestra que definida positiva y estadstica T-cudrado de Hotelling se define entonces como porque se demuestra que [citarequerida]

es una matriz

sigue una distribucin Wishart p-variada con n1 grados de libertad.[1] La

es decir

donde

es una distribucin F con parmetros p y np. Para calcular un p-valor, multiplique la estadstica t2 y

la constante anterior y use la distribucin F.

Distribucin T de Hotelling

39

Estadstica T-cuadrado de Hotelling para dos muestras


Si y , con the samples independently drawn from two independent multivariate normal distributions con la misma media y covarianza, y definimos

como las medias muestrales, y

como el estinador de la matriz de covarianza pooled insesgado the unbiased pooled covariance matrix estimate, then Hotelling's two-sample T-squared statistic is

and it can be related to the F-distribution by[1]

The non-null distribution of this statistic is the noncentral F-distribution (the ratio of a non-central Chi-squared random variable and an independent central Chi-squared random variable)

with

where

is the difference vector between the population means.

See also
Student's t-test in univariate statistics Student's t-distribution in univariate probability theory Multivariate Student distribution. F-distribution (commonly tabulated or available in software libraries, and hence used for testing the T-squared statistic using the relationship given above) Wilks' lambda distribution (in multivariate statistics Wilks's is to Hotelling's T2 as Snedecor's F is to Student's t in univariate statistics).

References
[1] K.V. Mardia, J.T. Kent, and J.M. Bibby (1979) Multivariate Analysis, Academic Press.

External links
Plantilla:SpringerEOM Plantilla:ProbDistributions Plantilla:Common univariate probability distributions

Distribucin de Laplace

40

Distribucin de Laplace
Laplace

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Parmetro de localizacin (real) Parmetro de escala (real)

Dominio Funcin de densidad (pdf)

Funcin de distribucin (cdf) Media Mediana Moda Varianza Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos (mgf)

ver texto

for

Distribucin de Laplace

41
Funcin caracterstica

En estadstica y en teora de la probabilidad la distribucin de Laplace es una densidad de probabilidad continua, llamada as en honor a Pierre-Simon Laplace. Es tambin conocida como distribucin doble exponencial puesto que puede ser considerada como la relacin las densidades de dos distribuciones exponenciales adyacentes. La distribucin de Laplace resulta de la diferencia de dos variables exponenciales aleatorias, independientes e idnticamente distribuidas.

Caracterizacin
Densidad de probabilidad
Una variable aleatoria posee una distribucin de Laplace(, b) si su densidad de probabilidad es

Siendo un parmetro de localizacin y b > 0 un parmetro de escala. Si = 0 y b = 1, la distribucin de Laplace se dice que es estndar y su restriccin a los nmeros reales positivos es la distribucin exponencial de parmetro 1/2. La funcin de densidad de probabilidad de la distribucin de Laplace recuerda la de la distribucin normal, pero mientras la distribucin normal se expresa en trminos de la diferencia al cuadrado , la distribucin de Laplace hace intervenir la diferencia absoluta que la distribucin normal. . As la distribucin de Laplace presenta colas ms gruesas

Funcin de distribucin acumulativa


La integral de la distribucin de Laplace se obtiene con facilidad gracias al uso del valor absoluto. Su funcin de distribucin acumulativa es:

La inversa de la funcin de distribucin acumulativa es:

Distribucin de Laplace

42

Generacin de una variable aleatoria con la distribucin de Laplace


Dada una variable aleatoria U, generada por una distribucin uniforme continua dentro del intervalo (-1/2,1/2], la variable aleatoria

presenta una distribucin de Laplace de parmetros y b. Esto resulta de la inversa uncin de distribucin acumulativa y del mtodo de la transformada inversa. Una variable Laplace(0, b) puede tambin generarse como la diferencia de dos variables exponenciales, de parmetros 1/b, independientes. As mismo, un distribucin de Laplace(0, 1) puede obtenerse como el logaritmo del cociente de dos variables uniformes independientes.

Estimacin de los parmetros


Dada una muestra de N variables independientes e idnticamente distribuidas (iid) x1, x2, ..., xN, un estimador es la mmdiane emprica,
[1]

de

y un estimador para mxima verosimilitud de b es

Momentos

Distribuciones relacionadas
Si Si Si Si y entonces y ; y . independiente de , entonces es . La distribucin normal generalizada (version 1) iguala a la distribucin de Laplace cuando su parmetro igual a 1. El parmetro de escala es entonces igual a . independientes de , entonces es una distribucin exponencial; independiente de , entonces

Referencias

Distribucin logstica

43

Distribucin logstica
Distribucin logstica

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros location (real) scale (real)

Dominio Funcin de densidad (pdf)

Funcin de distribucin (cdf) Media Mediana Moda Varianza

Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos (mgf) for , Beta function

Distribucin logstica

44
Funcin caracterstica for

En teora de la probabilidad y estadstica, la distribucin logstica es una distribucin de probabilidad continua cuya funcin de distribucin es la funcin logstica, que aparece en el contexto de la regresin logstica y determinados tipos de redes neuronales. Se parece a la distribucin normal en su forma, pero tiene colas ms pesadas (y, por lo tanto, mayor curtosis).

Especificacin
Funcin de distribucin
La distribucin logstica recibe su nombre de su funcin de distribucin, que pertenece a la familia de las funciones logsticas:

Funcin de densidad
Su funcin de densidad es:

Ntese que puede expresarse en funcin del cuadrado de la secante hiperblica "sech". Si se realiza la sustitucin , la funcin de densidad queda de la forma:

Funcin de distribucin inversa


La inversa funcin de distribucin de la distribucin logstica es una generalizacin de la funcin logit:

Aplicaciones
La distribucin logstica ha sido usada extensamente en reas como: ? Biologa: para describir cmo se comportan las especies en entornos competitivos[1] ? Epidemiologa - para describir la propagacin de epidemias[2] ? Sicologa - para describir el proceso de aprendizaje[3] ? Tecnologa - para describir cmo las tecnologas se popularizan y compiten entre s[4] ? Mrketing - para estudiar la difusin de nuevos productos[5] ? Energa - para estudiar la difusin y sustitucin de unas fuentes de energa primarias por otras[6]

Distribucin logstica El clculo del elo en ajedrez utiliza actualmente la distribucin logstica en lugar de la normal con la que fue diseado originalmente.

45

Distribuciones relacionadas
Si log(X) sigue la distribucin logstica, entonces X sigue la distribucin log-logstica y X - a la distribucin log-logstica desplazada.

Demostraciones
Media

Substituyendo:

Ntese que para la funcin impar:

Momentos de orden superior


El n-simo momento central puede expresarse as en funcin de la funcin de probabilidad inversa:

Esta integral es bien conocida[7] y puede expresarse en funcin de los nmeros de Bernouilli:

Notas
[1] P. F. Verhulst, "Recherches mathmatiques sur la loi d'accroissement de la population", Nouveaux Mmoirs de l'Acadmie Royale des Sciences et des Belles-Lettres de Bruxelles, vol. 18 (1845); Alfred J. Lotka, Elements of Physical Biology, (Baltimore, MD: Williams & Wilkins Co., 1925). [2] Theodore Modis, Predictions: Society's Telltale Signature Reveals the Past y Forecasts the Future, Simon & Schuster, New York, 1992, pp 97-105. [3] Theodore Modis, Predictions: Society's Telltale Signature Reveals the Past y Forecasts the Future, Simon & Schuster, New York, 1992, Chapter 2. [4] J. C. Fisher y R. H. Pry , "A Simple Substitution Model of Technological Change", Technological Forecasting & Social Change, vol. 3, no. 1 (1971). [5] Theodore Modis, Conquering Uncertainty, McGraw-Hill, New York, 1998, Chapter 1. [6] Cesare Marchetti, "Primary Energy Substitution Models: On the Interaction between Energy y Society", Technological Forecasting & Social Change, vol. 10, (1977).

Distribucin logstica

46

Referencias
N., Balakrishnan (1992). Handbook of the Logistic Distribution. Marcel Dekker, New York. ISBN 0-8247-8587-8. Johnson, N. L., Kotz, S., Balakrishnan N. (1995). Continuous Univariate Distributions. Vol. 2 (2nd Ed. edicin). ISBN 0-471-58494-0.

Distribucin normal multivariante


Normal multivariante Parmetros (vector real) matriz de covarianza (matriz real definida positiva de dimensin Dominio Funcin de densidad (pdf) )

Funcin de distribucin (cdf) Media Mediana Moda Varianza Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos (mgf) Funcin caracterstica

Sin expresin analtica

0 0

En probabilidad y estadstica, una distribucin normal multivariante, tambin llamada distribucin gaussiana multivariante, es una generalizacin de la distribucin normal unidimensional a dimensiones superiores.

Caso general
Un vector aleatorio condiciones equivalentes: Toda combinacin lineal Hay un vector aleatorio distribuidas segn la normal estndar, un vector Hay un vector . y una matriz semidefinida positiva simtrica sigue una distribucin normal multivariante si satisface las siguientes est normalmente distribuida. , cuyas componentes son independientes son variables aleatorias y una matriz tal que

tal que la funcin caracterstica de X es

Si

es una matriz no singular, entonces la distribucin puede describirse por la siguiente funcin de densidad:

Distribucin normal multivariante

47

donde

es el determinante de

. Ntese como la ecuacin de arriba se reduce a la distribucin normal si

es

un escalar (es decir, una matriz 1x1). El vector en estas circunstancias es la esperanza de X y la matriz componentes Xi.

es la matriz de covarianza de las

Es importante comprender que la matriz de covarianza puede ser singular (aunque no est as descrita por la frmula de arriba, para la cual est definida). Este caso aparece con frecuencia en estadstica; por ejemplo, en la distribucin del vector de residuos en problemas ordinarios de regresin lineal. Ntese tambin que los Xi son en general no independientes; pueden verse como el resultado de aplicar la transformacin lineal A a una coleccin de variables normales Z. Esta distribucin de un vector aleatorio X que sigue una distribucin normal multivariante puede ser descrita con la siguiente notacin:

o hacer explcito que X es n-dimensional,

Funcin de distribucin
La funcin de distribucin se define como la probabilidad de que todos los valores de un vector aleatorio . Aunque F no tenga una frmula, hay una sean menores o iguales que los valores correspondientes de un vector serie de algoritmos que permiten estimarla numricamente.[1]

Un contraejemplo
El hecho de que dos variables aleatorias X e Y sigan una distribucin normal, cada una, no implica que el par (X,Y) siga una distribucin normal conjunta. Un ejemplo simple se da cuando Y = X si |X| > 1 e Y = X si |X| < 1. Esto tambin es cierto para ms de dos variables aleatorias.[2]

Normalmente distribuidas e independencia


Si X e Y estn normalmente distribuidas y son independientes, su distribucin conjunta tambin est normalmente distribuida, es decir, el par (X,Y) debe tener una distribucin normal bivariante. En cualquier caso, un par de variables aleatorias normalmente distribuidas no tienen por qu ser independientes al ser consideradas de forma conjunta.

Caso bivariante
En el caso particular de dos dimensiones, la funcin de densidad (con media (0, 0) es

donde

es el coeficiente de correlacion entre

. En este caso,

Distribucin normal multivariante

48

Transformacin afn
Si una varianza es una transformacin afn de matriz, entonces esto es, donde es un vector de constantes y y tiene una tiene una distribucin normal multivariante con esperanza . En particular, cualquier subconjunto de las , sese

distribucin marginal que es tambin una normal multivariante. Para ver esto, considrese el siguiente ejemplo: para extraer el subconjunto

lo que extrae directamente los elementos deseados. Otro corolario sera que la distribucin de Este resultado se obtiene usando , donde es un vector de la misma longitud que y el . punto indica un producto vectorial, sera una distribucin gaussiana unidimensional con

y considerando slo la primera componente del producto (la primera fila de definicin positiva de

es el vector

). Obsrvese cmo la

implica que la varianza del producto vectorial debera ser positiva.

Interpretacin geomtrica
Las curvas de equidensidad de una distribucin normal multivariante son elipsoides (es decir, transformaciones lineales de hiperesferas) centrados en la mdia.[3] Las direcciones de los ejes principales de los elipsoides vienen dados por los vectores propios de la matriz de covarianza . Las longitudes relativas de los cuadrados de los ejes principales vienen dados por los correspondientes vectores propios. Si propios unitarios y es una descomposicin espectral donde las columnas de U son vectores es una matriz diagonal de valores propios, entonces tenemos

Adems, U puede elegirse de tal modo que sea una matriz de rotacin, tal que invirtiendo un eje no tenga ningn efecto en , pero invirtiendo una columna, cambie el signo del determinante de U'. La distribucin es en efecto escalada por , rotada por U y trasladada por . cede el Recprocamente, cualquier eleccin de covarianza , matriz de rango completo U, y valores diagonales positivos

paso a una distribucin normal no singular multivariante. Si cualquier

es cero y U es cuadrada, la matriz de

es una singular. Geomtricamente esto significa que cada curva elipsoide es infinitamente

delgada y tiene volumen cero en un espacio n-dimensional, as como, al menos, uno de los principales ejes tiene longitud cero.

Distribucin normal multivariante

49

Correlaciones e independencia
En general, las variables aleatorias pueden ser incorreladas, pero altamente dependientes. Pero si un vector aleatorio tiene una distribucin normal multivariante, entonces cualesquiera dos o ms de sus componentes que sean incorreladas, son independientes. Pero no es cierto que dos variables aleatorias que estn (separadamente, marginalmente) normalmente distribuidas e incorreladas sean independientes. Dos variables aleatorias que estn normalmente distribuidas pueden que no lo estn conjuntamente. Para un ejemplo de dos variables normalmente distribuidas que sean incorreladas pero no independientes, vase normalmente distribuidas e incorreladas no implica independencia.

Momentos ms altos
El momento estndar de k-simo orden de X se define como

donde Los momentos centrales de orden k viene dados como sigue: (a) Si k es impar, (b) Si k es par, con , entonces .

donde la suma se toma sobre todas las disposiciones de conjuntos es, si se tiene un k-simo ( (la notacin se ha despreciado para facilitar la lectura):

en

parejas (no ordenadas). Esto covarianzas

) momento central, se estarn sumando los productos de

Esto da lugar a producto de

trminos en la suma (15 en el caso de arriba), cada uno siendo el (3 en este caso) covarianzas. Para momentos de cuarto orden (cuatro variables) hay tres trminos.

Para momentos de sexto orden hay 35 = 15 trminos, y para momentos de octavo orden hay 357 = 105 trminos. Las covarianzas son entonces determinadas mediante el reemplazo de los trminos de la lista por los trminos correspondientes de la lista que consiste en el siguiente caso de momento central de cuarto orden: unos, entonces doses, etc... Para ilustrar esto, examnese

Distribucin normal multivariante donde es la covarianza de y . La idea del mtodo de arriba es que primero se encuentra el caso general diferentes variables y entonces se pueden y se sigue que

50

para el momento

-simo, donde se tiene

simplificar apropiadamente. Si se tiene .

entonces, simplemente sea

Distribuciones condicionales
Si y son divididas como sigue: con tamaos con tamaos entonces la distribucin de donde y matriz de covarianza condicionada a es una normal multivariante

Esta matriz es el complemento de Schur de

en

. Esto significa que para calcular la matriz condicional de

covarianza, se invierte la matriz global de covarianza, se desprecian las filas y columnas correspondientes a las variables bajo las cuales est condicionada y entonces se invierte de nuevo para conseguir la matriz condicional de covarianza. Ntese que se sabe que altera la varianza, aunque la nueva varianza no dependa del valor especfico de ; quizs ms sorprendentemente, la media se cambia por ; comprese esto con la situacin en la que no se conoce el valor de . La matriz se conoce como la matriz de coeficientes de regresin. , en cuyo caso tendra como distribucin

Esperanza condicional bivariante


En el caso

entonces

donde esta ltima razn se llama a menudo razn inversa de Mills.

Distribucin normal multivariante

51

Matriz de informacin de Fisher


La matriz de informacin de Fisher (MIF) para una distribucin normal toma una formulacin especial. El elemento de la MIF para es

donde

es la funcin traza de una matriz.

Divergencia de Kullback-Leibler
La divergencia de Kullback-Leibler de a es:

El logaritmo debe tomarse con base e en los dos trminos (logaritmos neperianos), siguiendo el logaritmo estn los logaritmos neperianos de las expresiones que son ambos factores de la funcin de densidad o si no, surgen naturalmente. La divergencia de arriba se mide en nats. Dividiendo la expresin de arriba por loge2 se da paso a la divergencia en bits.

Distribucin normal multivariante

52

Estimacin de parmetros
La derivacin del estimador de mxima verosimilitud de la matriz de covarianza de una distribucin normal multivariante es, quizs sorprendentemente, sutil y elegante. Vase estimacin de matrices de covarianza. En pocas palabras, la funcin de densidad de probabilidad de una normal multivariante N-dimensional es

y el estimador MV de la matriz de covarianza para una muestra de n observaciones es

lo cual es, simplemente, la matriz muestral de covarianza. Este es un estimador sesgado cuya esperanza es

Una covarianza muestral insesgada es

Entropa
La entropa diferencial de la distribucin normal multivariante es[4]

donde

es el determinante de la matriz de covarianza

Tests de normalidad multivariante


Los tests de normalidad multivariante comprueban la similitud de un conjunto dado de datos con la distribucin normal multivariante. La hiptesis nula es que el conjunto de datos es similar a la distribucin normal, por consiguiente un p-valor suficientemente pequeo indica datos no normales. Los tests de normalidad multivariante incluyen el test de Cox-Small[5] y la adaptacin de Smith y Jain [6] del test de Friedman-Rafsky.

Dibujando valores de la distribucin


Un mtodo ampliamente usado para el dibujo de un vector aleatorio -dimensional con vector de medias funciona como sigue: 1. Se calcula la descomposicin de Cholesky de que cuadrada de 2. Sea , esto es, se encuentra la nica matriz triangular inferior que satisfaga esta condicin, o sea, que es uno la raz tal . Ntese que cualquier otra matriz y matriz de covarianza de la distribucin normal multivariante (requerida para ser simtrica y definida positiva)

, podra usarse, pero a menudo encontrar tal matriz, distinta de la de la descomposicin de un vector cuyas componentes normales e independientes varan (lo cual puede

Cholesky, sera bastante ms costoso en trminos de computacin. generarse, por ejemplo, usando el mtodo de Box-Muller. 3. Sea

Distribucin normal multivariante

53

Referencias
[1] Vase MVNDST en (http:/ / www. math. wsu. edu/ faculty/ genz/ software/ software. html) (incluye cdigo FORTRAN) o (http:/ / alex. strashny. org/ a/ Multivariate-normal-cumulative-distribution-function-(cdf)-in-MATLAB. html) (incluye cdigo MATLAB). [2] Vase tambin normalmente distribuidas e incorreladas no implica independencia

Distribucin normal
Distribucin normal

La lnea verde corresponde a la distribucin normal estndar Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Dominio Funcin de densidad (pdf)

Funcin de distribucin (cdf)

Media Mediana Moda Varianza

Distribucin normal

54
Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos (mgf) Funcin caracterstica 0 0

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y es el grfico de una funcin gaussiana. La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes. De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional. La distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos. Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo de la normal son: caracteres morfolgicos de individuos como la estatura; caracteres fisiolgicos como el efecto de un frmaco; caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de individuos; caracteres psicolgicos como el cociente intelectual; nivel de ruido en telecomunicaciones; errores cometidos al medir ciertas magnitudes; etc.

La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal, cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal.[1] Adems, la distribucin normal maximiza la entropa entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn basados en una supuesta "normalidad". En probabilidad, la distribucin normal aparece como el lmite de varias distribuciones de probabilidad continuas y discretas.

Distribucin normal

55

Historia
La distribucin normal fue presentada por primera vez por Abraham de Moivre en un artculo del ao 1733,[2] que fue reimpreso en la segunda edicin de su The Doctrine of Chances, de 1738, en el contexto de cierta aproximacin de la distribucin binomial para grandes valores de n. Su resultado fue ampliado por Laplace en su libro Teora analtica de las probabilidades (1812), y en la actualidad se llama Teorema de De Moivre-Laplace. Laplace us la distribucin normal en el anlisis de errores de experimentos. El importante mtodo de mnimos cuadrados fue introducido por Legendre en 1805. Gauss, que afirmaba haber usado el mtodo desde 1794, lo justific rigurosamente en 1809 asumiendo una distribucin normal de los errores. El nombre de Gauss se ha asociado a esta distribucin porque la us con profusin cuando analizaba datos astronmicos[3] y algunos autores le atribuyen un descubrimiento independiente del de De Moivre.[4]Esta atribucin del nombre de la distribucin a una persona distinta de su primer descubridor es un claro ejemplo de la Ley de Stigler.

Abraham de Moivre, descubridor de la distribucin normal

El nombre de "campana" viene de Esprit Jouffret que us el trmino "bell surface" (superficie campana) por primera vez en 1872 para una distribucin normal bivariante de componentes independientes. El nombre de "distribucin normal" fue otorgado independientemente por Charles S. Peirce, Francis Galton y Wilhelm Lexis hacia 1875.[citarequerida] A pesar de esta terminologa, otras distribuciones de probabilidad podran ser ms apropiadas en determinados contextos; vase la discusin sobre ocurrencia, ms abajo.

Definicin formal
La funcin de distribucin de la distribucin normal est definida como sigue:

Por tanto, la funcin de distribucin de la normal estndar es:

Esta funcin de distribucin puede expresarse en trminos de una funcin especial llamada funcin error de la siguiente forma:

y la propia funcin de distribucin puede, por consiguiente, expresarse as:

El complemento de la funcin de distribucin de la normal estndar,

, se denota con frecuencia


[5][6]

y es referida, a veces, como simplemente funcin Q, especialmente en textos de ingeniera. Esto representa la cola de probabilidad de la distribucin gaussiana. Tambin se usan ocasionalmente otras definiciones de la funcin Q, las cuales son todas ellas transformaciones simples de .[7]

Distribucin normal La inversa de la funcin de distribucin de la normal estndar (funcin cuantil) puede expresarse en trminos de la inversa de la funcin de error:

56

y la inversa de la funcin de distribucin puede, por consiguiente, expresarse como:

Esta funcin cuantil se llama a veces la funcin probit. No hay una primitiva elemental para la funcin probit. Esto no quiere decir meramente que no se conoce, sino que se ha probado la inexistencia de tal funcin. Existen varios mtodos exactos para aproximar la funcin cuantil mediante la distribucin normal (vase funcin cuantil). Los valores (x) pueden aproximarse con mucha precisin por distintos mtodos, tales como integracin numrica, series de Taylor, series asintticas y fracciones continuas. Lmite inferior y superior estrictos para la funcin de distribucin Para grandes valores de x la funcin de distribucin de la normal estndar est muy cerca de 0. Los lmites elementales es muy prxima a 1 y

en trminos de la densidad

son tiles.

Usando el cambio de variable v=u/2, el lmite superior se obtiene como sigue:

De forma similar, usando

y la regla del cociente,

Resolviendo para

proporciona el lmite inferior.

Funciones generadoras
Funcin generadora de momentos La funcin generadora de momentos se define como la esperanza de e(tX). Para una distribucin normal, la funcin generadora de momentos es:

como puede comprobarse completando el cuadrado en el exponente.

Distribucin normal Funcin caracterstica La funcin caracterstica se define como la esperanza de eitX, donde i es la unidad imaginaria. De este modo, la funcin caracterstica se obtiene reemplazando t por it en la funcin generadora de momentos. Para una distribucin normal, la funcin caracterstica es[8]

57

Propiedades
Algunas propiedades de la distribucin normal son: 1. Es simtrica respecto de su media, ; 2. La moda y la mediana son ambas iguales a la media, ; 3. Los puntos de inflexin de la curva se dan para x = y x = +. 4. Distribucin de probabilidad en un entorno de la media: 1. en el intervalo [ - , + ] se encuentra comprendida, aproximadamente, el 68,26% de la distribucin; 2. en el intervalo [ - 2, + 2] se encuentra, aproximadamente, el 95,44% de la distribucin;
Distribucin de probabilidad alrededor de la media en una distribucin N(, ).

3. por su parte, en el intervalo [ -3, + 3] se encuentra comprendida, aproximadamente, el 99,74% de la distribucin. Estas propiedades son de gran utilidad para el establecimiento de intervalos de confianza. Por otra parte, el hecho de que prcticamente la totalidad de la distribucin se encuentre a tres desviaciones tpicas de la media justifica los lmites de las tablas empleadas habitualmente en la normal estndar. 5. Si X ~ N(, 2) y a y b son nmeros reales, entonces (aX + b) ~ N(a+b, a22). 6. Si X ~ N(x, x2) e Y ~ N(y, y2) son variables aleatorias normales independientes, entonces: Su suma est normalmente distribuida con U = X + Y ~ N(x + y, x2 + y2) (demostracin). Recprocamente, si dos variables aleatorias independientes tienen una suma normalmente distribuida, deben ser normales (Teorema de Crmer). Su diferencia est normalmente distribuida con Si las varianzas de X e Y son iguales, entonces U y V son independientes entre s. La divergencia de Kullback-Leibler, 7. Si entonces: Su producto e son variables aleatorias independientes normalmente distribuidas, dada por .

sigue una distribucin con densidad donde

es una funcin de Bessel modificada de segundo tipo.

Distribucin normal Su cociente sigue una distribucin de Cauchy con 8. Si distribucin de Cauchy es un tipo especial de distribucin cociente. son variables normales estndar independientes, entonces . De este modo la sigue una

58

distribucin con n grados de libertad. 9. Si son variables normales estndar independientes, entonces la media muestral y la varianza muestral son independientes. Esta propiedad caracteriza a las distribuciones normales y contribuye a explicar por qu el test-F no es robusto respecto a la no-normalidad).

Estandarizacin de variables aleatorias normales


Como consecuencia de la Propiedad 1; es posible relacionar todas las variables aleatorias normales con la distribucin normal estndar. Si ~ , entonces

es una variable aleatoria normal estndar:

La transformacin de una distribucin X ~ N(, ) en una N(0, 1) se llama normalizacin, estandarizacin o tipificacin de la variable X. Una consecuencia importante de esto es que la funcin de distribucin de una distribucin normal es, por consiguiente,

A la inversa, si

es una distribucin normal estndar,

~ y varianza

, entonces .

es una variable aleatoria normal tipificada de media

La distribucin normal estndar est tabulada (habitualmente en la forma de el valor de la funcin de distribucin ) y las otras distribuciones normales pueden obtenerse como transformaciones simples, como se describe ms arriba, de la distribucin estndar. De este modo se pueden usar los valores tabulados de la funcin de distribucin normal estndar para encontrar valores de la funcin de distribucin de cualquier otra distribucin normal.

Momentos
Los primeros momentos de la distribucin normal son:
Nmero 0 1 2 3 4 5 6 7 8 0 0 0 0 0 0 0 0 0 1 Momento Momento central Cumulante 1 0

Distribucin normal Todos los cumulantes de la distribucin normal, ms all del segundo, son cero. Los momentos centrales de orden superior (2k con =0) vienen dados por la frmula

59

El Teorema del Lmite Central


El Teorema del lmite central establece que bajo ciertas condiciones (como pueden ser independientes e idnticamente distribuidas con varianza finita), la suma de un gran nmero de variables aleatorias se distribuye aproximadamente como una normal. La importancia prctica del Teorema del lmite central es que la funcin de distribucin de la normal puede usarse como aproximacin de algunas otras funciones de distribucin. Por ejemplo: Una distribucin binomial de parmetros n y p es aproximadamente normal para Grfica de la funcin de distribucin de una normal con = 12 y = 3, aproximando la grandes valores de n, y p no funcin de distribucin de una binomial con n = 48 y p = 1/4 demasiado cercano a 1 0 (algunos libros recomiendan usar esta aproximacin slo si np y n(1p) son ambos, al menos, 5; en este caso se debera aplicar una correccin de continuidad). La normal aproximada tiene parmetros = np, 2 = np(1p). Una distribucin de Poisson con parmetro es aproximadamente normal para grandes valores de . La distribucin normal aproximada tiene parmetros = 2 = . La exactitud de estas aproximaciones depende del propsito para el que se necesiten y de la tasa de convergencia a la distribucin normal. Se da el caso tpico de que tales aproximaciones son menos precisas en las colas de la distribucin. El Teorema de Berry-Essen proporciona un lmite superior general del error de aproximacin de la funcin de distribucin.

Divisibilidad infinita
Las normales tienen una distribucin de probabilidad infinitamente divisible: Para una distribucin normal X de media y varianza 20, es posible encontrar n variables aleatorias independientes {X1,...,Xn} cada una con distribucin normal de media /n y varianza 2/n dado que la suma X1+ ...+ Xn de estas n variables aleatorias tenga esta especfica distribucin normal (para verificarlo, sese la funcin caracterstica de convolucin y la induccin matemtica).

Distribucin normal

60

Estabilidad
Las distribuciones normales son estrictamente estables.

Desviacin tpica e intervalos de confianza


Alrededor del 68% de los valores de una distribucin normal estn a una distancia <1 (desviacin tpica) de la media, ; alrededor del 95% de los valores estn a dos desviaciones tpicas de la media y alrededor del 99,7% estn a tres desviaciones tpicas de la media. Esto se conoce como la "regla 68-95-99,7" o la "regla emprica". Para ser ms precisos, el rea bajo la curva campana entre n y +n en trminos de la funcin de distribucin normal viene dada por

donde erf es la funcin error. Con 12 decimales, los valores para los puntos 1-, 2-, hasta 6- son:

1 0,682689492137 2 0,954499736104 3 0,997300203937 4 0,999936657516 5 0,999999426697 6 0,999999998027

La siguiente tabla proporciona la relacin inversa de mltiples correspondientes a unos pocos valores usados con frecuencia para el rea bajo la campana de Gauss. Estos valores son tiles para determinar intervalos de confianza para los niveles especificados basados en una curva normalmente distribuida (o estimadores asintticamente normales):

0,80 0,90 0,95 0,98 0,99 0,995 0,998 0,999 0,9999 0,99999

1,28155 1,64485 1,95996 2,32635 2,57583 2,80703 3,09023 3,29052 3,8906 4,4172

donde el valor a la izquierda de la tabla es la proporcin de valores que caern en el intervalo dado y n es un mltiplo de la desviacin tpica que determina la anchura de el intervalo.

Distribucin normal

61

Forma familia exponencial


La distribucin normal tiene forma de familia exponencial biparamtrica con dos parmetros naturales, y 1/2, y estadsticos naturales X y X2. La forma cannica tiene como parmetros y y estadsticos suficientes y

Distribucin normal compleja


Considrese la variable aleatoria compleja gaussiana

donde X e Y son variables gaussianas reales e independientes con igual varianza la variable conjunta es entonces

. La funcin de distribucin de

Como

, la funcin de distribucin resultante para la variable gaussiana compleja Z es

Distribuciones relacionadas
es una distribucin de Rayleigh si son dos distribuciones normales independientes. es una distribucin con grados de libertad si donde para donde y

y son independientes. es una distribucin de Cauchy si son dos distribuciones normales independientes. es una distribucin log-normal si y

para . entonces .

Relacin con una distribucin estable: si Distribucin normal truncada. si dar lugar a una variable aleatoria de media

entonces truncando X por debajo de donde y

y por encima de

es la funcin de

densidad de una variable normal estndar. Si es una variable aleatoria normalmente distribuida e doblada.

, entonces

tiene una distribucin normal

Estadstica descriptiva e inferencial


Resultados
De la distribucin normal se derivan muchos resultados, incluyendo rangos de percentiles ("percentiles" o "cuantiles"), curvas normales equivalentes, stanines, z-scores, y T-scores. Adems, un nmero de procedimientos de estadsticos de comportamiento estn basados en la asuncin de que esos resultados estn normalmente distribuidos. Por ejemplo, el test de Student y el anlisis de varianza (ANOVA) (vase ms abajo). La gradacin de la curva

Distribucin normal campana asigna grados relativos basados en una distribucin normal de resultados.

62

Tests de normalidad
Los tests de normalidad se aplican a conjuntos de datos para determinar su similitud con una distribucin normal. La hiptesis nula es, en estos casos, si el conjunto de datos es similar a una distribucin normal, por lo que un P-valor suficientemente pequeo indica datos no normales. Prueba de Kolmogrov-Smirnov Test de Lilliefors Test de AndersonDarling Test de RyanJoiner Test de ShapiroWilk Normal probability plot (rankit plot) Test de JarqueBera Test omnibs de Spiegelhalter

Estimacin de parmetros
Estimacin de parmetros de mxima verosimilitud Supngase que son independientes y cada una est normalmente distribuida con media y varianza 2 > 0. En trminos estadsticos los valores observados de estas n variables aleatorias constituyen una "muestra de tamao n de una poblacin normalmente distribuida. Se desea estimar la media poblacional y la desviacin tpica poblacional , basndose en las valores observados de esta muestra. La funcin de densidad conjunta de estas n variables aleatorias independientes es

Como funcin de y , la funcin de verosimilitud basada en las observaciones X1, ..., Xn es

con alguna constante C > 0 (de la cual, en general, se permitira incluso que dependiera de X1, ..., Xn, aunque desapareciera con las derivadas parciales de la funcin de log-verosimilitud respecto a los parmetros tenidos en cuenta, vase ms abajo). En el mtodo de mxima verosimilitud, los valores de y que maximizan la funcin de verosimilitud se toman como estimadores de los parmetros poblacionales y . Habitualmente en la maximizacin de una funcin de dos variables, se podran considerar derivadas parciales. Pero aqu se explota el hecho de que el valor de que maximiza la funcin de verosimilitud con fijo no depende de . No obstante, encontramos que ese valor de , entonces se sustituye por en la funcin de verosimilitud y finalmente encontramos el valor de que maximiza la expresin resultante. Es evidente que la funcin de verosimilitud es una funcin decreciente de la suma

Distribucin normal As que se desea el valor de que minimiza esta suma. Sea

63

la media muestral basada en las n observaciones. Ntese que

Slo el ltimo trmino depende de y se minimiza por

Esta es la estimacin de mxima verosimilitud de basada en las n observaciones X1, ..., Xn. Cuando sustituimos esta estimacin por en la funcin de verosimilitud, obtenemos

Se conviene en denotar la "log-funcin de verosimilitud", esto es, el logaritmo de la funcin de verosimilitud, con una minscula , y tenemos

entonces

Esta derivada es positiva, cero o negativa segn 2 est entre 0 y

o sea igual a esa cantidad, o mayor que esa cantidad. (Si hay solamente una observacin, lo que significa que n = 1, o si X1 = ... = Xn, lo cual slo ocurre con probabilidad cero, entonces por esta frmula, refleja el hecho de que en estos casos la funcin de verosimilitud es ilimitada cuando decrece hasta cero.) Consecuentemente esta media de cuadrados de residuos es el estimador de mxima verosimilitud de 2, y su raz cuadrada es el estimador de mxima verosimilitud de basado en las n observaciones. Este estimador es sesgado, pero tiene un menor error medio al cuadrado que el habitual estimador insesgado, que es n/(n1) veces este estimador.

Distribucin normal Sorprendente generalizacin La derivada del estimador de mxima verosimilitud de la matriz de covarianza de una distribucin normal multivariante es despreciable. Involucra el teorema espectral y la razn por la que puede ser mejor para ver un escalar como la traza de una matriz 11 que como un mero escalar. Vase estimacin de la covarianza de matrices. Estimacin insesgada de parmetros El estimador poblacional. El estimador de mxima verosimilitud de la varianza es insesgado si asumimos que la media de la poblacin es conocida a priori, pero en la prctica esto no ocurre. Cuando disponemos de una muestra y no sabemos nada de la media o la varianza de la poblacin de la que se ha extrado, como se asuma en la derivada de mxima verosimilitud de arriba, entonces el estimador de mxima verosimilitud de la varianza es sesgado. Un estimador insesgado de la varianza 2 es la cuasi varianza muestral: de mxima verosimilitud de la media poblacional , es un estimador insesgado de la media

64

que sigue una distribucin Gamma cuando las Xi son normales independientes e idnticamente distribuidas:

con media

y varianza

La estimacin de mxima verosimilitud de la desviacin tpica es la raz cuadrada de la estimacin de mxima verosimilitud de la varianza. No obstante, ni sta, ni la raz cuadrada de la cuasivarianza muestral proporcionan un estimador insesgado para la desviacin tpica (vase estimacin insesgada de la desviacin tpica para una frmula particular para la distribucin normal.

Incidencia
Las distribuciones aproximadamente normales aparecen por doquier, como queda explicado por el teorema central del lmite. Cuando en un fenmeno se sospecha la presencia de un gran nmero de pequeas causas actuando de forma aditiva e independiente es razonable pensar que las observaciones sern "normales". Hay mtodos estadsticos para probar empricamente esta asuncin, por ejemplo, el test de Kolmogorov-Smirnov. Hay causas que pueden actuar de forma multiplicativa (ms que aditiva). En este caso, la asuncin de normalidad no est justificada y es el logaritmo de la variable en cuestin el que estara normalmente distribuido. La distribucin de las variables directamente observadas en este caso se denomina log-normal. Finalmente, si hay una simple influencia externa que tiene un gran efecto en la variable en consideracin, la asuncin de normalidad no est tampoco justificada. Esto es cierto incluso si, cuando la variable externa se mantiene constante, las distribuciones marginales resultantes son, en efecto, normales. La distribucin completa ser una superposicin de variables normales, que no es en general normal. Ello est relacionado con la teora de errores (vase ms abajo). A continuacin se muestran una lista de situaciones que estaran, aproximadamente, normalmente distribuidas. Ms abajo puede encontrarse una discusin detallada de cada una de ellas: En problemas de recuento, donde el teorema central del lmite incluye una aproximacin de discreta a continua y donde las distribuciones infinitamente divisibles y descomponibles estn involucradas, tales como: variables aleatorias binomiales, asociadas con preguntas s/no; variables aleatorias de Poisson, asociadas con eventos raros; En medidas fisiolgicas de especmenes biolgicos:

Distribucin normal El logaritmo de las medidas del tamao de tejidos vivos (longitud, altura, superficie de piel, peso); La longitud de apndices inertes (pelo, garras, rabos, dientes) de especmenes biolgicos en la direccin del crecimento; Otras medidas fisiolgicas podran estar normalmente distribuidas, aunque no hay razn para esperarlo a priori; Se asume con frecuencia que los errores de medida estn normalmente distribuidos y cualquier desviacin de la normalidad se considera una cuestin que debera explicarse; Variables financieras, en el modelo Black-Scholes: Cambios en el logaritmo de Cambios en el logaritmo de tasas de cambio, ndices de precios, ndices de existencias de mercado; estas variables se comportan como el inters compuesto, no como el inters simple, por tanto, son multiplicativas; Mientras que el modelo Black-Scholes presupone normalidad, en realidad estas variables exhiben colas pesadas, como puede verse en crash de las existencias de mercado; Otras variables financieras podran estar normalmente distribuidas, pero no hay razn para esperarlo a priori; Intensidad de la luz: La intensidad de la luz lser est normalmente distribuida; La luz trmica tiene una distribucin de Bose-Einstein en escalas de tiempo muy breves y una distribucin normal en grandes escalas de tiempo debido al teorema central del lmite. Es relevante para la biologa y la economa el hecho de que los sistemas complejos tienden a mostrar la ley de potencias ms que normal.

65

Recuento de fotones
La intensidad de la luz de una sola fuente vara con el tiempo, as como las fluctuaciones trmicas que pueden observarse si la luz se analiza a una resolucin suficientemente alta. La mecnica cuntica interpreta las medidas de la intensidad de la luz como un recuento de fotones, donde la asuncin natural es usar la distribucin de Poisson. Cuando la intensidad de la luz se integra a lo largo de grandes periodos de tiempo mayores que el tiempo de coherencia, la aproximacin Poisson - Normal es apropiada.

Medida de errores
La normalidad es la asuncin central de la teora matemtica de errores. De forma similar en el ajuste de modelos estadstico, un indicador de la bondad del ajuste es que el error residual (as es como se llaman los errores en esta circunstancia) sea independiente y normalmente distribuido. La asuncin es que cualquier desviacin de la normalidad necesita ser explicada. En ese sentido, en ambos, ajuste de modelos y teora de errores, la normalidad es la nica observacin que no necesita ser explicada, sino que es esperada. No obstante, si los datos originales no estn normalmente distribuidos (por ejemplo, si siguen una distribucin de Cauchy, entonces los residuos tampoco estarn normalmente distribuidos. Este hecho es ignorado habitualmente en la prctica. Las medidas repetidas de la misma cantidad se espera que cedan el paso a resultados que estn agrupados en torno a un valor particular. Si todas las fuentes principales de errores se han tomado en cuenta, se asume que el error que queda debe ser el resultado de un gran nmero de muy pequeos y aditivos efectos y, por consiguiente, normal. Las desviaciones de la normalidad se interpretan como indicaciones de errores sistemticos que no han sido tomados en cuenta. Puede debatirse si esta asuncin es vlida. Una famosa observacin atribuida a Gabriel Lippmann dice:[citarequerida] Todo el mundo cree en la ley normal de los errores: los matemticos, porque piensan que es un hecho experimental; y los experimentadores, porque suponen que es un teorema matemtico Otra fuente podra ser Henri Poincar.

Distribucin normal

66

Caractersticas fsicas de especmenes biolgicos


Los tamaos de los animales adultos siguen aproximadamente una distribucin log-normal. La evidencia y explicacin basada en modelos de crecimiento fue publicada por primera vez en el libro Problemas de crecimiento relativo, de 1932, por Julian Huxley. Las diferencias de tamao debido a dimorfismos sexuales u otros polimorfismos de insectos, como la divisin social de las abejas en obreras, znganos y reinas, por ejemplo, hace que la distribucin de tamaos se desve hacia la lognormalidad. La asuncin de que el tamao lineal de los especmenes biolgicos es normal (ms que lognormal) nos lleva a una distribucin no normal del peso (puesto que el peso o el volumen es proporcional al cuadrado o el cubo de la longitud y las distribuciones gaussianas slo mantienen las transformaciones lineales). A la inversa, asumir que el peso sigue una distribucin normal implica longitudes no normales. Esto es un problema porque, a priori, no hay razn por la que cualquiera de ellas (longitud, masa corporal u otras) debera estar normalmente distribuida. Las distribuciones lognormales, por otro lado, se mantienen entre potencias, as que el "problema" se desvanece si se asume la lognormalidad. Por otra parte, hay algunas medidas biolgicas donde se asume normalidad, tales como la presin sangunea en humanos adultos. Esta asuncin slo es posible tras separar a hombres y mujeres en distintas poblaciones, cada una de las cuales est normalmente distribuida.

Variables financieras
Ya en 1900 Louis Bachelier propuso representar los precios de cambio usando la distribucin normal. Esta aproximacin se ha modificado desde entonces ligeramente. A causa de la naturaleza multiplicativa del inters compuesto, los indicadores financieros como valores de mercado y precios de las materias primas exhiben un "comportamiento multiplicativo". Como tales, sus cambios peridicos (por ejemplo, cambios anuales) no son normales, sino lognormales. Esta es todava la hiptesis ms comnmente aceptada en economa. No obstante, en realidad las variables financieras exhiben colas pesadas y as, la asuncin de normalidad infravalora la probabilidad de eventos extremos como quiebras financieras. Se han sugerido correcciones a este modelo por parte de matemticos como Benot Mandelbrot, quien observ que los cambios en el logaritmo durante breves periodos de tiempo (como un da) se aproximan bien por distribuciones que no tienen una varianza finita y, por consiguiente, el teorema central del lmite no puede aplicarse. Ms an, la suma de muchos de tales cambios sigue una distribucin de log-Levy.

El modelo normal de movimiento de activos no incluye movimientos extremos tales como quiebras financieras.

Distribuciones en tests de inteligencia


A veces, la dificultad y nmero de preguntas en un test de inteligencia se selecciona de modo que proporcionen resultados normalmente distribuidos. Ms an, las puntuaciones "en crudo" se convierten a valores que marcan el cociente intelectual ajustndolas a la distribucin normal. En cualquier caso se trata de un resultado causado deliberadamente por la construccin del test o de una interpretacin de las puntuaciones que sugiere normalidad para la mayora de la poblacin. Sin embargo, la cuestin acerca de si la inteligencia en s est normalmente distribuida es ms complicada porque se trata de una variable latente y, por consiguiente, no puede observarse directamente.

Distribucin normal

67

Ecuacin de difusin
La funcin de densidad de la distribucin normal est estrechamente relacionada con la ecuacin de difusin (homognea e istropa) y, por tanto, tambin con la ecuacin de calor. Esta ecuacin diferencial parcial describe el tiempo de evolucin de una funcin de densidad bajo difusin. En particular, la funcin de densidad de masa

para la distribucin normal con esperanza 0 y varianza t satisface la ecuacin de difusin:

Si la densidad de masa para un tiempo t=0 viene dada por la delta de Dirac, lo cual significa, esencialemente que toda la masa est inicialmente concentrada en un punto, entonces la funcin de densidad de masa en el tiempo t tendr la forma de la funcin de densidad de la normal, con varianza creciendo linealmente con t. Esta conexin no es coincidencia: la difusin se debe a un movimiento Browniano que queda descrito matemticamente por un proceso de Wiener, y tal proceso en un tiempo t tambin resultar normal con varianza creciendo linealmente con t'. Ms generalmente, si la densidad de masa inicial viene dada por una funcin (x), entonces la densidad de masa en un tiempo t vendr dada por la convolucin de y una funcin de densidad normal.

Uso en estadstica computacional


Generacin de valores para una variable aleatoria normal
Para simulaciones por ordenador es til, en ocasiones, generar valores que podran seguir una distribucin normal. Hay varios mtodos y el ms bsico de ellos es invertir la funcin de distribucin de la normal estndar. Se conocen otros mtodos ms eficientes, uno de los cuales es la transformacin de Box-Muller. Un algoritmo incluso ms rpido es el algoritmo zigurat. Ambos se discuten ms abajo. Una aproximacin simple a estos mtodos es programarlos como sigue: simplemente smense 12 desviaciones uniformes (0,1) y rstense 6 (la mitad de 12). Esto es bastante til en muchas aplicaciones. La suma de esos 12 valores sigue la distribucin de Irwin-Hall; son elegidos 12 para dar a la suma una varianza de uno, exactamente. Las desviaciones aleatorias resultantes estn limitadas al rango (6,6) y tienen una densidad que es una doceava seccin de una aproximacin polinomial de undcimo orden a la distribucin normal .[9] El mtodo de Box-Muller dice que, si tienes dos nmeros aleatorios U y V uniformemente distribuidos en (0, 1], (por ejemplo, la salida de un generador de nmeros aleatorios), entonces X e Y son dos variables aleatorias estndar normalmente distribuidas, donde:

Esta formulacin aparece porque la distribucin con dos grados de libertad (vase la propiedad 4, ms arriba) es una variable aleatoria exponencial fcilmente generada (la cual corresponde a la cantidad lnU en estas ecuaciones). As, un ngulo elegido uniformemente alrededor de un crculo va la variable aleatoria V y un radio elegido para ser exponencial se transforman entonces en coordenadas x e y normalmente distribuidas. Un mtodo mucho ms rpido que la transformacin de Box-Muller, pero que sigue siendo exacto es el llamado algoritmo Zigurat, desarrollado por George Marsaglia. En alrededor del 97% de los casos usa slo dos nmeros aleatorios, un entero aleatorio y un uniforme aleatorio, una multiplicacin y un test-si . Slo un 3% de los casos donde la combinacin de estos dos cae fuera del "corazn del zigurat", un tipo de rechazo muestral usando logaritmos, exponenciales y nmeros aleatorios ms uniformes deberan ser empleados. Hay tambin alguna investigacin sobre la conexin entre la rpida transformacin de Hadamard y la distribucin normal, en virtud de que la transformacin emplea slo adicin y sustraccin y por el teorema central del lmite los

Distribucin normal nmeros aleatorios de casi cualquier distribucin sern transformados en la distribucin normal. En esta visin se pueden combinar una serie de transformaciones de Hadamard con permutaciones aleatorias para devolver conjuntos de datos aleatorios normalmente distribuidos.

68

Aproximaciones numricas de la distribucin normal y su funcin de distribucin


La funcin de distribucin normal se usa extensamente en computacin cientfica y estadstica. Por consiguiente, ha sido implementada de varias formas. Abramowitz y Stegun (1964) dan la conocida como "mejor aproximacin de Hastings" para (x) con x > 0 con un error absoluto |(x)|<7.5108 (algoritmo 26.2.17 [10]):

donde (x) es la funcin de densidad de la distribucin normal estndar,

y las constantes son b0 = 0.2316419, b1 = 0.319381530, b2 = 0.356563782, b3 = 1.781477937, b4 = 1.821255978, b5 = 1.330274429. La Biblioteca Cientfica GNU calcula valores de la funcin de distribucin normal estndar usando aproximaciones por funciones racionales a trozos. Otro mtodo de aproximacin usa polinomios de tercer grado en intervalos.[11] El artculo sobre el lenguaje de programacin bc proporciona un ejemplo de cmo computar la funcin de distribucin en GNU bc. Para una discusin ms detallada sobre cmo calcular la distribucin normal, vase la seccin 3.4.1C. de The Art of Computer Programming (El arte de la programacin por ordenador), de Knuth.

Referencias
[1] Es una consecuencia del Teorema Central del Lmite [2] Abraham de Moivre, "Approximatio ad Summam Terminorum Binomii (a+b)n in Seriem expansi" (impreso el 12 de noviembre de 1733 en Londres para una edicin privada). Este panfleto se reimprimi en: (1) Richard C. Archibald (1926) A rare pamphlet of Moivre and some of his discoveries, Isis, vol. 8, pginas 671-683; (2) Helen M. Walker, De Moivre on the law of normal probability en David Eugene Smith, A Source Book in Mathematics [Nueva York, Nueva York: McGraw-Hill, 1929; reimpresin: Nueva York, Nueva York: Dover, 1959], vol. 2, pginas 566-575.; (3) Abraham De Moivre, The Doctrine of Chances (2 ed.) [Londres: H. Woodfall, 1738; reimpresin: Londres: Cass, 1967], pginas 235-243; (3 ed.) [Londres: A Millar, 1756; reimpresin: Nueva York, Nueva York: Chelsea, 1967], pginas 243-254; (4) Florence N. David, Games, Gods and Gambling: A History of Probability and Statistical Ideas [Londres: Griffin, 1962], Apndice 5, pginas 254-267. [3] Havil, 2003 [5] La funcin Q (http:/ / cnx. org/ content/ m11537/ latest/ ) [6] http:/ / www. eng. tau. ac. il/ ~jo/ academic/ Q. pdf [9] Johnson NL, Kotz S, Balakrishnan N. (1995) Continuous Univariate Distributions Volume 2, Wiley. Equation(26.48) [10] http:/ / www. math. sfu. ca/ ~cbm/ aands/ page_932. htm

Distribucin normal

69

Enlaces externos
reas bajo la curva normal (http://www.digitalreview.com.ar/distribucionnormal/) Tabla conteniendo los valores de la funcin normal Calculadora de probabilidades en una distribucin Normal (http://www.ugr.es/~jsalinas/normal.htm). Permite hacer clculos directos e inversos. Demostracin de la distribucin normal (http://www.foro.resuelveproblemas.com/ Matematicas-La-distribucin-normal) Tabla de la distribucin normal (http://www.vaxasoftware.com/doc_edu/mat/dnormal.pdf) Tabla de la distribucin normal en formato PDF Ajuste por software de una distribucin de probabilidad a un conjunto de datos: Easy fit (http://www.mathwave.com/articles/distribution_fitting.html), "data analysis & simulation" MathWorks Benelux (http://www.mathworks.nl/products/statistics/demos.html?file=/products/demos/ shipping/stats/cfitdfitdemo.html) ModelRisk (http://www.vosesoftware.com/), "risk modelling software" Ricci distributions, fitting distrubutions with R (http://cran.r-project.org/doc/contrib/Ricci-distributions-en. pdf) , Vito Ricci, 2005 Risksolver, automatically fit distributions and parameters to samples (http://www.solver.com/risksolver8.htm) StatSoft distribution fitting (http://www.statsoft.com/textbook/distribution-fitting/) CumFreq (http://www.waterlog.info/cumfreq.htm) , libre sin costo, incluye la distribucin normal, la lognormal, raz-normal, cuadrado-normal, e intervalos de confianza a base de la distribucin binomial Calculadora Distribucin normal (http://www.elektro-energetika.cz/calculations/no.php?language=espanol) Calcular la probabilidad de una distribucin normal (http://cajael.com/mestadisticos/T7DContinuas/node3. php) con R (lenguaje de programacin) Implementacin Real en C del algoritmo Expectation Maximization (https://github.com/juandavm/em4gmm) (EM) para estimar Gaussian Mixture Models (https://github.com/juandavm/em4gmm) (GMMs).

Distribucin Triangular

70

Distribucin Triangular
En probabilidad y estadstica, la distribucin triangular es la distribucin de probabilidad continua que tiene un valor mnimo a, un valor mximo b y una moda c, de modo que la Funcin de densidad de probabilidad es cero para los extremos (a y b), y afn entre cada extremo y la moda, por lo que su grfico es un tringulo.

Densidad
La funcin densidad de probabilidad es

Caractersticas de la distribucin

Parmetros:

Distribucin Triangular

71

Soporte:

funcin de probabilidad acumulada: =

Media:

Mediana:

Moda: Varianza: Restricciones: Corte: Entropa: funcin generadora de momentos: funcin caracterstica:

Uso de la Distribucin Triangular


La Distribucin Triangular es habitualmente empleada como una descripcin subjetiva de una poblacin para la que slo se cuenta con una cantidad limitada de datos muestrales y, especialmente en casos en que la relacin entre variables es conocida pero los datos son escasos (posiblemente porque es alto el costo de recolectarlos). Est basada en un conocimiento del mnimo y el mximo y un "plpito inspirado"[1] como el del valor modal. Por estos motivos, la Distribucin Triangular ha sido denominada como la de "falta de precisin" o de informacin.

Referencias
[1] http:/ / www. decisionsciences. org/ DecisionLine/ Vol31/ 31_3/ 31_3clas. pdf

Enlaces externos
Weisstein, Eric W. Triangular Distribution (http://mathworld.wolfram.com/TriangularDistribution.html) (en ingls). MathWorld. Wolfram Research. Triangle Distribution (http://www.decisionsciences.org/DecisionLine/Vol31/31_3/31_3clas.pdf) , decisionsciences.org Triangular Distribution (http://www.brighton-webs.co.uk/distributions/triangular.asp) , brighton-webs.co.uk

Distribucin uniforme continua

72

Distribucin uniforme continua


Uniforme

Utilizando convencin de mximo Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros Dominio Funcin de densidad (pdf)

Funcin de distribucin (cdf)

Media Mediana Moda Varianza

cualquier valor en

Coeficiente de simetra

Distribucin uniforme continua

73
Curtosis Entropa Funcin generadora de momentos (mgf)

Funcin caracterstica

En teora de probabilidad y estadstica, la distribucin uniforme continua es una familia de distribuciones de probabilidad para variables aleatorias continuas, tales que cada miembro de la familia, todos los intervalos de igual longitud en la distribucin en su rango son igualmente probables. El dominio est definido por dos parmetros, a y b, que son sus valores mnimo y mximo. La distribucin es a menudo escrita en forma abreviada como U(a,b).

Caracterizacin
Funcin de densidad de probabilidad
La funcin de densidad de probabilidad de la distribucin uniforme continua es:

Los valores en los dos extremos a y b no son por lo general importantes porque no afectan el valor de las integrales de f(x)dx sobre el intervalo, ni de xf(x)dx o expresiones similares. A veces se elige que sean cero, y a veces se los elige con el valor 1/(ba). Este ltimo resulta apropiado en el contexto de estimacin por el mtodo de mxima verosimilitud. En el contexto del anlisis de Fourier, se puede elegir que el valor de f(a) f(b) sean 1/(2(ba)), para que entonces la transformada inversa de muchas transformadas integrales de esta funcin uniforme resulten en la funcin inicial, de otra forma la funcin que se obtiene sera igual "en casi todo punto", o sea excepto en un conjunto de puntos con medida nula. Tambin, de esta forma resulta consistente con la funcin signo que no posee dicha ambigedad.

Funcin de distribucin de probabilidad


La funcin de distribucin de probabilidad es:

Distribucin uniforme continua

74

Funciones generadoras asociadas


Funcin generadora de momentos La funcin generadora de momentos es

a partir de la cual se pueden calcular los momentos mk

y, en general,

Para una variable aleatoria que satisface esta distribucin, la esperanza matemtica es entonces m1 = (a+b)/2 y la varianza es m2m12 = (ba)2/12.

Propiedades
Generalizacin a conjuntos de Borel
Esta distribucin puede ser generalizada a conjuntos de intervalos ms complicados. Si S es un conjunto de Borel de medida finita positiva, la distribucin probabilidad uniforme en S se puede especificar definiendo que la pdf sea nula fuera de S e igual a 1/K dentro de S, donde K es la medida de Lebesgue de S.

Estadsticas de orden
Sea X1,..., Xn una muestra i.i.d. de U(0,1). Sea X(k) el orden estadstico k-simo de esta muestra. Entonces la distribucin de probabilidad de X(k) es una distribucin Beta con parmetros k y nk+1. La esperanza matemtica es

Esto es til cuando se realizan Q-Q plots. Las varianzas son

Distribucin uniforme continua

75

'Uniformidad'
La probabilidad de que una variable aleatoria uniformemente distribuida se encuentre dentro de algn intervalo de longitud finita es independiente de la ubicacin del intervalo (aunque s depende del tamao del intervalo), siempre que el intervalo est contenido en el dominio de la distribucin. Es posible verificar esto, por ejemplo si X U(0,b) y [x, x+d] es un subintervalo de [0,b] con d fijo y d > 0, entonces

lo cual es independiente de x. Este hecho es el que le da su nombre a la distribucin.

Uniforme estndar
Si se restringe y , a la distribucin resultante U(0,1) se la llama distribucin uniforme estndar. Una propiedad interesante de la distribucin uniforme estndar es que si u1 es una distribucin uniforme estndar, entonces 1-u1 tambin lo es.

Distribuciones relacionadas
Si X tiene una distribucin uniforme estndar, entonces: Y = -ln(X)/ tiene una distribucin exponencial con parmetro . Y = 1 - X1/n tiene una distribucin beta con parmetros 1 y n. (Notar que esto implica que la distribucin uniforme estndar es un caso especial de la distribucin beta, con parmetros 1 y 1).

Relaciones con otras funciones


Siempre y cuando se sigan las mismas convenciones en los puntos de transicin, la funcin densidad de probabilidad puede tambin ser expresada mediante la funcin escaln de Heaviside:

en trminos de la funcin rectngulo

No existe ambigedad en el punto de transicin de la funcin signo. Utilizando la convencin de la mitad del mximo en los puntos de transicin, la distribucin uniforme se puede expresar a partir de la funcin signo como:

Distribucin uniforme continua

76

Aplicaciones
En estadstica, cuando se utiliza un p-value a modo de prueba estadstica para una hiptesis nula simple, y la distribucin de la prueba estadstica es continua, entonces la prueba estadstica esta uniformemente distribuida entre 0 y 1 si la hiptesis nula es verdadera.

Muestreo de una distribucin uniforme


Existen muchos usos en que es til realizar experimentos de simulacin. Muchos lenguajes de programacin poseen la capacidad de generar nmeros pseudo-aleatorios que estn distribuidos de acuerdo a una distribucin uniforme estndar. Si u es un valor muestreado de una distribucin uniforme estndar, entonces el valor a + (b a)u posee una distribucin uniforme parametrizada por a y b, como se describi previamente.

Muestreo de una distribucin arbitraria


La distribucin uniforme resulta til para muestrear distribuciones arbitrarias. Un mtodo general es el mtodo de muestreo de transformacin inversa, que utiliza la distribucin de probabilidad (CDF) de la variable aleatoria objetivo. Este mtodo es muy til en trabajos tericos. Dado que las simulaciones que utilizan este mtodo requieren invertir la CDF de la variable objetivo, se han diseado mtodos alternativos para aquellos casos donde no se conoce el CDF en una forma cerrada. Otro mtodo similar es el rejection sampling. La distribucin normal es un ejemplo importante en el que el mtodo de la transformada inversa no es eficiente. Sin embargo, existe un mtodo exacto, la transformacin de Box-Muller, que utiliza la transformada inversa para convertir dos variables aleatorias uniformes independientes en dos variables aleatorias independientes distribuidas normalmente.

Ejemplo en el intervalo [0,1]


Para este caso el intervalo queda definido por Entonces resulta: para para y .

Enlaces externos
Calculadora - Distribucin uniforme continua [1] [2] Calcular la probabilidad de una distribucin uniforme con R (lenguaje de programacin)

Referencias
[1] http:/ / www. elektro-energetika. cz/ calculations/ ro. php?language=espanol [2] http:/ / cajael. com/ mestadisticos/ T7DContinuas/ node23. php

Distribucin de Weibull

77

Distribucin de Weibull
Weibull (2-Parameter)

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad Parmetros scale (real) shape (real) Dominio Funcin de densidad (pdf)

Funcin de distribucin (cdf) Media Mediana Moda if Varianza Coeficiente de simetra

Curtosis Entropa

(see text)

Funcin generadora de momentos (mgf)

Funcin caracterstica

Distribucin de Weibull En teora de la probabilidad y estadstica, la distribucin de Weibull es una distribucin de probabilidad continua. Recibe su nombre de Waloddi Weibull, que la describi detalladamente en 1951, aunque fue descubierta inicialmente por Frchet(1927) y aplicada por primera vez por Rosiny Rammler (1933) para describir la distribucion de los tamaos de determinadas partculas. La funcin de densidad de una variable aleatoria con la distribucin de Weibull x es:[1]

78

donde

es el parmetro de forma y

es el parmetro de escala de la distribucin.

La distribucin modela la distribucin de fallos (en sistemas) cuando la tasa de fallos es proporcional a una potencia del tiempo: Un valor k<1 indica que la tasa de fallos decrece con el tiempo. Cuando k=1, la tasa de fallos es constante en el tiempo. Un valor k>1 indica que la tasa de fallos crece con el tiempo.

Propiedades
Su funcin de distribucin de probabilidad es:

para x 0, siendo nula cuando x < 0. La tasa de fallos (hazard) es

La funcin generadora de momentos del logaritmo de la distribucin de Weibull es[]

donde es la funcin gamma. Anlogamente, la funcin caracterstica del logaritmo es

En particular, el momento n-simo de X es:

Su media y varianza son

Mientras que su asimetra y curtosis son

Distribucin de Weibull donde .

79

Distribuciones relacionadas
La distribucin de Weibull desplazada (a travs de un parmetro adicional) tambin se encuentra en la literatura.[] Tiene funcin de densidad

para escala y

y f(x; k, , ) = 0 cuando x < , donde

es el parmetro de forma,

es el parmetro de

, el de localizacin. Coincide con la habitual cuando =0.

La distribucin de Weibull puede caracterizarse como la distribucin de una variable aleatoria X tal que

sigue una distribucin exponencial estndar de intensidad 1.[] De hecho, la distribucin de Weibull coincide con la exponencial de intensidad 1/ cuando k = 1 y la de distribucin de Rayleigh de moda cuando k = 2. La funcin de densidad de la distribucin de Weibull cambia sustancialmente cuando k vara entre 0 y 3 y, en particular, cerca de x=0. Cuando k < 1 la densidad tiende a cuando x se aproxima a 0 y la densidad tiene forma de J. Cuando k = 1 la densidad tiene un valor finito en x=0. Cuando 1<k<2, la densidad se anula en 0, tiene una pendiente infinita en tal valor y es unimodal. Cuando k=2, la densidad tiene pendiente finita en 0. Cuando k>2, la densidad y su pendiente son nulas en cero y la densidad es unimodal. Conforme k crece, la distribucin de Weibull converge a una delta de Dirac soportada en x=. La distribucin de Weibull tambin puede caracterizarse a travs de la distribucion uniforme: si X es uniforme sobre (0,1), entonces sigue una distribucin de Weibull de parmetros k y . Este resultado permite simular numricamente la distribucin de manera sencilla. La distribucin de Weibull es un caso especial de la distribucin Exponentiated Weibull distribution (de tres parmetros) cuando el parmetro adicional vale 1. Tambin es un caso especial de la generalized extreme value distribution. Fue precisamente en este contexto que fue identificada por Maurice Frchet in 1927.

Aplicaciones
La distribucin de Weibull se utiliza en: Anlisis de la supervivencia Reliability engineering En ingeniera, para modelar procesos estocsticos relacionados con el tiempo de fabricacin y distribucin de bienes Teora de valores extremos Meteorologa Para modelar la distribucin de la velocidad del viento En telecomunicaciones En sistemas de radar para simular la dispersin de la seal recibida En seguros, para modelar el tamao de las prdidas

Distribucin de Weibull

80

Referencias
[1] Papoulis, Pillai, "Probability, Random Variables, and Stochastic Processes, 4th Edition

Bibliografa
Frchet, Maurice (1927), Sur la loi de probabilit de l'cart maximum, Annales de la Socit Polonaise de Mathematique, Cracovie 6: 93116. Johnson, Norman L.; Kotz, Samuel; Balakrishnan, N. (1994), Continuous univariate distributions. Vol. 1, Wiley Series in Probability and Mathematical Statistics: Applied Probability and Statistics (2nd edicin), New York: John Wiley & Sons, MR 1299979 (http://www.ams.org/mathscinet-getitem?mr=1299979), ISBN 978-0-471-58495-7 Muraleedharan, G.; Rao, A.G.; Kurup, P.G.; Nair, N. Unnikrishnan; Sinha, Mourani (2007), Coastal Engineering, Coastal Engineering 54 (8): 630638, doi: 10.1016/j.coastaleng.2007.05.001 (http://dx.doi.org/10. 1016/j.coastaleng.2007.05.001) Rosin, P.; Rammler, E. (1933), The Laws Governing the Fineness of Powdered Coal, Journal of the Institute of Fuel 7: 2936. Sagias, Nikos C.; Karagiannidis, George K. (2005), Gaussian class multivariate Weibull distributions: theory and applications in fading channels, Institute of Electrical and Electronics Engineers. Transactions on Information Theory 51 (10): 36083619, doi: 10.1109/TIT.2005.855598 (http://dx.doi.org/10.1109/TIT.2005.855598), MR 2237527 (http:/ / www. ams. org/ mathscinet-getitem?mr=2237527), ISSN 0018-9448 (http:/ / worldcat. org/ issn/ 0018-9448) Weibull, W. (1951), A statistical distribution function of wide applicability, J. Appl. Mech.-Trans. ASME 18 (3): 293297. Engineering statistics handbook (http://www.itl.nist.gov/div898/handbook/eda/section3/eda3668.htm). National Institute of Standards and Technology (2008). Nelson, Jr, Ralph (05-02-2008). Dispersing Powders in Liquids, Part 1, Chap 6: Particle Volume Distribution (http://www.erpt.org/014Q/nelsa-06.htm). Consultado el 05-02-2008.

Enlaces externos
The Weibull distribution (con ejemplos, calculadora, etc.) (http://www.xycoon.com/Weibull.htm) The Weibull plot (http://www.itl.nist.gov/div898/handbook/eda/section3/weibplot.htm) Papel para representar grficamente la distribucin de Weibull (http://www.weibull.com/GPaper/index.htm) Mathpages - Anlisis de Weibull (http://www.mathpages.com/home/kmath122/kmath122.htm) La distribucin de Weibull con Excel (http://www.qualitydigest.com/jan99/html/weibull.html) The SOCR Resource proporciona Interfaz interactivo para la distribucin de Weibull (http://socr.ucla.edu/ htmls/SOCR_Distributions.html).

Se puede usar software y un programa de computadora para el ajuste de una distribucin de probabilidad, incluyendo la de Weibull, a una serie de datos: Easy fit (http://www.mathwave.com/articles/distribution_fitting.html), "data analysis & simulation" MathWorks Benelux (http://www.mathworks.nl/products/statistics/demos.html?file=/products/demos/ shipping/stats/cfitdfitdemo.html) ModelRisk (http://www.vosesoftware.com/), "risk modelling software" Ricci distributions, fitting distrubutions with R (http://cran.r-project.org/doc/contrib/Ricci-distributions-en. pdf) , Vito Ricci, 2005 Risksolver, automatically fit distributions and parameters to samples (http://www.solver.com/risksolver8.htm) StatSoft distribution fitting (http://www.statsoft.com/textbook/distribution-fitting/) CumFreq (http://www.waterlog.info/cumfreq.htm) , libre sin costo, incluye intervalos de confianza a base de la distribucin binomial

Distribucin de Weibull (http://cajael.com/mestadisticos/T7DContinuas/node26.php) Calcular la probabilidad de una distribucin de Weibull con R (lenguaje de programacin)

81

Funcin de densidad de probabilidad


En la teora de la probabilidad, la funcin de densidad de probabilidad, funcin de densidad, o, simplemente, densidad de una variable aleatoria continua describe la probabilidad relativa segn la cual dicha variable aleatoria tomar determinado valor. La probabilidad de que la variable aleatoria caiga en una regin especfica del espacio de posibilidades estar dada por la integral de la densidad de esta variable entre uno y otro lmite de dicha regin. La funcin de densidad de probabilidad (FDP o PDF en ingls) es no-negativa a lo largo de todo su dominio y su integral sobre todo el espacio es de valor unitario.

Diagrama de Caja y funcin de densidad de probabilidad de una distribucin normal N(0, 2).

Definicin
Una funcin de densidad de probabilidad caracteriza el comportamiento probable de una poblacin en tanto especifica la posibilidad relativa de que una variable aleatoria continua X tome un valor cercano a x. Una variable aleatoria X tiene densidad f, siendo f una funcin no-negativa integrable de Lebesgue, si:

Por lo tanto, si F es la funcin de distribucin acumulativa de X, entonces:

Funcin de densidad de probabilidad para la distribucin normal.

Funcin de densidad de probabilidad y (si f es continua en x)

82

Intuitivamente, puede considerarse f(x)dx como la probabilidad de X de caer en el intervalo infinitesimal [x,x+dx]. Se define como el cociente entre la probabilidad de X de tomar un valor en el intervalo [x,x+dx] y dx, siendo dx un infinitsimo. La mayora de las funciones de densidad de probabilidad requieren uno o ms parmetros para especificarlas totalmente. Recprocamente respecto de la definicin ya desarrollada, pueden hacerse las siguientes consideraciones. La probabilidad de que una variable aleatoria continua X quede ubicada entre los valores a y b est dada por el desenvolvimiento en el intervalo de la FDP; de los valores comprendidos en el rango entre a y b.

La FDP es la derivada (cuando existe) de la funcin de distribucin:

As, si F es la funcin de distribucin acumulativa de X, entonces:

y (si f es continua en x)

Descripcin Intuitiva-Prctica En situaciones prcticas, la FDP utilizada se elige entre un nmero relativamente pequeo de FDP comunes, y la labor estadstica principal consiste en estimar sus parmetros. Por lo tanto, a los efectos del registro, es necesario saber qu FDP se ha utilizado e indicarlo en la documentacin de evaluacin de la incertidumbre. La definicin formal de la funcin de densidad requiere de conceptos de la teora de la medida. Si una variable aleatoria X sigue una funcin de probabilidad X*P su densidad con respecto a una medida de referencia es la derivada de RadonNikodym

Una variable aleatoria continua X con valores en un espacio de medida densidad de X con respecto a la medida de referencia sobre

(habitualmente Rn con conjuntos : la

Borel como subconuntos mensurables), tiene como distribucin de probabilidad, la medida XP en es la derivada de RadonNikodym.

Siendo f/; toda funcin medible con la siguiente propiedad:

para todo conjunto medible

Es decir, es una funcin con la propiedad de que...

Funcin de densidad de probabilidad

83

...para cada conjunto medible A. Funciones de Distribucin de Probabilidad A diferencia de la probabilidad, una fdp puede tomar valores mayores que uno. Por ejemplo, la distribucin uniforme continua en el intervalo [0,] tiene una densidad de probabilidad f(x)=2 para 0x y f(x)=0 fuera de tal intervalo. Hay que advertir que la funcin de densidad no es propiamente nica: dos funciones distintas pueden representar la misma distribucin de probabilidad si slo difieren en un conjunto de medida nulo. Adems, puede haber distribuciones de probabilidad que carezcan de funcin de densidad. Esto ocurre cuando, sin ser discretas, no le asignan probabilidad positiva a algunos puntos indivisuales presentan conjuntos de medida nula. Esto sucede con la distribucin de Cantor cuando se toma la de Lebesgue como medida de referencia. Cuando, como ocurre normalmente en las aplicaciones, X es una variable aleatoria real y es la medida de Lebesgue, la funcin de densidad es una funcin tal que

De modo que si F es la funcin de distribucin de X, entonces

Intuitivamente, se puede pensar que (x)dx es la probabilidad de que X asuma valores en el intervalo infinitesimal [x,x+dx].

Propiedades
De las propiedades de la funcin de densidad se siguen las siguientes propiedades de la fdp (a veces visto como pdf del ingls): para toda . El rea total encerrada bajo la curva es igual a 1:

La probabilidad de que

tome un valor en el intervalo

es el rea bajo la curva de la funcin de densidad

en ese intervalo o lo que es lo mismo, la integral definida en dicho intervalo. La grfica f(x) se conoce a veces como curva de densidad.

Algunas FDP estn declaradas en rangos de

, como la de la distribucin normal.

Funcin de densidad de probabilidad

84

Enlaces externos
[1] Simulacin de la obtencin de la probabilidad en un intervalo a partir de la funcin de densidad de una variable continua con R (lenguaje de programacin)

Referencias
[1] http:/ / cajael. com/ mestadisticos/ T3VAleatorias/ node2. php

Teorema fundamental del lgebra


El teorema fundamental del lgebra establece que todo polinomio de una variable no constante con coeficientes complejos tiene una raz compleja, es decir, existe un nmero complejo que evaluado en el polinomio da cero. Este incluye polinomios con coeficiente reales, ya que cualquier nmero real es un nmero complejo con parte imaginaria igual a cero. Aunque sta en principio parece ser una declaracin dbil, implica todo polinomio de grado n de una variable no constante con coeficientes complejos n tiene, contando con las multiplicidades, exactamente n races. La equivalencia de estos dos enunciados se realiza mediante la divisin polinmica sucesiva por factores lineales. Hay muchas demostraciones de este importante resultado, que requieren bastantes conocimientos matemticos para formalizarlas. El nombre del teorema es considerado ahora un error por muchos matemticos, puesto que es ms un teorema del anlisis matemtico que del lgebra.

Historia
Pedro Rothe (Petrus Roth), en su libro Arithmetica Philosophica (publicado en 1608), escribi que una ecuacin polinmica de grado (con coeficientes reales) puede tener soluciones. Alberto Girardo, en su libro L'invention nouvelle en l'Algebre (publicado en 1629), asever que una ecuacin de grado tiene soluciones, pero no menciona que dichas soluciones deban ser nmeros reales. Ms an, l agrega que su aseveracin es vlida "salvo que la ecuacin sea incompleta", con lo que quiere decir que ninguno de los coeficientes del polinomio sea igual a cero. Sin embargo, cuando explica en detalle a qu se est refiriendo, se hace evidente que el autor piensa que la aseveracin siempre es cierta; en particular, muestra que la ecuacin

a pesar de ser incompleta, tiene las siguientes cuatro soluciones (la raz 1 tiene multiplicidad 2):

Leibniz en 1702 y ms tarde Nikolaus Bernoulli, conjeturaron lo contrario. Como se mencionar de nuevo ms adelante, se sigue del teorema fundamental del lgebra que todo polinomio con coeficientes reales y de grado mayor que cero se puede escribir como un producto de polinomios con coeficientes reales del cual sus grados son 1 2. De todas formas, en 1702 Leibniz dijo que ningn polinomio de tipo (con a real y distinto de 0) se puede escribir en tal manera. Luego, Nikolaus Bernoulli hizo la misma afirmacin concerniente al polinomio , pero recibi una carta de Euler en 1742 en el que le deca que su polinomio pasaba a ser igual a: con igual a raz cuadrada de 4+27. Igualmente mencion que:

El primer intento que se hizo para demostrar el teorema lo hizo d'Alembert en 1746. Su demostracin tena un fallo, en tanto que asuma implcitamente como cierto un teorema (actualmente conocido como el teorema de Puiseux) que

Teorema fundamental del lgebra no sera demostrado hasta un siglo ms tarde. Entre otros Euler (1749), de Foncenex (1759), Lagrange (1772) y Laplace (1795) intentaron demostrar este teorema. A finales del siglo XVIII, se presentaron dos nuevas pruebas, una por James Wood y otra por Gauss (1799), pero ambas igualmente incorrectas. Finalmente, en 1806 Argand public una prueba correcta para el teorema, enunciando el teorema fundamental del lgebra para polinomios con coeficientes complejos. Gauss produjo otro par de demostraciones en 1816 y 1849, siendo esta ltima otra versin de su demostracin original. El primer libro de texto que contiene la demostracin de este teorema fue escrito por Cauchy. Se trata de Course d'anlyse de l'cole Royale Polytechnique (1821). La prueba es la debida a Argand, pero sin embargo en el texto no se le da crdito. Ninguna de las pruebas mencionadas ms arriba son constructivas. Es Weierstrass quien por primera vez, a mediados del siglo XIX, menciona el problema de encontrar una prueba constructiva del teorema fundamental del lgebra. En 1891 publica una demostracin de este tipo. En 1940 Hellmuth Knesser consigue otra prueba de este estilo, que luego sera simplificada por su hijo Marin Kneser en 1981.

85

Enunciado y equivalencias
El teorema se enuncia comnmente de la siguiente manera: Todo polinomio en una variable de grado n 1 con coeficientes reales o complejos tiene por lo menos una raz (real o compleja).[1] Es ampliamente conocido tambin el enunciado: Un polinomio en una variable, no constante y con coeficientes complejos, tiene tantas races[2] como indica su grado, contando las races con sus multiplicidades. En otras palabras, dado un polinomio complejo p(z) de grado n 1, la ecuacin p(z) = 0 tiene exactamente n soluciones complejas, contando multiplicidades. Otras formas equivalentes del teorema son: El cuerpo de los complejos es cerrado para las operaciones algebraicas. Todo polinomio complejo de grado n 1 se puede expresar como un producto de n polinomios lineales, es decir

Demostracin
Sea un polinomio de grado tal que . es una funcin entera. Para cada constante positiva , existe un nmero real positivo

Si real

no tiene races, la funcin

, es una funcin entera con la propiedad de que para cualquier nmero tal que es una funcin entera y

mayor que cero, existe un nmero positvo

Concluimos que la funcin acotada, entonces, De manera que

es acotada. Pero el teorema de Liouville dice que si tiene al menos una raz.

es constante y esto es una contradiccin. se puede escribir por tanto como el producto

no es entera y por tanto

donde

es una raz de

es un polinomio de grado

. Por el argumento anterior, el polinomio

a su

vez tiene al menos una raz y se lo puede factorizar nuevamente. Repitiendo este proceso veces,[3] concluimos que el polinomio p puede escribirse como el producto

Teorema fundamental del lgebra donde ... son las races de (no necesariamente distintas) y es una constante.

86

Corolarios
Como el teorema fundamental del lgebra puede ser visto como la declaracin de que el cuerpo de los nmeros complejos es algebraicamente cerrado, se sigue que cualquier teorema concerniente a cuerpos algebraicamente cerrados aplican al cuerpo de los nmeros complejos. Se muestran aqu algunas consecuencias del teorema, acerca del cuerpo de los nmeros reales o acerca de las relaciones entre el cuerpo de los reales y el cuerpo de los complejos: El cuerpo de los nmeros complejos es la clausura algebraica del cuerpo de nmeros reales. Todo polinomio en una variable con coeficientes reales es el producto de un polinomio constante de la forma con real, y polinomios de la forma con y reales y (que es lo mismo que decir que el polinomio no tiene races reales). Toda funcin racional en una variable , con coeficientes reales, se puede escribir como la suma de una funcin polinmica con funciones racionales de la forma (donde es un nmero natural, y y son nmeros reales), y funciones racionales de la forma natural, y , , ,y son nmeros reales tales que (donde es un nmero

). Un corolario de esto es que toda

funcin racional en una variable y coeficientes reales tiene una primitiva elemental. Toda extensin algebraica del cuerpo de los reales es isomorfa al cuerpo de los reales o al cuerpo de los complejos.

Referencias
[1] El texto dice: Toda ecuacin algebraica en una incgnita z de grado n 1.... La cita fue adaptada al contexto del artculo. [2] Se dice que el nmero es una raz de un polinomio si . [3] En el ltimo paso, lo que queda es un polinomio de grado uno multiplicado por una constante

Enlaces externos
Fundamental Theorem of Algebra (http://www.cut-the-knot.org/do_you_know/fundamental2.shtml) a collection of proofs (en ingls) D. J. Velleman: The Fundamental Theorem of Algebra: A Visual Approach, PDF (unpublished paper) (http:// www.cs.amherst.edu/~djv/), visualisation of d'Alembert's, Gauss's and the winding number proofs (en ingls) Weisstein, Eric W. Fundamental Theorem of Algebra (http://mathworld.wolfram.com/ FundamentalTheoremofAlgebra.html) (en ingls). MathWorld. Wolfram Research.

Teorema fundamental del clculo

87

Teorema fundamental del clculo


El teorema fundamental del clculo consiste (intuitivamente) en la afirmacin de que la derivacin e integracin de una funcin son operaciones inversas. Esto significa que toda funcin continua integrable verifica que la derivada de su integral es igual a ella misma. Este teorema es central en la rama de las matemticas denominada anlisis matemtico o clculo. El teorema es fundamental porque hasta entonces el clculo aproximado de reas -integrales- en el que se vena trabajando desde Arqumedes, era una rama de las matemticas que se segua por separado al clculo diferencial que se vena desarrollando por Isaac Newton, Isaac Barrow y Gottfried Leibniz en el siglo XVIII y dio lugar a conceptos como el de las derivadas. Las integrales eran investigadas como formas de estudiar reas y volmenes, hasta que en ese punto de la historia ambas ramas convergieron, al demostrarse que el estudio del "rea bajo una funcin" estaba ntimamente vinculado al clculo diferencial, resultando la integracin, la operacin inversa a la derivacin. Una consecuencia directa de este teorema es la regla de Barrow, denominada en ocasiones segundo teorema fundamental del clculo, y que permite calcular la integral de una funcin utilizando la integral indefinida de la funcin al ser integrada.

Intuicin geomtrica
Supngase que se tiene una funcin continua y = f(x) y que su representacin grfica es una curva. Entonces, para cada valor de x tiene sentido de manera intuitiva pensar que existe una funcin A(x) que representa el rea bajo la curva entre 0 y x an sin conocer su expresin. Supngase ahora que se quiere calcular el rea bajo la curva entre x y x+h. Se podra hacer hallando el rea entre 0 y x+h y luego restando el rea entre 0 y x. En resumen, el rea de esta especie de "loncha" sera A(x+h) A(x).

El rea rayada en rojo puede ser calculada como h f(x), o si se conociera la funcin A(X), como A(x+h) A(x). Estos valores son aproximadamente iguales para valores pequeos de h.

Otra manera de estimar esta misma rea es multiplicar h por f(x) para hallar el rea de un rectngulo que coincide aproximadamente con la "loncha". Ntese que la aproximacin al rea buscada es ms precisa cuanto ms pequeo sea el valor de h. Por lo tanto, se puede decir que A(x+h) A(x) es aproximadamente igual a f(x) h, y que la precisin de esta aproximacin mejora al disminuir el valor de h. En otras palabras, (x)h A(x+h) A(x), convirtindose esta aproximacin en igualdad cuando h tiende a 0 como lmite. Dividiendo los dos lados de la ecuacin por h se obtiene

Cuando h tiende a 0, se observa que el miembro derecho de la ecuacin es sencillamente la derivada A(x) de la funcin A(x) y que el miembro izquierdo se queda en (x) al ya no estar h presente. Se muestra entonces de manera informal que (x) = A(x), es decir, que la derivada de la funcin de rea A(x) es en realidad la funcin (x). Dicho de otra forma, la funcin de rea A(x) es la antiderivada de la funcin original.

Teorema fundamental del clculo Lo que se ha mostrado es que, intuitivamente, calcular la derivada de una funcin y "hallar el rea" bajo su curva son operaciones "inversas", es decir el objetivo del teorema fundamental del clculo integral.

88

Primer teorema fundamental del clculo


Dada una funcin f integrable sobre el intervalo , definimos F sobre por .

Si f es continua en , entonces F es derivable en y F'(c) = f(c). Consecuencia directa del primer teorema fundamental del clculo infinitesimal es:

Siendo f(t) una funcin integrable sobre el intervalo [a(x),b(x)] con a(x) y b(x) derivables.

Demostracin
Lema Sea '''''' integrable sobre Entonces y

Demostracin Por definicin se tiene que Sea h>0. Entonces Se define y como: , Aplicando el 'lema' se observa que . Por lo tanto, . .

Sea

. Sean , .

Aplicando el 'lema' se observa que . Como ,

Teorema fundamental del clculo entonces, . Puesto que , se tiene que . Y como es continua en c se tiene que , y esto lleva a que .

89

Ejemplos

Segundo teorema fundamental del clculo


El segundo teorema fundamental del clculo integral (o regla de Newton-Leibniz, o tambin regla de Barrow, en honor al matemtico ingls Isaac Barrow, profesor de Isaac Newton) es una propiedad de las funciones continuas que permite calcular fcilmente el valor de la integral definida a partir de cualquiera de las primitivas de la funcin.

Enunciado
Dada una funcin f(x) continua en el intervalo [a,b] y sea F(x) cualquier funcin primitiva de f, es decir F '(x) = f(x). Entonces

Teorema fundamental del clculo

90

Demostracin
Sea . Tenemos por el primer teorema fundamental del clculo que: . Por lo tanto, tal que Observamos que .

y de eso se sigue que Y en particular si

; por lo tanto, . tenemos que:

Ejemplos

Como se puede integrar inmediatamente.

Referencias
APOSTOL, Clculus (http://books.google.es/books?id=Z5-JhzoChqIC&lpg=PR3&dq=Apostol, Calculus, Vol.1:&hl=es&pg=PR3#v=onepage&q&f=false) SPIVAK, Clculo Infinitesimal (http://books.google.es/books?id=mjdXY8rshREC&lpg=PP1&dq=Spivak& hl=es&pg=PP1#v=onepage&q=Spivak&f=false)

Enlaces externos
El descubrimiento del clculo integral (http://www.uam.es/personal_pdi/ciencias/barcelo/histmatem/calculo/ calculo.html) Universidad Autnoma de Madrid Interpretacin grfica del Teorema Fundamental del Clculo (http://recursos.pnte.cfnavarra.es/~msadaall/ geogebra/figuras/d7teorema.html) Manuel Sada Allo Weisstein, Eric W. Teorema fundamental del clculo (http://mathworld.wolfram.com/ FundamentalTheoremsofCalculus.html) (en ingls). MathWorld. Wolfram Research. Demostracin Euclidiana del TFC (http://mathdl.maa.org/convergence/1/?pa=content&sa=viewDocument& nodeId=388&bodyId=343) James Gregory, en Convergence (http://mathdl.maa.org/convergence/1/) (en ingls) Isaac Barrow's proof of the Fundamental Theorem of Calculus (http://www.maths.uwa.edu.au/~schultz/3M3/ L18Barrow.html) (en ingls)

Teorema de muestreo de Nyquist-Shannon

91

Teorema de muestreo de Nyquist-Shannon


El teorema de muestreo de Nyquist-Shannon, tambin conocido como teorema de muestreo de Whittaker-Nyquist-Kotelnikov-Shannon, criterio de Nyquist o teorema de Nyquist, es un teorema fundamental de la teora de la informacin, de especial inters en las telecomunicaciones. Este teorema fue formulado en forma de conjetura por primera vez por Harry Nyquist en 1928 (Certain topics in telegraph transmission theory), y fue demostrado formalmente por Claude E. Shannon en 1949 (Communication in the presence of noise). El teorema trata del muestreo, que no debe ser confundido o asociado con la cuantificacin, proceso que sigue al de Funcin de interpolacin g(t) para Fs=44100 muestras por segundo (estndar muestreo en la digitalizacin de una seal y CD-Audio). Excepto para t=0, el intervalo entre pasos por cero (lneas verticales que, al contrario del muestreo, no es verdes) representa el intervalo entre muestras (~22,68 s para este ejemplo). reversible (se produce una prdida de informacin en el proceso de cuantificacin, incluso en el caso ideal terico, que se traduce en una distorsin conocida como error o ruido de cuantificacin y que establece un lmite terico superior a la relacin seal-ruido). Dicho de otro modo, desde el punto de vista del teorema, las muestras discretas de una seal son valores exactos que an no han sufrido redondeo o truncamiento alguno sobre una precisin determinada, es decir, an no han sido cuantificadas. El teorema demuestra que la reconstruccin exacta de una seal peridica continua en banda base a partir de sus muestras, es matemticamente posible si la seal est limitada en banda y la tasa de muestreo es superior al doble de su ancho de banda. Dicho de otro modo, la informacin completa de la seal analgica original que cumple el criterio anterior est descrita por la serie total de muestras que resultaron del proceso de muestreo. No hay nada, por tanto, de la evolucin de la seal entre muestras que no est perfectamente definido por la serie total de muestras. Si la frecuencia ms alta contenida en una seal analgica , entonces siguiente funcin de interpolacin: es y la seal se muestrea a una tasa

se puede recuperar totalmente a partir de sus muestras mediante la

Teorema de muestreo de Nyquist-Shannon

92

As,

se puede expresar como:

donde son las muestras de . Hay que notar que el concepto de ancho de banda no necesariamente es sinnimo del valor de la frecuencia ms alta en la seal de inters. A las seales para las cuales esto s es cierto se les llama seales de banda base, y no todas las seales comparten tal caracterstica (por ejemplo, las ondas de radio en frecuencia modulada). Si el criterio no es satisfecho, existirn frecuencias cuyo muestreo coincide con otras (el llamado aliasing).

Errores de interpretacin frecuentes en relacin con el teorema y el proceso de muestreo

Ejemplo de reconstruccin de una seal de 14,7 kHz (lnea gris discontinua) con slo cinco muestras. Cada ciclo se compone de slo 3 muestras a 44100 muestras por segundo. La reconstruccin terica resulta de la suma ponderada de la funcin de interpolacin g(t) y sus versiones correspondientes desplazadas en el tiempo g(t-nT) con , donde los coeficientes de ponderacin son las muestras x(n). En esta imagen cada funcin de interpolacin est representada con un color (en total, cinco) y estn ponderadas al valor de su correspondiente muestra (el mximo de cada funcin pasa por un punto azul que representa la muestra).

Es un error frecuente y extendido creer que, una vez satisfechos los criterios del teorema (criterios de Nyquist), la calidad de la reconstruccin de una seal en toda su banda es funcin de la tasa de muestreo empleada en el proceso de muestreo (lo que excluye el uso de tcnicas de Noise Shaping para alterar selectivamente la distorsin consecuencia del proceso de cuantificacin en seales completamente digitalizadas, esto es, muestreadas y cuantificadas). Esto es totalmente falso desde la perspectiva matemtica del teorema y un error, una vez consideradas las limitaciones prcticas, en el mbito prctico de la fsica o la ingeniera.[1] El proceso de muestreo (que no debe ser confundido con el de cuantificacin) es, desde el punto de vista matemtico perfectamente reversible, esto es, su reconstruccin es exacta, no aproximada. Dicho de otro modo, desde el punto de vista matemtico al que se refiere el teorema de muestreo de Nyquist-Shannon, la reconstruccin de una seal peridica con componentes de hasta 10 kHz es idntica tanto si se obtiene de una tasa de muestreo de 25000 muestras por segundo como de una de 50000 muestras por segundo. Matemticamente, no aporta nada incrementar la tasa de muestreo una vez que esta cumple el criterio de Nyquist: la informacin necesaria para su reconstruccin total existe desde que la tasa cumple el criterio. Tambin son errores frecuentes y extendidos, relacionados directamente con lo expuesto en este prrafo, creer que los puntos que resultan del proceso de muestreo se unen en la reconstruccin mediante rectas (interpolacin lineal) formando dientes de sierra en las frecuencias representadas por pocas muestras o que existe un proceso de clculo que realiza la interpolacin de manera predictiva. En resumen, el teorema de muestreo demuestra que toda la informacin de una seal contenida en el intervalo temporal entre dos muestras cualesquiera est descrita por la serie total de muestras siempre que la seal registrada sea de naturaleza peridica (como lo es el sonido) y no tenga componentes de frecuencia igual o superior a la mitad de la tasa de muestreo; no es necesario inventar o predecir la evolucin de la seal entre muestras.

Teorema de muestreo de Nyquist-Shannon En la prctica y dado que no existen los filtros analgicos pasa-bajo ideales, se debe dejar un margen entre la frecuencia mxima que se desea registrar y la frecuencia de Nyquist (frecuencia crtica) que resulta de la tasa de muestreo elegida (por ejemplo, para CD-Audio la frecuencia mxima de los componentes a registrar y reproducir es de 20 kHz y la frecuencia crtica de la tasa de 44100 muestras por segundo empleada es de 22,05 kHz; un margen del 10% aproximadamente para esta aplicacin). Pero este margen es una necesidad que resulta de las limitaciones fsicas de un filtro de reconstruccin (o filtro antialiasing) real, y no una consideracin que contemple (o deba contemplar) el teorema, que pretende establecer el marco terico (matemtico) en el que se deben fundamentar los profesionales que tratan con el procesamiento digital de seales. En ocasiones se emplean tcnicas de sobremuestreo para la reconstruccin de una seal con objeto de aumentar artificialmente este margen y permitir el uso de filtros de fase lineal (retardo de grupo constante) en la banda pasante y, en general, ms sencillos y econmicos con pendientes de atenuacin ms suaves. En todo caso, tanto el margen como el uso de tcnicas de sobremuestreo son recursos de ingeniera para tratar restricciones prcticas que en nada invalidan la demostracin y el contenido del teorema. El teorema es, de hecho, el marco analtico sobre el que las restricciones reales (no ideales) deben ser estudiadas.

93

Nuevos formatos y su relacin con las interpretaciones errneas sobre el teorema y su utilidad prctica
La aparicin reciente de nuevos formatos de audio (denominados frecuentemente formatos de alta resolucin) para usuario final que contienen seales muestreadas con tasas ms elevadas a la empleada en CD-Audio han contribuido a extender la idea errnea de que la calidad en la reconstruccin de una seal en toda su banda (hasta la frecuencia crtica) es funcin directa de la tasa de muestreo empleada. En todo caso, parece evidente que el potencial para registrar y reproducir ultrasonidos no forma parte de los mensajes de mercadotecnia que pretenden promocionar estos en el mercado. Un argumento que suele tener la forma general de "si los nuevos formatos de alta resolucin registran seales con tasas de muestreo ms elevadas para la reconstruccin de seales con el mismo ancho de banda es porque el teorema de muestreo no aplica/no es vlido/es errneo y esta mayor tasa contribuye a una mejora en la calidad". Los nuevos formatos de audio que recientemente han aparecido (aunque con escaso xito comercial) que emplean Modulacin por impulsos codificados (PCM) sin prdida por compresin con tasas de muestreo ms altas a las empleadas en el CD-Audio, (DVD-Audio, por ejemplo) para registrar y reproducir seales de idntico ancho de banda se justifican porque permiten el empleo de filtros de reconstruccin ms benignos, sencillos y econmicos sacrificando un recurso cada vez ms econmico y de menor trascendencia (la capacidad de almacenamiento, un recurso crtico en el pasado) y porque, adems, satisfacen simultneamente las expectativas de un mercado como el audifilo, caracterizado por dogmas[2] entre los que se encuentra muy extendida la falsa creencia de que esto representa una mejora en la calidad de la seal reconstruida (en particular, de sus componentes de alta frecuencia). Este error es slo una consecuencia de una clara incomprensin del alcance y significado del teorema de muestreo y de establecer comparaciones falaces como, por ejemplo, con la digitalizacin de imgenes (donde no se realiza la reconstruccin de una seal peridica), etc. La elevada tasa de muestreo de otro formato de audio de reciente aparicin, el SACD o Super Audio CD, es una consecuencia del uso de una tecnologa denominada comercialmente Direct Stream Digital (DSD) basada en un tipo de codificacin digital denominado Modulacin por densidad de impulsos (PDM). Si bien la tasa de muestreo es 64 veces la del CD-Audio, es necesario tener presente que se trata de una cuantificacin de 1 bit (en lugar de los 16 empleados en el CD-Audio) y basado en tcnicas de Noise Shaping (modelado de ruido). No es posible, por tanto, establecer comparaciones superficiales con el PCM de CD-Audio DVD-Audio (ambos PCM), ya que en este caso la relacin seal-ruido no es constante respecto de la frecuencia[3] (en CD-Audio el ruido de cuantificacin es independiente de la frecuencia y slo depende de los intervalos de amplitud empleados en el proceso de cuantificacin, es decir, es de unos 98,09 dB[4] constantes para los 16 bits de este estndar CD-Audio en todo el espectro til). Un SACD puede registrar y reproducir seales con componentes de hasta 33 kHz con una relacin seal-ruido equivalente al de un CD-Audio (aunque 33 kHz est casi una octava por encima del mximo audible y,

Teorema de muestreo de Nyquist-Shannon por tanto, una ventaja sobre el CD-Audio de dudosa utilidad prctica) y mantener una relacin seal-ruido de aproximadamente 122 dB para el espectro audible (un potencial, el equivalente aproximado a 20 bits, tambin de dudosa utilidad prctica como formato final de usuario considerando los medios y entornos de reproduccin de este formato). Entre las ventajas objetivas de estos formatos (DVD-Audio y SACD) se encuentra el potencial multicanal (registro de ms de dos canales) y la capacidad para el empleo de tcnicas de proteccin de copia (algo de extraordinario inters para las compaas discogrficas y, probablemente, la autntica justificacin industrial y comercial de estos productos junto con el evidente beneficio resultante de la sustitucin de todos los equipos reproductores y grabadores del mundo). Se han publicado trabajos experimentales rigurosos[5] que concluyen que no existen diferencias audibles entre los formatos denominados de alta resolucin y el tradicional soporte de audio digital CD-Audio (PCM 16 bits;44100 muestras/s). Asimismo, tambin se han probado indistinguibles entre s los formatos de alta resolucin SACD y DVD-Audio.[6][7]

94

Bibliografa
H. Nyquist, "Certain topics in telegraph transmission theory," Trans. AIEE, volumen 47, pginas 617-644, abril de 1928. C. E. Shannon, "Communication in the presence of noise," Proc. Institute of Radio Engineers, volumen 37, no.1, pginas 10-21, enero de 1949.

Referencias
[1] Teora de muestreo (Dan Lavry de Lavry Engineering, Inc.): (http:/ / www. lavryengineering. com/ documents/ Sampling_Theory. pdf) Por qu ms no es mejor. (ingls) [2] Embedded Signal Processing Laboratory (University of Texas at Austin): Debunking Audio Myths (http:/ / signal. ece. utexas. edu/ seminars/ dsp_seminars/ 01fall/ AudioMyths. pdf) Desenmascarando los mitos del audio (ingls). Vase "Mito 4: Necesitamos 96 kHz, no, mejor 192 kHz". [4] Clculo de la relacin seal-ruido. (http:/ / www. analog. com/ en/ content/ 0,2886,761%5F795%5F88014,00. html)

http:/ / lavryengineering. com/ pdfs/ lavry-sampling-theory. pdf Sampling Theory (http:/ / lavryengineering. com/ pdfs/lavry-sampling-theory.pdf)

Enlaces externos
Teorema de muestreo (en espaol) (http://www.lpi.tel.uva.es/~santi/slweb/muestreo.pdf) Teora de muestreo para audio digital (Dan Lavry de Lavry Engineering, Inc.): Ms no es mejor. (ingls) (http:// www.lavryengineering.com/documents/Sampling_Theory.pdf)

Teorema del lmite central

95

Teorema del lmite central


El teorema del lmite central o teorema central del lmite indica que, en condiciones muy generales, si Sn es la suma de n variables aleatorias independientes, entonces la funcin de distribucin de Sn se aproxima bien a una distribucin normal (tambin llamada distribucin gaussiana, curva de Gauss o campana de Gauss). As pues, el teorema asegura que esto ocurre cuando la suma de estas variables aleatorias e independientes es lo suficientemente grande.[][1]

Definicin
Sea la funcin de densidad de la distribucin normal definida como[]

con una media y una varianza 2. El caso en el que su funcin de densidad es

, a la distribucin se le

conoce como normal estndar. Se define Sn como la suma de n variables aleatorias, independientes, idnticamente distribuidas, y con una media y varianza 2 finitas (20): de manera que, la media de Sn es n y la varianza n2, dado que son variables aleatorias independientes. Con tal de hacer ms fcil la comprensin del teorema y su posterior uso, se hace una estandarizacin de Sn como

para que la media de la nueva variable sea igual a 0 y la desviacin estndar sea igual a 1. As, las variables Zn convergern en distribucin a la distribucin normal estndar N(0,1), cuando n tienda a infinito. Como consecuencia, si (z) es la funcin de distribucin de N(0,1), para cada nmero real z:

donde Pr() indica probabilidad y lim se refiere a lmite matemtico.

Enunciado formal
De manera formal, normalizada y compacta el enunciado del teorema es:[2] Teorema del lmite central: Sea , , ...,
2

un conjunto de variables aleatorias, independientes e

idnticamente distribuidas con media y varianza distinta de cero. Sea Entonces . Es muy comn encontrarlo con la variable estandarizada Zn en funcin de la media muestral ,

puesto que son equivalentes, as como encontrarlo en versiones no normalizadas como puede ser:[][3] Teorema (del lmite central): Sea , , ..., un conjunto de variables aleatoria, independientes e idnticamente distribuidas de una distribucin con media y varianza 20. Entonces, si n es suficientemente grande, la variable aleatoria

Teorema del lmite central

96

tiene aproximadamente una distribucin normal con de media y varianza.


[]

. , excepto la existencia

Nota: es importante remarcar que este teorema no dice nada acerca de la distribucin de

Propiedades
El teorema del lmite central garantiza una distribucin normal cuando n es suficientemente grande. Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para asegurar la convergencia. Una de las ms simples establece que es suficiente que las variables que se suman sean independientes, idnticamente distribuidas, con valor esperado y varianza finitas. La aproximacin entre las dos distribuciones es, en general, mayor en el centro de las mismas que en sus extremos o colas, motivo por el cual se prefiere el nombre "teorema del lmite central" ("central" califica al lmite, ms que al teorema). Este teorema, perteneciente a la teora de la probabilidad, encuentra aplicacin en muchos campos relacionados, tales como la inferencia estadstica o la teora de renovacin.

Referencias
[3] *

Blaiotta, Jimena; Delieutraz, Pablo (30 de julio de 2004). Teorema central del lmite (https://www.u-cursos. cl/ingenieria/2009/2/MA3401/1/material_docente/bajar?id_material=260765) (en castellano) (PDF). Consultado el 15 de diciembre de 2010. Behar Gutirrez, Roberto; Grima Cintas, Pere (2004) (en castellano). 55 respuestas a dudas tpicas de Estadstica. Madrid: Ediciones Daz de Santos, S.A. pp.187-189. ISBN 84-7978-643-4.

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Teorema del lmite central. Commons

Varianza

97

Varianza
En teora de probabilidad, la varianza (que suele representarse como ) de una variable aleatoria es una medida de dispersin definida como la esperanza del cuadrado de la desviacin de dicha variable respecto a su media. Est medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide una distancia en metros, la varianza se expresa en metros al cuadrado. La desviacin estndar es la raz cuadrada de la varianza, es una medida de dispersin alternativa expresada en las mismas unidades de los datos de la variable objeto de estudio. La varianza tiene como valor mnimo 0. Hay que tener en cuenta que la varianza puede verse muy influida por los valores atpicos y no se aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas pesadas. En tales casos se recomienda el uso de otras medidas de dispersin ms robustas. El trmino varianza fue acuado por Ronald Fisher en un artculo de 1918 titulado The Correlation Between Relatives on the Supposition of Mendelian Inheritance.

Definicin
Dada una variable aleatoria con media = E(X), se define su varianza, Var(X) (tambin representada como simplemente ), como
2

o,

Desarrollando la definicin anterior, se obtiene la siguiente definicin alternativa (y equivalente):

Si una distribucin no tiene esperanza, como ocurre con la de Cauchy, tampoco tiene varianza. Existen otras distribuciones que, aun teniendo esperanza, carecen de varianza. Un ejemplo de ellas es la de Pareto cuando su ndice k satisface 1 < k 2.

Caso continuo
Si la variable aleatoria X es continua con funcin de densidad f(x), entonces

donde

y las integrales estn definidas sobre el rango de X.

Varianza

98

Caso discreto
Si la variable aleatoria X es discreta con pesos x1p1,...,xnpn y n es la cantidad total de datos, entonces tenemos:

donde .

Ejemplos
Distribucin exponencial
La distribucin exponencial de parmetro es una distribucin continua con soporte en el intervalo [0,) y funcin de densidad Tiene media = 1. Por lo tanto, su varianza es:

Es decir, 2 = 2.

Dado perfecto
Un dado de seis caras puede representarse como una variable aleatoria discreta que toma, valores del 1 al 6 con probabilidad igual a 1/6. El valor esperado es (1+2+3+4+5+6)/6 = 3,5. Por lo tanto, su varianza es:

Propiedades de la varianza
Algunas propiedades de la varianza son: siendo a y b nmeros reales cualesquiera. De esta propiedad se deduce que la varianza de una constante es cero, es decir, , donde Cov(X,Y) es la covarianza de X e Y. , donde Cov(X,Y) es la covarianza de X e Y.

Varianza muestral
En muchas situaciones es preciso estimar la varianza de una poblacin a partir de una muestra. Si se toma una muestra con reemplazamiento de n valores de ella, de entre todos los estimadores posibles de la varianza de la poblacin de partida, existen dos de uso corriente:

Varianza

99

Cuando los datos estn agrupados:

A los dos (cuando est dividido por n y cuando lo est por n-1) se los denomina varianza muestral. Difieren ligeramente y, para valores grandes de n, la diferencia es irrelevante. El primero traslada directamente la varianza de la muestra al de la poblacin y el segundo es un estimador insesgado de la varianza de la poblacin. De hecho,

mientras que

Propiedades de la varianza muestral


Como consecuencia de la igualdad , s2 es un estadstico insesgado de
2

. Adems, si se cumplen las . tiene la distribucin

condiciones necesarias para la ley de los grandes nmeros, s es un estimador consistente de Ms an, cuando las muestras siguen una distribucin normal, por el teorema de Cochran, chi-cuadrado:

Enlaces externos
[1]Simulacin de la varianza de una variable discreta con R (lenguaje de programacin)

Referencias
[1] http:/ / cajael. com/ mestadisticos/ T1EDescriptiva/ node6. php

Teorema de Stokes

100

Teorema de Stokes
El teorema de Stokes en geometra diferencial es una proposicin sobre la integracin de formas diferenciales que generaliza varios teoremas del clculo vectorial. Se nombra as por George Gabriel Stokes (1819-1903), a pesar de que la primera formulacin conocida del teorema fue realizada por William Thomson y aparece en una correspondencia que l mantuvo con Stokes.

Introduccin
El teorema fundamental del clculo establece que la integral de una funcin f en el intervalo [a, b] puede ser calculada por medio de una antiderivada F de f:

El teorema de Stokes es una generalizacin de este teorema en el siguiente sentido: Para la F elegida, . En el lenguaje de las formas diferenciales es decir que f(x)dx es la derivada

exterior de la 0-forma (como por ejemplo una funcin) F: dF = fdx. El teorema general de Stokes se aplica a formas diferenciales mayores en vez de F. En un lenguaje matemtico, el intervalo abierto (a, b) es una variedad matemtica unidimensional. Su frontera es el conjunto que consiste en los dos puntos a y b. Integrar f en ese intervalo puede ser generalizado como integrar formas en una variedad matemtica de mayor orden. Para esto se necesitan dos condiciones tcnicas: la variedad matemtica debe ser orientable, y la forma tiene que ser compacta de manera que otorgue una integral bien definida. Los dos puntos a y b forman parte de la frontera del intervalo abierto. Ms genricamente, el teorema de Stokes se aplica a variedades orientadas M con frontera. La frontera M de M es una variedad en s misma y hereda la orientacin natural de M. Por ejemplo, la orientacin natural del intervalo da una orientacin de los dos puntos frontera. Intuitivamente a hereda la orientacin opuesta a b, al ser extremos opuestos del intervalo. Entonces, integrando F en los dos puntos frontera a, b es equivalente a tomar la diferencia F(b)F(a). Por lo que el teorema fundamental relaciona la integral de una funcin sobre un intervalo, con una integral o suma de la primitiva de la funcin en los lmites que encierran dicho intervalo:

Por otro lado el teorema de Green hace algo similar en dos dimensiones, relaciona la integral a lo largo de una curva simple con la integral de una combinacin de derivadas sobre un rea limitada por la curva simple:

Similarmente el teorema de la divergencia relaciona la integral de una funcin sobre una superficie con la integral de una combinacin de derivadas sobre el interior del conjunto:

El teorema de Stokes generaliza todos estos resultados, relacionando la integral sobre una frontera con la integral de una funcin "derivada" sobre el interior de la regin limitada por la frontera.

Teorema de Stokes

101

Formulacin general
Sea M una variedad de dimensin n diferenciable por trozos orientada compacta y sea una forma diferencial en M de grado n-1 y de clase C. Si M denota el lmite de M con su orientacin inducida, entonces

aqu d es la derivada exterior, que se define usando solamente la estructura de variedad. El teorema debe ser considerado como generalizacin del teorema fundamental del clculo y, de hecho, se prueba fcilmente usando este teorema. El teorema se utiliza a menudo en situaciones donde M es una subvariedad orientada sumergida en una variedad ms grande en la cual la forma se define. El teorema se extiende fcilmente a las combinaciones lineales de las subvariedades diferenciables por trozos, las, as llamadas, cadenas. El teorema de Stokes demuestra entonces que las formas cerradas definidas mdulo una forma exacta se pueden integrar sobre las cadenas definidas mdulo borde. sta es la base para el apareamiento entre los grupos de homologa y la cohomologa de de Rham. El clsico teorema de Kelvin-Stokes

que relaciona la integral de superficie del rotacional del campo vectorial sobre una superficie en el 3-espacio euclidiano a la integral de lnea del campo vectorial sobre su borde, es un caso especial del teorema de Stokes generalizado (con n = 2) una vez que identifiquemos el campo vectorial con una 1-forma usando la mtrica en el 3-espacio euclidiano. Asimismo el teorema de Ostrogradsky-Gauss o Teorema de la divergencia:

es un caso especial si identificamos un campo vectorial con la n-1 forma obtenida contrayendo el campo vectorial con la forma de volumen euclidiano. El teorema fundamental del clculo y el teorema de Green son tambin casos especiales del teorema de Stokes generalizado. La forma general del teorema de Stokes que usa formas diferenciales es de ms alcance que los casos especiales, por supuesto, aunque los ltimos son ms accesibles y a menudo son considerados ms convenientes por fsicos e ingenieros. Otra forma de escribir el mismo teorema es la siguiente:

Donde

es un campo vectorial cualquiera.

Establece que la integral de superficie del rotacional de un campo vectorial sobre una superficie abierta es igual a la integral (curvilnea) cerrada del campo vectorial a lo largo del contorno que limita la superficie.

Teorema de Stokes

102

Enlaces externos
Artculo donde se aplica el teorema de Stoke en el estudio de las pastillas de una guitarra elctrica [1]

Referencias
[1] http:/ / www. lpi. tel. uva. es/ ~nacho/ docencia/ ing_ond_1/ trabajos_02_03/ Guitarra/ Web/ electromag. htm

Teorema de Sarkovskii
Sea una aplicacin continua f : . Si esta funcin tiene un punto peridico de perodo k, entonces tiene puntos peridicos de todos los perodos inferiores a k segn el orden "<<" siguiente: 1 << 2 << 4 << 8 << ... << 2n7 << 2n5 << 2n3 << ... << 27 << 25 << 23 << ... 9 << 7 << 5 << 3 Este teorema es ptimo, es decir, si m << k segn el orden precedente, existen aplicaciones continuas con puntos peridicos de periodo m pero sin punto peridico de perodo k. En particular, una funcin que presenta un punto x peridico de orden tres, es decir tal que:

donde

es la composicin de las funciones, entonces presentar puntos peridicos de cualquier orden:

Se dice que el periodo tres implica el caos, y esta propiedad es fundamental en la teora del caos. Este corolario recibe el nombre de Teorema de Li y Yorke, matemticos que redescubrieron en Estados Unidos parte del teorema ruso, que haba pasado totalmente inadvertido en Occidente. El ejemplo fundamental es f(x)= ax(1 - x), con x en el intervalo [ 0; 1], y a en [0; 4]. Cuando a crece de 0 a 4, va apareciendo puntos peridicos de orden 2, luego 4, luego 8, 16, ... y finalmente 3. En las abcisas est el parmetro a. El perodo 3 aparece para a algo mayor que 3,8, justo al salir de la zona catica (en gris). El teorema utiliza el que R es totalmente ordenado y unidimensional, no se aplica a los nmeros complejos: La funcin f :C C definida por f(z) = e2i/3z es tal que todos los puntos del plano son peridicos de orden 3, pero de ningn otro orden (excepto 0 que es de orden 1) - f es una rotacin de ngulo 120 grados o 2/3 radianes y no existe equivalentes de las rotaciones en una dimensin.

Teorema del valor medio

103

Teorema del valor medio


En clculo diferencial, el teorema de valor medio (de Lagrange), teorema de los incrementos finitos, teorema de Bonnet-Lagrange o teora del punto medio es una propiedad de las funciones derivables en un intervalo. Algunos matemticos consideran que este teorema es el ms importante de clculo (ver tambin el teorema fundamental del clculo integral). El teorema no se usa para resolver problemas matemticos; ms bien, se usa normalmente para demostrar otros teoremas. El teorema de valor medio puede usarse para demostrar el teorema de Taylor ya que es un caso especial.

Enunciado para una variable


En esencia el teorema dice que dada cualquier funcin f continua en el intervalo [a,b] y diferenciable en el intervalo abierto (a,b) entonces existe al menos algn punto c en el intervalo (a,b) tal que la tangente a la curva en c es paralela a la recta secante que une los puntos (a,f(a)) y (b,f(b)). Es decir:

Este teorema lo formul Lagrange. El teorema del valor medio de Lagrange de hecho es una generalizacin del teorema de Rolle que dice que si una funcin es definida y continua [a,b], diferenciable en el intervalo abierto (a,b), y toma valores iguales en los extremos del intervalo en otras palabras, f(a) = f(b) entonces existe al menos algn punto c en el intervalo (a,b) tal que la tangente a la curva en c es horizontal, es decir f'(c)=0.

Para una funcin que cumpla la hiptesis de ser definida y continua [a,b] y derivable en el intervalo abierto (a,b) entonces existe al menos algn punto c en el intervalo (a,b) en que la pendiente de la curva es igual que la pendiente media de la curva en el intervalo cerrado [a,b].

Demostracin
El conocimiento del significado de la derivada de una funcin en un punto, y de la ecuacin punto-pendiente de una recta, permiten deducir que la ecuacin de la recta tangente en un punto de la curva es:

Donde los pares de puntos

son una pareja cualquiera de puntos de la curva. Vamos a

demostrar que, una vez conocida una pareja de puntos de una curva continua y derivable, existe un punto c contenido en el intervalo (a,b) tal que la pendiente en dicho punto es paralela a la recta que une los puntos (a,f(a)) y (b,f(b)). Definimos una funcin:

Teorema del valor medio Puesto que f es continua en [a,b] y diferenciable en (a,b), lo mismo se puede decir de g. Adems g satisface las condiciones del Teorema de Rolle ya que:

104

Por el Teorema de Rolle, como g es derivable en (a,b) y g(a)=g(b), existe un c perteneciente (a,b) tal que g'(c)=0, y por tanto:

y as

como queramos demostrar.

Forma integral del Teorema del valor medio


Para una funcin continua en el cerrado , existe un valor en dicho intervalo, tal que[1]

Demostracin Dado que la funcin para algn , para algn

es continua en el cerrado . Es decir y altura

, posee un valor mximo en dicho intervalo y . Si

, que llamaremos

y tambin un valor mnimo en el mismo intervalo: tendremos la siguiente desigualdad:

consideramos las reas de los rectngulos con base

Lo que implica:

De donde se deduce que debe existir algn , es decir:

para el cual la funcin

alcanza el valor de la integral

El teorema no especifca como determinar funcin en el intervalo .

, pero resulta que

coincide con el valor medio (promedio) de la

Enunciado para varias variables


Sea un conjunto abierto y convexo y
[2]

una funcin real diferenciable sobre ese abierto.

Entonces se tiene que: Donde:

, es la aplicacin lineal que representa el jacobiano (gradiente).

Teorema del valor medio

105

Generalizaciones
No existe un anlogo estricto del teorema de valor medio para aplicaciones posible establecer la siguiente desigualdad en trminos de la norma: . En este caso, slo es

Demostracin

En efecto teniendo en cuenta que dada una funcin [1]

se tiene que si es el segmento formado por y entonces (siendo A conexo y abierto), es

de donde se tiene que como

es para algn Para ver [1] basta tener en cuenta que si

y se tiene que

Referencias
[1] Ver "Introduccin al clculo y al anlisis matemtico Vol. I". R. Courant & J. Fritz. Ed. Limusa. p. 163. [2] Bombal, Marn, Vera, p. 4

Bombal, Marin & Vera: Problemas de Anlisis matemtico: Clculo Diferencial, 1988, ed. AC, ISBN 84-7288-101-6.

Enlaces externos
PlanetMath: Mean-Value Theorem (http://planetmath.org/encyclopedia/MeanValueTheorem.html) Weisstein, Eric W. Teorema del valore medio (http://mathworld.wolfram.com/Mean-ValueTheorem.html) (en ingls). MathWorld. Wolfram Research.

Teorema del punto fijo de Brouwer

106

Teorema del punto fijo de Brouwer


En matemticas, y ms precisamente en topologia algebraica, el teorema del punto fijo de Brouwer (nombrado as en honor al matemtico holands Luitzen Egbertus Jan Brouwer) forma parte de la familia de los as llamados teoremas de punto fijo,[1] que enuncian que, si una funcin f verifica ciertas propiedades, entonces existe un punto x0 tal que f(x0)=x0, es decir, un punto fijo. La forma ms simple del teorema de Brouwer asume por hiptesis que la funcin f est definida sobre un intervalo cerrado y acotado no vaco I y a valores en I. De manera ms general, la funcin est definida sobre un conjunto convexo y compacto K de un espacio eucldeo y a valores en K. El teorema del punto fijo de Brouwer tiene ramificaciones en varias reas de las matemticas, a veces inatendidas (como por ejemplo en la teora de juegos, para demostrar la existencia de un equilibrio de Nash por un juego de n personas con estrategias mixtas). El resultado es uno de los teoremas centrales que caracterizan la topologa de un espacio vectorial eucldeo de dimensin finita,[2] como el teorema de la curva de Jordan, el teorema de la bola peluda o el teorema de Borsuk-Ulam.[] Histricamente, el estudio del teorema proviene de los trabajos de los matemticos franceses Poincar y Picard sobre ecuaciones diferenciales. Demostrar resultados tales como el teorema de Poincar-Bendixson requiere del uso de herramientas de la topologa. Hacia fines del siglo XIX, estos trabajos culminan con varias versiones sucesivas del teorema; en 1912, Luitzen Egbertus Jan Brouwer da una demostracin general, estableciendo nuevamente un resultado ya probado por Hadamard en 1910.

Enunciados
Existen varias versiones del teorema, segn el contexto de utilizacin. La ms simple toma a veces la forma siguiente: En el plano - Toda aplicacin continua f de un disco cerrado en s mismo admite al menos un punto fijo.[3] Es posible generalizarlo a cualquier dimensin finita: En un espacio eucldeo - Toda aplicacin continua de una bola cerrada de un espacio eucldeo en s misma admite un punto fijo.[] Puede ser an ms general:[4] En un convexo compacto - Toda aplicacin continua de un convexo compacto no vaco K de un espacio eucldeo a valores en K, admite un punto fijo.[1] Una formulacin an ms general es conocida como: Teorema del punto fijo de Schauder - Toda aplicacin continua de un convexo compacto no vaco K de un espacio de Banach, en K, admite un punto fijo.[5]

Teorema del punto fijo de Brouwer

107

Historia
La historia del teorema del punto fijo de Brouwer impone un pasaje por una ecuacin diferencial. Hacia finales del siglo XIX, una conocida pregunta[6] llama nuevamente la atencin de la comunidad cientfica, la de la estabilidad del sistema solar,[7] su resolucin supone el desarrollo de nuevos mtodos. Como remarca Henri Poincar, al estudiar el problema de los tres cuerpos, la bsqueda de una solucin exacta es en vano: Nada es ms propio para darnos una idea de lo complicado del problema de los tres cuerpos y en general de todos los problemas de Dinmica, en donde no hay integral uniforme y donde las series de Bohlin divergen.[8] Tambin hace notar que la bsqueda de una solucin aproximada no es ms eficaz: [...] mientras ms precisas tratamos de obtener las aproximaciones, ms tiende el resultado a divergir hacia una imprecisin creciente.[9] Estudia una cuestin anloga a la del movimiento de la superficie de una taza de caf. Qu puede decirse, en general, de las trayectorias de una superficie animada por una corriente constante?[10] Poincar descubre que la respuesta reside en lo que hoy se llaman las propiedades topolgicas de la zona que contiene la trayectoria. Si es una zona compacta (es decir, a la vez cerrada y acotada), entonces la trayectoria o bien se inmoviliza, o bien se acerca de ms en ms a un bucle que recorre indefinidamente.[11] Poincar va ms lejos an, si la zona definida es de la misma naturaleza que un disco, como en el caso de la taza de caf, existe necesariamente un punto fijo. Este punto fijo es invariante por todas las funciones que, a cada punto de la superficie original, asocian su posicin al trmino de un perodo t. Esto no sucede ncesariamente si la zona corresponde a una banda circular, o no est cerrada.[12] Para comprender mejor la ecuacin diferencial, una nueva rama de las matemticas ve la luz. Poincar la llama analysis situs, la Encyclopedia Universalis la define como aquella que concierne las propiedades invariantes de una figura cuando se la deforma de cualquier manera continua, sin rasgaduras (como por ejemplo en el caso de la deformacin de una esfera, las propiedades correlativas de los objetos dibujados en su superficie).[13]

Si la zona recorrida por la corriente no est acotada, o contiene un "agujero" en su interior, el teorema no se aplica.

En el caso de un disco, el teorema s aplica y garantiza la existencia de un punto fijo.

En 1886, Poincar establece un resultado equivalente al teorema del punto fijo de Brouwer[14] (este trabajo no se discute en el presente artculo[15]). Ms tarde, desarrolla una de las herramientas de base para comprender el analysis situs, hoy conocido como Grupo fundamental o grupo de Poincar.[16] Este es el mtodo presentado en una de las demostraciones del presente artculo.[17] De cierto modo, el enfoque de Poincar es anlogo al de Emile Picard, un matemtico contemporneo que generaliza el teorema de Cauchy-Lipschitz.[18] La idea de Picard se apoya sobre un resultado que ser formalizado ms tarde por otro teorema de punto fijo, llamado de Banach. Este teorema no se basa en las propiedades topolgicas del dominio de definicin, sino sobre el hecho de que la funcin estudiada es contractante.

Teorema del punto fijo de Brouwer

108

Demostraciones
Prembulo
Los mtodos de demostracin son variados, de particular simpleza es la demostracin de David Gale.[] Proviene de un anlisis sobre los resultados de Nash sobre el juego de Hex. La demostracin presentada aqu se limita al caso unidimensional, no as el artculo original. El teorema se puede demostrar tambin utilizando topologa combinatoria. Durante los aos 1920, los matemticos comenzaron a esbozar los principios combinatorios ligados al teorema de Brouwer (lema de Sperner, lema de KnasterKuratowskiMazurkiewicz). Estos trabajos ofrecieron nuevas demostraciones elegantes[3] del teorema a la vez que sentaron las bases de una teora combinatoria por venir. Otras pruebas se basan en la geometra diferencial. Milnor[19] establece un lema que simplifica la prueba para las funciones infinitamente diferenciables. La conclusin es inmediata para las funciones continuas con ayuda del teorema de Stone-Weierstrass. El uso de teoremas poderosos hace la demostracin ms fcil. En geometra diferencial, el teorema de Stokes implica directamente el del punto fijo de Brouwer[20] para las funciones de clase C2. Otro mtodo consiste en evocar teoremas muy parecidos, como el teorema de la bola peluda[21] o de Borsuk-Ulam.[22]

Por el juego de Hex


En 1949, Nash reinventa el juego de Hex y muestra que el empate es imposible.[23] Su demostracin es de hecho equivalente al teorema del punto fijo de Brouwer; D.Gale utiliza este hecho, treinta aos ms tarde, para mostrar que el juego puede servir como una demostracin elemental del resultado de Brouwer. El juego se desarrolla sobre un tablero compuesto por hexgonos. Al final del juego, ciertos hexgonos estn cubiertos por piezas (rojas o azules en la ilustracin). El campo de los azules est formado por dos Fin de un partido de Hex. lados del tablero sealados por una lnea azul, los otros dos costados Azules ganan. con una lnea roja constituyen el campo adversario. El jugador que logra unir ambos lados opuestos por medio de hexgonos gana la partida. El artculo Hex demuestra que si el tablero se encuentra completamente lleno de piezas, no es posible llegar a una situacin de empate. Esta propiedad es la que permite demostrar el teorema del punto fijo de Brouwer. Demostracin del teorema de Brouwer para el compacto convexo de R2, K igual a [-1,1][-1,1], es decir que la norma . es la del mayor valor absoluto de sus dos coordenadas. El artculo de D. Gale muestra cmo generalizar el resultado a una dimensin arbitraria.
Detalles de la demostracin

Teorema del punto fijo de Brouwer

109

Sea f una funcin continua de K en K. Se define la funcin g de K en K tal que a x le asocia f(x)-x. Demostrar el teorema de Brouwer se reduce a demostrar que g admite un cero, resultado que se obtiene con la ayuda del siguiente lema: Sea un real estrictamente positivo. Existe un punto x de K tal que la norma de g en el punto x es menor que . Una vez demostrado [24] el lema, se nota que la continuidad de f implica la de g , y al estar definida sobre un compacto, es uniformemente continua. Como K es un compacto, la funcin g alcanza su mnimo en algn punto m. Este mnimo es un entero positivo estrictamente menor que . El nico real positivo menor que todos los reales estrictamente positivos es el 0, entonces la imagen por g del punto m debe ser nula, lo cual demuestra el teorema.

Por el teorema de la bola peluda


EL teorema de la bola peluda enuncia que sobre una esfera unitaria de dimensin par (es decir la esfera de radio 1 y centro el vector nulo, en un espacio ecucldeo de dimensin impar), no existe un campo de vectores que sea continuo, tangente a la esfera en todo punto x de esta esfera (es decir que verifique: x| (x)=0), y que no se anule nunca. Este resultado suele enunciarse del siguiente modo: siempre hay un punto sobre la superficie de la Tierra en donde no sopla nada de viento. Si existe una funcin f, sin punto fijo, de la bola unitaria cerrada Bn, entonces es posible construir dos campos de vectores, sobre la esfera unitaria de dimensin n y la de dimensin n+1, por lo que uno de los dos contradice el teorema de la bola peluda. La ventaja de este mtodo es que no utiliza ms que tcnicas elementales; su debilidad reside en que es un proceso menos universal que el de la topologa algebraica, la cual permite demostrar adems otros teoremas relacionados, como el teorema de Borsuk-Ulam.
Detalles de la demostracin

Teorema del punto fijo de Brouwer

110

Sea Sn-1 la esfera unitaria de Rn, o bien la frontera de Bn. La demostracin es por reduccin al absurdo, en tres etapas:
1. si existe una aplicacin continua f sin punto fijo de B en s misma, existe tambin g de B en s misma; n n+1 2. si existe una aplicacin continua sin punto fijo de B en s misma, existe sobre la esfera S un campo vectorial de
m m

vectores no nulos tales que (x; (x))=0 para todo x de esta esfera; 3. aplicando la segunda etapa a f y a g deducido de f por la primera etapa, se obtienen dos campos vectoriales (uno sobre S , n y otro sobre Sn+1) lo cual, segn el teorema de la bola peluda, demuestra que n no es ni par ni impar... esto constituye una contradiccin a la hiptesis.

Enfoque intuitivo
Comentarios atribuidos a Brouwer
El origen del teorema provendra de la observacin de una taza de caf por Brouwer.[25] Cuando revolvemos el azcar, parece siempre haber un punto inmvil; de ah deduce que: En todo momento, hay un punto de la superficie que no habr cambiado de lugar.[26] El punto fijo no es necesariamente aqul que parece inmvil pues el centro del remolino se mueve un poco. El resultado no es intuitivo, pues el punto fijo inicial podr haber cambiado, pero otro punto fijo aparecer. Brouwer aadide: Puedo formular este magnfico resultado de esta otra manera, tomo una hoja de papel y la extiendo, luego otra hoja idntica que primero arrugo y despus aliso aplanndola sobre la primera. Un punto de la hoja arrugada queda en el mismo lugar que la otra hoja.[26]

Notas
[1] Point fixe, et thormes du point fixe (http:/ / www. bibmath. net/ dico/ index. php3?action=affiche& quoi=. / p/ pointfixe. html), sitio bibmath.net, (en francs). [2] Vase tambin: Encyclopdie Universalis, Ha demostrado uno de los ms bellos teoremas, el teorema del punto fijo, cuyas aplicaciones y generalizaciones se han revelado fundamentales, desde la teora de juegos hasta las ecuaciones diferenciales. Luizen Brouwer (http:/ / www. universalis. fr/ encyclopedie/ T705705/ BROUWER_L. htm) por G. Sabbagh. [3] Violette, 2006. [4] Este resultado es una consecuencia directa del ltimo teorema. Es suficiente con notar que todo convexo compacto es homeomorfo a una bola cerrada. Para ms detalles, vase conjunto convexo. [5] C. Minazzo, K. Rider, Thormes du Point Fixe et Applications aux Equations Diffrentielles (http:/ / math1. unice. fr/ ~eaubry/ Enseignement/ M1/ memoire. pdf), Universit de Nice-Sophia Antipolis. [6] Vase tambin: Artculo de F. Brechenmacher (http:/ / arxiv. org/ ftp/ arxiv/ papers/ 0704/ 0704. 2931. pdf), CNRS, Fdration de Recherche Mathmatique du Nord-Pas-de-Calais. [7] El trabajo realizado por Henri Poincar acerca de la estabilidad del sistema solar, es el texto matemtico recompensado por el Prix du roi de Sude en 1889: J. Tits, Clbrations nationales 2004 (http:/ / www. culture. gouv. fr/ culture/ actualites/ celebrations2004/ poincare. htm), site du ministre de la Culture et de la Communication. [8] H. Poincar Les mthodes nouvelles de la mcanique cleste T Gauthier-Villars, Vol 3 p 389 (1892) rd. Paris : Blanchard, 1987.

Teorema del punto fijo de Brouwer


[9] Henri Poincar, extracto: P. A. Miquel, La catgorie de dsordre (http:/ / www. arches. ro/ revue/ no03/ no3art03. htm), par le site de l'Association roumaine des chercheurs francophones en sciences humaines. [10] Henri Poincar, Sur les courbes dfinies par les quations diffrentielles, J. de Math., Vol. 2 (1886). [11] Es el resultado del teorema de Poincar-Bendixson. [12] La homotopa de razn 1/2 sobre el cuadrado abierto ]0,1[2 no admite punto fijo. [13] C. Houzel, M. Paty, Poincar, Henri (1854-1912) (http:/ / www. scientiaestudia. org. br/ associac/ paty/ pdf/ Paty,M_1997g-PoincareEU. pdf), Encyclopdia Universalis, Albin Michel, Paris, 1999, pp. 696-706 [14] El enunciado de Poincar en pp. 113. [15] M.I. Voitsekhovskii, Brouwer theorem (http:/ / eom. springer. de/ b/ b017670. htm), Encyclopaedia of Mathematics . [16] J. Dieudonn, A History of Algebraic and differential Topology, 1900-1960, pp. 17-24. [17] Permite una demostracin muy condensada, presentada en el artculo fr: Groupe fondamental. [18] Vase tambin: E. Picard, Sur l'application des mthodes d'approximations successives l'tude de certaines quations diffrentielles ordinaires (http:/ / portail. mathdoc. fr/ JMPA/ PDF/ JMPA_1893_4_9_A4_0. pdf), Journal de Mathmatiques, pp. 217 (1893). [19] J. Milnor, Analytic proofs of the "hairy ball theorem" and the Brouwer fixed point, Am. Math. Monthly, 85 (1978), p. 521-524. [20] Berger Gostiaux 1, p. 217. [21] Es el caso de la segunda demostracin aqu presentada. Proviene de un examen de admisin a las Escuelas Normales Superiores de 1998. [22] F. E. Su, Borsuk-Ulam implies Brouwer : A direct construction (http:/ / www. math. hmc. edu/ ~su/ papers. dir/ borsuk. pdf), Amer. Math. Monthly 104 (1997), p. 855-859, . [23] T. Maarup, Hex (http:/ / maarup. net/ thomas/ hex/ ), por el autor de una tesis sobre el juego de Hex. [24] Ver demostracin del lema por: S. Greenwood, J. Cao, en Brouwers Fixed Point Theorem and the Jordan Curve Theorem (http:/ / www. math. auckland. ac. nz/ class750/ section5. pdf), Universit d'Auckland, Nouvelle-Zlande. [25] El inters de la ancdota reside en su carcter intuitivo y didctico, pero su exactitud es dudosa. Como lo muestra la historia, el origen del teorema no es obra de Brouwer. Henri Poincar, 20 aos antes, haba demostrado un resultado equivalente y P.Bohl, cinco aos antes que Brouwer, haba hallado una demostracin para dimensin tres. [26] Cita proveniente de una emisin televisiva: Archimde (http:/ / archives. arte. tv/ hebdo/ archimed/ 19990921/ ftext/ sujet5. html), Arte, 21 de septiembre de 1999.

111

Referencias

Teorema del punto fijo de Banach


En anlisis matemtico el teorema del punto fijo de Banach (tambin llamado teorema de la aplicacin contractiva) es una de las herramientas ms importantes para demostrar la existencia de soluciones de numerosos problemas matemticos. El teorema garantiza la existencia y unicidad de puntos fijos de ciertas funciones definidas sobre espacios mtricos y proporciona un mtodo para encontrarlos. Debe su nombre a Stefan Banach (18921945), quien fue el primero en enunciarlo en 1922[citarequerida].

Enunciado
Sea (X,d) un espacio mtrico completo y f una aplicacin. Se dice que es contractiva si existe K<1 tal que para cualesquiera . Un punto fijo de f es un punto de X tal que f( )= . Entonces el teorema del punto fijo de Banach dice: Sea (X,d) un espacio mtrico completo y sea f: X X una aplicacin contractiva en X. Entonces existe un nico punto fijo de f. Stefan Banach Adems, el teorema establece que para todo x de X la sucesin x, f(x), f(f(x)), ... converge a dicho punto fijo.

Teorema del punto fijo de Banach

112

Demostracin
La demostracin se sigue de que la sucesin as definida es una sucesin de Cauchy por ser la funcin contractiva. Como X es completo converge a un de X. Por ser la funcin contractiva, es continua y de la forma en que se ha definido, se sigue que es un punto fijo de la funcin y que es nico.

Aplicaciones
Se trata de una herramienta bsica en la demostracin de la existencia de soluciones de ecuaciones diferenciales (Vase el teorema de Picard-Lindelf). Otro de los usos de este resultado radica en el anlisis de sistemas dinmicos, que tiene numerosas aplicaciones, por ejemplo en el estudio de modelos de poblacin, modelos caticos, etctera. Tambin es importante en el estudio de mtodos iterativos utilizados en el clculo numrico, por ejemplo en algunos problemas de ingeniera. Incluso determinados fractales son puntos fijos de ciertas contracciones.

Teorema de Picard-Lindelf
El teorema de Picard-Lindelf (muchas veces llamado simplemente teorema de Picard, otras teorema de Cauchy-Lipschitz o teorema de existencia y unicidad) es un resultado matemtico de gran importancia dentro del estudio de las ecuaciones diferenciales ordinarias (EDOs). Establece bajo qu condiciones puede asegurarse la existencia y unicidad de solucin de una EDO dado un problema de Cauchy (problema de valor inicial).

Teorema
El teorema debe su nombre al matemtico francs Charles mile Picard y al toplogo fins Ernst Leonard Lindelf, ste ltimo enunci la teora de Picard tras su muerte.

Enunciado general
"Sea respecto de dado (interprtese , donde es abierto, una funcin continua y localmente Lipschitz donde existe como la forma estndar de una EDO n-dimensional de primer orden). Entonces,

, podemos encontrar un intervalo cerrado

solucin nica del siguiente problema de Cauchy:

que cumple que los pares De hecho, este

"

puede ser encontrado de manera explcita, en la demostracin se dan detalles de ello.

Teorema de Picard-Lindelf

113

Un enunciado ms restrictivo
El resultado anterior exige los requisitos mnimos que debe cumplir una funcin si queremos aplicar el teorema. Aadiendo ms condiciones al enunciado original, podemos dar este otro ms sencillo: "Sea una funcin Lipschitz. Entonces, dados " existe una nica solucin del problema de valor inicial

definida

".

Observacin
Es importante observar que el teorema de Picard slo nos garantiza la existencia y unicidad local de la solucin de una EDO. Es decir, ms all del intervalo proporcionado por el teorema (dado que su demostracin es constructiva) no podemos decir nada, en principio, del comportamiento de la solucin del problema de valor inicial. Es posible complementar el teorema sealando que existe un intervalo abierto, que llamaremos intervalo maximal en el cual puede garantizarse que la solucin existe y es nica; fuera de este intervalo, el teorema de Picard no puede aplicarse.

Demostracin
Sea y el cilindro compacto donde . Sea est definida, esto es , s decir, el valor de

mxima pendiente en mdulo. Y finalmente sea la constante de Lipschtitz de respecto la segunda variable. Definimos el siguiente operador entre funciones continuas, el operador de Picard, como sigue: dinifido como: Vamos a imponer que est bien definido, es decir, que su imagen sea una funcin que tome valores en decir, que la norma de sea menor que . El ltimo paso es imposicin, por lo que deber ser que . Veamos ahora que el operador de Picard es contractivo bajo ciertas hiptesis sobre omitidas. Dadas dos funciones queremos: . como es Lipschitz respecto la segunda variable tenemos que: . Esto es contractivo si o equivalentemente para tener igualdad si . Pero . , es

que ms adelante podrn ser

Por lo tanto como el operador de Picard es un operador entre espacios de Banach (en particular espacios mtricos inducidos por la norma) y contractivo, por el teorema del punto fijo de Banach, existe una nica funcin tal que es decir, solucin del problema de valor inicial definida en donde debe satisfacer las condiciones dadas, es decir, .

Teorema de Picard-Lindelf

114

Optimizacin del intervalo de la solucin


Ahora bien, hay un corolario del teorema del punto fijo de Banach que nos dice que si un operador contractivo para alguna potencia entonces al operador de Picard. Pero antes veamos un pequeo lema que nos ser muy til para aplicar el anterior corolario. Lema: Lo demostraremos por induccin: Para ya lo hemos visto, suponemos cierto para y probemos para : . Por lo tanto ahora s, teniendo esta desigualdad podemos asegurar que para y por lo tanto ser contractivo y por el corolario anterior suficientemente grande, la cantidad tendr un nico punto fijo. Por lo . es tiene un nico punto fijo. Intentaremos aplicar este resultado

que, finalmente, hemos podido optimizar el intervalo a tomar

Esto lo que nos dice es que el intervalo de definicin de la solucin no depende de la constante de Lipschitz del campo, sino esencialmente en el intervalo de definicin del campo y la mxima pendiente del mismo.

Funcin lipschitziana
En matemtica, una funcin f : M N entre espacios mtricos (M,dM) y (N,dN) se dice que es lipschitziana (o se dice que satisface una condicin de Lipschitz o que es Lipschitz continua) si existe una constante K > 0 tal que:[1]

En tal caso, K es llamada la constante Lipschitz de la funcin. El nombre viene del matemtico alemn Rudolf Lipschitz. Para funciones definidas sobre espacios eucldeos la relacin anterior puede escribirse:

Caractersticas y resultados principales


Toda funcin Lipschitz continua es uniformemente continua y por tanto continua. Las funciones Lipschitz continuas con constante Lipschitz K = 1 son llamadas funciones cortas y con K < 1 reciben el nombre de contracciones. Estas ltimas son las que permiten aplicar el teorema del punto fijo de Banach. La condicin de Lipschitz es una hiptesis importante para demostrar la existencia y unicidad de soluciones para las ecuaciones diferenciales ordinarias. La condicin de continuidad de la funcin por s sola asegura la existencia de soluciones (Teorema de Peano),[2] pero para poder confirmar tambin la unicidad de la solucin es necesario considerar tambin la condicin de Lipschitz (Teorema de Picard-Lindelf). Si U es un subconjunto del espacio mtrico M y f : U R es una funcin Lipschitz continua a valores reales, entonces siempre existe una funcin Lipschitz continua M R que extiende f y tiene la misma constante Lipschitz que f.(ver tambin teorema de Kirszbraun). Una funcin Lipschitz continua f : I R, donde I es un intervalo en R, es diferenciable casi en todas partes (siempre, excepto en un conjunto de medida de Lebesgue cero). Si K es la constante Lipschitz de f, entonces |(f')(x)| K toda vez que la derivada exista. Contrariamente, si f : I R es una funcin diferenciable con derivada acotada, |(f')(x)| L para toda x en I, entonces f es Lipschitz continua con constante Lipschitz K L, una consecuencia del teorema del valor medio.

Funcin lipschitziana

115

Definiciones relacionadas
Estas definiciones se requieren en el Teorema de Picard-Lindelf y en resultados relacionados con l. Localidad Lipschitz: Dados M, N, espacios mtricos, se dice que una funcin es localmente

lipschitz si para todo punto de M existe un entorno donde la funcin cumple la condicin Lipschitz. Funcin Lipschitz respecto una variable: Dados M, N, L espacios mtricos, se dice que una funcin es localmente Lipschitz respecto si cumple la condicin Lipschitz para puntos de N.

Ejemplos
Sea tomar Lipchitz continua, particularizando para una funcin lineal del tipo y se demuestra. De paso se obtiene la continuidad uniforme. , basta

Referencias
[1] , section 9.4

Teorema de Kirszbraun
En matemticas, el teorema de Kirszbraun afirma que si U es un subconjunto del espacio eucldeo En y f: U Em es un mapa continuo de Lipschitz, entonces existe siempre un mapa continuo f':En Em de Lipschitz que extienda el de f y tenga la misma constante de Lipschitz que f.

Teorema fundamental de la aritmtica


En matemtica, y particularmente en la teora de nmeros, el teorema fundamental de la Aritmtica o teorema de factorizacin nica afirma que todo entero positivo se puede representar de forma nica como producto de factores primos. Por ejemplo,

No existe ninguna otra factorizacin de 6936 y 1200 en nmeros primos. Como la multiplicacin es conmutativa, el orden de los factores es irrelevante; por esta razn, usualmente se enuncia el teorema como factorizacin nica salvo en el orden de los factores. Por definicin, un producto vaco tiene por resultado 1, con lo cual el teorema vale tambin para 1 si se toma como el producto de cero factores.

Teorema fundamental de la aritmtica

116

Aplicaciones
Representacin cannica de un entero positivo
Todo entero positivo n > 1 puede ser representado exactamente de una nica manera como un producto de potencias de nmeros primos:

donde p1 < p2 < ... < pk son primos y

Esta representacin se llama representacin cannica[1] de n, o forma estndar[2][3] de n. Por ejemplo 999 = 3337, 1000 = 2353, 1001 = 71113 Ntese que los factores p0 = 1 pueden ser insertados sin cambiar el valor de n (p.e. 1000 = 233053). En efecto, cualquier nmero positivo puede ser representado nicamente como un producto infinito tomado sobre todo el conjunto de los nmeros primos,

son enteros positivos.

donde un nmero finito de p son enteros positivos, y el resto son cero. Permitiendo exponentes negativos se proporciona una forma cannica para los nmeros racionales.

Importancia
El teorema establece la importancia de los nmeros primos. stos son los ladrillos bsicos con los que se construyen los enteros positivos, en el sentido de que todo entero positivo puede construirse como producto de nmeros primos de una nica manera. Conocer la factorizacin en primos de un nmero permite encontrar todos sus divisores, primos o compuestos. Por ejemplo, la factorizacin anteriormente dada de 6936 muestra que cualquier divisor positivo 6936 debe tener la forma: , donde 0 a 3 (4 valores posibles), 0 b 1 (2 valores posibles), y 0 c 2 (3 valores posibles). Multiplicando el nmero de opciones independientes se obtiene un total de positivos Una vez que se conoce la factorizacin en primos de dos nmeros, se pueden hallar fcilmente su mximo comn divisor y mnimo comn mltiplo. Por ejemplo, de las factorizaciones anteriores de 6936 y 1200 se puede deducir que su mximo comn divisor es 2 3 = 24. Sin embargo, si no se conoce la factorizacin en primos, usar el algoritmo de Euclides en general requiere muchos menos clculos que factorizar los dos nmeros. El teorema fundamental implica que las funciones aritmticas aditivas y multiplicativas estn completamente determinadas por sus valores en las potencias de los nmeros primos. Cualquier nmero entero n mayor que 1 puede escribirse de manera nica, salvo el orden, como un producto de nmeros primos. divisores

Demostracin
El teorema fue prcticamente demostrado por primera vez por Euclides, aunque la primera demostracin completa apareci en las Disquisitiones Arithmeticae de Carl Friedrich Gauss. Aunque a primera vista el teorema parezca obvio, no vale en sistemas numricos ms generales, entre estos muchos anillos de enteros algebraicos. Ernst Kummer fue el primero en notar esto en 1843, en su trabajo sobre el ltimo teorema de Fermat. El reconocimiento de este fallo es uno de los primeros avances de la teora de nmeros algebraicos.

Teorema fundamental de la aritmtica

117

Demostracin de Euclides
La demostracin se hace en dos pasos. En el primero se demuestra que todo nmero es un producto de primos (incluido el producto vaco). En el segundo se demuestra que cualesquier dos representaciones son iguales. Descomposicin en primos Supngase que existe algn entero positivo que no puede representarse como producto de primos. Entonces debe haber un mnimo nmero n con esa propiedad. Este nmero n no puede ser 1, por la convencin anterior. Tampoco puede ser un primo, porque todo primo es el producto de un nico nmero primo: l mismo. As pues, n = ab, donde a y b son enteros positivos menores que n. Como n es el mnimo entero positivo para el que falla el teorema, tanto a como b pueden escribirse como producto de primos. Pero entonces n = ab tambin puede escribirse como producto de primos, lo que es contradictorio. Unicidad La demostracin de la unicidad se apoya en el siguiente hecho: si un nmero primo p divide a un producto ab, entonces divide a a o divide a b (lema de Euclides). Para demostrar este lema, si se supone que p no divide a a, entonces p y a son primos entre s y por la identidad de Bzout existen x e y enteros tales que px + ay = 1. Multiplicando por b se obtiene pbx + aby = b, y puesto que los dos sumandos del lado izquierdo son divisibles por p, el trmino de la derecha tambin es divisible por p. Dados dos productos de primos que tengan igual resultado, tmese un primo p del primer producto. Divide al primer producto, y por lo tanto tambin al segundo. Por el hecho anterior, p debe dividir al menos a un factor del segundo producto; pero los factores son todos primos, as que p debe ser igual a uno de los factores del segundo producto. Se puede entonces cancelar a p de ambos productos. Siguiendo de esta forma se cancelarn todos los factores de ambos productos, con lo cual stos deben coincidir exactamente.

Demostracin por descenso infinito


Otra prueba de la unicidad de las factorizaciones en primos de un entero dado utiliza el mtodo del descenso infinito. Supngase que cierto nmero entero se puede escribir como producto de factores primos de (al menos) dos maneras distintas. Entonces, debe existir un mnimo entero s con esa propiedad. Sean p1...pm y q1...qn dos factorizaciones distintas de s. Ningn pi (con 1 i m) puede ser igual a algn qj (con 1 j n), pues de lo contrario habra un nmero menor que s que se podra factorizar de dos maneras (obtenido al quitar factores comunes a ambos productos) contradiciendo la suposicin anterior. Se puede entonces suponer sin prdida de generalidad que p1 es un factor primo menor que todos los qj (con 1 j n). Considrese en particular q1. Entonces existen enteros d y r tales que

y 0 < r < p1 < q1 (r no puede ser 0, puesto que en tal caso q1 sera un mltiplo de p1 y por lo tanto compuesto). Al multiplicar ambos lados por s / q1, resulta

El segundo trmino de la ltima expresin debe ser igual a un entero (pues lo son tambin los otros trminos), al que se llamar k; esto es,

de donde se obtiene,

Teorema fundamental de la aritmtica El valor de los dos lados de esta ecuacin es obviamente menor que s, pero sigue siendo lo bastante grande como para ser factorizable. Como r es menor que p1, las dos factorizaciones obtenidas en ambos lados despus de haber escrito k y r como producto de primos deben ser diferentes. Esto contradice la suposicin de que s es el entero ms pequeo que se puede factorizar en ms de una forma. Por tanto, la suposicin inicial debe ser falsa.

118

Demostracin por lgebra abstracta


Sea n un entero. Zn es un grupo finito, por lo que tiene una serie de composicin. Por definicin, los factores en una serie de composicin son simples; por lo tanto, en la serie de Zn stos deben ser de la forma Zp para algn primo p. Como el orden de Zn es el producto de los rdenes de los factores de su serie de composicin, esto da una factorizacin de n en nmeros primos. Pero el teorema de Jordan-Hlder afirma que una serie de composicin es nica, y por lo tanto la factorizacin de n debe ser nica.

Referencias
[3] Hardy & Wright 1.2

Enlaces externos
Construccin de una tabla de factores primos para los nmeros del 1 al 360 en lenguaje Logo (http://neoparaiso. com/logo/factores-primos-divisores.html)

Teorema del binomio


En matemtica, el teorema del binomio es una frmula que proporciona el desarrollo de la potencia n-sima de n (siendo n, entero positivo) de un binomio. De acuerdo con el teorema, es posible expandir la potencia (x+y)n en una suma que implica trminos de la forma axbyc, donde los exponentes b y c son nmeros naturales con b + c = n, y el coeficiente a de cada trmino es un nmero entero positivo que depende de n y b. Cuando un exponente es cero, la correspondiente potencia es usualmente omitida del trmino. Por ejemplo, El coeficiente a en el trmino de xbyc es conocido como el coeficiente binomial valor).

(los dos tienen el mismo

Formulacin del teorema


Este teorema establece: Usando la frmula para calcular el valor de ocasionalmente como o ) se obtiene la siguiente representacin: (que tambin es representado

El coeficiente de

en el desarrollo de

es

donde

recibe el nombre de coeficiente binomial y representa el nmero de formas de escoger k elementos a

partir de un conjunto con n elementos. Usualmente el teorema del binomio se expresa en la siguiente variante:

Teorema del binomio

119

Ejemplo
Como ejemplo, para n=2, n=3, n=4, utilizando los coeficientes del tringulo de Pascal:

(2) Para obtener la expansin de las potencias de una resta, basta con tomar -y en lugar de y en el caso anterior. La expresin (2) queda de la siguiente forma:

Teorema generalizado del binomio (Newton)


Isaac Newton generaliz la frmula para tomar otros exponentes, considerando una serie infinita: (3) Donde r puede ser cualquier nmero real (en particular, r puede ser cualquier nmero real, no necesariamente positivo ni entero), y los coeficientes estn dados por:

(el k=0 es un producto vaco y por lo tanto, igual a 1; en el caso de k = 1 es igual a r, ya que los otros factores (r1), etc., no aparecen en ese caso). Una forma til pero no obvia para la potencia recproca:

La suma en (3) converge y la igualdad es verdadera siempre que los nmeros reales o complejos x e y sean suficientemente cercanos, en el sentido de que el valor absoluto |x/y| sea menor a uno.

Coeficiente binomial
Para aplicar el Teorema del binomio, el coeficiente binomial se presenta como de forma sencilla:

Historia
Atribuido a Newton, el teorema fue en realidad descubierto por primera vez por Abu Bekr ibn Muhammad ibn al-Husayn al-Karaji alrededor del ao 1000. Aplicando los mtodos de John Wallis de interpolacin y extrapolacin a nuevos problemas, Newton utiliz los conceptos de exponentes generalizados mediante los cuales una expresin polinmica se transformaba en una serie infinita. As estuvo en condiciones de demostrar que un gran nmero de series ya existentes eran casos particulares, ya fuera diferenciacin o bien por integracin. El descubrimiento de la serie binmica es un resultado importante de por s; sin embargo, a partir de este descubrimiento Newton tuvo la intuicin de que se poda operar con series infinitas del mismo modo que con expresiones polinmicas finitas. Newton no public nunca el teorema del binomio. Lo hizo Wallis por primera vez en 1685 en su lgebra, atribuyendo a Newton este descubrimiento.

Teorema del binomio El teorema binmico para n=2 se encuentra en los Elementos de Euclides (300 a. C.), asimismo el trmino coeficiente binomial fue introducido por Michel Stifer en el siglo XVI. Los binomios se resuelven tambin con expresiones algebraicas.

120

Referencias
Bag, Amulya Kumar (1966). Binomial theorem in ancient India. Indian J. History Sci 1 (1): pp.6874. Computing Cavalieri's Quadrature Formula by a Symmetry of the n-Cube. The American Mathematical Monthly (Mathematical Association of America) 111 (9): pp.811813. November 2004. doi: 10.2307/4145193 (http:/ /dx.doi.org/10.2307/4145193). ISSN 0002-9890 (http://worldcat.org/issn/0002-9890), author's copy (http:// nbarth.net/math/papers/barth-01-cavalieri.pdf), further remarks and resources (http://nbarth.net/math/ papers/) Graham, Ronald; Donald Knuth, Oren Patashnik (1994). (5) Binomial Coefficients. Concrete Mathematics (2 edicin). Addison Wesley. p.153256. ISBN 0-201-55802-5. OCLC 17649857 (http://worldcat.org/oclc/17649857). Solomentsev, E.D. (2001), " Newton binomial (http://www.encyclopediaofmath.org/index.php/N/n066500)", in Hazewinkel, Michiel, Encyclopaedia of Mathematics, Springer, ISBN 978-1-55608-010-4 Isaac Newton - Teorema del binomio (http://www.solociencia.com/cientificos/ isaac-newton-teorema-binomio.htm).

Enlaces externos
Stephen Wolfram. Teorema del binomio (paso a paso) (http://demonstrations.wolfram.com/ BinomialTheorem/) (en ingls). The Wolfram Demonstrations Project. Wolfram Research. Bruce Colletti. Teorema del binomio (http://demonstrations.wolfram.com/BinomialTheoremStepByStep/) (en ingls). The Wolfram Demonstrations Project. Wolfram Research. Binomial Theorem Introduction (http://www.liftminds.com/lesson/23/Bionomial_theorem_introduction)

Coeficiente binomial

121

Coeficiente binomial
Los coeficientes binomiales, nmeros combinatorios o combinaciones[1] son nmeros estudiados en combinatoria que corresponden al nmero de formas en que se pueden extraer subconjuntos a partir de un conjunto dado. Sin embargo, dependiendo del enfoque que tenga la exposicin, se pueden usar otras definiciones equivalentes.

Definicin combinatoria
Se tiene un conjunto con 6 objetos diferentes {A,B,C,D,E,F}, de los cuales se desea escoger 2 (sin importar el orden de eleccin). Existen 15 formas de efectuar tal eleccin:

, pues hay 10 formas de escoger (en rojo) 3 objetos a partir de un conjunto con 5 elementos

A,B A,C A,D A,E A,F B,C B,D B,E B,F C,D C,E C,F D,E D,F E,F

El nmero de formas de escoger k elementos a partir de un conjunto de n, puede denotarse de varias formas:[2] , , ,o . As, en el ejemplo anterior se tiene entonces que C(6,2)=15, puesto que hay 15

formas de escoger 2 objetos a partir de un conjunto con 6 elementos. Los nmeros C(n,k) se conocen como coeficientes binomiales, pero es frecuente referirse a ellos como combinaciones de n en k, o simplemente n en k. Por tanto, la primera definicin es: El coeficiente binomial es el nmero de subconjuntos de k elementos escogidos de un conjunto con n

elementos. Es importante notar que la definicin asume implcitamente que n y k son naturales, y que adems k no excede a n. Podemos definir C(n,k)=0 si k>n, puesto que no es posible escoger ms elementos que los que tiene el conjunto dado (por tanto hay cero formas de hacer la eleccin). Estas precisiones cobrarn relevancia ms adelante cuando se discutan generalizaciones del concepto (por ejemplo, cuando n o k sean negativos o cuando no sean nmeros enteros).

Coeficiente binomial

122

Definicin algebraica
La definicin no permite calcular el valor de los coeficientes binomiales, salvo listando los subconjuntos y contndolos. Sin embargo, existe una frmula explcita que nos proporciona el valor de C(n,k). Supongamos que el conjunto original tiene 5 elementos, de los cuales se deben escoger 3. Al momento de escoger el primero, se tiene 5 opciones disponibles, pero una vez fijo el primero, slo hay 4 opciones para el segundo, y por tanto slo 3 opciones para el ltimo (pues no se puede repetir los escogidos en los primeros 2 pasos). De este modo, la seleccin puede hacerse de 543=60 formas.

Hay 543 formas de escoger ordenadamente 3

Sin embargo, en tal conteo, el orden en que se escogen los elementos objetos de un conjunto con 5. hace diferencia. Por ejemplo, tomar C, luego B, luego E, es una seleccin diferente de tomar B, luego C y luego E. Pero en la definicin de coeficiente binomial, no importa el orden en que se eligen los objetos, nicamente cules se escogen. Por tanto, las elecciones BCE, BEC, CEB, CBE, ECB y EBC son todas equivalentes. Del mismo modo, las elecciones ABC, ACB, BCA, BAC, CAB y CBA son equivalentes, y as para cualquier terna de letras. De esta forma, el resultado obtenido (60) no es la cantidad de subconjuntos de 3 elementos de {A,B,C,D,E}, sino que cada subconjunto est contado 6 veces, por lo que la cantidad de subconjuntos es realmente 60/6 = 10. El argumento presentado para el ejemplo puede generalizarse de la siguiente forma. Si se tiene un conjunto con n elementos, de los cuales se van a escoger k de ellos, la eleccin (ordenada) puede hacerse de n (n-1) (n-2) ... (n-k+1) ya que en el primer paso se tienen n opciones, en el segundo se tienen n-1, en el tercero n-2, y as sucesivamente, terminando en el paso k que tendr n-k+1 opciones. Ahora, hay que dividir el producto anterior entre el nmero de selecciones equivalentes. Pero si se tiene k objetos, hay k! formas de permutarlos, es decir, k! formas de listarlos en distinto orden. Recordemos que k! se lee k-factorial y es igual a k! = 123... k Concluimos que el nmero de subconjuntos con k elementos, escogidos de un conjunto con n elementos es . Multiplicando el numerador y el denominador de la fraccin por 123(n-k)

La expresin anterior puede escribirse de forma ms compacta usando factoriales, expresin que es usada en ocasiones como la definicin misma de coeficiente binomial (sobre todo en textos elementales que no explican el origen combinatorio de la misma): El coeficiente binomial est dado por la frmula

Coeficiente binomial

123

Definicin recursiva
Hay una frmula recursiva para los coeficientes binomiales (vase El teorema de Pascal):

con los valores iniciales

Demostracin:

El teorema de binomio y coeficientes binomiales


Finalmente, existe una tercera forma de definir los coeficientes binomiales, la cual da origen a su nombre. Sin embargo, esta definicin obscurece el significado combinatorio de los nmeros, pues la equivalencia con las definiciones anteriores no es evidente. El coeficiente binomial es el coeficiente del trmino obtenido al desarrollar

Por ejemplo, si desarrollamos (x+y)5 obtenemos: , por tanto, al ser 10 el coeficiente de xy, concluimos que C(5,3)=10. La afirmacin de que esta definicin es equivalente a las anteriores se conoce como teorema binomial o teorema de Newton, quien dio una prueba de una versin general del resultado. Sin embargo, la forma de calcular los coeficientes era conocida por diversas culturas con muchos siglos de anticipacin. Para ilustrar la equivalencia entre esta definicin y la anterior, consideremos un ejemplo con n=3, k=2. Podemos pensar que los factores de (x+y)=(x+y)(x+y)(x+y) estn coloreados de azul, rojo y verde respectivamente.
Desarrollo de (x+y)

Por un lado, se sabe que (x+y) = x+3xy+3xy+y, por lo que el coeficiente de xy es 3. Por otro lado, al desarrollar los factores, aparecer un trmino xy cada vez que se elija dos colores para x (dejando el color restante para y). El nmero de formas de escoger 2 colores entre 3 posibles opciones es precisamente C(3,2), como se estableci con anterioridad. La conclusin es que el coeficiente de xy es necesariamente C(3,2).

Coeficiente binomial Para el caso general, se puede imaginar que los n factores de (x+y)n han sido coloreados con diferentes colores, por lo que el coeficiente de xkyn-k ser igual al nmero de formas de escoger k colores para asignarlos a la variable x (dejando los n-k colores restantes para y). El nmero de formas para escoger k colores entre n posibles opciones es C(n,k), con lo que se termina la prueba. En contextos ms tcnicos, suele usarse una forma diferente de expresar el teorema de Newton mediante el uso de sumatorios: El desarrollo de es .

124

Esta frmula se generaliza para ms de dos sumandos de la siguiente manera: ,

donde

es un coeficiente multinomial que se define:

. Los coeficientes no es ms que la suma de , . Otras notaciones son ,... y ,

multinomiales tambin tienen definicin combinatoria. Puesto que tambin se emplean notaciones en las que , no aparece, como .

El teorema de Pascal
En 1654, Blaise Pascal entabl correspondencia con Pierre de Fermat sobre ciertos problemas de probabilidad, correspondencia que dara origen a su Trait du triangle arithmtique, considerado uno de los trabajos pioneros en el estudio moderno de la probabilidad. En ese trabajo, entre otras cosas, estudia lo que hoy se conoce como tringulo de Pascal que es un arreglo de nmeros definido a continuacin. Se tiene una cuadrcula rectangular en la cual se escribe el nmero 1 en las casillas del borde superior y el borde izquierdo:
Pgina 4 del Trait du triangle arithmtique, escrito por Blaise Pascal en 1654

1 1 1 1 ...

1 1 1 ...

Coeficiente binomial

125

Los nmeros de las dems casillas se obtienen con la siguiente regla: en cada casilla se escribe la suma de los valores de las dos casillas contiguas situadas a su izquierda y en la parte superior:

Forma comn de ilustrar el tringulo de Pascal

1 1 1 1

1 2 3 4

1 3 6

1 4

1 5

1 6

1 7

... ...

10 15 21 28 ...

10 20 35 56 84 ... ... ... ... ...

... ... ...

Es comn, sin embargo, presentar el arreglo en forma triangular, con los bordes inclinados, tal como se ilustra en la figura. De esta forma, cada nmero es igual a la suma de los dos que se encuentran arriba del mismo. Pascal not que para cualquier entero n, se cumple que

ya que slo hay una forma de escoger cero o todos los elementos de un conjunto dado. De esta forma, se pueden reescribir los bordes como:

Las entradas del tringulo de Pascal consisten de coeficientes binomiales

C(0,0) C(1,1) C(2,2) C(3,3) ... C(1,0) C(2,0) C(3,0) ...

Finalmente, Pascal not que las dems casillas del arreglo tambin son coeficientes binomiales:

Coeficiente binomial

126

C(0,0) C(1,1) C(2,2) C(3,3) ... C(1,0) C(2,1) C(3,2) C(4,3) ... C(2,0) C(3,1) C(4,2) C(5,3) ... C(3,0) C(4,1) C(5,2) C(6,3) ... ... ... ... ... ...

Cuando se listan las entradas de forma triangular como en la figura, es posible enunciar este resultado como La posicin k (contando desde cero) en la fila n del tringulo de Pascal es igual al coeficiente binomial .

La afirmacin de que las entradas del tringulo de Pascal son precisamente los coeficientes binomiales, se basa en la siguiente identidad, conocida ahora como identidad de Pascal o teorema de Pascal. Para cualquier par de nmeros naturales n, k se cumple

Blaise Pascal, (1654)

Prueba del teorema de Pascal


Si bien puede probarse el teorema de Pascal por medio de manipulaciones algebraicas de la frmula con factoriales, una prueba puramente combinatoria es mucho ms sencilla, proporcionando un ejemplo elegante del enfoque y tcnicas de la combinatoria. Como ejemplo, se verificar el Teorema de Pascal cuando n=5, k=3. El lado izquierdo de la identidad cuenta el nmero de formas de escoger 3 elementos a partir de un conjunto de 5 elementos. Supongamos ahora que el primer objeto se colorea de rojo y los dems azules. Al escoger los 3 objetos, hay dos casos: Entre los objetos escogidos se incluye el objeto rojo. Todos los objetos escogidos son azules.
El teorema de Pascal se prueba dividiendo la seleccin en dos casos.

Ambos casos cubren la totalidad de subconjuntos con 3 elementos, por tanto su suma debe ser igual a

Para contar el primer caso, dado que el objeto rojo tiene que estar incluido, slo es necesario escoger 2 objetos entre los 4 azules restantes, lo cual puede efectuarse de formas.

En el segundo caso, puesto que el objeto rojo no ha sido seleccionado, se debe escoger 3 elementos entre los 4 azules. El nmero de formas de hacer esta eleccin es .

Concluimos entonces que el nmero total de subconjuntos con 3 elementos, subconjuntos del primer caso, decir:

, es igual al nmero de , es

sumado al nmero de subconjuntos incluidos en el segundo caso,

Coeficiente binomial

127

. El caso general se obtiene de forma similar, marcando un elemento particular, para luego dividir el conteo en dos casos, dependiendo si el elemento marcado est incluido o no. Cuando se incluye el elemento marcado falta escoger k-1 objetos de los n-1 no marcados, mientras que cuando no se incluye, hay que escoger k objetos de los n-1 marcados, concluyendo que .

Identidades que involucran coeficientes binomiales


Existe una cantidad muy grande de identidades que involucran coeficientes binomiales. El teorema de Pascal es un primer ejemplo de identidad relativa a coeficientes binomiales, a continuacin se analizarn algunas pocas de las ms conocidas. Son de particular inters puesto que sus pruebas proporcionan nuevamente ejemplos de razonamiento combinatorio, el cual no es usualmente presentado al tratar el tema pues por lo general, en los pocos casos en que se dan razones sobre su origen, se limitan a simples manipulaciones de la definicin algebraica.

Simetra en el tringulo de Pascal

Identidad de simetra
La primera identidad a considerar es una igualdad de simetra o la propiedad de Stiffel que establece Para todo n, k se cumple: .

Por ejemplo, C(12,5) = 792 = C(12,7). Es una propiedad de simetra porque equivale a la afirmacin de que el tringulo de Pascal es simtrico respecto a su eje vertical. Es comn remitirse a la frmula de factoriales para verificar su veracidad. La interpretacin combinatoria de la identidad de simetra es la afirmacin de que al escoger un subconjunto automticamente se determina su complemento, por lo que hay la misma cantidad de subconjuntos con k elementos que subconjuntos con n-k elementos.
Hay la misma cantidad de formas de escoger 3 objetos y pintarlos de rojo, que formas de escoger 2 objetos y pintarlos de azul

Por ejemplo, si se tiene un conjunto con 5 elementos, de los cuales se desea pintar 3 de rojo, es posible hacer la seleccin de C(5,3)=10 formas. Pero cada seleccin automticamente determina 2 objetos que no fueron escogidos. As, hay una correspondencia entre selecciones de 3 objetos y selecciones de 2. La conclusin es que debe haber el mismo nmero de formas de hacer una u otra seleccin, es decir: .

Coeficiente binomial

128

Nmero total de subconjuntos posibles


Otra identidad muy famosa se refiere a la cantidad de subconjuntos que puede tener un conjunto dado. Esta identidad establece . Por ejemplo, si n=5:
Correspondencia entre subconjuntos y sucesiones s/no

Frecuentemente, la demostracin de la identidad se reduce a sustituir x=1, y=1 en el teorema de Newton, aunque tal prueba impide entender la idea central detrs del resultado. Partamos de un conjunto de 5 elementos. La suma nmero total de subconjuntos posibles, ya que es el nmero de subconjuntos vacos (slo hay uno). es el nmero de subconjuntos con un elemento. es el nmero de subconjuntos con dos elementos. es el nmero de subconjuntos con tres elementos. es el nmero de subconjuntos con cuatro elementos. es el nmero de subconjuntos con cinco elementos (slo hay uno, el conjunto total). cuenta el

La veracidad de la identidad quedar establecida si al contar el nmero total de subconjuntos de una forma distinta, se obtiene que tal cantidad es 25. Supongamos que el conjunto original es {A, B, C, D, E}. Cada subconjunto est en correspondencia con una serie de 5 opciones s/no: El subconjunto {A, C, D} corresponde a la serie s, no, s, s, no, ya que en el subconjunto s estn incluidos el primer, tercer y cuarto elementos del conjunto original, mientras que no estn incluidos el segundo y el quinto elemento. Del mismo modo, dada una sucesin de 5 opciones s/no, es posible recuperar el conjunto que le da origen: A la serie s, s, no, no, s le corresponde el subconjunto {A, B, E}. Por tanto, al corresponder cada subconjunto con una serie de s/no, se tiene que el nmero de subconjuntos es igual al nmero de series posibles. Sin embargo, el nmero de formas de hacer 5 elecciones, cada una con 2 opciones, es 22222 = 25. La prueba del caso general con conjuntos de cualquier tamao es directa. Cada subconjunto corresponde a una sucesin de n opciones s/no, habiendo 222=2n diferentes sucesiones.

Coeficiente binomial

129

Multiconjuntos y combinaciones con repeticin


As como los coeficientes binomiales enumeran formas de tomar subconjuntos a partir de un conjuto dado, es posible plantear el problema de determinar el nmero de formas de escoger un multisubconjunto de un conjunto. Recordemos que en un multiconjunto es permitido repetir elementos aunque, al igual que en los conjuntos, el orden en que se mencionan es irrelevante. Por ejemplo, {a, e, e, i, o, o, o, u} es el mismo multiconjunto que {e, i, o, u, a, e, o, o} Para ilustrar el problema, consideremos el conjunto X={a, b, c, d}. Listemos todos los posibles multiconjuntos de 3 elementos obtenidos del conjunto X. Para brevedad, indicaremos las letras como si fuesen una palabra:
aaa aab aac aad abb abc abd acc acd add bbb bbc bbd bcc bcd bdd ccc ccd cdd ddd

Se recalca que el orden no importa, por esto es que no se lista por ejemplo, aca ya que el multiconjunto {a, c, a} es el mismo que el multiconjunto {a, a, c}. Estas selecciones donde se permite repeticin pero no se toma en cuenta el orden se denominan combinaciones con repeticin. El nmero de formas en que se puede extraer un multiconjunto con k elementos de un conjunto con n elementos se denota[3][4]

y corresponde al nmero de k-combinaciones con repeticin tomadas de un conjunto con n elementos. As, del listado inicial podemos deducir que . Antes de establecer una frmula para el clculo directo de

combinaciones con repeticin, plantearemos un ejemplo clsico de problema relacionado con multiconjuntos.
De cuntas maneras se puede repartir 10 caramelos a 4 nios?

Vamos a imaginar que los nombres son Alonso, Beto, Carlos y Daniel (que representaremos como A, B, C, D). Una posible forma de repartir los caramelos sera: dar 2 caramelos a Alonso, 3 a Beto, 2 a Carlos y 3 a Daniel. Dado que no importa el orden en que se reparten, podemos representar esta seleccin como

AABBBCCDDD

Otra forma posible de repartir los caramelos podra ser: dar 1 caramelo a Alonso, ninguno a Beto y Carlos, los 9 restantes se los damos a Daniel. Esta reparticin la representamos como

ADDDDDDDDDD

De manera inversa, cualquier serie de 10 letras A, B, C, D corresponde a una forma de repartir los caramelos. Por ejemplo, la serie AABBBBBDDD corresponde a:

Dar dos caramelos a Alonso, 5 caramelos a Beto, ninguno a Carlos y 3 a Daniel.

De esta forma, por el principio de la biyeccin, el nmero de formas en que se puede repartir los caramelos es igual al nmero de series de 10 letras (sin tomar en cuenta el orden) A, B, C, D. Pero cada una de ellas corresponde a un multiconjunto con 10 elementos, por lo que concluimos que el nmero total de formas de repartir los caramelos es .

La solucin del ejemplo anterior es conceptualmente correcta (da el resultado mediante una interpretacin combinatoria) pero no es prctica ya que no proporciona realmente el nmero de formas en que se puede hacer la reparticin. Para obtener la frmula procedemos a usar la siguiente estratagema. Queremos dividir 10 objetos (los caramelos) en 4 grupos. Para ello colocamos 10 objetos en lnea e insertamos 3 separadores para dividirlos en 4 secciones. Por ejemplo, si representamos los caramelos con asteriscos y los separadores con barras,[5] los ejemplos mencionados seran: AABBBCCDDD **/***/**/*** ADDDDDDDDDD *///********* AABBBBBDDD **/*****//***

Coeficiente binomial Y cualquier disposicin de 10 asteriscos separados por 3 barras (permitiendo grupos vacos) corresponde a una forma de repartir y a su vez, a un multiconjunto: ****/***/**/* AAAABBBCCD (4 caramelos para Alonso, 3 para Beto, 2 para Carlos y 1 para Daniel) *****/*****// AAAAABBBBB (5 caramelos para Alonso y 5 para Beto) De esta forma, el nmero de formas de repartir corresponde al nmero de disposiciones de 13 smbolos, de los cuales: 10 son asteriscos y 3 barras. Pero esto es precisamente el nmero de formas de elegir 3 objetos de un conjunto con 13 (de las 13 disposiciones se estn escogiendo cuales 3 sern barras) y por tanto el resultado (el nmero de ordenamientos) es formas.

130

Este argumento se puede aplicar en general: repartir k objetos entre n personas, corresponde a formar multiconjuntos de tamao k (los karamelos) escogidos de un conjunto con n (los nios), y a su vez esto puede enumerarse con una serie de k asteriscos y n-1 barras, que puede realizarse de establecido as el siguiente teorema. El nmero de multiconjuntos con k elementos escogidos de un conjunto con n elementos satisface: formas. Queda

Es igual al nmero de combinaciones con repeticin de k elementos escogidos de un conjunto con n elementos. Es igual al nmero de formas de repartir k objetos en n grupos. Y adems .

Notas al pie
[1] Estrictamente hablando, una combinacin es la seleccin de un subconjunto, de modo que un coeficiente binomial cuenta el nmero de combinaciones. Sin embargo es comn usar el trmino para referirse tambin a la cantidad de stas como "combinaciones" en expresiones como "combinaciones de 5 en 3 es igual a 10". [2] La forma C(n,k) se prefiere cuando no se dispone de medios para representar ndices o no se dispone de smbolos matemticos (por ejemplo, en el texto de un e-mail), sin embargo, la tercera forma es la ms comn en entornos acadmicos y textos sobre el tema [5] La eleccin de asteriscos y barras puede ser sustituida por cualquier par de smbolos, es frecuente usar tambin 0 en vez de asterisco y 1 en vez de barras.

Referencias Bibliografa
Quinn, Benjamin Arthur T.; Quinn, Jennifer J. (2003). Proofs that Really Count: The art of combinatorial proof. The Mathematical Association of America. ISBN 0-88385-333-7. Graham, Ronald L.; Knuth, Donald. E y Patashnik, Oren. (1994). Concrete Mathematics (2a ed. edicin). ISBN 0-201-55802-5. Grimaldi, Ralph P. (1998). Matematicas Discreta y Combinatoria (5a edicin). Addison Wesley Longman. ISBN 9684443242 Ficha en OpenLibrary (http:/ / openlibrary. org/ books/ OL9174552M/ Matematicas_Discreta_y_Combinatoria).

Coeficiente binomial

131

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Coeficiente binomial. Commons Weisstein, Eric W. Coeficiente binomial (http://mathworld.wolfram.com/BinomialCoefficient.html) (en ingls). MathWorld. Wolfram Research.

Teorema de Green
En fsica y matemticas, el teorema de Green da la relacin entre una integral de lnea alrededor de una curva cerrada simple C y una integral doble sobre la regin plana D limitada por C. El teorema de Green se llama as por el cientfico britnico George Green y es un caso especial del ms general teorema de Stokes. El teorema afirma: Sea C una curva cerrada simple positivamente orientada, diferenciable por trozos, en el plano y sea D la regin limitada por C. Si L y M tienen derivadas parciales continuas en una regin abierta que contiene D,

A veces la notacin

se utiliza para establecer que la integral de lnea est calculada usando la orientacin positiva (antihoraria) de la curva cerrada C.

Relacin con el teorema de la divergencia


El teorema de Green es equivalente a la siguiente analoga bidimensional del teorema de Stokes: donde es el vector normal saliente en la frontera. es un vector

Para ver esto, considere la unidad normal en la parte derecha de la ecuacin. Como

apuntando tangencialmente a travs de una curva, y la curva C est orientada de manera positiva (es decir, en contra del sentido de las agujas del reloj) a travs de la frontera, un vector normal saliente sera aquel que apunta en 90hacia la derecha, el cual podra ser . El mdulo de este vector es . Por lo tanto . Tomando los componentes de , el lado derecho se convierte en

que por medio del teorema de Green resulta:

Teorema de Green

132

Enlaces externos
Teorema de Green en Mathworld [1] (en ingls) Una demostracin en flash del Teorema de Green [2] (en ingls) Libros recomendados Calculo multivariable [cuarta edicion] autor:James Stewart

Referencias
[1] http:/ / mathworld. wolfram. com/ GreensTheorem. html [2] http:/ / www. mekanizmalar. com/ greens_theorem_demo. html

Teorema de Gauss-Mrkov
En estadstica, el Teorema de Gauss-Mrkov, formulado por Carl Friedrich Gauss y Andri Mrkov, establece que en un modelo lineal general (MLG) en el que se establezcan los siguientes supuestos: Correcta especificacin: el MLG ha de ser una combinacin lineal de los parmetros ( de las variables: Muestreo aleatorio simple: la muestra de observaciones del vector aleatoria simple y, por lo tanto, el vector es independiente del vector Esperanza condicionada de las perturbaciones nula: Correcta identificacin: la matriz de regresoras (X) ha de tener rango completo: rg(X)=K<=N Homocedasticidad: Var(U/X)=S2I el estimador mnimo cuadrtico ordinario (MCO) de B es el estimador lineal e insesgado ptimo (ELIO o BLUE: best linear unbiased estimator), es decir, el estimador MCO es el estimador eficiente dentro de la clase de estimadores lineales e insesgados. Dicho teorema se basa en 10 supuestos, denominados, Supuestos de Gauss Mrkov; que sirven como hiptesis a la demostracin del mismo: 1. El modelo esta correctamente especificado. 2. Debe ser lineal en los parmetros. 3. El valor de la media condicional es cero. 4. Hay homocedasticidad. 5. No existe correlacin entre las perturbaciones. 6. La covarianza entre ui y xi es cero. 7. El nmero de observaciones es mayor que el de parmetros. 8. Existe variabilidad entre los x. 9. No hay multicolinealidad perfecta. 10. Las x son no estocsticas, es decir, son fijas en muestras repetidas. ) y no necesariamente es una muestra

Teorema de Gauss-Mrkov

133

Enlaces externos
Demostracin del teorema [1]

Referencias
[1] http:/ / www. jjgibaja. net/ el-teorema-de-gauss-markov

Homocedasticidad
En estadsticas se dice que un modelo predictivo presenta homocedasticidad cuando la varianza del error de la variable endgena se mantiene a lo largo de las observaciones. En otras palabras, la varianza de los errores es constante. Un modelo estadstico relaciona el valor de una variable a predecir con el de otras. Si el modelo es insesgado, el valor predicho es la media de la variable a predecir. En cualquier caso, el modelo da una idea del valor que tomar la variable a prededir. Por simplificar de anlisis, si se supone que la variable a predecir es escalar, aqu definida como , y que se explica mediante un conjunto de variables que se agregan en el vector . El valor predicho por el modelo se representar por . El error cometido por el modelo viene dado, entonces, por: Este error es una variable aleatoria: tomar un valor distinto cada vez que se ejecute el modelo. Se Habla de homocedasticidad si el error cometido por el modelo tiene siempre la misma varianza. En particular, si el modelo es homocedstico, el valor de las variables explicativas, , no afectar a la varianza del error.
Distribucin Homocedstica.

Distribucin Heterocedstica.

La homocedasticidad es una propiedad fundamental del modelo de regresin lineal general y est dentro de sus supuestos clsicos bsicos. Formalizando, se dice que existe homocedasticidad cuando la varianza de los errores estocsticos de la regresin es la misma para cada observacin i (de 1 a n observaciones), es decir:

donde

es un escalar constante para todo i. Lo que significara que habra una distribucin de probabilidad de

idntica amplitud para cada variable aleatoria. Esta cualidad es necesaria, segn el Teorema de Gauss-Mrkov, para que en un modelo los coeficientes estimados sean los mejores o eficientes, lineales e insesgados. Cuando no se cumple esta situacin, se dice que existe heterocedasticidad, que es cuando la varianza de cada trmino de perturbacin no es un nmero constante .

Homocedasticidad Este fenmeno suele ser muy comn en datos de Corte Transversal y tambin se presenta, menos frecuentemente, en series de tiempo. Si se regresiona un modelo a travs de Mnimos Cuadrados Ordinarios con presencia de heterocedasticidad, los coeficientes siguen siendo lineales e insesgados pero ya no poseen mnima varianza (eficiencia).

134

Causas frecuentes de ausencia de homocedasticidad


Variables independientes que posean un gran recorrido con respecto a su propia media
Esto generalmente ocurre cuando se ha dispuesto arbitrariamente el orden de las observaciones, generando, casualmente que existan observaciones con grandes valores en una determinada variable explicativa y lo mismo con valores pequeos de esta misma variable.

Omisin de variables importantes dentro del modelo a estimar


Obviamente, si se omite una variable de relevancia en la especificacin, tal variable quedar parcialmente recogida dentro de las perturbaciones aleatorias, introduciendo en estas su propia variacin, que no ser necesariamente fija.

Cambio de estructura
El hecho de que se produzca un cambio en la estructura determina un mal ajuste de los parmetros al conjunto de los datos muestrales. Y este no tiene porque influir del mismo modo en todo el recorrido de la muestra, pudiendo producir cuantas de desajuste del modelo diferentes y, por lo tanto, varianza no constante

Utilizar variables no relativizadas


Cuando existen observaciones dentro de una variable en concreto, y que poseen un valor mayor a las otras variables explicativas, puede originar valores del error diferentes. Esta situacin es similar a la explicada al principio pero con la salvedad que en este caso se compara con las otras variables (inclusive con la dependiente) y no con respecto a su media.

Estimar en presencia de heterocedasticidad


Clculo incorrecto de las varianza y parmetros ineficientes
La mayor varianza por empleo de MCO en presencia de heterocedasticidad puede producir un incremento de ms de 10 veces en la varianza estimada del parmetro constante.

Invalidacin de los contrastes de significancia


Ya que se aceptara la hiptesis nula de los contrastes de significancia ms veces de las reales. Generalmente resulta que ciertas variables podran resultar no ser significativas cuando lo son realmente.

Referencias
Damodar N. Gujarati. Econometra; Jorge Dresder Cid. Nociones de Econometra Intermedia Novales, A. Econometra

Regresin lineal

135

Regresin lineal
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela la relacin entre una variable dependiente Y, las variables independientes Xi y un trmino aleatorio . Este modelo puede ser expresado como:

: variable dependiente, explicada o regresando. : explicativas, regresores. : parmetros, miden la influencia que las variables explicativas tienen sobre el regresando. donde es la interseccin o trmino "constante", las son los parmetros respectivos a cada variable independiente, y es el nmero de parmetros independientes a tener en cuenta en la regresin. La regresin lineal variables o
Ejemplo de una regresin lineal con una variable dependiente y una variable independiente.

independientes

puede ser contrastada con la regresin no lineal.

Historia
La primera forma de regresiones lineales documentada fue el mtodo de los mnimos cuadrados, el cual fue publicado por Legendre en 1805,<ref ]], Gauss public un trabajo en donde desarrollaba de manera ms profunda el mtodo de los mnimos cuadrados,[1] y en dnde se inclua una versin del teorema de Gauss-Mrkov.

Etimologa
El trmino regresin se utiliz por primera vez en el estudio de variables antropomtricas: al comparar la estatura de padres e hijos, result que los hijos cuyos padres tenan una estatura muy superior al valor medio tendan a igualarse a ste, mientras que aquellos cuyos padres eran muy bajos tendan a reducir su diferencia respecto a la estatura media; es decir, "regresaban" al promedio.[2] La constatacin emprica de esta propiedad se vio reforzada ms tarde con la justificacin terica de ese fenmeno. El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que emplean modelos basados en cualquier clase de funcin matemtica. Los modelos lineales son una explicacin simplificada de la realidad, mucho ms gil y con un soporte terico por parte de la matemtica y la estadstica mucho ms extenso. Pero bien, como se ha dicho, podemos usar el trmino lineal para distinguir modelos basados en cualquier clase de aplicacin.

Regresin lineal

136

El modelo de regresin lineal


El modelo lineal relaciona la variable dependiente Y con K variables explicativas transformacin de stas, que generan un hiperplano de parmetros (2) donde es la perturbacin aleatoria que recoge todos aquellos factores de la realidad no controlables u observables y que por tanto se asocian con el azar, y es la que confiere al modelo su carcter estocstico. En el caso ms sencillo, con una sola variable explicativa, el hiperplano es una recta: (3) El problema de la regresin consiste en elegir unos valores determinados para los parmetros desconocidos , de modo que la ecuacin quede completamente especificada. Para ello se necesita un conjunto de observaciones. En una observacin cualquiera i-sima (i= 1,... I) se registra el comportamiento simultneo de la variable dependiente y las variables explicativas (las perturbaciones aleatorias se suponen no observables). (4) Los valores escogidos como estimadores de los parmetros, (5) Los valores son por su parte estimaciones de la perturbacin aleatoria o errores. , son los coeficientes de regresin, sin que se pueda desconocidos: (k = 1,...K), o cualquier

garantizar que coinciden con parmetros reales del proceso generador. Por tanto, en

Hiptesis modelo de regresin lineal clsico


1. Esperanza matemtica nula.

Para cada valor de X la perturbacin tomar distintos valores de forma aleatoria, pero no tomar sistemticamente valores positivos o negativos, sino que se supone que tomar algunos valores mayores que cero y otros menores, de tal forma que su valor esperado sea cero. 2. Homocedasticidad para todo t Todos los trminos de la perturbacin tienen la misma varianza que es desconocida. La dispersin de cada torno a su valor esperado es siempre la misma. 3. Incorrelacin. para todo t,s con t distinto de s en

Las covarianzas entre las distintas pertubaciones son nulas, lo que quiere decir que no estn correlacionadas o autocorrelacionadas. Esto implica que el valor de la perturbacin para cualquier observacin muestral no viene influenciado por los valores de la perturbacin correspondientes a otras observaciones muestrales. 4. Regresores no estocsticos. 5. No existen relaciones lineales exactas entre los regresores. 6. Suponemos que no existen errores de especificacin en el modelo ni errores de medida en las variables explicativas 7. Normalidad de las perturbaciones

Regresin lineal

137

Supuestos del modelo de regresin lineal


Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los siguientes supuestos:[3] 1. 2. 3. 4. La relacin entre las variables es lineal. Los errores en la medicin de las variables explicativas son independientes entre s. Los errores tienen varianza constante. (Homocedasticidad) Los errores tienen una esperanza matemtica igual a cero (los errores de una misma magnitud y distinto signo son equiprobables). 5. El error total es la suma de todos los errores.

Tipos de modelos de regresin lineal


Existen diferentes tipos de regresin lineal que se clasifican de acuerdo a sus parmetros:

Regresin lineal simple


Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros. Son de la forma:[4] (6) donde es el error asociado a la medicin del valor y y siguen los supuestos de modo que con ).

(media cero, varianza constante e igual a un Anlisis

Dado el modelo de regresin simple, si se calcula la esperanza (valor esperado) del valor Y, se obtiene:[5] (7) Derivando respecto a (9) (10) Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la siguiente solucin para ambos parmetros:[4] (11) (12) La interpretacin del parmetro es que un incremento en Xi de una unidad, Yi incrementar en y e igualando a cero, se obtiene:[5]

Regresin lineal mltiple


La regresion lineal nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin a otras variables llamndose Regresin mltiple. Constantemente en la prctica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. Maneja varias variables independientes. Cuenta con varios parmetros. Se expresan de la forma:[6] (13)

Regresin lineal donde es el error asociado a la medicin del valor y y siguen los supuestos de modo que con ).

138

(media cero, varianza constante e igual a un

Rectas de regresin
Las rectas de regresin son las rectas que mejor se ajustan a la nube de puntos (o tambin llamado diagrama de dispersin) generada por una distribucin binomial. Matemticamente, son posibles dos rectas de mximo ajuste:[7] La recta de regresin de Y sobre X: (14) La recta de regresin de X sobre Y: (15) La correlacin ("r") de las rectas determinar la calidad del ajuste. Si r es cercano o igual a 1, el ajuste ser bueno y las predicciones realizadas a partir del modelo obtenido sern muy fiables (el modelo obtenido resulta verdaderamente representativo); si r es cercano o igual a 0, se tratar de un ajuste malo en el que las predicciones que se realicen a partir del modelo obtenido no sern fiables (el modelo obtenido no resulta representativo de la realidad). Ambas rectas de regresin se intersecan en un punto llamado centro de gravedad de la distribucin.

Aplicaciones de la regresin lineal


Lneas de tendencia
Una lnea de tendencia representa una tendencia en una serie de datos obtenidos a travs de un largo perodo. Este tipo de lneas puede decirnos si un conjunto de datos en particular (como por ejemplo, el PBI, el precio del petrleo o el valor de las acciones) han aumentado o decrementado en un determinado perodo.[8] Se puede dibujar una lnea de tendencia a simple vista fcilmente a partir de un grupo de puntos, pero su posicin y pendiente se calcula de manera ms precisa utilizando tcnicas estadsticas como las regresiones lineales. Las lneas de tendencia son generalmente lneas rectas, aunque algunas variaciones utilizan polinomios de mayor grado dependiendo de la curvatura deseada en la lnea.

Medicina
En medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco[9] vinieron de estudios que utilizaban la regresin lineal. Los investigadores incluyen una gran cantidad de variables en su anlisis de regresin en un esfuerzo por eliminar factores que pudieran producir correlaciones espurias. En el caso del tabaquismo, los investigadores incluyeron el estado socio-econmico para asegurarse que los efectos de mortalidad por tabaquismo no sean un efecto de su educacin o posicin econmica. No obstante, es imposible incluir todas las variables posibles en un estudio de regresin.[10][11] En el ejemplo del tabaquismo, un hipottico gen podra aumentar la mortalidad y aumentar la propensin a adquirir enfermedades relacionadas con el consumo de tabaco. Por esta razn, en la actualidad las pruebas controladas aleatorias son consideradas mucho ms confiables que los anlisis de regresin.

Regresin lineal

139

Informtica
Ejemplo de una rutina que utiliza una recta de regresin lineal para proyectar un valor futuro: Cdigo escrito en PHP <?php //Pablo Romero //Licencia: GNU/GPL $xarray=array(1, 2, 3, 4, 5 ); //Dias $yarray=array(5, 5, 5, 6.8, 9); //Porcentaje de ejecucion $pm=100; //Valor futuro $x2=0; $y=0; $x=0; $xy=0; $cantidad=count($xarray); for($i=0;$i<$cantidad;$i++){ //Tabla de datos print ($xarray[$i]." ---- ".$yarray[$i]."<br>"); //Calculo de terminos $x2 += $xarray[$i]*$xarray[$i]; $y += $yarray[$i]; $x += $xarray[$i]; $xy += $xarray[$i]*$yarray[$i]; } //Coeficiente parcial de regresion $b=($cantidad*$xy-$x*$y)/($cantidad*$x2-$x*$x); //Calculo del intercepto $a=($y-$b*$x)/$cantidad; //Recta tendencial //y=a+bx //Proyeccion en dias para un 100% de la ejecucion: if ($b!=0) $dias_proyectados=($pm-$a)/$b; else $dias_proyectados=999999; //Infinitos $dp=round($dias_proyectados,0); if($dp<=$pm) print $dp."---> Culmina antes de los $pm dias <br>"; if($dp >$pm) print $dp ."---> ALARMA: No culmina antes de los $pm dias <br>"; ?>

Regresin lineal

140

Referencias
[1] C.F. Gauss. Theoria combinationis observationum erroribus minimis obnoxiae. (1821/1823) [2] Introduction to linear regression (http:/ / www. curvefit. com/ linear_regression. htm) Curvefit.com (en ingls) [3] "Anlisis de regresin lineal" (http:/ / www. ucm. es/ info/ socivmyt/ paginas/ profesorado/ benitacompostela/ tema2. doc), Universidad Complutense de Madrid [4] "Frmulas", Probabilidad y Estadstica. Cs. Bsicas. U.D.B. Matemtica. Universidad Tecnolgica Nacional, Facultad Regional Buenos Aires. Editorial CEIT-FRBA. (Cdigo BM2BT2) [5] Modelo de regresin lineal simple. (http:/ / www. einsteinnet. com/ econometria/ Introeconometria/ regsimple. htm) EinsteinNet. [6] Tcnicas de regresin: Regresin Lineal Mltiple. (http:/ / www. fisterra. com/ mbe/ investiga/ regre_lineal_multi/ regre_lineal_multi. asp) Prtega Daz, S., Pita Fernndez, S. Unidad de Epidemiologa Clnica y Bioestadstica. Complejo Hospitalario de La Corua (Espaa) [7] Apunte sobre Rectas de regresin. (http:/ / descartes. cnice. mec. es/ materiales_didacticos/ bidimensional_lbarrios/ regresion_est. htm) Ministerio de Educacin y Ciencia. Gobierno de Espaa. [8] Utilizacin de las lneas de tendencia (http:/ / www. paritech. com/ paritech-site/ education/ technical/ indicators/ trend/ linear3. asp), Paritech (en ingls) [9] Doll R, Peto r, Wheatley K, Gray R et al. Mortality in relation to smoking: 40 years' observations on male British doctors .BMJ 1994;309:901-911 (8 de octubre] [10] "Environmental Tobacco Smoke and Adult Asthma" (http:/ / ajrccm. atsjournals. org/ cgi/ content/ full/ 158/ 1/ 170) Division of Pulmonary and Critical Care Medicine, Division of Occupational and Environmental Medicine; Department of Medicine, Institute for Health Policy Studies; and Department of Epidemiology and Biostatistics, Universidad de California, San Francisco, California. (en ingls) [11] Efecto del tabaquismo, los sntomas respiratorios y el asma sobre la espirometra de adultos de la Ciudad de Mxico (http:/ / www. scielosp. org/ scielo. php?script=sci_arttext& pid=S0036-36342005000500002& lng=pt), Justino Regalado-Pineda; Alejandro Gmez-Gmez; Javier Ramrez-Acosta; Juan Carlos Vzquez-Garca

Bibliografa
Devore, Jay L.; Probabilidad y Estadstica para Ingeniera y Ciencias. International Thomson Editores. Mxico. ISBN-10: 9706864571. Walpole, Ronald E.; Raymond H.; Myers, Sharon L.; Probabilidad y Estadstica para Ingenieros. Pretice-Hall Hispanoamericana, S.A. Mxico. ISBN-10: 9701702646. Canavos, George C.; Probabilidad y Estadstica. Aplicaciones y Mtodos. McGraw-Hill. Mxico. ISBN-10: 9684518560.

Enlaces externos
Clculo de regresiones lineales en lnea. (http://www.wessa.net/esteq.wasp) (en ingls) ZunZun.com (http://zunzun.com/) Ajuste de curvas y superficies en lnea. (en ingls) xuru.org (http://www.xuru.org/rt/LR.asp) Herramientas de regresin lineal en lnea. (en ingls) (http://cajael.com/mestadisticos/T4DProbabilidad/node8.php) Simulacin de la recta de regresion de una variable bidimensional continua con R (lenguaje de programacin)

Regresin no lineal

141

Regresin no lineal
En estadstica, la regresin no lineal es un problema de inferencia para un modelo tipo:

basado en datos multidimensionales

, donde

es alguna

funcin no lineal respecto a algunos parmetros desconocidos . Como mnimo, se pretende obtener los valores de los parmetros asociados con la mejor curva de ajuste (habitualmente, con el mtodo de los mnimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadstica tales como intervalos de confianza para los parmetros as como pruebas de bondad de ajuste. El objetivo de la regresin no lineal se puede clarificar al considerar el caso de la regresin polinomial, la cual es mejor no tratar como un caso de regresin no lineal. Cuando la funcin toma la forma:

Ejemplo de regresin no lineal

la funcin

es no lineal en funcin de

pero lineal en funcin de los parmetros desconocidos

,y

. Este

es el sentido del trmino "lineal" en el contexto de la regresin estadstica. Los procedimientos computacionales para la regresin polinomial son procedimientos de regresin lineal (mltiple), en este caso con dos variables predictoras y . Sin embargo, en ocasiones se sugiere que la regresin no lineal es necesaria para ajustar polinomios. Las consecuencias prcticas de esta mala interpretacin conducen a que un procedimiento de optimizacin no lineal sea usado cuando en realidad hay una solucin disponible en trminos de regresin lineal. Paquetes (software) estadsticos consideran, por lo general, ms alternativas de regresin lineal que de regresin no lineal en sus procedimientos.

General
Linealizacin
Algunos problemas de regresin no lineal pueden linealizarse mediante una transformacin en la formulacin del modelo. Por ejemplo, consideremos el problema de regresin no lineal (ignorando el trmino de error):

Aplicando logaritmos a ambos lados de la ecuacin, se obtiene:

lo cual sugiere una estimacin de los parmetros desconocidos a travs de un modelo de regresin lineal de ln(y) con respecto a x, un calculo que no requiere procedimientos de optimizacin iterativa. De todas formas, la linealizacin debe usarse con cuidado ya que la influencia de los datos en el modelo cambia, as como la estructura del error del modelo y la interpretacin e inferencia de los resultados. Estos pueden ser resultados no muy convenientes. Hay que distinguir entre la "linealizacin" usada en los prrafos anteriores y la "linealizacin local" que se adopta para algoritmos clsicos como el de Gauss-Newton. De igual forma, la metodologa de modelos lineales generalizados no use linealizacin para la estimacin de parmetros.

Regresin no lineal

142

Mnimos cuadrados ordinarios y ponderados


La mejor curva de ajuste se considera como aquella que minimiza la suma de las desviaciones (residuales) al cuadrado (SRC). Este es la aproximacin por el mtodo de mnimos cuadrados (MMC). Sin embargo, en aquellos casos donde se tienen diferentes varianzas de error para diferentes errores, es necesario minimizar la suma de los residuales al cuadrado ponderados (SRCP) (mtodo de mnimos cuadrados ponderados). En la prctica, la varianza puede depender del valor promedio ajustado. As que los pesos son recalculados para cada iteracin en un algoritmo de mnimos cuadrados ponderados iterativo. En general, no hay una expresin de forma cerrada para los parmetros de mejor ajuste, como sucede en el caso de la regresin lineal. Mtodos numricos de optimizacin son aplicados con el fin de determinar los parmetros de mejor ajuste. Otra vez, en contraste con la regresin lineal, podra haber varios mximos locales de la funcin a ser optimizada. En la prctica, se suponen algunos valores iniciales los cuales junto con el algoritmo de optimizacin conducen a encontrar el mximo global.

Estimacin de los parmetros usando Mtodos de Montecarlo


Si el error de cada observacin es conocido, entonces la precisin y confiabilidad de los parmetros puede ser estimada mediante simulacin de Montecarlo. Cada observacin es aleatorizada de acuerdo a su media y su desviacin estndar. Con el nuevo conjunto de datos, una nueva curva es ajustada y las estimaciones de los parmetros registradas. Las observaciones son entonces aleatorizadas y nuevos valores de los parmetros son obtenidos. Al final, varios conjuntos de parmetros son generados y su media y desviacin estndar pueden ser calculados.[1][2]

Software
Diversos lenguajes de programacin y software estadstico y matemtico contienen funciones de optimizacin. Entre ellos, Gauss, GNU Octave, Matlab, Mathematica, R, Splus; C++ y Fortran maple.

Mtodos Numricos para Regresiones No Lineales


Regresin Exponencial
En determinados experimentos, en su mayora biolgicos, la dependencia entre las variables X e Y es de forma exponencial, en cuyo caso interesa ajustar a la nube de puntos una funcin del tipo:

Mediante una transformacin lineal, tomando logaritmos neperianos, se convierte el problema en una cuestin de regresin lineal. Es decir, tomando logaritmos neperianos:

Ejemplo

Regresin no lineal

143

x 1 1,2 1,5 2 3 3,7 4 4,5 3

In y 1,0986 1,2237 1,6094 0,6931 1,4109 1,6094 1,9459 1,8718 1

x2

x Iny 1,0986 1,4684 2,4141 1,3862 4,2327 5,9547 7,7836 8,4231

In y2 1,2069 1,4974 2,5901 0,4803 1,9906 2,5901 3,7865 3,5056

3,4 5 2 4,1 5 7 6,5

1,44 2,25 4 9 13,69 16 20,25

20,9 36 11,4628 67,63 32,7614 17,6455

Numero de datos = n = 8 x promedio = y promedio = = = = 2,6125 = 1,43285

Usando la forma lineal de la Regresin Exponencial: b= = = 1,43285 - (0,216047)(2,6125) = 0,868427 a=e =e


b 0,868427

= 0,216047

= 2,38316

La ecuacion final que modela el sistema es

Regresin Logartmica
La curva logartmica e , est referida a ya es tambin una recta, pero en lugar de estar referida a las variables originales

Ejemplo
x 1 1.2 1.5 2 3 3.7 4 4.5 3 3.4 5 2 4.1 5 7 6.5 y 0 0.1823 0.4054 0.6931 1.0986 1.3083 1.3862 1.5040 ln x 0 0.0332 0.1643 0.4803 1.2069 1.7116 1.9215 2.2620 ln2 x 0 0.6198 2.027 1.3862 4.5042 6.5415 9.7034 9.776 ln x * y 9 11.56 25 4 16.81 25 49 42.25 y2

20.9 36 6.5779 7.7798 34.5581 182.62

Regresin no lineal

144

a= b=

= = 4.5 - (2.090513)(0.8222) = 2.78117

= 2.090513

La ecuacion final que modela el sistema es

Regresin Polinomial
Algunas veces cuando la relacin entre las variables dependientes e independientes es no lineal, es til incluir trminos polinomiales para ayudar a explicar la variacin de nuestra variable dependiente. Las regresiones polinomiales se pueden ajustar la variable independiente con varios trminos

Que, derivando respecto a cada uno de los coeficientes nos da el planteamiento un sistema de ecuaciones de la siguiente forma:

Ejemplo
x 1 1.2 1.5 2 3 3.7 4 4.5 3 3.4 5 2 4.1 5 7 6.5 y 3 4.08 7.5 4 12.3 18.5 28 29.25 xy 1 1.44 2.25 4 9 13.69 16 20.25 x2 9 11.56 25 4 16.81 25 49 42.25 y2 3 4.896 11.25 8 36.9 68.45 112 131.625 x2y 1 1.728 3.375 8 27 50.653 64 91.125 x3 1 2.0736 5.0625 16 81 187.4161 256 410.0625 x4

20.9 36 106.63 67.63 182.62 376.121 246.881 958.6147

Usando una Matriz para calcular valores de los coeficientes

Regresin no lineal Usando el mtodo de Eliminacin de Gauss-Jordan

145

La ecuacin final que modela el sistema es

Referencias
[1] Motulsky, HJ & Ransnas, LA (1987) Fitting curves to data using nonlinear regression. FASEB J 1:365-374 [2] McIntosh, JEA & McIntosh, RP (1980) Mathematical modelling and computers in endocrinology. p71 Springer-Verlag, Berlin, Germany.

Bibliografa
G.A.F Seber and C.J. Wild. Nonlinear Regression. New York: John Wiley and Sons, 1989. R.M. Bethea, B.S. Duran and T.L. Boullion. Statistical Methods for Engineers and Scientists. New York: Marcel Dekker, Inc 1985 ISBN 0-8247-7227-X

Enlaces externos
levmar (http://www.ics.forth.gr/~lourakis/levmar/), implementacin Levenberg-Marquardt algoritmo en C/C++, con las interfaces de MATLAB, Perl y Python. Licencia: GPL Arquimedex: Software para Regresin No Lineal (http://soft.arquimedex.com/regresion_lineal.php), Regresin Lineal y No Lineal Online ISAT (http://www.che.utexas.edu/~john/research/isat.htm), Nonlinear regression with explicit error control Zunzun.com (http://zunzun.com), Online curve and surface fitting NLREG (http://www.nlreg.com), a proprietary program Matlab statistic (http://www.mathtools.net/MATLAB/Statistics/) SysLinea 0.1.2 Regresin lineal y non lineal con cdigo fuente en pascal (Open Source GNU/GPL) (https://sites. google.com/site/mgbfreeware/)

Teorema de Bell

146

Teorema de Bell
El teorema de Bell o desigualdades de Bell se aplica en mecnica cuntica para cuantificar matemticamente las implicaciones planteadas tericamente en la paradoja de Einstein-Podolsky-Rosen y permitir as su demostracin experimental. Debe su nombre al cientfico norirlands John S. Bell, que la present en 1964. El teorema de Bell es un metateorema que muestra que las predicciones de la mecnica cuntica (MC) no son intuitivas, y afecta a temas filosficos fundamentales de la fsica moderna. Es el legado ms famoso del fsico John S. Bell. El teorema de Bell es un teorema de imposibilidad, que afirma que: Ninguna teora fsica de variables ocultas locales puede reproducir todas las predicciones de la mecnica cuntica.

Introduccin
Como en el experimento expuesto en la paradoja EPR, Bell consider un experimento donde una fuente produce pares de partculas entrelazadas. Por ejemplo, cuando un par de partculas con espines entrelazados es creado; una partcula se enva a Alicia y la otra a Bob. En cada intento, cada observador Ilustracin del test de Bell para partculas de espn 1/2. La fuente produce un par de independientemente elige entre varios espn singlete, una partcula se enva a Alicia y otra a Bob. Cada una problema de la medidamide uno de los dos espines posibles. ajustes del detector y realiza una medida sobre la partcula. (Nota: aunque la propiedad entrelazada utilizada aqu es el espn de la partcula, podra haber sido cualquier "estado cuntico" entrelazado que codifique exactamente un bit cuntico.) Cuando Alicia y Bob miden el espn de la partcula a lo largo del mismo eje (pero en direcciones opuestas), obtienen resultados idnticos el 100% de las veces. Pero cuando Bob mide en ngulos ortogonales (rectos) a las medidas de Alicia, obtienen resultados idnticos nicamente el 50% de las veces. En trminos matemticos, las dos medidas tienen una correlacin de 1, o correlacin perfecta cuando se miden de la misma forma; pero cuando se miden en ngulos rectos, tienen una correlacin de 0; es decir, ninguna correlacin. (Una correlacin de 1 indicara tener resultados opuestos en cada medida.)
Mismo eje: Alicia, 0: Bob, 180: Correlacion: ( par 1 par 2 par 3 par 4 + + +1 +1 +1 + + +1 ... ... ...)/n = +1 (100% idntica) Ejes ortogonales: par 1 par 2 par 3 par 4 Alicia, 0: Bob, 90: Correlacion: ( + 1 +1 + + +1 + 1 ... ... ...)/n = 0.0 (50% idntica) ...n ...n

Teorema de Bell De hecho, los resultados pueden ser explicados aadiendo variables ocultas locales - cada par de partculas podra haber sido enviada con instrucciones sobre cmo comportarse segn se las mida en los dos ejes (si '+' o '' para cada eje). Claramente, si la fuente nicamente enva partculas cuyas instrucciones sean idnticas para cada eje, entonces cuando Alicia y Bob midan sobre el mismo eje, estn condenados a obtener resultados idnticos, o bien (+,+) o (,); pero (si todos las posibles combinaciones de + y son generadas igualmente) cuando ellos midan sobre ejes perpendiculares vern correlacin cero. Ahora, considere que Alicia o Bob pueden rotar sus aparatos de forma relativa entre ellos un ngulo cualquiera en cualquier momento antes de medir las partculas, incluso despus de que las partculas abandonen la fuente. Si las variables ocultas locales determinan el resultado de las medidas, entonces las partculas deberan codificar en el momento de abandonar la fuente los resultados de medida para cualquier posible direccin de medida, y no slo los resultados para un eje particular. Bob comienza este experimento con su aparato rotado 45 grados. Llamamos a los ejes de Alicia rotados de Bob y y , y a los ejes . Alice y Bob entonces graban las direcciones en que ellos miden las partculas, y los

147

resultados que obtienen. Al final, comparan sus resultados, puntuando +1 por cada vez que obtienen el mismo resultado y 1 si obtienen un resultado opuesto - excepto que si Alicia midi en y Bob midi en , puntuarn +1 por un resultado opuesto y 1 para el mismo resultado. Utilizando este sistema de puntuacin, cualquier posible combinacin de variables ocultas producira una puntuacin media esperada de, como mximo, +0.5. (Por ejemplo, mirando la tabla inferior, donde los valores ms correlacionados de las variables ocultas tienen una correlacin media de +0.5, i.e. idnticas al 75%. El "sistema de puntuacin" inusual asegura que la mxima correlacin media esperada es +0.5 para cualquier posible sistema que est basado en variables locales.)
Modelo clsico: Variable oculta para 0 (a): Variable oculta para 45 (b): Variable oculta para 90 (a'): Variable oculta para 135 (b'): Puntuacin de correlacin: Si se mide sobre a-b, puntuacin: +1 +1 +1 1 +1 +1 1 +1 +1 1 +1 +1 +1 +1 +1 +1 1 +1 +1 1 +1 +1 1 +1 +1 -1 +1 +1 +1 +1 1 -1 1 1 1 +1 1 1 1 1 +1 1 +1 1 1 1 +1 1 1 1 1 1 +1 1 1 +1 1 +1 1 1 1 + + + + variables altamente correlacionadas + + + + + + + + + + + + + + + variables menos correlacionadas + + + + + + + + + + + + +

Si se mide sobre a'b, puntuacin: +1 Si se mide sobre a'-b', puntuacin: +1

Si se mide sobre ab', puntuacin: 1 Puntuacin esperada promedio:

+0.5 +0.5 +0.5 +0.5 +0.5 +0.5 +0.5 +0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5

El teorema de Bell muestra que si las partculas se comportan como predice la mecnica cuntica, Alicia y Bob pueden puntuar ms alto que la prediccin clsica de variables ocultas de correlacin +0.5; si los aparatos se rotan 45 entre s, la mecnica cuntica predice que la puntuacin esperada promedio ser 0.71. (Prediccin cuntica en detalle: Cuando las observaciones en un ngulo de entrelazadas, la correlacin predicha es de ejes excepto donde son 135 y la partcula sobre su vector de medida; por trigonometra, . es 45, y son realizadas sobre dos partculas es , para todos los pares . La correlacin es igual a la longitud de la proyeccin del vector de pero este ltimo se toma negativo en el sistema de puntuacin ; 0.707. En otras palabras, las partculas se comportan como si

acordado, por lo que la puntuacin total es

cuando Alicia o Bob hacen una medida, la otra partcula decidiese conmutar para tomar esa direccin instantneamente.)

Teorema de Bell Varios investigadores han realizado experimentos equivalentes utilizando diferentes mtodos. Parece que muchos de estos experimentos producen resultados que estn de acuerdo con las predicciones de la mecnica cuntica [1], conduciendo a la refutacin de las teoras de variables ocultas locales y la demostracin de la no localidad. Todava existen cientficos que no estn de acuerdo con estos hallazgos [2]. Se encontraron dos escapatorias en el primero de estos experimentos, la escapatoria de deteccin [3] y la escapatoria de comunicacin [4] con los experimentos asociados para cerrar estas escapatorias. Tras toda la experimentacin actual parece que estos experimentos dan prima facie soporte para las predicciones de la mecnica cuntica de no localidad [5].

148

Importancia del teorema


Este teorema ha sido denominado "el ms profundo de la ciencia."[6] El artculo seminal de Bell de 1964 fue titulado "Sobre la paradoja de Einstein Podolsky Rosen."[7] La paradoja Einstein Podolsky Rosen (paradoja EPR) demuestra que, sobre la base de la asuncin de "localidad" (los efectos fsicos tienen una velocidad de propagacin finita) y de "realidad" (los estados fsicos existen antes de ser medidos) que los atributos de las partcula tienen valores definidos independientemente del acto de observacin. Bell mostr que el realismo local conduce a un requisito para ciertos tipos de fenmenos que no est presente en la mecnica cuntica. Este requisito es denominado desigualdad de Bell. Despus de EPR (EinsteinPodolskyRosen), la mecnica cuntica qued en una posicin insatisfactoria: o estaba incompleta, en el sentido de que fallaba en tener en cuenta algunos elementos de la realidad fsica, o violaba el principio de propagacin finita de los efectos fsicos. En una modificacin del experimento mental EPR, dos observadores, ahora comnmente llamados Alicia y Bob, realizan medidas independientes del espn sobre un par de electrones, preparados en una fuente en un estado especial llamado un estado de espn singlete. Era equivalente a la conclusin de EPR de que una vez Alicia midiese el espn en una direccin (i.e. sobre el eje x), la medida de Bob en esa direccin estara determinada con total certeza, con resultado opuesto al de Alicia, mientras que inmediatamente antes de la medida de Alicia, el resultado de Bob estaba slo determinado estadsticamente. Por tanto, o el espn en cada direccin es un elemento de realidad fsica, o los efectos viajan desde Alicia a Bob de forma instantnea. En mecnica cuntica (MC), las predicciones son formuladas en trminos de probabilidades por ejemplo, la probabilidad de que un electrn sea detectado en una regin particular del espacio, o la probabilidad de que tenga espn arriba o abajo. Sin embargo, persiste la idea de que un electrn tiene una posicin y espn definidos, y que la debilidad de la MC es su incapacidad de predecir exactamente esos valores de forma precisa. Queda la posibilidad de que alguna teora ms potente todava desconocida, como una teora de variables ocultas, pueda ser capaz de predecir estas cantidades exactamente, mientras al mismo tiempo est en completo acuerdo con las respuestas probabilsticas dadas por la MC. Si una teora de variables ocultas fuera correcta, las variables ocultas no seran descritas por la MC, y por lo tanto la MC sera una teora incompleta. El deseo de una teora local realista se basaba en dos hiptesis: 1. Los objetos tienen un estado definido que determina los valores de todas las otras variables medibles, como la posicin y el momento. 2. Los efectos de las acciones locales, como las mediciones, no pueden viajar ms rpido que la velocidad de la luz (como resultado de la relatividad especial). Si los observadores estn suficientemente alejados, una medida realizada por uno no tiene efecto en la medida realizada por el otro. En la formalizacin del realismo local utilizada por Bell, las predicciones de la teora resultan de la aplicacin de la probabilidad clsica a un espacio de parmetros subyacente. Mediante un simple (aunque inteligente) argumento basado en la probabilidad clsica, mostr que las correlaciones entre las medidas estn acotadas de una forma que es violada por la MC. El teorema de Bell parece poner punto final a las esperanzas del realismo local para la MC. Por el teorema de Bell, o bien la mecnica cuntica o bien el realismo local estn equivocados. Se necesitan experimentos para determinar cul es correcto, pero llev muchos aos y muchos avances en la tecnologa el poder realizarlos.

Teorema de Bell Los experimentos de prueba de Bell hasta la fecha muestran inequvocamente que las desigualdades de Bell son violadas. Estos resultados proveen evidencia emprica contra el realismo local y en favor de la MC. El teorema de no comunicacin prueba que los observadores no pueden utilizar las violaciones de la desigualdad para comunicarse informacin entre ellos ms rpido que la luz. El artculo de John Bell examina tanto la prueba de 1932 de John von Neumann sobre la incompatibilidad de las variables ocultas con la mecnica cuntica, como el artculos seminal de Albert Einstein y sus colegas de 1935 sobre la materia.

149

Desigualdades de Bell
Las desigualdades de Bell conciernen mediciones realizadas por observadores sobre pares de partculas que han interaccionado y se han separado. De acuerdo a la mecnica cuntica las partculas estn en un estado entrelazado, mientras que el realismo local limita la correlacin de las siguientes medidas sobre las partculas. Autores diferentes posteriormente han derivado desigualdades similares a la desigualdad de Bell original, colectivamente denominadas desigualdades de Bell. Todas las desigualdades de Bell describen experimentos donde el resultado predicho asumiendo entrelazamiento difiere del que se deducira del realismo local. Las desigualdades asumen que cada objeto de nivel cuntico tiene un estado bien definido que da cuenta de todas sus propiedades medibles y que objetos distantes no intercambian informacin ms rpido que la velocidad de la luz. Estos estados bien definidos son llamados a menudo variables ocultas, las propiedades que Einstein afirm cuando hizo su famosa objecin a la mecnica cuntica: "Dios no juega a los dados." Bell mostr que bajo la mecnica cuntica, que carece de variables locales ocultas, las desigualdades (el lmite de correlacin) pueden ser violadas. En cambio, las propiedades de una partcula que no son fciles de verificar en mecnica cuntica pero pueden estar correlacionadas con las de la otra partcula debido al entrelazamiento cuntico, permiten que su estado est bien definido slo cuando una medida se hace sobre la otra partcula. Esta restriccin est de acuerdo con el principio de incertidumbre de Heisenberg, un concepto fundamental e ineludible de la mecnica cuntica. En el trabajo de Bell: Los fsicos tericos viven en un mundo clsico, mirando hacia un mundo cuntico. El ltimo es descrito slo subjetivamente, en trminos de procedimientos y resultados sobre nuestro dominio clsico. (...) Nadie conoce dnde se encuentra el lmite entre el dominio clsico y el cuntico. (...) Ms plausible para m es que encontremos que no hay lmite. Las funciones de onda seran una descripcin provisional o incompleta de la parte de la mecnica cuntica. Es esta posibilidad, acerca de una visin homognea del mundo, lo que constituye para m la motivacin principal que me lleva al estudio de la as llamada posibilidad de las "variables ocultas". (...) Una segunda motivacin est conectada con el carcter estadstico de las predicciones de la mecnica cuntica. Una vez se sospecha de la incompletitud de la descripcin por funciones de onda, se puede aventurar que las fluctuaciones aleatorias estadsticas estn determinadas por las variables adicionales "ocultas" "ocultas" porque hasta ahora slo podemos conjeturar su existencia y ciertamente no podemos controlarlas. (...) Una tercera motivacin est en el carcter peculiar de algunas predicciones de la mecnica cuntica, que parecen casi gritar por una interpretacin de variables ocultas. Este es el famoso argumento de Einstein, Podolsky y Rosen. (...) Encontramos, sin embargo, que ninguna teora local determinista de variables ocultas puede reproducir todas las predicciones experimentales de la mecnica cuntica. Esto abre la posibilidad de traer la cuestin al dominio experimental, intentando aproximar tanto como sea posible las situaciones ideales donde las variables locales ocultas y la mecnica cuntica no concuerdan En teora de la probabilidad, las mediciones repetidas de las propiedades de un sistema pueden ser consideradas como muestras repetidas de variables aleatorias. En el experimento de Bell, Alicia puede elegir el ajuste del detector

Teorema de Bell para medir o bien o bien y Bob puede elegir un ajuste del detector para medir o bien o bien

150 . Las medidas

Bob deben de alguna forma estar correlacionadas entre s, pero las desigualdades de Bell dicen que si la correlacin proviene de variables aleatorias locales, entonces existe un lmite a la magnitud de la correlacin que uno puede esperar obtener.

Desigualdad original de Bell


La desigualdad original que Bell dedujo fue:[7]

donde C es la "correlacion" de los pares de partculas y a, b y c ajustes del aparato. Esta desigualdad no se utiliza en la prctica. Por un lado, es cierta slo para sistemas genuinamente de "dos salidas", no para los de "tres salidas" (con posibles salidas de cero adems de +1 y 1) encontradas en los experimientos reales. Por otro, se aplica nicamente a un conjunto muy restrictivo de teoras de variables ocultas, solamente a aquellas para las que las salidas a ambos lados del experimento estn siempre anticorrelacionadas cuando los analizadores estn paralelos, de acuerdo con la prediccin de la mecnica cuntica. Existe un lmite simple de la desigualdad de Bell que tiene la virtud de ser completamente intuitivo. Si el resultado de tres lanzamientos de monedas estadsticamente diferentes A,B,C tienen la propiedad de que: 1. A y B son los mismos (ambos caras o ambos cruces) 99% del tiempo 2. B y C son los mismo el 99% del tiempo entonces A y C son los mismo por lo menos el 98% del tiempo. El nmero de discordancias entre A y B (1/100) ms el nmero de discordancias entre B y C (1/100) son el mximo nmero posible de discordancias entre A y C. En mecnica cuntica, dejando que A,B,C sean los valores del espn de dos partculas entrelazadas medidas con respecto a algn eje a 0 grados, grados, y 2 grados respectivamente, el solapamiento de la funcin de onda entre los distintos ngulos es proporcional a . La probabilidad de que A y B den la misma respuesta es , donde es proporcional a . Esta es tambin la probabilidad de que B y C den la misma respuesta. Pero A , A y B estn correlacionados al 99%, y C son los mismos 1(2)2 del tiempo. Eligiendo el ngulo para que

B y C estn correlacionados al 99% y A y C estn correlacionados slo el 96%. Imagine que dos partculas entrelazadas en un singlete de espn se alejan a dos localizaciones diferentes, y que los espines de ambas son medidos en la direccin A. Los espines estarn correlacionados al 100% (realmente, anticorrelacionados pero para este argumento es equivalente). Lo mismo es cierto si ambos espines son medidos en las direcciones B o C. Es seguro concluir que cualquier variable oculta que determinase las medidas de A, B y C en las dos partculas est correlacionada al 100% y puede ser utilizada indistintamente en ambas. Si A es medida en una partcula y B en la otra, la correlacin entre ellas es del 99%. Si B es medida en una y C en la otra, la correlacin es del 99%. Esto nos permite concluir que las variables ocultas que determinan A y B estn correlacionadas al 99% y las de B y C al 99%. Pero si A se mide en una partcula y C en la otra, los resultados estn correlacionados slo en un 96%, lo que es una contradiccin. La formulacin intuitiva se debe a David Mermin, mientras que el lmite del ngulo pequeo es destacado en el artculo original de Bell.

Teorema de Bell

151

Desigualdad CHSH
Adicionalmente a la desigualdad de Bell original,[7] la forma dada por John Clauser, Michael Horne, Abner Shimony and R. A. Holt,[8] (the CHSH form) es especialmente importante,[8] porque da lmites clsicos a la correlacin esperada para el experimiento anterior realizado por Alicia y Bob:

donde C denota correlacin. La correlacin de observables X, Y se define como

Esta es una forma no normalizada del coeficiente de correlacin considerada en estadstica (ver correlacin cuntica). Para formular el teorema de Bell, formalizaremos el realismo local como sigue: 1. Existe un espacio de probabilidades y las salidas observadas de Alicia y Bob resultan del muestreo aleatorio del parmetro . 2. Los valores observados por Alicia y Bob son funciones de los ajustes del detector local y de los parmetros ocultos nicamente. Luego El valor observado por Alicia con el detector ajustado en a es El valor observado por Bob con el detector ajustado en b es Implcita en la asuncin 1) de arriba, el espacio de parmetros ocultos valor esperado de una variable aleatoria X sobre con respecto a tiene una medida de probabilidad y el se escribe

donde para mayor legibilidad de la notacin asumimos que la medida de probabilidad tiene una densidad. desigualdad de Bell. La desigualdad CHSH (1) se cumple bajo la asuncin de variables ocultas anterior. Por simplicidad, asumamos primero que los valores observados son +1 or 1; quitaremos esta observacin abajo en la Nota 1. Sea . Entonces por lo menos uno de

es 0. Entonces

y por tanto

Nota 1. La desigualdad de correlacin (1) todava se mantiene si las variables

pueden tomar

valor sobre cualquier valor real entre 1 and +1. De hecho, la idea relevante es que cada sumando en la media superior est acotado superiormente por 2. Es fcil ver que esto es cierto en el caso ms general:

Teorema de Bell

152

Para justificar el lmite superior 2 afirmado en la ltima inecuacin, sin prdida de generalidad, podemos asumir que

En ese caso

Nota 2. Aunque el componente importante del parmetro oculto

en la demostracin original de Bell est asociado

con la fuente y es compartido por Alicia y Bob, pueden haber otros que estn asociados con los detectores separados, siendo estos ltimos independientes. Este argumento fue utilizado por Bell en 1971, y de nuevo por Clauser y Horne en 1974,[9] para justificar una generalizacin del teorema forzada sobre ellos por los experimentos reales, donde los detectores nunca tienen una eficiencia del 100%. Las derivaciones fueron dadas en trminos de las medias de las salidas sobre las variables locales de los detectores. La formalizacin del realismo local fue entonces cambiada efectivamente, reemplazando A y B por medias y reteniendo el smbolo pero con uun significado ligeramente diferente. Fue entonces restringido (en muchos trabajos tericos) a significar slo aquellos componentes que estuvieran asociados con la fuente. Sin embargo, con la extensin probada en la Nota 1, la desigualdad de CHSH todava se cumple incluso si los propios instrumentos contienen ellos mismos variables ocultas. En este caso, promediando sobre las variables ocultas del intrumento obtenemos nuevas variables:

sobre

que todava tienen valores en el rango [1,+1] por lo que podemos aplicar el resultado previo.

Las desigualdades de Bell son violadas por las predicciones de la mecnica cuntica
En el formalismo usual de la mecnica cuntica, los observables X e Y son representados como operadores autoadjuntos sobre un espacio de Hilbert. Para computar la correlacin, asumimos que X e Y son representados por matrices en un espacio de dimensin finita y que X e Y conmutan; este caso especial es suficiente para nuestros propsitos abajo. El postulado de medida de von Neumann establece que: una serie de medidas de un observable X sobre una serie de sistemas idnticos en el estado produce una distribucin de valores reales. Por la asuncin de que los observables son matrices finitar, esta distribucin es discreta. La probabilidad de observar es no nula si y slo si es un autovalor de la matriz X y por lo tanto la probabilidad es donde EX () es el proyector correspondiente al autovalor . El estado del sistema inmediatamente tras la medicin es De aqu, podemos mostrar que la correlacin de observables que conmutan X e Y en un estado puro es

Apliquemos este hecho en el contexto de la paradoja EPR. Las medidas realizadas por Alicia y Bob son medidas de espn sobre electrones. Alicia puede elegir entre dos ajustes del detector denominados a y a; estos ajustes

Teorema de Bell corresponden a medidas del espn a lo largo del eje z o del eje x. Bob puede elegir entre dos ajustes del detector denominados b y b; stos corresponden a medidas del espn a lo largo del eje z o del eje x, donde el sistema de coordenadas x z es rotado 45 relativamente al sistema de coordenadas x z. Los observables del espn son representados por matrices autoadjuntas 2 2 :

153

Estas son las matrices de espn de Pauli normalizadas para que los correspondientes autovalores sean +1, 1. Como es costumbre, denotamos los autovectores de Sx por Sea el estado de singlete de espn para un par de electrones como en la paradoja EPR. Este es un estado

especialmente construido descrito por los siguientes vectores en el producto tensorial

Ahora apliquemos el formalismo CHSH a las medidas que pueden ser realizadas por Alicia y Bob.

Los

operadores

,
Ilustracin del test de Bell para partculas de espn 1/2. La fuente produce pares de

corresponden a las medidas del espn

singlete de espn, una partcula de cada par es enviada a Alicia y la otra a Bob. Cada uno de Bob a lo largo de x y z. Notese que realizar una de las dos medidas de espn. los operadores A conmutan con los operadores B, por lo que podemos aplicar nuestro clculo para la correlacin. En este caso, podemos mostrar que la desigualdad CHSH falla. De hecho, un clculo directo muestra que

por lo que

Teorema de Bell: Si el formalismo de la mecnica cuntica es correcto, entonces el sistema consistente en un par de electrones entrelazados no puede satisfacer el principio del realismo local. Ntese que es de hecho el lmite superior de la mecnica cuntica llamado lmite de Tsirelson. Los operadores que dan este valor mximo son siempre isomorfos a las matrices de Pauli.

Teorema de Bell

154

Experimentos prcticos para comprobar el teorema de Bell


Los tests experimentales pueden determinar si las desigualdades de Bell requeridas por el realismo local se mantienen bajo evidencia emprica. Las desigualdades de Bell son comprobadas por "contadores de coincidencias" de un experimento de prueba de Bell como el ptico mostrado en el diagrama. Los pares de partculas son emitidos como resultados de un proceso cuntico, analizados con respecto a alguna propiedad clave como la direccin de polarizacin, y entonces detectados. El ajuste (orientaciones) de los

Esquema de un test de Bell de "dos canales" La fuente SOURCE produce pares de "fotones", enviados en direcciones opuestas. Cada fotn encuentra un polarizador de dos canales cuya orientacin (a o b) pueda ser ajustada por el experimentador. Las seales emergentes de cada canal son detectadas y las coincidencias de cuatro tipos (++, , + y +) son contadas por el monitor de coincidencias.

analizadores son seleccionados por el experimentador. Los resultados experimentales de los test de Bell hasta la fecha violan la desigualdad de Bell de forma flagrante. Adems, puede verse una tabla de experimentos de test de Bell realizados antes de 1986 en 4.5 de Redhead, 1987.[10] De los trece experimentos listados, slo dos alcanzaron resultados contradictorios con la mecnica cuntica; adems, de acuerdo a la misma fuente, cuando se repitieron los experimentos, "las discrepancias con la MC no pudieron ser reproducidas". Sin embargo, el asunto no est concluyentemente zanjado. De acuerdo a artculo divulgativo de Shimony de la enciclopedia de Stanford de 2004:[11] Plantilla:Quotation Para explorar la 'escapatoria de deteccin', uno debe distinguir las clases de desigualdades de Bell homognea e inhomognea. La asuncin estndar en ptica Cuntica es que "todos los fotones de una frecuencia, direccin y polarizacin dadas son idnticos" por lo que los fotodetectores tratan todos los fotones incidentes sobre la misma base. Semejante asuncin de "muestreo justo" generalmente pasa desapercibida, pero limita efectivamente el rango de teoras locales a aquellas que conciben la luz como corpuscular. La asuncin excluye una gran familia de teoras de realismo local, en particular, la descripcin de Max Planck. Debemos recordar las palabras cautelosas de Albert Einstein[12] poco antes de morir: "Hoy en da cada Tom, Dick y Harry ('jeder Kerl' en el alemn original) piensa que sabe lo que es un fotn, pero est equivocado". Las propiedades objetivas del anlisis de Bell (teoras realistas locales) incluyen la amplitud de onda de una seal luminosa. Aquellos que mantienen el concepto de dualidad, o simplemente de la luz siendo una onda, reconocen la posibilidad o realidad de que las seales luminosas emitidas tengan un rango de amplitudes y, por lo tanto, que las amplitudes sean modificadas cuando la seal pase a travs de dispositivos de anlisis como polarizadores o separadores de rayos. Se sigue que no todas las seales tienen la misma probabilidad de deteccin (Marshall y Santos 2002[13]).

Teorema de Bell

155

Dos clases de desigualdades de Bell


El problema del muestreo justo fue encarado abiertamente en la dcada de 1970. En diseos anteriores de su experimento de 1973, Freedman y Clauser[14] utilizaron muestreo justo en la forma de la hiptesis de Clauser-Horne-Shimony-Holt (CHSH[8]). Sin embargo, poco despus Clauser y Horne[9] realizaron la importante distincin entre desigualdades de Bell inhomogneas (DBI) y homogneas (DBH). Comprobar una DBI requiere que comparemos ciertas tasas de coincidencia en dos detectores separados con las tasas aisladas de los dos detectores. Nadie necesita realizar el experimento, pues las tasas simples con todos los detectores en la dcada de 1970 eran como mnimo diez veces todas las tasas de coincidencia. Por ello, teniendo en cuenta esta baja eficiencia del detector, la prediccin MC realmente cumpla la DBI. Para llegar al diseo experimental donde la prediccin de la MC viola la DBI necesitamos detectores cuya eficiencia exceda del 82% para estados singlete, pero tenemos tasas oscuras muy bajas y tiempos muertos y de resolucin muy bajos. Esto est muy por encima del 30% disponible (Brida et al. 2006[15]) por lo que el optimismo de Shimony en la Stanford Encyclopedia, mencionado en la seccin precedente, parece exagerado.

Retos prcticos
Debido a que los detectores no detectan una gran parte de todos los fotones, Clauser y Horne[9] reconocieron que comprobar la desigualdad de Bell requiere algunas asunciones extra. Ellos introdujeron la Hiptesis de no aumento (NEH): una seal luminosa, originandose por ejemplo en una cascada atmica, tiene una cierta probabilidad de activar un detector. Entonces, si se interpone un polarizador entre la cascada y el detector, la probabilidad de deteccin no puede aumentar. Dada esta asuncin, hay una desigualdad de Bell entre las tasas de coincidencia con polarizadores y las tasas de coincidencias sin polarizadores. El experimento fue realizado por Freedman y Clauser,[14] que encontraron que la desigualdad de Bell se violaba. Por lo que la hiptesis de no aumento no puede ser cierta en un modelo de variables ocultas. El experimento de Freedman-Clauser revela que las variables ocultas locales implican el nuevo fenmeno de aumento de la seal: En en conjunto total de seales de una cascada atmica hay un subconjunto cuya probabilidad de deteccin aumenta como resultado de pasar a travs de un polarizador lineal. Esto es quiz no sorprendente, puesto que es sabido que aadir ruido a los datos puede, en presencia de un umbral, ayudar a revelar seales ocultas (esta propiedad es conocida como resonancia estocstica [16]). Uno no puede concluir que esta es la nica alternativa realista local a la Optica Cuntica, pero muestra que la escapatoria es sorteada. Adems, el anlisis conduce a reconocer que los experimentos de la desigualdad de Bell, ms que mostrar una ruptura con el realismo o la localidad, son capaces de revelar nuevos fenmenos importantes.

Retos tericos
Algunos defensores de la idea de las variables ocultas creen que los experimentos han rechazado las variables ocultas locales. Estn preparados para descartar la localidad, explicando la violacin de la desigualdad de Bell por medio de una teora de variables ocultas no local, donde las partculas intercambian informacin sobre sus estados. Esta es la base de la interpretacin de Bohm de la mecnica cuntica, que requiere que todas las partculas en el universo sean capaces de intercambiar informacin instantneamente con todas las dems. Un experimento reciente rechaz una gran clase de teoras de variables ocultas "no locales" y no Bohmianas [17] Si las variables ocultas pueder comunicarse entre s mas rpido que la luz, la desigualdad de Bell puede ser violada con facilidad. Una vez una partcula es medida, puede comunicar las correlaciones necesarias a la otra partcula. Puesto que en relatividad la nocin de simultaneidad no es absoluta, esto no es atractivo. Una idea es reemplazar la comunicacin instantnea con un proceso que viaje hacia atrs en el tiempo sobre el cono de luz del pasado. Esta es

Teorema de Bell la idea tras la interpretacin transaccional de la mecnica cuntica, que interpreta la emergencia estadstica de una historia cuntica como una convergencia gradual entre historias que van adelante y atrs en el tiempo.[18] Un trabajo reciente controvertido de Joy Christian[19] proclama que una teora determinista, local, y realista puede violar las desigualdades de Bell si los observables son elegidos para ser nmero no conmutativos en vez de nmeros conmutativos como Bell asumi. Christian proclama que de esta forma las predicciones estadsticas de la mecnica cuntica pueder ser reproducidas exactamente. La controversia sobre este trabajo concierne su proceso de promediado no conmutativo, donde los promedios de los productos de variables en lugares distantes dependen del orden en que aparecen en la integral de promediacin. Para muchos, esto parece como correlaciones no locales, aunque Christian defines la localidad para que este tipo de cosa est permitida.[20][21] En este trabajo, Christian construye una visin de la MC y del experimento de Bell que respeta el entrelazamiento rotacional de la realidad fsica, que est incluido en la MC por construccin, pues esta propiedad de la realidad se manifiesta claramente en el espn de las partculas, pero no es usualmente tenida en cuenta en el realismo clsico. Tras construir esta vista clsica, Christian sugiere que en esencia, esta es la propiedad de la realidad que origina los valores aumentados de las desigualdades de Bell y como resultado es posible construir una teora local y realista. Ms an, Christian sugiere un experimento completamente macroscpico, constituido por miles de esferas de metal, para recrear los resultados de los experimentos usuales. La funcin de onda de la mecnica cuntica tambin puede proveer de una descripcin realista local, si los valores de la funcin de onda son interpretados como las cantidades fundamentales que describen la realidad. A esta aproximacin se la llama interpretacin de las realidades alternativas de la mecnica cuntica. En esta controvertida aproximacin, dos observadores distantes se dividen en superposiciones al medir un espn. Las violaciones de las desigualdades de Bell ya no son contraintuitivas, pues no est claro qu copia del observador B ver a qu copia del observador A cuando comparen las medidas. Si la realidad incluye todas las diferentes salidas, la localidad en el espacio fsico (no en el espacio de salidas) no es ya restriccin sobre cmo los observadores divididos pueden encontrarse. Esto implica que existe una sutil asuncin en el argumento de que el realismo es incompatible con la mecnica cuntica y la localidad. La asuncin, en su forma ms dbil, se llama definicin contrafactual. Esta establece que si el resultado de un experimento se observa siempre de forma definida, existe una cantidad que determina cul hubiera sido la salida aunque no se realice el experimento. La interpretacin de las realidades alternativas (o interpretacin de los muchos mundos) no es slo contrafactualmente indefinida, sino factualmente indefinida. Los resultados de todos los experimentos, incluso de los que han sido realizados, no estn nicamente determinados.

156

Observaciones finales
El fenmeno del entrelazamiento cuntico que est tras la violacin de la desigualdad de Bell es slo un elemento de la fsica cuntica que no puede ser representado por ninguna imagen clsica de la fsica; otros elementos no clsicos son la complementariedad y el colapso de la funcin de onda. El problema de la interpretacin de la mecnica cuntica es intentar ofrecer una imagen satisfactoria de estos elementos no clsicos de la fsica cuntica. El artculo EPR "seala" las propiedades inusuales de los estados entrelazados, i.e. el estado singlete anteriormente mencionado, que es el fundamento de las aplicaciones actuales de la fsica cuntica, como la criptografa cuntica. Esta extraa no localidad fue originalmente un supuesto argumento de Reductio ad absurdum, porque la interpretacin estndar podra fcilmente eliminar la accin a distancia simplemente asignando a cada partcula estados de espn definidos. El teorema de Bell mostr que la prediccin de "entrelazamiento" de la mecnica cuntica tena un grado de no localidad que no poda ser explicado por ninguna teora local. En experimentos de Bell bien definidos (ver el prrafo sobre "experimentos de test") uno puede ahora establecer que es falsa o bien la mecnica cuntica o bien las asunciones cuasiclsicas de Einstein: actualmente muchos experimentos de esta clase han sido realizados, y los resultados experimentales soportan la mecnica cuntica,

Teorema de Bell aunque algunos creen que los detectores dan una muestra sesgada de los fotones, por lo que hasta que cada par de fotones generado sea observado habrn escapatorias. Lo que es poderoso sobre el teorema de Bell es que no viene de ninguna teora fsica. Lo que hace al teorema de Bell nico y lo ha sealado como uno de los ms importantes avances en la ciencia es que descansa nicamente sobre las propiedades ms generales de la mecnica cuntica. Ninguna teora fsica que asuma una variable determinista dentro de la partcula que determine la salida puede explicar los resultados experimentales, slo asumiendo que esta variable no puede cambiar otras variables lejanas de forma no causal.

157

Notas
[1] [2] [3] [4] [5] [6] [7] [8] http:/ / plato. stanford. edu/ entries/ bell-theorem/ #3 http:/ / arxiv. org/ abs/ quant-ph/ 9611037 http:/ / plato. stanford. edu/ entries/ bell-theorem/ #4 http:/ / plato. stanford. edu/ entries/ bell-theorem/ #5 http:/ / plato. stanford. edu/ entries/ bell-theorem/ #7 Stapp, 1975 J. S. Bell, On the Einstein Podolsky Rosen Paradox, Physics 1, 195 (1964) (http:/ / www. drchinese. com/ David/ Bell_Compact. pdf) J. F. Clauser, M. A. Horne, A. Shimony and R. A. Holt, Proposed experiment to test local hidden-variable theories, Physical Review Letters 23, 880884 (1969) [9] J. F. Clauser and M. A. Horne, Experimental consequences of objective local theories, Physical Review D, 10, 52635 (1974) [10] M. Redhead, Incompleteness, Nonlocality and Realism, Clarendon Press (1987) [11] Article on Bell's Theorem (http:/ / plato. stanford. edu/ entries/ bell-theorem) by Abner Shimony in the Stanford Encyclopedia of Philosophy, (2004). [12] A. Einstein in Correspondance EinsteinBesso, p.265 (Herman, Paris, 1979) [13] http:/ / www. crisisinphysics. co. uk/ optrev. pdf [14] S. J. Freedman and J. F. Clauser, Experimental test of local hidden-variable theories, Phys. Rev. Lett. 28, 938 (1972) [15] http:/ / arxiv. org/ abs/ quant-ph/ 0612075v1 [16] http:/ / prola. aps. org/ abstract/ RMP/ v70/ i1/ p223_1 [17] http:/ / www. nature. com/ nature/ journal/ v446/ n7138/ abs/ nature05677. html [18] Cramer, John G. "The Transactional Interpretation of Quantum Mechanics", Reviews of Modern Physics 58, 647688, July 1986 [19] J Christian, Disproof of Bell's Theorem by Clifford Algebra Valued Local Variables (2007) http:/ / arxiv. org/ abs/ quant-ph/ 0703179 [20] J Christian, Disproof of Bell's Theorem: Further Consolidations (2007) http:/ / arxiv. org/ abs/ 0707. 1333 [21] J Christian, Can Bell's Prescription for Physical Reality Be Considered Complete? (2008) http:/ / arxiv. org/ abs/ 0806. 3078

Referencias
A. Aspect et al., Experimental Tests of Realistic Local Theories via Bell's Theorem, Phys. Rev. Lett. 47, 460 (1981) A. Aspect et al., Experimental Realization of Einstein-Podolsky-Rosen-Bohm Gedankenexperiment: A New Violation of Bell's Inequalities, Phys. Rev. Lett. 49, 91 (1982). A. Aspect et al., Experimental Test of Bell's Inequalities Using Time-Varying Analyzers, Phys. Rev. Lett. 49, 1804 (1982). A. Aspect and P. Grangier, About resonant scattering and other hypothetical effects in the Orsay atomic-cascade experiment tests of Bell inequalities: a discusin and some new experimental data, Lettere al Nuovo Cimento 43, 345 (1985) J. S. Bell, On the problem of hidden variables in quantum mechanics, Rev. Mod. Phys. 38, 447 (1966) J. S. Bell, Introduction to the hidden variable question, Proceedings of the International School of Physics 'Enrico Fermi', Course IL, Foundations of Quantum Mechanics (1971) 17181 J. S. Bell, Bertlmanns socks and the nature of reality, Journal de Physique, Colloque C2, suppl. au nmero 3, Tome 42 (1981) pp C2 4161 J. S. Bell, Speakable and Unspeakable in Quantum Mechanics (Cambridge University Press 1987) [A collection of Bell's papers, including all of the above.]

Teorema de Bell J. F. Clauser and A. Shimony, Bell's theorem: experimental tests and implications, Reports on Progress in Physics 41, 1881 (1978) J. F. Clauser and M. A. Horne, Phys. Rev. D 10, 526535 (1974) E. S. Fry, T. Walther and S. Li, Proposal for a loophole-free test of the Bell inequalities, Phys. Rev. A 52, 4381 (1995) E. S. Fry, and T. Walther, Atom based tests of the Bell Inequalities the legacy of John Bell continues, pp 103117 of Quantum [Un]speakables, R.A. Bertlmann and A. Zeilinger (eds.) (Springer, Berlin-Heidelberg-New York, 2002) R. B. Griffiths, Consistent Quantum Theory', Cambridge University Press (2002). L. Hardy, Nonlocality for 2 particles without inequalities for almost all entangled states. Physical Review Letters 71 (11) 16651668 (1993) M. A. Nielsen and I. L. Chuang, Quantum Computation and Quantum Information, Cambridge University Press (2000) P. Pearle, Hidden-Variable Example Based upon Data Rejection, Physical Review D 2, 141825 (1970) A. Peres, Quantum Theory: Concepts and Methods, Kluwer, Dordrecht, 1993. P. Pluch, Theory of Quantum Probability, PhD Thesis, University of Klagenfurt, 2006. B. C. van Frassen, Quantum Mechanics, Clarendon Press, 1991. M.A. Rowe, D. Kielpinski, V. Meyer, C.A. Sackett, W.M. Itano, C. Monroe, and D.J. Wineland, Experimental violation of Bell's inequalities with efficient detection,(Nature, 409, 791794, 2001). S. Sulcs, The Nature of Light and Twentieth Century Experimental Physics, Foundations of Science 8, 365391 (2003) S. Grblacher et al., An experimental test of non-local realism,(Nature, 446, 871875, 2007).

158

Lecturas adicionales
Las siguientes lecturas estn pensadas para el pblico en general. Amir D. Aczel, Entanglement: The greatest mystery in physics (Four Walls Eight Windows, New York, 2001). A. Afriat and F. Selleri, The Einstein, Podolsky and Rosen Paradox (Plenum Press, New York and London, 1999) J. Baggott, The Meaning of Quantum Theory (Oxford University Press, 1992) N. David Mermin, "Is the moon there when nobody looks? Reality and the quantum theory", in Physics Today, April 1985, pp. 3847. Louisa Gilder, The Age of Entanglement: When Quantum Physics Was Reborn (New York: Alfred A. Knopf, 2008) Brian Greene, The Fabric of the Cosmos (Vintage, 2004, ISBN 0-375-72720-5) Nick Herbert, Quantum Reality: Beyond the New Physics (Anchor, 1987, ISBN 0-385-23569-0) D. Wick, The infamous boundary: seven decades of controversy in quantum physics (Birkhauser, Boston 1995) R. Anton Wilson, Prometheus Rising (New Falcon Publications, 1997, ISBN 1-56184-056-4) Gary Zukav "The Dancing Wu Li Masters" (Perennial Classics, 2001, ISBN 0-06-095968-1)

Teorema de Bell

159

Enlaces externos
Una explicacin del teorema de Bell (http://www.ncsu.edu/felder-public/kenny/papers/bell.html), basada en el artculo de N. D. Mermin, "Bringing Home the Atomic World: Quantum Mysteries for Anybody," Am. J. of Phys. 49 (10), 940 (October 1981) Entrelazamiento cuntico (http://www.ipod.org.uk/reality/reality_entangled.asp) Incluye una explicacin simple de la desigualdad de Bell. Teorema de Bell en arxiv.org (http://xstructure.inr.ac.ru/x-bin/theme3.py?level=2&index1=369244) Refutacin del teorema de Bell mediante un lgebra de Clifford de variables locales (http://front.math.ucdavis. edu/0703.4179) Refutacin del teorema de Bell

Teorema de imposibilidad
En fsica terica, un teorema de imposibilidad es un teorema que prueba que cierta idea no es posible o cierta entidad matemtica no puede ser definida sin llegar a contradiccin. Como en todo teorema, es muy importante precisar lo mejor posible las condiciones bajo las cuales se da dicha imposibilidad, porque marcan los lmites de las teoras fsicamente realistas. El nombre se suele aplicar a teoremas de imposibilidad que eliminan posibilidades "atractivas" desde el punto de vista terico. Algunos ejemplos de teoremas de imposibilidad son: El teorema de Coleman-Mandula sobre la imposibilidad de tener simetras mixtas en una teora cuntica de campos con masa positiva mnima. El teorema de Haag sobre la imposibilidad de usar la imagen de interaccin, alternativa a la imagen de Schrdinger y la imagen de Heisenberg, en teora cuntica de campos. El teorema de Bell sobre la imposibilidad de que alguna teora fsica de variables ocultas locales puede reproducir todas las predicciones de la mecnica cuntica.

Teorema de Bloch

160

Teorema de Bloch
El teorema de Bloch describe el movimiento de los electrones en un slido. Fue enunciado por el fsico suizo Felix Bloch basndose en la idea de que un slido posee una estructura microscpica peridica. A partir de esta hiptesis, el teorema establece de qu manera deben ser las funciones de onda de los electrones, y permite tratar el movimiento de todos los electrones analizando nicamente el movimiento de un solo electrn.

Hiptesis
El teorema de Bloch describe el movimiento de los electrones en un slido, basndose en las siguientes hiptesis: Los tomos del cristal forman una estructura peridica y ocupan las posiciones de una red de Bravais denotadas por el vector . Debido al ordenamiento de los tomos, el potencial del cristal es una funcin peridica que cumple para todo vector de traslacin de la red. Los electrones son independientes, no interactan entre s y cada uno satisface la ecuacin de Schrdinger para un potencial peridico.

Expresin matemtica
Partiendo de estas bases, el teorema de Bloch establece que los autoestados producto de una onda plana y una funcin peridica en . (Autoestado del electrn) = (onda plana) x (funcin peridica, llamada funcin de Bloch) En la anterior ecuacin la letra representa el vector de onda, y la funcin de Bloch, , puede ser una funcin de un electrn vienen dados por el llamada funcin de Bloch, es decir:

peridica cualquiera, cuya periodicidad

es la misma que la de la red cristalina. La funcin de Bloch viene

determinada por la resolucin de la ecuacin de Schrdinger, sin embargo, no es necesario saber la forma analtica de esta funcin para abordar el tratamiento de un slido. Es ms, haciendo uso de su periodicidad se tiene que , de modo que la ecuacin anterior se puede reescribir como . Ntese que como la forma analtica de la funcin peridica que multiplica a la onda plana es desconocida y adems irrelevante, bien podra ser sta en lugar de . As pues, en la anterior ecuacin sigue cumplindose que: (Autoestado del electrn) = (onda plana) x (funcin peridica, llamada funcin de Bloch) Estas dos ecuaciones son por tanto equivalentes, y son usadas indistintamente para referirse al teorema de Bloch.

Teorema de Bloch

161

Significado fsico
Para entender el significado fsico del teorema de Bloch es necesario comprender primero el del cuasimomento. Ya se ha introducido antes que la letra representa el vector de ondas del electrn, tambin llamado cuasimomento. Para entender qu simboliza, es necesario recordar que un electrn libre viene representado por el siguiente autoestado , que representa una onda plana que transporta una cantidad de movimiento igual a . De este modo, se puede apreciar que la funcin de onda de un electrn contenido en un slido es la de un electrn libre, pero en este caso modulada por una funcin peridica que est relacionada con la estructura del slido (y es la llamada funcin de Bloch). En el caso de un electrn contenido en el slido, no necesariamente se cumple la relacin ,y aunque el cuasimomento es siempre constante, la cantidad de movimiento no siempre lo es. Por esto, no debe confundirse el cuasimomento con la cantidad de movimiento. Sin embargo, en las expresiones del teorema de Bloch, el cuasimomento tambin como subndice de las funciones. Esto se debe a que

no solo aparece en la exponencial, si no

es tambin un nmero cuntico que proviene de

considerar que el slido es finito, y de imponerle las condiciones de contorno de Born-von Karman. Estas condiciones de contorno establecen que si el slido tiene N tomos, el tomo N + 1 ser equivalente al tomo nmero 1, de modo que se pasa de tratar un slido finito, a tratar un slido peridico e infinito. Al resolver las ecuaciones de contorno se tiene que este nmero cuntico etiqueta al electrn, y por este motivo se usa como subndice en los autoestados del electrn . El teorema de Bloch es de gran utilidad porque permite simplificar enormemente el tratamiento de un slido, ya que la tercera hiptesis implica que todos los electrones se comportan igual. De manera que, para tratar el movimiento de todos los electrones del slido, basta con resolver la ecuacin de Schdinger para un nico electrn que tenga una funcin de ondas de la forma indicada por Bloch.

Bibliografa
Charles Kittel (1996). Introduction to Solid State Physics. New York: Wiley. ISBN 0471142867. Neil W. Ashcroft and N. David Mermin (1976). Solid State Physics. Orlando: Harcourt. ISBN 0030493463.

Teorema de equiparticin

162

Teorema de equiparticin
En mecnica estadstica, clsica, el teorema de equiparticin es una frmula general que relaciona la temperatura de un sistema con su energa media. El teorema de equiparticin es tambin conocido como la ley de equiparticin, equiparticin de la energa, o simplemente equiparticin. La idea central de la equiparticin es que, en equilibrio trmico, la energa se reparte en partes iguales entre sus varias formas; por ejemplo, la energa cintica promedio en un movimiento de traslacin de una molcula debe ser igual a la energa cintica promedio en su movimiento de rotacin. De la aplicacin del teorema de equiparticin surgen predicciones cuantitativas. Al igual que el teorema de virial, da las energas cintica Figura 1. Movimiento trmico de un pptido tipo y potencial totales del sistema a una dada temperatura, a partir de la hlice- . El movimiento vibratorio es aleatorio y cual es posible calcular la capacidad calrica del sistema. Sin embargo, complejo, y la energa de un tomo en particular equiparticin tambin da los valores promedio de los componentes puede fluctuar ampliamente. Sin embargo, el individuales de la energa, tal como la energa cintica de una partcula teorema de equiparticin permite que se pueda calcular la energa cintica promedio de cada especfica o la energa potencial de un resorte aislado. Por ejemplo, el tomo, como tambin las energas potenciales teorema predice que cada molcula en un gas ideal posee una energa promedio de muchos modos vibracionales. Las cintica promedio de (3/2)kBT en equilibrio trmico, donde kB es la esferas grises, rojas y azules representan tomos constante de Boltzmann y T es la temperatura. En forma ms general, de carbono, oxgeno y nitrgeno, respectivamente; las esferas blancas ms puede ser aplicado a cualquier sistema clsico en equilibrio trmico, no pequeas representan tomos de hidrgeno. importa cun complejo sea el mismo. El teorema de equiparticin puede ser utilizado para derivar la ley de los gases ideales clsica , y la Ley de Dulong-Petit para los calores especficos de los slidos. Tambin puede ser utilizado para predecir las propiedades de las estrellas, an las enanas blancas y estrellas de neutrones, dado que su validez se extiende a situaciones en las que existan efectos relativistas. A pesar de que el teorema de equiparticin realiza predicciones muy precisas en ciertas circunstancias, esto no es as cuando los efectos cunticos son relevantes. La equiparticin es vlida solo cuando la energa trmica kBT es mucho mayor que el espaciamiento entre los niveles de energa cunticos. Cuando la energa trmica es menor que el espaciamiento entre niveles de energa cunticos en un grado de libertad en particular, la energa promedio y la capacidad calrica de este grado de libertad son menores que los valores predichos por la equiparticin. Se dice que dicho grado de libertad est "congelado". Por ejemplo, el calor especfico de un slido disminuye a bajas temperaturas dado que varios tipos de movimientos se congelan, en lugar de permanecer constantes como predice la equiparticin. Estas reducciones en los calores especficos fueron los primeros sntomas que notaron los fsicos del siglo XIX en el sentido que la fsica clsica era incorrecta y que era necesario avanzar en el desarrollo de nuevas teoras fsicas. La falla de la equiparticin en el campo de la radiacin electromagntica tambin conocida como catstrofe ultravioleta indujo a Albert Einstein a sugerir que la luz exhibe un comportamiento dual: como onda y como fotones, una hiptesis revolucionaria que impuls el desarrollo de la mecnica cuntica y la teora cuntica de campos.

Teorema de equiparticin

163

Concepto bsico y ejemplos simples


La palabra "equiparticin" significa "comparte por igual". El concepto original de la equiparticin era que la energa cintica total de un sistema es compartida en partes iguales entre todas las partes independientes, en promedio, una vez que el sistema ha alcanzado el equilibrio trmico. La equiparticin tambin hace predicciones cuantitativas de dichas energas. Por ejemplo, predice que cada tomo de un gas noble, en equilibrio trmico a temperatura T, tiene una energa cintica translacional Figura 2. Funciones de densidad de probabilidad de la velocidad molecular de cuatro promedio de (3/2)kBT, donde kB es la gases nobles a una temperatura de 298.15 K (25 C). Los cuatro gases son helio (4He), constante de Boltzmann. Por lo tanto, nen (20Ne), argn (40Ar) y xenn (132Xe); los subndices indican sus mass numbers. para una misma temperatura, los Estas funciones de densidad de probabilidad tienen dimensiones de probabilidad por la tomos ms pesados del xenn tendrn inversa de la velocidad; dado que la probabilidad es adimensional, las mismas se expresan en unidades de segundos por metro. una menor velocidad promedio que la que tendrn los tomos de helio que son ms livianos. La Figura 2 muestra la distribucin de MaxwellBoltzmann para las velocidades de los tomos en los cuatro gases nobles. Es importante destacar en este ejemplo, que la energa cintica depende en forma cuadrtica con la velocidad. El teorema de equiparticin muestra que en equilibrio trmico, todo grado de libertad (como por ejemplo, una componente de la posicin o velocidad de una partcula) que posee solo una dependencia cuadrtica en la energa posee una energa promedio de kBT y por lo tanto contribuye kB a la capacidad trmica del sistema. Esto posee numerosas aplicaciones.

Energa de traslacin y gases ideales


La energa cintica (newtoniana o clsica) de una partcula de masa m y velocidad v est dada por la expresin:

donde vx, vy y vz son las componentes cartesianas de la velocidad v. H es el hamiltoniano, y por lo tanto ser utilizado como smbolo de la energa dado que la mecnica de Hamilton juega un rol destacado en la forma ms general del teorema de equiparticin. Como la energa cintica es cuadrtica con las componentes de la velocidad, al equipartir estas tres componentes, cada una contribuye con kBT a la energa cintica promedio en equilibrio trmico. Por lo tanto la energa cintica de la partcula es (3/2)kBT, como en el caso del ejemplo de los gases nobles discutido previamente. En forma ms general, en un gas ideal, la energa total consiste exclusivamente de energa cintica de traslacin: ya que se asume que las partculas no poseen grados internos de libertad y se mueven en forma independiente unas de otras. La equiparticin por lo tanto predice que la energa total promedio de un gas ideal con N partculas es (3/2) N kBT. Por lo tanto la capacidad calorfica de un gas es (3/2) N kB y la capacidad calrica de un mol de las partculas de dicho gas es (3/2)NAkB=(3/2)R, donde NA es el nmero de Avogadro y R es la constante de los gases. Como R

Teorema de equiparticin 2cal/(molK), la equiparticin predice que la capacidad calorfica molar de un gas ideal es aproximadamente 3cal/(molK). Esta prediccin ha sido confirmada por experimentos.[1] La energa cintica promedio tambin permite calcular la raz de la velocidad cuadrtica media vrms de las partculas de gas, como:

164

donde M = NAm es la masa de un mol de partculas de gas. Este resultado es muy til para aplicaciones tales como la Ley de Graham de difusin, de la cual se deriva un mtodo para enriquecer uranio.[2]

Energa rotacional y rodado de molculas en solucin


Un ejemplo similar es el caso de una molcula que rota y cuyos momentos de inercia principales son I1, I2 y I3. La energa rotacional de dicha molcula est dada por:

donde 1, 2, y 3 son las componentes de la velocidad angular. Siguiendo un razonamiento similar al utilizado en el caso de traslacin, la equiparticin implica que en equilibrio trmico la energa promedio de rotacin de cada partcula es (3/2)kBT. En forma similar, el teorema de equiparticin permite calcular la velocidad angular promedio (ms precisamente, la raz del promedio cuadrtico) de las molculas.[] El rodado de las molculas rgidas o sea, las rotaciones aleatorias de molculas en solucin juega un rol destacado en la relajacin observada por medio de resonancia magntica nuclear, particularmente Resonancia Magntica Nuclear (RMN) de protenas y acoplamiento dipolar residual.[3] La difusin rotacional puede tambin ser observada mediante otras tcnicas biofsicas tales como anisotropa fluorescente, birefringencia de flujo y espectroscopia dielctrica.[4]

Energa potencial y osciladores armnicos


La equiparticin se aplica tanto a la energa potencial como a la energa cintica: ejemplo importante de esto son los osciladores armnicos tales como un resorte, que tiene una energa potencial cuadrtica:

Figura 3. Los tomos en una red cristalina pueden vibrar alrededor de sus posiciones de equilibrio en la red. Estas vibraciones en gran medida representan la capacidad calorfica de los dielctricos cristalinos; con los electrones metlicos tambin contribuyendo a la capacidad calorfica.

donde la constante a (llamada constante del resorte) describe la dureza del resorte y q es la desviacin respecto a la posicin de equilibrio. Si dicho sistema unidimensional posee una masa m, entonces su energa cintica Hkin es mv2 = p2/2m, con v y p = mv la velocidad y el momento del oscilador respectivamente. Combinando esos trminos se obtiene la energa total:[]

La equiparticin por lo tanto implica que en equilibrio trmico, el oscilador posee una energa promedio:

donde los corchetes angulares

representan el promedio de la cantidad contenida entre ellos.[]

Este resultado es vlido para todo tipo de oscilador armnico, tal como un pndulo, una molcula que vibra o un oscilador electrnico pasivo. Existen numerosos sistemas que contienen este tipo de osciladores; mediante la

Teorema de equiparticin equiparticin, cada uno de estos osciladores recibe una energa promedio total kBT y por lo tanto contribuye kB a la capacidad calrica del sistema. Esta ltima relacin puede ser usada para obtener la frmula para el ruido de JohnsonNyquist o "ruido trmico"[] y la Ley de Dulong-Petit para la capacidad calorfica molar de los slidos. Esta ltima aplicacin fue especialmente relevante en la historia de la equiparticin.

165

Calor especfico de slidos


Una aplicacin importante del teorema de equiparticin es en el clculo de la capacidad calrica de un slido cristalino. Cada tomo en este tipo de slido puede oscilar en tres direcciones independientes, por lo que se puede pensar al slido como un sistema de 3N osciladores armnicos simples independientes, donde N es el nmero de tomos en la red. Dado que cada oscilador armnico tiene una energa promedio kBT, la energa total promedio del slido es 3NkBT, y su capacidad calrica es 3NkB. Tomando el nmero de Avogadro NA, y utilizando la relacin R = NAkB entre la constante de los gases R y la constante de Boltzmann kB, se encuentra una explicacin para la ley de Dulong-Petit sobre las capacidades calorficas molares de los slidos, que establece que la capacidad calorfica por mol de tomos en la red es 3R 6cal/(molK). Sin embargo, esta ley no reproduce los datos experimentales a bajas temperaturas, debido a la presencia de efectos cunticos; tambin es inconsistente con la tercera ley de la termodinmica, de acuerdo a la cual la capacidad calorfica molar de toda substancia debe tender a cero cuando la temperatura se acerca al cero absoluto.[] Una teora ms precisa, que incorpora efectos cunticos, fue desarrollada por Albert Einstein (1907) y Peter Debye (1911).[] Es posible representar otros numerosos sistemas fsicos como conjuntos de osciladores acoplados. Los movimientos de estos osciladores se pueden descomponer en modos normales, similares a los modos de vibracin de una cuerda de piano o la resonancias de un tubo de rgano. Por otra parte, la equiparticin no es correcta en dichos sistemas, porque no existe intercambio de energa entre los modos normales. En un caso extremo, los modos son independientes y por lo tanto sus energas se conservan en forma independiente. Esto muestra que algn tipo de mezclado de energas, llamado ergodicidad, es importante para que sea vlida la ley de equiparticin.

Sedimentacin de partculas
La energa potencial no siempre posee una dependencia cuadrtica con respecto a la posicin. Sin embargo, el teorema de equiparticin tambin demuestra que si un grado de libertad x contribuye solo en una fraccin xs (para un nmero real fijo s) a la energa, entonces la energa promedio en equilibrio trmico de esa parte es kBT/s. Esta extensin posee una aplicacin en el estudio de sedimentacin de partculas bajo accin de la fuerza de gravedad.[] Por ejemplo, la neblina u opacidad que a veces se observa en la cerveza puede ser causada por aglutinaciones de protenas que dispersan la luz.[5] Al transcurrir el tiempo, estas aglutinaciones se desplazan hacia abajo por efecto de la fuerza de gravedad, produciendo un incremento de la neblina cerca de la zona inferior de la botella comparada con la zona superior. Sin embargo, mediante un proceso que opera en direccin contraria, las partculas tambin difunden en sentido ascendente hacia la parte superior de la botella. Una vez que se alcanza el equilibrio, el teorema de equiparticin puede ser utilizado para determinar la posicin promedio de una aglutinacin particular de masa flotante mf. Para el caso de una botella de cerveza de altura infinita, la energa potencial gravitacional es:

donde z es la altura de la aglutinacin de protenas en la botella y g es la aceleracin de la gravedad. Dado que s=1, la energa potencial promedio de una aglutinacin de proteinas es kBT. Por lo tanto, una aglutinacin de protenas con una masa flotante de 10MDa (aproximadamente del tamao de un virus) producira una neblina con una altura promedio de aproximadamente 2cm en equilibrio. El proceso de sedimentacin hasta que se establece el equilibrio es descripto por la ecuacin de Mason-Weaver.[]

Teorema de equiparticin

166

Historia
Este artculo utiliza la unidad cal/(molK) para el calor especfico molar en lugar de la del SI, porque permite obtener mayor precisin en magnitudes de una sola cifra. For an approximate conversion to the corresponding SI unit of J/(molK), such values should be multiplied by 4.2 J/cal. La equiparticin de la energa cintica fue propuesta inicialmente en 1843, y en forma ms acabada en 1845, por John James Waterston. [6] En 1859, James Clerk Maxwell postula que la energa cintica calrica de un gas estaba dividida en partes iguales entre la energa lineal y rotacional.[7] En 1876, Ludwig Boltzmann expandi su principio demostrando que la energa promedio estaba repartida en partes iguales entre todas las componentes independientes de movimiento de un sistema.[8][9] Boltzmann aplic el teorema de equiparticin para desarrollar una explicacin terica de la ley de DulongPetit sobre la capacidad calorfica especfica de los slidos. La historia del teorema de equiparticin est entrelazada con la de la capacidad calorfica molar, ambas fueron estudiadas durante el siglo XIX. En 1819, los franceses Pierre Louis Dulong y Alexis Thrse Petit discubren que los calores especficos molares de los slidos a temperatura ambiente eran casi idnticos, unos 6cal/(molK).[10] Esta ley fue utilizada por muchos aos como la tcnica para medir masa atmica.[] Sin embargo, estudios posteriores por James Dewar y Heinrich Friedrich Weber mostraron que la ley de Dulong-Petit slo es vlida a altas temperaturas;[11] a bajas temperaturas, o para slidos excepcionalmente duros tales como el diamante, el calor especfico era menor.[12]

Mediciones experimentales del calor especfico de los gases tambin despert dudas respecto a la validez del teorema de equiparticin. El teorema predice que la capacidad calorfica molar de gases monoatmicos simples debera ser de unos 3cal/(molK), mientras que el de gases diatmicos debera ser de unos 7cal/(molK). Esta prediccin fue confirmada mediante experimentos,[1] aunque se encontr que las capacidades calorficas molares de gases diatmicos poseen valores prximos a 5cal/(molK),[13] que desciende a unos 3cal/(moleK) a muy bajas temperaturas.[14] Maxwell observ en 1875 que la discrepancia entre los experimentos y el teorema de equiparticin era an peor que lo que sugieren estos valores;[15] dado que los tomos estn formados por partculas, sera de esperar que la energa calrica contribuye tambin a aumentar el movimiento de estas partes internas, haciendo que los calores especficos predichos para gases monoatmicos y diatmicos fueran ms grandes que 3cal/(molK) y 7cal/(molK), respectivamente.

Figura 4. Diagrama esquemtico del calor especfico molar de un gas diatmico en funcin de la temperatura. Coincide con el valor (7/2)R predicho por la equiparticin a altas temperaturas (donde R es la constante del gas), pero disminuye a (5/2)R y luego a (3/2)R a bajas temperaturas, en la medida que los modos de movimiento de vibracin y rotacin se "congelan". La falla en el teorema de equiparticin condujo a una paradoja que solo pudo ser resuelta mediante la mecnica cuntica. Para la mayora de las molculas, la temperatura de transicin Trot es mucho menor que la temperatura ambiente, mientras que Tvib puede ser unas diez veces mayor o ms. Un ejemplo es el monxido de carbono, CO, para el cual Trot 2.8K y Tvib 3103K. Para molculas con fuerzas de unin entre tomos muy dbiles o muy fuertes, Tvib puede ser cercana a la temperatura [] ambiente (aproximadamente 300K); por ejemplo, Tvib 308K para el gas de iodo, I2.

Teorema de equiparticin Una tercer discrepancia es el valor del calor especfico de los metales.[] De acuerdo al modelo clsico de Drude, los electrones metlicos se comportan en forma similar a un gas casi ideal, y por lo tanto deberan contribuir con (3/2) Ne kB a la capacidad calorfica segn el teorema de equiparticin, donde Ne es el nmero de electrones. Sin embargo se ha comprobado experimentalmente que los electrones contribuyen en muy pequea medida a la capacidad calorfica: las capacidades calorficas de muchos materiales conductores y aislantes son prcticamente iguales.[] Se propusieron varias explicaciones para la falla del teorema de equiparticin en reproducir las capacidades calorficas molares. Boltzmann defenda su teorema de equiparticin ya que consideraba su deduccin era correcta, pero era de la opinin que tal vez los gases no se encontraban en equilibrio trmico a causa de su interaccin con el aether.[16] Lord Kelvin en cambio pensaba que la deduccin del teorema de equiparticin deba contener un error, dado que no estaba de acuerdo con lo observado en los experimentos, aunque no era capaz de mostrar cual era la causa del.[17] Lord Rayleigh en cambio lanz la idea que el teorema de equiparticin y la suposicin sobre equilibrio trmico eran ambos correctos; para resolver el problema, el postul la necesidad de contar con un principio nuevo que proveyera una "salida a la simplicidad destructiva" del teorema de equiparticin.[18] Albert Einstein encontr dicha solucin, al mostrar en 1907 que estas anomalas en el calor especfico se deban a efectos cunticos, especficamente la cuantizacin de la energa en los modos elsticos del slido.[19] Einstein utiliz la falla del teorema de equiparticin para abogar por la necesidad de contar con una nueva teora cuntica de la materia.[] La mediciones experimentales realizadas por Nernst en 1910 sobre calores especficos a bajas temperatura[20] sirvieron de respaldo a la teora de Einstein, lo cual condujo a la aceptacin amplia de la teora cuntica entre los fsicos.[21]

167

Formulacin general del teorema de equiparticin


La forma ms general del teorema de equiparticin[][][] establece que bajo suposiciones adecuadas (ver parrafos subsiguientes), un sistema fsico con una funcin de energa hamiltoniana H y grados de libertad xn, satisface la siguiente frmula de equiparticin en equilibrio trmico para todos los ndices m y n:

Donde mn es la delta de Kronecker, que toma el valor de uno si m=n y es cero en todos los otros casos. Los parntesis se pueden referir tanto a un promedio en un perodo prolongado de tiempo de un sistema, o ms comnmente al promedio en el espacio de fase del ensemble average. Las suposiciones de ergodicidad que estn implcitas en el teorema implican que estos dos tipos de promedio coinciden, y por lo tanto ambos han sido utilizados para calcular las energas internas de sistemas fsicos complejos. El teorema general de equiparticin vale tanto para el microcanonical ensemble,[] cuando la energa total del sistema es constante, como tambin para el canonical ensemble,[][] cuando el sistema est acoplado a un bao trmico con el cual intercambia energa. La expresin para la frmula general es presentada en secciones posteriores de este artculo. La frmula general es equivalente a las siguientes expresiones: 1. 2. para todo n. para todo mn.

Si un grado e libertad xn aparece solo como un trmino cuadrtico anxn2 en el hamiltoniano H, entonces la primera frmula implica que:

que es el doble de la contribucin que este grado de libertad aporta a la energa promedio

. Por lo tanto el

teorema de equiparticin para sistemas con energas cuadrticas es fcilmente deducible a partir de la frmula

Teorema de equiparticin general. Un argumento similar se aplica a las energas de la forma anxns, donde el 2 es remplazado por s. Los grados de libertad xn son coordenadas en el espacio de fase del sistema y por lo tanto se las divide por lo general en coordenadas de posicin generalizada qk y coordenadas de momento generalizadas pk, donde pk es el momento conjugado to qk. En este caso, la frmula 1 significa que para todo k,

168

Utilizando las ecuaciones de la mecnica hamiltoniana,[] resultan las siguientes frmulas:

La frmula 2 establece que los promedios: and son todos cero para jk.

Relacin con el teorema de virial


El teorema general de equiparticin es una extensin del teorema de virial (propuesto en 1870[22]), que establece que:

donde t es el tiempo.[] Dos diferencias importantes son que el teorema del virial relaciona a) entre si promedios sumados en lugar de promedios individuales, y b) no los asocia con la temperatura T. Otra diferencia es que en las derivaciones tradicionales del teorema de virial se utilizan promedios en el tiempo, mientras que aquellas que se basan en el teorema de equiparticin usan promedios sobre el espacio de fase.

Aplicaciones
Ley de los gases ideales
Los gases ideales dan un ejemplo importante de aplicacin del teorema de equiparticin. La frmula en dicho caso resulta ser:

para la energa cintica media de una partcula, el teorema de equiparticin puede ser utilizado para obtener la ley de gases ideales de la mecnica clsica.[] Si q = (qx, qy, qz) y p = (px, py, pz) son los vectores de posicin y de momento (cantidad de movimiento) de una partcula del gas, y F es la fuerza neta sobre la partcula, entonces:

donde la primera igualdad es la segunda ley de Newton, y la segunda linea utiliza las ecuaciones de Hamilton y la frmula de equiparticin. Sumando sobre el sistema de N partculas, se obtiene:

Teorema de equiparticin Por la tercera ley de Newton y la hiptesis de gas ideal, la fuerza neta sobre el sistema es la fuerza ejercida por las paredes del contenedor, y esta fuerza est dada por la presin P del gas. Por lo tanto:

169

donde dS es el elemento infinitesimal de rea sobre las paredes del contenedor. Dado que la divergencia del vector posicin q es:

Aplicando el teorema de la divergencia resulta que:

donde dV es un volumen infinitesimal dentro del contenedor y V es el volumen total del contenedor. Agrupando estas igualdades, se obtiene:

lo cual inmediatamente implica la ley de gases ideales para N partculas:

donde n=N/NA es el nmero de mol de gas y R=NAkB es la constante del gas.

Gases diatmicos
Un gas diatmico puede ser representado como dos masas, m1 y m2, unidas por un resorte con rigidez a, lo que se denomina la aproximacin del oscilador armnico de rotor rgido.[] La energa clsica de este sistema es:

donde p1 y p2 son los momentos de los dos tomos, y q es la desviacin respecto a su valor de equilibrio de la distancia de separacin inter-atmica. Cada grado de libertad de la energa es cuadrtico y, por lo tanto debe contribuir con kBT a la energa total promedio, y kB a la capacidad calrica. Por lo tanto, el modelo predice que la capacidad calrica de un gas con N molculas diatmicas es7N kB: cada uno de los momentos p1 y p2 contribuyen con tres grados de libertad, y la extensin q contribuye con el sptimo. De donde se deduce que la capacidad calorfica de un mol de molculas diatmicas sin otros grados adicionales de libertad debera ser (7/2)NAkB=(7/2)R y, por lo tanto la capacidad calrica predicha debe ser aproximadamente 7cal/(molK). Sin embargo, los valores medidos en laboratorio de las capacidades calorficas de gases diatmicos son tpicamente unos 5cal/(molK)[13] y descienden a 3cal/(molK) a muy bajas temperaturas.[14] Esta falta de acuerdo entre la prediccin del teorema de equiparticin y el valor experimental de la capacidad calrica molar no puede ser explicado utilizando un modelo ms complejo de la molcula, dado que agregar ms grados de libertad colo puede aumentar el calor especfico predicho, nunca reducirlo.[15] Esta discrepancia fue evidencia fundamental para demostrar la necesidad de desarrollar una teora cuntica de la materia.

Teorema de equiparticin

170

Gases ideales extremadamente relativsticos


La equiparticin fue utilizada para encontrar la ley de los gases ideales clsica a partir de conceptos de mecnica newtoniana. Sin embargo, los efectos relativistas se vuelven ms dominantes en tales sistemas, como ser las enanas blancas y estrellas de neutrones,[] y las ecuaciones de los gases ideales deben ser modificadas. El teorema de equiparticin ofrece una forma til para derivar las leyes para el caso de un gas ideal extremadamente relativista.[] En estos casos, la energa cintica de una partcula esta dada por la frmula:

Figura 6. Imagen de la Nebulosa del Cangrejo, combinacin de las imagenes de rayos X y pticas. En el centro de la nebulosa se ubica una estrella de neutrones que rota rpidamente y que posee una masa que es una vez y media la masa del Sol pero con un dimetro de solo 25 km (aproximadamente el tamao de Madrid). El teorema de equiparticin permite predecir las propiedades de dicho tipo de estrellas de neutrones.

Realizando la derivada de H con respecto a la componente px del momento se obtiene la frmula:

y en forma similar para los componentes py y pz. Sumando los tres componentes resulta:

donde la ltima igualdad surge de la aplicacin de la frmula de equiparticin. Por lo tanto, la energa total promedio de un gas extremadamente relativista es el doble del de un caso no relativista: para N partculas es 3 N kBT.

Gases no ideales
En un gas ideal se supone que las partculas interaccionan solo mediante choques. El teorema de equiparticin puede ser utilizado para obtener la energa y presin de "gases no ideales" en los cuales las partculas tambin interactan entre s mediante fuerzas conservativas cuyo potencial U(r) depende solo de la distancia r entre las partculas.[] Este escenario puede ser descripto analizando primero el caso de una sola partcula de gas, y aproximando el resto del gas por una distribucin simtrica esfrica. Introduciendo el concepto de una funcin de distribucin radial g(r) tal que la densidad de probabilidad de encontrar otra partcula a una distancia r de la partcula sea 4r2 g(r), donde =N/V es la densidad promedio del gas.[] De donde se deduce que la energa potencial promedio asociada a la interaccin de la partcula bajo estudio con el resto del gas es:

Teorema de equiparticin La energa potencial total promedio de un gas es por lo tanto , donde N es el nmero de

171

partculas en el gas, y el factor corrige el hecho que dado que la sumatoria se realiza sobre todas las partculas se cuenta cada interaccin dos veces. Sumando las energas cintica y potencial, y luego aplicando equiparticin, se obtiene la ecuacin de la energa:

Se puede utilizar un argumento similar,[] para obtener la ecuacin de la presin

Osciladores no armnicos
Un oscilador no armnico (a diferencia de un oscilador armnico simple) es aquel en el que la energa potencial no es cuadrtica con la posicin q (la posicin generalizada que mide la desviacin del sistema respecto al equilibrio). Este tipo de osciladores presentan un punto de vista complementario sobre el teorema de equiparticin.[][] Las funciones de energa potencial del tipo indicada a continuacin permiten obtener algunos ejemplos simples:

donde C y s son constantes reales arbitrarias. En estos casos, la ley de equiparticin predice que:

Por lo tanto, la energa potencial promedio es kBT/s, no kBT/2 como en el caso del oscilador armnico cuadrtico (donde s=2). En forma general, una funcin de energa tpica de un sistema unidimensional tiene una expansin de Taylor en la variable q:

para valores no negativos de enteros n. No existe trmino n=1, porque en el punto de equilibrio, no existe fuerza neta y entonces la primera derivada de la energa es cero. No es necesario incluir el trmino n=0, dado que la energa en la posicin de equilibrio puede ser definida como cero. En este caso, la ley de equiparticin predice que:[]

En contraposicin con los otros ejemplos mostrados aqu, la frmula de equiparticin:

no permite escribir la energa potencial promedio en funcin de constantes conocidas.

Teorema de equiparticin

172

Movimiento browniano
El teorema de equiparticin puede ser utilizado para obtener el movimiento browniano de una partcula a partir de la ecuacin de Langevin.[] de acuerdo con esta ecuacin, el movimiento de una partcula de masa m con velocidad v est gobernado por la segunda ley de Newton:

donde Faleatoria es una fuerza aleatoria que representa los choques aleatorios entre la partcula y las molculas que la rodean, y donde la constante de tiempo est asociada a la fuerza de arrastre que se opone al movimiento de la partcula a travs de la solucin. La fuerza de arrastre es escrita por lo general como: Fdrag = - v; por lo tanto, la constante de tiempo es m/.

Figura 7. Tpico movimiento browniano de una partcula en dos dimensiones.

Realizando el producto escalar de esta ecuacin con el vector posicin r, y promediando posteriormente, resulta la ecuacin:

para el movimiento browniano (dado que la fuerza aleatoria Frnd no est correlacionada con la posicin r). Utilizando identidades matemticas resulta:

la ecuacin bsica del movimiento browniano se puede transformar en:

donde la ltima igualdad del teorema de equiparticin para la energa cintica de traslacin es:

Esta ecuacin diferencial para

(con apropiadas condiciones iniciales) posee una solucin exacta:

En escalas de tiempos relativamente cortas, con t << , la partcula se comporta como una partcula con movimiento libre: un desarrollo en serie de Taylor de la funcin exponencial, la distancia al cuadrado crece aproximadamente en forma cuadrtica:

Teorema de equiparticin Sin embargo, en escalas de tiempo largas, con t >> , los trminos exponenciales y constante son despreciables, y la distancia cuadrtica crece solo de manera lineal:

173

Esto describe la difusin de una partcula a lo largo del tiempo. Una ecuacin anloga para la difusin rotacional de una molcula rgida puede obtenerse de manera similar.

Fsica estelar
El teorema de equiparticin y el teorema de virial han sido muy utilizados como herramientas de la astrofsica.[23] Por ejemplo, el teorema de virial puede ser utilizado para estimar la temperatura de una estrella o el lmite de Chandrasekhar en relacin con la masa de las estrellas enanas blancas.[24][25] La temperatura promedio de una estrella puede ser estimada utilizando el teorema de equiparticin.[26] Dado que muchas estrellas poseen simetra esfrica, la energa potencial gravitatoria total se puede obtener mediante integracin:

Figura 8. La equiparticin permite calcular una estimacin razonable de la temperatura del ncleo del Sol.

donde M(r) es la masa contenida dentro del radio r y (r) es la densidad estelar en el radio r; G representa la constante de la gravitacin universal y R el radio total de la estrella. Si se supone que la estrella posee una densidad constante en todo punto, la integracin de esta expresin arroja la frmula:

donde M es la masa total de la estrella. Por lo tanto, la energa potencial promedio de una partcula unitaria es:

donde N es el nmero de partculas en la estrella. Dado que la mayora de las estrellas estn compuestas de hidrgeno ionizado, N es aproximadamente (M/mp), donde mp es la masa de un protn. Aplicando el teorema de equiparticin es posible estimar la temperatura de la estrella:

Substituyendo la masa y el radio del Sol se obtiene una estimacin de la temperatura solar de T = 14 millones Kelvin, muy prxima a la temperatura de su ncleo que es 15 millones Kelvin. Sin embargo, el Sol es mucho ms complejo que lo que se supone en este modelo tanto su temperatura como su densidad varan fuertemente con el radio y el pequeo error relativo de 7% es en parte casualidad.[27]

Teorema de equiparticin

174

Formacin de una estrella


Las mismas frmulas pueden ser aplicadas para calcular las condiciones para la formacin de estrellas en una nube molecular gigante.[28] Una fluctuacin local en la densidad de tal nube puede conducir a una condicin inestable en la cual la nube colapse sobre si misma por efecto de su propia gravedad. Tal colapso ocurre cuando el teorema de equiparticin o, en forma equivalente, el teorema de virial dejan de ser vlidos cuando la energa potencial gravitatoria es ms del doble de la energa cintica:

Suponiendo una densidad constante en la nube:

resulta en la mnima masa para la contraccin estelar, la masa de Jeans MJ:

Substituyendo con los valores tpicamente observados en tales nubes (T=150K, = 210-16 g/cm3) se obtiene que la masa mnima es de unas 17 masas solares, lo cual es consistente con la informacin recogida mediante observacin del proceso de formacin de estrellas. Este efecto es conocido como la inestabilidad de Jeans,en honor al fsico britnico James Hopwood Jeans quin public este hallazgo en 1902.[29]

Derivaciones
Energa cintica y la distribucin de MaxwellBoltzmann
La formulacin original del teorema de equiparticin establece que, en todo sistema fsico en equilibrio trmico, cada partcula tiene exactamente la misma energa cintica promedio, (3/2)kBT.[] Esto se puede mostrar utilizando la distribucin de Maxwell-Boltzmann (ver Figura 2), que es la distribucin de probabilidad:

para la velocidad de una partcula de masa m en el sistema, donde la velocidad v es la magnitud del vector velocidad . La distribucin de MaxwellBoltzmann se aplica a todo sistema compuesto de tomos, y solo supone un colectivo cannico, especficamente, que las energas cinticas estn distribuidas de acuerdo al factor de Boltzmann a una temperatura T.[] La energa cintica promedio de una partcula de masa m est dada por la frmula integral:

de acuerdo con lo requerido por el teorema de equiparticin.

Teorema de equiparticin

175

Energas cuadrticas y la funcin de particin


En forma general, el teorema de equiparticin indica que cualquier grado de libertad x que participa en la energa total H nicamente como un trmino cuadrtico simple Ax2, donde A es una constante, posee una energa promedio kBT en equilibrio trmico. En este caso el teorema de equiparticin puede obtenerse a partir de la funcin de particin Z(), donde =1/(kBT) es la temperatura inversa cannica.[30] Si se integra sobre la variable x se obtiene el factor:

en la frmula de Z. La energa promedio asociada con este factor est dada por:

como establece el teorema de equiparticin.

Demostraciones generales
La deduccin del teorema general de equiparticin se presenta en numerosos libros de mecnica estadstica, tanto para la colectividad microcannica[][] como para el colectivo cannico.[][] La deduccin se basa en realizar promedios sobre el espacio de fase del sistema, que es una variedad simplctica. To explain these derivations, the following notation is introduced. En primer lugar, el espacio de fase es descripto mediante sus coordenadas de posicin generalizadas qj junto con sus momentos conjugados pj. Las variables qj describen completamente la configuracin del sistema, mientras que las variables (qj,pj) describen completamente su estado fsico. En segundo lugar, se introduce el concepto del volumen infinitesimal del espacio de fases:

y se lo utiliza para definir el volumen (E, E) de la porcin del espacio de fase donde la energa H del sistema se encuentra entre los valores, E y E+E:

En esta expresin, E es un diferencial muy pequeo, E<<E. En forma similar, se define (E) como el volumen total del espacio de fase en el cual la energa es menor que E:

Como E es muy pequeo, las siguientes integraciones son equivalentes:

De ello surge que es proporcional a E:

donde (E) es la densidad de estados. Utilizando las definiciones usuales de mecnica estadstica, la entropa S es kB log (E), y la temperatura T es:

Teorema de equiparticin El colectivo cannico En el colectivo cannico, el sistema se encuentra en equilibrio trmico con un bao trmico infinito a una temperatura T (en Kelvin).[][] La probabilidad de cada estado en el espacio de fase est dada por su factor de Boltzmann multiplicado por un factor de normalizacin , el cual se elige de manera que la suma de las probabilidades sea uno.

176

donde = 1/kBT. Una integracin por partes para una variable del espacio de fase xk (que puede ser qk o pk) entre dos lmites a y b resulta en la expresin:

donde dk = d/dxk, o sea la primera integracin no se realiza sobre xk. El primer trmino es por lo general igual a cero, bien porque xk es cero en los lmites o porque la energa tiende a infinito en esos lmites. En este caso, el teorema de equiparticin para la colectividad cannica es por lo tanto:

Aqu el promedio representado por La colectividad microcannica

es el promedio del conjunto tomado sobre la colectividad cannico.

En el caso de la colectividad microcannica, el sistema est aislado del resto del universo, o por lo menos acoplado en forma muy dbil con l.[] Por lo tanto, su energa total es efectivamente constante; o sea se dice que la energa total H est confinada entre E y E+E. Para una dada energa E y diferencial E, existe una regin del espacio de fase en la cual el sistema posee esta energa, y donde la probabilidad de cada estado en esa regin del espacio de fase es igual, de acuerdo a la definicin del colectivo microcannico. De acuerdo con estas definiciones, el promedio de equiparticin de las variables del espacio de fase xm (que puede ser tanto qko pk) y xn es:

donde la ltima igualdad ha sido posible porque E es una constante que no depende de xn. Integrando por partes se obtiene la relacin:

dado que el primer trmino del lado derecho de la primera linea es cero (se lo puede escribir como una integral de H - E sobre la hipersuperficie donde H = E). Substituyendo este resultado en la ecuacin previa se obtiene:

Como

el teorema de equiparticin es:

Teorema de equiparticin

177

Por lo tanto, se ha obtenido la forma general del teorema de equiparticin

que result tan til en las aplicaciones descriptas previamente.

Limitaciones
Requerimientos de ergodicidad
La ley de equiparticin se satisface en sistemas ergdicos en equilibrio trmico, lo cual implica que todos los estados con la misma energa deben tener una igual probabilidad de ser activados.[] Por lo tanto, debe ser posible intercambiar energa entre todas las formas existentes en un sistema, o con un bao trmico externo en la colectividad cannica. El nmero de sistemas fsicos que se ha demostrado en forma rigurosa que son ergdicos es pequeo; un ejemplo famoso es el sistema de esferas duras de Ykov Sini.[31] Se han estudiado los requerimientos de los sistemas aislados que aseguran la ergodicidad, y por lo tanto la equiparticin, estos trabajos han motivado el desarrollo de la teora del caos de los sistemas dinmicos. Un sistema hamiltoniano catico no necesita ser ergdico, a pesar de que por lo general es una buena suposicin.[]

Un contra ejemplo muchas veces citado en el cual la energa no es compartida entre sus diversas formas y en el que la equiparticin no funciona en la colectividad microcannica es un sistema de osciladores armnicos acoplados.[] Si el sistema est aislado del resto de su entorno, la energa en cada modo normal es constante; la energa no se transfiere entre los distintos modos. Por lo tanto, la equiparticin no se satisface en dicho sistema; la cantidad de energa en cada modo normal permanece fijo en su valor inicial. Si existen trminos no lineales suficientemente importantes en la funcin de energa, entonces la energa se transferir entre los modos normales, dando lugar a ergodicidad y haciendo que la ley de equiparticin sea vlida. Sin embargo, el teorema Kolmogrov-Arnold-Moser establece que la energa no ser intercambiada a menos que existan perturbaciones no lineales suficientemente potentes; si las mismas son muy pequeas, la energa permanecer atrapada en algunos de los modos.

Figura 9. La energa no es compartida entre los varios modos normales en un sistema aislado de osciladores armnicos idealmente acoplados; la energa en cada modo es constante e independiente de la energa en los otros modos. Por lo tanto, el teorema de equiparticin no se cumple para dicho sistema en la colectividad microcannica (en el caso aislado), a pesar de que la equiparticin si se cumple en la colectividad cannica (en el caso acoplado a un bao trmico). Sin embargo, si se incorpora un acoplamiento suficientemente fuerte entre los modos, la energa ser compartida y la equiparticin se satisface en ambas colectividades.

Teorema de equiparticin

178

Falla debido a efectos cunticos


La ley de equiparticin no se satisface cuando la energa trmica kBT es significativamente menor que el espaciamiento entre los niveles de energa cuntica. La equiparticin no se satisface porque suponer que los niveles de energa forman un continuo no es una hiptesis suficientemente buena en estas circunstancias, lo cual era requerido en la derivaciones del teorema de equiparticin (ver [][] supra). Histricamente, las fallas del teorema de equiparticin clsico para explicar los calores especficos y la radiacin de cuerpo negro fueron crticas en mostrar la necesidad de contar con una nueva teora para la materia y la radiacin, es decir, la mecnica cuntica y la teora cuntica de campos.[]

Como ejemplo de la falla de la equiparticin analizemos la energa promedio de un oscilador armnico cuntico, que fuera analizado como el analizado previamente para el caso clsico. Sus niveles de energa cunticos son En = nh, donde h es la constante de Planck, es la frecuencia fundamental del oscilador, y n es un nmero entero. La probabilidad de que un dado nivel de energa est ocupado en la colectividad cannica est dado por su factor de Boltzmann:

Figura 10. Diagrama de la energa promedio de un oscilador armnico cuntico (en color rojo) como funcin de la temperatura. A los efectos de comparar, se muestra, en color negro, el valor obtenido mediante el teorema de equiparticin. A altas temperaturas, los dos coinciden casi perfectamente, pero a bajas temperaturas cuando kBT << h, el valor del sistema mecnico cuntico disminuye mucho ms rpidamente. Esto resuelve el problema de la catstrofe ultravioleta: para una dada temperatura, la energa en los modos de alta frecuencia (donde h >> kBT) es prcticamente cero.

donde = 1/kBT y el denominador Z es la funcin de particin, en este caso una serie geomtrica

Su energa promedio es:

Substituyendo la frmula para Z se obtiene el resultado final[]

A altas temperaturas, cuando la energa trmica kBT es mucho mayor que el espaciamiento h entre niveles de energa, el argumento exponencial h es mucho menor que uno y la energa promedio es kBT, lo cual est de acuerdo con el teorema de equiparticin (Figura 10). Sin embargo, a bajas temperaturas, cuando h >> kBT, la energa promedio cae a cero los niveles de energa de altas frecuencias estn "congelados" (Figura 10). Otro

Teorema de equiparticin ejemplo es el caso de los estados electrnicos excitados de un tomo de hidrgeno que no contribuyen a su calor especfico en el estado gaseos a temperatura ambiente, porque la energa trmica kBT (aproximadamente 0.025eV) es mucho menor que el espaciamiento entre el nivel de energa electrnico inferior y el prximo nivel de energa electrnico (aproximadamente 10eV). Consideraciones similares se aplican siempre que el espaciado de los niveles de energa es mucho mayor que la energa trmica. Por ejemplo, este razonamiento fue utilizado por Albert Einstein para resolver la catstrofe ultravioleta de la radiacin de cuerpo negro.[32] La paradoja se produce porque existe un nmero infinito de modos independientes en un campo electromagntico en una caja cerrada, cada uno de los cuales puede ser analizado como un oscilador armnico. Si cada modo electromagntico tuviera una energa promedio kBT, entonces la energa total contenida en la caja sera infinita.[32][33] Sin embargo, por las razones expuestas previamente, la energa promedio en los modos de altas- tienden a cero al tender a infinito; ms an, la ley de Planck de radiacin de cuerpo negro, que describe la distribucin experimental de la energa en los distintos modos, satisface el mismo razonamiento.[32] Otros efectos cunticos ms sutiles pueden dar lugar a correcciones a la equiparticin, como identical particles y continuous symmetries. Los efectos de partculas idnticas pueden ser dominantes a muy altas densidades y bajas temperaturas. Por ejemplo, la valencia de electrones en un metal puede tener una energa cintica promedio de unos pocos electrn volts, lo cual normalmente correspondera a una temperatura de decenas de miles de Kelvin. En tal estado, en el que la densidad es lo suficientemente elevada para que el principio de exclusin de Pauli invalide el modelo clsico, es llamado un gas de fermin degenerado. Tales gases son importantes para entender las estructuras de las enanas blancas y estrellas de neutrones. A bajas temperaturas, se puede formar un anlogo ferminico del BoseEinstein condensate (en el cual una gran cantidad de partcula idnticas ocupan el nivel de energa ms bajo); estos electrones superfludos son los responsables de la superconductividad.

179

Notas y referencias
[1] (en alemn) [2] Fact Sheet on Uranium Enrichment (http:/ / www. nrc. gov/ reading-rm/ doc-collections/ fact-sheets/ enrichment. html) U.S. Nuclear Regulatory Commission. Accessed 30th April 2007 [6] (solo resumen). Not published in full until Reprinted (reprinted in his Papers, 3, 167, 183.)

El trabajo fundamental de Waterston fue escrito y presentado a la Royal Society en 1845. La publicacin del artculo le es rechazado, pero sin embargo la Royal Society lo retiene y se archiva en sus archivos. El manuscrito fue descubierto en 1891 por Lord Rayleigh, quin procede a criticar al revisor original por no saber reconocer la importancia del trabajo de Waterston. Waterston de todas formas logra publicar sus ideas en 1851, y por lo tanto tiene prioridad sobre Maxwell en enunciar la primera versin del teorema de equiparticin.
[7] Read by Prof. Maxwell at a Meeting of the British Association at Aberdeen on 21 September 1859. [8] (en alemn) En este trabajo preliminar, Boltzmann mostr que la energa cintica total promedio era igual a la energa potencial total promedio cuando un sistema is acted upon by external harmonic forces. [9] (en alemn) [10] (en francs) [11] (en alemn) (en alemn) [12] (en francs) (en francs) Read at l'Acadmie des Sciences on 11 January 1841. (en alemn) [13] (en alemn) [14] (en alemn) [15] Una clase del Prof. Maxwell en la Chemical Society el 18 de febrero de 1875. [17] Re-issued in 1987 by MIT Press as Kelvin's Baltimore Lectures and Modern Theoretical Physics: Historical and Philosophical Perspectives (Robert Kargon and Peter Achinstein, editors). ISBN 978-0-262-11117-1 [19] (en alemn) (en alemn)

Teorema de equiparticin
(en alemn) (en alemn) (en alemn) [20] (en alemn) [22] (en alemn) [32] (en alemn). An English translation is available from Wikisource.

180

Bibliografa
Huang, K (1987). Statistical Mechanics (2nd ed. edicin). John Wiley and Sons. pp.136138. ISBN 0-471-81518-7. Khinchin, AI (1949). Mathematical Foundations of Statistical Mechanics (G. Gamow, translator). New York: Dover Publications. pp.9398. ISBN 0-486-63896-0. Landau, LD; Lifshitz EM (1980). Statistical Physics, Part 1 (3rd ed. edicin). Pergamon Press. pp.129132. ISBN 0-08-023039-3. Mandl, F (1971). Statistical Physics. John Wiley and Sons. pp.213219. ISBN 0-471-56658-6. Mohling, F (1982). Statistical Mechanics: Methods and Applications. John Wiley and Sons. pp.137139, 270273, 280, 285292. ISBN 0-470-27340-2. Pathria, RK (1972). Statistical Mechanics. Pergamon Press. pp.4348, 7374. ISBN 0-08-016747-0. Pauli, W (1973). Pauli Lectures on Physics: Volume 4. Statistical Mechanics. MIT Press. pp.2740. ISBN 0-262-16049-8. Tolman, RC (1927). Statistical Mechanics, with Applications to Physics and Chemistry. Chemical Catalog Company. pp.7281. ASIN B00085D6OO Tolman, RC (1938). The Principles of Statistical Mechanics. New York: Dover Publications. pp.9398. ISBN 0-486-63896-0.

Enlaces externos
Demostracin de equiparticin en tiempo real de una mezcla de gases monoatmicos y diatmicos (http:// webphysics.davidson.edu/physlet_resources/thermo_paper/thermo/examples/ex20_4.html) El teorema de equiparticin en fsica estelar (http://www.sciencebits.com/StellarEquipartition), por Nir J. Shaviv, profesor asociado del Racah Institute of Physics en la Hebrew University of Jerusalem.

Teorema de la estadstica del espn

181

Teorema de la estadstica del espn


El teorema de la estadstica del espn de la mecnica cuntica establece la relacin directa entre el espn de una especie de partcula con la estadstica que obedece. Fue demostrado por Fierz y Pauli en 1940, y requiere el formalismo de teora cuntica de campos.

Relacin emprica y enunciado


El espn es un momento angular intrnseco (no asociado a su movimiento espacial) que posee toda partcula a nivel cuntico. Puede tomar valores enteros (0,1,2,...) o semienteros (1/2,3/2,...), en unidades de la constante de Planck . La estadstica de una especie de partculas determina su comportamiento colectivo: Si pueden redistribuirse libremente en todas las configuraciones posibles del sistema, se denominan bosones. La funcin de onda de un sistema de bosones es simtrica bajo el intercambio de las coordenadas de dos partculas cualesquiera. Los fotones y las partculas alfa son bosones. Si por el contrario obedecen el principio de exclusin de Pauli, que restringe estas configuraciones, se denominan fermiones. La funcin de onda de un sistema de fermiones es anti-simtrica bajo el intercambio de dos partculas, esto es, cambia de signo. Los protones, neutrones, y electrones son fermiones. Estas dos propiedades estn en aparencia totalmente descorrelacionadas. Sin embargo es un hecho experimental que todos los bosones poseen espn entero, mientras que los fermiones poseen espn semientero. Esta relacin constituye el enunciado del teorema.

Consecuencias
Hay un par de fenmenos interesantes facilitados por los dos tipos de estadstica. La distribucin de Bose-Einstein describe los bosones en un condensado Bose-Einstein. Bajo una cierta temperatura, la mayora de las partculas en un sistema bosnico estar en el estado fundamental (el de ms baja energa). De ah resultan propiedades inusuales como la superfluidez. La distribucin de Fermi-Dirac, que describe el comportamiento de los fermiones, tambin proporciona interesantes propiedades. Dado que slo un nico fermin puede ocupar un estado cuntico, el nivel fundamental de energa slo puede ser ocupado por dos fermiones, con sus espines alineados de manera contraria. As, incluso al cero absoluto de temperatura, el sistema tiene una cierta energa diferente de cero. Como resultado, un sistema ferminico ejerce presin externa. An a temperaturas diferentes de cero, dicha presin existe. Esta presin es la responsable de que ciertas estrellas masivas no puedan colapsar debido a la gravedad (ver enana blanca, estrella de neutrones, y agujero negro).

Referencias
W. Pauli, The Connection Between Spin and Statistics, Phys. Rev. 58, 716-722(1940). (abstract) [1] Paul O'Hara, Rotational Invariance and the Spin-Statistics Theorem [2], Foun. Phys. 33, 1349-1368(2003).

Referencias
[1] http:/ / prola. aps. org/ abstract/ PR/ v58/ i8/ p716_1 [2] http:/ / xxx. lanl. gov/ abs/ quant-ph/ 0310016

Teorema de Fortescue

182

Teorema de Fortescue
El teorema de Fortescue o teorema de las componentes simtricas es uno de los teoremas ms importantes en la ingeniera elctrica. Se utiliza para simplificar el anlisis de los sistemas de energa trifsicos desequilibrados, pues permite escribir de forma general un sistema polifsico desbalanceado (con n fases) como la suma de n sistemas equilibrados aplicando el principio de superposicin.Siempre y cuando las corrientes y tensiones del sistema se relacionen con impedancias lineales de otro modo el principio de superposicion no es aplicable. El teorema fue presentado por primera vez por Charles Legeyt Fortescue en un artculo presentado en 1918 intitulado "Method of Symmetrical Co-Ordinates Applied to the Solution of Polyphase Networks". El artculo fue adoptado en empresas del sector elctrico usndose en el ajuste del sistema de protecciones y dimensionamiento de equipos. Expandiendo un diagrama de una lnea para mostrar la secuencia positiva, secuencia negativa e impedancias de secuencia cero de generadores y transformadores y otros dispositivos, el anlisis las condiciones de desbalanceo de la lnea sencilla a tierra por una falla o fuga de corriente de corto circuito se simplifica considerablemente. La tcnica tambin puede extenderse su uso para sistemas con mayor cantidad de fases. Fsicamente, en un sistema trifsico, un conjunto de corrientes positivas producen un campo rotatorio normal, un conjunto de secuencias negativas producen un campo con rotacin opuesta y la secuencia cero produce un campo que oscila pero no gira. Desde que estos efectos pueden ser detectados fsicamente, la herramienta matemtica lleg a ser la base para el diseo de relevadores de proteccin, los cuales usan voltaje y corrientes de secuencia negativa como un indicador confiable de condiciones de falla. Dichos relevadores deben ser usados para activar los disyuntores (en ingls, "breakers") o interruptores automticos o seguir otros pasos para proteger sistemas elctricos. La tcnica analtica fue adoptada y mejorada por ingenieros de General Electric y Westinghouse y despus de la Segunda Guerra Mundial, el mtodo fue aceptado para el anlisis de de sistemas asimtricos.

Demostracin
El estudio de mquinas elctricas rotativas depende en gran parte del sistema de coordenadas elegido. Segn donde se han elegido tres fasores cooplanares y congruentes en un punto, existen seis grados de libertad: la magnitud y ngulo para cada uno de ellos. Si se elije por ejemplo una condicin que puede ser que la suma de los tres fasores, uno de estos esta determinado por la suma de los otros dos, con lo que se han eliminado dos grados de libertad. Para un sistema general de fasores coplanares y congruentes en un punto, por tanto, existirn vectores como grados de libertad. Es posible, por medio de una transformacin escribir los comn. sistemas con un punto en

Aplicacin en sistemas trifsicos


Este teorema es usado de forma intensiva en el anlisis de fallas en sistemas de potencia trifasicos y en el anlisis de maquinas elctricas trifasicas bajo condiciones no equilibradas. El teorema de Fortescue establece que si se tiene un sistema trifasico cualquiera donde sus componentes simples sean , e , el sistema se puede representar de la siguiente manera:

donde

constituyen u sistema en el cual

(iguales en magnitud y en fase). y

, .

constituyen un sistema de secuencia positivo, en el cual se cumple que De forma matemtica el teorema se escribe como sigue:

Teorema de Fortescue

183

Donde

representan el sistema desequilibrado que se quiere representar como uno equilibrado, sistema de secuencia negativo inversa e

se

denomina sistema de secuencia positiva o directa,

sistema de

secuencia cero o homopolar. El operador a representa el desfase 120. Su valor es . Aunque el signo de este desfase ser diferente en funcin de si operamos con senos o cosenos. Esto es debido a que el desfase entre seno y coseno es de 90-.

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Teorema de FortescueCommons.

Teorema de la energa cintica


El teorema de la energa cintica es un teorema importante en el contexto de la mecnica clsica, en especial dentro del campo de la dinmica y de los anlisis energticos.

Enunciado
El teorema establece que : El trabajo realizado por la fuerza resultante aplicada a una partcula es igual al cambio que experimenta la energa cintica de dicha partcula. Esto es,:

Este teorema es vlido tanto en el mbito de la Mecnica Clsica como en el de la Mecnica relativista de partculas Sin embargo, no es como lo esperabamos en la mecnica de medios continuos o deformables necesita ser reformulado, ya que un slido deformable sobre el que se realiza trabajo puede almacenar energa en forma de energa potencial elstica o disiparla por deformacin plstica, sin que el trabajo realizado se convierta en energa cintica. De hecho para un sistema que incluya medios continuos deformables, en el que se conserve la energa se puede definir el incremento de energa interna como:

Por lo que el teorema de las fuerzas vivas original afirmara que para una cuerpo no deformable, el trabajo realizado sobre l no produce incrementos de energa interna, siendo todo el trabajo igual al incremento de energa cintica.

Demostracin
En el mbito de la mecnica newtoniana resulta fcil demostrar el teorema de las fuerzas vivas para una partcula:

Siendo

la energa cintica de la partcula.

La demostracin anterior es vlida para la mecnica relativista con cambios triviales:

Teorema de la energa cintica

184

Diversas consideraciones
Si Si : El trabajo motor conlleva un aumento de la velocidad de la partcula. : El trabajo resistente implica una disminucin de la velocidad de la partcula.

Obviamente, las unidades de trabajo y de energa cintica son las mismas: joule (J)

Referencia

Teorema de Hellman-Feynman
En mecnica cuntica, el teorema de HellmannFeynman relaciona la derivada de la energa total de un sistema con respecto a un parmetro con el valor esperado de la derivada del hamiltoniano con respecto al mismo parmetro. Su aplicacin ms comn es el clculo de fuerzas en molculas, donde los parmetros son las posiciones de los ncleos, en lo que se conoce como mecnica molecular: una vez se resuelve la ecuacin de Schrdinger, todas las fuerzas se pueden calcular usando conceptos de electromagnetismo clsico. El teorema ha sido probado independientemente por muchos autores, incluyendo a Paul Gttinger (1932),[1] Wolfgang Pauli (1933),[2] Hans Hellmann (1937)[3] y Richard Feynman (1939).[4] El teorema es el siguiente:

o, equivalentemente,

donde es un operador hamiltoniano que depende de un parmetro continuo , es una funcin de ondas, funcin propia del hamiltoniano, que depende implcitamente de es la energa del sistema, valor propio de la funcin de ondas, implica una integracin sobre todo el dominio de la funcin de ondas. ,

Referencias

Teorema de Huygens

185

Teorema de Huygens
El teorema de Huygens establece que la longitud reducida de un pndulo fsico no vara cuando el centro de oscilacin O pasa a ser centro de suspensin (O), pues ambos puntos permutan entre s sus papeles (puntos conjugados). El periodo del pndulo ser el mismo en ambos casos.

Explicacin
En lo que concierne al periodo de las oscilaciones de un pndulo fsico, la masa del pndulo puede imaginarse concentrada en un punto (O) cuya distancia al eje de suspensin es . Tal punto recibe el nombre de centro de oscilacin y la distancia se denomina longitud reducida del pndulo, viniendo dada por

Si ahora hacemos pasar el eje de suspensin por el punto O, de modo que sea paralelo al anterior eje de suspensin, el punto O pasa a ser el punto de suspensin, en tanto que el punto O pasa a ser el centro de oscilacin. Ambos puntos han permutado entre s sus papeles; por eso se dice que son puntos conjugados. Lo mismo podemos decir para los puntos Q y Q. Esta propiedad se aprovecha para la construccin del llamado pndulo reversible de Kater, instrumento que permite medir el valor de la aceleracin gravitatoria con gran precisin.
Figura 1. Pndulo fsico..

Demostracin del teorema


Es conveniente sustituir en la expresin [1] el valor del momento de inercia IO del pndulo respecto al eje de suspensin ZZ por el momento de inercia IG del cuerpo respecto a un eje paralelo al anterior que pasa por el centro de gravedad G del pndulo. As, sirvindonos del teorema de Steiner, y llamando K al radio de giro del cuerpo respecto a este ltimo eje, podemos escribir

Combinando las expresiones [1] y [2], la longitud reducida del pndulo, respecto al eje de suspensin, puede expresarse en la forma

Ahora, hagamos pasar el eje de suspensin por otro punto, situado sobre la recta OG y que se encuentre a una distancia h del c.d.g., G, de modo que el periodo de las oscilaciones sea el mismo que antes; esto equivale a decir que la longitud reducida del pndulo, respecto a este nuevo eje de suspensin, es la misma que anteriormente ( = ). Podemos escribir

donde hemos hecho uso de la siguiente propiedad de las proporciones

y, por lo tanto,

Teorema de Huygens

186

ecuacin que tiene dos soluciones: 1. Puede ser h = h; i.e., se trata del punto Q, situado al otro lado del c.d.g. y a la misma distancia de ste que el punto O. 2. En el caso de que sea h h, dividiendo por (h-h) ambos miembros de la igualdad [5] y teniendo en cuenta [3], nos quedar:

correspondiendo la distancia h a la posicin del punto O, conjugado del O, que se encuentra situado al otro lado del c.d.g. y de modo que la suma de distancias al mismo (h+h) es la longitud reducida ( ) del pndulo.

Referencias
Bibliografa
Ortega, Manuel R. (1989-2006). Lecciones de Fsica (4 volmenes). Monytex. ISBN 84-404-4290-4, ISBN 84-398-9218-7, ISBN 84-398-9219-5, ISBN 84-604-4445-7. Resnick,R. and Halliday, D. (1996). Physics. John Wiley & Sons. ISBN 0-471-83202-2. Tipler, Paul A. (2000). Fsica para la ciencia y la tecnologa (2 volmenes). Barcelona: Ed. Revert. ISBN 84-291-4382-3.

Enlaces externos
Fsica Universitaria. (http://www.uco.es/~fa1orgim/fisica/docencia/index.html) (en espaol) Abundante informacin para el nivel de la Fsica Universitaria. Incluye textos y animaciones. Curso Interactivo de Fsica en Internet. (http://www.sc.ehu.es/sbweb/fisica_/) ngel Franco Garca.

Teorema de Kirkwood-Frohlich

187

Teorema de Kirkwood-Frohlich
El Teorema de Kirkwood-Frohlich considera las molculas como dipolos permanentes sumergidos en un medio con una constante dielctrica de alta frecuencia . El momento dipolar de cada dipolo es afectado por el valor de la polarizacin debido a la reaccin con el cambio en la fase gas. Se toman regiones esfricas en las que se alojan las molculas y por medio de un tratamiento de mecnica estadstica se estudian los detalles y el material no incluido en las esferas se considera como un continuo. El momento dipolar est dado en fase gaseosa por:

Donde es la constante dielctrica del volumen, N es la densidad dipolar, y g es el factor de correlacin de Kirkwood. En estudios realizados se determinaron valores entre tres y cuatro para la constante dielctrica del agua en protenas haciendo notorio que stas son vistas como material puro con una constante dielctrica baja.

Teorema de Kutta-Yukovski
El Teorema Kutta-Joukowski es un teorema fundamental de la aerodinmica. Es el nombre del alemn Martin Wilhelm Kutta y el ruso Nikoli Zhukovski (o Joukowski) que empezaron a desarrollar sus ideas clave a principios del siglo XX. El teorema relaciona la fuerza de sustentacin generada por un cilindro recto con la velocidad del fluido por el cilindro, la densidad del fluido, y la circulacin. La circulacin es la integral de lnea de la velocidad del fluido, en una curva cerrada que contiene al cilindro. Puede ser entendido como la cantidad total "hilado" del fluido alrededor del cilindro. En las descripciones del teorema Kutta-Joukowski el cilindro recto por lo general es limitado a un cilindro circular o un perfil alar. El teorema se refiere al flujo bidimensional alrededor de un cilindro (o un cilindro de envergadura de ala infinito) y determina la sustentacin generada por unidad de envergadura. Cuando se conoce la circulacin , la sustentacin por envergadura de unidad del cilindro puede ser calculada en primera aproximacin usando la ecuacin siguiente:[1]

donde

es la densidad del fluido,

es la velocidad del fluido a travs del cilindro, y


[2]

es la circulacin.

Kuethe y Schetzer declaran el teorema Kutta-Joukowski as:

La fuerza por unidad de longitud que acta sobre un cilindro recto de cualquier seccin transversal tiene mdulo y direccin ortogonal a V. Prueba formal del teorema se encuentra en los textos estndar.[3] Sin embargo, como argumento de plausibilidad, considere una superficie sustentadora fina de cuerda y envergadura infinita, movindose a travs del aire de densidad . Deje el perfil alar ser inclinado al flujo de acercamiento a producir una velocidad de aire sobre un lado de el perfil alar, y una velocidad de aire del otro lado. La circulacin es entonces

La diferencia de presin ecuacin de Bernoulli:

entre los dos lados del perfil alar se puede encontrar mediante la aplicacin de la

Teorema de Kutta-Yukovski

188

(ignorando

entonces la fuerza de sustentacin por unidad de envergadura es

Una versin diferencial de este teorema se aplica sobre cada elemento de la placa y es la base de la teora del perfil alar delgado.

Referencias
Batchelor, G. K. (1967) An Introduction to Fluid Dynamics, Una introduccin a la dinmica de fluidos, Cambridge University Press Clancy, L.J. (1975), Aerodynamics, Aerodinmica, Pitman Publishing Limited, London ISBN 0 273 01120 0 A.M. Kuethe and J.D. Schetzer (1959), Foundations of Aerodynamics, Fundamentos de Aerodinmica, John Wiley & Sons, Inc., New York ISBN 0 471 50952 3

Notas
[1] Clancy, L.J., Aerodynamics, Section 4.5 [2] A.M. Kuethe and J.D. Schetzer, Foundations of Aerodynamics, Section 4.9 (2nd edition) [3] Batchelor, G. K., An Introduction to Fluid Dynamics, p 406

Esta obra deriva de la traduccin de KuttaJoukowski theorem, publicada bajo la Licencia de documentacin libre de GNU y la Licencia Creative Commons Atribucin-CompartirIgual 3.0 Unported por editores de la Wikipedia en ingls.

Lineal
La palabra lineal viene de la palabra latina linearis, que significa "creado por lneas".

Matemticas (funcin lineal)


Propiedades
En matemticas, una funcin lineal es aquella que satisface las siguientes dos propiedades (ver ms abajo y , entonces para un uso ligeramente diferente del trmino): Propiedad aditiva (tambin llamada propiedad de superposicin): Si existen Propiedad homognea: . Se dice que f es un grupo isomorfista con respecto a la adicin. , para todo nmero real a. Esto hace que la homogeneidad siga a la propiedad aditiva en todos los casos donde a es racional. En el caso de que la funcin lineal sea continua, la homogeneidad no es un axioma adicional para establecer si la propiedad aditiva est establecida. En esta definicin x no es necesariamente un nmero real, pero es en general miembro de algn espacio vectorial. En general, se dice en Matemticas que una funcin es lineal cuando cumple que la imagen de la suma es igual a la suma de las imgenes (esto es, ) y cuando la imagen del mltiplo de un objeto es igual al mltiplo de la imagen (esto es ).

Lineal

189

Propiedad de linealidad
La propiedad de linealidad est asociada al concepto de espacio vectorial, conjuntos en los que se definen dos operaciones, una interna (suma de vectores ) y otra externa (multiplicacin por un escalar x, en la que pertenece a un conjunto externo), de ah que la propiedad de linealidad se exprese referida a estas dos operaciones. Para comprobar la linealidad de una funcin demostrada. no es necesario realizar la comprobacin de las propiedades de la linealidad queda

homogeneidad y aditividad por separado, con mostrar que

Operador lineal
El concepto de linealidad puede ser extendido al operador lineal. Ejemplos importantes de operaciones lineales incluyen a la derivada considerada un operador diferencial y muchos construidos de l, tal como el Laplaciano. Cuando una ecuacin diferencial puede ser expresada en forma lineal, es particularmente fcil de resolver al romper la ecuacin en pequeas piezas, resolviendo cada una de estas piezas y juntando las soluciones. Las ecuaciones no lineales y las funciones no lineales son de inters en la fsica y matemticas debido a que son difciles de resolver y dan lugar a interesantes fenmenos como la teora del caos.

lgebra lineal
El lgebra Lineal es la rama de las matemticas que se encarga del estudio de los vectores, espacios vectoriales (o espacios lineales), transformaciones lineales y sistemas de ecuaciones lineales. Un uso ligeramente diferente del mencionado arriba, un polinomio de grado uno se dice que es lineal, porque la grfica de la funcin es una lnea recta. Sobre los reales una funcin lineal es de la forma

M es usualmente llamado la pendiente o el gradiente; b es la intercepcin, la cual del punto de interseccin entre la grfica y el eje independiente. Ntese que este uso del trmino "lineal" no es el mismo que el usado arriba, porque los polinomios lineales sobre los nmeros reales generalmente no satisfacen la aditividad o la homogeneidad. De hecho los polinomios los cumplen solo cuando b = 0, la funcin entonces es llamada funcin afn (vase ms general, transformacin afn).

Fsica
En fsica, linealidad es una propiedad de las ecuaciones diferenciales que gobiernan varios sistemas interesantes. Esta linealidad se encuentra por ejemplo en la teora del potencial, las ecuaciones de Maxwell del electromagnetismo, la ecuacin de la difusin y las ecuaciones de la elasticidad lineal. En muchos problemas las ecuaciones de gobierno tienen la forma:

Donde u es algn tipo de mangitud fsica incgnita retraida a una cierta fuente f, y

es algn tipo de operador

diferencial lineal. La linealidad del operador implica que si dos funciones f y g son dos funciones fuente distintas cuyas soluciones asociados son uf y ug, la solucin asociada a la suma f + g viene dada por la suma de soluciones uf+ug. Esta propiedad permite descomponer un problema en subproblemas ms sencillos de tal manera que la solucin al problema original puede obtenerse como suma de las soluciones particulares de los subproblemas. La linealidad es una propiedad bsica que deben poseer las ecuaciones para que sea aplicable el principio de superposicin.

Lineal

190

Sistemas lineales
En Fsica es de particular inters el estudio de los sistemas lineales, es decir, aquellos en los que los efectos de la suma de entradas es igual a la suma de las salidas individuales y el efecto de una entrada mltiplo de otra es el mismo mltiplo del resultado de dicha entrada. Ms grficamente, si un sistema es tal que cuando se introduce en el sistema A se obtiene como resultado As y cuando se introduce B se obtiene Bs el sistema es lineal slo si al introducir A+B se obtiene As+Bs y al introducir k veces A se obtiene k veces As. El inters en el estudio de estos sistemas se debe a la regularidad de sus resultados y a la predictibilidad de su funcionamiento. Por ejemplo, la mayor parte de los dispositivos electrnicos son, en su concepcin, sistemas lineales. Los sistemas que se suelen incluir dentro de la denominada Teora del Caos son, con frecuencia, no lineales.

Electrnica
En Electrnica, la regin de operacin de un transistor es donde el emisor-colector de corriente est relacionado con la corriente de base por un simple factor a escala, permitiendo que el transistor sea usado como un amplificador de las seales elctricas. Tambin es usada de manera similar para describir regiones de cualquier funcin, matemtica o fsica, que siguen una lnea recta con una pendiente arbitraria.

Referencias

Teorema de Liouville (mecnica hamiltoniana)


El teorema de Liouville es un resultado de la mecnica hamiltoniana sobre la evolucin temporal de un sistema mecnico. Un conjunto de partculas con condiciones iniciales cercanas pueden representarse por la regin conexa que ocupa en el espacio de fases. El teorema establece que dicha regin mantendr invariante su volumen a pesar de que se estirar y se encoger a medida que cada partcula evolucione.

Introduccin
Consideremos una regin del espacio fsico que evoluciona con el tiempo al desplazarse sobre su trayectoria. Cada uno de sus puntos se transforma al cabo del tiempo en una regin de forma diferente ubicada, adems, en otra parte del espacio fsico. El teorema de Liouville afirma que a pesar de la traslacin y el cambio de forma el "volumen" total de dicha regin permanecer invariante. Adems debido a la continuidad de la evolucin temporal si la regin es conexa inicialmente seguir siendo conexa todo el tiempo. Casi todas las demostraciones usan el hecho de que la evolucin temporal de una "nube" de puntos en el espacio fsico es de hecho una transformacin cannica que cambiar la forma y posicin de dicha nube, aunque mantendr su volumen total.

Teorema de Liouville (mecnica hamiltoniana)

191

Demostracin directa
Una forma de ver probar que la evolucin temporal es una transformacin cannica, cosa relativamente sencilla, y a partir de ah calcular directamente el determinante de dicho cambio de coordenadas, y probar que de hecho el determinante de dicha transformacin es igual a 1, lo cual prueba la invariancia del volumen.

Demostracin basada en la forma simplctica


Otra forma de probar el teorema es tener en cuenta que la forma de volumen del espacio fsico es el n-simo producto de la forma simplctica, y que esta de acuerdo con el teorema de Darboux se expresa como producto de pares de variables cannicamente conjugadas:

De donde se sigue que el determinante de la transformacin es igual a 1 y, por tanto:

Esta ltima expresin es esencialmente el enunciado del teorema de Liouville.

Ecuacin de Liouville
El teorema de Liouville puede reescribirse en trminos del corchete de Poisson. Esta forma alternativa, conocida como ecuacin de Liouville, viene dada por:

o en trminos del operador de Liouville, tambin llamado "Liouvilliano":

que lleva a la forma:

Mecnica cuntica
En mecnica cuntica existe un resultado anlogo al teorema de Liouville que describe la evolucin de un estado mezcla. De hecho, se puede llegar a la versin mecano-cuntica de este resultado mediante la simple cuantizacin cannica. Aplicando ese procedimiento formal llegamos a al anlogo cuntico del teorema de Liouville:

Donde es la matriz densidad. Cuando se aplica el resultado al valor esperado de un observable, la correspondiente ecuacin dada por el teorema de Ehrenfest toma la forma:

Donde

es un observable.

Teorema de mxima potencia

192

Teorema de mxima potencia


En ingeniera elctrica, electricidad y electrnica, el teorema de mxima transferencia de potencia establece que, dada una fuente, con una resistencia de fuente fijada de antemano, la resistencia de carga que maximiza la transferencia de potencia es aquella con un valor hmico igual a la resistencia de fuente. Tambin este ayuda a encontrar el teorema de Thevenin y Norton. El teorema establece cmo escoger (para maximizar la transferencia de potencia) la resistencia de carga, una vez que la resistencia de fuente ha sido fijada, no lo contrario. No dice cmo escoger la resistencia de fuente, una vez que la resistencia de carga ha sido fijada. Dada una cierta resistencia de carga, la resistencia de fuente que maximiza la transferencia de potencia es siempre cero, independientemente del valor de la resistencia de carga. Se dice que Moritz von Jacobi fue el primero en descubrir este resultado, tambin conocido como "Ley de Jacobi".

Maximizando transferencia de potencia versus eficiencia de potencia


El teorema fue originalmente malinterpretado (notablemente por Joule) para sugerir que un sistema que consiste de un motor elctrico comandado por una batera no podra superar el 50% de eficiencia pues, cuando las impedancias estuviesen adaptadas, la potencia perdida como calor en la batera sera siempre igual a la potencia entregada al motor. En 1880, Edison (o su colega Francis Robbins Upton) muestra que esta suposicin es falsa, al darse cuenta que la mxima eficiencia no es lo mismo que transferencia de mxima potencia. Para alcanzar la mxima eficiencia, la resistencia de la fuente (sea una batera o un dnamo) debera hacerse lo ms pequea posible. Bajo la luz de este nuevo concepto, obtuvieron una eficiencia cercana al 90% y probaron que el motor elctrico era una alternativa prctica al motor trmico. En esas condiciones la potencia disipada en la carga es mxima y es igual a:

La condicin de transferencia de mxima potencia no resulta en eficiencia mxima. Si definimos la eficiencia como la relacin entre la potencia disipada por la carga y la potencia generada por la fuente, se calcula inmediatamente del circuito de arriba que

La eficiencia cuando hay adaptacin es de solo 50%. Para tener eficiencia mxima, la resistencia de la carga debe ser infinitamente ms grande que la resistencia del generador. Por supuesto en ese caso la potencia transferida tiende a cero. Cuando la resistencia de la carga es muy pequea comparada a la resistencia del generador, tanto la eficiencia como la potencia transferida tienden a cero. En la curva de la derecha hemos representado la potencia transferida relativa a la mxima posible (cuando hay adaptacin) con respecto al cociente entre la resistencia de carga y la del generador. Se supone que las reactancias estn compensadas completamente. Ntese que el mximo de la curva no es crtico. Cuando las dos resistencias estn desadaptadas de un factor 2, la potencia transferida es an 89% del mximo posible. Cuando la impedancia de la fuente es una resistencia pura (sin parte reactiva), la adaptacin se hace con una resistencia y es vlida para todas las frecuencias. En cambio, cuando la impedancia de la fuente tiene una parte reactiva, la adaptacin solo se puede hacer a una sola frecuencia. Si la parte reactiva es grande (comparada a la parte resistiva), la adaptacin ser muy sensible a la frecuencia, lo que puede ser un inconveniente.

Potencia transferida en funcin de la adaptacin. Solo se tiene en cuenta la parte resistiva. Se supone que las reactancias estn compensadas.

Teorema de mxima potencia

193

Adaptacin de impedancias
La adaptacin de impedancias es importante en dos situaciones. La primera ocurre en bajas potencias, cuando la seal recibida en la entrada de un amplificador es muy baja y prxima del nivel del ruido elctrico del amplificador. Si la transferencia de seal no es ptima, la relacin seal/ruido empeorar. Encontramos esta situacin, por ejemplo, en la recepcin de bajas seales radioelctricas. Es interesante que el cable que conecta la antena al receptor est adaptado en las dos extremidades para maximizar la potencia transferida de la antena al cable y luego del cable al receptor. Otra situacin en la cual la adaptacin de impedancias es trascendental ocurre en sistemas de alta frecuencia. Por ejemplo en un transmisor operando a frecuencias de microondas, constituido (entre otros elementos) por un generador, una gua de ondas y una antena. Si la gua de ondas y la antena no estn adaptadas, una parte de la potencia incidente en la antena se reflejar y crear una onda estacionaria en la gua. Si la desadaptacin es apreciable, y la potencia transmitida es suficientemente alta, la fuente puede daarse por la onda reflejada. En la prctica se utilizan adicionalmente protecciones entre la fuente y la gua de ondas, de modo que seales reflejadas desde la carga sean atenuadas. No se debe pensar que, en todas las situaciones, lo ideal es que las impedancias de la fuente y de la carga estn adaptadas. En muchos casos, la adaptacin es perjudicial y hay que evitarla. La razn es que, como se ha explicado antes, cuando hay adaptacin, la potencia disipada en la carga es igual a la potencia disipada en la resistencia de la impedancia de la fuente. La adaptacin corresponde a un rendimiento energtico mximo de 50%. Si se quiere un buen rendimiento hace falta que la resistencia de la fuente sea despreciable respecto a la resistencia de la carga. Un ejemplo es el de la produccin y la distribucin de energa elctrica por las compaas de electricidad. Si los generadores de las compaas estuviesen adaptados a la red de distribucin, la mitad de la potencia generada por las compaas servira solo a calentar los generadores... y a fundirlos. Tambin, si su lmpara de escritorio estuviese adaptada a la red, consumira la mitad de la potencia generada por la compaa de electricidad. Tomemos otro ejemplo menos caricatural: el de un emisor de radio conectado a la antena a travs de un cable. Si la adaptacin del cable a la antena es deseable (para que no haya ondas reflejadas), es mejor evitar la adaptacin del cable al emisor. Si el emisor estuviese adaptado, la mitad de la potencia generada por el emisor se perdera en la resistencia interna de este ltimo. Lo mejor es que la resistencia interna del emisor sea lo ms pequea posible. Hay otros casos en los cuales la adaptacin es simplemente imposible. Por ejemplo, la resistencia interna de una antena de automvil en ondas largas y ondas mdias es muy pequea (unos miliohmios). No es posible adaptar ni el cable ni el receptor a la antena. Pero eso no impide el funcionamiento de los auto-radios. Otro caso corriente en el cual la adaptacin de la antena al receptor y al emisor es imposible es el de los telfonos celulares. Como la impedancia de la antena depende la posicin de la cabeza y de la mano del usuario, la adaptacin en todas circunstancias es imposible, pero eso no les impide funcionar.

Teorema de mxima potencia

194

Referencias
H.W. Jackson (1959) Introduction to Electronic Circuits, Prentice-Hall.

Enlaces externos
Jacobi's theorem [1] - alegacin sin confirmar de que el teorema fue descubierto por Moritz Jacobi [2] Notas biogrficas de MH Jacobi

Referencias
[1] http:/ / www. du. edu/ ~jcalvert/ tech/ jacobi. htm [2] http:/ / chem. ch. huji. ac. il/ ~eugeniik/ history/ jacobi. html

Teorema de Noether
El teorema de Noether es un resultado central en fsica terica. Expresa que cualquier simetra diferenciable, proveniente de un sistema fsico, tiene su correspondiente ley de conservacin. El teorema se denomina as por la matemtica Emmy Noether, quien lo formul. Adems de permitir aplicaciones fsicas prcticas, este teorema constituye una explicacin de por qu existen leyes de conservacin y magnitudes fsicas que no cambian a lo largo de la evolucin temporal de un sistema fsico.

Explicacin
El teorema de Noether relaciona pares de ideas bsicas de la fsica: (1) una es la invariancia de la forma que una ley fsica toma con respecto a cualquier transformacin (generalizada) que preserve el sistema de coordenadas (aspectos espaciales y temporales tomados en consideracin), y la otra es (2) la ley de conservacin de una magnitud fsica. Informalmente, el teorema de Noether se puede establecer como: A cada simetra (continua) le corresponde una ley de conservacin y viceversa. El enunciado formal del teorema deriva una expresin para la magnitud fsica que se conserva (y, por lo tanto, tambin la define) de la condicin de invariancia solamente. Por ejemplo: la invariancia con respecto a la (direccin del eje de) rotacin da la ley de conservacin del momento angular. la invariancia de sistemas fsicos con respecto a la traslacin (dicho simplemente, las leyes de la fsica no varan con la localizacin en el espacio) da la ley de conservacin del momento lineal. la invariancia con respecto a (la traslacin en) el tiempo da la ley de conservacin de la energa. Al subir a la teora cuntica de campos, la invariancia con respecto a la transformacin general de gauge da la ley de la conservacin de la carga elctrica, etctera. As, el resultado es una contribucin muy importante a la fsica en general, pues ayuda a proporcionar intuiciones de gran alcance en cualquier teora general en fsica, con slo analizar las diversas transformaciones que haran invariantes la forma de las leyes implicadas.

Rotaciones y momento angular


Cuando el lagrangiano de un sistema fsico presenta simetra rotacional, es decir, existe un grupo de transformaciones isomorfo a un subgrupo unidimensional del grupo de rotaciones o grupo especial ortogonal entonces existe una magnitud fsica conservada llamada momento angular que tiene un valor constante a lo largo de la evolucin temporal. Es decir, dicha magnitud no cambia de valor a medida que el sistema evoluciona, razn por la cual dicha magnitud se llama constante del movimiento o magnitud conservada.

Teorema de Noether

195

Traslaciones y momento lineal


Anlogamente si el lagrangiano de un sistema fsico es invariante bajo cierto grupo uniparamtrico de traslaciones entonces existe una componente del momento lineal paralela a dichas traslaciones que no vara con el tiempo, a medida que el sistema evoluciona. Es decir, a pesar de que el estado de movimiento de una partcula o el estado fsico del sistema vare, dicha magnitud fsica siempre mantiene el mismo valor, por complicada que sea la evolucin del sistema.

Invariancia temporal y energa


De modo similar al caso anterior, la independencia del tiempo del lagrangiano, puede ser vista como una invariancia frente a "traslaciones temporales". En este caso la magnitud conservada es el Hamiltoniano o la integral de Jacobi-Painlev. En un sistema natural si el lagrangiano no depende explcitamente del tiempo se tiene que la energa se conserva. Es decir, en cualquier evolucin temporal del sistema la energa no cambia de valor.

Esbozo de demostracin
Para un sistema con un grado finito de grados de libertad Y usando la representacin en coordenadas supongase que se tiene un grupo uniparamtrico G que transforma las coordenadas o variables dinmicas, dejando el lagrangiano invariante, ese caso:

Donde el grupo se ha parametrizado con el parmetro real

entonces:

Empleando las ecuaciones de Euler-Lagrange, el primer trmino puede reescribirse:

Por tanto, ltima cantidad en forma de sumatoria es una constante del movimiento ya que su derivada temporal es cero. Los otros casos del teorema de Noether en esencial repiten los mismos pasos, expresando la derivada de la accin del grupo y construyendo una funcin que involucra a los momentos conjugados y elementos de un espacio vectorial ismorofo al lgebra de Lie del grupo de simetra.

Invariancia gauge y carga


En el contexto de la teora cuntica de campos la existencia de una simetra gauge abstracta del lagrangiano que describe la interaccin electromagntica implica que existe una magnitud conservada que puede identificarse con la carga elctrica, dado que el grupo de simetra gauge del campo electromagntico es el grupo unitario U(1) la magnitud conservada es un escalar. Anlogamente, aunque ligeramente ms complicado, es el caso de la interaccin dbil y la interaccin fuerte, cuyos grupos de simetra gauge son SU(2) y SU(3), que no son conmutativos y llevan a la conservacin de la carga de sabor y la carga de color.

Teorema de Noether

196

Tratamiento formal en fsica clsica


Supngase que se tiene un conjunto cerrado R de dimensin d y una variedad blanco o codominio espacio de todas las funciones diferenciables de R a mbitos diferentes: En mecnica clsica, R es un intervalo cerrado de que representa el tiempo y la variedad blanco es el fibrado tangente del espacio de posiciones o espacio de configuracin. En la teora clsica de campos, R es una regin del espacio-tiempo y la variedad blanco es el conjunto de valores que los campos pueden tomar en cualquier punto dado. Por ejemplo, si hay m campos escalares real-valorados, 1...,m, entonces la variedad blanco podra ser , dotada de la estructura topolgica adecuada. Para probar el teorema consideraremos el segundo de estos casos (el resultado para sistemas de partculas clsicas se puede probar particularizando la demostracin esbozada aqu). . Sea el . Para aclarar ideas particularicemos estas ideas en dos

Paso 1: funcional de accin


Para ello, al estar tratando un sistema fsico existir un funcional de accin que describe el sistema. Matemticamente este funcional resulta ser una aplicacin del tipo: , Para conseguir la versin usual del teorema de Noether, se necesitan restricciones adicionales en la accin fsica. Se supone que es la integral sobre R del lagrangiano del sistema fsico:

Este lagrangiano depende de las variables del campo segn el tipo de campo), sus derivadas

(siendo K un conjunto de ndices tensoriales o de otro tipo, :

y la posicin en R. Es decir

Suponiendo dadas condiciones de contorno, que son bsicamente una especificacin del valor de R si es compacta, o un cierto lmite en Podemos denotar por funcionales de S en

en el borde de

cuando x se acerca a , que permitir hacer la integracin por partes). que consiste en las funciones tales que todas las derivadas

el subconjunto de son cero y

satisface las condiciones de contorno dadas.

Paso 2: funcional de accin


Ahora, suponga que tenemos una transformacin infinitesimal sobre , dada por la derivada funcional, tal que:

para todas las subvariedades compactas R. Entonces, decimos que es un generador de un grupo de Lie uniparamtrico. Ahora, para cualquier N, debido al teorema de Euler-Lagrange, tenemos: .

Teorema de Noether

197

Paso 3: Corriente conservada


Puesto que la ltima expresin es cierta para cualquier R, tenemos: . Se puede reconocer inmediatamente esto como la ecuacin de continuidad para la corriente

que se llama la corriente de Noether asociada a la simetra. La ecuacin de continuidad dice que si se integra esta corriente sobre una "rebanada" (hipersuperficie) de tipo espacio, se consegue una magnitud conservada llamada la carga de Noether (suponiendo, por supuesto, que si R es no compacto, las corrientes decaen suficientemente rpido en el infinito).

Tratamiento formal en fsica cuntica


En fsica cuntica la descripcin de un sistema se realiza mediante el lagrangiano cuntico que es un funcional definido sobre el espacio de Hilbert relevante para el sistema. Cuando dicho lagrangiano es invariante respecto a un grupo uniparamtrico de aplicaciones unitarias de dicho espacio de Hilbert, entonces cada uno de los generadores del lgebra de Lie de dicho grupo es un observable que es una constante del movimiento en el sentido de que:

Podemos exponer una transformacin que sea mezcla de diferentes campos:

donde Si

es un parmetro infinitesimal y los

estn fijados. donde

es invariante bajo la transformacin, entonces

Todo esto significa que la carga del sistema se conservar:

La naturaleza fsica de la corriente transformacin.

y de la carga

vendr dada por una forma especfica de la

Enlaces externos
artculo sobre el teorema de Noether [1] por John Baez

Referencias
[1] http:/ / math. ucr. edu/ home/ baez/ noether. html

Teorema de Poynting

198

Teorema de Poynting
En electromagnetismo, el teorema de Poynting, desarrollado por John Henry Poynting, expresa la ley de conservacin de la energa. Establece que la disminucin de energa electromagntica en una regin se debe a la disipacin de potencia en forma de calor (por efecto Joule) y al flujo hacia el exterior del vector de Poynting. Relaciona la derivada temporal de la densidad de energa electromagntica con el flujo de energa y el ritmo al que el campo realiza un trabajo. Puede resumirse mediante la frmula.

donde U es la densidad de energa, S es el vector de Poynting, J la densidad de corriente y E el campo elctrico. Dado que el campo magntico no realiza trabajo la parte derecha de la ecuacin incluye todo el trabajo realizado por el campo electromagntico. De forma integral, se puede expresar como:

siendo:

donde: Pd : potencia disipada por efecto Joule W : energa electromagntica

Demostracin del teorema


La demostracin del teorema es la siguiente:
Demostracin

El trabajo realizado por las fuerzas viene dado por

Dado que la fuerza magntica no realiza trabajo sobre las cargas tenemos que

El trabajo por unidad de tiempo y volumen ser por tanto:

Aplicando la ecuacin de Maxwell:

Tenemos que

Aplicando la relacin vectorial

Teorema de Poynting

199

Y la ecuacin de Maxwell

Obtenemos finalmente que:

Datos Interesantes
Definicin 2: El vector de Poynting se interpreta como la densidad de potencia instantnea medida en watts por metro cuadrado. La integracin del vector de Poynting sobre la superficie cerrada proporciona la potencia total que atraviesa la superficie en un sentido hacia afuera. Maxwell public sus resultados en el ao 1865, resultados que constaban de 20 ecuaciones con 20 variables, que despus el mismo las redujo a 13. Uno de los resultados de estas ecuaciones fue la demostracin de la existencia de las ondas electromagnticas. Adems Poynting demostr que las ondas transmiten energa y esta se conserva, demostracin para la cual utiliz las ecuaciones que public Maxwell. Oliver Heaviside y Josiah Willard Gibbs, en 1884 reformularon estas ecuaciones disminuyendo el nmero de estas a tan solo 4 ecuaciones con 4 variables. Estas nuevas ecuaciones son de tipo diferencial a diferencia de las de tipo integral que se estaban utilizando. Estas no solo concluyen la existencia de ondas electromagnticas, sino que adems generaron la demostracin, por parte de Heaviside (en el mismo ao que Poynting), de la conservacin de la energa y la cantidad de movimiento propagada por dicha onda, de una manera mucho ms intuitiva que las anteriores demostraciones. Otra consecuencia crucial en el desarrollo de la fsica moderna consiste en la observacin de que estas ecuaciones no son invariantes a la transformacin de coordenadas de Galileo, problema que soluciona Hendrik Antoon Lorentz, cuya resolucin da origen a una nueva forma de percibir el universo, la cual fue estudiada magistralmente por Albert Einstein.

Principio de superposicin

200

Principio de superposicin
El principio de superposicin o teorema de superposicin es un resultado matemtico que permite descomponer un problema lineal en dos o ms subproblemas ms sencillos, de tal manera que el problema original se obtiene como "superposicin" o "suma" de estos subproblemas ms sencillos. Tcnicamente, el principio de superposicin afirma que cuando las ecuaciones de comportamiento que rigen un problema fsico son lineales, entonces el resultado de una medida o la solucin de un problema prctico relacionado con una magnitud extensiva asociada al fenmeno, cuando estn presentes los conjuntos de factores causantes A y B, puede obtenerse como la suma de los efectos de A ms los efectos de B.

Ejemplos
Teorema de superposicin en electrnica
En el teorema de superposicin en teora de circuitos se establece que la tensin entre dos nodos de un circuito o la corriente que atraviesa una rama es igual a la suma de las tensiones o de las corrientes producidas por cada uno de los generadores de tensin y de los generadores de corriente del circuito. En cada uno de los clculos parciales, se conserva uno solo de los generadores y se remplazan los otros generadores de tensin por cortocircuitos y los otros generadores de corriente por circuitos abiertos.

Campos de fuerzas en mecnica newtoniana


En mecnica newtoniana el laplaciano del campo gravitatorio es proporcional a la densidad de masa; eso hace que la igualdad de distribucin y a distancias idnticas el campo sea proporcional a la densidad de masa (sin embargo, en teora de la relatividad general, el campo gravitatorio viene descrito en trminos de ecuaciones diferenciales no-lineales). Otro ejemplo lo constituyen los campos electrosttico y magnetosttico, que tanto en mecnica clsica como en teora de la relatividad resultan lineales; es decir, el potencial elctrico y el potencial vector, fijada una distribucin de cargas, es proporcional al valor de stas.

Problemas en mecnica de slidos


Las ecuaciones de equilibrio de un slido resistente que relacionan las fuerzas exteriores sobre un slido con las tensiones internas son lineales; eso significa que para cualquier slido que no plastifique, si se duplica en valor de las fuerzas se duplicar el valor de las tensiones. Eso sucede con independencia de la ecuacin constitutiva del material, sea ste o no elstico, siempre y cuando el estado final no dependa del modo de aplicacin de las cargas. En problemas de plasticidad esta condicin no se cumple en general, ya que el estado final depende de la "trayectoria" que siga el estado tensional; es decir, del modo, orden y velocidad con la que se aplican las cargas.

Principio de superposicin

201

Problemas en teora de la elasticidad


Para un amplio rango de tensiones y deformaciones, en los materiales elsticos la tensin es proporcional a la deformacin (es decir, que las componentes de los tensores de deformacin y tensin estn relacionadas linealmente). Si, adems, las fuerzas sobre los cuerpos son moderadas y las deformaciones resultan pequeas (del orden del 102 o 103), entonces los desplazamientos de los puntos del slido resultan, salvo por un movimiento de slido rgido, casi-proporcionales a las deformaciones. Este ltimo hecho se usa comnmente en la resolucin de problemas prcticos en ingeniera, donde se usa muy extensivamente el principio de superposicin en trminos de fuerzas y desplazamientos.

Teorema del transporte de Reynolds


El teorema de transporte de Reynolds relaciona, la derivada Lagrangiana de una integral de volumen de un sistema, con una integral en derivadas Eulerianas. En otras palabras, este teorema relaciona la tasa de cambio en el tiempo de una propiedad extensiva con la generacin y el flujo de la propiedad intensiva correspondiente , una y otra relacionadas por la ecuacin:

La expresin general de este teorema es:

Demostracin
Consideremos un sistema en dos instantes de tiempo t y t+t. Sea alguna propiedad por unidad de volumen. El sistema puede tener un cambio de volumen y posicin como se muestra en la figura:

La cantidad total de la propiedad

en el sistema en el instante t es:

Y la cantidad de

en el instante t+

es:

Teorema del transporte de Reynolds

202

La derivada material de la cantidad total de

en el sistema se puede expresar:

Que se obtiene de la definicin de derivada:

En esta ecuacin:

Se representa el integrando fijo con cambio de volumen como se muestra en la figura:

Y estas dos integrales se pueden reducir a:

Si consideramos que un elemento dS de la superficie del sistema tiene dos posiciones diferentes en los dos instantes de tiempo considerados t y t+ , el barrido de sta superficie entre los dos instantes conforma el elemento de volumen dV como se muestra en la figura:

Si

es el vector normal a la superficie y

representa la velocidad,

ser la velocidad normal a normal a la misma. Por lo que:

la superficie. En el tiempo la superficie se mueve una distancia La integral se reduce a la integral sobre la superficie:

Teorema del transporte de Reynolds Tomando el lmite se simplifica a:

203

Aplicando el teorema de Gauss esta integral toma la forma:

Dos trminos de la ecuacin pueden simplificarse como:

Con estas simplificaciones toma la forma:

En notacin indical:

El lema de Reynolds
El Lema de Reynolds introducido por el ingeniero irlands Osborne Reynolds que demuestra que la variacin de flujo de una propiedad es igual a la variacin de la propiedad dentro del flujo:

Demostracin
Sea A una cierta propiedad genrica (escalar, vectorial o tensorial) de un medio continuo, y sea (x, t ) la cantidad de esta propiedad A por unidad de masa. Por consiguiente, (x,t) es la cantidad de la propiedad por unidad de volumen. Consideremos un volumen material arbitrario de medio continuo que en el instante t ocupa en el espacio un volumen V. La cantidad de la propiedad genrica A en el volumen material V en el instante t ser:

Donde es la propiedad a estudiar La variacin a lo largo del tiempo del contenido de la propiedad A en el volumen material V vendr dada por la derivada temporal de Q(t) , que utilizando la expresin de la derivada material de una integral de volumen ser:

Utilizando la expresin para la derivada material de un producto de funciones, agrupando trminos y utilizando la ecuacin de continuidad:

Teorema del transporte de Reynolds

204

Como

por continuidad, se llega a la conclusin de que:

Teorema de Rivlin-Ericksen
El teorema de Rivlin-Ericksen (1955) se debe fundamentalmente a Ronald Rivlin y establece una limitacin importante a la ecuacin constitutiva de un slido deformable istropo y objetivo.

Enunciado del teorema


El teorema afirma que si es el tensor de respuesta que relaciona el tensor gradiente de deformacin F con el tensor tensin T de un material objetivo e istropo, cuyo tensor gradiente de deformacin es F entonces su tensor tensin viene dado por:

Donde:

, conjunto de matrices de 33. , conjunto de matrices 33 simtricas. , conjunto de matrices 33 simtricas definidas positivas. , conjunto de invariantes algebraicos (traza, invariante cuadrtico y determinante), de la matriz E. Teniendo en cuenta que la relacin entre el tensor gradiente de deformacin F, el tensor de Finger B = FFT y el tensor deformacin espacial (de Almansi) De es simplemente: Donde I es la matriz identidad, puede verse cual es la forma ms general posible de tensor respuesta o ecuacin constitutiva de un material istropo:

Slidos elsticos lineales e istropos


Para el caso de slidos elsticos lineales se puede demostrar rigurosamente a partir del teorema de Rivlin-Ericksen que el tensor tensin T y el tensor deformacin D estn relacionados por:

Donde y reciben los nombres de primer y segundo coeficientes de Lam, y son constantes elsticas especficas de cada material. Es decir, un slido elstico lineal tiene:

Teorema de Rivlin-Ericksen

205

Enlaces externos
Contribuciones de Rivlin a la mecnica de la fractura [1]

Bibliografa
Dietrich Braess, Finite Elements: Theory, fast solvers and aplications in solid mechanics, Cambridge University Press, 1997, pp. 254-255. Tomas Carlsson, Frank M. Leslie: The development of theory for flow and dynamic effects for nematic liquid crystals, Liquid Crystals, V 26, N 9 / September 1, 1999, pp. 1267 - 1280, URL: http://taylorandfrancis. metapress.com/link.asp?id=ekncnam7bkr24tb9

Referencias
[1] http:/ / www. rubberconsultants. com/ newsletters/ articles/ Article1. htm

Teorema adiabtico
El teorema adiabtico, en mecnica cuntica, es un teorema enunciado por Max Born y Vladimir Fock en 1928,[] que afirma lo siguiente: Teorema adiabtico Un sistema fsico permanece en su estado propio instantneo si la perturbacin[1] que acta sobre l es lo bastante lenta y hay un salto energtico entre su valor propio y el resto del espectro del Hamiltoniano Max Born y Vladimir Fock En otras palabras, un sistema mecanocuntico sujeto a condiciones externas que cambien gradualmente puede adaptar su forma y por tanto permanece en un estado que le es propio durante todo el proceso adiabtico. Cuantitativamente, el ket , sujeto a un hamiltoniano variable evoluciona como:[2]

y se considera que el proceso es lo bastante lento cuando se puede aplicar:

Donde:

son dos estados del sistema y es el periodo caracterstico de una oscilacin coherente entre estos dos estados. Las consecuencias de este teorema son mltiples, variadas y extremadamente sutiles. Una cuantificacin de la adiabaticidad de un proceso es la frmula de Landau-Zener que calcula la probabilidad de transicin en un cruce evitado. Una aplicacin del mismo es la computacin adiabtica, una propuesta para la computacin cuntica en la que, conocido el problema, se define el estado inicial del sistema y la evolucin en el tiempo del hamiltoniano externo para que del estado final se obtenga el resultado del clculo.

Teorema adiabtico

206

Notas y Referencias
[1] Perturbacin, vase Teora perturbacional

Teorema de Earnshaw
El Teorema de Earnshaw establece que un conjunto de cargas puntuales no se puede mantener en un estado de equilibrio mecnico estacionario exclusivamente por la interaccin electrosttica. Este teorema fue probado por primera vez por el matemtico britnico Samuel Earnshaw en 1842. Por lo general hace referencia a los campos magnticos, pero, originalmente, se aplic a los campos electrostticos. Se aplica a las fuerzas de la ley de la inversa del cuadrado (elctrica y gravitacional) y, tambin, a la las fuerzas de campo magntico de materiales magnticos y paramagnticos o cualquier combinacin, (excepto a los materiales diamagnticos).

Explicacin
Informalmente, el caso de una carga puntual en un campo elctrico esttico arbitrario es una simple consecuencia de la ley de Gauss. Para una partcula que est en un equilibrio estable, las pequeas perturbaciones sobre la partcula en cualquier direccin no deben romper el equilibrio, la partcula debe "caer" a su posicin anterior. Esto significa que las lneas de campo de fuerza alrededor de la posicin de equilibrio de la partcula deben ir hacia el interior, hacia esa posicin. Si todas las lneas de campo apuntan hacia el punto de equilibrio, entonces la divergencia del campo en ese punto debe ser negativo (es decir, que acta como sumidero de punto). Sin embargo, la Ley de Gauss dice que la divergencia de un campo de cualquier fuerza elctrica posible es cero en el espacio libre. En notacin matemtica, una fuerza elctrica que se deriva de un potencial ser siempre divergente (Ecuacin de Laplace):

Por lo tanto, no hay mnimo o mximo local del potencial del campo en el espacio libre, slo puntos de silla. Un equilibrio estable de la partcula no puede existir y debe haber una inestabilidad en al menos una direccin.

Enlaces externos
[1], en este artculo se explica el teorema general de Earnshaw y se demuestra un corolario de ste.

Referencias
[1] http:/ / anuars. wordpress. com/ 2011/ 11/ 26/ teorema-de-earnshaw-y-trampas-de-paul

Teorema de Mermin-Wagner

207

Teorema de Mermin-Wagner
En Teora cuntica de campos y mecnica estadstica, el teorema de Mermin-Wagner establece que las simetras continuas no pueden ser rotas instantneamente a temperatura finita en sistemas con interacciones de corto alcance en dimensiones . Esto es por que si ocurriera tal ruptura de simetra instantnea, entonces los bosones de Goldstone tendran una funcin de correlacin con una divergencia infraroja. La ausencia de ruptura instantnea en sistemas con fue probado por Coleman en teora cuntica de campos y por Mermin, Wagner y Hohenberg en fsica estadstica. Este teorema no se puede aplicar con simetras discretas lo cual puede verse en el modelo de Ising en dos dimensiones.

Introduccin
Considere el campo escalar libre de masa m en dos dimensiones Euclideanas. Su propagador es:

Para m pequea, G es una solucin de la ecuacin de Laplace:

Esto es por que el propagador es el recproco de en el espacio k. Al usar la ley de Gauss, se define el campo anlogo como . La divergencia del campo elctrico es cero. En dos dimensiones, usando un anillo Gaussiano mas grande:

Tal que la funcin G tiene una divergencia logartmica para r grande y pequeo. La interpretacin de la divergencia es que las fluctuaciones del campo no pueden estar centradas alrededor de la media. Si se inicia en un punto donde el campo tiene valor 1, la divergencia nos dice que se est yendo lejos, el campo est arbitrariamente lejos del valor de inicio. Esto hace un campo escalar sin masa en dos dimensiones un poco ms difcil de definir matemticamente. Esto pasa tambin en una dimensin, cuando el campo es escalar en una dimensin, sigue un camino azaroso en el tiempo. Un camino azaroso tambin se mueve arbitrariamente lejos de su punto de inicio, tal que un escalar en una o dos dimensiones no tiene un valor promedio bien definido. Si el campo es un ngulo, , como pasa en el modelo del sombrero Mexicano donde el campo complejo , el ngulo ser azaroso a tiene un valor de expectacin que es libre de caer en la direccin

distancias grandes. Este es el teorema de Mermin-Wagner: No hay ruptura instantnea de una simetra continua en dos dimensiones.

Transicin de KosterlitzThouless
Main article: Transicin de KosterlitzThouless Otro ejemplo es el del modelo XY. El teorema de MerminWagner previene cualquier ruptura de simetra instantnea de los modelos con simetra U(1). Sin embargo, no previene la existencia de cualquier transicin de fase. De hecho el modelo tiene dos fases: una fase desordenada convencional a alta temperatura, y una a baja temperatura con orden de pseudo largo alcance.

Teorema de Mermin-Wagner

208

Modelo de Heisenberg
Consideremos el modelo de Heisenberg en d dimensiones, esto es, un sistema de spines con n componentes longitud unitaria As, el Hamiltoniano es de , localizado en el sitio de una red cuadrada d dimensional, con acoplamiento cercano J.

El nombre de este modelo viene de su simetra rotacional. Consideremos el comportamiento a temperatura baja de este sistema y asumamos que existe un rompimiento instantneo, esto es, una fase donde todos los spines apuntan en la misma direccin, a lo largo del eje x. Entonces la simetra rotacional del sistema se rompe instantneamente, o se reduce a la simetra bajo rotaciones alrededor de esta direccin. Podemos alrededor de esta direccin como sigue parametrizar el campo en trminos de fluctuaciones independientes

con

y expandimos en serie de Taylor el Hamiltonano resultante. Tenemos

donde

Ignorando la constante irrelevante

y pasando al lmite continuo, dado que estamos interesados en la

fase a baja temperatura donde las fluctuaciones onda larga dominan, tenemos

Las fluctuaciones del campo son llamadas ondas de spin y pueden reconocerse como bosones de Goldstone. Adems ellos son n-1 en nmero y tienen masa cero ya que no hay trmino de masa en el Hamiltoniano. Para saber si esta fase hipottica existe necesitamos verificar si nuestras asunciones son autoconsistentes, esto es si el valor de expectacin de la magnetizacin, calculado en este marco, es finito como se asumi. Para este fin necesitamos calcular la correccin a primer orden de la magnetizacin debido a las fluctuaciones. Este es el procedimiento seguido en la derivacin del criterio de Ginzburg. El modelo es Gaussiano a primer orden y la funcin de correlacin del espacio de momento es proporcional a As la funcin de correlacin del espacio real para cada uno de estos modelos es .

donde a es el espaciamiento de la red. La magnetizacin promedio es correccin a primer orden puede calculare fcilmente

y la

La integral anterior es proporcional a

Teorema de Mermin-Wagner y es finita para d>2, pero es logartmicamente divergente para Conclumos que para . Sin embargo, esto es un artificio para la

209

aproximacin lineal. En un tratamiento ms cuidadoso, la magnetizacin promedio es cero. nuestra suposicin de que existe una fase de la magnetizacin instantnea es incorrecta para todo T>0, por que las fluctuaciones son suficientemente fuertes para destruir la ruptura de simetra instantnea. Este es el resultado general llamado teorema de MerminWagnerHohenberg: No hay fase con ruptura instantnea de simetra continua para T>0, en dimensiones. El resultado tambin puede extenderse a otras geometras, como a las pelculas de Heisenberg con nmero arbitrario de capas, as como a otros sistemas de redes (modelo de Hubbard, modelo s-f). (Ver ref. [4])

Generalizaciones
Resultados mucho ms fuertes que la ausencia de magnetizacin pueden ser probados, y la situacin puede ser ms general. En particular: 1. El Hamiltoniano puede ser invariante bajo la accin de un grupo de Lie arbitrario G compacto y conexo. 2. Interacciones de largo alcance pueden permitirse (si decaen suficientemente rpido). En esta situacin general, el teorema de MerminWagner theorem admite la siguiente forma fuerte: Todos los estados de Gibbs (en un volmen infinito) asociados a este Hamiltoniano son invariantes bajo la accin de G. Cuando se quita la suposicin de que los grupos de Lie sean compactos, se tiene un resultado similar pero con la conclusin de que el volmen infinito de los estados de Gibbs no existe. Finalmente, hay otras aplicaciones importantes de estas ideas y mtodos, ms notable es la prueba de que no pueden existir estados de Gibbs invariantes no traslacionales en sistemas de dos dimensiones. Un ejemplo tpico es el de la ausencia de estados cristalinos en un sistema de discos duros (con posibles interacciones de atraccin adicionales). Se ha probado que las interacciones del tipo ncleo duro pueden llevar en general a violaciones del teorema de MerminWagner.

Referencias
1. P.C. Hohenberg: "Existence of Long-Range Order in One and Two Dimensions", Phys. Rev. 158, 383 (1967) [1] 2. N.D. Mermin, H. Wagner: "Absence of Ferromagnetism or Antiferromagnetism in One- or Two-Dimensional Isotropic Heisenberg Models", Phys. Rev. Lett. 17, 11331136 (1966) [2] 3. Sidney Coleman: "There are no Goldstone bosons in two dimensions", Commun. Math. Phys. 31, 259 (1973) [3] 4. Axel Gelfert, Wolfgang Nolting: "The absence of finite-temperature phase transitions in low-dimensional many-body models: a survey and new results", J. Phys.: Condens. Matter 13, R505-R524 (2001) [4] 5. R.L. Dobrushin, S.B. Shlosman: "Absence of breakdown of continuous symmetry in two-dimensional models of statistical physics", Comm. Math. Phys. 42, 31 (1975) [5] 6. C.-E. Pfister: "On the symmetry of the Gibbs states in two-dimensional lattice systems", Comm. Math. Phys. 79, 181 (1981) [6] 7. J. Frhlich, C.E. Pfister: "On the absence of spontaneous symmetry breaking and of crystalline ordering in two-dimensional systems", Comm. Math. Phys. 81, 277 (1981) [7] 8. A. Klein, L.J. Landau, D.S. Shucker: "On the absence of spontaneous breakdown of continuous symmetry for equilibrium states in two dimensions", J. Statist. Phys. 26, 505 (1981) [8] 9. C.A. Bonato, J.F. Perez, A. Klein: "The Mermin-Wagner phenomenon and cluster properties of one- and two-dimensional systems", J. Statist. Phys. 29, 159 (1982) [9] 10. D. Ioffe, S.B. Shlosman, Y. Velenik: "2D models of statistical physics with continuous symmetry: the case of singular interactions", Comm. Math. Phys. 226, 433 (2002) [10]

Teorema de Mermin-Wagner 11.T. Richthammer: "Translation-invariance of two-dimensional Gibbsian point processes", Commun. Math. Phys. 274, 81 (2007) [11]

210

Referencias
[1] http:/ / link. aps. org/ abstract/ PR/ v158/ p383 [2] http:/ / link. aps. org/ abstract/ PRL/ v17/ p1133 [3] http:/ / projecteuclid. org/ Dienst/ UI/ 1. 0/ Summarize/ euclid. cmp/ 1103859034 [4] http:/ / www. iop. org/ EJ/ abstract/ 0953-8984/ 13/ 27/ 201/ [5] http:/ / projecteuclid. org/ euclid. cmp/ 1103898965 [6] http:/ / projecteuclid. org/ euclid. cmp/ 1103908962 [7] http:/ / projecteuclid. org/ euclid. cmp/ 1103920246 [8] http:/ / www. springerlink. com/ content/ x33244059r620747 [9] http:/ / www. springerlink. com/ content/ p7876364465r7823 [10] http:/ / www. springerlink. com/ content/ mttf9c2t0yn0pucw [11] http:/ / www. springerlink. com/ content/ 346pp7j7422p2180

Teorema de Steiner
En fsica, el teorema de Huygens-Steiner, teorema de los ejes paralelos o simplemente teorema de Steiner es un teorema usado en la determinacin del momento de inercia de un slido rgido sobre cualquier eje, dado el momento de inercia del objeto sobre el eje paralelo que pasa a travs del centro de masa y de la distancia perpendicular (r) entre ejes. Tambin puede usarse para calcular el segundo momento de rea de una seccin respecto a un eje paralelo a otro cuyo momento sea conocido. Debe su nombre al gemetra alemn del siglo XIX Jakob Steiner.

Enunciado
Momentos de inercia
Dado un eje que pasa por el centro de masa de un slido, y dado un segundo eje paralelo al primero, el momento de inercia de ambos ejes est relacionado mediante la expresin:

donde: es el momento de inercia del cuerpo segn el eje que no pasa a travs de su centro de masas; es el momento de inercia del cuerpo segn un eje que pasa a travs de su centro de masas; es la masa del objeto; es la distancia perpendicular entre los dos ejes.

Teorema de Steiner

211

Segundos momento de rea


La regla puede ser aplicada con la regla de extensin y el teorema de los ejes perpendiculares para encontrar momentos de inercia de una variedad de formas. La regla de los ejes paralelos tambin puede aplicarse al segundo momento de rea (momento de inercia planar) para una regin plana D:

donde: es el momento de inercia planar de D relativo al eje paralelo; es el momento de inercia planar de D relativa a su centroide; es el rea de una regin plana D;
Regla de los ejes paralelos para el momento de inercia

es la distancia del nuevo eje z al centroide de la regin plana D. Nota: El centroide de D coincide con el centro de gravedad (CG) de una lmina fija con la misma forma que tiene densidad uniforme.

Tensor de inercia
En mecnica clsica, el teorema de Steiner (tambin como teorema de Huygens-Steiner) puede ser generalizado para calcular un nuevo tensor de inercia IijP a partir de un tensor de inercia sobre el centro de masas IijG cuando el punto pivotante es un desplazamiento a del centro de masas:

donde

es el vector del centro de masas en el nuevo eje, y

es la funcin delta de Kronecker. Se puede ver que, para elementos diagonales (cuando i = j), desplazamientos perpendiculares al eje de rotacin resultan en la versin simplificada mostrada arriba del teorema de Steiner.

Demostracin
Se asumir, sin prdida de generalidad, que en un sistema de coordenadas cartesiano la distancia perpendicular entre los ejes se encuentra a lo largo del eje x y que el centro de masas se encuentra en el origen. El momento de inercia relativo al eje z, que pasa a travs del centro de masas, es:

El momento de inercia relativo al nuevo eje, a una distancia perpendicular r a lo largo del eje x del centro de masas, es:

Si desarrollamos el cuadrado, se obtiene:

Teorema de Steiner El primer trmino es Icm, el segundo trmino queda como mr2, y el ltimo trmino se anula, puesto que el origen est en el centro de masas. As, esta expresin queda como:

212

Generalizacin
Para los momentos de tercer orden se tiene la expresin:

donde: son los momentos de tercer orden respecto al centro de masa. son los momentos de segundo orden respecto al centro de masa. es el smbolo de Levi-Civita. Si para el clulo anterior se usan ejes paralelos a los ejes principales de inercia se tiene:

Referencias
Parallel axis theorem [1]

Referencias
[1] http:/ / scienceworld. wolfram. com/ physics/ ParallelAxisTheorem. html

Teorema de Taylor-Proudman
En mecnica de fluidos, el teorema de Taylor-Proudman (por G. I. Taylor y Joseph Proudman) enuncia que cuando un cuerpo slido es movido lentamente dentro de un fluido que es rotado de forma constante con una gran velocidad angular , la velocidad del fluido ser uniforme a lo largo de cualquier lnea paralela al eje de rotacin. debe ser relativamente rpida comparada con el movimiento del cuerpo para hacer que la fuerza de Coriolis sea intensa comparada con los trminos de aceleracin. Que esto es as puede verse considerando las ecuaciones de Navier-Stokes para flujo constante, con viscosidad cero y una fuerza del cuerpo correspondiendo a la fuerza de Coriolis, que son:

donde

es la velocidad del fluido,

es la densidad del fluido, y

la presin. Si ahora hacemos la asuncin de que

el trmino advectivo puede ser despreciado (razonable si el nmero Rossby es mucho menor que la unidad) las ecuaciones se transforman en:

donde

es el vector de velocidad angular. Si se toma el rotor de esta ecuacin, el resultado es el teorema de

Taylor-Proudman:

Para derivar esto, se necesitan las identidades vectoriales

Teorema de Taylor-Proudman . Ntese que tambin es necesaria. La forma vectorial del teorema de TaylorProudman tal vez se entienda mejor expandindola en sus componentes respecto de los ejes coordenados:

213

Ahora se eligen coordenadas en las cuales

y entonces las ecuaciones se reducen a

si

. Ntese que la implicacin es que las tres componentes del vector de velocidad son uniformes a lo largo

de cualquier lnea paralela al eje Z.

Teorema de Torricelli
El teorema de Torricelli es una aplicacin del principio de Bernoulli y estudia el flujo de un lquido contenido en un recipiente, a travs de un pequeo orificio, bajo la accin de la gravedad. A partir del teorema de Torricelli se puede calcular el caudal de salida de un lquido por un orificio. "La velocidad de un lquido en una vasija abierta, por un orificio, es la que tendra un cuerpo cualquiera, cayendo libremente en el vaco desde el nivel del lquido hasta el centro de gravedad del orificio":

Donde: es la velocidad terica del lquido a la salida del orificio es la velocidad de aproximacin o inicial. es la distancia desde la superficie del lquido al centro del orificio. es la aceleracin de la gravedad

Para velocidades de aproximacin bajas, la mayora de los casos, la expresin anterior se transforma en:

Donde: es la velocidad real media del lquido a la salida del orificio es el coeficiente de velocidad. Para clculos preliminares en aberturas de pared delgada puede admitirse 0,95 en el caso ms desfavorable. tomando =1

Experimentalmente se ha comprobado que la velocidad media de un chorro de un orificio de pared delgada, es un poco menor que la ideal, debido a la viscosidad del fluido y otros factores tales como la tensin superficial, de ah el significado de este coeficiente de velocidad.

Teorema de Torricelli

214

Caudal descargado
El caudal o volumen del fluido que pasa por el orificio en un tiempo, , el rea real de la seccin contrada, por consiguiente se puede escribir la siguiente ecuacin: , puede calcularse como el producto de , la velocidad real media del fluido que pasa por esa seccin, y por

en donde representa la descarga ideal que habra ocurrido si no estuvieran presentes la friccin y la contraccin. es el coeficiente de contraccin de la vena fluida a la salida del orificio. Su significado radica en el cambio

brusco de sentido que deben realizar las partculas de la pared interior prximas al orificio. Es la relacin entre el rea contrada y la del orificio . Suele estar en torno a 0,65. es el coeficiente por el cual el valor ideal de descarga es multiplicado para obtener el valor real, y se conoce como coeficiente de descarga. Numricamente es igual al producto de los otros dos coeficientes. El coeficiente de descarga variar con la carga y el dimetro del orificio. Sus valores para el agua han sido determinados y tabulados por numerosos experimentadores. De forma orientativa se pueden tomar valores sobre 0,6. As se puede apreciar la importancia del uso de estos coeficientes para obtener unos resultados de caudal aceptables.

Enlaces externos
Teora de chorros libres. Breve desarrollo del teorema y algunos coeficientes tiles. [1]

Referencias
[1] http:/ / fluidos. eia. edu. co/ hidraulica/ articuloses/ conceptosbasicosmfluidos/ chorros_libres/ chorros_libres. htm

Teorema de unicidad del potencial

215

Teorema de unicidad del potencial


El teorema de unicidad del potencial es un teorema de la electrosttica que emplea propiedades de la solucin de la ecuacin de Laplace. Es la aplicacin directa del problema de Dirichlet a la electrosttica.

Enunciado del teorema


El potencial que cumple la ecuacin de Poisson en una cierta regin R con unas ciertas condiciones de contorno dadas en su superficie S es nico. O lo que es lo mismo, dados y definidos en R que cumplen:

implica que:

Demostracin
Sea y soluciones de la ecuacin de Poisson en una cierta regin R:

cumpliendo las condiciones de contorno

siendo S la superficie que delimita dicho volumen. Tomando por las condiciones anteriores ha de cumplirse que:

Dado que

cumple la ecuacin de Laplace, no posee mximos ni mnimos locales, el valor mximo y mnimo se ) de modo que concluimos

alcanza en la frontera (

o lo que es lo mismo:

Aplicaciones
Es el fundamento terico del mtodo de las imgenes, un mtodo de clculo de potenciales en electrosttica. A travs de este teorema tambin se explica el fenmeno denominado jaula de Faraday.

Bibliografa utilizada
Introduction to electrodynamics, David J. Griffiths.

Teorema de Vaschy-Buckingham

216

Teorema de Vaschy-Buckingham
El Teorema de (pi) de Vaschy-Buckingham es el teorema fundamental del anlisis dimensional. El teorema establece que dada una relacin fsica expresable mediante una ecuacin en la que estn involucradas n magnitudes fsicas o variables, y si dichas variables se expresan en trminos de k cantidades fsicas dimensionalmente independientes, entonces la ecuacin original puede escribirse equivalentemente como una ecuacin con una serie de n - k nmeros adimensionales construidos con las variables originales. Este teorema proporciona un mtodo de construccin de parmetros adimensionales, incluso cuando la forma de la ecuacin es desconocida. De todas formas la eleccin de parmetros adimensionales no es nica y el teorema no elige cules tienen significado fsico.

Introduccin
Si tenemos una ecuacin fsica que refleja la relacin existente entre las variables que intervienen en un cierto problema debe existir una funcin f tal que: (a)

en donde Ai son las n variables o magnitudes fsicas relevantes, y se expresan en trminos de k unidades fsicas independientes. Entonces la anterior ecuacin se puede reescribir como:

en donde

son los parmetros adimensionales construidos de n k ecuaciones de la forma:

en donde los exponentes mi son nmeros enteros. El nmero de trminos adimensionales construidos n - k es igual a la nulidad de la matriz dimensional en donde k es el rango de la matriz. La notacin de i como parmetros adimensionales fue introducida por Edgar Buckingham en su artculo de 1914, de ah el nombre del teorema. No obstante, la autora del mismo debe adscribirse a Aim Vaschy, quien lo enunci en 1892.

Ejemplo
Imaginemos un problema donde pretendemos relacionar la resistencia aerodinmica o fuerza aerodinmica Fa sobre un cuerpo, por ejemplo una esfera o cualquier otra forma geomtrica, en funcin de su tamao o dimensin caracterstica d, la densidad del fluido , la viscosidad del mismo y la velocidad del cuerpo v en el seno de dicho fluido. Dado que parece que esas variables deberan explicar por s mismas la resistencia aerodinmica se tiene relacin matemtica del tipo:[1] (2)

Puesto que tenemos 5 variables relevantes . Estas cinco variables no son dimensionalmente independientes ya que desde el punto de vista dimensional se tiene en trminos de masa, tiempo y longitud que:

Teorema de Vaschy-Buckingham en este caso se tiene por tanto ya que todas las magnitudes son reducibles a slo 3 magnitudes dimensionales independientes. Esto implica que existen combinanciones adimensionales tales que la relacin (2) se puede reducir a la forma: (3a)

217

Para continuar se escogen arbitrariamente 3 de las cinco magnitudes orignales como "bsicas" y se forman junto con las otras dos consideradas "dependientes" productos adimensionales. En este caso se toman como bsicas por ejemplo , v y d (aunque podra haberse hecho otra eleccion). Ahora buscamos exponentes enteros tales que los siguientes productos sean adimensionales: (4)

La condicin de adimensionalidad para (5)

lleva a que por ejemplo:

Esto lleva al sistema de ecuaciones sobre los enteros: (6)

Anlogamente para el parmetro (3b)

, se llega a que:

y por tanto la relacin buscada es:

Si se asumen cierta condiciones de regularidad y diferenciabilidad sobre la funcin anterior, podr usarse el teorema de la funcin implcita para escribir las relaciones: (7a)

Esta ltima ecuacin dice es consistente con la expresin comn para la resistencia aerodinmica: (7b)

Donde, parmetro

es una funcin del nmero de Reynolds que precisamente es proporcional al

. Obviamente el teorema no es capaz de darnos todos los factores de proporcionalidad requeridos, ni

la forma funcional exacta de algunas partes de la frmula, pero simplifica mucho el conjunto de expresiones a partir de la cual tenemos que buscar los datos.

Teorema de Vaschy-Buckingham

218

Uso prctico
Para reducir un problema dimensional a otro adimensional con menos parmetros, se siguen los siguientes pasos generales: 1. Contar el nmero de variables dimensionales n. 2. Contar el nmero de unidades bsicas (longitud, tiempo, masa, temperatura, etc.) k 3. Determinar el nmero de grupos adimensionales. Nmero de . 4. Hacer que cada nmero dependa de n - m variables fijas y que cada uno dependa adems de una de las m variables restantes (se recomienda que las variables fijas sean una del fluido, una geomtrica y otra cinemtica). 5. El nmero que contenga la variable que se desea determinar se pone como funcin de los dems nmeros adimensionales. 6. El modelo debe tener sus nmeros adimensionales iguales a los del prototipo para asegurar similitud. 7. Se determina la dependencia del nmero adimensional requerido experimentalmente.

Referencia
Vaschy, A.: "Sur les lois de similitude en physique". Annales Tlgraphiques 19, 25-28 (1892) Buckingham, E.: On physically similar systems. Illustrations of the use of dimensional equations. Physical Review 4, 345-376 (1914).

Notas
[1] Experimentalmente se ha probado que esas variables determinan la resistencia aerodinmica, ver

Enlaces externos
Generalizacin del teorema de Buckingham (http://www.oasification.com/archivos/Pidebuck.pdf)

Teorema de Varignon (mecnica)

219

Teorema de Varignon (mecnica)


El Teorema de Varignon es un teorema descubierto por primera vez por el matemtico neerlands Simon Stevin a principios del siglo XVII, pero que debe su actual forma al matemtico francs Pierre Varignon (1654-1722), quien lo enunci en 1687 en su tratado Nouvelle mcanicque, como resultado de un estudio geomtrico en el que, en contra de la opinin de los matemticos franceses de su poca, decidi trasladar las ideas expuestas por Newton a la notacin y al enfoque que sobre el anlisis sostena Leibniz.

Enunciado y Demostracin
El teorema de Varignon es visto, gracias al empleo del clculo vectorial, como una obviedad. Sin embargo, en su poca tuvo una relevancia fundamental, ya que las fuerzas no eran vistas como vectores con un mdulo, direccin y sentidos dados, sino como entelequias tremendamente abstractas cuyo tratamiento se vea complicado por una difcil e ineficaz semntica y simbologa (que la notacin de Leibniz vino a solventar), y por el empleo de tcnicas geomtricas muy ingeniosas pero difciles de tratar. Su enunciado, segn la terminologa actual, vendra a ser: El momento resultante sobre un sistema de fuerzas es igual a la suma de los momentos de las fuerzas aplicadas. Demostracin Sea un sistema de n fuerzas concurrentes, (producto vectorial). Ntese que escribimos momento de la resultante es: y no donde , vectores en un espacio eucldeo, que tiene con respecto a ser: y es nuevamente el , ya que todas las fuerzas se aplican en el mismo punto. El

como punto de aplicacion un cierto punto A. El momento de cada fuerza

vector posicin comn. Aplicando la propiedad del producto vectorial, tenemos Luego, efectivamente "el momento resultante es igual a la suma vectorial de los momentos de las fuerzas aplicadas si estas son concurrentes",

Teorema de la velocidad media

220

Teorema de la velocidad media


El Teorema de la velocidad media fue el teorema de mayor xito intelectual de los denominados Calculatores de Merton College, de la Universidad de Oxford, en la primera mitad del siglo XIV. Tambin estuvo muy presente en escritos de personalidades importantes de la Universidad de Pars, como Nicole d'Oresme. Usando un lenguaje cinemtico y simplificado, el teorema establece que un cuerpo en movimiento uniformemente acelerado recorre, en un determinado intervalo de tiempo, el mismo espacio que sera recorrido por un cuerpo que se desplazara con velocidad constante e igual a la velocidad media del primero. Ms tarde, este teorema compondra la base de la "ley de la cada de los cuerpos", de Galileo. Hoy sabemos que las principales propiedades cinemticas del movimiento rectilneo uniformemente variado (MRUV), que an se le atribuyen a Galileo por los textos de fsica, fueron descubiertas y probadas por los acadmicos del siglo XIV.

Demostracin matemtica
En un movimiento uniformemente acelerado la aceleracin es constante y por tanto:

La demostracin de Galileo para el movimiento de los cuerpos en cada (s. XVII) fue idntica la la demostracin geomtrica del teorema del valor medio, hecha por Nicols Oresme en el siglo XIV.

Integrando entre 0 y t, 0 y e y velocidades inicial y final ambas expresiones de la aceleracin obtenemos:

Sustituyendo la primera expresin en la segunda obtenemos:

Teorema de virial

221

Teorema de virial
En mecnica clsica, el teorema de virial es una ecuacin general que relaciona la energa cintica total promedio de un sistema con su energa potencial promedio , donde los parntesis representan el promedio de la magnitud contenida entre ellos. Matemticamente, el teorema de virial establece que:

Donde Fk representa la fuerza sobre la partcula k-sima, que est ubicada en la posicin rk.

Aplicaciones
El teorema de virial permite calcular la energa cintica total promedio an para sistemas muy complejos en los que es muy difcil obtener una solucin exacta, tales como los relacionados en mecnica estadstica; esta energa cintica total promedio se relaciona con la temperatura del sistema a travs del teorema de equiparticin. Un ejemplo de sus muchas aplicaciones es el uso del teorema de virial para calcular el lmite de Chandrasekhar para la estabilidad de las estrellas enanas blancas. La palabra "virial" tiene su origen en vis, la palabra en Latn para "fuerza" o "energa", y Clausius en 1870 le dio su acepcin tcnica.[1] Si la fuerza entre dos partculas cualesquiera del sistema es producida por una energa potencial V(r)=r proporcional a alguna potencia n de la distancia entre las partculas r, el teorema de virial adopta la forma:
n

que es

En Termodinmica, el teorema del virial nos permite escribir un modelo que se aproxime a un gas real, que se encuentre en la Naturaleza. Para ello, se usa un desarrollo en potencias de 1/v, y se obtiene (en magnitudes molares):

Donde B(T), C(T), ..., son el segundo coeficiente del virial, tercer coeficiente del virial respectivamente. A este desarrollo tambin se le conoce con el nombre de desarrollo de Kammerlingh Onnes. Como ejemplo, el gas de van der Waals puede escribirse usando el desarrollo de Kammerlingh Onnes como (de nuevo, en magnitudes molares):

Por lo tanto, dos veces la energa cintica total

es igual a n veces la energa potencial total promedio

. Donde V(r) representa la energa potencial entre dos partculas, VTOT representa la energa potencial total del sistema, o sea la suma de la energa potencial V(r) sobre todos los pares de partculas en el sistema. Un ejemplo comn de este sistema es una estrella que se existe gracias a su propia fuerza de gravedad, donde n es -1. Aunque el teorema de virial depende de promediar la energa cintica total y la energa potencial total, esta presentacin deja para un paso prximo el promediar.

Teorema de virial

222

Definiciones del virial y su derivada temporal


Para un grupo de la ecuacin partculas puntuales, el momento de inercia escalar I con respecto al origen queda definido por

donde mk y rk representan la masa y la posicin de la partcula ksima. El virial escalar G queda definido por la ecuacin

donde pk es el vector momento de la partcula ksima. Suponiendo que las masas son constantes, el virial G es la derivada temporal de este momento de inercia

A su vez, la derivada temporal del virial G es

o, en forma ms simple,

Aqu

es la masa de la partcula

es la fuerza neta sobre la partcula y

es la energa

cintica total del sistema

Conexin con la energa potencial entre partculas


La fuerza total sistema sobre la partcula es la suma de todas las fuerzas que ejercen todas las otras partculas en el

donde

es la fuerza aplicada por la partcula

sobre la partcula

. Por lo tanto, el trmino de fuerza de la

derivada temporal de virial resulta ser

Dado que ninguna partcula acta sobre si misma (o sea,

siempre que

), se tiene

Teorema de virial donde se ha supuesto que vale la tercera ley del movimiento de Newton, o sea, opuesta). A menudo sucede que las fuerzas son producto de una energa potencial entre las partculas y (una reaccin igual y

223

que es solo funcin de la distancia

. Dado que la fuerza es el gradiente de la energa potencial, entonces resulta que

lo cual es igual y opuesto a

, la fuerza aplicada por la partcula

sobre la partcula

, lo que se

puede confirmar mediante un clculo explcito. Por lo tanto, el trmino fuerza de la derivada temporal de el virial es

Por lo tanto, se tiene

Caso especial de fuerzas dependientes de potencias


Un caso especial comn, es aquel en el cual la energa potencial potencia n de la distancia que las separa r entre dos partculas es proporcional a una

donde el coeficiente y el exponente n son constantes. En estos casos, el termino de fuerza de la derivada temporal del virial se expresa por la ecuacion

donde

es la energa potencial total del sistema

Por lo tanto, se tiene

Para sistemas gravitatorios y para sistemas electrostticos, el exponente n es -1, resultando la identidad de Lagrange

lo cual fue descubierto por Lagrange y posteriormente extendido por Jacobi.

Teorema de virial

224

Promedio temporal y el teorema del virial


El promedio de esta derivada en un lapso de tiempo se define como

de donde se obtiene la siguiente ecuacin exacta

El teorema del virial afirma que, si

, entonces

Existen numerosas razones por las cuales el promedio de la derivada temporal se puede anular, o sea . Una razn que se menciona se aplica a sistemas constreidos, o sea sistemas que se encuentran limitados a permanecer juntos por siempre. En este caso, el virial por lo general queda acotado entre dos extremos, y , y el promedio tiende a cero en el lmite de tiempos muy largos

Aun si el promedio de la derivada temporal

es aproximadamente cero, el teorema del virial vale con

el mismo grado de aproximacin. Para fuerzas que obedecen a una ley de potencia con un exponente n, la ecuacin general establece que

Para el caso de atraccin gravitatoria, n es igual a -1 y la energa cintica promedio es igual a un medio de la energa potencial promedio negativa

Este resultado es til para sistemas gravitatorios complejos tales como sistemas solares o galaxias. No es preciso que el promedio sea en el tiempo; se puede realizar un promedio de colectivo, con resultados equivalentes. Si bien ha sido desarrollado para la mecnica clsica, el teorema de virial es tambin vlido en el mbito de la mecnica cuntica.

Teorema de virial

225

Extensiones del teorema de virial


En 1903 Lord Rayleigh public una generalizacin del teorema del virial.[2] Henri Poincar utiliz una forma del teorema del virial en 1911 para el problema de determinar la estabilidad cosmolgica.[3] En 1945 Ledoux desarroll una forma variacional del teorema de virial.[4] Parker[5] Chandrasekhar[6] y Fermi [7] a su vez desarrollaron formas tensoriales del teorema de virial,

Inclusin de campos electromagnticos


Es posible extender el teorema del virial para incluir campos elctricos y magnticos. El resultado es[8]

donde I es el momento de inercia, G es la densidad de momento del campo electromagntico, T es la energa cintica del "fluido", U es la energa "trmica" aleatoria de las partculas, WE y WM son la energa elctrica y magntica contenidas en el volumen bajo consideracin. Finalmente, pik es el tensor de presin del fluido expresdo en el sistema de coordenadas mvil local , y Tik es el tensor electromagntico de tensiones,

Demostracin
Empleando el formalismo lagrangiano definimos la siguiente magnitud:

Siendo

las coordenadas generalizadas y

los momentos generalizados. A continuacin calculamos

Suponiendo que en el sistema dado, las coordenadas y momentos generalizados estn acotados, concluimos que:

Adems, puesto que:

Obtenemos finalmente:

Teorema de virial

226

Referencias
[8] George Schmidt, Physics of High Temperature Plasmas (Second edition), Academic Press (1979), p.72

Bibliografa
Goldstein, H (1980). Classical Mechanics (2nd. ed edicin). Addison-Wesley. ISBN 0-201-02918-9. Collins, GW (1978). The Virial Theorem in Stellar Astrophysics (http://ads.harvard.edu/books/1978vtsa. book/). Pachart Press. Callen, Herbert B.. Thermodynamics and an introduction to Thermostatistics.

Vis viva
La vis viva (violencia o fuerza viva) fue definida por Leibniz[1] como el duplo de lo qu ahora llamamos la energa cintica del sistema. Esto es, dada una partcula de masa m que se est moviendo con una velocidad v, la vis viva o fuerza viva asociada al movimento de la partcula es mv2 El nombre de fuerza viva se conserva por razones histricas. Fue asignado por Leibniz a aquellas fuerzas que producen movimiento; en contraposicin a las que l llamaba fuerzas muertas, que no dan lugar a movimiento alguno (ejemplo, el peso de un cuerpo situado sobre un tablero horizontal). El trmino mv2, que reconoceremos como la mitad de la vis viva, aparece tan a menudo en las expresiones de la Fsica que, desde hace ya ms de un siglo, se estim conveniente considerarlo como una magnitud fsica importante, a la que se le dio el nombre de energa cintica.

Teorema de las fuerzas vivas


El trabajo efectuado sobre una partcula es igual a la variacin que experimenta su energa cintica.

que constituye la expresin del llamado teorema de las fuerzas vivas o de la energa cintica. El teorema de las fuerzas vivas, o teorema del trabajo y de la energa cintica como se le conoce actualmente, es de validez general, cualquiera que sea la naturaleza de la fuerza o fuerzas (conservativas o no conservativas) que obren sobre la partcula.

Referencias
Bibliografa
Marion, Jerry B. (1996) (en espaol). Dinmica clsica de las partculas y sistemas. Barcelona: Ed. Revert. ISBN 84-291-4094-8. Ortega, Manuel R. (1989-2006) (en espaol). Lecciones de Fsica (4 volmenes). Monytex. ISBN 84-404-4290-4, ISBN 84-398-9218-7, ISBN 84-398-9219-5, ISBN 84-604-4445-7. Resnick,Robert & Krane, Kenneth S. (2001) (en ingls). Physics. New York: John Wiley & Sons. ISBN 0-471-32057-9.

Vis viva

227

Enlaces externos
George E. Smith, " The Vis Viva Dispute: A Controversy at the Dawn of Dynamics (http://www.physics.odu. edu/~kuhn/PHYS101/VisViva.html)", Physics Today 59 (October 2006) Issue 10 pp 31-36. (see also erratum (http://www.physicstoday.org/vol-59/iss-12/p16.html))

Teorema
Un teorema es una frmula bien formada que puede ser demostrada dentro de un sistema formal. Demostrar teoremas es un asunto central en la lgica y la matemtica. Un teorema generalmente posee un nmero de premisas que deben ser enumeradas o aclaradas de antemano. Luego existe una conclusin, una afirmacin lgica o matemtica, la cual es verdadera bajo las condiciones dadas. El contenido informativo del teorema es la relacin que existe entre las hiptesis y la tesis o conclusin. Se llama corolario a una afirmacin lgica que sea consecuencia inmediata de un teorema, pudiendo ser demostrada usando las propiedades del teorema previamente demostrado.

Teoremas
Un teorema requiere de un marco lgico; este marco consistir en un conjunto de axiomas (sistema axiomtico) y un proceso de inferencia, el cual permite derivar teoremas a partir de los axiomas y teoremas que han sido derivados previamente.

Esta imagen muestra la relacin entre las cadenas de caracteres, las frmulas bien formadas y los teoremas. En algunos sistemas formales, sin embargo, el conjunto de los teoremas coincide con el de las frmulas bien formadas.

En lgica proposicional y de primer orden, cualquier afirmacin demostrada se denomina teorema. Ms concretamente en lgica se llama demostracin a una secuencia finita de frmulas bien formadas (frmulas lgicas bien formadas) F1, ...,Fn, tales que cada Fi es o bien un axioma o bien un teorema que se sigue de dos frmulas anteriores Fj y Fk (tales que j<i y k<i) mediante una regla de deduccin. Dada una demostracin como la anterior si el elemento final Fn no es un axioma entonces es un teorema. Resumiendo lo anterior puede decirse formalmente, un teorema es una frmula bien formada, que no es un axioma, y que puede ser el elemento final de alguna demostracin, es decir, un teorema es una frmula bien formada para la cual existe una demostracin.

Teorema

228

Terminologa en Matemticas
En matemtica una afirmacin debe ser interesante o importante dentro de la comunidad matemtica para ser considerada un teorema. Las afirmaciones menos importantes se denominan: Lema: una afirmacin que forma parte de un teorema ms amplio. El lema de Gauss y el lema de Zorn, por ejemplo, son considerados demasiado importantes per se para algunos autores, por lo cual consideran que la denominacin lema no es adecuada. Corolario: una afirmacin que sigue inmediatamente a un teorema. Una proposicin A es un corolario de una proposicin o teorema B si A puede ser deducida sencillamente de B. Proposicin: una afirmacin o resultado no asociado a ningn teorema en particular. Una afirmacin matemtica que se cree verdadera pero no ha sido demostrada se denomina conjetura o hiptesis. Por ejemplo: la conjetura de Goldbach o la hiptesis de Riemann.

Teoremas dentro de otras ciencias


Con frecuencia en fsica o economa algunas afirmaciones importantes que pueden ser deducidas o justificadas a partir de otras afirmaciones o hiptesis bsicas se llaman comnmente teoremas. Sin embargo, frecuentemente las reas de conocimiento donde aparecen esas afirmaciones con frecuencia no han sido formalizadas adecuadamente en forma de sistema axiomtico por lo que estrictamente debera usarse con cautela el trmino teorema para referirse a esas afirmaciones demostrables o deducibles de supuestos ms bsicos.

Teoremas clebres
Algunos de los teoremas ms conocidos son: Teorema de Pitgoras Teorema de Bayes Teorema del binomio Teorema de muestreo de Nyquist-Shannon Teorema de incompletitud de Gdel Teorema del lmite central Teorema de los nmeros primos Teorema de la divergencia Teorema de Bell Teorema de Stokes Teorema de Tales Teorema de los ceros de Hilbert Teorema de Frobenius Teorema de Pierre de Fermat Teorema de Morley

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Teoremas. Commons Wikcionario tiene definiciones para teorema.Wikcionario

Teorema de Kirchhoff

229

Teorema de Kirchhoff
El nmero de rboles abarcadores de un grafo donde grafo . es la matriz de adyacencia y coincide con un cofactor cualquiera de la matriz , es la matriz diagonal cuyas entradas son los grados de los vrtices del

Teorema del programa estructurado


El teorema del programa estructurado es un resultado en la teora de lenguajes de programacin. Establece que toda funcin computable puede ser implementada en un lenguaje de programacin que combine slo tres estructuras lgicas. Esas tres formas (tambin llamadas estructuras de control) especficamente son: 1. Secuencia: ejecucin de una instruccin tras otra. 2. Seleccin: ejecucin de una de dos instrucciones (o conjuntos), segn el valor de una variable booleana. 3. Iteracin: ejecucin de una instruccin (o conjunto) mientras una variable booleana sea 'verdadera'. Esta estructura lgica tambin se conoce como ciclo o bucle. Este teorema demuestra que la instruccin GOTO no es estrictamente necesaria y que para todo programa que la utilice existe otro equivalente que no hace uso de dicha instruccin. Los cientficos de la computacin usualmente acreditan el teorema a un artculo de 1966 escrito por Corrado Bhm y Giuseppe Jacopini. Sin embargo, David Harel rastre sus orgenes hasta la descripcin de 1946 de la arquitectura de von Neumann y el teorema de la forma normal de Kleene. La demostracin de Bhm-Jacopini describe cmo construir diagramas de flujo estructurados a partir de cualquier digrama de flujo, usando los bits de una variable entera extra para dar seguimiento a la informacin que el programa original representa mediante puntos de entrada en el cdigo. Esta construccin estuvo basada en el lenguaje de programacin P de Bhm. La demostracin de Bhm-Jacopini no esclareci la cuestin sobre cundo convendra usar programacin estructurada para el desarrollo de software, en parte porque la construccin ofuscaba el cdigo del programa en lugar de mejorarlo. Por otro lado, fue el punto de partida para iniciar el debate. Edsger Dijkstra escribi una importante carta titulada "La sentencia Go To considerada daina" en el ao 1968. Posteriores estudios agregaron aproximaciones ms prcticas a la demostracin de Bhm-Jacopini, que mantenan o mejoraban la claridad del programa original.[1]

Referencias
[1] http:/ / www. cse. buffalo. edu/ ~rapaport/ 111F04/ greatidea3. html

Ashcroft, Edward; and Zohar Manna (1971). The translation of go to programs to 'while' programs. Proceedings of IFIP Congress. Bohm, Corrado; and Giuseppe Jacopini (May 1966). Flow Diagrams, Turing Machines and Languages with Only Two Formation Rules. Communications of the ACM 9 (5): pp.366371. doi: 10.1145/355592.365646 (http:// dx.doi.org/10.1145/355592.365646). Harel, David (1980). On Folk Theorems. Communications of the ACM 23 (7): pp.379389. doi: 10.1145/358886.358892 (http:/ / dx. doi. org/ 10. 1145/ 358886. 358892). Dijkstra, Edsger (1968). Go To Statement Considered Harmful. Communications of the ACM 11 (3): pp.147148. doi: 10.1145/362929.362947 (http://dx.doi.org/10.1145/362929.362947). http://www.acm.org/ classics/oct95/ (en ingls) The BhmJacopini Theorem is False, Propositionally (http://www.cs.cornell.edu/~kozen/papers/ bohmjacopini.pdf)

Teorema de compacidad

230

Teorema de compacidad
En lgica matemtica, el teorema de compacidad establece que un conjunto (posiblemente infinito) de frmulas bien formadas de la lgica de primer orden tiene un modelo si todos sus subconjuntos finitos tienen un modelo. Es decir, para todo conjunto de frmulas de un lenguaje L, si todo subconjunto finito de es satisfacible, entonces es satisfacible.

Enunciado del teorema


Si que es un conjunto de enunciados finitamente satisfacible, entonces . tiene un modelo de cardinal menor o igual

Una formulacin alternativa es: los distintos lenguajes lgicos permiten relaciones de consecuencia lgica entre conjuntos infinitos de oraciones. Una relacin de consecuencia lgica es compacta justo cuando es una consecuencia lgica de un conjunto de enunciados finito de Si : entonces hay un subconjunto finito tal que , slo si es una consecuencia lgica de un subconjunto

La relacin de consecuencia lgica para lenguajes de primer orden es compacta. El teorema de compacidad para el clculo proposicional es un resultado del teorema de Tychonoff (el cual dice que el producto de espacios compactos es compacto) aplicado a espacios de Stone compactos; de ah el nombre del teorema. Juega un papel importante en la demostracin del Teorema de Lwenheim-Skolem ascendente. Hay una generalizacin de compacidad para lenguajes de orden ms alto que los lenguajes de primer orden.

Teorema de completitud de Gdel


El teorema de completitud de Gdel es un importante teorema de la lgica matemtica, que fue demostrado por primera vez por Kurt Gdel en 1929 y que en su forma ms conocida establece lo siguiente: En una lgica de primer orden, toda frmula que es vlida en un sentido lgico es demostrable. Kurt Gdel La palabra "demostrable" significa que existe una deduccin formal de la frmula. La deduccin consiste en una lista finita de pasos en los que cada paso o bien invoca a un axioma o es obtenido a partir de pasos previos mediante una bsica regla de inferencia. A partir de dicha deduccin, es posible verificar si cada uno de los pasos es correcto mediante un algoritmo (por ejemplo mediante una computadora, o a mano). Una frmula es lgicamente vlida si es verdadera en todo modelo para el lenguaje utilizado en la frmula. Para expresar de manera formal el teorema de completitud de Gdel, se debe definir el significado de la palabra modelo en este contexto. Esta es una definicin bsica en la teora de modelos.

Demostraciones
Para una explicacin de la demostracin original de Gdel del teorema, ver Demostracin original del teorema de completitud de Gdel. En los libros de lgica modernos, el teorema de completitud de Gdel es por lo general demostrado mediante la demostracin de Henkin, aunque a veces tambin se utiliza la demostracin de Herbrand, en lugar de la demostracin original de Gdel.

Teorema de completitud de Gdel

231

Referencias
Bibliografa
Kurt Gdel, "ber die Vollstndigkeit des Logikkalkls", tesis doctoral, University Of Vienna, 1929. Esta tesis es la fuente original de la demostracin del teorema de completitud. Kurt Gdel, "Die Vollstndigkeit der Axiome des logischen Funktionen-kalkls", Monatshefte fr Mathematik und Physik 37 (1930), 349-360. Este artculo contiene el mismo material que la tesis doctoral en una forma abreviada. Las demostraciones son ms cortas, las explicaciones ms suscintas, y se ha omitido la extensa introduccin.

Enlaces externos
Vilnis Detlovs and Karlis Podnieks, "Introduction to mathematical logic", http://www.ltn.lv/~podnieks/

Demostracin original del teorema de completitud de Gdel


En 1930 Gdel demostr la completitud de la lgica cuantificacional de primer orden. Literalmente el teorema de completitud de Gdel establece: "Para toda frmula A de la lgica cuantificacional de primer orden, si A es lgicamente verdadera, entonces A es deducible". Dicho formalmente: "Si A, entonces A". Esto quiere decir que el sistema formal de la lgica cuantificacional ser completo si todas las frmulas que representan verdades lgicas son formalmente deducibles en el sistema. La prueba del teorema de completitud se reduce a consignar las siguientes premisas 1. 2. 3. 4. 5. A es lgicamente verdadera: A A. Si A es lgicamente verdadera, entonces A es insatisfacible. Si A es insatisfacible, entonces A es inconsistente. Si A es inconsistente, entonces da lugar a contradiccin: A B y A B. Si A B y A B, entonces A.

La justificacin de estas premisas es la siguiente 1) Es la hiptesis del teorema de completitud; 2) Se sigue de la definicin del concepto de frmula lgicamente verdadera: su negacin ha de ser insatisfacible; 3) Es la contraposicin del teorema de Henkin; 4) Es un mero anlisis de la definicin de inconsistencia, y finalmente 5) Se basa en el teorema de deduccin, que permite pasar de A B y A B a A ^ B y A ^ B, respectivamente, y en Modus Ponens, que permite, con ayuda de estas dos ltimas frmulas, eliminar los antecedentes en la ley de reduccin al absurdo ( (A ^ B) ((A ^ B) ^ A); de A se pasa a a mediante una aplicacin de MP a la ley de doble negacin A ^ A. Aceptadas estas premisas, se les aplica reiteradamente la regla MP, empezando por 2) y 1), siguiendo con 3) y el consecuente de 2), y as sucesivamente, hasta liberar el consecuente de 5): A, que es justamente la tesis del teorema de Gdel, el cual queda, por tanto, demostrado.

Demostracin original del teorema de completitud de Gdel

232

Referencias
ber die Vollstndigkeit des Logikkalkls. Doctoral dissertation. University Of Vienna.. 1929. Primera demostracin del teorema de completitud. Gdel, K (1930). Die Vollstndigkeit der Axiome des logischen Funktionenkalkls (en German). Monatshefte fr Mathematik 37: pp.349360. doi: 10.1007/BF01696781 (http://dx.doi.org/10.1007/BF01696781). JFM 56.0046.04 (http:/ / www. zentralblatt-math. org/ zmath/ en/ search/ ?q=an:56. 0046. 04& format=complete). El mismo material que en la disertacin, pero con demostraciones ms breves, explicaciones ms suscintas, y omitiendo la extensa introduccin.

Teorema de la deduccin
El teorema de la deduccin es un metateorema de la lgica proposicional, la lgica de primer orden y otros sistemas lgicos, que es bastante utilizado para demostrar otros metateoremas.[] Se trata de una formalizacin de la tcnica de demostracin ordinaria segn la cual para demostrar que de A se sigue B, basta con suponer A y a partir de ello llegar a la conclusin de que B. Ms formalmente, el teorema establece que si una frmula B es deducible (en un sistema deductivo S) a partir del conjunto de frmulas , entonces A B es deducible a partir de solamente.[] En smbolos: implica O alternativamente, en la notacin del clculo de secuentes: implica En el caso especial donde implica El teorema de la deduccin parece haber sido demostrado por primera vez por Alfred Tarski en 1921, pero la primera demostracin publicada es de Jacques Herbrand en 1930.[] es el conjunto vaco, el teorema de la deduccin dice que:[]

Converso del teorema de la deduccin


A partir del teorema de la deduccin, es fcil demostrar que si A B es deducible (en un sistema deductivo S) a partir de , entonces B es deducible a partir de .[] Simblicamente: implica Esto, junto con el teorema de la deduccin, permite establecer el metateorema:[] si y slo si Y cuando es el conjunto vaco: si y slo si

Teorema de la deduccin

233

El teorema en los sistemas de deduccin natural


El teorema de la deduccin se utiliza en los sistemas de deduccin natural como regla de introduccin del condicional material. La regla dice que si suponiendo A se llega a la conclusin de que B, entonces se puede afirmar que A B, introduciendo as un condicional material. Por ejemplo, una demostracin que hace uso de la regla de introduccin del condicional material podra ser:
A demostrar: Paso 1 2 3 4 5 6 Frmula Supuesto. Desde (1) por introduccin de la disyuncin. Desde (1) y (2) por introduccin de la conjuncin. Desde (3) por eliminacin de la conjuncin. Resumen de (1) hasta (4). Desde (5) por introduccin del condicional. Q.E.D. Razn

Notas y referencias

Teorema de Frege
En matemticas, el teorema de Frege es un teorema que establece que los axiomas de Peano de la aritmtica pueden ser derivados en lgica de segundo orden a partir del principio de Hume. Fue demostrado informalmente por Gottlob Frege en su Die Grundlagen der Arithmetik (Fundamentos de Aritmtica),[1] publicado en 1884, y luego demostrado formalmente en su Grundgesetze der Arithmetik (Reglas bsicas de aritmtica),[2] publicado en dos volmenes, en 1893 y 1903. El teorema fue re-descubierto por Crispin Wright a comienzos de 1980. En el mbito de la filosofa de la matemtica se conoce como neo-logicismo.

Referencias
[1] Die Grundlagen der Arithmetik (http:/ / www. ac-nancy-metz. fr/ enseign/ philo/ textesph/ Frege. pdf)

Gottlob Frege (1848-1925).

[2] Russell's notes on Frege's Grundgesetze Der Arithmetik (http:/ / www. uofaweb. ualberta. ca/ philosophy/ pdfs/ Russell's. Notes. on. GG. pdf)

Teoremas de incompletitud de Gdel

234

Teoremas de incompletitud de Gdel


Los teoremas de incompletitud de Gdel son dos clebres teoremas de lgica matemtica demostrados por Kurt Gdel en 1931. Ambos estn relacionados con la existencia de proposiciones indecidibles en ciertas teoras aritmticas. El primer teorema de incompletitud afirma que, bajo ciertas condiciones, ninguna teora matemtica formal capaz de describir los nmeros naturales y la aritmtica con suficiente expresividad, es a la vez consistente y completa. Es decir, si los axiomas de dicha teora no se contradicen entre s, entonces existen enunciados que no pueden probarse ni refutarse a partir de ellos. En particular, la conclusin del teorema se aplica siempre que la teora aritmtica en cuestin sea recursiva, esto es, una teora en la que el proceso de deduccin pueda llevarse a cabo mediante un algoritmo. La prueba del teorema es totalmente explcita y en ella se construye una frmula, denotada habitualmente G en honor a Gdel, para la que dada una demostracin de la misma, puede construirse una refutacin, y viceversa. Sin embargo, la interpretacin natural de dicha sentencia en trminos de nmeros naturales es verdadera.[1]

Kurt Gdel a los 19 aos de edad, cinco aos antes de la demostracin de los teoremas.

El segundo teorema de incompletitud es un caso particular del primero: afirma que una de las sentencias indecidibles de dicha teora es aquella que afirma la consistencia de la misma. Es decir, que si el sistema de axiomas en cuestin es consistente, no es posible demostrarlo mediante dichos axiomas. Los teoremas de incompletitud de Gdel son uno de los grandes avances de la lgica matemtica, y supusieron segn la mayora de la comunidad matemtica una respuesta negativa al segundo problema de Hilbert.[1]

Contexto
Los teoremas de incompletitud de Gdel establecen ciertas limitaciones sobre lo que es posible demostrar mediante un razonamiento matemtico. Para hablar con precisin de que puede demostrarse o no, se estudia un modelo matemtico denominado teora formal. Una teora formal consta de una serie de signos y un conjunto de reglas para manipularlos y combinarlos. Mediante estas reglas se pueden distinguir ciertas colecciones de signos como frmulas, y ciertas sucesiones de frmulas como demostraciones. Los teoremas de una cierta teora son entonces todas las frmulas que puedan demostrarse a partir de una cierta coleccin inicial de frmulas que se asuman como axiomas. A una teora formal se le pueden adjudicar ciertas propiedades en funcin de lo que sea capaz de demostrar. Una teora consistente no contiene contradicciones, es decir, no es posible demostrar a la vez una frmula y su contraria. Una teora que no sea consistente no tiene utilidad: debido al principio de explosin, a partir de una contradiccin pueden demostrarse todas sus frmulas, y no sirve para modelizar razonamientos matemticos. Una teora completa responde cualquier pregunta, en el sentido de que para cada una de sus frmulas o bien es demostrable, o bien existe una demostracin de su contraria (es refutable). Una teora completa es ptima, y se

Teoremas de incompletitud de Gdel corresponde con la intuicin sobre la verdad lgica: al igual que toda sentencia debe ser verdadera o falsa, en una teora completa toda frmula es demostrable o refutable. Sin embargo, el primer teorema de incompletitud establece que, bajo ciertas hiptesis, una teora formal no puede tener ambas propiedades a la vez. La primera de ellas es que sea una teora aritmtica, es decir, que sus smbolos sirvan para describir los nmeros naturales y sus operaciones y relaciones; y que sea capaz de demostrar algunas propiedades bsicas sobre ellos. La segunda hiptesis es que sea una teora recursiva, lo cual significa que las reglas para manipular sus signos y frmulas en las demostraciones han de poder ejecutarse mediante un algoritmo: una serie precisa de pasos sin ambigedad que pueda llevarse a cabo en un tiempo finito, e incluso implementarse mediante un programa informtico.

235

Primer teorema
El enunciado del primer teorema reza: Primer teorema de incompletitud de Gdel Cualquier teora aritmtica recursiva que sea consistente es incompleta. La demostracin de este teorema pasa por construir una cierta frmula, la sentencia de Gdel G, que no puede ser probada ni refutada en T: ni G ni G (la negacin de G) son teoremas de T. Se dice entonces que G y G son indecidibles o independientes en T. Para llegar a esta, Gdel desarroll un mtodo para codificar signos y frmulas mediante nmeros, llamado numeracin de Gdel. Usando esta numeracin, es posible traducir las propiedades de una teora formal T, tales como estos signos constituyen una frmula o estas frmulas no son una demostracin en T, a propiedades aritmticas de dichos nmeros. En particular, la sentencia de Gdel G es una frmula aritmtica cuyo significado es no existe una demostracin de G en la teora T, o en otras palabras, no soy demostrable en la teora T.

Consecuencias
La sentencia de Gdel G no es demostrable pero es cierta, pues afirma precisamente su propia indemostrabilidad.[2] Esto significa que ninguna teora aritmtica en las condiciones del teorema es capaz de demostrar todos los enunciados verdaderos de la aritmtica.[1] Adems, aunque G sea falsa (por afirmar lo contrario que G) no es refutable (puesto G es indemostrable). Esta sentencia puede tomarse como axioma si se desea y esto no produce una contradiccin. La teora resultante contiene muchos de los enunciados verdaderos sobre los nmeros naturales y algunos falsos, empezando por G. Los objetos descritos por una teora as forman un modelo no estndar de la aritmtica.[3] Tomando G (o su contraria) como axioma se obtiene una nueva teora T' en la que G (o su contraria) es demostrable automticamente. Sin embargo esto no invalida el teorema, puesto que G afirma su indemostrabilidad relativa a la teora T. La nueva teora T' es tambin incompleta: puede encontrarse una nueva sentencia independiente G' , que afirma no soy demostrable en T'. En definitiva, en una teora formal que sea consistente y completa debe fallar alguna de las hiptesis: o bien no es recursiva y no hay un algoritmo para distinguir los axiomas del resto de frmulas; o bien no son aritmticas, y no incluyen las propiedades bsicas necesarias de los nmeros naturales. Por ejemplo, en la demostracin del teorema de completitud semntica se utilizan teoras consistentes y completas que no son recursivas.[4] Por otro lado, la aritmtica de Presburger es una coleccin de axiomas sobre los nmeros naturales que omite varias de sus propiedades, hasta el punto de que una teora basada en ellos puede ser consistente y completa.[5]

Teoremas de incompletitud de Gdel

236

Segundo teorema
El segundo teorema de incompletitud muestra otro ejemplo explcito de una frmula que ninguna teora aritmtica puede demostrar, adems de G. De nuevo, usando la numeracin de Gdel, puede encontrarse una frmula, denotada Consis T, cuyo significado es no puede encontrarse una contradiccin en T, o en otras palabras, T es consistente. Segundo teorema de incompletitud de Gdel En toda teora aritmtica recursiva consistente T, la frmula Consis T no es un teorema. La demostracin del segundo teorema requiere traducir el primero a una frmula. El primer teorema afirma, entre otras cosas, que si T es consistente, entonces G no es demostrable. La frmula que afirma la consistencia de T es Consis T, mientras que la frmula que afirma la indemostrabilidad de G es la propia G. La frmula que traduce el primer teorema (una parte de l) es Consis T G, donde significa implicacin. Gdel demostr que esta frmula es un teorema,[6] y que por lo tanto Consis T no es un teorema: si lo fuera, de las reglas bsicas de T como teora formal se deducira que G es demostrable, en contradiccin con el enunciado del primer teorema de incompletitud.

Consecuencias
El segundo teorema de incompletitud impone limita las posibilidadesde demostrar la consistencia de una teora formal T, puesto que no puede hacerse utilizando nicamente la propia T. Adems, si se encuentra una teora ms fuerte T' en la que Consis T pueda demostrarse, la propia consistencia de T' no podr demostrarse en T' ni tampoco en T. Por ello, el segundo teorema se considera una respuesta negativa al llamado programa de Hilbert, que propona demostrar la correccin de los razonamientos matemticos basados en objetos infinitos usando tan solo razonamientos basados en objetos finitos, menos potentes que los primeros.

Enunciados indecidibles
El primer teorema de indecibilidad de Gdel demuestra la existencia de enunciados indecidibles o independientes en la aritmtica de Peano, y tanto el primero como el segundo muestran ejemplos concretos de enunciados indecidibles. Desde entonces se han encontrado otros ejemplos de enunciados independientes de los axiomas de Peano, como por ejemplo el teorema de Ramsey fuerte. Existen adems numerosos ejemplos de enunciados independientes en otras teoras formales ms fuertes que la aritmtica, como la hiptesis del continuo o el axioma de eleccin en teora de conjuntos; o incluso en teoras no directamente relacionadas con la aritmtica, como en el caso de la geometra eucldea y el postulado de las paralelas.

Malentendidos en torno a los teoremas de Gdel


Puesto que el primer teorema de la incompletud de Gdel es tan famoso, ha dado origen a multitud de malentendidos. Aqu resumimos algunos: 1. El teorema no implica que todo sistema axiomtico interesante sea incompleto. Por ejemplo, la geometra eucldea se puede axiomatizar de forma que sea un sistema completo. (De hecho, los axiomas originales de Euclides son casi una axiomatizacin completa. Los axiomas que faltan expresan propiedades que parecen tan obvias que fue necesaria la aparicin de la idea de la prueba formal hasta que se echaron en falta). Sin embargo hasta en un sistema completo como el de la geometra habr construcciones imposibles (triseccin del ngulo, cuadratura del crculo). 2. El teorema slo se aplica a sistemas que permitan definir los nmeros naturales como un conjunto. No basta con que el sistema contenga los nmeros naturales. Adems debe ser capaz de expresar el concepto " es un nmero natural" usando los axiomas y la lgica de primer orden. Hay multitud de sistemas que contienen a los nmeros naturales y son completos. La clave aqu es que la teora sea recursiva, es decir, que el conjunto de axiomas sea recursivamente enumerable, o ms explcitamente que exista un algoritmo basado en funciones recursivas que

Teoremas de incompletitud de Gdel permita establecer si una proposicin dada es o no un axioma.

237

Discusin e implicaciones
Los resultados de incompletitud afectan a la filosofa de las matemticas, particularmente a los puntos de vista tales como el formalismo, que usa la lgica formal para definir sus principios. Se puede parafrasear el primer teorema diciendo "nunca se podr encontrar un sistema axiomtico que sea capaz de demostrar todas las verdades matemticas y ninguna falsedad." Por otra parte, desde una perspectiva estrictamente formalista esta parfrasis se considerara sin significado porque presupone que la verdad y falsedad matemticas estn bien definidas en un sentido absoluto, en lugar de ser relativas a cada sistema formal La siguiente reformulacin del segundo teorema es todava ms inquietante para los fundamentos de las matemticas: Si se puede demostrar que un sistema axiomtico es consistente a partir de s mismo, entonces es inconsistente. Por tanto, para establecer la consistencia de un sistema se necesita utilizar otro sistema , pero una prueba en . La no es totalmente convincente a menos que la consistencia de ya se haya probado sin emplear

consistencia de los axiomas de Peano para los nmeros naturales por ejemplo se puede demostrar en la teora de conjuntos, pero no en la teora de los nmeros naturales por s sola. Esto proporciona una respuesta negativa al problema nmero dos de la famosa lista de cuestiones abiertas importantes en matemticas de David Hilbert (llamada problemas de Hilbert). En principio, los teoremas de Gdel todava dejan alguna esperanza: podra ser posible producir un algoritmo general que para una afirmacin dada determine si es indecidible o no, permitiendo a los matemticos evitar completamente los problemas indecidibles. Sin embargo, la respuesta negativa al Entscheidungsproblem demuestra que no existe tal algoritmo. Es de notar que los teoremas de Gdel slo son aplicables a sistemas axiomticos suficientemente fuertes. Este trmino significa que la teora contiene la suficiente aritmtica para llevar a cabo las instrucciones de codificacin requeridas por la prueba del primer teorema de incompletud. Esencialmente, todo lo que se exige son algunos hechos bsicos sobre la adicin y la multiplicacin tal y como por ejemplo se formalizan en la aritmtica Q de Robinson. Hay sistemas axiomticos incluso ms dbiles que son consistentes y completos, por ejemplo la aritmtica de Presburger que demuestra todas las afirmaciones de primer orden ciertas aplicando slo la suma. El sistema axiomtico puede consistir en un nmero infinito de axiomas (tal y como hace la aritmtica de primer orden de Peano), pero para poder aplicarse el teorema de Gdel debe haber un algoritmo efectivo que sea capaz a verificar la correccin de las pruebas. Por ejemplo, el conjunto de todas las declaraciones de primer orden que son ciertas en el modelo estndar de los nmeros naturales es completo. El teorema de Gdel no se puede aplicar porque no hay ningn procedimiento efectivo que decide si una cierta declaracin es un axioma. De hecho, que esto sea as es una consecuencia del primer teorema de incompletud de Gdel. Otro ejemplo de una especificacin de una teora en la que el primer teorema de Gdel no es aplicable se puede construir de la siguiente manera: ordenemos todas las posibles declaraciones sobre los nmeros naturales primero por su longitud y luego en orden lexicogrfico; comencemos con un sistema axiomtico inicialmente igual a los axiomas de Peano, repasemos la lista de declaraciones una a una, y, si la declaracin actual no se puede demostrar ni refutar a partir del actual sistema de axiomas, entonces aadmosla a la lista. Esto crea un sistema que es completo, consistente y suficientemente potente, pero no recursivamente enumerable. El propio Gdel slo demostr una versin de los teoremas arriba expuestos que es tcnicamente un poco ms dbil; la primera demostracin de las versiones descritas arriba fue dada por J. Barkley Rosser en 1936.

Teoremas de incompletitud de Gdel En esencia, la prueba del primer teorema consiste en construir una declaracin axiomtico al que se le puede dar la siguiente interpretacin meta matemtica: Esta declaracin no se puede probar. Como tal, puede verse como una versin moderna de la paradoja del mentiroso. Al contrario de la declaracin del mentiroso, no se refiere directamente a s mismo; la interpretacin de arriba slo se puede "ver" desde fuera del sistema formal. En un trabajo publicado en 1957 en Journal of Symbolic Logic, Raymond Smullyan mostr que los resultados de incompletitud de Gdel pueden obtenerse para sistemas mucho ms elementales que los considerados por Gdel. Smullyan tambin ha reivindicado las pruebas ms simples con el mismo alcance, basadas en los trabajos de Alfred Tarski sobre el concepto de verdad en los sistemas formales. Ms simples, pero no menos perturbadoras filosficamente. Smullyan no ha plasmado sus reflexiones sobre incompletitud slo en obras tcnicas; tambin han inspirado clebres libros de divulgacin como Cmo se llama este libro?. Si el sistema axiomtico es consistente, la prueba de Gdel muestra que en el sistema. Por tanto es cierto ( formalmente en el sistema. Fjese que aadir sentencia de Gdel para la teora ampliada. Roger Penrose afirma que esta (presunta) diferencia entre lo que se puede probar mecnicamente y lo que los humanos pueden ver como cierto muestra que la inteligencia humana no es mecnica en su naturaleza. Tambin John R. Lucas se ha ocupado de est cuestin en Mentes, Mquinas y Gdel.[7] Esta perspectiva no est ampliamente aceptada, porque tal y como lo plantea Marvin Minsky, la inteligencia humana es capaz de errar y de comprender declaraciones que son en realidad inconsistentes o falsas. Sin embargo, Minsky ha informado de que Kurt Gdel le dijo a l en persona que l crea que los seres humanos tienen una forma intuitiva, no solamente computacional, de llegar a la verdad y por tanto su teorema no limita lo que puede llegar a ser sabido como cierto por los humanos. Vanse Refutaciones a la interpretacin de Penrose en los Enlaces en Ingls de la seccin Enlaces externos y referencias La posicin de que el teorema muestra que los humanos tienen una habilidad que transciende la lgica formal tambin se puede criticar de la siguiente manera: No sabemos si la sentencia es cierta o no, porque no sabemos (ni podemos saber) si el sistema es consistente. De modo que en realidad no sabemos ninguna verdad que est fuera del sistema. Todo lo que sabemos es lo siguiente: O es indemostrable dentro del sistema, o el sistema es inconsistente. (y su negacin) no se pueden demostrar afirma no ser demostrable y no lo es) y, sin embargo, no se puede probar a los axiomas del sistema no resolvera el problema: habra otra dentro de un sistema formal

238

Esta declaracin es fcilmente demostrable dentro del sistema. Otra implicacin es que el trabajo de Gdel motiv a Alan Turing (1912-1954) a estudiar qu funciones eran susceptibles de poder ser calculadas y cules no. Para ello se sirvi de su Mquina de Turing, una mquina de propsito general mediante la que formaliz las funciones y procedimientos de clculo. Demostrando que existan funciones que no son posibles de calcular mediante la Mquina de Turing. El paradigma de este conjunto de funciones lo representa la funcin que establece "si dada una Mquina de Turing, sta produce un resultado o, por el contrario, se queda calculando indefinidamente". Esta funcin, conocida con el nombre de Problema de parada (Halting Problem), ser pieza fundamental para demostrar la incomputabilidad de ciertas funciones.

Teoremas de incompletitud de Gdel

239

Demostracin de los teoremas


La demostracin de los teoremas de incompletitud se basa en tres conceptos: 1. La numeracin de Gdel, que permite traducir las teoras formales a operaciones de aritmtica pura. 2. La potencia expresiva de las teoras formales aritmticas, cuyas expresiones recogen dichas operaciones. 3. El lema diagonal, que permite que las frmulas sean autorreferentes. El enunciado original debido a Gdel, cuya demostracin se esboza en esta seccin, es ms dbil que el presentado arriba, ya que en lugar de la consistencia de la teora T se exige una propiedad ms fuerte, la -consistencia. Una teora aritmtica es -inconsistente si, para alguno de sus teoremas formales de la forma x, (x), puede refutarse cualquier caso particular, esto es, puede probarse ([n]), para cada numeral [n]. Una teora que no es -inconsistente se dice -consistente. (Los numerales [n] son los smbolos que utilice el lenguaje de la teora para especificar los nmeros naturales concretos. En el ejemplo de la aritmtica de Peano en la seccin siguiente, los numerales son los smbolos dados por: [0] 0, [1] S0, [2] SS0, etc.) La -consistencia implica la consistencia (pero no al revs). El enunciado fuerte, en el que slo se requiere la consistencia de la teora fue probado por J. B. Rosser mediante un mtodo muy similar.

Numeracin de Gdel
La numeracin de Gdel es una herramienta que permite relacionar las teoras formales con la aritmtica. El lenguaje de una teora formal de primer orden est compuesto por una cantidad a lo sumo numerable de signos, como por ejemplo: , , , |, =, x , y , z , ... , 0 , + , , S en el caso del lenguaje de la aritmtica de Peano, donde adems de los smbolos lgicos y las variables, aparecen algunos smbolos adicionales para la arimtica (donde S es el smbolo para denotar el nmero siguiente a). Tambin el conjunto de todas las cadenas (sucesiones finitas de signos) es numerable, as como el conjunto de las sucesiones finitas de cadenas. Una numeracin de Gdel es una asignacin de un nico nmero natural para cada elemento de cada uno de estos tres conjuntos: signos, cadenas de signos y sucesiones de cadenas.
Ejemplo

Una posible codificacin para los signos, cadenas y sucesiones de cadenas es la siguiente. Para los signos se adopta: 10 , 11 , 12 , | 13 , = 14 , 0 15 , S 16 , + 17 , 18 , x 20 , y 2000 , z 200000 , ... Dada una cadena de signos, se adopta el criterio de apilar los nmeros de Gdel de sus signos, con un 77 inicial para indicar que se trata de una cadena: x + [5] = 0 se torna en: 77-20-17-16-16-16-16-16-15-14-15, es decir, en 7720171616161616151415 Para una sucesin de cadenas de signos, puede adoptarse un convenio similar, con un 88 inicial, para indicar que se trata de una sucesin: La sucesin 0 = 1, y + 1 = 0 se convierte en: 88-77-15-14-16-15-77-2000-17-16-15-14-15, es decir en: 8877151416157720001716151415

Puesto que la manipulacin de estos signos, cadenas y sucesiones puede traducirse en manipulacin de unos ciertos nmeros, tanto la sintxis que distingue las cadenas de signos con sentido las frmulas como el clculo deductivo que distingue las sucesiones de cadenas que demuestran algo las demostraciones se ven traducidas a operaciones aritmticas. Es decir, existen una serie de relaciones y funciones aritmticas que se corresponden con las reglas sintcticas y del clculo deductivo, como por ejemplo: Sig x : x es (el nmero de Gdel de) un signo Cad x : x es (el nmero de Gdel de) una cadena (de signos)

Teoremas de incompletitud de Gdel (Se omite el nmero de Gdel de en adelante) Suc x : x es una sucesin (de cadenas) Form x : la cadena x es una frmula Ax x : la frmula x es un axioma Cons(x, y, z): x es una frmula consecuencia inmediata de las frmulas y y z Dem(x, y): la sucesin x es una demostracin de la frmula y La forma precisa de estas funciones y relaciones es laboriosa y depende del criterio que se haya escogido para efectuar la numeracin de Gdel. En particular la relacin Ax x ha de construirse teniendo en cuenta un cierto conjunto de axiomas concreto, luego la relacin Dem hace refencia a una teora concreta que no se ha especificado.
Ejemplo

240

Es sencillo entender ahora cmo deben definirse algunas de estas relaciones segn la numeracin de Gdel mostrada antes: Sig x x est entre 10 y 18 (ambos inclusive), o es de la forma 20100i (con i > 1) Cad x En base 10, x es de la forma 88n(s1)...n(sk), donde cada n(si) representa las cifras de un nmero tal que Sig n(si) es cierto Suc x En base 10, x es de la forma 77n(1)...(sk) donde cada n(i) representa las cifras de un nmero tal que Cad n(i) es cierto

Expresabilidad. Recursividad
Mediante la numeracin de Gdel, es posible traducir los signos y reglas de una teora formal T en nmeros y operaciones aritmticas. Es posible ir ms all, ya que T es una teora aritmtica y se pueden recodificar las mencionadas operaciones mediante el lenguaje formal de T, al igual que se puede hacer con otras funciones y relaciones aritmticas como por ejemplo: La funcin multiplicar por 2 est representada por la frmula: y = [2] x La relacin de orden x y, puede expresarse mediante: z, z + x = y La relacin x e y son primos entre s puede expresarse como: z, x = z y y = z x Cada una de estas relaciones es expresada por su frmula correspondiente, en el sentido de que si dos nmeros estn relacionados, puede demostrarse la expresin formal correspondiente; y cuando no lo estn, puede refutarse.[8] Por ejemplo: Para cada entero n, se tiene que si n es par puede probarse la expresin formal x, [n] = [2] x; y si es impar, puede refutarse dicha frmula. Para cada par de enteros m y n, si se tiene m n puede demostrarse la frmula z, z + [m] = [n]; cuando m > n, puede refutarse dicha expresin. Que las relaciones presentadas en la seccin anterior como Dem sean expresables, implica que una teora formal aritmtica es lo suficientemente potente como para hablar de las caractersticas de una teora formal arbitraria y, en particular, de s misma. Probar que todas estas relaciones y funciones son expresables es sencillo si son recursivas, es decir, si pueden calcularse o verificarse mediante un algoritmo, ya que puede demostrarse que toda relacin recursiva es expresable en una teora aritmtica. Las teoras formales para las que esto es posible asignar los nmeros de Gdel de manera que distinguir los signos, cadenas, sucesiones, frmulas, consecuencias y axiomas, puede llevarse a cabo con un algoritmo son las llamadas teoras recursivas, y por ello esta caracterstica se asume como hiptesis en los teoremas de incompletitud.

Teoremas de incompletitud de Gdel

241

Diagonalizacin
Para construir la sentencia autorreferente G ha de idearse una manera para que una frmula hable de las propiedades de su nmero de Gdel correspondiente. Esto ha de hacerse de manera indirecta, ya que dada una frmula con nmero de Gdel n, otra frmula que hable de mediante el numeral [n] en general tendr un nmero de Gdel mayor que n, y por tanto no puede ser la propia . Esto se consigue mediante el llamado lema diagonal. En una teora aritmtica recursiva, dada una frmula (x) existe una sentencia con nmero de Gdel n tal que puede demostrarse ([n]). En definitiva, dada una propiedad cualquiera (x) existe una sentencia que afirma mi nmero de Gdel cumple la propiedad .

Demostracin del primer teorema


Sea una teora formal aritmtica y recursiva T -consistente. Sea la frmula z, DEM(z, x), donde DEM es la frmula que expresa la relacin numrica Dem relativa a la teora formal T. Por el lema de diagonalizacin existe una sentencia G con nmero de Gdel g, para la que se demuestra G z, DEM(z, [g]), es decir, que afirma ningn nmero codifica una demostracin (en T) de la frmula representada por g, o de otro modo, no soy demostrable (en T). La negacin de esta sentencia, G, es equivalente a z, DEM(z, [g]), o mi negacin es demostrable (en T). Supngase entonces que G puede demostrarse. Entonces existe un nmero n que cumple Dem(n, g), y en T puede probarse entonces DEM([n], [g]), lo cual implica formalmente G; y esto es imposible si T es consistente. Por tanto no existe una demostracin de G, y se cumple Dem(n, g) para todos los nmeros n, lo cual resulta en un nmero infinito de teoremas formales DEM([n], [g]) para cada numeral [n]. Como T es -consistente, no puede ocurrir entonces que x, DEM(x, [g]) sea un teorema, por lo que G es indemostrable, y T es indecidible.

Demostracin del segundo teorema


La demostracin del segundo teorema de incompletitud requiere de un hecho tcnico que Gdel originalmente no prob. Sea una teora T en las condiciones anteriores y sea la frmula Consis T z, DEM(z, [k]), donde k es el nmero de Gdel de la sentencia 0 = 1. Consis T afirma que la teora T es consistente (pues deja algo sin demostrar). La versin formal (de la primera parte) del primer teorema de incompletitud puede expresarse como Consis T y, DEM(y, [g]) y esto es equivalente precisamente a Consis T G. De modo que, de poder probar formalmente esta sentencia, Consis T sera indemostrable puesto que se tendra entonces una demostracin de G, en contradiccin con el primer teorema. El hecho tcnico que se necesita es precisamente una prueba de que la demostracin del primer teorema de incompletitud puede traducirse en una demostracin formal de la sentencia Consis T y, DEM(y, [g]). Esto es posible en toda teora aritmtica recursiva, ya que verifican unas ciertas condiciones de demostrabilidad.

Teoremas de incompletitud de Gdel

242

Referencias
[1] [2] [3] [4] [5] [6] [8] Vase la parte dedicada a Gdel en la introduccin de . Esto slo es cierto en la interpretacin natural en que las variables de la teora se interpretan como los nmeros naturales. Vase para una exposicin de nivel intermedio sobre la aritmtica no estndar. Vase . Vase . En realidad, la prueba original de Gdel omite ciertos detalles tcnicos. De manera rigurosa, se dice que una relacin R(n1, ..., nk) es expresable en una teora formal aritmtica si existe una frmula (x1,..., xk) de forma que si la relacin R(n1, ..., nk) se cumple para unos ciertos nmeros n1, ..., nk entonces puede demostrarse la frmula ([n1],..., [nk]); y si la relacin no se cumple, entonces dicha frmula puede refutarse. Vase o (donde se denomina definability).

Bibliografa
Barwise, Jon (1989) (en ingls). Handbook of mathematical logic. Elsevier. ISBN 9780444863881. Boolos, George; Burgess, John P.; Jeffrey, Richard C. (2007) (en ingls). Computability and logic. Cambridge University Press. ISBN 9780521701464.. Domeisen, Norbert (1990). Peter Lang. ed (en alemn). Zentralblatt MATH Logik der Antinomien (http://www. emis.de/cgi-bin/zmen/ZMATH/en/quick.html?first=1&maxdocs=3&type=html&an=0724.03003& format=complete). ISBN 3-261-04214-1. Gdel, Kurt (1931). ber formal unentscheidbare Stze der Principia Mathematica und verwandter Systeme, I (en alemn). Monatshefte fr Mathematik und Physik 38: pp.173-198. doi: 10.1007/BF01700692 (http://dx.doi.org/ 10.1007/BF01700692). Traducido al castellano en: (1981). Jess Mostern. ed. Obras completas. Alianza Editorial. ISBN 84-206-2286-9. (2006). Sobre proposiciones formalmente indecidibles de los Principia Mathematica y sistemas afines. KRK Ediciones. ISBN 978-84-96476-95-0. Hofstadter, Douglas R. (1989). Gdel, Escher, Bach. Tusquets editores. ISBN 84-7223-459-2. Hofstadter, Douglas R.; Nagel, Ernest; Newman, James Roy (2002) (en ingls). Gdel's Proof. NYU Press. ISBN 0-8147-5816-9. Ivorra, Carlos, Lgica y teora de conjuntos (http://www.uv.es/ivorra/Libros/Logica.pdf), consultado el 27-07-2011. Martnez, Guillermo (2009). Gdel para todos. Seix Barral. ISBN 978-950-731-605-0. Rosser, B. (1936). Extensions of some theorems of Gdel and Church (http://www.jstor.org/stable/ 2269028). Journal of Symbolic Logic 1 (3): pp.87-91. Smullyan, Raymond (1992) (en ingls). Gdel's Incompleteness Theorems. Oxford University Press. ISBN 0-19-504672-2.

Enlaces externos
Refutaciones a la interpretacin de Penrose: Is Mathematical Insight Algorithmic? (http://cs.nyu.edu/cs/faculty/davism/penrose.ps) How Subtle is Gdel's Theorem (http://cs.nyu.edu/cs/faculty/davism/penrose2.ps) Why Gdel's Theorem Cannot Refute Computationalism (http://citeseer.ist.psu.edu/laforte98why.html) Human and Machine Understanding of Mathematics (http://citeseer.ist.psu.edu/106920.html)

Ignacio Jan, La obra de Gdel en lgica matemtica y teora de conjuntos (http://divulgamat.ehu.es/ weborriak/historia/Gaceta/historia93b.pdf) Una introduccin sinttica e histrica que respeta los conceptos originales, evitando malentendidos. Resea en castellano (http://redalyc.uaemex.mx/redalyc/pdf/294/29406405.pdf) de Torkel Franzn, Gdel's theorem : an incomplete guide to its use and abuse. El libro de Franzen, de 2005, est siendo muy citado como

Teoremas de incompletitud de Gdel obra de inters para introducir al verdadero sentido de los teoremas de Gdel y prevenir frente a su aplicacin injustificada en campos no matemticos. Krlis Podnieks: Around Goedel's Theorem, http://www.ltn.lv/~podnieks/gt.html Hilbert's second problem (http://aleph0.clarku.edu/~djoyce/hilbert/problems.html#prob2) ber die Vollstndigkeit des Logikkalkls. Doctoral dissertation. University Of Vienna.. 1929. Primera demostracin del teorema de completitud. Gdel, K (1930). Die Vollstndigkeit der Axiome des logischen Funktionenkalkls (en German). Monatshefte fr Mathematik 37: pp.349360. doi: 10.1007/BF01696781 (http://dx.doi.org/10.1007/BF01696781). JFM 56.0046.04 (http:/ / www. zentralblatt-math. org/ zmath/ en/ search/ ?q=an:56. 0046. 04& format=complete).

243

Teorema de Lb
En lgica matemtica, el teorema de Lb establece que en una teora con aritmtica de Peano, para cualquier frmula P, se puede demostrar que "si P es demostrable entonces P", entonces P es demostrable. O sea: si , entonces

donde Dem(#P) significa que la frmula con nmero de Gdel #P es demostrable en T. El teorema de Lb debe su nombre a Martin Hugo Lb.

El teorema de Lb en la lgica demostrativa


La lgica demostrativa se abstrae de los detalles de las frmulas utilizadas en los teoremas de incompletitud de Gdel expresando la demostrabilidad de P en el sistema dado en el lenguaje de la lgica modal, por medio de la modalidad . Se puede formalizar el teorema de Lb mediante el axioma: , Este axioma se conoce como el axioma GL, por Gdel-Lb. El mismo a veces es formalizado por medio de la siguiente regla de inferencia:

La lgica demostrativa GL que resulta de tomar la lgica modal K4 y agregarle el axioma GL es el sistema investigado con mayor intensidad en la lgica demostrativa.

Enlaces externos
El teorema de Lb en PlanetMath [1]

Referencias
Hinman, P. (2005). Fundamentals of Mathematical Logic. A K Peters. ISBN 1-56881-262-0.

Referencias
[1] http:/ / planetmath. org/ ?op=getobj& from=objects& id=9381

Teorema de Lwenheim-Skolem

244

Teorema de Lwenheim-Skolem
En lgica matemtica, el teorema de Lwenheim-Skolem o teorema de Lwenheim-Skolem-Tarski es un teorema que establece que si una teora de primer orden es consistente, entonces tiene al menos un modelo con dominio finito o numerable.[] Ms precisamente: sea T un subconjunto consistente de un lenguaje de primer orden (con identidad): si T es finito o numerable, entonces tiene al menos un modelo con dominio finito o numerable.[1] Esto significa que las teoras de primer orden no pueden controlar la cardinalidad de sus modelos: ninguna teora consistente puede tener slo modelos isomrficos. La primera versin del teorema se debe a Leopold Lwenheim en 1915, aunque su demostracin tena una pequea laguna.[] Thoralf Skolem demostr una segunda versin del teorema en 1919.[] Desde entonces han aparecido otras versiones. En general el teorema de Lwenheim-Skolem no se sostiene en lgicas ms fuertes, como la lgica de segundo orden.

El teorema de Lwenheim-Skolem descendente


Sea un lenguaje de primer orden de cardinalidad K, donde K es un cardinal infinito. El teorema de Lwenheim-Skolem descendente establece que si tiene un modelo de cardinalidad K, entonces tambin tiene al menos un modelo de cardinalidad menor o igual a K. La demostracin del teorema emplea el teorema de la existencia de modelos dentro de la demostracin de completitud para la lgica de primer orden. El teorema establece una conexin entre la cardinalidad del lenguaje y la cardinalidad de sus modelos, e impone serias restricciones sobre la representacin de estructuras infinitas. Si E es una estructura para un lenguaje de cardinalidad mayor que la cardinalidad de , ningn conjunto de oraciones de podr representar a E hasta el isomorfismo ya que, segn el teorema, cualquier conjunto de oraciones de que tenga modelos, tendr algn modelo de cardinalidad menor que la cardinalidad de E; y este modelo no puede ser isomorfo con E. El teorema de Lwenheim-Skolem descendente es una propiedad clave, junto con el teorema de compacidad, para caracterizar a la lgica de primer orden.

El teorema de Lwenheim-Skolem ascendente


De nuevo, sea un lenguaje de primer orden de cardinalidad K, donde K es un cardinal infinito. El teorema de Lwenheim-Skolem ascendente establece que si tiene un modelo de cardinalidad K, entonces tambin tiene al menos un modelo de cardinalidad mayor o igual a K. La demostracin emplea el teorema de compacidad para lenguajes de primer orden. Este segundo teorema elimina cualquier esperanza de representar cualquier estructura infinita hasta el isomorfismo. Pues si un conjunto de frmulas de un lenguaje de primer orden tiene un modelo infinito, entonces tendr otros de cardinalidad mayor y, por tanto, no isomorfos.

Teorema de Lwenheim-Skolem

245

El teorema de Lwenheim, Skolem y Tarski


Si un conjunto de frmulas de un lenguaje de primer orden tiene un modelo infinito, entonces tiene un modelo de cada cardinalidad infinita mayor o igual que la cardinalidad de . Este teorema es un resultado reforzado del teorema de Lwenheim y Skolem, que se puede obtener combinando los otros dos resultados.

Notas y referencias

Programa de Hilbert
En matemticas, el Programa de Hilbert, formulado por el matemtico alemn David Hilbert en la dcada de 1920, fue una solucin propuesta ante la crisis fundacional de las matemticas, en pocas en que en los primeros intentos por clarificar los fundamentos de la matemtica contenan paradojas e inconsistencias. Como solucin, Hilbert propuso basarse en todas las teoras existentes para formar un conjunto de axiomas finito y completo, y proveer prueba de que esos axiomas eran consistentes. El alemn propuso que la consistencia de sistemas ms complicados, como el anlisis real, podran ser probados en trminos de sistemas ms simples. ltimamente, la consistencia de toda la matemtica puede ser reducida a aritmtica bsica. No obstante los teoremas de incompletitud de Gdel, formulados por el matemtico astrohngaro Kurt Gdel, demostraron en 1931 que el programa de Hilbert era inalcanzable. En su primer teorema mostr que cualquier sistema consistente con un conjunto computable de axiomas el cual es capaz de expresar aritmtica nunca puede ser completo: es posible construir una afirmacin que puede ser demostrada como verdadera, pero no puede ser derivada de las reglas formales del sistema. En su segundo teorema, Gdel mostr que un sistema como aquel no podra probar su propia consistencia, de modo que tampoco puede ser usado para probar la consistencia de nada ms fuerte. Esto contradijo la suposicin de Hilbert de que un sistema finitista poda ser usado para probar la consistencia de una teora ms fuerte.

Afirmacin del programa de Hilbert


El principal objetivo del programa de Hilbert era dotar de fundamentos para todas las matemticas. En particular esto deba incluir: Una formalizacin de todas las matemticas. En otras palabras, todas las afirmaciones matemticas deberan ser escritas en un lenguaje preciso y formal, y manipuladas de acuerdo a reglas bien definidas. (ver Formalismo matemtico) Integridad: una prueba de que todas las afirmaciones matemticas pueden ser probadas en el formalismo. Consistencia: una prueba de que ninguna contradiccin puede ser obtenida en el formalismo de las matemticas. Esta prueba de consistencia debera preferentemente usar slo razonamiento finitista acerca de los objetos matemticos finitos. Conservacin: una prueba de que ningn resultado acerca de "objetos reales" obtenida usando razonamiento sobre "objetos ideales" (como los conjuntos incontables) puede ser probado sin usar objetos ideales. Decidibilidad: debera haber un algoritmo para decidir la verdad o falsedad de cualquier afirmacin matemtica.

Programa de Hilbert

246

Los teoremas de incompletitud de Gdel


Gdel demostr que la mayora de los objetivos del programa de Hilbert eran imposibles de alcanzar, por lo menos si eran interpretados en la forma ms obvia. Su segundo teorema de incompletitud afirm que cualquier teora lo suficientemente consistente como para cifrar la suma y multiplicacin de enteros, no puede probar su propia consistencia. Esto acaba con la mayor parte del programa de Hilbert: No es posible formalizar toda la matemtica, ya que cualquier intento dentro del formalismo omitir ciertas afirmaciones matemticas verdaderas. Una simple consecuencia del teorema de incompletitud de Gdel es que no hay una extensin completa consistente incluso de la aritmtica de Peano con un conjunto recursivamente enumerable de axiomas, por lo tanto en particular la mayora de las teoras matemticas interesantes no estn completas. Una teora como la de axiomas de Peano no puede siquiera probar su propia consistencia, de modo que un subconjunto limitado finitista del mismo seguramente no puede probar la consistencia de teoras ms poderosas, como la teora de conjuntos. No existe algoritmo para decidir la veracidad (o probabilidad) de afirmaciones en ninguna extensin consistente del teorema de Peano. (Estrictamente hablando este resultado apareci recin unos aos despus de los teoremas de Gdel, ya que por esa poca la definicin de un algoritmo no era exacta.)

El programa de Hilbert luego de Gdel


Muchas de las lneas actuales de investigacin sobre lgica matemtica, teora de la demostracin y matemtica inversa pueden ser vistas como continuaciones naturales del programa original de Hilbert. Gran parte de l puede ser salvado cambiando sus objetivos ligeramente, y con las siguientes modificaciones cierta parte pudo ser exitosamente completada: Si bien no es posible formalizar toda la matemtica, s es posible formalizar esencialmente toda matemtica que cualquiera usa. En particular la teora de conjuntos de Zermelo y Fraenkel, combinada con lgica de primer orden, resulta en un formalismo satisfactorio y generalmente aceptado para, esencialmente, toda matemtica actual. Aunque no es posible probar la integridad en sistemas tan poderosos al menos como la aritmtica de Peano (al menos, si tienen un conjunto computable de axiomas), es posible probar formas de integridad en muchos sistemas interesantes. El primer gran xito fue del mismo Gdel (antes haba probado los teoremas de incompletitud), quien prob el teorema de completitud para lgica de primer orden, demostrando que cualquier consecuencia lgica de una serie de axiomas es demostrable. Un ejemplo de una teora no trivial para la cual la completitud ha sido probada es la teora de los cuerpos algebraicamente cerrados de una caracterstica dada. La pregunta de si hay pruebas de consistencia finitistas para teoras fuertes, es difcil de responder. Principalmente porque no hay, generalmente, una definicin convenida para la "prueba finitista". La mayor parte de los matemticos en la teora de la demostracin parecen considerar a las matemticas finitistas como contenidas dentro de la aritmtica de Peano, y en este caso no es posible dar pruebas finitistas de teoras razonablemente fuertes. Por otro lado, el mismo Gdel sugiri la posibilidad de dar pruebas de consistencia finitistas usando mtodos del mismo estilo, que no pueden ser formalizados en la aritmtica de Peano, por lo tanto l parece haber tenido una mirada ms liberal acerca de qu mtodos finitistas podran ser permitidos. Pocos aos despus, Gentzen dio una prueba de consistencia para los axiomas de Peano, cuya nica parte que no era claramente finitista era una cierta induccin transfinita hasta el ordinal 0. Si esta induccin transfinita es aceptada como mtodo finitista, entonces se puede asegurar que existe prueba finitista de la consistencia de la aritmtica de Peano. Aunque no hay algoritmo para decidir la veracidad de las afirmaciones de los postulados de Peano, hay muchas teoras interesantes y no triviales para las cuales dichos algoritmos s han sido encontrados. Por ejemplo, el matemtico polaco Alfred Tarski encontr un algoritmo que puede decidir la veracidad de cualquier afirmacin dentro de la geometra analtica (ms precisamente, Tarski prob que la teora de cuerpos algebraicamente

Programa de Hilbert cerrados es decidible). Dado el axioma Cantor-Dedekind, este algoritmo puede ser visto como un algoritmo para decidir la veracidad de cualquier afirmacin dentro de la geometra euclidiana. Esto es importante ya que pocas personas consideraran a la geometra euclidiana una teora trivial.

247

Referencias
G. Gentzen, 1936/1969. Die Widerspruchfreiheit der reinen Zahlentheorie. Mathematische Annalen 112:493565. Traducido al ingls como 'The consistency of arithmetic', en The collected papers of Gerhard Gentzen, M. E. Szabo (ed.), 1969. D. Hilbert. 'Die Grundlagen Der Elementaren Zahlentheorie'. Mathematische Annalen 104:485-94. Traducido al ingls por W. Ewald como 'The Grounding of Elementary Number Theory', pgs. 266-273 en From Brouwer to Hilbert: The debate on the foundations of mathematics in the 1920s de Mancosu (ed., 1998), Oxford University Press. New York. S.G. Simpson, 1988. Partial realizations of Hilbert's program [1]. Journal of Symbolic Logic 53:349-363. R. Zach, 2005. Hilbert's Program Then and Now [2]. Manuscrito, arXiv:math/0508572v1.

Referencias
[1] http:/ / www. math. psu. edu/ simpson/ papers/ hilbert/ hilbert. html [2] http:/ / arxiv. org/ abs/ math/ 0508572

Desigualdad matemtica
En matemticas, una desigualdad es una relacin que se da entre dos valores cuando estos son distintos (en caso de ser iguales, lo que se tiene es una igualdad). Si los valores en cuestin son elementos de un conjunto ordenado, como los enteros o los reales, entonces pueden ser comparados. La notacin a < b significa a es menor que b; La notacin a > b significa a es mayor que b; estas relaciones se conocen como desigualdades estrictas, puesto que a no puede ser igual a b; tambin puede leerse como "estrictamente menor que" o "estrictamente mayor que". La notacin a b significa a es menor o igual que b; La notacin a b significa a es mayor o igual que b; estos tipos de desigualdades reciben el nombre de desigualdades amplias (o no estrictas). La notacin a b significa a es mucho menor que b; La notacin a b significa a es mucho mayor que b; esta relacin indica por lo general una diferencia de varios rdenes de magnitud. La notacin a b significa que a no es igual a b. Tal expresin no indica si uno es mayor que el otro, o siquiera si son comparables.

Desigualdad matemtica

248

Propiedades
Las desigualdades estn gobernadas por las siguientes propiedades. Notar que, para las propiedades transitividad, adicin, sustraccin, multiplicacin y divisin, la propiedad tambin se mantiene si los smbolos de desigualdad estricta (< y >) son reemplazados por sus correspondientes smbolos de desigualdad no estricta ( y ). Transitividad Para nmeros reales arbitrarios a,b y c: Si a > b y b > c entonces a > c. Si a < b y b < c entonces a < c. Si a > b y b = c entonces a > c. Si a < b y b = c entonces a < c.

Adicin y sustraccin Para nmeros reales arbitrarios a,b y c: Si a < b entonces a + c < b + c y a c < b c. Si a > b entonces a + c > b + c y a c > b c. Multiplicacin y divisin Para nmeros reales arbitrarios a y b, y c diferente de cero: Si c es positivo y a < b entonces ac < bc y a/c < b/c. Si c es negativo y a < b entonces ac > bc y a/c > b/c. Opuesto Para nmeros reales arbitrarios a y b: Si a < b entonces a > b. Si a > b entonces a < b. Recproco Para nmeros reales a y b distintos de cero, ambos positivos o negativos a la vez: Si a < b entonces 1/a > 1/b. Si a > b entonces 1/a < 1/b. Si a y b son de distinto signo: Si a < b entonces 1/a < 1/b. Si a > b entonces 1/a > 1/b.

Funcin montona
Al aplicar una funcin montona creciente a ambos lados, la desigualdad se mantiene. Si se aplica una funcin montona decreciente, la desigualdad se invierte. Ejemplo

al aplicar la funcin exponencial a ambos miembros de la desigualdad, esta se mantiene.

Desigualdad matemtica

249

Valor absoluto
Se puede definir el valor absoluto por medio de desigualdades:

Cuerpo ordenado
Si (F, +, ) es un cuerpo y es un orden total sobre F, entonces (F, +, , ) es un cuerpo ordenado si y solo si: a b implica a + c b + c; 0 a y 0 b implica 0 a b. Los cuerpos (Q, +, , ) y (R, +, , ) son ejemplos comunes de cuerpo ordenado, pero no puede definirse en los complejos para hacer de (C, +, , ) un cuerpo ordenado. Las desigualdades en sentido amplio y sobre los nmeros reales son relaciones de orden total, mientras que las desigualdades estrictas < y > sobre los nmeros reales son relaciones de orden estricto.

Notacin encadenada
La notacin a < b < c establece que a < b (a menor que b) y que b < c (b menor que c) y aplicando la propiedad transitiva anteriormente citada, puede deducirse que a < c (a menor que c). Obviamente, aplicando las leyes anteriores, puede sumarse o restarse el mismo nmero real a los tres trminos, as como multiplicarlos o dividirlos todos por el mismo nmero (distinto de cero) invirtiendo las inecuaciones segn su signo. As, a < b + e < c es equivalente a a - e < b < c - e. Esta notacin se puede extender a cualquier nmero de trminos: por ejemplo, a1 a2 ... an establece que ai ai+1 para i = 1, 2, ..., n1. Segn la propiedad transitiva, esta condicin es equivalente a ai aj para cualesquiera 1 i j n. Ocasionalmente, la notacin encadenada se usa con inecuaciones en diferentes direcciones. En ese caso el significado es la conjuncin lgica de las desigualdades entre los trminos adyacentes. Por ejemplo: a<b=cd significa que a < b, b = c, y c d (y por transitividad: a < d). Esta notacin es utilizada en algunos lenguajes de programacin tales como Python.

Desigualdades entre medias


Las distintas medias pueden relacionarse utilizando desigualdades. Por ejemplo, para nmeros positivos a1, a2, , an, si
(Media armnica), (Media geomtrica), (Media aritmtica), (Media cuadrtica),

entonces:

Desigualdad matemtica

250

Bibliografa
Hardy, G., Littlewood J.E., Polya, G. (1999). Inequalities, Cambridge Mathematical Library, Cambridge University Press. ISBN 0521052068. Beckenbach, E.F., Bellman, R. (1975). Introduction to Inequalities, Random House Inc. ISBN 0394015592. Drachman, Byron C., Cloud, Michael J. (1998). Inequalities: With Applications to Engineering, Springer-Verlag. ISBN 0387984046. Aurelio Baldor, (1975) lgebra de Baldor, Edime organizacin grfica S.S. Madrid. ISBN 84-399-0259-x

Enlaces externos
Esta obra deriva de la traduccin parcial de Inequality (mathematics), publicada bajo la Licencia de documentacin libre de GNU y la Licencia Creative Commons Atribucin-CompartirIgual 3.0 Unported por editores [1] de la Wikipedia en ingls.

Referencias
[1] http:/ / toolserver. org/ ~daniel/ WikiSense/ Contributors. php?wikilang=en& wikifam=. wikipedia. org& page=Inequality+ %28mathematics%29& grouped=on& hidebots=on& hideanons=on& order=-edit_count& max=200& order=first_edit& format=html

Desigualdad de Boole
En teora de la probabilidad, la desigualdad de Boole estipula que para toda familia finita o numerable de sucesos, la probabilidad de que al menos uno de esos sucesos ocurra es menor o igual a la suma de las probabilidades de los sucesos individuales. De manera ms formal, Teorema: Para una familia finita o numerable de sucesos A1, A2, A3, ..., se cumple:

Demostracin
Familia finita
Primero se trata, por induccin, el caso de una familia finita Se trata de probar que La desigualdad es cierta para de Sea Entonces: de donde: : sucesos. (hiptesis de induccin). , . . Supuesta cierta para un . dado, se considera una familia de sucesos.

Desigualdad de Boole

251

Familia numerable
Ahora se trata el caso de una familia numerable Para todo nmero natural (distinto de cero), sea de sucesos. ; entonces ; en efecto . y para todo ,

La desigualdad de Boole se comprueba por paso al lmite sobre , entonces .

Otro mtodo
Otro mtodo que trata a la vez el caso finito y el caso numerable: sea . Entonces por otra parte, para todo De todo esto, se deduce que , y los sucesos , entonces son incompatibles dos a dos; ( es creciente). . y para todo ,

Teora de la medida
En lenguaje de la teora de la medida, la desigualdad de Boole se deriva del hecho de que una medida de probabilidad es -subaditiva, como es el caso de toda medida.

Desigualdades de Bonferroni
Las llamadas desigualdades de Bonferroni generalizan la desigualdad de Boole y proporcionan mayorantes y minorantes de la probabilidad de uniones finitas de sucesos. Sean:

y para 2 < k n,

donde la suma de realiza sobre todas las k-uplas estrictamente crecientes de enteros positivos comprendidos entre 1 y n. Entonces para todo entero positivo impar k tal que 1 k n

y para todo entero positivo par k tal que 2 k n

Desigualdad de Boole La desigualdad de Boole se da para k = 1.

252

Cota de Cramr-Rao
En estadstica, la cota de Cramr-Rao (abreviada CRB por sus siglas del ingls) o cota inferior de Cramr-Rao (CRLB), llamada as en honor a Harald Cramr y Calyampudi Radhakrishna Rao, expresa una cota inferior para la varianza de un estimador insesgado, basado en la informacin de Fisher. Establece que la inversa multiplicativa de la informacin de Fisher de un parmetro para la varianza de un estimador insesgado del parmetro (denotado mediante ). , , es una cota inferior

En algunos casos, no existe un estimador insesgado que alcance la cota inferior. A esta cota se la conoce tambin como la desigualdad de Cramr-Rao o como la desigualdad de informacin.

Condiciones de regularidad
La cota depende de dos condiciones de regularidad dbiles de la funcin de densidad de probabilidad, del estimador : tal que , La informacin de Fisher siempre est definida; en otras palabras, para todo ,y

es finito. Las operaciones de integracin con respecto a x y de diferenciacin con respecto a esperanza de ; es decir, pueden intercambiarse en la

siempre que el miembro derecho de la ecuacin sea finito. En algunos casos, un estimador sesgado puede tener tanto varianza como error cuadrtico medio por debajo de la cota inferior de Cramr-Rao (la cota inferior se aplica solo a estimadores insesgados). Si se extiende la segunda condicin de regularidad a la segunda derivada, entonces se puede usar una forma alternativa de la informacin de Fisher para obtener una nueva desigualdad de Cramr-Rao

En algunos casos puede resultar ms sencillo tomar la esperanza con respecto a la segunda derivada que tomarla respecto del cuadrado de la primera derivada.

Cota de Cramr-Rao

253

Parmetros mltiples
Extendiendo la cota de Cramr-Rao para mltiples parmetros, defnase el vector columna de parmetros

con funcin de densidad de probabilidad anteriormente.

que satisface las dos condiciones de regularidad definidad con elementos definidos segn

La matriz de informacin de Fisher es una matriz de dimensin

entonces, la cota de Cramr-Rao es

donde

es una matriz semi-definida positiva, es decir

Si la cota de Cramr-Rao es

es un estimador insesgado (es decir,

) entonces

Cota de Cramr-Rao

254

Ejemplos
Distribucin normal multivariada
Para el caso de una distribucin normal multivariada de dimensin d

con funcin de densidad de probabilidad

la matriz de informacin de Fisher tiene entradas

donde

es la traza de una matriz. es ruido blanco gaussiano (una muestra de observaciones independientes) con varianza

En particular, si conocida y , es decir,

es un escalar, entonces la matriz de informacin de Fisher es de dimensin 11

y por lo tanto la cota de Cramr-Rao es

Desigualdad de Bernoulli

255

Desigualdad de Bernoulli
La desigualdad de Bernoulli, es una relacin entre cantidades reales. (Desigualdad de Bernoulli) Para cualquier nmero real y cualquier nmero entero se cumple:[1]

y la igualdad se obtiene si y slo si x=0 o n=1. La desigualdad de Bernoulli tiene generalizaciones y variantes: Si el exponente es par, entonces la desigualdad es vlida para cualquier nmero real a. Si el exponente es un nmero real r entonces , si , si y y o . mientras que

La desigualdad de Bernoulli es de particular relevancia pues en numerosas ocasiones funciona como lema intermedio en la prueba de resultados de clculo ms complejos.

Referencias

Ilustracin de la desigualdad de Bernoulli para n=3. Aqu, la grfica roja corresponde a (1+x)3 y sta nunca es menor que la grfica azul, correspondiente a 1+3x.

Desigualdad de Bessel

256

Desigualdad de Bessel
En matemticas, especialmente en anlisis funcional, la desigualdad de Bessel es una proposicin acerca de los coeficientes de un elemento en un espacio de Hilbert con respecto a una secuencia ortonormal.

En espacios de Hilbert
Sea en un espacio de Hilbert, suponga que se tiene que es una secuencia ortonormal en . Entonces, para todo

donde <,> denota el producto interior en el espacio de Hilbert

, Si nosotros definimos la suma infinita

La desigualdad de Bessel nos dice que esta serie matemtica converge. Para una secuencia ortonormal completa (esto es, para una secuencia ortonormal que a la vez es una base ortonormal de ), nosotros tenemos la identidad de Parseval, que reemplaza la desigualdad por una igualdad (y consecuentemente con ).

En lgebra lineal
En lgebra lineal la Desigualdad de Bessel estipula que dado un espacio vectorial V con producto interior definido, dada una subconjunto ortonormal de V. Se cumple que para todo x en V:

Enlaces externos
Weisstein, Eric W. Bessel's Inequality [1] (en ingls). MathWorld. Wolfram Research.

Referencias
[1] http:/ / mathworld. wolfram. com/ BesselsInequality. html

Desigualdad de Cauchy-Schwarz

257

Desigualdad de Cauchy-Schwarz
En matemticas, la desigualdad de Cauchy-Schwarz, tambin conocida como desigualdad de Schwarz, desigualdad de Cauchy o desigualdad de Cauchy-Bunyakovski-Schwarz, es una desigualdad muy til encontrada en diferentes reas, tales como el lgebra lineal aplicada a vectores, en anlisis matemtico aplicada a series infinitas e integracin de productos de funciones, y en teora de probabilidades, aplicada a varianzas y covarianzas. La desigualdad para sumas fue publicada por Augustin Louis Cauchy (1821), mientras que la correspondiente desigualdad para integrales fue establecida por Viktor Yakovlevich Bunyakovsky (1859) y redescubierta por Hermann Amandus Schwarz (1888) (a menudo mal escrito como "Schwartz").

Enunciado
La desigualdad de Cauchy-Schwarz establece que: para todo par de vectores x e y de un espacio prehilbertiano se cumple

Equivalentemente, tomando la raz cuadrada en ambos lados, y refirindose a la norma de los vectores, la desigualdad se escribe como

Adicionalmente, los dos lados son iguales si y slo si x e y son linealmente dependientes (geomtricamente, si son paralelos o uno de los vectores es igual a cero). La desigualdad de Cauchy-Scharz se puede probar con un caso particular de la Identidad de Lagrange, incluso para el caso de los nmeros complejos. La desigualdad de Cauchy-Schwarz se usa para probar que el producto escalar es una funcin continua con respecto a la topologa inducida por el mismo producto escalar. La desigualdad de Cauchy-Schwarz se usa para probar la desigualdad de Bessel. La formulacin general del principio de incertidumbre de Heisenberg se deriva usando la desigualdad de Cauchy-Schwarz sobre el producto escalar definido en el espacio de las funciones de onda fsicas.

Enlaces externos
Hazewinkel, Michiel, ed. (2001), Cauchy Schwarz inequality [1] (en ingls), Encyclopaedia of Mathematics, Springer, ISBN 978-1556080104

Referencias
[1] http:/ / www. encyclopediaofmath. org/ index. php?title=Cauchy_Schwarz_inequality& oldid=28863

Desigualdad de Chebyshov

258

Desigualdad de Chebyshov
En probabilidad, la desigualdad de Chebyshov (tambin escrito como "Tchebycheff") es un resultado que ofrece una cota inferior a la probabilidad de que el valor de una variable aleatoria con varianza finita est a una cierta distancia de su esperanza matemtica. La desigualdad recibe su nombre del matemtico ruso Pafnuti Chebyshov.

Formulacin
Sea una variable aleatoria no negativa y una funcin se da la desigualdad siguiente: creciente tal que . Entonces

Casos particulares de la desigualdad


Algunas formulaciones menos generales que se desprenden de la primera son las siguientes: Sea variable aleatoria con momento de orden finito, entonces

siendo Sea

. finito, entonces

con momento centrado de orden

siendo Sea

,y y varianza finita , entonces, para todo nmero real ,

variable aleatoria de media

Slo en caso de que

la desigualdad proporcionan una cota no trivial.

Ejemplos
Para ilustrar este resultado, supongamos que los artculos de Wikipedia tienen una extensin media de 1000 caracteres y una desviacin tpica de 200 caracteres. De la desigualdad de Chebyshov, usando k = 2, se deduce que al menos el 75% de los artculos tendrn una extensin comprendida entre 600 y 1400 caracteres. Otra consecuencia del teorema es que para cada distribucin de media y desviacin tpica finita , al menos la mitad de sus valores se concentrarn en el intervalo (-2 , +2 ).

Demostracin

Fijmonos en que

. Si ahora aplicamos la funcin esperanza a los

dos lados de la primera desigualdad que hemos establecido habremos demostrado el resultado.

Desigualdad de Chebyshov

259

Demostracin del tercer caso particular


Para demostrar la desigualdad se parte de la variable aleatoria auxiliar definida as:

Entonces, trivialmente,

y por lo tanto,

Tomando esperanzas en ambos miembros se obtiene

por lo que

Pero, a su vez, dado que

slo puede ser 0 o 1,

lo que prueba el resultado.

Desigualdad de Hardy
La desigualdad de Hardy es una desigualdad matemtica llamada as debido a G.H. Hardy. Esta desigualdad afirma que si es una sucesin de nmeros reales no-negativos que no es idnticamente nula, entonces para cualquier nmero real p > 1 se tiene

Una versin integral de la desigualdad de Hardy afirma que que si f es una funcin integrable a valores no-negativos, entonces

con igualdad si y solo si f(x) = 0 casi en todas partes.

Historia
La desigualdad de Hardy fue publicada y demostrada por primera vez (al menos en su versin discreta e involucrando una constante no-optimal) en 1920 en una nota de Hardy.[1]

Referencias
Hardy, G.H.; Littlewood, J.E.; Plya, G. (1934), Inequalities, Cambridge University Press, ISBN 0521358809

Desigualdad de Hoeffding

260

Desigualdad de Hoeffding
En teora de la probabilidad, la desigualdad de Hoeffding proporciona una cota superior a la probabilidad de que la suma de variables aleatorias se desve una cierta cantidad de su valor esperado. Las desigualdad de Hoeffding fue demostrada por Wassily Hoeffding en 1963.[1] Las desigualdad de Hoeffding es un caso particular de la desigualdad de Azuma-Hoeffding, aunque generaliza la desigualdad de Bernstein, demostrada por Sergei Bernstein en 1923. Ambas son casos especiales de la desigualdad de McDiarmid.

Caso particular de variables de Bernouilli


Las desigualdad de Hoeffding puede aplicarse al importante especial de variables de Bernouilli idnticamente distribuidas, y este es la manera en que la desigualdad se aplica frecuentemente en combinatoria y en informtica. Si se considera una moneda desequilibrada que muestra cara con probabilidad se consideran Ms an, la probabilidad de que se obtengan como mucho siguiente expresin: y cruz con probabilidad ,y .

lanzamientos de esta moneda. El valor esperado del nmero de veces que se obtiene cara es

caras puede cuantificarse exactamente mediante la

En el caso de que

para algn

, la desigualdad de Hoeffding acota esta probabilidad mediante :

un trmino que disminuye exponencialmente en

De manera similar, en el caso de que probabilidad de que se obtengan al menos

para algn

, la desigualdad de Hoeffding acota la

un nmero de caras mayor que el valor esperado:

En esas condiciones la desigualdad de Hoeffding implica que el nmero de caras que se obtienen se concentra alrededor de la media, con colas que decrecen exponencialmente.

Caso general
Sean n variables aleatorias independientes. Si se asume que las que: estn acotadas casi con seguridad; es decir, si se asume para

Se define la media muestral de estas variables como:

El segundo teorema en el artculo de Hoeffding prueba las siguientes desigualdades:

que son vlidas para valores positivos de t. Aqu

representa en alor esperado de

Desigualdad de Hoeffding Ntese que las desigualdades tambin son vlidas cuando las han sido obtenidas usando muestreo sin reemplazo;

261

en este caso las variables aleatorias no son de ninguna manera indendientes. Una demostracin de esta afirmacin puede encontrarse en el artculo de Hoeffding. Para cotas ligeramente mejores en el caso de muestreo sin reemplazo, puede consultarse el artculo de Serfling (1974).

Referencias
Bibiliografa
Probability Inequalities for the Sum in Sampling without Replacement. The Annals of Statistics 2 (1): pp.3948. 1974. doi: 10.1214/aos/1176342611 (http://dx.doi.org/10.1214/aos/1176342611). Probability inequalities for sums of bounded random variables (http://www.jstor.org/stable/2282952). Journal of the American Statistical Association 58 (301): pp.1330. March 1963.

Desigualdad de Hlder
En anlisis matemtico la desigualdad de Hlder, llamada as debido a Otto Hlder, es una desigualdad fundamental entre integrales y una herramienta indispensable para el estudio de los espacios Lp. Sea (S, , ) un espacio de medida y sea 1 p, q con 1/p+ 1/q=1. Entonces, para toda funcin medible de valores reales o complejos f y g sobre S, se tiene que

Los nmeros p y q expresados arriba se dice que son conjugados de Hlder uno del otro. El caso especial p= q=2 se reduce a la conocida desigualdad de Cauchy-Schwarz. La desigualdad de Hlder se cumple incluso si ||fg ||1 es infinita, siendo para el miembro derecho de la desigualdad infinito en ese caso. En particular, si f est en Lp() y g est en Lq(), entonces fg est en L1(). Para 1 < p, q < , f Lp() y g Lq(), la desigualdad de Hlder se convertir en una igualdad si y slo si |f |p y |g |q son linealmente dependientes en L1(), lo que significa que existen dos nmeros reales ,0, siendo alguno de ellos distinto de 0, tales que |f |p = |g |q -casi en todas partes. La desigualdad de Hlder es usada para demostrar la desigualdad de Minkowski, la cual es una generalizacin de la desigualdad triangular en el espacio Lp(), y tambin para establecer que Lq() es el espacio dual deLp() para 1p<. La desigualdad de Hlder fue descubierta por primera vez por Rogers(1888), y descubierta independientemente por Hlder(1889).

Referencias
Hardy, G.H.; Littlewood, J.E.; Plya, G. (1934), Inequalities, Cambridge University Press, ISBN 0521358809 Hlder, O. (1889), Ueber einen Mittelwerthsatz [1], Nachrichten von der Knigl. Gesellschaft der Wissenschaften und der Georg-Augusts-Universitt zu Gttingen Band 1889 (2): 3847 (en alemn). Disponible en Digi Zeitschriften [2]. Kuptsov, L.P. (2001), Hlder inequality [3], en Hazewinkel, Michiel (en ingls), Encyclopaedia of Mathematics, Springer, ISBN 978-1556080104 Rogers, L J. (1888), An extension of a certain theorem in inequalities, Messenger of Mathematics 17: 145150. Kuttler, Kenneth (2007), An introduction to linear algebra [4], Online e-book en formato PDF, Brigham Young University

Desigualdad de Hlder Lohwater, Arthur (1982), Introduction to Inequalities [5], Online e-book en formato PDF

262

Referencias
[1] [2] [3] [4] [5] http:/ / www. digizeitschriften. de/ index. php?id=166& ID=468392 http:/ / www. digizeitschriften. de/ index. php?id=64& L=2 http:/ / www. encyclopediaofmath. org/ index. php?title=H%C3%B6lder_inequality& oldid=23328 http:/ / www. math. byu. edu/ ~klkuttle/ Linearalgebra. pdf http:/ / www. mediafire. com/ ?1mw1tkgozzu

Desigualdad de Jensen
En matemticas, la desigualdad de Jensen para funciones convexas relaciona el valor que asigna a una integral con la integral de esa misma funcin permutando, por as decirlo, la funcin y la integral. Fue probada por el matemtico dans Johan Jensen en 1906.[1] Dada su generalidad, la desigualdad aparece en mltiples contextos.

Formulacin
En su formulacin ms simple, la desigualdad es la siguiente: una transformacin convexa de la media es menor o igual en valor que la media de una transformacin convexa. Sin embargo, su formulacin formal ms general se expresa en el contexto de la teora de la medida: Sea (,A,) un espacio de medida tal que ()=1. Si g es una funcin real -integrable y una funcin convexa en el eje real, entonces:

Casos particulares
Formulacin finita
Dada una funcin convexa , nmeros x1,x2,...,xn en su dominio y pesos positivos ai se cumple que:

En particular, si los pesos ai son todos iguales a 1, entonces

Por ejemplo, como la funcin -log(x) es convexa, la desigualdad anterior puede concretarse en

Desigualdad de Jensen

263

En anlisis real
Si son nmeros reales y es una funcin real integrable, entonces, reescalando, se puede aplicar la desigualdad de Jensen para obtener

Por otro lado, si f(x) es una funcin no negativa tal que

g es una funcin real cualquiera y es una funcin convexa sobre el rango de g, entonces

En caso de que g sea la funcin identidad, se obtiene

Aplicaciones en casos especiales


Formulacin probabilstica
La desigualdad de Jensen, usando la notacin habitual en teora de la probabilidad, puede reescribirse as: (1)

Fsica estadstica
La desigualdad de Jensen desempea un papel importante en fsica estadstica cuando la funcin convexa es la exponencial porque entonces (1) frmula en la que los los parntesis angulares representan la esperanza respecto a la distribucin de probabilidad de la variable aleatoria X.

Teora de la informacin
Si p(x) es la funcin de densidad correspondiente a una variable aleatoria X y q(x) es otra funcin de densidad, entonces, aplicando la desigualdad (1) a la variable aleatoria Y(X) = q(X)/p(X) y la funcin (y) = log(y) se obtiene

que es la llamada desigualdad de Gibbs y est relacionada con el hecho de que la longitud de los mensajes es mnima cuando se codifican en trminos de la distribucin verdadera y con el concepto de la divergencia de Kullback-Leibler.

Desigualdad de Jensen

264

Notas Referencias
Walter Rudin (1979). Anlisis real y complejo. Alhambra. ISBN 84-205-0651-6.

Desigualdad de Kraft
Definicin: Dada una fuente de n smbolos a codificar con un alfabeto de r smbolos utilizando un conjunto de n palabras de longitudes l1 a ln, la desigualdad de Kraft corresponde a:

Hay que tener en cuenta que: Es condicin necesaria para que un cdigo sea uno de los cdigos prefijo (o cdigos instantneos). Es condicin suficiente para que exista algn cdigo prefijo (o cdigo instantneo) con la secuencia de longitudes : l1... ln. Dado un cdigo conocido C, con longitudes l1 a ln, que cumple la desigualdad de Kraft, NO podemos afirmar que C es instantneo (pues C no tiene por qu cumplir la regla del prefijo). Sin embargo, sabemos que existe algn cdigo instantneo con longitudes l1... ln, puesto que se verifica la desigualdad de Kraft con dicha secuencia de longitudes. Obsrvese que todo cdigo unvocamente decodificable cumple la desigualdad de Kraft (Th. de McMillan).

Desigualdad de las medias aritmtica y geomtrica


En matemticas, se conoce como desigualdad entre media aritmtica y geomtrica, o MA-MG, aquella desigualdad que establece que la media aritmtica de un conjunto de nmeros reales positivos es mayor o igual que la media geomtrica del mismo conjunto, cumplindose nicamente la igualdad cuando todos los elementos del conjunto sean iguales.

Media aritmtica y media geomtrica


La media aritmtica de un conjunto de nmeros reales total de elementos, es igual a la suma dividida por el nmero

La media geomtrica de un conjunto de reales no negativos producto de todos ellos:

, es igual a la raz n-sima del

Desigualdad de las medias aritmtica y geomtrica

265

La desigualdad
Sea entonces

La igualdad se cumple si y slo si

Demostracin por induccin


Para demostrar la desigualdad MA-MG, se desarrollara por el mtodo de induccin matemtica, demostrando que la MA-MG es cierta para 2 elementos, luego generalizndolo para 2n elementos y demostrando que si es cierta para n es cierta para n+1 elementos. Sea un conjunto de n elementos.

Procedemos a considerar el primer paso en que n=2

Quedando as demostrado para n=2, luego se demuestra que si es cierta para 2 es cierta para 2n elementos.

Siguiendo la hiptesis,

Se sigue que,

Siendo esto igual a,

Quedando as demostrado que si es cierto para 2 elementos es cierto para 2n elementos. Ahora procedemos a demostrar que si es cierta para n-1 elementos es cierta para n elementos, Sea y

Se considera la desigualdad de todos los elementos mencionados,

Desigualdad de las medias aritmtica y geomtrica

266

Haciendo raz n-1-sima se sigue,

Quedando as demostrado por el mtodo inductivo, la veracidad de la desigualdad MA-MG. Q.E.D.

Referencias
Oleksandr, karlein.Rondero Guerrero, Carlos.Tarasenko, Anna. (2008). Desigualdades, mtodos de calculo no tradicionales". Daz de Santos. ISBN 978-84-7978-807-0

Desigualdad de Minkowski
En anlisis matemtico, la desigualdad de Minkowski, debida a Hermann Minkowski, establece que los espacios Lp son espacios vectoriales con una norma vectorial. Sea S un espacio medible, sea 1 p y sea f y g elementos de Lp(S). Entonces f + g es de Lp(S), y se tiene

con la igualdad para el caso1 < p < si y slo si f y g son positivamente linealmente dependientes (que significa que f= gog= f para algun 0). La desigualdad de Minkowski es la desigualdad triangular en Lp(S). Igual que la desigualdad de Hlder, la desigualdad de Minkowski se puede especificar para sucesiones y vectores haciendo:

para todos los nmeros reales (o complejos) x1, ..., xn, y1, ..., yn y donde n es el cardinal de S (el nmero de elementos de S).

Desigualdad de Minkowski

267

Demostracin
Primero se demuestra que f+g tiene una p-norma finita sobre f y g ambas la tienen , esto se sigue de,

En efecto, aqu se hace servir el hecho de que que 1) y por lo tanto, si a y b son positivos entonces,

es una funcin convexa sobre

(para

mas grande

Lo cual significa que,

Ahora, se puede hablar legtimamente de Minkowski. ahora , suponiendo que

. Si es zero, entonces se cumple la desigualdad de no es zero. haciendo servir la desigualdad de Hlder

Se obtiene la desigualdad de Minkowski multiplicando por ambos lados

Referencias
Hardy, G., Littlewood J.E., Polya, G. (1999). Inequalities, Cambridge Mathematical Library, Cambridge University Press. ISBN 0-521-05206-8 H. Minkowski, Geometrie der Zahlen , Chelsea, reprint (1953) M.I. Voitsekhovskii (2001), "Minkowski inequality", in Hazewinkel, Michiel, Encyclopaedia of Mathematics, Kluwer Academic Publishers, ISBN 978-1-55608-010-4

Desigualdad de Mrkov

268

Desigualdad de Mrkov
En teora de la probabilidad, la desigualdad de Mrkov proporciona una cota superior para la probabilidad de que una funcin no negativa de una variable aleatoria sea mayor o igual que una constante positiva. Su nombre le viene del matemtico ruso Andri Mrkov. La desigualdad de Mrkov relaciona las probabilidades con la esperanza matemtica y proporciona cotas tiles -aunque habitualmente poco ajustadas- para la funcin de distribucin de una variable aleatoria.

Teorema
La desigualdad de Mrkov afirma que si X es una variable aleatoria cualquiera y a > 0, entonces

Prueba
Para cualquier suceso A, sea IA la variable aleatoria indicatriz de A, esto es, IA = 1 si ocurre A y es 0 en el caso contrario. Entonces

Por lo tanto

Ahora, ntese que el lado izquierdo de esta desigualdad coincide con

Por lo tanto tenemos

y como a > 0, se pueden dividir ambos lados entre a.

Prueba alternativa
Una prueba ms formal, relacionada con el anlisis real, es la siguiente:

En la introduccin de o mayores a ,

, ntese que ya que estamos considerando la variable aleatoria slo en sus valores iguales y, por tanto, , con lo que al multiplicar por algo mayor a uno ser , que siempre ser positiva ya que

igual o mayor. La segunda desigualdad viene de aadir la suma se integra algo positivo como es el valor absoluto (por : que es positiva). La desigualdad de Mrkov se emplea para probar la desigualdad de Chebyshov.

Desigualdad de Opial

269

Desigualdad de Opial
La desigualdad de Opial es una desigualdad integral que involucra a una funcin y a su derivada. Fue descubierta en 1960 por Z. Opial.[1] Si f(t) es una funcin con derivada continua en un intervalo [0,h] tal que f(t)>0 en (0,h), f(0) = 0 = f(h) entonces

La desigualdad de Opial es una desigualdad fundamental porque sus generalizaciones y distintas versiones han sido de mucha utilidad en el campo de la teora de las ecuaciones diferenciales.[2]

Referencias
[1] Opial, Z. Sur une ingalit. Ann. Polon. Math. 8 (1960) 61-63

Desigualdad de Shapiro
En matemticas, la desigualdad de Shapiro es una desigualdad que fue descubierta por H. Shapiro y Vladmir Drnfeld.

Enunciado
Sea n un nmero natural y n es par y menor o igual que 12, o bien n es impar y menor o igual que 23. Entonces, la desigualdad de Shapiro enuncia que nmeros positivos y:

donde

. con .

Para valores mayores de n no se cumple la desigualdad y la cota inferior estricta es

Este resultado fue mostrado por Vladmir Drnfeld, que gan una Medalla Fields en 1990. Drnfeld demostr especficamente que la cota inferior estricta viene dada por y , donde es la envoltura convexa de f(x)=ex

Desigualdad de Shapiro

270

Enlaces externos
PlanetMath [1] (en ingls)

Referencias
[1] http:/ / planetmath. org/ encyclopedia/ ShapiroInequality. html

Desigualdad de Nesbitt
En matemticas, la desigualdad de Nesbitt es un caso especial de la desigualdad de Shapiro. sta declara que para los nmeros reales positivos a, b y c se obtiene que:

Demostracin
Partiendo de la misma desigualdad de Nesbitt

se puede transformar el miembro izquierdo de la desigualdad como:

Ahora esto puede ser transformado como:

dividiendo por 3 y pasando el segundo factor al miembro derecho:

De esta manera en el miembro izquierdo de la inecuacin queda la media aritmtica de los tres nmeros y en el miembro derecho la media armnica, verificando que la desigualdad es cierta.

Enlaces externos
Este artculo contiene informacin de Nesbitt's Inequality [1] en PlanetMath, que se encuentra publicado bajo licencia GFDL.

Referencias
[1] http:/ / planetmath. org/ ?op=getobj& amp;from=objects& amp;id=2875

Teorema de Jung

271

Teorema de Jung
En geometra, el teorema de Jung es una desigualdad matemtica entre el dimetro de un conjunto de puntos contenidos en un espacio eucldeo y el radio de la mnimo n-esfera que contiene al conjunto. El teorema fue publicado por Heinrich Jung en 1901.

Enunciado
Sea K un conjunto finito de puntos (o ms generalmente un conjunto compacto cualquiera)

y sea

el dimetro de K, es decir, la distancia ms grande posible entre puntos del conjuto. Entonces se tiene que existe una (n-1)-esfera de radio:

que contiene a K. La igualdad se da siempre para el caso de un n-simplex regular.

Teomre a de Jung en el plano


. El caso ms comn de aplicacin del teorema es el plano eucldeo (n = 2), donde cualquier conjunto de finito de puntos puede ser contenido en un crculo de radio dado por:

El resultado anterior es el ms ajustado posible, por ejemplo para un tringulo equiltero cuyos tres vrices estn sobre una circunferencia

Espacios mtricas generales


Para un conjunto acotado S contenido en un espacio mtrico se tiene:

Tringulo equilatero mostrando la relacin entre el dimetro del tringulo, que coincide con el lado, y el radio de la circunferencia circunscrita

La primera desigualdad es una consecuencia de la desigualdad triangular aplicada al centro de la una bola y dos puntos diametralmente opuestos. La segunda se sigue de que una bola de radio d centrada en cualquier punto de S debe contener todo el conjunto pro la definicin de dimetro de un conjunto arbitrario. En un espacio mtrico uniforme, es decir un espacio mtrico en el que todas las distancias son iguales se satura esta segunda desigualdad r = d. La otra desigualdad se alcana en un espacio mtrico inyectivo como el plano dotado de la "distancia de Manhattan", donde se tiene r = d/2.

Teorema de Jung

272

Referencias
Bibliografa
Katz, M.: Jung's theorem in complex projective geometry, Quart. J. Math. Oxford (2) 36 (1985) 451-466. Dekster, B. V. (1995). The Jung theorem for the spherical and hyperbolic spaces. Acta Math. Sci. Hungar. 67 (4): pp.315331. doi: 10.1007/BF01874495 (http://dx.doi.org/10.1007/BF01874495). Dekster, B. V. (1997). The Jung theorem in metric spaces of curvature bounded above. Proceedings of the American Mathematical Society 125 (8): pp.24252433. doi: 10.1090/S0002-9939-97-03842-2 (http://dx.doi.org/10. 1090/S0002-9939-97-03842-2). Jung, Heinrich (1901). ber die kleinste Kugel, die eine rumliche Figur einschliet (in German). J. Reine Angew. Math. 123: pp.241257. Jung, Heinrich (1910). ber den kleinsten Kreis, der eine ebene Figur einschliet (in German). J. Reine Angew. Math. 137: pp.310313. Rademacher, Hans; Toeplitz, Otto (1990). The Enjoyment of Mathematics. Dover. chapter 16. ISBN 978-0-486-26242-0.

Enlaces externos
Weisstein, Eric W. Jung's Theorem (http://mathworld.wolfram.com/JungsTheorem.html) (en ingls). MathWorld. Wolfram Research.

Teorema de Cauchy
Numerosos teoremas deben su nombre a Augustin Louis Cauchy: El teorema integral de Cauchy en anlisis complejo, generalizado al teorema de Cauchy-Goursat. Vase tambin la frmula integral de Cauchy. El teorema del valor medio de Cauchy en anlisis real. El teorema de Cauchy (teora de grupos). El teorema de Cauchy-Hadamard un resultado de la convergencia de series de potencias. El teorema de Cauchy-Kovalevskaya sobre ecuaciones en derivadas parciales. El teorema de Cauchy-Lipschitz ms conocido como teorema de Picard-Lindelf, un resultado sobre ecuaciones diferenciales ordinarias. Otros resultados debidos a Cauchy son: El criterio de convergencia de Cauchy sobre la convergencia de sucesiones de Cauchy de nmeros reales. Las ecuaciones de Cauchy-Riemann que debe verificar una funcin de variable compleja para ser derivable.

Constante de Apry

273

Constante de Apry
En matemticas, la constante de Apry es un nmero curioso que aparece en diversas situaciones. Se define como el nmero (3),

donde es la funcin zeta de Riemann. Y tiene un valor de

Teorema de Apry
Este valor debe su nombre a Roger Apry (1916-1994), quien en 1977 prob que era irracional. Este resultado es conocido como "Teorema de Apry". La prueba original es compleja y pruebas ms cortas han sido halladas usando los Polinomios de Legendre. El resultado ha permanecido bastante aislado: poco se sabe sobre (n) para otros nmeros impares n.

Representacin por series


En 1772, Leonhard Euler dio la representacin de la serie

que fue posteriormente redescubierta varias veces, incluyendo Ramaswami en 1934. Simon Plouffe dio numerosas series, que son notables en cuanto a que pueden dar varios dgitos por repeticin. Estas incluyen:

Muchas series sumatorias han sido encontradas, incluyendo:

Constante de Apry

274

donde

Algunas de estas han sido utilizadas para calcular varios millones de dgitos de la constante de Apry.

Otras frmulas
La constante de Apry puede expresarse mediante una funcin poligamma de segundo orden, como

Referencias
V. Ramaswami, Notes on Riemann's -function, (1934) J. London Math. Soc. 9 pp. 165-169. Roger Apry, Irrationalit de (2) et (3), (1979) Astrisque, 61:11-13. Alfred van der Poorten, A proof that Euler missed. Apry's proof of the irrationality of (3). An informal report.,(1979) Math. Intell., 1:195-203. Simon Plouffe, Identities inspired from Ramanujan Notebooks II [1], (1998) Simon Plouffe, Zeta(3) or Apry constant to 2000 places [2], (undated). Xavier Gourdon & Pascal Sebah, The Apry's constant: z(3) [3]

Referencias
[1] http:/ / www. lacim. uqam. ca/ ~plouffe/ identities. html [2] http:/ / www. worldwideschool. org/ library/ books/ sci/ math/ MiscellaneousMathematicalConstants/ chap97. html [3] http:/ / numbers. computation. free. fr/ Constants/ Zeta3/ zeta3. html

Teorema de Euclides (desambiguacin)

275

Teorema de Euclides (desambiguacin)


Diversos teoremas matemticos deben su nombre al matemtico griego Euclides: El lema de Euclides, sobre la divisibilidad por nmeros primos. El teorema de Euclides, sobre la infinitud de los nmeros primos. El teorema de la altura (tambin llamado de Euclides), acerca de la altura de la hipotenusa de un tringulo rectngulo.

Teorema de existencia
En matemticas, un teorema de existencia es un teorema con un enunciado que comienza 'existe(n)...', o ms generalmente 'para todo x, y, ...existe(n) ...'. Esto es, en trminos ms formales de lgica simblica, es un teorema con un enunciado involucrando el cuantificador existencial. Muchos teoremas no lo hacen explcitamente, como es usual en el lenguaje matemtico estndar, por ejemplo, el enunciado de que la funcin seno es una continua, o cualquier teorema escrito en la notacin O. Una controversia que data del temprano siglo XX concierne el tema de teoremas de existencia puros, y la acusacin relacionada de que al admitirlos las matemticas traicionan sus responsabilidades de aplicacin concreta (ver demostracin no constructiva). El punto de vista matemtico es que los mtodos abstractos tienen un gran alcance, mayor que el del anlisis numrico.

Teorema de Lagrange
Los siguientes teoremas, atribuidos a Joseph Louis Lagrange, se conocen como teoremas de Lagrange: Teorema de Lagrange (teora de grupos) Teorema de Lagrange (teora de nmeros) Teorema del valor medio (de Lagrange) Teorema de los cuatro cuadrados

Teorema de Liouville

276

Teorema de Liouville
Existen varios teoremas conocidos como Teorema de Liouville atribuidos a Joseph Liouville: En lgebra diferencial, ver Teorema de Liouville (lgebra diferencial), un teorema que permite determinar si una funcin elemental dada tiene o no una integral elemental. En anlisis complejo, ver Teorema de Liouville (anlisis complejo). En mecnica hamiltoniana, ver Teorema de Liouville (mecnica hamiltoniana). En geometra, ver Teorema de Liouville (transformacin conforme).

Teorema maestro
El Teorema maestro es un mtodo matemtico que se usa para resolver ciertos casos particulares de ecuaciones de recurrencia como la siguiente: . Consideremos una funcin t(n) que no sea decreciente:

con constantes a 1 y b 2. Obtenemos

Nota: (orden exacto), O (orden superior), (orden inferior), segn la notacin de Landau.

Ejemplos de casos no vlidos para el Teorema maestro

Esta no es vlida porque a =

no es constante.

En esta a = 0.5 no cumple la condicin a1.

Ejemplo de resolucin
Veamos ahora un ejemplo de resolucin de una recurrencia no lineal:

Utilizando el teorema maestro: 1. Obtenemos a=2, b=2, d = =1 y f (n) = 0. 2. Probamos la primera sentencia del teorema maestro: Existe > 0 tal que f (n) O[orden superior](n^(d - ))? Se ve claramente que n^(d - ) para > 0 es 0 igual que f (n). Ya sabemos que la solucin del orden exacto de = = n.

Ahora vamos a ver que ninguna de las otras sentencias puede ser verdadera:

Teorema maestro La 2 sentencia no puede ser porque no existe ningn valor de k para el cual ( La 3 sentencia no puede ser porque n^(d + ) para d = 1, ya es mayor que 0. n)=0

277

Ahora resolvamos la recurrencia (el resultado debe ser de orden n, como ya hemos calculado): t (n) = 2t(n/2) m= =n >>1.Sustituimos n en la ecuacin recurrente: t( -> t( ) = 2t( ) = 2t( s (m) = t( >>2.Sustituimos t( ) ) por s (m) y t( ) por s (m-1) /2) )

s (m) = 2s (m-1) >>Resolvemos esta ecuacin recurrente r - 2 = 0 -> r = 2 s (m) = z >>Deshacemos el cambio 2: t( -> t( ) = 2(z ) = z )

>>Deshacemos el cambio 1: t (n) = zn Nota: z la calcularamos con el caso base de la recurrencia inicial. Observamos que t (n) = zn es de orden n tal como habamos calculado con el teorema maestro.

Teorema de multiplicacin

278

Teorema de multiplicacin
En matemtica, el teorema de multiplicacin es un cierto tipo de identidad que es obedecida por muchas funciones especiales relacionadas con la funcin gamma. Para el caso explcito de la funcin gamma, la identidad es un producto de los valores, de ah el nombre. Las diversas relaciones que todas esta identidades tienen vienen del mismo principio subyacente, es decir, la relacin de una funcin especial se puede derivar de la de las dems, y es simplemente una manifestacin de la identidad misma de diferentes formas.

Funcin Gamma
La frmula de duplicacin y el teorema de multiplicacin de la funcin gamma son los prototipos de ejemplos. La frmula de duplicacin de la funcin gamma es

Es tambin comnmente llamada frmula de duplicacin de Legendre[1] o relacin de Legendre, en honor a Adrien-Marie Legendre. El teorema de multiplicacin es

para enteros k 1, y suele ser conocido tambin como frmula de multiplicacin de Gauss,[2] en honor a Carl Friedrich Gauss. El teorema de multiplicacin para las funciones gammas puede ser entendido como un caso especial, para el carcter trivial, de la frmula de ChowlaSelberg.

Referencias
Milton Abramowitz and Irene A. Stegun, eds. Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables, (1972) Dover, New York. (Multiplication theorems are individually listed chapter by chapter) C. Truesdell, " On the Addition and Multiplication Theorems for the Special Functions (http://www.pnas.org/ cgi/reprint/36/12/752.pdf)", Proceedings of the National Academy of Sciences, Mathematics, (1950) pp.752757.

Teorema de Knaster-Tarski

279

Teorema de Knaster-Tarski
El teorema de Knaster-Tarski, que lleva los nombres de Bronisaw Knaster y Alfred Tarski, es un teorema matemtico del rea de la teora de retculos.

Juicio
Sean completo. un retculo completo, en una funcin montona y . Entonces und es tambin un retculo el conjunto de los puntos fijos de

Esbozo de demostracin
Sean la operacin supremo de y la operacin nfimo de , . arroja un nfimo y un supremo en . Los siguientes pasos muestran que para subconjuntos arbitrarios de 1. trata del supremo de 2. Dualmente al paso 1: . es punto fijo de , siendo adems menor que cualquier otro . Los casos y es punto fijo de

, siendo adems mayor que cualquier otro en

. Por tanto se

en . 3. Para subconjuntos arbitrarios

, se requiere que exista un supremo

ya se consideraron en los pasos 1 y 2. Ahora se consideran los dems casos. Para ello se aprovecha el que con es a su vez un retculo completo y que es una funcin montona , que de acuerdo al paso 2 tiene en al menor de sus puntos fijos. Este es el supremo . existe un nfimo . de . En smbolos: 4. Dualmente al paso 3 se muestra que para subconjuntos arbitrarios de

Corolarios
Un corolario frecuentemente utilizado es el de la existencia de los puntos fijos nfimo y supremo para funciones montonas con respecto a .

Referencias
Alfred Tarski (1955). A lattice-theoretical fixpoint theorem and its applications [1]. Pacific Journal of Mathematics 5:2: pp.285309. Garrett Birkhoff, 1967. Lattice Theory, 3rd ed. Vol. 25 of AMS Colloquium Publications. American Mathematical Society. ISBN 978-0-8218-1025-5

Referencias
[1] http:/ / projecteuclid. org/ Dienst/ UI/ 1. 0/ Summarize/ euclid. pjm/ 1103044538

Teorema de restriccin cristalogrfica

280

Teorema de restriccin cristalogrfica


El teorema de restriccin cristalogrfica, en su forma bsica, se basa en la observacin de que las simetras rotacionales de un cristal se limitan generalmente a los rdenes 2, 3, 4 y 6.[1] Sin embargo, en los cuasicristales se pueden presentar otras simetras, como la de orden 5, las cuales no fueron descubiertas hasta 1984 por el premio Nobel de Qumica 2011, Dan Shechtman.[2] Antes del descubrimiento de los cuasicristales, los cristales se modelizaban como redes discretas de puntos, que se podan generar por una secuencia finita de traslaciones independientes (Coxeter , 1989). La naturaleza discreta de los puntos de la red requiere que las distancias entre dichos puntos tengan un lmite inferior, y por tanto, el grupo de las simetras de rotacin de la red en cualquier punto debe ser un grupo finito. La fuerza del teorema radica en que no todos los grupos finitos son compatibles con una red discreta. Por ello, en cualquier dimensin, vamos a tener solamente un nmero finito de grupos compatibles.

Casos bidimensional y tridimensional


Los casos especiales de los grupos planos 2D y los (grupos espaciales 3D son los ms utilizados en las aplicaciones, y se pueden tratar juntos.

Demostracin geomtrica en la red


Una simetra rotacional en la dimensin 2 o 3 debe mover un punto de la red a una sucesin de otros puntos distintos de esa red pertenecientes al mismo plano, generando un polgono regular de puntos coplanares de la red. Ahora centraremos nuestra atencin en el plano en que acta la simetra.[3] Consideremos ahora una rotacin de orden 8, y los vectores de desplazamiento entre los puntos adyacentes del polgono. Si existe un desplazamiento entre dos puntos de la red, entonces ese mismo desplazamiento se repite en todas partes en la red. Un vector de traslacin debe dejar invariante la red durante la ejecucin de dicha traslacin. Si existe un vector de traslacin entre dos nodos de la red, este vector debe estar presente en toda la red. Por tanto, se puede situar el origen de todos los vectores correspondientes a los lados del polgono en un mismo punto de la red. Estos vectores se convierten as en vectores radiales y la simetra de orden 8 requiere la presencia de un octgono Polgonos restringidos en red. regular de puntos alrededor del centro de Compatible: orden 6 (orden 3), orden 4 (orden 2) Incompatible: orden 8, orden 5 gravedad. Sin embargo, esto es imposible, porque el tamao del nuevo polgono es aproximadamente de solo el 80% del tamao del polgono inicial. La reduccin del tamao del polgono por aplicaciones sucesivas de este procedimiento es ilimitada: la misma estructura se puede repetir con el octgono nuevo y as sucesivamente hasta que la distancia entre dos puntos se convierte en infinitesimal. Por lo tanto, no hay una red que pueda tener una simetra rotacional discreta de orden 8. El mismo argumento se aplica a la rotacin de orden k con k> 6.

Teorema de restriccin cristalogrfica Una argumento similar de disminucin tambin elimina la simetra de orden 5. Consideremos un pentgono regular de puntos de la red. Si existe, entonces podemos tomar todos los desplazamientos entre puntos de la red y reunirlos (uniendo cabeza con cola) hasta formar una estrella de 5 puntas, con el extremo del ltimo vector unido al punto de partida. Los vrtices de esa estrella son asimismo los vrtices de un nuevo pentgono regular con simetra de orden 5, pero aproximadamente un 60% ms pequea que la original. As queda demostrado el teorema. La existencia de cuasicristales y mosaicos de Penrose demuestran que es necesario admitir una traslacin lineal como necesaria. Los mosaicos de Penrose pueden tener simetra de rotacin de orden 5 y una red discreta, y cualquier regin local del embaldosado se repite infinitamente, pero no hay traslacin lineal del embaldosado en su conjunto. Y sin suponer que la red es discreta, no slo falla la construccin anterior hasta llegar a una contradiccin, sino que produce un contraejemplo (red no discreta). As, la simetra de rotacin de orden 5 no puede ser eliminada por un argumento en el que falten cualquiera de estos supuestos. Un embaldosado de Penrose del plano completo (infinito) slo puede tener simetra exacta de rotacin de orden 5 (del embaldosado completo) alrededor de un solo punto. Sin embargo, en las redes de orden 4 y 6 existen infinitos puntos que actan como centros de simetra rotacional.

281

Demostracin trigonomtrica
Consideremos dos puntos de la red A y B separados por un vector traslacin r. Consideremos un ngulo tal que una rotacin de ngulo sobre cualquier punto de la red es una simetra de la red. Gira alrededor del punto B un ngulo hace que A apunte al nuevo punto A'. Del mismo modo, girando alrededor del punto A un ngulo , en la direccin opuesta, hace que B apunte a un nuevo punto B'. Dado que ambas rotaciones son operaciones de simetra, los puntos A' y B' deben ser tambin puntos de la red. Debido a la periodicidad del cristal, el nuevo vector r' que conecta A' con B' debe ser igual a un mltiplo entero de r: r = mr' Los cuatro vectores traslacin (de los cuales tres estn dadas por r, y uno que conecta A' y B' dado por r') forman un paralelogramo . Por ello, la longitud de r' viene tambin dada por: r = -2rcos( ) + r' Combinando las dos ecuaciones, tenemos que: cos() = (1 - m)/2 = M/2 donde M = 1-m es tambin un entero. Ya que siempre se cumple: | cos() | 1 se deduce que: |M|2 Se puede demostrar que los nicos valores de en el rango de 0 a 180 que satisfacen las tres ecuaciones anteriores son 0, 60, 90, 120 y 180-. En trminos de radianes, las nicas rotaciones consistentes con la periodicidad de la red vienen dadas por 2/n donde n= 1, 2, 3, 4, 6. Esto corresponde a las simetras de orden 1, 2, 3, 4 y 6, respectivamente, y por tanto quedan excluidas las simetras de orden 5 y superiores a 6 veces.

Teorema de restriccin cristalogrfica

282

Notas
[1] lgebra lineal: una introduccin moderna. David Poole. Cengage Learning Editores, 2007. ISBN: 9706865950. Pg. 521 [3] Scherrer, W. (1946), "Die Einlagerung eines regulren Vielecks in ein Gitter", Elemente der Mathematik 1 (6): 9798

Referencias
Bamberg, John; Cairns, Grant; Kilminster, Devin (March 2003), The crystallographic restriction, permutations, and Goldbach's conjecture (http://www.latrobe.edu.au/mathstats/staff/cairns/papers/42.pdf), American Mathematical Monthly 110 (3): 202209, doi: 10.2307/3647934 (http://dx.doi.org/10.2307/3647934) Elliott, Stephen (1998), The Physics and Chemistry of Solids, Wiley, ISBN 0-471-98194-X Coxeter, H. S. M. (1989), Introduction to Geometry (2nd edicin), Wiley, ISBN 978-0-471-50458-0 Scherrer, W. (1946), Die Einlagerung eines regulren Vielecks in ein Gitter (http://www-gdz.sub. uni-goettingen.de/cgi-bin/digbib.cgi?PPN378850199_0001), Elemente der Mathematik 1 (6): 9798 Shechtman, D.; Blech, I.; Gratias, D.; Cahn, JW (1984), Metallic phase with long-range orientational order and no translational symmetry, Physical Review Letters 53 (20): 19511953, doi: 10.1103/PhysRevLett.53.1951 (http://dx. doi.org/10.1103/PhysRevLett.53.1951), Bibcode: 1984PhRvL..53.1951S (http://adsabs.harvard.edu/abs/ 1984PhRvL..53.1951S)

Formulacin en trminos de isometras


El teorema de restriccin cristalogrfica puede ser formulado en trminos de isometras del espacio euclidiano. Un conjunto de isometras puede formar un grupo. Por grupo de isometra discreto se designa a un grupo de isometra que asocia cada punto a un subconjunto discreto de R N, es decir, un conjunto de punto aislados. Con esta terminologa, el teorema de restriccin cristalogrfica en dos y tres dimensiones se puede formular de la siguiente manera. Para todos los grupos de isometra discretos en espacios de dos y tres dimensiones que incluyan traslaciones que cubren todo el espacio, todas las isometras de orden finito son de orden 1, 2, 3, 4 o 6. Tngase en cuenta que las isometras de orden n incluyen, pero no estn solo restringidas, a las rotaciones de orden n. El teorema tambin excluye los grupos S8, S12, D4d, y D6d(vase grupos puntuales tridimensionales), aunque solamente haya simetra rotacional de orden 4 y 6.

Enlaces externos
La restriccin cristalogrfica (http://www-history.mcs.st-and.ac.uk/~john/geometry/Lectures/A2.html) (en ingls)

Teorema de Rice

283

Teorema de Rice
En teora de la computacin, el teorema de Rice es un teorema enunciado por Henry Gordon Rice y luego generalizado junto con John Myhill y Norman Shapiro a lo que se conoce como el teorema de RiceShapiro. Bsicamente se puede enunciar el teorema de la siguiente manera: Dada una propiedad no trivial de las funciones parciales, no es computable determinar si una funcin arbitraria la posee o no.[1] Es un tpico problema de decisin que no se puede resolver, al igual que el problema de la parada.

Introduccin
Otra forma de expresar el teorema de Rice que es ms til en la teora de la computacin dice que: Sea un conjunto de lenguajes no trivial, es decir,

1. existe una mquina de Turing que reconoce un lenguaje en 2. existe una mquina de Turing que reconoce un lenguaje no en Entonces, es indecidible determinar si un lenguaje decidido por una mquina de Turing arbitraria se encuentra en . En la prctica, esto significa que no hay una maquina que siempre pueda decidir si el lenguaje de una mquina de Turing dada tiene una propiedad no trivial particular. Los casos especiales incluyen la indecidibilidad de si una mquina de Turing acepta una cadena particular, si una mquina de Turing reconoce un lenguaje reconocible particular, y si el lenguaje reconocido por una mquina de Turing podra ser reconocido por una mquina no trivial ms simple, tal como un autmata finito. Es importante tener en cuenta que el teorema de Rice no dice nada acerca de las propiedades de las mquinas o programas que no son propiedades de las funciones y los lenguajes. Por ejemplo, si una mquina tiene una duracin de ms de 100 pasos en alguna entrada es una propiedad decidible, a pesar de que no es trivial. Implementando exactamente el mismo lenguaje, dos mquinas diferentes pueden requerir un diferente nmero de pasos para reconocer la misma entrada. De manera similar, si una mquina tiene ms de 5 estados es una propiedad decidible de la mquina, ya que el nmero de estados puede ser contado simplemente. Cuando una propiedad es del tipo que cualquiera de las dos mquinas pueden o no tener, mientras implementan exactamente el mismo lenguaje, la propiedad es de las mquinas y no de la lengua, y el teorema de Rice no se aplica. Usando caracterizacin de Rogers de Numeracin admisible, el teorema de Rice esencialmente se puede generalizar a partir de mquinas de Turing para la mayora de lenguajes de programacin: no existe ningn mtodo automtico que decida con generalidad no triviales preguntas sobre el comportamiento de un programa BlackBox.

Ejemplos
Segn el teorema de Rice, si hay al menos una funcin computable en una clase particular computables y otra funcin computable que no esta en , de funciones entonces el problema de decidir si un determinado

programa calcula una funcin en C es indecidible. Por ejemplo, el teorema de Rice demuestra que cada uno de los siguientes conjuntos de funciones computables es indecidible: La clase de funciones computables que devuelven 0 para cada entrada, y su complemento. La clase de funciones computables que devuelven 0 por lo menos para una entrada, y su complemento. La clase de funciones computables que son constantes, y su complemento.

Teorema de Rice

284

Aplicaciones
Las aplicaciones de teorema de Rice son numerosas. La primer aplicacin que se nota a simple vista es que no es computable saber si una funcin arbitraria se detiene para algn valor de entrada (hay al menos una que s lo hace, y otra que no, por lo que se trata de una propiedad no trivial). Otra aplicacin que se puede dar a este teorema es saber que no es computable determinar si un programa es malicioso (que realizar acciones maliciosas como por ejemplo, escribir en cierta zona reservada de memoria, copiarse a s mismo en otro programa, etc.). Esto no quiere decir que ningn programa malicioso sea detectable, sino que para cualquier procedimiento de deteccin fiable, siempre se puede definir un programa malicioso que lo burle.

Definicin formal
Sea clase una numeracin de Gdel de funciones computables; un mapa de los nmeros naturales para la de funciones computables parcialmente unarias. Denotamos a la e-sima funcin que consiste en las tiene la propiedad F de determinar,

computable parcial. Identificamos cada propiedad que una funcin computable puede tener con el subconjunto funciones con esa propiedad. As, dado un conjunto si y solo si . Por cada propiedad , de funciones computables hay un problema de decision asociado

dado e, si . El teorema de Rice dice que un problema de decision y solo si o .

es decidible (tambin llamada recursivo o computable) si

Demostracin
En la definicin del teorema, una propiedad es no trivial si hay funciones que la tienen, y otras que no. La demostracin del teorema se basa precisamente en explotar la posibilidad de resolver el problema de la parada si se tiene un reconocedor de propiedades no triviales. As, si se supone una cierta propiedad no trivial. Eso quiere decir que hay al menos una funcin tenemos un algoritmo definido como que la tiene, y una funcin que no la tiene. Supongamos ahora que

Definiendo ahora un programa propiedad , s y slo si

que primero calcula se para. Si

y luego calcula

, valor que se , y por lo tanto tiene la , entonces . Como esto es cumple

devuelve como resultado. Puede verse que este programa devuelve lo mismo que podemos definir un algoritmo para determinar la parada como imposible, por el problema de la parada, entonces no existe (si la propiedad

es la codificacin del programa fuera algo que ).

al no pararse, se hubiera podido hacer un razonamiento similar empleando

en lugar de

Teorema de Rice

285

Otras demostraciones
Existen algunas maneras mas de demostrar este teorema, la demostracin anterior fue mediante una reduccin del problema de la parada, tambin se puede demostrar mediante el teorema de recursin de Kleene por ejemplo.

Referencias
[1] http:/ / singularidad. wordpress. com/ 2007/ 05/ 07/ turing-en-una-cascara-de-nuez-teorema-de-rice-o-porque-ningun-antivirus-sera-fiable-al-100/

Notas
Introduction to automata theory, languages, and computation. Addison-Wesley. 1979. pp.185192. Rice, H. G. " Classes of Recursively Enumerable Sets and Their Decision Problems (http://links.jstor.org/ sici?sici=0002-9947(195303)74:2<358:CORESA>2.0.CO;2-N)." Trans. Amer. Math. Soc. 74, 358-366, 1953. Theory of recursive functions and effective computability. New York: McGraw-Hill. 1967.

Enlaces externos
Teorema de Rice (http://delta.cs.cinvestav.mx/~gmorales/complex/node93.html) Teorema de Rice (http://singularidad.wordpress.com/2007/05/07/ turing-en-una-cascara-de-nuez-teorema-de-rice-o-porque-ningun-antivirus-sera-fiable-al-100/) Eric W. Weisstein, Rice Theorem (http://mathworld.wolfram.com/RicesTheorem.html), MathWorld.

Teorema de la amistad
El teorema de amigos y extraos o teorema de la amistad es un teorema en el campo matemtico llamado teora de Ramsey.

Formulacin del teorema


Supongamos que en una fiesta hay 6 personas. Consideremos a cualquiera dos de ellos. Puede ser que se renen por primera vez, en cuyo caso son mutuamente extraos, o puede ser que se hayan conocido antes, en cuyo caso se les llamar mutuamente conocidos. Ahora, el teorema de la amistad nos dice que:
Los 78 grafos posibles de amigos-extraos con 6 vrtices. En cada grafo, las aristas de color azul/rojo muestran la relacin mutua de amigos/extraos.

En cualquier grupo de seis personas, existen tres personas que son mutuamente conocidas o mutuamente desconocidas.

Conversin a grafos
Es conveniente expresar este problema usando el lenguaje de teora de grafos. Supongamos que un grafo tiene 6 vrtices y cada par de vrtices est unido por una arista. Este grafo se llama grafo completo. Un grafo completo de n vrtices se denota por . En el caso de un grafo de 3 vrtices y en donde cada vrtice es adyacente a los dems, se trata del grafo completo llamado tringulo. Ahora tomemos un . Este grafo completo tiene 15 aristas en total. Sean las 6 personas de la fiesta representadas por los 6 vrtices. Sean las aristas coloreadas con los colores rojo o azul dependiendo de si las dos personas representadas por los vrtices incidentes a la arista son mutuamente conocidos o desconocidos, respectivamente. El o del ciclo de longitud 3: , comnmente

Teorema de la amistad teorema de la Amistad afirma ahora: No importa cmo se ha coloreado las aristas de con los colores rojo o azul, no se puede evitar que exista un tringulo rojo, es decir, un tringulo que tenga sus tres lados de color rojo, lo que representa tres personas mutuamente extraas o un tringulo azul, que representan tres personas mutuamente conocidos.

286

Prueba
Elijamos uno de los vrtices P. Hay cinco aristas incidentes a P, cada una coloreada con el color rojo o azul. Segn el principio del palomar, al menos tres aristas deben ser del mismo color, porque si hay menos de tres de un solo color, por ejemplo roja, entonces hay al menos tres que son de color azul. Sean A, B, C, los otros vrtices extremos de estas tres aristas, todas del mismo color, por ejemplo azul. Si alguna de las aristas AB, BC, CA es azul, entonces esta arista junto con las dos aristas incidentes a P forman los lados de un tringulo azul. Si ninguna de las aristas AB, BC, CA es azul, entonces las tres aristas son de color rojo y tenemos un tringulo rojo de vrtices ABC.

Trabajo de Ramsey
La total simplicidad de este argumento, que produce con tanta fuerza una interesante conclusin, es lo que hace atractivo este teorema. En 1930, en un trabajo titulado On a Problem in Formal Logic (Sobre un problema en lgica formal), Frank P. Ramsey demostr un teorema muy general, conocido en la actualidad como Teorema de Ramsey en el que el teorema de la amistad es un caso particular. El teorema de Ramsey es la base en la que sostiene el rea de la combinatoria conocida como teora de Ramsey.

mbito del teorema de la amistad


La conclusin del teorema de la amistad no se tiene en grupos de menos de seis personas. Para demostrar esto, se colorea K5 de rojo y azul de forma que no contenga un tringulo cuyos lados sean todos del mismo color. Dibujamos K5 como un pentgono que rodea una estrella y coloreamos de rojo los lados del pentgono y de azul los de la estrella. Por lo tanto, 6 es el mnimo nmero para el cual se puede dar por buena la conclusin del teorema de la amistad. En la teora de Ramsey, esto se denota por:

Referencias
V. Krishnamurthy. Culture, Excitement and Relevance of Mathematics, Wiley Eastern, 1990. ISBN 81-224-0272-0.

Un coloreado de dos colores de K5 sin un K3 monocromo.

Teorema de la amistad

287

Enlaces externos
Bogomolny, Alexander. Party Acquaintances [1] (en ingls). Interactive Mathematics Miscellany and Puzzles [2] .

Referencias
[1] http:/ / www. cut-the-knot. org/ Curriculum/ Combinatorics/ ThreeOrThree. shtml [2] http:/ / www. cut-the-knot. org/ index. shtml

Lema de Berge
En teora de grafos, el Lema de Berge es un lema demostrado por el matemtico francs Claude Berge en 1957,[1] que dice lo siguiente: Un matching M en un grafo G es mximo si y slo si no hay rutas aumentativas con M. Claude Berge, 1957 Un matching es mximo si contiene el mayor nmero de aristas posibles. Una ruta aumentativa (augmenting path) es un camino que comienza y termina en vrtices libres o no conectados, y alterna entre aristas que estn y no estn en el matching.

Referencias
[1] C. Berge, Two theorems in graph theory, Proceedings of the National Academy of Sciences 43 (1957)

Teorema de Brooks
En teora de grafos, el teorema de Brooks establece la relacin entre la valencia mxima del grafo con el nmero cromtico: Si G es un grafo conexo que no sea completo ni un ciclo de longitud impar, entonces R. L. Brooks, (1941) En donde es la valencia mxima del grafo G.

Demostracin bsica
La siguiente demostracin es slo para grafos no regulares. Basta buscar una ordenacin adecuada y aplicar el algoritmo voraz para colorear secuencialmente. Sea G un grafo de n vrtices y x un vrtice tal que (que existe por la no regularidad). El vrtice x

lo colocamos en el ltimo lugar de la ordenacin, es decir, x=vn . Los vrtices adyacentes a x los enumeramos vn-s, vn-s-1, ..., vn-1, luego consideramos los adyacentes a vn-1 que no han sido ordenados, luego los de vn-2, y as hasta ordenarlos todos (lo cual es posible al ser G conexo). En esta ordenacin {v1, v2, ..., vn}, todos los vrtices tienen un vrtice (o ms) adyacente posterior (con subndice mayor) excepto el vrtice x . Luego, el nmero de vrtices adyacentes con subndice menor es igual o menor a . Al aplicar el algoritmo voraz para colorear surgen los colores prohibidos. El nmero de colores prohibidos en el paso k de la ejecucin del algoritmo es el nmero de colores usados por lo vrtices adyacentes anteriores, y por los vrtices anteriores. Luego, en cada paso del algoritmo hay a lo sumo -1 colores prohibidos. Por lo tanto, se puede colorear G con colores.

Teorema de Brooks

288

Referencias
Brooks, R. L. (1941), "On colouring the nodes of a network", Proc. Cambridge Philosophical Society, Math. Phys. Sci. 37: 194197

Teorema de los cuatro colores


En teora de grafos, el teorema de cuatro colores es un teorema sobre la coloracin de grafos que establece lo siguiente: Dado cualquier mapa geogrfico con regiones continuas, ste puede ser coloreado con cuatro colores diferentes, de forma que no queden regiones adyacentes con el mismo color. Asumiendo que las regiones adyacentes comparten no solo un punto, sino todo un segmento de borde (frontera) en comn. Tres colores son suficientes para mapas simples, pero en algunos casos es necesario un cuarto color adicional, esto es, cuando una regin a colorear queda encerrada por un nmero impar de regiones que se tocan formando un ciclo. El teorema de los cinco colores, cuya demostracin es corta y elemental, establece que cinco colores son suficientes para colorear un mapa y fue probado en el siglo XIX por Heawood.[1] Una serie de pruebas falsas y falsos contraejemplos han aparecido desde el primer enunciado del teorema de los cuatro colores en 1852. El problema del mapa de cuatro colores fue planteado, por primera vez, por el estudiante Francis Guthrie en 1852, lo que fue comunicado a Augustus de Morgan.[2] La conjetura se hizo famosa con la declaracin de Arthur Cayley, en 1878, en el sentido de que la haba abordado. Fue resuelto, a mediados de 1970, por Kenneth Appel y Wolfgang Haken.[3]

Ejemplo de mapa coloreado con cuatro colores.

Mapa del mundo coloreado de verde, amarillo, azul y rojo.

Teorema de los cuatro colores

289

Formulacin precisa del teorema


En primer lugar, todas las esquinas y puntos en comn que pertenecen a tres o ms pases, deben ser ignoradas. Sin esta restriccin, los mapas extraos (utilizando las regiones del rea finita pero permetro infinito) pueden requerir ms de cuatro colores. En segundo lugar, para el propsito del teorema cada "pas" tiene que ser una regin simplemente conexa o continua. En el mundo real, esto no es cierto (por ejemplo, Alaska como parte de los Estados Unidos, Nakhchivan como parte de Azerbaiyn, y Kaliningrado como parte de Rusia no son regiones continuas). Debido a que el territorio de un pas en particular debe ser del mismo color, cuatro colores no son suficientes. Por ejemplo, considrese un mapa simplificado:

Ejemplo de un mapa de Azerbaijan con regiones no continuas

En este mapa, las dos regiones A pertenecen a un mismo pas, y por lo tanto, deben ser del mismo color. En consecuencia, este mapa requiere cinco colores, puesto que las dos regiones A son contiguas con las otras cuatro regiones, y cada una de estas regiones son contiguas entre s. Si hay tres regiones A, entonces se necesitan seis o ms colores; se pueden construir mapas que requieren un nmero arbitrariamente elevado de colores. Un escenario similar tambin se puede dar si el color azul se reserva para el agua.

Teorema de los cuatro colores

290

Una versin ms simple del teorema utiliza la teora de grafos. El conjunto de las regiones de un mapa se puede representar de manera ms abstracta como un grafo simple no dirigido asociando un vrtice para cada regin y una arista para cada par de regiones Mapa y grafo dual asociado. que comparten un segmento de borde. Esta representacin del mapa con vrtices y aristas es un grafo dual y el problema de colorear pases se cambia por la coloracin del grafo. Este grafo es plano, o sea, que se puede dibujar en el plano sin cruce de aristas mediante la colocacin de cada vrtice en un lugar elegido arbitrariamente dentro de la regin a la que corresponde. Con la terminologa de la teora de grafos, el teorema de cuatro colores establece que: Teorema de los 4 colores. Si es un grafo plano, entonces

Es decir, los vrtices de cada grafo plano pueden ser coloreados con un mximo de cuatro colores de modo que no existan dos vrtices adyacentes con el mismo color.

La polmica demostracin
El teorema de cuatro colores ha sido demostrado con la ayuda de un ordenador. La prueba sin embargo, no es aceptada por todos los matemticos dado que sera impracticable por su gran cantidad de detalles que una persona se vera imposibilitada de verificar manualmente. Slo queda aceptar la exactitud del programa, del compilador y del computador en el cual se ejecut la prueba. Otro aspecto de la prueba, que puede ser considerado negativo, es su falta de elegancia. Una crtica que habla sobre la elegancia de la prueba, comentada en la poca de su publicacin, dice: una buena prueba matemtica es similar a un poema pero esto es una gua telefnica!.[4] En la actualidad ya se realiz otra demostracin, pero tambin haciendo uso de clculos en la computadora, lo cual verifica la prueba original, pero queda la interrogante de una prueba que se pueda efectuar con lpiz y papel.

Resumen de las ideas de la demostracin


El siguiente resumen esta basado en el libro Every Planar Map is Four Colorable de Appel y Haken publicado en 1989. Aunque la prueba del teorema de los cuatro colores dada por Kempe contena un fallo, proporcion algunas de las herramientas bsicas utilizadas posteriormente para demostrarlo. La explicacin que se da aqu se ha reformulado utilizando trminos modernos de la teora de grafos. El argumento de Kempe es el siguiente. En primer lugar, si el grafo tiene regiones o caras planas no triangulares, es decir, no tienen tres aristas como fronteras, se pueden agregar aristas al grafo (sin introducir nuevos vrtices) de manera que cada regin del grafo sea triangular, incluida la regin exterior. Si este grafo triangular obtenido del original admite una coloracin con cuatro colores o menos, entonces el grafo inicial tambin admite la misma coloracin (o una coloracin con menos colores), ya que la coloracin sigue siendo vlida si se eliminan las aristas introducidas. As que basta demostrar el teorema de los cuatro colores para el caso particular de los grafos triangulares para probarlo a todos los grafos planos, y sin prdida de generalidad, suponemos que el grafo es triangular. Supongamos que v, a, y c es el nmero de vrtices, aristas y regiones. Dado que cada regin es triangular y cada arista es compartida por dos regiones, tenemos que 2a = 3c. Esto, junto con la frmula de Euler (v - a + c = 2) se puede utilizar para demostrar que 6v - 2a = 12. Ahora bien, el grado de un vrtice es el nmero de las aristas

Teorema de los cuatro colores incidentes. Si vn es el nmero de vrtices de grado n, y D es el grado mximo de un vrtice, se tiene:

291

Pero 12 > 0, es un nmero positivo y "6 - i 0" para todo "i 6", esto demuestra que existe al menos vrtice de grado 5 o menos. Si existe un grafo que requiere 5 colores, entonces existe un grafo minimal, donde la eliminacin de cualquier vrtice lo hace cuatro colorable. Llamemos a este grafo G. El grafo G no puede tener un vrtice de grado 3 o menos, porque si g(v) 3, podemos eliminar v de G, y colorear con cuatro colores el grafo modificado ms pequeo, a continuacin, aadir de nuevo el vrtice v y colorearlo con un color diferente al de sus vecinos. Kempe tambin demostr correctamente que G no puede tener ningn vrtice de grado 4. Como antes se elimina el vrtice v, y cuatro colores de los vrtices restantes. Si los cuatro vecinos de v son de diferentes colores, por ejemplo rojo, verde, azul y amarillo en sentido horario, buscamos una ruta alterna de vrtices de color rojo y azul que una los vecinos rojo y azul. Tal camino se llama una cadena de Kempe. Puede haber una cadena de Kempe uniendo a los vecinos de color rojo y azul, y puede haber una cadena de Kempe uniendo a los vecinos verdes y amarillos, pero no ambos, ya que estos dos caminos necesariamente se cruzan, y el vrtice donde se interceptan no puede ser coloreado. Supongamos que se trata a los vecinos rojas y azules que no estn encadenados entre s. Explora todos los vrtices conectados al vecino rojo por el rojo-azul caminos alternos, y luego invertir los colores rojo y azul en todos estos vrtices. El resultado sigue siendo un vlido de cuatro colores, y ahora v se puede agregar de nuevo y de color rojo. Esto deja slo el caso en que G tiene un vrtice de grado 5; pero el argumento de Kempe era defectuoso para este caso particular. Heawood not el error de Kempe y tambin advirti que si se estaba satisfecho con probar que slo cinco colores son necesarios, se podra usar el argumento anterior (cambiando el contraejemplo por uno que requiere 6 colores) y usar las cadenas de Kempe en el vrtice de grado 5 para demostrar el teorema de los cinco colores: Teorema de los cinco colores. Si es un grafo plano, entonces Heawood (1890)

Generalizaciones
Se ha estudiado tambin el problema de colorear otras superficies que no sean equivalentes a un plano. Para superficies cerradas (orientables o no orientables) con gnero positivo, el nmero mximo de colores p que se necesitan depende de la caracterstica de Euler , dados por la siguiente frmula:
Uniendo las flechas simples y las flechas dobles, se obtiene un toro con siete regiones colindantes, con lo que son necesarios siete colores.

donde los parntesis externos determinan la funcin piso. Alternativamente, para una superficie orientable, la frmula puede ser dada en trminos del gnero de la superficie, g:

Teorema de los cuatro colores

292

(Weisstein). Esta frmula, conocida como conjetura de Heawood, fue conjeturada por P. J. Heawood en 1890 y demostrada para los casos de superficies orientables (y no orientables) no acotadas por Esta construccin muestra un toro dividido en el mximo de siete regiones, cada una de Gerhard Ringel y J. T. W. Youngs en las cuales toca a las otras. 1968. La nica excepcin a la frmula es la Botella de Klein, que tiene una caracterstica de Euler 0 (de ah la frmula da p=7) y requiere 6 colores, como lo demostr P. Franklin en 1934 (Weisstein). (Una Banda de Mbius, cuya caracterstica de Euler = 0, tambin requiere 6 colores, pero en este caso la frmula no es aplicable, puesto que es una superficie acotada. (Weisstein)) El toro tiene una caracterstica de Euler = 0 (y gnero g = 1) y por lo tanto p = 7, de manera que no ms de 7 colores son requeridos para colorear cualquier mapa sobre un toro. El Poliedro de Szilassi es otro ejemplo que requiere 7 colores. No hay extensin obvia del problema de coloreo de regiones de slidos tridimensionales. Usando un conjunto de n varillas flexibles, uno puede hacer que cada varilla toque a cada una de las otras. El conjunto luego requerir n colores, o n+1 si se considera que el espacio vaco tambin toca cada varilla. Para el nmero n puede tomarse un entero tan grande como se quiera. tales ejemplos fueron propuestos por Fredrick Gurthrie en 1880. (Wilson, 2002)

Referencias
[2] Fritsch, Rudolph; Fritsch, Gerda (1998). The Four Color Theorem: History, Topological Foundations, and Idea of Proof, pg. 5. Springer (http:/ / books. google. es/ books?id=oGuXAkR6tlMC& printsec=frontcover& dq=Four+ color+ theorem& hl=en& sa=X& ei=8PteUa_DH9GEhQeL_IDgCA& ved=0CCwQ6AEwAA#v=onepage& q=Four color theorem& f=false) En Google Books. [3] Scheinerman, Edward R. (2001) Mathematics: A Discrete Introduction, pg. 332. Cengage Learning (http:/ / books. google. es/ books?id=DZBHGD2sEYwC& printsec=frontcover& dq=Scheinerman& hl=en& sa=X& ei=-fleUf76KomAhQe04oFg& ved=0CCwQ6AEwAA#v=onepage& q=map& f=false) En Google Books. Consultado el 5 de abril de 2013. [4] Mathematics (http:/ / web. archive. org/ web/ 20090820230437/ http:/ / encarta. msn. com/ encyclopedia_761578291_12/ Mathematics. html), Microsoft Encarta Online Encyclopedia, Microsoft Corporation, 2007. (en ingls)

Bibliografa
Gonthier, Georges (2008), Formal Proof--The Four-Color Theorem (http://www.ams.org/notices/200811/ tx081101382p.pdf), Notices of the American Mathematical Society 55 (11): 13821393 Wilson, Robin (2002), Four Colors Suffice, London: Penguin Books, ISBN 0-691-11533-8 Weisstein, Eric W. Four-Color Theorem (http://mathworld.wolfram.com/Four-ColorTheorem.html) (en ingls). MathWorld. Wolfram Research. Weisstein, Eric W. Map coloring (http://mathworld.wolfram.com/MapColoring.html) (en ingls). MathWorld. Wolfram Research.

Enlaces externos
Teorema de los cuatro colores (http://descubriendo.fisica.unlp.edu.ar/descubriendo/index.php/ Fsica_y_Matemtica) Artculo divulgativo sobre la historia del problema de los cuatro colores.

Teorema de Kuratowski

293

Teorema de Kuratowski
En teora de grafos, el teorema de Kuratowski, desarrollado por el matemtico polaco Kazimierz Kuratowski, es una caracterizacin de los grafos planares.

Definicin
Un grafo es planar si y slo si no contiene un subgrafo que es subdivisin elemental de K5 (el grafo completo de 5 vrtices) o K3,3 (el grafo bipartito completo de 6 vrtices) Kazimierz Kuratowski Una subdivisin elemental de un grafo resulta de insertar vrtices en las aristas (por ejemplo, cambiando por ). Una formulacin equivalente a este teorema es: Un grafo es planar si y slo si no contiene ningn subgrafo homeomorfo a K5 K3,3. Kazimierz Kuratowski

K5

K3,3

Ejemplo
El grafo K6 completo puede ser plano? Se puede observar que el grafo K6 contiene como subgrafo un K5. Por el Teorema de Kuratowski se puede afirmar que el grafo K6 no es planar.

K6

Teorema de Rao-Blackwell

294

Teorema de Rao-Blackwell
En estadstica el teorema de Rao-Blackwell permite resolver la transformacin de un estimador crudo arbitrario en uno optimizado mediante el criterio del error cuadrtico medio u otro similar. El teorema de Rao-Blackwell establece que si g(X) es cualquier tipo de estimador de un parmetro , la esperanza condicionada de g(X) por T(X), donde T es un estadstico suficiente, resulta un mejor estimador de , y nunca es errneo. Algunas veces puede construirse fcilmente un estimador g(X) muy crudo, y entonces evaluar su esperanza para obtener un estimador que es ptimo en varios sentidos. El teorema recibe su nombre de Calyampudi Radhakrishna Rao y David Blackwell.

El teorema
Versin del error cuadrtico medio
Un caso del teorema de RaoBlackwell dice que: El error cuadrtico medio del estimador de RaoBlackwell no excede el del estimador original. Es decir:

Enlaces externos
Nikulin, M.S. (2001), RaoBlackwellKolmogorov theorem [1], Encyclopaedia of Mathematics, Springer, ISBN 978-1556080104

Referencias
[1] http:/ / eom. springer. de/ R/ r077550. htm

Teorema de Karhunen-Love

295

Teorema de Karhunen-Love
En la teora de procesos estocsticos, el Teorema de Karhunen-Love (as llamado debido a Kari Karhunen y Michel Love) es una representacin de un proceso estocstico como una combinacin lineal infinita de funciones ortogonales. Esta representacin es anloga a la representacin en series de Fourier de una funcin definida en un intervalo acotado de nmeros reales. A diferencia de una serie de Fourier, en la cual los coeficientes son nmeros reales y la base de expansin est compuesta por funciones senoidales (es decir, funciones seno y coseno), los coeficientes del teorema de Karhunen-Love son variables aleatorias y la base de expansin depende del proceso. De hecho, la base de funciones ortogonales que se usa para la representacin queda determinada por la funcin de covarianza del proceso. Si vemos un proceso estocstico como una funcin aleatoria F, es decir, una en la que el valor aleatorio es una funcin en un intervalo [a, b], entonces este teorema puede considerarse como una expansin ortonormal aleatoria de F. En el caso de un proceso estocstico centrado {Xt} t [a, b] (donde centrado se refiere a que los valores esperados E(Xt) estn definidos y son iguales a 0 para todo t), el satisfacer una condicin de continuidad tcnica, admite la descomposicin

donde Zk son variables aleatorias no correlacionadas de a pares y las funciones ek son funciones reales continuas en [a, b], ortogonales de a pares en L2[a, b]. El caso general de un proceso no centrado puede representarse expandiendo la funcin de expectacin (que es un funcin no-aleatoria) en la base ek. An ms, si el proceso es Gaussiano, entonces las variables aleatorias Zk son Gaussianas y estocsticamente independientes. Este resultado generaliza la transformada de Karhunen-Love. Un ejemplo importante de un proceso estocstico real centrado en [0,1] es el proceso de Wiener y el teorema de Karhunen-Love permite obtener una representacin ortogonal cannica de ste. En este caso, la expansin consiste de funciones senoidales. A la expansin anterior en variables aleatorias no correlacionadas se la conoce tambin como la expansin de Karhunen-Love.

Formulacin del teorema


Formulamos el teorema en el caso que las variables aleatorias sean reales, aunque el teorema es vlido an para funciones con valores vectoriales. Si X and Y son variables aleatorias, el producto interno est definido por

El producto interno est bien definido en caso que X e Y tengan momentos de segunda orden finitos, es decir, que X e Y sean de cuadrado integrable. El producto interno tiene estrecha relacin con la covariancia y la correlacin. Por ejemplo, para variables aleatorias cuyo valor esperado es nulo, la covariancia y el producto interno son idnticos. Si {Xt}t es un proceso centrado, la funcin de covariancia de {Xt}t es Ntese que si {Xt}t es un proceso centrado y t1, t2, ..., tN son puntos en el intervalo [a, b], entonces

Teorema. Consideremos un proceso estocstico {Xt}t en que el ndice t recorre el intervalo [a, b], y con funcin de covariancia CovX. Supongamos adems que la funcin CovX(t,s) sea conjuntamente continua en las variables t, s. Entonces CovX puede ser considerado como un ncleo positivo definido. Por el Teorema de Mercer, el operador

Teorema de Karhunen-Love integral T correspondiente que acta en L2[a,b] (relativo a la medida de Lebesgue en [a,b]) tiene una base ortonormal de vectores propios. Sea {ei}i la secuencia de los vectores propios de T correspondientes a los valores propios no nulos y definamos:

296

Entonces Zi son variables aleatorias centradas y ortogonales y

donde la convergencia es en media cuadrtica y uniforme en t. Adems

adonde i es el valor propio correspondiente al vector propio ei. En el enunciado del teorema, la integral que define Zi puede ser definida como el lmite en la media de sumas de Cauchy de variables aleatorias:

donde

Dado que el lmite en la media de variables aleatorias Gaussianas conjuntas es Gaussiana conjunta, y dado que las variables aleatorias Gaussiana conjuntas (centradas) son independientes si y solo si son ortogonales, podemos concluir que: Teorema. Las variables Zi tienen una distribucin Gaussiana conjunta y son estocsticamente independientes si el proceso original {Xt}t es Gaussiano. En el caso Gaussiano, dado que las variables Zi son independientes, podemos agregar:

casi seguramente. Ntese que al generalizar el teorema de Mercer, podemos reemplazar el intervalos [a, b] con otros espacios compactos C y la medida de Lebesgue en [a, b] con una medida de Borel que tenga soporte en C.

El proceso de Wiener
Existen varias caracterizaciones equivalentes al proceso de Wiener, que es una formalizacin matemtica de movimiento browniano. Aqu lo veremos cmo el proceso Gaussiano centrado {Bt} con funcin de covarianza Es sencillo determinar los vectores propios del ncleo de la covarianza. Ellos son

con los siguientes valores propios correspondientes:

Esto nos da la siguiente representacin del proceso de Wiener:

Teorema de Karhunen-Love Teorema. Existe una secuencia {Wi}i de variables aleatorias Gaussianas independientes con media nula y varianza unitaria tal que:

297

La convergencia es uniforme en t y en la norma L2, es decir

uniformemente en t.

Referencias
I. Guikhman, A. Skorokhod, Introduction a la Thorie des Processus Alatoires, ditions MIR, 1977 B. Simon, Functional Integration and Quantum Physics, Academic Press, 1979

Teorema de Aumann
El teorema de Aumann sobre acuerdos establece que dos personas actuando racionalmente (en cierto sentido especfico) y con un conocimiento comn de las creencias del otro, no pueden acordar estar en desacuerdo. De manera ms especfica: si dos personas son racionalistas bayesianos genuinos con distribuciones de probabilidad a priori comunes y si cada uno de ellos tiene conocimiento comn de sus distribuciones de probabilidad a posteriori, entonces sus probabilidades posteriores deben ser iguales[] Surge la pregunta si dicho acuerdo se puede alcanzar en un tempo razonable y, desde la perspectiva matemtica, si puede hacerse de forma eficiente. Scott Aaronson public un artculo en 2005 demostrando que la respuesta es afirmativa.[] Ciertamente, la suposicin de los prioris comunes es muy fuerte y difcilmente se cumple en la prctica. Sin embargo Robin Hanson ha presentado un argumento planteando que los bayesianos que concuerden en los procesos que dan origen a sus prioris (por ejemplo, influencias en el ambiente o gentica) deberan, si se adhieren a cierta condicin de pre-racoinalidad, tener priores comunes.[]

Notes

Teorema de Cochran

298

Teorema de Cochran
Teorema de Cochran
Sean las n variables aleatorias X1,..., Xn, independientes e idnticamente distribuidas N(0,).

Donde Sea rango Si Entonces:

son formas cuadrticas no negativas definidas en las V.A. j = 1,...,k

Esto es

son independientes

Bibliografa
-Gut, Allan. An intermediate course in probability. Springer-Verlag New York, Inc. (1995). Pag. 141-142. Traduccin libre realizada en la clase de Principios de Ingeniera de Informacin. Escuela de Ingeniera Industrial. Universidad de Carabobo. Venezuela. Jueves 13-05-2010 Prof. Angel Carnevali, Brs: Oscar Mistage, Luis Bolivar, Luis Latuff, Karin Sanchez, Giuliano Salvadori, Carlos Paez.

Teorema de convergencia de Lvy


En teora de probabilidades el teorema de convergencia de Lvy (a veces tambin llamado el teorema de convergencia dominada de Lvy) expresa que para una secuencia de variables al azar donde sigue con: . Esencialmente, es una condicin suficiente para que la casi segura convergencia implique convergencia L1. La condicin puede ser relajada. En lugar de eso, la secuencia debe ser uniformemente integrable. El teorema es simplemente un caso especial del teorema de convergencia dominada de Lebesgue en teora de la medida. y donde Y es una variable al azar con

Teorema de convergencia de Lvy

299

Referencias
A.N.Shiryaev (1995). Probability, 2nd Edition, Springer-Verlag, New York, pp.187-188, ISBN 978-0387945491

Ley de Benford
La ley de Benford, tambin conocida como la ley del primer dgito, asegura que, en los nmeros que existen en la vida real, la primera cifra es 1 con mucha ms frecuencia que el resto de los nmeros. Adems, segn crece este primer dgito, ms improbable es que se encuentre en la primera posicin. Esta ley se puede aplicar a hechos relacionados con el mundo natural o con elementos sociales: facturas artculos en revistas direcciones de calles precios de acciones nmero de habitantes tasas de mortalidad longitud de los ros

Fsica constantes matemticas nmeros primos[1]

Historia
En 1881 el astrnomo y matemtico Simon Newcomb observ que las primeras pginas de las tablas de logaritmos estaban manifiestamente ms usadas que las finales de lo que dedujo que aparentemente los dgitos iniciales de los nmeros (al menos los utilizados en su trabajo por quienes haban consultado las tablas) no son equiprobables sino que el 1 aparece como dgito inicial ms frecuente, seguido del 2, etc. hasta el 9 que es el menos frecuente. En lo sucesivo se considerar el primer dgito no nulo o significativo; p.e. el dgito inicial de 24,8 es 2 y el de 0,034 es 3. Mediante un breve e ingenioso razonamiento, aunque sin presentar realmente un argumento formal ni frmula matemtica, Newcomb enunci verbalmente una relacin o ley logartmica: la ley de probabilidad de la ocurrencia de nmeros es tal que las mantisas de sus logaritmos son equiprobables de la que deriv probabilidades para el valor del primer dgito ms significativo:
Dgito d P(d) 1 2 3 4 5 6 7 8 9 0,301 0,176 0,125 0,097 0,079 0,067 0,058 0,051 0,046

Obsrvese que como primer dgito no se toma nunca el 0. El resultado ms llamativo es el predominio del dgito 1 con una probabilidad del 30% mientras que la del 9 no alcanza el 5%, valores muy distintos al valor equiprobable de

Ley de Benford (100/9) % que cabra esperar. Es mucho ms probable que el primer dgito sea impar (61%) que par (39%). En 1938 y de manera independiente el fsico Frank Benford observ el mismo fenmeno en las tablas de logaritmos y realiz una comprobacin emprica sobre un total de 20.229 nmeros agrupados en 20 muestras de gran diversidad: reas fluviales, constantes y magnitudes fsicas y qumicas, funciones matemticas e incluso nmeros de direcciones de personas y tomados de portadas de revistas. A partir de los resultados empricos Benford postul una ley de los nmeros anmalos para la probabilidad de que el primer dgito sea d. Esta ley logartmica se conoce como ley de Benford

300

Formulacin matemtica
Ms precisamente la ley de Benford establece que la primera cifra no nula n (n = 1, ..., 9) ocurre con una probabilidad igual a ( log10(n + 1) log10(n) ), o
Primera cifra Probabilidad 1 2 3 4 5 6 7 8 9 30.1 % 17.6 % 12.5 % 9.7 % 7.9 % 6.7 % 5.8 % 5.1 % 4.6 %

Podemos formular una ley para las dos primeras cifras: la probabilidad de que las dos primeras cifras no nulas sean igual a n (n = 10, ..., 99) es igual a ( log10(n+1) log10(n) ). De un modo similar se puede enunciar una ley para las tres primeras cifras, para las cuatro primeras cifras, etc. As mismo, existe una frmula general que permite conocer la probabilidad de que un determinado nmero empiece, por ejemplo, con '325' '7234' : P(325)=log(1+1/325) , P(7234)=log(1+1/7234).Curiosamente, la anomala de Newcomb-Benford tambin se cumple para un mnimo de 200 trminos cualesquiera de la Serie de Fibonacci, sea la original (1,2,3,5,8...) o la obtenida a partir de dos enteros semilla elegidos al azar (3,7,10,17,27,44...).

Explicacin
El hecho de que la primera cifra sea la cifra 1 con mayor frecuencia que las dems, puede ser entendido si tenemos en cuenta que comenzamos a contar desde 1 (1, 2, 3, ...) hasta llegar al 9, momento en que cada cifra tiene la misma probabilidad. Pero de 10 a 19 slo tenemos como primera cifra el 1, y slo cuando llegamos al 99 todos las cifras tendrn la misma probabilidad de nuevo. Los tipos de muestras que lo cumplen pueden venir de muy diferentes lugares. En general para datos ordinales que en algn momento se acaban (nmeros de casas), la distribucin ya es exponencial. Para el nmero de la ltima casa de la calle, la distribucin tambin es exponencial as como para los valores de bolsa, y esto es sabido desde el concepto de exponencial. El asunto del primer nmero es tomar la distribucin de la primera dcada (1-9), que ser exponencial, y montar encima el de la primera dcada pero de un orden superior (10-90), y as consecutivamente. Total que siempre resultarn exponenciales.

Ley de Benford Por supuesto, existen listas que no cumplen la dicha ley, pero parece ser que si se toman trminos al azar de varias listas no-Benford en nmero suficiente para formar otra lista heterognea, esta si tiende a cumplirla, dada una longitud suficiente.

301

Referencias
[1] Bartolo Luque and Lucas LacasaThe first digit frequencies of primes and Riemann zeta zeros Proceedings of the Royal Society A. doi: 10.1098/rspa.2009.0126.

Perera Domnguez, Manuel; Aylln Burguillo, Juan David (1999). El Primer Dgito Significativo (https:/ / dl. dropboxusercontent. com/ u/ 1572555/ benford. pdf). EPSILON 1 (45): p.339. ISSN 1131-9321 (http:/ / worldcat. org/ issn/1131-9321).

Teorema de Shannon-Hartley
En teora de la informacin, el teorema de Shannon-Hartley es una aplicacin del teorema de codificacin para canales con ruido. Un caso muy frecuente es el de un canal de comunicacin analgico continuo en el tiempo que presenta un ruido gausiano. El teorema establece la capacidad del canal de Shannon, una cota superior que establece la mxima cantidad de datos digitales que pueden ser transmitidos sin error (esto es, informacin) sobre dicho enlace de comunicaciones con un ancho de banda especfico y que est sometido a la presencia de la interferencia del ruido. En las hiptesis de partida, para la correcta aplicacin del teorema, se asume una limitacin en la potencia de la seal y, adems, que el proceso del ruido gausiano es caracterizado por una potencia conocida o una densidad espectral de potencia. La ley debe su nombre a Claude Shannon y Ralph Hartley.

Declaracin del teorema


Considerando todas las posibles tcnicas de codificacin de niveles mltiples y polifsicas, el teorema de Shannon-Hartley indica que la capacidad del canal C es:[1]

donde: es el ancho de banda del canal. es la capacidad del canal (tasa de bits de informacin bit/s) es la potencia de la seal til, que puede estar expresada en vatios, milivatios, etc., (W, mW, etc.) es la potencia del ruido presente en el canal, (mW, W, etc.) que trata de enmascarar a la seal til.

Teorema de Shannon-Hartley

302

Desarrollo histrico
A finales de los aos 20, Harry Nyquist y Ralph Hartley desarrollaron una serie de ideas fundamentales relacionadas con la transmisin de la informacin, de manera particular, en el contexto del telgrafo como sistema de comunicaciones. En aquellos aos, estos conceptos eran avances de gran alcance de carcter individual, pero no formaban parte del corpus de una teora exhaustiva. Fue en los aos 40, cuando Claude Shannon desarroll el concepto de capacidad de un canal basndose, en parte, en las ideas que ya haban propuesto Nyquist y Hartley y formulando, despus, una teora completa sobre la informacin y la transmisin de esta, a travs de canales.

Tasa de Nyquist
En 1927, Nyquist determin que el nmero de pulsos independientes que podan pasar a travs de un canal de telgrafo, por unidad de tiempo, estaba limitado a dos veces el ancho de banda del canal.

donde

es la frecuencia del pulso (en pulsos por segundo) y

es el ancho de banda (en hercios). La cantidad pulsos por segundo

se llam, ms adelante, tasa de Nyquist, y transmitiendo a esta tasa de pulsos lmite de

se le denomin sealizacin a la tasa de Nyquist. Nyquist public sus resultados en 1928 como parte de su artculo "Certain topics in Telegraph Transmission Theory".

Ley de Hartley
Durante ese mismo ao, Hartley formul una manera de cuantificar la informacin y su tasa de transmisin a travs de un canal de comunicaciones. Este mtodo, conocido ms adelante como ley de Hartley, se convirti en un importante precursor para la sofisticada nocin de capacidad de un canal, formulada por Shannon. Hartley indic que el nmero mximo de pulsos distintos que se pueden transmitir y recibir, de manera fiable, sobre un canal de comunicaciones est limitado por el rango dinmico de la amplitud de la seal y de la precisin con la cul el receptor puede distinguir distintos niveles de amplitud. De manera especfica, si la amplitud de la seal transmitida se restringe al rango de precisin del receptor es +/, entonces el nmero mximos de pulsos distintos M est dado por: , y la

Tomando la informacin para ser el logaritmo del nmero de los mensajes distintos que podran ser enviados, Hartley despus construy una medida de la informacin proporcional al ancho de banda del canal y a la duracin de su uso. A veces slo se habla de dicha proporcionalidad cuando se cita a la ley de Hartley. Posteriormente, Hartley combin la observacin de Nyquist,[2] y su propia cuantificacin de la calidad o ruido de un canal en trminos del nmero de niveles de pulso que podan ser distinguidos, de manera fiable y denotados por , para llegar a una medida cuantitativa de la tasa de informacin que se puede obtener. La ley de Hartley se explica, cuantitativamente, de manera usual, como la tasa de informacin alcanzable de por segundo, : bits

Hartley no resolvi, de manera precisa cmo el parmetro

debe depender de las estadsticas de ruido del canal, o

cmo la comunicacin poda ser fiable incluso cuando los pulsos individuales correspondientes a smbolos no se pudieran distinguir, de manera fiable, de los niveles de ; con las estadsticas del ruido gaussiano. Los diseadores de sistemas tienen que elegir un valor muy conservador de error. para alcanzar la mnima tasa de

Teorema de Shannon-Hartley El concepto de una capacidad libre de errores aguard hasta que Claude Shannon investig sobre las observaciones de Hartley con respecto a la medida logartmica de la informacin y las observaciones de Nyquist sobre el efecto de las limitaciones del ancho de banda del canal. El resultado de la tasa de Hartley se puede ver como la capacidad de un canal sin errores de smbolos por segundo. Algunos autores se refieren a ello como capacidad. Pero ese supuesto canal, libre de errores, es un canal ideal, y el resultado es, necesariamente, menor que la capacidad de Shannon de un canal con ruido de ancho de banda , que es el resultado Hartley-Shannon que se estim ms adelante.

303

Teorema de codificacin de canales con ruido y capacidad


El desarrollo de la teora de la informacin de Claude Shannon durante la Segunda Guerra Mundial estimul el siguiente gran paso para entender qu cantidad de informacin se podra comunicar, sin errores y de manera fiable, a travs de canales con ruido gausiano de fondo. Fundamentado sobre las ideas de Hartley, el teorema de Shannon de la codificacin de canales con ruido (1948) describe la mxima eficiencia posible de los mtodos de correccin de errores versus los niveles de interferencia de ruido y corrupcin de datos. La prueba del teorema muestra que un cdigo corrector de errores construido aleatoriamente es, esencialmente, igual de bueno que el mejor cdigo posible. El teorema se prueba con la estadstica de tales cdigos aleatorios. El teorema de Shannon demuestra cmo calcular la capacidad de un canal sobre una descripcin estadstica del canal y establece que, dado un canal con ruido con capacidad e informacin transmitida en una tasa , entonces si

existe una tcnica de codificacin que permite que la probabilidad de error en el receptor se haga arbitrariamente pequea. Esto significa que, tericamente, es posible transmitir informacin casi sin error hasta un lmite cercano a bits por segundo. El inverso tambin es importante. Si

la probabilidad del error en el receptor se incrementa sin lmite mientras se aumente la tasa. De esta manera no se puede transmitir ninguna informacin til por encima de la capacidad del canal. El teorema no trata la situacin, poco frecuente, en que la tasa y la capacidad son iguales.

Teorema de Shannon-Hartley
El teorema de Shannon-Hartley establece cul es la capacidad del canal, para un canal con ancho de banda finito y una seal continua que sufre un ruido gaussiano. Conecta el resultado de Hartley con el teorema de Shannon de la capacidad del canal en una forma que es equivalente a especificar la en la frmula de Hartley de la tasa de informacin en trminos de la relacin seal/ruido, pero alcanzando fiabilidad a travs de la codificacin correctora de errores, ms fiable, que los niveles de pulso distinguibles. Si existiera una cosa tal como un canal analgico con ancho de banda infinito y sin ruido, uno podra transmitir cantidades ilimitadas de datos sin error, sobre este, por cada unidad de tiempo. Sin embargo, los canales de comunicacin reales estn sujetos a las limitaciones impuestas por el ancho de banda finito y el ruido. Entonces, cmo el ancho de banda y el ruido afectan a la tasa en la que la informacin puede ser transmitida sobre un canal analgico? Aunque parezca sorprendente, las limitaciones del ancho de banda, por si solas, no imponen restricciones sobre la tasa mxima de informacin. Esto es porque sigue siendo posible, para la seal, tomar un nmero infinitamente grande de valores distintos de voltaje para cada pulso de smbolo, siendo cada nivel levemente distinto del anterior que representa a un determinado significado o secuencia de bits. Sin embargo, si combinamos ambos factores, es decir, tanto el ruido como las limitaciones del ancho de banda, encontramos un lmite a la cantidad de informacin

Teorema de Shannon-Hartley que se puede transferir por una seal de potencia limitada, aun cuando se utilizan tcnicas de codificacin de niveles mltiples. En el canal considerado por el teorema de Shannon-Hartley, el ruido y la seal se suman. Es decir, el receptor mide una seal que sea igual a la suma de la seal que codifica la informacin deseada y una variable aleatoria continua que represente el ruido. Esta suma crea incertidumbre en cuanto al valor de la seal original. Si el receptor tiene cierta informacin sobre el proceso aleatorio que genera el ruido, se puede, en principio, recuperar la informacin de la seal original considerando todos los posibles estados del proceso del ruido. En el caso del teorema de Shannon-Hartley, se asume que el ruido es generado por un proceso gaussiano con una varianza conocida. Puesto que la varianza del proceso gaussiano es equivalente a su potencia, normalmente se llama a esta varianza la potencia de ruido. Tal canal es llamado canal aditivo del ruido blanco gaussiano, porque el ruido gaussiano es aadido a la seal; blanco significa igual cantidad de ruido en todas las frecuencias dentro del ancho de banda del canal.[3]

304

Implicaciones del teorema


Comparacin de la capacidad de Shannon con la ley de Hartley
Comparando la capacidad del canal con la tasa de informacin de la ley de Hartley, podemos encontrar el nmero eficaz de los niveles distinguibles :

La raz cuadrada convierte con eficacia el cociente de potencias de nuevo en un cociente de voltaje, as que el nmero de niveles es aproximadamente proporcional al cociente entre el valor de la raz cuadrada media de la amplitud de la seal y la desviacin estndar del ruido. Esta semejanza entre la capacidad de Shannon y la ley de Hartley no se debe interpretar como niveles de pulsos pueden enviarse literalmente sin ninguna confusin. Se necesitan ms niveles, para permitir codificacin redundante y la correccin de errores, pero la tasa de datos neta que puede acercarse con la codificacin es equivalente a usar en la ley de Hartley.

Formas alternativas
Caso dependiente de la frecuencia (ruido de color)
En la versin simple de arriba, la seal y el ruido estn completamente incorreladas, y en ese caso es la potencia total de la seal y del ruido recibidos juntos. Una generallizacin de la ecuacin antedicha para el caso donde el ruido adicional no es blanco (es decir, la relacin S/N no es constante con la frecuencia sobre el ancho de banda) como muchos canales estrechos independientes y gaussianos en paralelo:

donde: es la capacidad del canal en bits por segundo es el ancho de banda del canal en Hz es el espectro de potencia de la seal es el espectro de potencia del ruido

Teorema de Shannon-Hartley es la frecuencia en Hz

305

Nota: el teorema se aplica solamente a los ruidos que son procesos gaussianos estacionarios. La manera en que esta frmula introduce el ruido dependiente de la frecuencia no sirve para describir todos los procesos del ruido continuo en el tiempo. Por ejemplo, consideremos un proceso del ruido que consista en sumar una onda aleatoria cuya amplitud sea 1 o -1 en cualquier momento del tiempo, y un canal que aada dicha onda a la seal original. Los componentes de la frecuencia de la onda son altamente dependientes. Aunque tal ruido puede tener una alta potencia, es bastante fcil transmitir una seal continua con mucha menos potencia que la necesaria si el ruido subyacente fuera una suma de los ruidos independientes de cada banda de frecuencia.

Aproximaciones
Para las relaciones seal/ruido grandes o pequeos y constantes, la frmula de la capacidad puede ser aproximada: Si donde , entonces

De manera anloga, si

, entonces

En esta baja aproximacin de SNR (signal to noise ratio, relacin seal a ruido), la capacidad es independiente del ancho de banda si el ruido es blanco, la densidad espectral de dicho ruido es vatios por hercio, (W/Hz). En este caso el total de la potencia del ruido es .

Ejemplos numricos
Si el SNR es 20 dB, y el ancho de banda disponible es 4 kHz, apropiada para las comunicaciones telefnicas, entonces kbit/s. Obsrvese que el valor es equivalente al SNR de 20 dB. Si se requiere transmitir en 50 kbit/s, y el ancho de banda usado es 1 MHz, entonces la mnima relacin S/N requerida est dada por de forma que correspondiente a un SNR de -14.5 dB. Esto demuestra que es posible transmitir con seales que son mucho ms dbiles que el nivel de ruido de fondo como en las comunicaciones de espectro ensanchado.

Referencias
[1] Se tiene en cuenta que es la tasa mxima terica de datos limpios (o arbitrariamente la tasa mnima de error) que pueden ser enviados, con una determinada potencia media de seal S, a travs de un canal de comunicacin analgico que sufre un ruido blanco gausiano de potencia N [2] El nmero de pulsos independientes que podan pasar a travs de un canal de un ancho de banda de UNIQ-math-0-67bbb53a37e2f1f7-QINU herzios era pulsos por segundo

[3] Se debe tener en cuenta que dicho ruido puede deberse a fuentes aleatorias de potencia y tambin a codificaciones y medidas de error en el emisor y receptor respectivamente. Puesto que la suma de variables aleatorias gaussianas independientes es tambin una variable aleatoria gaussiana el anlisis se simplifica, si se considera que tales fuentes del error son tambin gaussianas e independientes.

Teorema de Shannon-Hartley

306

Enlaces externos
A Mathematical Theory of Communication (http://cm.bell-labs.com/cm/ms/what/shannonday/shannon1948. pdf) A Symbolic Analysis of Relay and Switching Circuits (http://hdl.handle.net/1721.1/11173) Communication in the Presence of Noise (http://www.stanford.edu/class/ee104/shannonpaper.pdf) The relationship between information, bandwidth and noise (http://www.cs.ucl.ac.uk/staff/S.Bhatti/ D51-notes/node6.html#equHartleyShannon) On-line textbook: Information Theory, Inference, and Learning Algorithms (http://www.inference.phy.cam. ac.uk/mackay/itila/) El Teorema de la Capacidad Mxima de un Canal (http://www.eveliux.com/fundatel/shannon.html) Information Entropy (http://www.uio.no/studier/emner/matnat/fys/FYS3130/v07/undervisningsmateriale/ Fra Wikipedia/Shannon_entropy.pdf)

Teorema de la invariancia (teora de la informacin)


En la teora algortmica de la informacin, el teorema de invariancia, inicialmente probado por Ray Solomonoff, establece que una mquina universal de Turing proporciona un medio ptimo de la descripcin, salvo una constante aditiva. Formalmente, para cada mquina M existe una constante c tal que para todas las cadenas binarias x se tiene

Esto se deduce trivialmente de la definicin de una mquina universal de Turing, siendo c = (<M>) la longitud de la codificacin de M. El teorema de invariancia se cumple igualmente por el prefijo y la complejidad condicional. Este artculo incorpora material del teorema de la invariancia de PlanetMath, que est bajo la licencia Creative Commons Attribution / Share-Alike License

Teorema de Bernoulli

307

Teorema de Bernoulli
El Teorema de Bernoulli es un caso particular de la Ley de los grandes nmeros, que precisa la aproximacin frecuencial de un suceso a la probabilidad p de que este ocurra a medida que se va repitiendo el experimento. Dados un suceso A, su probabilidad p de ocurrencia, y n pruebas independientes para determinar la ocurrencia o no-ocurrencia de A. Sea f el nmero de veces que se presenta A en los n ensayos y un nmero positivo cualquiera, la probabilidad de que la frecuencia relativa f/n discrepe de p en ms de (en valor absoluto) tiende a cero al tender n a infinito. Es decir:

Jakob Bernoulli

Lema de Borel-Cantelli
En la teora de las probabilidades, medida e integracin, el lema de Borel-Cantelli asegura la finitud en casi todos los puntos de la suma de funciones integrables positivas si es que la suma de sus integrales es finita.

Definicin formal y demostracin


Sea una sucesin de funciones positivas medibles desde el espacio de medida la integral de f respecto de . Supongamos que: en los reales. es la medida. Sea

entonces por convergencia montona Si la sucesin de funciones son indicatrices de conjuntos probabilidad entonces: puntos que pertenecen a infinitos implica que tiene probabilidad cero.

. Por ende la funcin en , o sea c.t.p., es decir, en

es finita c.t.p.y la medida

es de

, el conjunto de los

Bibliografa
David Pollard, A users guide to measure theoretic probability, Cambridge University Press (2003).

Frmula de Tanaka

308

Frmula de Tanaka
En el clculo estocstico, la frmula de Tanaka afirma que:

donde Bt es el movimiento browniano estndar, sgn es la funcin signo

y Lt es su tiempo local en 0 (el tiempo local empleado por B en 0 antes del tiempo t) dado por el lmite L2

La frmula de Tanaka es la descomposicin DoobMeyer explcita de la submartingala |Bt| con respecto a la martingala (la integral del lado derecho), y un proceso creciente continuo (tiempo local). Tambin puede considerarse un anlogo del lema de Ito para la funcin de valor no absoluto (irregular) , con y ; vase, en tiempo local, una explicacin formal del lema de Ito.

Descripcin de la prueba
La funcin |x| no es una funcin diferenciable finita (C2) en x cuando x=0, de manera que no es posible aplicar la frmula de Ito directamente. Sin embargo, si la hacemos aproximar a cero (es decir, en [,]) mediante parbolas

y aplicamos la frmula de Ito, podremos entonces tomar el lmite como 0, lo que nos llevar a la frmula de Tanaka.

Referencias
ksendal, B. K. (2003). Stochastic Differential Equations: An Introduction with Applications. 6a. ed. Berln: Springer. ISBN 3-540-04758-1 (ejemplo 5.3.2) Shiryaev, A. N. (1999). Essentials of Stochastic Finance: Facts, Models, Theory. Advanced Series on Statistical Science & Applied Probability No. 3. Trad. N. Kruzhilin. River Edge, NJ: World Scientific Publishing Co. ISBN 981-02-3605-0.

Teorema del mono infinito

309

Teorema del mono infinito


El teorema del mono infinito afirma que un mono pulsando teclas al azar sobre un teclado durante un periodo de tiempo infinito casi seguramente podr escribir finalmente cualquier libro que se halle en la Biblioteca Nacional de Francia. En una nueva exposicin del mismo teorema, ms popular entre los angloparlantes, los monos podran escribir las obras de William Shakespeare. En este contexto, el trmino casi seguramente es un trmino matemtico con un sentido preciso y el "mono" no es en realidad un mono, sino que se trata de una metfora de la creacin de una secuencia aleatoria de letras ad infinitum.
De acuerdo con el segundo enunciado Borel-Cantelli, con suficiente tiempo, un chimpanc escribiendo al azar podra escribir una obra de Shakespeare (o cualquier otro texto).

La idea original fue planteada por mile Borel, en 1913, en su libro Mcanique Statistique et Irrversibilit. Borel dijo que si un milln de monos mecanografiaran diez horas al da era extremadamente improbable que pudiesen producir algo que fuese igual a lo contenido en los libros de las bibliotecas ms ricas del mundo y aun as, en comparacin, sera an ms inverosmil que las leyes de la estadstica fuesen violadas, siquiera someramente. Para Borel, el propsito de la metfora de los monos era ilustrar la magnitud de un acontecimiento extraordinariamente improbable. Despus de 1970, la popular imagen de los monos se extendi hasta el infinito, convirtindose en que si un infinito nmero de monos mecanografiaran por un intervalo infinito de tiempo produciran texto legible. Insistir en ambos infinitos es, empero, excesivo. Un solo mono inmortal que ejecutase infinitamente tecleos sobre una mquina de escribir podra casi con toda seguridad escribir cualquier texto dado y un nmero infinito de monos podran producir todo texto posible inmediatamente, sin demora. De hecho, en ambos casos, el texto sera producido un infinito nmero de veces.

Bosquejo intuitivo del teorema


El teorema del mono infinito es directamente demostrable, incluso sin necesidad de resultados ms avanzados. Si dos acontecimientos son estadsticamente independientes, queriendo decir esto que ninguno de ellos afecta al resultado del otro, entonces, la probabilidad de que ambos sucedan es igual al producto de las probabilidades individuales de que suceda cada uno. Por ejemplo, si las probabilidades de lluvia en Sdney en un da en particular es 0,3 y la probabilidad de que ese mismo da haya un terremoto en San Francisco es de un 0,8, entonces, la probabilidad de que ambos sucedan el mismo da es 0,3x0,8=0,24. Ahora, suponiendo que un teclado tenga 50 teclas y la palabra a ser escrita es banana, mecanografiando al azar, la probabilidad de que la primera letra escrita sea b es 1/50, de que la segunda sea a es 1/50, etc. Dichos eventos son estadsticamente independientes, as que la probabilidad de que las seis primeras letras escritas sean banana es 1/506. Ahora, las probabilidades de no escribir banana en cada bloque de 6 letras es 1-1/506. Dado que cada bloque debe ser considerado independientemente, la probabilidad X de no escribir banana en los n primeros de 6 letras es X=(1-1/506)n. A medida que n aumenta, X se reduce. Para n=1.000.000, X=99.99%, pero para un n igual a 10000 millones, X=53% y para una n=100000 millones es un 0,17%. A medida que n se acerca a infinito, la probabilidad de X tiende a cero. Esto es, haciendo n lo suficientemente grande, X puede ser tan pequeo como uno quiera. Si considersemos las veces que se escribira banana entre bloques de 6 letras, X tendera a 0 incluso ms rpidamente. El mismo argumento se aplica si el mono estuviese escribiendo cualquier otra cadena de caracteres de cualquier tamao.

Teorema del mono infinito Esta demostracin muestra por qu infinitos monos podran (con casi toda probabilidad) producir un texto tan rpidamente como pudiese ser escrito por un mecanografiador humano copindolo desde el original. En este caso X=(1-1/506)n, donde X representa la probabilidad de que ninguno de los primeros n monos escribiese banana a la primera. Cuando consideremos 100000 millones de monos, la probabilidad cae al 0,17% y a medida que n aumenta, X (la probabilidad de que todos los monos fallen al escribir un texto dado) tiende a 0.

310

Enunciado formal
A pesar de que el teorema del mono infinito es a menudo expresado de manera informal, un enunciado formal del mismo esclarecera su significado exacto. Es ms fcil de expresar en las cadenas de texto de la ciencia de computadoras, que son secuencias finitas de caracteres de un determinado alfabeto. En este estado, las dos sentencias superiores podran ser expresadas formalmente como: Dado una cadena infinita donde cada carcter es elegido de manera aleatoria, cualquier cadena finita casi seguramente (probabilidad 1) ocurre como subcadena de la primera en alguna posicin (de hecho, en infinitas posiciones). Dada una infinita secuencia de infinitas cadenas iguales a la primera, donde cada carcter de cada cadena es elegido de forma aleatoria, cualquier cadena finita casi seguramente ocurre como un prefijo de una de esas cadenas infinitas (de hecho, como prefijo de infinitas de dichas cadenas en la secuencia). Ambas sentencias se extraen sencillamente de la segunda mxima de Borel-Cantelli. Suponiendo que nuestro texto deseado tiene una longitud n, para el segundo teorema, Ek es el suceso de que la k-sima cadena comience con el texto dado. Dado que esto tiene la probabilidad p no cero de ocurrir, la Ek es independiente y la suma inferior diverge, la probabilidad de que infinitas Ek ocurran es 1. El primer teorema es igual, salvo que dividimos la cadena aleatoria en bloques no sobrepuestos de n caracteres cada uno y hacemos Ek el evento en que el bloque k-simo iguala la cadena deseada.

De hecho, incluso yendo a infinito puede ser excesivo. Si el alfabeto tiene un tamao a, entonces puede ser demostrado que la probabilidad de que una de las primeros an ocurra es al menos 1/2. Estonces, 20an intentos podran ser suficientes para escribir el texto dado con una probailidad muy prxima a 1. El problema incluso hace paralelismo bien: k monos pueden escribir el texto k veces ms rpido. Para un n pequeo no es demasiado malo. Por ejemplo, mil monos escribiendo letras al azar a un ritmo de 100 caracteres por minuto podran probablemente escribir la palabra banana en unas seis semanas. Este teorema es una instancia de la Ley Cero-Uno de Kolmogrov.

Probabilidades
Ignorando puntuacin, espaciamiento y maysculas/minsculas y asumiendo una distribucin uniforme de letras, un mono tiene una probabilidad entre 26 de escribir correctamente la primera letra de Hamlet. La probabilidad de que escriba bien las dos primeras letras es 1 entre 676 (26 veces 26). Cuando 20 letras hayan sido escritas, las probabilidades de que hayan sido las correctas se reducen a una entre 20 26 =19.928.148.895.209.409.152.340.197.376, aproximadamente la misma probabilidad de que a una misma persona le toquen 4 loteras consecutivas. En caso del texto completo de Hamlet, la probabilidad es tan abismalmente pequea que difcilmente puede ser concebida en trminos humanos. El texto de Hamlet, eliminando cualquier puntuacin, contiene unas 130.000 letras. El mero hecho de que exista una oportunidad, sin embargo, es la clave del teorema de los infinitos monos, dado que la ley Cero-Uno de Kolmogrov dice que dada una serie infinita de sucesos independientes debe tener una probabilidad de 0 o 1. Dado que hemos demostrado arriba que la probabilidad no es 0, debe ser entonces 1.

Teorema del mono infinito Considerar que un acontecimiento tan improbable es seguro que acontezca ocurrido un tiempo infinito puede darnos una idea de la enormidad del trmino infinito. Gian-Carlo Rota escribi un libro de texto sobre la probabilidad (no terminado cuando muri): Si el mono pudiese pulsar una tecla cada nanosegundo, el tiempo esperado hasta que escribiese Hamlet es tan grande que la edad estimada del universo es insignificante en comparacin... Este no es un buen mtodo de escribir libros (No podemos resistir la tentacin de citar a A. N. Whitehead, No ir al infinito). En The Nature of the Physical World: The Gifford Lectures (MacMillan, Nueva York, 1929, pgina 72), el fsico Arthur Eddington escribi: Si dejase mis dedos vagar ociosos sobre las teclas de una mquina de escribir podra pasar que surgiese una oracin inteligible. Si una legin de monos estuviesen escribiendo en mquinas de escribir, podran escribir todos los libros del Museo Britnico. La probabilidad es decididamente ms favorable que la probabilidad de que las molculas contenidas en un recipiente ocupasen slo la mitad del mismo. En fsica, pues, la fuerza del argumento de los monos reside no en la probabilidad de que los monos finalmente produzcan algo inteligible, sino en la realidad prctica de que no lo harn. Cualquier proceso fsico que es menos probable que el xito de los monos es efectivamente imposible. Esta es la base de la segunda ley de la termodinmica.

311

Mitos acerca del origen


A veces se ha afirmado, a pesar de que es prcticamente imposible, que el uso de Borel de los monos y las mquinas de escribir en su teorema est inspirado en el argumento usado por Thomas Henry Huxley el 30 de junio de 1860. Huxley discuta con el obispo anglicano de Oxford, Samuel Wilberforce, en la reunin del British Association for the Advancement of Science en Oxford, del cual Wilberforce era vicepresidente. Wilberforce se hallaba irritado por la publicacin de El origen de las especies de Charles Darwin unos meses antes, en noviembre de 1859. No existe una transcripcin del debate, ni tampoco archivos contemporneos a los mismos ni las notas de Huxley incluyen referencia alguna al teorema del mono infinito. La asociacin de dicho debate con el teorema de los infinitos monos es probablemente una leyenda urbana, disparada por el hecho de que dicho debate incluy ciertas referencias a los monos: El obispo pregunt a Huxley si descenda de un mono por parte de madre o de padre y Huxley contest que prefera descender de un mono que de alguien que argumentaba tan descortsmente como el obispo. Es difcil pensar que Huxley hiciese referencia a una mquina de escribir. A pesar de que las primeras patentes de las mismas fueron concedidas en 1714, la produccin comercial no comenz hasta 1870 y un orador tan habilidoso como Huxley rara vez hubiese depositado el peso de su argumentacin en un invento que hubiese sido desconocido casi para la mayora de su audiencia.

Experimentos
Este es un experimento que claramente no puede ser llevado a la prctica, dado que requiere o bien un tiempo infinito o bien recursos infinitos. A pesar de ello, ha inspirado esfuerzos en la creacin aleatoria de texto. El sitio web The Monkey Shakespeare Simulator,[1] puesto en marcha el 1 de julio de 2003 contiene un applet en Java que simula una gran poblacin de monos escribiendo al azar, con la intencin de ver cuanto tiempo toma a los monos virtuales completar una obra de Shakespeare desde el principio al fin. El 3 de enero de 2005 se encontraron 24 letras consecutivas que formaban un pequeo fragmento de Enrique VI, parte 2: RUMOUR. Open your ears; 9r"5j5&?OWTY Z0d "B-nEoF.vjSqj[..." Posteriormente, el mismo experimento, logr 30 letras de Julio Csar de Shakespeare: Flauius. Hence: home you idle CrmS3RSs jbnKR IIYUS2([;3ei'Qqrm'

Teorema del mono infinito Debido a limitaciones en la capacidad de procesamiento, el programa usa un modelo probabilstico (mediante el uso de un generador de nmeros aleatorios) en lugar de generar texto aleatorio y compararlo con Shakespeare. Cuando el simulador detecta una similitud (esto es, cuando el generador de nmeros aleatorios genera un determinado valor dentro de un determinado rango), el simulador emula la coincidencias generando el texto de la misma. En 2003, cientficos en Paignton Zoo y la Universidad de Plymouth, en Devon, Inglaterra, reportaron que dejaron un teclado de computadora en la jaula de seis macacos durante un mes. No slo los monos no hicieron ms que producir cinco pginas consistentes en una larga serie de la letra S, sino que comenzaron a atacar el teclado con una piedra y siguieron orinando y defecando sobre l.[2]

312

Literatura y cultura popular


Los viajes de Gulliver (1782) de Jonathan Swift anticipa la idea central del teorema, describiendo a un profesor de la Gran Academy of Lagado que intenta crear una lista completa de todo el conocimiento teniendo a sus estudiantes constantemente escribiendo lneas de letras al azar haciendo girar las manivelas de un mecanismo (Parte tres, Captulo cinco). En un relato corto de Russell Maloney, "Inflexible Logic", aparecido en The New Yorker en 1940, el protagonista siente que su posicin econmica le obligaba a ayudar a la ciencia, por lo que decidi probar la teora. Sus monos inmediatamente comenzaron a escribir, sin error, clsicos de ficcin y de no ficcin. El millonario estaba asombrado de ver las impolutas versiones de los diarios de Samuel Pepys, del cual l slo posea una copia de una edicin bowdlerizada. Un argumento similar se hallaba en el relato La biblioteca de Babel, de Jorge Luis Borges, describiendo una biblioteca que contiene todos los libros posibles generados de la permutacin de 25 signos en 410 pginas. Entre todos los volmenes tiene que estar el definitivo, el que contenga la verdad sobre el universo. Por eso los habitantes de la biblioteca consagran su vida a encontrar este libro total. Borges hace referencia explcita a la idea de un mono infinito en su ensayo La biblioteca total,[3] que de alguna manera es precursor de La biblioteca de Babel, trazando, adems, el origen de la idea hasta un pasaje sobre la cosmogona de Leucipo en el primer libro de Metafsica de Aristteles. Michael Ende en su famoso libro La historia interminable plasma la misma idea en un pas de Fantasa, cuyo vigilante es un mono. Sus habitantes, llamados los Antiguos Emperadores, juegan "El juego de la arbitrariedad", en el que lanzan una especie de dados de letras cuyos resultados van compilando. Cada ciertos aos surgen palabras, "si se sigue jugando cien aos, mil aos, cien mil aos, con toda probabilidad saldr una vez, por casualidad, un poema. Y si se juega eternamente tendrn que surgir todos los poemas, todas las historias posibles, y luego todas las historias de historias, incluida sta en la que precisamente estamos hablando".[4] La cultura popular tambin hace referencias a este teorema. En un episodio de Los Simpson, Last Exit to Springfield, Montgomery Burns tiene una de las habitaciones de su mansin llena con mil monos con mquinas de escribir, uno de los cuales es castigado por escribir mal una letra de Historia de dos ciudades de Dickens. En Padre de familia aparecen un grupo de monos colaborando en una lnea de Romeo y Julieta de Shakespeare en una escena cortada. En la Gua del Autoestopista Galctico, Ford Prefect y Arthur Dent, bajo la influencia de la navegacin de la improbabilidad infinita son asaltados por un infinito nmero de monos que quieren su opinin sobre su texto de Hamlet. En las tiras cmicas de Dilbert, Dogbert le dice a Dilbert que su informe le tomara a tres monos diez minutos. El primer disco de la banda de punk rock de Leeds The Mekons, "The Quality of Mercy is Not Strnen", editado originalmente por Virgin Records en el Reino Unido en 1979 mostraba la foto de portada de un chimpanc escribiendo en una mquina.[5] El teorema es tambin la base de la obra de teatro de un acto de David Ives, llamada "Words, words, words", que aparece en su coleccin "Al in the Timing". En ella, tres monos, llamados John Milton, Jonathan Swift y Franz Kafka son recluidos en una jaula hasta que escriban Hamlet. Hay un relato corto en tono de humor de R. A. Lafferty llamado "Been a Long, Long Time" en el cual un ngel es castigado a tener que repasar el texto hasta que en algn

Teorema del mono infinito futuro distante (despus de que un trilln de universos hayan nacido y muerto) los monos produzcan una copia perfecta de una obra de Shakespeare. En la obra de Tom Stoppard Rosencrantz & Guildenstern are Dead un personaje dice "Si un milln de monos..." y luego no puede continuar, debido a que el personaje est en Hamlet. Luego, finaliza la frase de manera diferente. En el ao 2000, el RFC del 1 de abril del comit de estndares de Internet de la IETF propuso una Familia de Protocolos de Infinitos Monos (IMPS), un mtodo para dirigir una granja de infinitos monos por Internet.[6] En el nmero 25 del cmic Animal Man de Grant Morrison, titulado "el rompecabezas del mono",aparece este animal en la portada escribiendo a mquina el guion del mismo. En el interior, este mismo mono no slo escribe obras de Shakespeare, adems guioniza tebeos. Robert Wilensky observ jocosamente en 1996: Todos hemos odo decir que un milln de monos aporreando un milln de mquinas de escribir eventualmente escribiran las obras completas de Shakespeare. Hoy, gracias a Internet, sabemos que eso no es verdad.[7] El comediante Bob Newhart tiene desde los aos 1960 un gag en el cual un tcnico de laboratorio supervisa un experimento con "un nmero infinito de monos" y descubre que uno de los monos ha escrito "Ser o no ser; es es la gezortenblatt." ('To be or not to be that is thegrrdnm zsplkt.)[8][9][10] Goats, un popular webcmic ilustrado por Jonathan Rosenberg, comenz en agosto de 2005 una historia llamada infinite typewriters (infinitos mecangrafos) donde varios personajes se teletransportan accidentalmente a una dimensin alternativa. All descubren que esa dimensin esta poblada de monos con mquinas de escribir, presumiblemente escribiendo los guiones para otras muchas dimensiones.[11]

313

Notas
[1] Vase el sitio web The Monkey Shakespeare Simulator (http:/ / web. archive. org/ web/ 20040603094742/ http:/ / user. tninet. se/ ~ecf599g/ aardasnails/ java/ Monkey/ webpages/ #results) [2] Vanse los resultados del experimento en el texto Notes towards the complete works of Shakespeare (http:/ / www. vivaria. net/ experiments/ notes/ publication/ NOTES_EN. pdf) en la web vivaria.net (en formato PDF). (Enlace consultado el 19 de agosto de 2008.) [3] Borges: La biblioteca total (http:/ / www. literatura. org/ Borges/ LaBibliotecaTotal. html) [4] La historia interminable, Michael Ende. [5] El ttulo del disco es un verso de Shakespeare (the quality of mercy is not strain'd) casi bien escrito. Vase aqu la portada y una explicacin (en ingls) del ttulo del lbum (http:/ / www. mekons. de/ mercy. htm). (Enlace consultado el 18 de agosto de 2008. [7] Vase Parable of the Monkeys (en ingls) (http:/ / www. angelfire. com/ in/ hypnosonic/ Parable_of_the_Monkeys. html) (enlace consultado el 18 de agosto de 2008). [8] "Hello? This is Bob" (http:/ / www. washingtonpost. com/ ac2/ wp-dyn/ A28521-2002Oct27?language=printer), Ken Ringle, Washington Post, 28 de octubre de 2002, page C01. [9] Flashback: Computer poetry from 1985 (http:/ / aroundcny. com/ technofile/ texts/ compupoet85. html), Al Fasoldt, The Syracuse Newspapers, 1985. [10] La fecha de 1960 se da en Monkeying Around with Text (http:/ / www. chass. utoronto. ca/ epc/ chwp/ CHC2005/ Butler/ Butler. htm), Terry Butler, University of Alberta, Computing in the Humanities Working Papers, enero de 2007. [11] Vase Infinite typewriters (http:/ / goats. com/ archive/ 050718. html)

Enlaces externos
Borges a pie de pgina (http://sapiens.ya.com/borges-JL) Esta pgina consagrada al escritor argentino, parece ser el nico lugar en Internet donde puede verse en accin al "fantastic typing cybermonkey".

Ley cero-uno de Kolmogrov

314

Ley cero-uno de Kolmogrov


La ley cero-uno de Kolmogrov es un teorema de la teora de las probabilidades. Llamado as en honor al matemtico ruso Andri Kolmogrov, dice que la probabilidad que cierto tipo de evento llamado evento de cola (tail event en ingls) es cero o uno. Los eventos de cola son aquellos eventos definidos por una sucesin infinita de eventos independientes, pero que son independientes de cualquier subconjunto finito de stos. Por ejemplo, supongamos infinitas tiradas de una moneda. El evento: "que salga en total una cantidad finita de caras" es independiente de cualquier nmero finito de tiradas. Examinando una cantidad finita de tiradas no podemos concluir nada respecto a si la cantidad de caras fue finita o infinita.

Teorema formal y demostracin


Sea sigma-lgebras independientes definidas para un espacio y una medida de probabilidad . Definimos las siguiente sigma-lgebras :

Entonces, para todo

tenemos que

Referencias
David Pollard, A users guide to measure theoretic probability, Cambridge University Press (2003).

Ley de los grandes nmeros


En la teora de la probabilidad, bajo el trmino genrico de La ley de los grandes nmeros se engloban varios teoremas que escriben el comportamiento del promedio de una sucesin de variables aleatorias conforme aumenta su nmero de ensayos. Estos teoremas prescriben condiciones suficientes para garantizar que dicho promedio converge (en los sentidos explicados abajo) al promedio de las esperanzas de las variables aleatorias involucradas. Las distintas formulaciones de la ley de los grandes nmeros (y sus condiciones asociadas) especifican la convergencia de formas distintas. Las leyes de los grandes nmeros explican por qu el promedio de una muestra al azar de una poblacin de gran tamao tender a estar cerca de la media de la poblacin completa. Cuando las variables aleatorias tienen una varianza finita, el teorema central del lmite extiende nuestro entendimiento de la convergencia de su promedio describiendo la distribucin de diferencias estandarizadas entre la suma de variables aleatorias y el valor esperado de esta suma: sin importar la distribucin subyacente de las variables aleatorias, esta diferencia estandarizada converge a una variable aleatoria normal estndar. La frase "ley de los grandes nmeros" es tambin usada ocasionalmente para referirse al principio de que la probabilidad de que cualquier evento posible (incluso uno improbable) ocurra al menos una vez en una serie, incrementa con el nmero de eventos en la serie. Por ejemplo, la probabilidad de que un individuo gane la lotera es bastante baja; sin embargo, la probabilidad de que alguien gane la lotera es bastante alta, suponiendo que suficientes personas comprasen boletos de lotera.

Ley de los grandes nmeros

315

Ley dbil
La ley dbil de los grandes nmeros establece que si X1, X2, X3, ... es una sucesin infinita de variables aleatorias independientes que tienen el mismo valor esperado y varianza 2, entonces el promedio

converge en probabilidad a . En otras palabras, para cualquier nmero positivo se tiene

Ley fuerte
La ley fuerte de los grandes nmeros establece que si X1, X2, X3, ... es una sucesin infinita de variables aleatorias independientes e idnticamente distribuidas que cumplen E(|Xi|) < y tienen el valor esperado , entonces

es decir, el promedio de las variables aleatorias converge a casi seguramente (en un conjunto de probabilidad 1). Esta ley justifica la interpretacin intuitiva de que el valor esperado de una variable aleatoria como el "promedio a largo plazo al hacer un muestreo repetitivo".

Referencias
David Pollard, A users guide to measure theoretic probability, Cambridge University Press (2003).

Teorema de la probabilidad total


El teorema de la probabilidad total afirma lo siguiente: Sea la expresin: una particin sobre el espacio muestral y sea un suceso cualquiera del que se viene dada por conocen las probabilidades condicionales , entonces la probabilidad del suceso

Demostracin
Por hiptesis tenemos una particin escribir como ahora bien, los conjuntos consecuencia son dos a dos disjuntos, ya que en caso contrario los tampoco lo seran. En del espacio muestral . Por lo tanto el suceso se puede

Por ltimo, se sabe que

para cualesquiera sucesos

. Luego

que era lo que se quera demostrar.

Teorema de la probabilidad total

316

Enlaces externos
Simulacion con R-Project del Teorema de las Probabilidad Total [1]

Referencias
[1] http:/ / cajael. com/ mestadisticos/ T2Probabilidad/ node9. php

Teorema de De Moivre-Laplace
En probabilidad el teorema de Moivre-Laplace es una aproximacin normal a la distribucin binomial. Se trata de un caso particular del Teorema central del lmite. Establece que la distribucin binomial del nmero de xitos en n pruebas independientes de Bernoulli con probabilidad de xito p en cada intento es, aproximadamente, una distribucin normal de media np y desviacin tpica , (cabe aclarar que q = 1-p), si n es suficientemente grande y se satisfacen determinadas condiciones. El teorema apareci por primera vez en la segunda edicin de The Doctrine of Chances, de Abraham de Moivre, publicado en 1738. Los "ensayos de Bernoulli" no se llamaron as en ese libro, pero De Moivre escribi lo suficiente sobre la distribucin de probabilidad de el nmero de veces que apareca "cara" cuando se lanzaba una moneda 1800 veces.[citarequerida]

El teorema
Si , entonces para k en el entorno -de np, se puede aproximar[1][2]

En forma de lmite el teorema establece que:[1][2] cuando

Referencias
[1] Papoulis, Pillai, "Probability, Random Variables, and Stochastic Processes", 4th Edition [2] Feller, W. (1968) An Introduction to Probability Theory and Its Applications (Volume 1). Wiley. ISBN 0-471-25708-7. Section VII.3

Teorema fundamental

317

Teorema fundamental
En matemticas, hay numerosos teoremas que reciben el nombre de "teorema fundamental" de distintos campos. Los nombres son generalmente fieles a la tradicin, de forma que, por ejemplo, el teorema fundamental de la aritmtica se refiere a lo que actualmente llamamos teora de nmeros. Estos teoremas son fundamentales porque son enunciados bsicos a partir de los cuales se siguen teoremas ms complejos sin volver atrs a los axiomas. He aqu una lista de teoremas llamados fundamentales: teorema fundamental del lgebra teorema fundamental del lgebra lineal teorema fundamental del anlisis vectorial teorema fundamental de la aritmtica teorema fundamental del clculo teorema fundamental de las curvas teorema fundamental de la geometra proyectiva teorema fundamental de la geometra riemanniana teorema fundamental de los grupos abelianos finitamente generados teorema fundamental de los grupos cclicos

teorema fundamental de homomorfismos teorema fundamental de las superficies teorema fundamental de la teora de Galois

Teorema fundamental de la teora de Galois


En matemticas, el teorema fundamental de la teora de Galois es un resultado que describe la estructura de ciertos tipos de extensiones de cuerpos. En su forma ms bsica el teorema dice que dada una extensin de cuerpos E/F que sea finita y Galois, existe una correspondencia uno a uno entre sus cuerpos intermedios (cuerpos K que satisfacen F K E; tambin llamados subextensiones de E/F) y los subgrupos de su grupo de Galois.

Descripcin explcita de la correspondencia


Para extensiones finitas, la correspondencia puede describirse explcitamente como sigue: Para cada subgrupo H de Gal(E/F), el cuerpo correspondiente, denotado normalmente EH, es el conjunto de aquellos elementos de E que son fijos para cada automorfismo en H. Para cada cuerpo intermedio K de E/F, el subgrupo correspondiente es precisamente Aut(E/K), esto es, el conjunto de aquellos automorfismos en Gal(E/F) que dejan fijo a cada elemento de K. Por ejemplo, el cuerpo ms "grande" E se corresponde al subgrupo trivial de Gal(E/F), y el cuerpo base F se corresponde al grupo completo: Gal(E/F).

Teorema fundamental de la teora de Galois

318

Propiedades de la correspondencia
La correspondencia tiene las siguientes propiedades tiles: Es revertible por inclusin. La inclusin de subgrupos H1
H H

H2 se da si y slo si se da tambin la inclusin en

cuerpos: E 1 E 2. Los grados de las extensiones estn relacionados con el orden de los grupos de manera consistente con la propiedad anterior. Concretamente, si H es un subgrupo de Gal(E/F), entonces |H| = [E:EH] y [Gal(E/F):H] = [EH:F]. El cuerpo EH es una extensin normal de F si y slo si H es un subgrupo normal de Gal(E/F). En este caso, la restriccin de los elementos de Gal(E/F) al EH induce un isomorfismo entre Gal(EH/F) y el grupo cociente Gal(E/F)/H.

Aplicaciones
El teorema transforma el problema de clasificar los cuerpos intermedios de E/F en el problema menos difcil de listar los subgrupos de cierto grupo finito. Por ejemplo, para demostrar que la ecuacin general de quinto grado no es resoluble por radicales (ver teorema de Abel-Ruffini), se debe establecer el problema en trminos de extensiones radicales (extensiones de la forma F( ) donde es una n-sima raz de algn elemento de F), y entonces usar el teorema fundamental para convertir esta afirmacin en un problema sobre grupos que ya podamos atacar ms directamente. Las teoras como Teora de Kummer y la teora de cuerpos de clases se derivan del teorema fundamental.

Caso infinito
Existe tambin una versin de este teorema fundamental de la teora de Galois que se aplica a extensiones algebraicas infinitas, que adems son normales y separables. Se requiere para ello definir una cierta estructura topolgica, la Topologa de Krull sobre el grupo de Galois; entonces slo aquellos subgrupos que sean tambin cerrados de la topologa sern relevantes para la correspondencia del teorema.

Teorema fundamental de la geometra de Riemann

319

Teorema fundamental de la geometra de Riemann


En geometra de Riemann, el teorema fundamental de la geometra de Riemann establece que dado una variedad de Riemann (o una variedad seudoriemanniana) hay una nica conexin libre de torsin que preserva el tensor mtrico. Tal conexin se llama conexin de Levi-Civita. Ms exactamente: Sea una variedad de Riemann (o variedad seudoriemanniana) entonces hay una conexin nica tenemos a lo largo del campo vectorial , donde . denota el ,

que satisface las condiciones siguientes: 1. para cualesquiera campos vectoriales donde denota la derivada de la funcin 2. para cualesquiera campos vectoriales tenemos

corchete de Lie para los campos vectoriales . La prueba tcnica siguiente presenta una frmula para los smbolos de Christoffel de la conexin en un conjunto coordenado local. Para una mtrica dada este conjunto de ecuaciones puede llegar a ser algo complicado. Hay mtodos ms rpidos y ms simples de obtener los smbolos de Christoffel para una mtrica dada, e.g. con la integral de accin y las ecuaciones asociadas de Euler-Lagrange.

Demostracin
En esta prueba utilizamos la notacin de Einstein. Considrese el conjunto coordinado local y denotemos por el

campo de los marcos de base. Los componentes son nmeros reales del tensor mtrico aplicado a una base, es decir

Para especificar la conexin es suficiente especificar los smbolos de Christoffel Puesto que son los campos coordenados vectoriales tenemos que

para todos i y j. Por lo tanto la segunda propiedad es equivalente a lo cul es equivalente a para todos los i, j y k.

La primera propiedad de la conexin de Levi-Civita (arriba) entonces es equivalente a . Esto da la relacin nica entre los smbolos de Christoffel (que definen la derivada covariante) y los componentes del tensor mtrico. Podemos invertir esta ecuacin y expresar los smbolos de Christoffel con un pequeo truco, escribiendo a esta ecuacin tres veces con una eleccin prctica de los ndices

Teorema fundamental de la geometra de Riemann

320

Sumando, la mayora de los trminos en el lado derecho se cancelan y nos quedamos con

O con el inverso de

, definido como (con la delta de Kronecker)

escribimos los smbolos de Christoffel como

Es decir los smbolos de Christoffel (y por lo tanto la derivada covariante) son determinados totalmente por la mtrica, con las ecuaciones que implican la derivada de la mtrica.

Teorema fundamental de homomorfismos


En lgebra abstracta, para un nmero de estructuras algebraicas, el teorema fundamental de homomorfismos relaciona la estructura de dos objetos entre los cuales se d un homomorfismo, y del ncleo y de la imagen del homomorfismo. En la teora de grupos, el teorema se puede formular as: Si ncleo de es un homomorfismo de grupos y es un subgrupo normal de tal que contenido en el , en donde

, entonces existe un nico homomorfismo

es la proyeccin cannica. As, tenemos el diagrama conmutativo siguiente

El homomorfismo

est dado por

para todo

de

, y se dice que , por lo que

es inducido por

. Ntese que si , as que

, entonces y el homomorfismo lo es. es

est bien definido. El ncleo de este homomorfismo es Si es un homomorfismo, entonces

, y es un epimorfismo si y slo si

es un epimorfismo, y puesto que

inyectivo cuando su ncleo isomorfismo

es trivial, lo que sucede si y slo si

, tenemos un

. Este caso particular del teorema fundamental de homomorfismos se conoce

como primer teorema de isomorfa. El teorema fundamental de homomorfismos tambin se cumple para los espacios vectoriales, anillos y mdulos tomando, respectivamente, ideales y submdulos en lugar de subgrupos normales.

Teorema fundamental de homomorfismos

321

Enlaces externos
Puede verse una demostracin de este teorema en el wikilibro de lgebra, Subgrupos normales.

Bibliografa
1. Hungerford, T. Algebra. (1974) Springer-Verlag, New York.

Teoremas fundamentales de la economa del bienestar


Hay dos teoremas fundamentales de la economa del bienestar.[1][2] El primero afirma que cualquier equilibrio competitivo o walrasiano[3] lleva a una situacin de asignacin de recursos econmicos que es eficiente de acuerdo con Pareto. El segundo teorema es el inverso del primero. Afirma que cualquier asignacin eficiente u ptimo de Pareto es obtenible por (y sostenible en) un equilibrio competitivo.[4][5][6] A pesar de la aparente simetra de ambos teoremas, en realidad el primero es mucho ms general que el segundo, requiriendo supuestos ms dbiles.

Argumentos
Lo que sigue no es una demostracin formal (vase especialmente "Teoremas dentro de otras ciencias"), sino ms bien una exposicin que busca, de acuerdo con los principios de la economa naturalista,[7] poner en relevancia los conceptos y relaciones que sustentan las propuestas.[8] Es preferible entonces, ms bien que demostraciones, hablar de argumentos, especialmente en su acepcin de "discurso dirigido al entendimiento."

Primer teorema
El primer teorema fundamental -conocido tambin como teorema directo[9]- establece que cualquier situacin de equilibrio general walrasiano es Pareto eficiente. Esto fue demostrado original -y geomtricamente- por Abba Lerner y posterior -y algebraicamente- por Harold Hotelling, Oskar Lange, Maurice Allais, Kenneth Arrow y Gerard Debreu. Formalmente, el teorema puede ser propuesto de la Ilustracin del Primer Teorema en una Caja de Edgeworth. siguiente manera: Si las preferencias locales no estn satisfechas y si la relacin entre compras, bienes y precios (x*, y*, p) establece un equilibrio competitivo, entonces (x*, y*) es Pareto ptima. Por preferencias no satisfechas o no saciedad local se implica que una compra cualquiera (ya sea de un bien o conjunto o canasta de bienes) no ha agotado los deseos de compras del consumidor. Tcnicamente, eso se expresa diciendo que para cualquier canasta de compra adquirida existe otro u otros, arbitrariamente similares, tales que seran preferidos. Ms formalmente, para cualquier transaccin x en el universo de posibles transacciones (X) de

Teoremas fundamentales de la economa del bienestar preferencia positivas (E) habra un x* tal que (x*-x) E y, consecuentemente, se prefiere x*. Un equilibrio competitivo o general o walrasiano se refiere al que se establece en el mercado de una economa real cuando las relaciones entre riqueza general, bienes en oferta, precios, etc., lleva a un funcionamiento econmico que tiende a perpetuarse. (en el caso de un solo tipo de mercadera, etc., se habla de un equilibrio parcial, es decir, se estableci en ese momento un equilibrio entre oferta y demanda en esa rea especifica, pero no sabemos que tal situacin se repetir o que sea necesariamente estable en el largo plazo). Equilibrio general incluye tanto los cambios (compra-venta) en la economa como a la asuncin de que las empresas son eficientes, tanto del punto de vista de la asignacin como de la produccin. En este argumento, lo que interesa especficamente es que los precios llevan a ventas. Se puede fcilmente demostrar que lo anterior sigue de la asuncin ms general acerca de mercados (tanto de factores de produccin como de productos) perfectamente competitivos. Considrese una transaccin o solucin (S) (compra venta real) entre dos individuos. Tal transaccin ser parte de la totalidad de posibles compraventas entre dos individuos cualquiera. Todos esos posibles intercambios definen un espacio o plano de todas las posibles relaciones (soluciones) entre compras, ventas y precios (S1, S2... Sn). Supngase, adems, que dentro de tal universo existe una solucin (S*) en la cual cada participante ha obtenido el mximo de beneficios posible. (Esa situacin es llamada dominancia, As, por ejemplo, si la relacin S1 es preferida a la solucin S2, S1 domina a S2. De acuerdo con esta terminologa, S* domina a todas las S) La desviacin de tal situacin implica que ya sea uno o el otro ya sea perder o no obtendr parte de los beneficios posibles o se abstendr de participar en el intercambio. Cuando tal situacin (S*) es generalizada en una economa, se est en el ptimo de Pareto. Supngase que las condiciones generales del equilibrio econmico walrasiano rigen o son validas. Es decir, la Riqueza (R) de un pas es igual a la suma () de los bienes (B) que todos los habitantes (h) de ese pas poseen multiplicado por el valor o precio (p) de esos bienes ms la suma de dinero que esos habitantes poseen. Pero ese dinero es igual a -puede ser descrito como- la suma de los bienes producidos (P) que todas las empresas (e) han producido o poseen en ese momento determinado, multiplicado por los precios (p) de esos bienes. Ms formalmente: h Rh =h Bh p + Pe . pe

322

donde h Rh es la riqueza total; Bh, el agregado de bienes de todos los h; Pe, el producto de las empresas e, y p es el precio. Asmase, finalmente, que esos bienes, precios y riqueza, etc., establecen una relacin (Sn) tal que es parte de la totalidad de posibles relaciones entre esos factores, pero es diferente de aquella (S*) que Pareto llama ptima. Considrese: La maximizacin de preferencias implica que: (No es necesario considerar el caso en el cual la preferencia por Sn sea menor que por S*, porque tal situacin implicara que los individuos escogen transaccin es que no dan tanto beneficio como desearan o podran obtener o -alternativamente- que escogen ser menos ricos que lo que podran, situacin que no se observa a menudo.) Si la preferencia por Sn > S*, entonces Bhp> Rh. (en otras palabras, si una transaccin Sn es preferida a S*, la relacin entre bienes y precios seria mayor que la que la riqueza de los individuos permite. Es decir, no se puede obtener) Si preferencia Sn S*, entonces Bh p Rh.

(para verlo, imaginese la misma situacin (Sn S*) pero con Bh p< Rh. Es decir, la relacin bienes y precios es menor que la que la riqueza general establece o permite. Podramos encontrar entonces una relacin Sn tal que fuera preferida a S*. Pero S* es, por definicin, la preferida u ptima en trminos de maximizar beneficios. Sigue entonces que cada individuo preferira Bh p Rh, es decir, maximizar su riqueza.) Ahora, considerese en general una relacin de factores (x, y ...) que fuera dominante de acuerdo con Pareto (x*,y*). Esto significa que un parmetro cualquiera (x) ser mayor en x* que en algunos de los otros casos y mayor o igual en todos.[10] Es decir, x x* . (Nota necesaria[11]

Teoremas fundamentales de la economa del bienestar Pero, por lo anterior, sabemos que Rh p Rh. p Rh.

323

Sumarizando se encuentra que Sn no puede ser diferente a S*. De serlo, no se podra obtener Rh

Esto significa que, dada una relacin estable a largo plazo (equilibrio walrasiano) en la cual la riqueza de una sociedad en su conjunto es igual a la suma de todos los bienes -posedos y en circulacin en esa sociedadmultiplicado por el precio de esos bienes y asumiendo tanto que los individuos busquen maximizar su riqueza a travs de escoger relaciones de intercambio que les sean individualmente favorables como la posibilidad real de implementar esas opciones, se llegara a una situacin ptima, o eficiente, de acuerdo con la definicin de Pareto. Este resultado se considera generalmente como una vindicacin de la propuesta inicial de la economa clsica (ver mano invisible y Ley de Say) (pero ver ms abajo: discusin)

Segundo teorema fundamental


Este segundo teorema fue propuesto originalmente por Abba Lerner en su Economa del Control[12] Hemos visto que cada equilibrio es eficiente. Sin embargo eso no implica necesariamente que todas y cada una de las posibles alternativas eficientes de asignacin de recursos conducirn a un equilibrio de largo plazo o competitivo. Esto es lo que el segundo teorema -conocido tambin como teorema inverso[13]- busca establecer: cada asignacin eficiente ser mantenida en equilibrio por un conjunto dado de precios. Esa asercin es ms fuerte o amplia que la establecida por el primer teorema. Para lograrla es necesario, en consecuencia, un una serie de condiciones o supuestos ms restrictivos que en el caso anterior. El supuesto principal es que las preferencias de los consumidores pueden ser representadas o corresponden a una curva convexa (Y)[14] Adicionalmente es necesario asumir que tales curvas son continuas[15] y transitivas.[16] (ver curvas de indiferencia La segunda condicin es que esas preferencias no estn saciadas localmente. Este supuesto es similar al que se estableci para el primer teorema. A pesar que tales supuestos son cuestionables es necesario aceptarlos para continuar con la argumentacin. Aceptando lo anterior, estamos en condiciones de volver a expresar el segundo teorema como afirmando que cualquier relacin de recursos que sea eficiente de acuerdo con Pareto establecer un equilibrio general en un punto determinado por los precios. Para eso parece conveniente proceder en dos pasos: primero, establecer que cada relacin o asignacin de recursos establece un casi equilibrio, y, segundo, que tales casi equilibrios con asignaciones eficientes pueden llegar a ser o se transforman en equilibrios de largo plazo dadas

Ilustracin de relaciones.

ciertas condiciones. (es decir, ciertos precios) Primer paso: definase una asignacin dada de recursos (x*,y*) como aquella (Xi*) en la cual hay un casi equilibrio -es decir, se observan intercambios reales en un cierto mercado. En esa asignacin hay una curva de precios (p) y una de los niveles efectivos de riqueza (R) que se han obtenido a travs de la circulacin de dinero tal que: h Rh = B y p Pe p Pe* para cada Pe que sea parte del conjunto de bienes producidos Pe*. p + Pe . pe (ver primer teorema)

(es decir, que las ganancias de una empresa cualquiera (e) se maximizaran si se produciera Pe* (ntese que e incluye individuos, los que producen trabajo, etc)

Teoremas fundamentales de la economa del bienestar Definase Vi como siendo igual a las posibles relaciones (compra-ventas) preferidas por individuo i a la que existe en Xi* y dejese a V ser la suma de tales Vi. Vi es convexo -por asumcion- debido a que es una relacin de preferencia y V es convexa porque es la suma de Vi. Similarmente, Pe + B (la suma de todos los conjuntos de bienes producidos ms el agregado de bienes) es convexo porque cada Pe es convexo. Podemos ver que las curvas V, Y y B no se pueden cruzar, o, ms formalmente, que la interseccin de V, Y y B no es valida o debe ser nula, porque de otra manera implicara que, para el conjunto de individuos i debe haber un agregado de bienes (Pe + B) que es preferida a la establecida por (x*,y*) y es obtenible con los recursos disponibles para la suma de individuos. (ver primer teorema) Lo anterior nos permite tratar esas curvas conforme al teorema del eje de separacin de Minkowski[17] Aplicado a esta situacin, ese teorema muestra que hay un curva de precios diferente a 0 -un nmero r - tal que p v r para cada v que pertenezca a V y p Pe r por cada Pe que pertenezca a Pe*+ B. En otras palabras, existe un vector de precios que define una lnea que separa perfectamente esos dos conjuntos convexos. Podemos ver tambin que, dado que la preferencia por Vi xi* (por definicin ms arriba), sigue que p ( Vi) r. En otras palabras, dado que hay una relacin o canasta de bienes a comprar para el individuo (Vi) que es preferida a la establecida por x*, y dado que tal conjunto de relaciones est delimitado por r, sigue que V est delimitado o cerrado matemticamente por Vi. (en otras palabras, hay un espacio constituido por todas las posibles compras preferenciales de un individuo. Ese espacio est delimitado por el caso de mxima preferencia) Pero lo mismo se aplica a la relacin establecida por X. Es decir, hay una (x*) tal que es preferida a todas. Y esa x* establece el lmite a todas las contenidas en X. Pero sabemos tambin que la relacin x* es parte de la suma de Pe + B, por lo tanto x* r. Sigue por lo tanto que x* = r . (es decir, x* constituye el lmite en el cual las preferencias individuales se encuentran, o la lnea de preferencia que delimita todas las otras curvas de preferencias) Se puede ver entonces que, an habiendo relaciones de precios y bienes tales que ser n preferidas por individuos, los individuos en su conjunto gravitaran al caso que limita cada universo de preferencias individuales. Ese caso lmite es x* y es el punto en el cual las preferencias individuales se encuentran o coinciden. Todo lo anterior implica que dada una riqueza tal que Ri = p x* para cada individuo, se establece un casi equilibrio. En otras palabras, habr compra-ventas o intercambios reales. Ese punto se establece en el caso que delimita las curvas individuales de preferencias, es decir, en la establecida por el ptimo de Pareto. Lo mismo se aplica a empresas. Ahora nos volvemos a la situacin que transforma esa estabilidad parcial en una permanente, es decir, en un equilibrio competitivo. Eso es equivalente a decir que las relaciones entre las preferencias individuales consensuales establecidas ms arriba (x*) y bienes (B) y precios (p) son estables si y solo si p x* < Ri (es decir, solo si las relaciones son obtenibles dada la riqueza conjunta). Para eso es necesario nuevamente asumir que las relaciones de preferencias individuales Vi son convexas y continuas (es decir, son relativamente estables, sin cambios bruscos). Si ese es el caso, existe una curva de consumo individual (ci) que pertenece a todas los posibles curvas de consumo (Ci) y es sostenible por la riqueza del individuo (p ci < Ri) Pero sabemos -por el teorema anterior- que: h Rh = B p + Pe . pe

324

dado que i (individuos) no pueden ser otros que h (habitantes) sigue que asumiendo que Pe . pe sea igual que h Rh - B p, la situacin ser estable. En otras palabras, para que un casi equilibrio o equilibrio temporal se transforma en uno permanente basta que las curvas de consumo sean convexas (ver: teora de las expectativas racionales) y que exista un bien o una canasta de bienes (x*) que a lo ms sea igual en deseabilidad (o precio) que las que ya se han obtenido.

Teoremas fundamentales de la economa del bienestar Siguen entonces que una situacin eficiente de acuerdo con Pareto establecer un equilibrio de largo plazo si asumimos que los consumidores se comportan racionalmente en trminos econmicos, es decir, si buscan maximizar sus beneficios a partir de una distribucin dada de los recursos econmicos. Esta conclusin se interpreta, generalmente, como significando que sera posible obtener un estado deseable de distribucin de recursos econmicos a partir, simplemente, de una redistribucin original de tales recursos, sin necesidad posterior de recurrir a ajustamientos continuos o repetitivos. As, por ejemplo, Davis afirma: (El segundo teorema del bienestar) Dice que, dada algunas restricciones adicionales, un resultado ptimo de Pareto puede ser conseguido como un equilibrio competitivo a travs de transferencias adecuadas de sumas de dinero (lump sum transfers, en el original) . As, si no nos gusta el ptimo de Pareto particular que resulte, enactamos (otras) transferencias que den mejores resultados sociales (dado algn criterio de bienestar social)[18]

325

Discusin
Como hemos visto, el primer teorema es generalmente considerado como la confirmacin analtica de la hiptesis de la mano invisible de Adam Smith. En otras palabras, la confirmacin de la percepcin que mercados competitivos llevan a una asignacin eficiente de los recursos econmicos. En ese sentido -se alega- el teorema apoya la no intervencin estatal en asuntos econmicos: djese que el mercado opere libremente y el resultado ser eficiente en trminos de Pareto. Sin embargo, se ha sugerido que la situacin descrita en el primer teorema depende -a fin de llegar a la eficiencia de Pareto- en ciertas condiciones, conocidas en su conjunto como de competencia perfecta. Sin embargo tal condicin es un ideal que no existe en el mundo real. Por ejemplo Greenwald y Stiglitz publicaron un teorema (el llamado Teorema de la Asimetra de la informacin) que establece que, en la presencia ya sea de informacin imperfecta o mercados no perfectamente competitivos, el resultado no es eficiente en trminos de Pareto. Sigue que en la mayora de las situaciones de la economa en el mundo real, esas desviaciones de las condiciones ideales deben ser tomadas en cuenta.[19] Adicionalmente se ha alegado que eficiencia en trminos de Pareto no es ni una definicin precisa de eficiencia[20] ni equivalente a deseable. El trmino ptimo de Pareto simplemente indica una situacin en la cual no se puede mejorar la situacin de alguien sin hacer que algn otro sea peor . Por ejemplo, si un individuo posee el 99% de la riqueza y el 99% de la poblacin se reparte de alguna manera el otro 1%, eso es un ptimo de Pareto, en que no se puede mejorar la situacin de ese 99% sin reducir la del individuo que tiene todo. Pero igualmente ptima para Pareto seria la otra situacin en la cual cada individuo en una sociedad tenga exactamente lo mismo que cualquier otro. Lo mismo se puede decir de las numerosas posibilidades intermedias. Desde el punto de vista del ptimo de Pareto, no hay un criterio que permita seleccionar una como preferible a las otras. Esto implica que el criterio de optimalidad de Pareto es dbil en relacin a elegir propuestas concretas que maximicen el bienestar general.[21] En consecuencia Amartya Sen seala que sigue que pueden haber muchas situaciones que son eficientes en trmino de Pareto sin que todas sean igualmente deseables o aceptables desde el punto de vista de la sociedad (o sus miembros).[22] An ms, pueden haber situaciones que no son ptimas de acuerdo con Pareto pero que sin embargo son preferibles desde el punto de vista general. Por ejemplo, en una situacin hipottica en la cual el 10% de la poblacin poseyera el 90% de la riqueza general y el 90% restante de la poblacin poseyera el 10% de la riqueza, medidas redistribuidas podran ser vistas en general no slo como equitables, sino que podran tener un efecto positivo en la economa general, en la medida que un aumento en la demanda puede incrementar la produccin. Un argumento en ese sentido es avanzado por Davis[23] (ver tambin keynesianismo) Parcialmente como consecuencia de lo anterior, Lerner sugiri una nueva aproximacin. Basado en su concepto de eficiencia de distribucin, la cual se mide en relacin a la eficiencia con la cual aquellos que necesitan los bienes y servicios los reciben[12] Lerner argumenta que a la mayor eficiencia de distribucin, el mayor bienestar general. Pero esa mejor distribucin de bienes y servicios implica a su vez una mejor distribucin de los medios de acceso a tales

Teoremas fundamentales de la economa del bienestar bienes y servicios en la sociedad, o, ms formalmente: asumiendo que una cantidad fija de ingreso, una funcin social de bienestar cncava, funciones individuales de bienestar tambin de tipo cncavo, y que estas se distribuyen en forma equiprobabilistica entre los miembros de la sociedad, la maximizacion de la esperanza matemtica del bienestar de la sociedad se alcanza solo cuando el ingreso se distribuye de manera igualitaria. (Una demostracin de este teorema se encuentra en Sen, A.K. Sobre la desigualdad econmica. Editorial Crtica. (1979).[24] Sin embargo tal sugerencia implica la necesidad no solo de un criterio econmico para efectuar la redistribucin sino un mecanismo efectivo. Adicionalmente, si, por cualquier motivo aceptamos que los mercados son el mecanismo, si no inmejorable, por lo menos el ms efectivo en regular una economa a fin de lograr equilibrio competitivo o, alternativamente, creemos que es conveniente en trminos, por lo menos, polticos, minimizar las intervenciones del estado, esto impone una demanda adicional sobre las posibles soluciones. El segundo teorema establece que, de la totalidad de posibles resultados que son eficientes en trminos de Pareto, se puede lograr uno especfico a travs de simplemente alterar las condiciones iniciales y posteriormente dejando que el mercado acte libremente. En otras palabras, que se puede escoger uno de esos resultados a travs de la distribucin o redistribucin general a la poblacin de una suma de riqueza adecuada. Por ejemplo si se distribuye toda la riqueza de la sociedad igualmente entre sus miembros, esa distribucin llevar -segn el argumento- a un ptimo de Pareto. Y, si se asume adems que se est en una situacin de competencia perfecta, esa distribucin ser estable, tender a perpetuarse en el futuro. Esto sugiere que la intervencin estatal tiene un papel legtimo en poltica econmica: la redistribucin nos puede ayudar a implementar, seleccionando entre todos esos posibles resultados ptimos de acuerdo con Pareto, aquel que tenga las caractersticas deseadas, no solo de acuerdo con criterios externos (por ejemplo: tico o polticos) sino de racionalidad econmica y bienestar social. Por ejemplo, la propuesta por Lerner. Esta propuesta tiene la ventaja adicional que supera el problema del conocimiento requerido para efectuar otras propuestas redistribuidas. Como se ha sealado[25] propuestas que requieren la intervencin continuada del estado en la economa demandan que el gobierno o cualquiera sea el organismo a cargo de tal intervencin posea conocimiento que bordea en lo perfecto de las preferencias de los consumidores y las funciones de produccin de las empresas (lo que parece, por lo menos, cuestionable) en orden a elegir las medidas de intervencin adecuadas. Una redistribucin original evita ese problema. Sin embargo, no es obvio como un gobierno en el mundo real puede efectuar tal redistribucin: transferencias de capital o dinero son difcil de implementar y -consecuentemente- casi nunca empleadas. impuestos proporcionales pueden llegar a tener efectos distorcionantes en la economa en general, en especial, dado que alteran los ingresos relativos de los factores de produccin , distorsionando y disturbando la estructura productiva. Como Davis (op.cit) observa a continuacin de lo citado ms arriba Por supuesto, cuando contemplamos el mundo real, mejor tambin consideramos si tales transferencias son econmica o polticamente realizables. Posibles soluciones a este problema envuelven, entre otras, consideraciones de compensacin a quienes sean afectados negativamente por las polticas redistributivas. Varias propuestas existen en ese sentido[26] y tienen una cierta atraccin dado que la propuesta: se basa en la nocin que es probable que pocas polticas vayan a beneficiar (directamente) a absolutamente todos, y que, si ese fuere el criterio quizs seramos capaces de implementar muy poco.[27] As, por ejemplo, si las polticas redistributivas realmente incrementan la produccin (a travs de un incremento en la demanda) el incremento en las ganancias que resulten de un proceso redistributivo pueden ser vistas como la compensacin necesaria por la demanda en la riqueza (impuestos) que la redistribucin impone.

326

Teoremas fundamentales de la economa del bienestar

327

Notas y referencias
[1] Kenneth R. Richards Lecture 3: First and Second Theorems of Welfare Economics and Market Efficiency (http:/ / classwebs. spea. indiana. edu/ kenricha/ Classes/ V625/ Lecture 3/ Lecture 3 V625. pdf) [2] Jos-Vctor Ros-Rull : Welfare Theorems (http:/ / www. econ. umn. edu/ ~vr0j/ econ10205/ lectures/ fluct11_welft. pdf) [3] "La definicin de equilibrio de mercado que vamos a dar todava es que todos los mercados se vacan. Sin embargo, al incluir tambin las elecciones de los individuos como un elemento explcito del equilibrio, podemos hacer frente a situaciones en las que algunas listas de precios dejan algunos individuos indiferentes entre las muchas opciones disponibles, y las situaciones en las que algunas listas de precios dejan ciertos individuos sin una opcin ptima en absoluto. Pero ms importante, enmarcando las cosas de forma explcita en trminos de comportamiento individual nos ayudar a entender una gama ms amplia de fenmenos. ( Mark Walker en Walrasian Equilibrium (http:/ / www. u. arizona. edu/ ~mwalker/ 02_Equilibrium Existence/ DisaggregatedExistenceTheorem. pdf)).- ms formalmente: "Un par de vectores de la asignacin (x, p), donde x son las cantidades de cada bien en poder por cada agente, y p es un vector de precios por cada bien, es un equilibrio walrasiano si (a) es factible, y (b) cada agente esta eligiendo ptimamente, dado el presupuesto del agente. En un equilibrio walrasiano, si un agente prefiere otra combinacin de bienes, el agente no se lo puede permitir." (Glossary of economics research: walrasian equilibrium (http:/ / www. econterms. com/ glossary. cgiaction=+ + Search+ + & query=walrasian+ equilibrium)) [4] Carl P. Simon y Lawrence Blume (1994): El segundo teorema es el inverso del primero. Dice que cada ptimo de pareto puede ser establecido como un equilibrio competitivo. en Mathematics for Economists (http:/ / books. google. co. uk/ books?id=cxSaQgAACAAJ& source=gbs_similarbooks) p 574 [5] Hal R. Varian: El segundo teorema de la economia del bienestar establece que en determinadas condiciones todas las asignaciones eficientes en el sentido de Pareto pueden lograrse mediante el mecanismo del equilibrio competitivo. en Microeconoma intermedia: un enfoque actual (http:/ / books. google. co. uk/ books?id=-rWfisFu618C& printsec=frontcover#v=onepage& q& f=false) p 544 Corolarios del segundo teorema del bienestar. [6] Bernard Guerrien: El segundo teorema es en cierta manera, el recproco del primero, porque afirma que a todo ptimo de Pareto se puede asociar un sistema de precios tal que exista a tales precios, un equilibrio competitivo, al menos si los consumidores prefieren las combinaciones y si no hay costos fijos ni rendimientos crecientes. Se concluye de este teorema que si un estado realizable no es un equilibrio competitivo, entonces no es ptimo segn el criterio de Pareto con la condicin de que no haya costos fijos etc. en LAS PROPIEDADES DEL EQUILIBRIO COMPETITIVO (http:/ / www. eumed. net/ cursecon/ libreria/ bg-micro/ 37. htm) [7] Robert H. Frank: The Economic Naturalist.- Basic Books, U.S.A.- 2007 [8] Para demostraciones formales, ver cualquiera de los autores indicados ms abajo o algn libro de texto de microeconoma. Por ejemplo: Carl P Simon y Lawrence Blume: Carl P. Simon y Lawrence Blume (1994): El segundo teorema es el inverso del primero. Dice que cada ptimo de pareto puede ser establecido como un equilibrio competitivo. en Mathematics for Economists (http:/ / books. google. co. uk/ books?id=cxSaQgAACAAJ& source=gbs_similarbooks) (W.W. Norton and Co. New York and London- 1994), pp 573-575; etc) [9] Por ejemplo: Joaqun Almoguera Carreres, Elas Daz, Silvina Alvarez, Joaqun Almoguera: Estado, Justicia, derechos (Springer Science & Business, 2002) [10] Para establecer dominancia de acuerdo con Pareto basta y sobra que un parmetro cualquiera sea preferido mientras los otros son iguales. Esto implica que en el universo de posible compras preferidas, un parmetro cualquiera ser a lo menos igual en todos los casos y, posiblemente, mejor en algunos. En la notacin que estamos empleando, mejor equivale a mayor. Ver nota siguiente [11] Ntese que en la notacin generalmente empleada -por Pareto y otros- los smbolos estn invertidos. Es decir que , de acuerdo al formalismo que se encuentra generalmente en textos econmicos, la relacin entre los posibles parmetros (..x,y..) utilizados por los participantes para evaluar beneficio DISMINUYEN. As, una posible relacin (S1) ser preferida a otra (S2) cuando al menos un parmetro (x) es menor en S1 que en S2 (x1 < x2). y los otros (y, z) son iguales. Si bien esta inversin de smbolos no vicia el argumento, es necesario tenerlo presente. [12] LERNER, Abba.: Economa del Control. Mxico, Fondo de Cultura Econmica (1951) [13] Joaqun Almoguera, etc, op. cit. [14] En economa el concepto de curva convexa corresponde en general a la antigua Ley de los rendimientos decrecientes pero expresada en terminologa moderna, para enfatizar el tratamiento matemtico que el concepto recibe estos das. Muy en general significa, en este caso, que a lo ms que se tenga de un bien determinado lo menos que se obtiene en beneficio [15] es decir, sin vacos o saltos sbitos [16] si el bien A se prefiere al bien B, y B a C, entonces A se prefiere a C [17] Una interpretacin al castellano de este teorema es que dos formas convexas no tienen interseccin en un plano si y solo si de puede trazar una lnea con una forma en un lado y la otra en el otro. En otras palabras, que entre dos curvas convexas que no se crucen se puede trazar una lnea de separacin que es perpendicular a un eje de separacin. [18] Davis, Donald R. accesible as PDf en Notes in Competitive Trade Theory (http:/ / www. columbia. edu/ ~drd28/ Text. pdf. ) (1994) (p 16) [19] Stiglitz, Joseph E. (Marzo de 1991), The Invisible Hand and Modern Economics. NBER Working Paper No. W3641., National Bureau of Economic Research (NBER) [20] A pesar de que esta eficiencia es generalmente descrita como aquella situacin en la cual se cumple que no es posible beneficiar a ms elementos de un sistema sin perjudicar a otros, las siguientes palabras de Pareto mismo quizs ayudarn a clarificar el sentido de la proposicin: El bienestar de algunos se puede mantener constante sin que nuestras conclusiones resulten afectadas. Pero si, por el contrario, el pequeo movimiento [de una forma de estado social a otro] aumenta el bienestar de algunos individuos y disminuye el de otros, no puede afirmarse que el cambio es ventajoso para la colectividad en su conjunto (Pareto Economa Matematica 1911, p 262). Para una examinacin

Teoremas fundamentales de la economa del bienestar


de implicaciones, ver, por ejemplo: eficiencia econmica (http:/ / www. eco-finanzas. com/ diccionario/ E/ EFICIENCIA_ECONOMICA. htm) [21] Quizs un ejemplo nos ayude a entender las limitaciones. Asumase que los deseos de alguien por ms bienes y servicios nunca sean satisfechos, una asignacin que de a esa persona todos los bienes y servicios seria eficiente de acuerdo con Pareto. Satisface el requerimiento que no podramos mejorar la posicin de otros sin empeorar la de alguno (en este caso, el que lo tiene todo). Si creemos que esto no es una situacin ptima para la sociedad, debemos admitir que el ptimo de Pareto no puede ser un criterio completo (Davis, Donald R, op. cit. p 12) [22] A. Sen en, por ejemplo: Sobre tica y economa. - Alianza Editorial, S.A (2003) [23] Davis, Donald. op. cit [24] Jos Luis Estrada Lpez, Angel Escobar Hernndez, Oscar Perea Garca: acceso parcial en tica y economa: desafos del mundo contemporneo (http:/ / books. google. com/ books?id=ZXh_qWAeu4cC) Plaza y Valdes, (1999) [25] Friedrich von Hayek, por ejemplo: La fatal arrogancia pero ver bibliografa en lnea ms abajo [26] Por ejemplo: .- Ver tambin: [27] Davis, op. cit

328

Bibliografa
Almoguera Carreres, Joaqun y otros: Estado, Justicia, derechos - Springer Science & Business, (2002) accesin parcial aqu (http://books.google.com/books?id=qagt_ZJviXkC) Lerner, Abba: Economa del Control. - Fondo de Cultura Econmica (1951) Sen, A.K: Bienestar, Justicia y Mercado:.- Ediciones Paids Ibrica (1997) Sen, A.K: Sobre tica y economa. Alianza Editorial, S.A (2003). Stiglitz, Joseph: La economa del sector pblico. (Antoni Bosch 2000) cap 3. Ferguson y J. p Gould: Teora microeconmica (1984) cap 15. Villar, A: Lecciones de Microeconoma. (Antoni Bosch. -1999)

Bibliografa en lnea
Aganofow, Alejandro: Los lmites de la eficiencia econmica en una sociedad democrtica. (http://www. economainstitucional.com/pdf/No16/aagafonow16.pdf) Garca, Pablo y Hoffman, Silvia T: El Bienestar como Preferencia y las Mediciones de Pobreza (http://www. csociales.uchile.cl/publicaciones/moebio/13/garcia.htm) Gavito, , Leopoldo P.: Una Aproximacin Elemental a la Microeconoma (http://lepoldogavito.blogspot.com/ 2008/09/una-aproximacin-elemental-la.html) Gonzales, Jorge Ivan: POLTICOS, PREDICADORES Y MERCADOS (http://www.economiainstitucional. com/pdf/No1/jgonzalez1.pdf) (comentario sobre un libro) Hayek, Friedrich A. (September 1945), "The Use of Knowledge in Society" (http://www.econlib.org/library/ Essays/hykKnw1.html), American Economic Review (American Economic Association) XXXV (No. 4): 519-530, (en ingls) Sen, A.K: Debates sobre teora del capital (http://www.fce.unal.edu.co/media/files/documentos/Cuadernos/ 29/v17n29_sen_debates_1998.pdf). (Artculo - 1974) Sen, A.K revision de : BIENESTAR, JUSTICIA Y MERCADO (http://dialnet.unirioja.es/servlet/ oaiart?codigo=1457413) en Revista espaola de control externo Vol. 1, N- 1, 1999 , (pags. 224-226) KC Border (2001): The Second Welfare Theorem (http://www.hss.caltech.edu/~kcb/Notes/SecondWelfare. pdf) Artculo de opinin: Latinoamrica necesita una poltica fiscal ms redistributiva, dicen expertos (http://www. elconfidencial.com/cache/2009/03/24/96_latinoamerica_necesita_politica_fiscal_redistributiva_dicen.html)

Lema fundamental de teora de cribas

329

Lema fundamental de teora de cribas


En teora de nmeros, ms especfico en teora de cribas, el lema fundamental de teora de cribas es uno de varios resultados que sistematizan el proceso de aplicar mtodos de cribado a problemas particulares. Halberstam y Richert [] aseguran: Un hecho curioso en la literatura de los mtodos de cribado, es que si bien se usa frecuentemente el mtodo de Brun, hay pocos intentos de formular un teorema general de Brun (tal como el teorema 2.1); como resultado, existen demasiados trabajos sorprendentes los cuales repiten en considerable detalle los pasos del argumento de Brun. Diamond y Halberstam[1] le atribuyeron la terminologa Lema Fundamental a Jonas Kubilius.

Notacin Comn
Usaremos la siguiente notacin: A es un conjunto de X enteros positivos, esto es |A|=X, y Ad es el subconjunto de A de enteros divisibles por d. w(d) y Rd son funciones de A y de d que estiman el nmero de elementos de A que son divisibles por d, acorde a la frmula

Luego w(d) / d representa una densidad aproximada de miembros divisibles por d, y Rd representa un error o trmino residuo. P es un conjunto de primos, y P(z) es el producto de los elementos de este que son menores o iguales a z S(A, P, z) es el nmero de elementos de A que no son divisibles por cualquier primo en P esto es z es una constante, llamada la densidad distinguidora,[] que aparece en las hiptesis anteriores . Este medida de peso es una media ponderada del nmero de clases residuales borradas por cada primo.

Lema fundamental de la criba combinatoria


Esta formulacin es de Tenenbaum.[] Otras formulaciones en Halberstam y Richert,[] en Greaves,[] y en Friedlander y Iwaniec.[2] Consideremos las siguiente hiptesis: w(d) es una funcin multiplicativa. La densidad distinguidora satisface, para alguna constante C y cualquier par de nmeros reales and con 2 :

Existe un parmetro u 1 esto es, a nuestra disposicin. Tenemos uniformente en A, X, z, y u que

Para ciertas aplicaciones fijamos u de manera que obtengamos el mejor trmino de error posible. En la criba esto representa el nmero de niveles en el principo de inclusin-exclusin.

Lema fundamental de teora de cribas

330

Lema fundamental para la criba de Selberg


Esta formulacin viene de Halberstam y Richert.[] otra formulacin se encuentra en Diamond y Halberstam.[1] Considere las hiptesis: w(d) es una funcin multiplicativa. La densidad distinguidora satisface, para alguna constante C y para cualquier par de nmeros reales y con 2 :

w(p) / p < 1 - c para algn nmero pequeo fijo c y todo p | Rd | (d) donde (d) es el nmero de distintos divisores primos de d. El lema fundamental tiene al menos la misma forma que la de la criba combinatoria. Tome u = ln X / ln z. La conclusin es:

Note que u no es un parmetro pequeo a nuestra disposicin, pero es controlada por la variable z, la cual se encuentra a nuestra disposicin. Note que el trmino de error es ms dbil que el trmino existente en el lema fundamental de la criba combinatoria. Halberstam y Richert aseguran:[] "Luego no es cierto decir, como se ha asegurado en la literatura(matemtica) por los tiempos de los tiempos, que la criba de Selberg es siempre mejor que la de Brun."

Vase
Teora de cribas

Notas

Teora de cribas

331

Teora de cribas
La teora de cribas es un conjunto de tcnicas generales en teora de nmeros, diseadas para contar o estimar el tamao de un conjunto de nmeros enteros. El ejemplo primordial de un conjunto tamizado es conjunto de nmeros primos menores iguales a x. Correspodientemente, el ejemplo primordial es la criba de Eratstenes, o ms general, la criba de Legendre. El ataque directo sobre los nmeros primos usando estos mtodos muestra obstculos aparentemente insuperables, en el camino de la acumulacin de trminos de errores. Un resultado exitoso es la aproximacin de un conjunto tamizado en especfico (por ejemplo, el conjunto de nmeros primos) por otro conjunto simple (por ejemplo, el conjunto de los nmeros casi primos), que suele ser un poco ms grande que el conjunto original y ms fcil de analizar. Cribas ms sofisticadas no trabajan directamente con el conjunto en si, sino que cuentan de acuerdo con funciones de peso cuidadosamente elegidas en el conjunto.

Tipos de cribas
Entre las cribas modernas se encuentran la Criba de Brun, la criba de Atle Selberg y el cribado grande. Uno de los objetivos generales de la teora de cribas era la de tratar de aclarar las conjeturas en teora de nmeros, tales como la conjetura de los nmeros primos gemelos. Aunque los objetivos originales no se han logrado, ha habido algunos xitos parciales, especialmente en combinacin con otras herramientas en teora de nmeros. Algunos aspectos destacados son: 1. Teorema de Brun, afirma que la suma de los inversos de los nmeros primos gemelos converge (en contraste a la suma de los inversos de los nmeros primos, que diverge) 2. Teorema de Chen, nos dice que existen infinitos nmeros primos p tales que p+2 es primo o semiprimo (el producto de dos primos). Este teorema est muy relacionado al teorema que dice que todo nmero par suficientemente grande es la suma de dos primos o un primo y un semiprimo. 3. Lema fundamental de la teora de cribas, afirma (de una manera aproximada) que si uno est cribando un conjunto de N nmeros, entonces uno puede estimar el nmeros de elementos restantes despus de iteraciones para n suficientemente pequeo (fracciones de hasta 1/10 son tpicas aqu). Este lema resulta por lo general demasiado dbil para cribar primos (algo que por lo general requiere unas iteraciones), pero puede ser suficiente para obtener resultados concernientes a los nmeros casi primos. 4. Teorema de Bomberi-Friedlander-Iwaniec, afirma que hay infinitos nmeros primos de la forma .

Mtodos y tcnicas
Las tcnicas de teora de cribas pueden ser muy poderosas, pero parece ser limitado por un problema llamado paridad, este problema asegura que dado un conjunto cuyos elementos son todos producto de un nmero par (o impar) de factores primos, los mtodos de teora de cribas no estn en condiciones para dar comportamientos asintticos no triviales, de dicho conjunto. Comparado con otros mtodos en teora de nmeros, la teora de cribas es comparativamente elemental, en el sentido de que no es necesario requerir de conceptos sofisticados, bien sea de teora algebraica de nmeros o teora analtica de nmeros. Sin embargo las ms avanzadas cribas pueden ser muy delicadas e intrigadoras (especialmente cuando combina tcnicas de teora de nmeros) y muchos textos de la teora de nmeros se han dedicado a este subcampo.

Teora de cribas

332

Bibliografa
Cojocaru, Alina Carmen; Murty, M. Ram (2006), An introduction to sieve methods and their applications, London Mathematical Society Student Texts, 66, Cambridge University Press, ISBN 0521848164. H. Halberstam and H. E. Richert. Sieve Methods. London: Academic Press, 1974. ISBN 0-12-318250-6. Terence Tao. Open question: The parity problem in sieve theory, (http://terrytao.wordpress.com/2007/06/05/ open-question-the-parity-problem-in-sieve-theory)

Criba de Brun
En matemticas, el mtodo de cribado de Brun, el teorema de Brun o criba de Brun es un resultado en la teora de nmeros ms especficamente en teora de cribas dado por Viggo Brun en 1919. Tiene importancia histrica en la introduccin de los mtodos de cribas. La criba de Brun nos da el tamao de ciertos conjuntos que queremos estudiar usando ciertas funciones de las cuales nos valemos para estudiar el conjunto.

Criba de Brun
Como funcin Sea la funcin bien definida para todo d con es el nmero de elementos restantes en cribando por los elementos de . , esto es, todos los . Considere los siguientes conjuntos

elementos restantes al quitar los nmeros correspondientes al conjunto Considere la siguiente funcin es una funcin o comportamiento de manera tal que

sea una buena aproximacin a la cardinalidad

del conjunto Suponga que

, esto es, que las variables implicadas en el error no sea muy grandes o sean errores admisibles. . con ,

Bajo todas estas condiciones se puede afirmar que para todo entero no negativo r existe tales que,

Tenga en cuenta que

es la

-esima potencia de e.

Criba de Brun Como versin del principio de inclusin-exclusin Una versin ms simple de la criba de Brun, es una desigualdad combinatoria la cual es una versin del el principio de inclusin-exclusin. Este nos da una comportamiento asinttico del conjunto con ciertas propiedades dicindonos a qu es menor y a qu es mayor. Sea X un conjunto no vaco, N un conjunto finito de objetos, sea P1,...,Pr r diferentes propiedades que tienen ciertos elemetos del conjunto X. Sea N0 el nmero de elementos que no cumplen estas propiedades. Para cualquier subconjunto I={i1,...,ik}, del conjunto de indices {1,2,...,r}, sea N (I)=N (i1,...,ik) denota el nmero de elementos de X que tienen cada una de las propiedades de Pik,...,Pik. SEa N()=|X|=N. Si m es un enteno par no negativo, entonces

333

Si m es un entero no negativo impar, entonces

Resultados
Algunos resultados que se obtienen al usar o aplicar la criba de brun son: Aproximacin de . A travs de este mtodo podemos estimar que existe una constante c>0, tal que:

para todo

muy pequeo. . Al igual que se puede obtener el comportamiento asinttico de los

Comportamiento asinttico de

primos menores que x se puede obtener los el comportamiento de los primos gemelos menores que x:

Convergencia de los primos gemelos. Como pilar de esta criba, a pesar de que se puede demostrar como consecuencia de lo anterior, esta la convergencia de la suma de los recprocos de los primos gemelos

Al nmero al cual converge se le conoce como la constante de Brun. Acerca de la conjetura de Goldbach. Viggo Brun en 1920 prob, a travs de la criba combinatoria (Criba de brun), que todo nmero par suficientemente grande puede escribirse como suma de dos enteros cada uno producto de al menos nueve primos. Nmeros producto de primos. Brun tambin mostr que existen infinitos enteros n tales que n, n+2 es producto de al menos 9 primos.

Referencias
Melvyn B. Nathanson "Additive Number Theory, the Classical Bases" Springer pginas 167-168-173. 1996

Constante de Brun

334

Constante de Brun
La constante de Brun, B2, es el valor al que converge la suma de los inversos de los nmeros primos gemelos:

En 1919 Viggo Brun demostr la convergencia de la serie. Esto contrasta con el hecho de que la suma de los inversos de todos los nmeros diverge. Si la serie de Brun fuera divergente, demostrara la infinidad de los primos gemelos (conjetura de los nmeros primos gemelos), pero como es convergente no es posible tal demostracin. Calculando los primos gemelos hasta 1014 (y al mismo tiempo descubriendo el error de divisin del Intel Pentium), Thomas Nicely estimo la constante de Brun en 1,902160578. La mejor estimacin hasta la actualidad es la de Pascal Sebah y Patrick Demichel publicada en el ao 2002, con todos los primos gemelos hasta 1016: B2 1,902160583104 Tambin existe la constante de Brun por primos cudruples. Un primo cudruple es una pareja de primos gemelos separados por 4 unidades (la distancia ms pequea posible). Los primeros primos cudruples son (5, 7, 11, 13), (11, 13, 17, 19) y (101, 103, 107, 109). Esta constante, B4, es la suma de los inversos de todos los primos cudruples:

con un valor de: B4 = 0,87058 83800 0,00000 00005

Enlaces externos
Artculo sobre los nmeros primos gemelos y la Constante de Brun [1] (en ingls) Clculo de la constante de Brun [2] (en ingls)

Referencias
[1] http:/ / www. trnicely. net/ twins/ twins2. html [2] http:/ / numbers. computation. free. fr/ Constants/ Primes/ twin. html

Conjetura de los nmeros primos gemelos

335

Conjetura de los nmeros primos gemelos


Dos nmeros primos se denominan gemelos si uno de ellos es igual al otro ms dos unidades. As pues, los nmeros primos 3 y 5 forman una pareja de primos gemelos. Otros ejemplos de pares de primos gemelos son 11 y 13, 29 y 31 41 y 43. Conforme se van considerando primos ms grandes la frecuencia de aparicin de pares de primos gemelos va disminuyendo, pero aun as se ha visto computacionalmente que siguen surgiendo pares de primos gemelos aun entre nmeros de tamaos enormes. La conjetura de los primos gemelos postula la existencia de infinitos pares de primos gemelos. Dado que es una conjetura, est todava sin demostrar. Existe un nmero infinito de primos p tales que p + 2 tambin es primo. La conjetura ha sido investigada por muchos tericos de nmeros. La mayora de matemticos cree que la conjetura es cierta, y se basan en evidencias numricas y razonamientos heursticos sobre la distribucin probabilstica de los nmeros primos. En 1849, Alphonse de Polignac formul una conjetura ms general segn la cual, para todo nmero natural k existen infinitos pares de primos cuya diferencia es 2k. El caso k=1 es la conjetura de los nmeros primos gemelos.

Resultados parciales
En 1940, Erds mostr que existe una constante c < 1 e infinitos primos p tales que p - p < cln(p), donde p denota el nmero primo que sigue a p. Este resultado fue mejorado sucesivamente: en 1986 Maier mostr que poda emplearse una constante c < 0,25. Daniel Goldston, Jnos Pintz y Cem Yildirim lograron un gran avance en 2005 al probar que el resultado es vlido para toda constante c>0. En 1973, Jing-run Chen public una prueba que existen infinitos nmeros primos p tales que p+2 es un producto de, a lo ms, dos factores primos. Para conseguir este resultado se bas en la llamada teora de cribas, y consigui tratar la conjetura de los primos gemelos y la conjetura de Goldbach de forma similar.

Conjetura de Hardy-Littlewood
Tambin existe una generalizacin de la conjetura de los primos gemelos, conocida como la conjetura de Hardy-Littlewood, sobre la distribucin de los primos gemelos, de forma anloga al teorema de los nmeros primos. Dentese como 2(x) el nmero de primos p menores que x tales que p+2 tambin es primo. Defnase la constante de los nmeros primos C2 como el siguiente producto de Euler

para primos mayores o iguales que tres. La conjetura dice que:

en el mismo sentido en que el cociente de las dos expresiones tiende a 1 cuando x tiende a infinito. Esta conjetura puede justificarse (pero no demostrarse) si se supone, informalmente hablando, que el evento que n no sea divisible por p y el evento que n+2 no sea divisible por p son estadsticamente dependientes slo en la medida que el hecho que n no sea divisible por p hace que p|n+2 sea un evento entre p-1 eventos igualmente probables, y no un evento entre p eventos igualmente probables. La evidencia numrica que hay detrs de la conjetura de Hardy-Littlewood es ciertamente impresionante.

Conjetura de los nmeros primos gemelos

336

Enlaces externos
Caldwell, Chris. The Top Twenty:Twin Primes [1] (en ingls). The Prime Pages. Universidad de Tennessee. Weisstein, Eric W. Twin Primes [2] (en ingls). MathWorld. Wolfram Research. Xavier Gourdon, Pascal Sebah: Introduction to Twin Primes and Brun's Constant [2]

Referencias
[1] http:/ / primes. utm. edu/ top20/ page. php?id=1 [2] http:/ / mathworld. wolfram. com/ TwinPrimes. html

Nmeros primos gemelos


En matemticas, y ms concretamente en teora de nmeros, dos nmeros primos (p, q) son nmeros primos gemelos si estn separados por una distancia de 2, es decir, si . Todos los nmeros primos, excepto el 2, son impares. Los nicos dos nmeros primos consecutivos son el 2 y el 3. La cuestin surge de encontrar dos nmeros primos que sean impares consecutivos, es decir que se hallen a una distancia de 2. El primero en llamarlos as fue Paul Stckel.

Propiedades
A partir del par (5, 7), el nmero intermedio es siempre mltiplo de 6, por ende de 2 y de 3. Se sabe que la suma de los inversos de todos los nmeros primos gemelos converge a un nmero,

A esta constante se le conoce como constante de Brun. Esto contrasta con la suma de los inversos de todos los primos, que diverge. Se ha demostrado que el par n, n + 2 es de nmeros primos gemelos si y slo si:

Distribucin de los nmeros primos gemelos


No se sabe si existen infinitos nmeros primos gemelos, aunque se cree ampliamente que s. ste es el contenido de la conjetura de los nmeros primos gemelos. Una forma fuerte de la conjetura de los nmeros primos gemelos, la conjetura de Hardy-Littlewood, postula una ley de distribucin de los nmeros primos gemelos similar al teorema de los nmeros primos:

donde C2 es la constante de los nmeros primos gemelos, definida mediante el siguiente producto de Euler:

Los nmeros primos gemelos ms grandes conocidos son el par 2003663613 2195000 - 1 y 2003663613 2195000 + 1, que tienen 58711 dgitos.[1] Fueron descubiertos en 2007 por Vautier, McKibbon, Gribenko et al. Anteriormente, el par 100314512544015 2171960 - 1 y 100314512544015 2171960 + 1, que tiene 51.780 dgitos[2] y fue descubierto en el 2006 por los matemticos hngaros: Zoltn Jrai, Gabor Farkas, Timea Csajbok, Janos Kasza y Antal Jrai.

Nmeros primos gemelos

337

Duplas de primos gemelos


Hay 35 duplas de nmeros primos gemelos entre los nmeros enteros menores que 1000 y son (A077800): (3, 5), (5, 7), (11, 13), (17, 19), (29, 31), (41, 43), (59, 61), (71, 73), (101, 103), (107, 109), (137, 139), (149, 151), (179, 181), (191, 193), (197, 199), (227, 229), (239, 241), (269, 271), (281, 283), (311, 313), (347, 349), (419, 421), (431, 433), (461, 463), (521, 523), (569, 571), (599, 601), (617, 619), (641, 643), (659, 661), (809, 811), (821, 823), (827, 829), (857, 859), (881, 883).

Referencias
[1] The Prime Pages (http:/ / primes. utm. edu/ bios/ code. php?code=x24) - el mayor par conocido de primos gemelos [2] The Prime Pages (http:/ / primes. utm. edu/ top20/ page. php?id=1)

Enlaces externos
Weisstein, Eric W. Twin Primes (http://mathworld.wolfram.com/TwinPrimes.html) (en ingls). MathWorld. Wolfram Research.

Nmero primo
En matemticas, un nmero primo es un nmero natural mayor que 1 que tiene nicamente dos divisores La distribucin de los nmeros primos (lnea azul) hasta el 400 distintos: l mismo y el 1. Los nmeros primos se contraponen as a los compuestos, que son aquellos que tienen algn divisor natural aparte de s mismos y del 1. El nmero 1, por convenio, no se considera ni primo ni compuesto. Los nmeros primos menores que cien son los siguientes: 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89 y 97.[1] La propiedad de ser primo se denomina primalidad. A veces se habla de nmero primo impar para referirse a cualquier nmero primo mayor que 2, ya que ste es el nico nmero primo par. A veces se denota el conjunto de todos los nmeros primos por . El estudio de los nmeros primos es una parte importante de la teora de nmeros, la rama de las matemticas que comprende el estudio de los nmeros enteros. Los nmeros primos estn presentes en algunas conjeturas centenarias tales como la hiptesis de Riemann y la conjetura de Goldbach. La distribucin de los nmeros primos es un tema recurrente de investigacin en la teora de nmeros: si se consideran nmeros individuales, los primos parecen estar distribuidos aleatoriamente, pero la distribucin global de los nmeros primos sigue leyes bien definidas.

Historia de los nmeros primos


Matemticas anteriores a la Antigua Grecia
Las muescas presentes en el hueso de Ishango, que data de hace ms de 20.000 aos (anterior por tanto a la aparicin de la escritura) y que fue hallado por el arquelogo Jean de Heinzelin de Braucourt,[2] parecen aislar cuatro nmeros primos: 11, 13, 17 y 19. Algunos arquelogos interpretan este hecho como la prueba del conocimiento de los nmeros primos. Con todo, existen muy pocos hallazgos que permitan discernir los conocimientos que tena realmente el hombre de aquella poca.[3]

Nmero primo Numerosas tablillas de arcilla seca atribuidas a las civilizaciones que se fueron sucediendo en Mesopotamia a lo largo del II milenio a.C. muestran la resolucin de problemas aritmticos y atestiguan los conocimientos de la poca. Los clculos requeran conocer los inversos de los naturales, que tambin se han hallado en tablillas.[4] En el sistema sexagesimal que empleaban los babilonios para escribir los nmeros, los inversos de los divisores de potencias de 60 (nmeros regulares) se calculan fcilmente; por ejemplo, dividir entre 24 equivale a multiplicar por 150 (260+30) y correr la coma sexagesimal dos lugares. El conocimiento matemtico de los babilonios necesitaba una slida comprensin de la multiplicacin, la divisin y la factorizacin de los naturales. En las matemticas egipcias, el clculo de fracciones requera conocimientos sobre las operaciones, la divisin de naturales y la factorizacin. Los egipcios slo operaban con las llamadas fracciones egipcias, suma de fracciones unitarias, es decir, aquellas cuyo numerador es 1, como , por lo que las fracciones de numerador distinto de 1 se escriban como suma de inversos de naturales, a ser posible sin repeticin .[5] Es por ello que, en cierta manera, tenan que conocer o intuir los nmeros primos.[6] en lugar de

338

Antigua Grecia
La primera prueba indiscutible del conocimiento de los nmeros primos se remonta a alrededor del ao 300a.C. y se encuentra en los Elementos de Euclides (tomos VII a IX). Euclides define los nmeros primos, demuestra que hay infinitos de ellos, define el mximo comn divisor y el mnimo comn mltiplo y proporciona un mtodo para determinarlos que hoy en da se conoce como el algoritmo de Euclides. Los Elementos contienen asimismo el teorema fundamental de la aritmtica y la manera de construir un nmero perfecto a partir de un nmero primo de Mersenne. La criba de Eratstenes, atribuida a Eratstenes de Cirene, es un mtodo sencillo que permite encontrar nmeros primos. Hoy en da, empero, los mayores nmeros primos que se encuentran con la ayuda de ordenadores emplean otros algoritmos ms rpidos y complejos.

Matemticas modernas
Despus de las matemticas griegas, hubo pocos avances en el estudio de los nmeros primos hasta el siglo XVII. En 1640 Pierre de Fermat estableci (aunque sin demostracin) el pequeo teorema de Fermat, posteriormente demostrado por Leibniz y Euler. Es posible que mucho antes se conociera un caso especial de dicho teorema en China. Fermat conjetur que todos los nmeros de la forma 22n+1 eran primos (debido a lo cual se los conoce como nmeros de Fermat) y verific esta propiedad hasta n = 4 (es decir, 216+1). Sin embargo, el nmero de Fermat 232+1 es compuesto (uno de sus factores primos es 641), como demostr Euler. De hecho, hasta nuestros das no se conoce ningn nmero de Fermat que sea primo aparte de los que ya conoca el propio Fermat. El monje francs Marin Mersenne investig los nmeros primos de la forma 2p1, con p primo. En su honor, se los conoce como nmeros de Mersenne.
Pierre de Fermat.

Nmero primo En el trabajo de Euler en teora de nmeros se encuentran muchos resultados que conciernen a los nmeros primos. Demostr la divergencia de la serie , y en 1747 demostr que todos los nmeros perfectos pares son de la forma 2p-1(2p - 1), donde el segundo factor es un nmero primo de Mersenne. Se cree que no existen nmeros perfectos impares, pero todava es una cuestin abierta. A comienzos del siglo XIX, Legendre y Gauss conjeturaron de forma independiente que, cuando n tiende a infinito, el nmero de primos menores o iguales que n es asinttico a , donde ln(n) es el logaritmo natural de n. Las ideas que Bernhard Riemann plasm en un trabajo de 1859 sobre la funcin zeta describieron el camino que conducira a la demostracin del teorema de los nmeros primos. Hadamard y De la Valle-Poussin, cada uno por separado, dieron forma a este esquema y consiguieron demostrar el teorema en 1896. Actualmente no se comprueba la primalidad de un nmero por divisiones sucesivas, al menos no si el nmero es relativamente grande. Durante el siglo XIX se desarrollaron algoritmos para saber si un nmero es primo o no factorizando completamente el nmero siguiente (p+1) o el anterior (p-1). Dentro del primer caso se encuentra el test de Lucas-Lehmer, desarrollado a partir de 1856. Dentro del segundo caso se encuentra el test de Ppin para los nmeros de Fermat (1877). El caso general de test de primalidad cuando el nmero inmediatamente anterior se encuentra completamente factorizado se denomina test de Lucas. Posteriormente se encontraron algoritmos de primalidad con slo obtener una factorizacin parcial de p+1 o p-1. Ejemplos de de estos algoritmos son el test de Proth (desarrollado alrededor de 1878) y el test de Pocklington (1914). En estos algoritmos se requiere que el producto de los factores primos conocidos de p-1 sea mayor que la raz cuadrada de p. Ms recientemente, en 1975, Brillhart, Lehmer y Selfridge desarrollaron el test BLS de primalidad que slo requiere que dicho producto sea mayor que la raz cbica de p. El mejor mtodo conocido de esta clase es el test de Konyagin y Pomerance del ao 1997, que requiere que dicho producto sea mayor que p3/10.[7][8] A partir de la dcada de 1970 varios investigadores descubrieron algoritmos para determinar si cualquier nmero es primo o no con complejidad subexponencial, lo que permite realizar tests en nmeros de miles de dgitos, aunque son mucho ms lentos que los mtodos anteriores. Ejemplos de estos algoritmos son el test APRT-CL (desarrollado en 1979 por Adleman, Pomerance y Rumely, con mejoras introducidas por Cohen y Lenstra en 1984), donde se usan los factores de pm-1, donde el exponente m depende del tamao del nmero cuya primalidad se desea verificar, el test de primalidad por curvas elpticas (desarrollado en 1986 por S. Goldwasser, J. Kilian y mejorado por A. O. L. Atkin), que entrega un certificado consistente en una serie de nmeros que permite despus confirmar rpidamente si el nmero es primo o no. El desarrollo ms reciente es el test de primalidad AKS (2002), que si bien su complejidad es polinmica, para los nmeros que puede manejar la tecnologa actual es el ms lento de los tres. Durante mucho tiempo, se pensaba que la aplicacin de los nmeros primos era muy limitada fuera de la matemtica pura.[9][10] Esto cambi en los aos 1970 con el desarrollo de la criptografa de clave pblica, en la que los nmeros primos formaban la base de los primeros algoritmos, tales como el algoritmo RSA. Desde 1951, el mayor nmero primo conocido siempre ha sido descubierto con la ayuda de ordenadores. La bsqueda de nmeros primos cada vez mayores ha suscitado inters incluso fuera de la comunidad matemtica. En los ltimos aos han ganado popularidad proyectos de computacin distribuida tales como el GIMPS, mientras los matemticos siguen investigando las propiedades de los nmeros primos.

339

Primalidad del nmero 1


La cuestin acerca de si el nmero 1 debe o no considerarse primo est basada en la convencin. Ambas posturas tienen sus ventajas y sus inconvenientes. De hecho, hasta el siglo XIX, los matemticos en su mayora lo consideraban primo. Muchos trabajos matemticos siguen siendo vlidos a pesar de considerar el 1 como un nmero primo, como, por ejemplo, el de Stern y Zeisel. La lista de Derrick Norman Lehmer de nmeros primos hasta el 10.006.721, reimpresa hasta el ao 1956[11] empezaba con el 1 como primer nmero primo.[12]

Nmero primo Actualmente, la comunidad matemtica se inclina por no considerar al 1 en la lista de los nmeros primos. Esta convencin, por ejemplo, permite una formulacin muy econmica del teorema fundamental de la aritmtica: todo nmero natural tiene una representacin nica como producto de factores primos, salvo el orden.[13][14] Adems, los nmeros primos tienen numerosas propiedades de las que carece el 1, tales como la relacin del nmero con el valor correspondiente de la funcin de Euler o la funcin suma de divisores.[15]

340

Propiedades de los nmeros primos


Teorema fundamental de la aritmtica
El teorema fundamental de la aritmtica establece que todo nmero natural tiene una representacin nica como producto de factores primos, salvo el orden. Un mismo factor primo puede aparecer varias veces. El 1 se representa entonces como un producto vaco. Se puede considerar que los nmeros primos son los ladrillos con los que se construye cualquier nmero natural. Por ejemplo, se puede escribir el nmero 23.244 como producto de 22313149, y cualquier otra factorizacin del 23.244 como producto de nmeros primos ser idntica excepto por el orden de los factores. La importancia de este teorema es una de las razones para excluir el 1 del conjunto de los nmeros primos. Si se admitiera el 1 como nmero primo, el enunciado del teorema requerira aclaraciones adicionales.
Esta ilustracin muestra que el 11 es un nmero primo, pero el 12 no lo es.

A partir de esta unicidad en la factorizacin en factores primos se desarrollan otros conceptos muy utilizados en matemticas, tales como el mnimo comn mltiplo, el mximo comn divisor y la coprimalidad de dos o ms nmeros. As, El mnimo comn mltiplo de dos o ms nmeros es el menor de los mltiplos comunes de todos ellos. Para calcularlo, se descomponen los nmeros en factores primos y se toman los factores comunes y no comunes con su mximo exponente. Por ejemplo, el mnimo comn mltiplo de 10=25 y 12=223 es 60=2235. El mximo comn divisor de dos o ms nmeros es el mayor de los divisores comunes de todos ellos. Es igual al producto de los factores comunes con su mnimo exponente. En el ejemplo anterior, el mximo comn divisor de 10 y 12 es 2. Finalmente, dos o ms nmeros son coprimos, o primos entre s, si no tienen ningn factor primo comn; es decir, si su mximo comn divisor es 1. Un nmero primo es, as, coprimo con cualquier nmero natural que no sea mltiplo de l mismo.

Otras propiedades
En su representacin decimal, todos los nmeros primos salvo el 2 y el 5 acaban en 1, 3, 7 9. En general, en cualquier sistema de numeracin, todos los nmeros primos salvo un nmero finito acaban en una cifra que es coprima con la base. De lo anterior se deduce que todos los nmeros primos salvo el 2 son de la forma 4n + 1 o bien 4n - 1. Igualmente, todos los nmeros primos salvo el 2 y el 3 son de la forma 6n + 1 o 6n - 1. Lema de Euclides: Si p es un nmero primo y divisor del producto de nmeros enteros ab, entonces p es divisor de a o de b. Pequeo teorema de Fermat: Si p es primo y a es algn nmero natural diferente de 1, entonces ap - a es divisible por p.

Nmero primo

341

Si p es primo distinto de 2 y 5, siempre es un nmero peridico en su representacin decimal, de periodo p1 o un divisor de p1. Esto se puede deducir directamente a partir del pequeo teorema de Fermat. expresado en base q (en lugar de en base 10) tiene propiedades similares, siempre que p no sea un factor primo de q. Teorema de Wilson: Un nmero natural n > 1 es primo si y solo si el factorial (n - 1)! + 1 es divisible por n. Asimismo, un nmero natural n > 4 es compuesto si y slo si (n - 1)! es divisible por n. La caracterstica de todo cuerpo es, o bien cero, o bien un nmero primo. Primer teorema de Sylow: Si G es un grupo finito, p primo y pn es la mayor potencia de p que divide el orden de G. Entonces, existe un subgrupo de G de orden pn. Teorema de Cauchy: Si G es un grupo finito y p es un nmero primo que divide al orden de G, entonces G contiene un elemento de orden p. La constante de Copeland-Erds 0,235711131719232931374143, obtenida por concatenacin de los nmeros primos en el sistema decimal, es un nmero irracional. El valor de la funcin zeta de Riemann en cada punto del plano complejo se da como una continuacin meromorfa de una funcin definida por un producto sobre el conjunto de todos los primos para Re(s) > 1:

En la regin donde es convergente, este producto indexado por los nmeros primos se puede calcular, obtenindose diversos valores, algunos de ellos importantes en teora de nmeros. Los dos primeros son: (Correspondiente a la serie armnica, relacionado con la infinitud de nmeros primos). (Correspondiente al problema de Basilea). En general es un nmero racional cuando n es un nmero entero positivo par.

El anillo es un cuerpo si y solo si p es primo. Equivalentemente: p es primo si y solo si (p) = p 1. Si p > 1, el polinomio xp-1+xp-2+ + 1 es irreducible sobre si y slo si p es primo. Un nmero natural n es primo si y slo si el n-simo polinomio de Chebyshov de la primera especie Tn(x), dividido entre x, es irreducible en . Adems, Tn(x) xn si y slo si n es primo.

Nmeros primos y funciones aritmticas


Las funciones aritmticas, es decir, funciones reales o complejas, definidas sobre un conjunto de nmeros naturales, desempean un papel crucial en la teora de nmeros. Las ms importantes son las funciones multiplicativas, que son aquellas funciones f en las cuales, para cada par de nmeros coprimos (a,b) se tiene . Algunos ejemplos de funciones multiplicativas son la funcin de Euler, que a cada n asocia el nmero de enteros positivos menores y coprimos con n, y las funciones y , que a cada n asocian respectivamente el nmero de divisores de n y la suma de todos ellos. El valor de estas funciones en las potencias de nmeros primos es , , . Gracias a la propiedad que las define, las funciones aritmticas pueden calcularse fcilmente a partir del valor que toman en las potencias de nmeros primos. De hecho, dado un nmero natural n de factorizacin

Nmero primo se tiene que

342

con lo que se ha reconducido el problema de calcular f(n) al de calcular f sobre las potencias de los nmeros primos que dividen n, valores que son generalmente ms fciles de obtener mediante una frmula general. Por ejemplo, para conocer el valor de la funcin sobre n=450=23252 basta con calcular .

Caractersticas del conjunto de los nmeros primos


Infinitud de los nmeros primos
Existen infinitos nmeros primos. Euclides realiz la primera demostracin alrededor del ao 300a.C. en el libro IX de su obra Elementos[16] Una adaptacin comn de esta demostracin original sigue as: Se toma un conjunto arbitrario pero finito de nmeros primos p1, p2, p3, , pn, y se considera el producto de todos ellos ms uno, . Este nmero es obviamente mayor que 1 y distinto de todos los primos pi de la lista. El nmero q puede ser primo o compuesto. Si es primo tendremos un nmero primo que no est en el conjunto original. Si, por el contrario, es compuesto, entonces existir algn factor p que divida a q. Suponiendo que p es alguno de los pi, se deduce entonces que p divide a la diferencia , pero ningn nmero primo divide a 1, es decir, se ha llegado a un absurdo por suponer que p est en el conjunto original. La consecuencia es que el conjunto que se escogi no es exhaustivo, ya que existen nmeros primos que no pertenecen a l, y esto es independiente del conjunto finito que se tome. Por tanto, el conjunto de los nmeros primos es infinito. Si se toma como conjunto el de los n primeros nmeros primos, entonces , donde pn# es lo que se llama primorial de pn. Un nmero primo

de la forma pn# +1 se denomina nmero primo de Euclides en honor al matemtico griego. Tambin se puede elaborar una demostracin similar a la de Euclides tomando el producto de un nmero dado de nmeros primos menos uno, el lugar del producto de esos nmeros primos ms uno. En ese sentido, se denomina nmero primo primorial a un nmero primo de la forma pn# 1. No todos los nmeros de la forma pn# +1 son primos. En este caso, como se sigue de la demostracin anterior, todos los factores primos debern ser mayores que n. Por ejemplo: 23571113+1=30031=59509 Otros matemticos han demostrado la infinitud de los nmeros primos con diversos mtodos procedentes de reas de las matemticas tales como al lgebra conmutativa y la topologa.[17] Algunas de estas demostraciones se basan en el uso de sucesiones infinitas con la propiedad de que cada uno de sus trminos es coprimo con todos los dems, por lo que se crea una biyeccin entre los trminos de la sucesin y un subconjunto (infinito) del conjunto de los primos. Una sucesin que cumple dicha propiedad es la sucesin de Euclides-Mullin, que deriva de la demostracin eucldea de la infinitud de los nmeros primos, ya que cada uno de sus trminos se define como el factor primo ms pequeo de uno ms el producto de todos los trminos anteriores. La sucesin de Sylvester se define de forma similar, puesto que cada uno de sus trminos es igual a uno ms el producto de todos los anteriores. Aunque los trminos de esta ltima sucesin no son necesariamente todos primos, cada uno de ellos es coprimo con todos los dems, por lo que se puede escoger cualquiera de sus factores primos, por ejemplo, el menor de ellos, y el conjunto resultante ser un conjunto infinito cuyos trminos son todos primos.

Nmero primo Otros enunciados que implican la infinitud de los nmeros primos Un resultado an ms fuerte, y que implica directamente la infinitud de los nmeros primos, fue descubierto por Euler en el siglo XVIII. Establece que la serie es divergente. Uno de los teoremas de Mertens concreta ms, estableciendo que
[18]

343

donde la expresin O(1) indica que ese trmino est acotado entre -C y C para n mayor que n0, donde los valores de C y n0 no estn especificados.[19] Otro resultado es el teorema de Dirichlet, que dice as: En toda progresin aritmtica an = a + nq, donde los enteros positivos a, q 1 son primos entre s, existen infinitos trminos que son primos. El postulado de Bertrand enuncia as: Si n es un nmero natural mayor que 3, entonces siempre existe un nmero primo p tal que n < p < 2n- 2. Una manera ms dbil pero elegante de formularlo es que, si n es un nmero natural mayor que 1, entonces siempre existe un nmero primo p tal que n < p < 2n. Esto supone que, en una progresin geomtrica de primer trmino entero mayor que 3 y razn igual a 2, entre cada trmino de la progresin y el siguiente, se tiene al menos un nmero primo.

Frecuencia de los nmeros primos

10 102 103 104 105 106 107 108 109

4 25 168 1.229 9.592 78.498 664.579 5.761.455 50.847.534

0,3 3,3 23 143 906 6.116 44.158 332.774 2.592.592 20.758.029 ...

2,2 5,1 10 17

2,500 4,000 5,952 8,137

38 10,425 130 12,740 339 15,047 754 17,357 1.701 19,667 3.104 21,975 ... ...

1010 455.052.511 ... ...

Nmero primo

344

Una vez demostrado la infinitud de los nmeros primos, cabe preguntarse cmo se distribuyen los primos entre los nmeros naturales, es decir, cun frecuentes son y dnde se espera encontrar el n-simo nmero primo. Este estudio lo iniciaron Gauss y Legendre de forma independiente a finales del siglo XVIII, para el cual introdujeron la funcin enumerativa de los nmeros primos (n), y conjeturaron que su valor fuese aproximadamente .[20] El empeo de demostrar esta conjetura Comparacin entre las funciones (n) (azul), n / ln n (verde) y Li(n) (rojo); se abarc todo el siglo XIX. Los primeros puede ver que la aproximacin de (n) con Li(n) es mejor que la que hay con resultados fueron obtenidos entre 1848 y 1859 por Chebyshov, quien demostr utilizando mtodos puramente aritmticos la existencia de dos constantes A y B tales que

para n suficientemente grande. Consigui demostrar que, si exista el lmite del cociente de aquellas expresiones, ste deba ser 1. Hadamard y De la Valle-Poussin elaboraron una demostracin en 1896, independientemente el uno del otro, usando mtodos similares, basados en el uso de la funcin zeta de Riemann, que haba sido introducida por Bernhard Riemann en 1859. Hubo que esperar hasta 1949 para encontrar una demostracin que usara slo mtodos elementales (es decir, sin usar el anlisis complejo). Esta demostracin fue ideada por Selberg y Erds. Actualmente, se conoce el teorema como teorema de los nmeros primos. El mismo Gauss introdujo una estimacin ms precisa, utilizando la funcin logaritmo integral: . En 1899 De la Valle-Poussin demostr que el error que se comete aproximando de esta forma es

para una constante positiva a y para cada entero m. Este resultado fue ligeramente mejorado a lo largo de los aos. Por otra parte, en 1901 Von Koch mostr que si la hiptesis de Riemann era cierta, se tena la siguiente estimacin, ms precisa:[21]

Una forma equivalente al teorema de los nmeros primos es que pn, el n-simo nmero primo, queda bien aproximado por nln(n). En efecto, pn es estrictamente mayor que este valor.

Nmero primo

345

Diferencia entre dos primos consecutivos


Ligado a la distribucin de los nmeros primos se encuentra el estudio de los intervalos entre dos primos consecutivos. Este intervalo, con la nica salvedad del que hay entre el 2 y el 3, debe ser siempre igual o mayor que 2, ya que entre dos nmeros primos consecutivos al menos hay un nmero par y por tanto compuesto. Si dos nmeros primos tienen por diferencia 2, se dice que son gemelos, y con la salvedad del "triplete" formado por los nmeros 3, 5 y 7, los nmeros gemelos se presentan siempre de dos en dos. Esto tambin es fcil de demostrar: entre tres nmeros impares consecutivos mayores que 3 siempre hay uno que es mltiplo de 3, y por tanto compuesto. Los primeros pares de nmeros primos gemelos son (3,5), (5,7), (11, 13), (17, 19) y (29, 31). Por otra parte, la diferencia entre primos consecutivos puede ser tan grande como se quiera: dado un nmero natural n, se denota por n! su factorial, es decir, el producto de todos los nmeros naturales comprendidos entre 1 y n. Los nmeros (n+1)!+2, (n+1)!+3,,(n+1)!+n+1 son todos compuestos: si 2 i n+1, entonces (n+1)!+i es divisible entre i, por tanto, es compuesto. La sucesin, que comprende n enteros consecutivos, no contiene ningn nmero primo. Por ejemplo, si n=5, estos valores corresponden a: 6!+2=722=2361 6!+3=723=3241 6!+4=724=4181 6!+5=725=5145 6!+6=726=6121 El siguiente valor, 6!+7=727, es primo.[22] De todas formas, el menor nmero primo que dista del siguiente en n es generalmente mucho menor que el factorial, por ejemplo, el caso ms pequeo de dos primos consecutivos separados de ocho unidades es (89, 97), mientras que 8! es igual a 40.320. La sucesin de las diferencias entre primos consecutivos[23] ha sido profusamente estudiada en matemticas, y alrededor de este concepto se han establecido muchas conjeturas que permanecen sin resolver.

Conclusin
El modelado de la distribucin de los nmeros primos es un tema de investigacin recurrente entre los tericos de nmeros. La primalidad de un nmero concreto es (hasta ahora) impredecible a pesar de que existen leyes, como el teorema de los nmeros primos y el postulado de Bertrand, que gobiernan su distribucin a gran escala. Leonhard Euler coment: Hasta el da de hoy, los matemticos han intentado en vano encontrar algn orden en la sucesin de los nmeros primos, y tenemos motivos para creer que es un misterio en el que la mente jams penetrar.[24] En una conferencia de 1975, Don Zagier coment: Hay dos hechos sobre la distribucin de los nmeros primos de los que espero convencerles de forma tan incontestable que quedarn permanentemente grabados en sus corazones. El primero es que,

La distribucin de todos los nmeros primos comprendidos entre 1 y 76.800, de izquierda a derecha y de arriba abajo. Cada pixel representa un nmero. Los pxeles negros representan nmeros primos; los blancos representan nmeros no primos.

pesar

de

su

definicin

Nmero primo

346

simple y del papel que desempean como ladrillos con los que se construyen los nmeros naturales, los nmeros primos crecen como malas hierbas entre los nmeros naturales, y no parecen obedecer ninguna otra ley que la del azar, y nadie puede predecir dnde brotar el siguiente. El segundo hecho es an ms asombroso, ya que dice justo lo contrario: que los nmeros primos muestran una regularidad pasmosa, que hay leyes que gobiernan su comportamiento, y que obedecen estas leyes con precisin casi militar.[25]

Encontrar nmeros primos

Imagen con 2310 columnas que conserva mltiplos de 2, 3, 5, 7 y 11 en las columnas respectivas. Como cabe esperar, los nmeros primos caern en columnas concretas si los nmeros estn ordenados de izquierda a derecha y el ancho es un mltiplo de un nmero primo. Sin embargo, los nmeros primos tambin quedan distribuidos de manera ordenada en construcciones espirales como la espiral de Ulam, ya que tienden a concentrarse en algunas diagonales concretas y no en otras.

Tests de primalidad
La criba de Eratstenes es una manera sencilla de hallar todos los nmeros primos menores o iguales que un nmero dado. Se basa en confeccionar una lista de todos los nmeros naturales desde el 2 hasta ese nmero y tachar repetidamente los mltiplos de los nmeros primos ya descubiertos. La criba de Atkin, ms moderna, tiene una mayor complejidad, pero si se optimiza apropiadamente tambin es ms rpida. Tambin existe una reciente criba de Sundaram que genera nicamente nmeros compuestos, siendo los primos los nmeros faltantes. En la prctica, lo que se desea es determinar La criba de Eratstenes fue concebida por Eratstenes de Cirene, un matemtico si un nmero dado es primo sin tener que griego del siglo IIIa.C. Es un algoritmo sencillo que permite encontrar todos los confeccionar una lista de nmeros primos. nmeros primos menores o iguales que un nmero dado. Un mtodo para determinar la primalidad de un nmero es la divisin por tentativa, que consiste en dividir sucesivamente ese nmero entre los nmeros primos menores o iguales a su raz cuadrada. Si alguna de las divisiones es exacta, entonces el nmero no es primo; en caso contrario, es primo. Por ejemplo, dado n menor o igual que 120, para determinar su primalidad basta comprobar si es divisible entre 2, 3, 5 y 7, ya que el siguiente nmero primo, 11, ya es mayor que 120. Es el test de primalidad ms sencillo, y rpidamente pierde su utilidad a la hora de comprobar la primalidad de nmeros grandes, ya que el nmero de factores posibles crece demasiado rpido a medida que crece el nmero potencialmente primo. En efecto, el nmero de nmeros primos menores que n es aproximadamente . De esta forma, para determinar la primalidad de n, el mayor factor primo que se necesita no es mayor que n, dejando el nmero de candidatos a factor primo en cerca de

Nmero primo

347

. Esta expresin crece cada vez ms lentamente en funcin de n, pero, como los n grandes son de inters, el nmero de candidatos tambin se hace grande: por ejemplo, para n = 1020 se tienen 450 millones de candidatos. Asimismo, existen otros muchos tests de primalidad determinsticos que se basan en propiedades que caracterizan a los nmeros primos, pero su utilidad computacional depende mucho del test usado. Por ejemplo, se podra emplear el teorema de Wilson para calcular la primalidad de un nmero, pero tiene el inconveniente de requerir el clculo de un factorial, una operacin computacionalmente prohibitiva cuando se manejan nmeros grandes. Aqu entre en juego el tiempo de ejecucin del algoritmo empleado, que se expresa en la notacin de Landau. Para poder determinar la primalidad de nmeros cada vez ms grandes (de miles de cifras) se buscan aquellos algoritmos cuyo tiempo de ejecucin crezca lo ms lentamente posible, a ser posible, que se pueda expresar como un polinomio. Si bien el test de primalidad AKS cumple con esta condicin, para el rango de nmeros que se usa en la prctica este algoritmo es extremadamente lento. Por otra parte, a menudo basta con tener una respuesta ms rpida con una alta probabilidad (aunque no segura) de ser cierta. Se puede comprobar rpidamente la primalidad de un nmero relativamente grande mediante tests de primalidad probabilsticos. Estos tests suelen tomar un nmero aleatorio llamado "testigo" e introducirlo en una frmula junto con el nmero potencialmente primo n. Despus de varias iteraciones, se resuelve que n es "definitivamente compuesto" o bien "probablemente primo". Estos ltimos nmeros pueden ser primos o bien pseudoprimos (nmeros compuestos que pasan el test de primalidad). Algunos de estos tests no son perfectos: puede haber nmeros compuestos que el test considere "probablemente primos" independientemente del testigo utilizado. Esos nmeros reciben el nombre de pseudoprimos absolutos para ese test. Por ejemplo, los nmeros de Carmichael son nmeros compuestos, pero el test de Fermat los evala como probablemente primos. Sin embargo, los tests probabilsticos ms utilizados, como el test de Miller-Rabin o el obsoleto test de Solovay-Strassen, superado por el anterior, no tienen este inconveniente, aun siendo igualmente tests probabilsticos. Algunos tests probabilsticos podran pasar a ser determinsticos y algunos tests pueden mejorar su tiempo de ejecucin si se verifican algunas hiptesis matemticas. Por ejemplo, si se verifica la hiptesis generalizada de Riemann, se puede emplear una versin determinstica del test de Miller-Rabin, y el test de primalidad por curvas elpticas podra mejorar notablemente su tiempo de ejecucin si se verificaran algunas hiptesis de teora analtica de nmeros.

Algoritmos de factorizacin
Un algoritmo de factorizacin es un algoritmo que separa uno a uno los factores primos de un nmero. Los algoritmos de factorizacin pueden funcionar tambin a modo de tests de primalidad, pero en general tienen un tiempo de ejecucin menos ventajoso. Por ejemplo, se puede modificar el algoritmo de divisin por tentativa de forma que no se detenga cuando se obtenga una divisin exacta, sino que siga realizando nuevas divisiones, y no sobre el nmero original, sino sobre el cociente obtenido. Despus de la divisin por tentativa, los mtodos ms antiguos que se conocen son el mtodo de Fermat, que se basa en las diferencias entre cuadrados y que es especialmente eficaz cuando n es el producto de dos nmeros primos prximos entre s, y el mtodo de Euler, que se basa en la representacin de n como suma de dos cuadrados de dos formas distintas. Ms recientemente, se han elaborado algoritmos basados en una gran variedad de tcnicas, como las fracciones continuas o las curvas elpticas, aunque algunos son mejoras de mtodos anteriores (la criba cuadrtica, por ejemplo, se basa en una mejora del mtodo de Fermat y posee complejidad computacional subexponencial sobre el nmero de cifras de n). Otros, como el mtodo rho de Pollard, son probabilsticos, y no garantizan hallar los divisores de un nmero compuesto. Hoy por hoy, el algoritmo determinstico ms rpido de uso general es el general number field sieve, que tambin posee complejidad computacional subexponencial sobre el nmero de cifras de n.[26] Se ha propuesto un algoritmo

Nmero primo cuyo tiempo de ejecucin es polinmico sobre el nmero de cifras de n (el algoritmo de Shor), pero requiere ser ejecutado en un ordenador cuntico, ya que su simulacin en un ordenador normal requiere un tiempo exponencial. No se conocen algoritmos para factorizar en una computadora tradicional en tiempo polinmico y tampoco se demostr que esto sea imposible.

348

Frmulas que slo generan nmeros primos


A lo largo de la historia, se han buscado numerosas frmulas para generar los nmeros primos. El nivel ms alto de exigencia para una frmula as sera que asociara a cada nmero natural n el n-simo nmero primo. De forma ms indulgente, se puede pedir una funcin f que asocie a cada nmero natural n un nmero primo de tal forma que cada uno de los valores tomados slo aparezca una vez. Adems, se desea que la funcin se pueda calcular en la prctica.[27] Por ejemplo, el teorema de Wilson asegura que p es un nmero primo si y slo si (p-1)!-1 (mod p). Otro ejemplo: la funcin f(n) = 2 + ( 2(n!) mod (n+1)) genera todos los nmeros primos, slo los nmeros primos, y slo el valor 2 se toma ms de una vez. Sin embargo, ambas frmulas se basan en el clculo de un factorial, lo que las hace computacionalmente inviables. En la bsqueda de estas funciones, se han investigado notablemente las funciones polinmicas. Cabe subrayar que ningn polinomio, aun en varias variables, toma slo valores primos.[28] Por ejemplo, el polinomio en una variable f(n) = n n + 41 devuelve valores primos para n = 0,, 40, 43, pero f(41) y f(42) son compuestos. Si el trmino constante vale cero, entonces el polinomio es mltiplo de n, por lo que el polinomio es compuesto para valores compuestos de n. En caso contrario, si c es el trmino constante, entonces f(cn) es mltiplo de c, por lo que si el polinomio no es constante, necesariamente deber incluir valores compuestos. Sin embargo, hay polinomios en varias variables cuyos valores positivos (cuando las variables recorren los nmeros naturales) son precisamente los nmeros primos. Un ejemplo es este polinomio descubierto por Jones, Sato, Wada y Wiens en 1976:[28]

Al igual que ocurre con las frmulas con factoriales, este polinomio no es prctico de calcular, ya que, aunque los valores positivos que toma son todos primos, prcticamente no devuelve otra cosa que valores negativos cuando se hacen variar las variables a a z de 0 a infinito. Otro enfoque al problema de encontrar una funcin que slo genere nmeros primos viene dado a partir del teorema de Mills, que indica que existe una constante tal que es la funcin piso.[29] Todava no se conoce ninguna frmula para calcular

es siempre un nmero primo, donde

la constante de Mills, y las aproximaciones que se emplean en la actualidad se basa en la sucesin de los as llamados nmeros primos de Mills (los nmeros primos generados mediante esta frmula), que no pueden ser obtenidos rigurosamente, sino slo de manera probabilstica, suponiendo cierta la hiptesis de Riemann.

Nmero primo

349

Clases de nmeros primos


De mayor inters son otras frmulas que, aunque no slo generen nmeros primos, son ms rpidas de implementar, sobre todo si existe un algoritmo especializado que permita calcular rpidamente la primalidad de los valores que van tomando. A partir de estas frmulas se obtienen subconjuntos relativamente pequeos del conjunto de los nmeros primos, que suelen recibir un nombre colectivo.

Primos primoriales y primos factoriales


Los nmeros primos primoriales, directamente relacionados con la demostracin euclidiana de la infinitud de los nmeros primos, son los de la forma p = n#1 para algn nmero natural n, donde n# es igual al producto 235711 de todos los primos n. Asimismo, un nmero primo se dice primo factorial si es de la forma n!1. Los primeros primos factoriales son: n!1 es primo para n = 3, 4, 6, 7, 12, 14, 30, 32, 33, 38, 94, 166, 324, [30] n!+1 es primo para n = 0, 1, 2, 3, 11, 27, 37, 41, 73, 77, 116, 154, 320, [31]

Nmeros primos de Fermat


Los nmeros de Fermat, ligados a la construccin de polgonos regulares con regla y comps, son los nmeros de la forma , con n natural. Los nicos nmeros primos de Fermat que se conocen hasta la fecha son los cinco que ya conoca el propio Fermat, correspondientes a n = 0, 1, 2, 3 y 4, mientras que para valores de n entre 5 y 32 estos nmeros son compuestos.[] Para determinar su primalidad, existe un test especializado cuyo tiempo de ejecucin es polinmico: el test de Ppin. Sin embargo, los propios nmeros de Fermat crecen tan rpidamente que slo se lo ha podido aplicar para valores de n pequeos. En 1999 se lo aplic para n = 24. Para determinar el carcter de otros nmeros de Fermat mayores se utiliza el mtodo de divisiones sucesivas y de esa manera a fecha de junio de 2009 se conocen 241 nmeros de Fermat compuestos, aunque en la mayora de los casos se desconozca su factorizacin completa.[]

Construccin de un pentgono regular. 5 es un nmero primo de Fermat.

Nmeros primos de Mersenne


Los nmeros de Mersenne son los de forma Mp = 2p 1, donde p es primo.[32] Los mayores nmeros primos conocidos son generalmente de esta forma, ya que existe un test de primalidad muy eficaz, el test de Lucas-Lehmer, para determinar si un nmero de Mersenne es primo o no. Actualmente, el mayor nmero primo que se conoce es M43.112.609 = 243.112.609 - 1, que tiene 12.978.189 cifras en el sistema decimal. Se trata cronolgicamente del 45- nmero primo de Mersenne conocido y su descubrimiento se anunci el 23 de agosto de 2008 gracias al proyecto de computacin distribuida Great Internet Mersenne Prime Search (GIMPS). Desde entonces, se han descubierto otros dos nmeros primos de Mersenne, pero son menores que el 45-.[33][34]

Nmero primo

350

Otras clases de nmeros primos


Existen literalmente decenas de apellidos que se pueden aadir al concepto de nmero primo para referirse a un subconjunto que cumple alguna propiedad concreta. Por ejemplo, los nmeros primos pitagricos son los que se pueden expresar en la forma 4n+1. Dicho de otra forma, se trata de los nmeros primos cuyo resto al dividirlos entre 4 es 1. Otro ejemplo es el de los nmeros primos de Wieferich, que son aquellos nmeros primos p tales que p2 divide a 2p-1 - 1. Algunas de estas propiedades se refieren a una relacin concreta con otro nmero primo: Nmeros primos gemelos: p y p+2 lo son si son los dos primos. Nmero primo de Sophie Germain: dado p primo, es de Sophie Germain si 2p + 1 tambin es primo. Una sucesin de nmeros p1,p2,p3, ,pn todos ellos primos, tales que pi+1=2pi+1 para todo i {1,2,,n-1 }, se denomina cadena (completa) de Cunningham de primera especie, y cumple por definicin que cada uno de los trminos, salvo el ltimo, es un nmero primo de Sophie Germain. Se cree que para todo n natural existen infinitas cadenas de Cunningham de longitud n,[35] aunque hasta la fecha nadie ha proporcionado prueba de que dicha afirmacin sea cierta. Nmero primo de Wagstaff: p lo es si , donde q es otro nmero primo.[36][37] Tambin se les da nombres especiales a algunas clases de primos que dependen de la base de numeracin empleada o de la forma de escribir los dgitos, y no de una frmula matemtica. Es el caso de los nmeros somirp (primos al revs), que son aquellos nmeros primos tales que el nmero obtenido al invertir el orden de sus cifras tambin es primo. Tambin es el caso de los nmeros primos repunit, que son aquellos nmeros primos que son concatenacin de unos. Si, en lugar de considerarse el sistema de numeracin decimal se considera el binario, se obtiene otro conjunto distinto de nmeros primos repunit que, adems, coincide con el de los nmeros primos de Mersenne. Finalmente, los nmeros primos tridicos son aquellos nmeros que son primos, capicas y simtricos respecto de una recta horizontal. El que se le d un nombre a una clase de nmeros primos con una definicin precisa no significa que se conozca algn nmero primo que sea de esa clase. Por ejemplo, no se conoce hasta el momento ningn nmero primo de Wall-Sun-Sun, pero su relevancia radica en que en 1992, antes de la demostracin de Wiles del ltimo teorema de Fermat, se descubri que la falsedad del teorema para un nmero primo p dado implicaba que p era un nmero primo de Wall-Sun-Sun. Esto hizo que, durante un tiempo, la bsqueda de nmeros primos de esta clase fuera tambin la bsqueda de un contraejemplo del ltimo teorema de Fermat.[38]

Conjeturas
Existen numerosas preguntas abiertas acerca de los nmeros primos. Muchas de ellas son problemas bien antiguos, y una de las ms significativas es la hiptesis de Riemann, varias veces mencionada en este artculo como una conjetura que, de ser cierta, permitira conocer numerosos resultados relevantes en diversos campos de las matemticas.

Hiptesis de Riemann
Para entender la hiptesis de Riemann, una conjetura enunciada en 1859 pero que, hasta la fecha (2013), sigue sin resolverse, es necesario entender la funcin zeta de Riemann. Sea un nmero complejo con parte real mayor que 1. Entonces,

La segunda igualdad es una consecuencia del teorema fundamental de la aritmtica, y muestra que la funcin zeta est ntimamente relacionada con los nmeros primos.

Nmero primo Existen dos tipos de ceros de la funcin zeta, es decir, valores s para los cuales (s) = 0: los triviales, que son s=-2, s=-4, s=-6, etc. (los enteros pares negativos) y los no triviales, que son aquellos ceros que no se encuentran en el eje real. Lo que indica la hiptesis de Riemann es que la parte real de todos los ceros no triviales es igual a 1/2. La veracidad de la hiptesis implica una profunda conexin con los nmeros primos, en esencia, en el caso de verificarse, dice que los nmeros primos estn distribuidos de la forma ms regular posible. Desde un punto de vista fsico, dice grosso modo que las irregularidades en la distribucin de los nmeros primos slo proceden de ruido aleatorio. Desde un punto de vista matemtico, dice que la distribucin asinttica de los nmeros primos (segn el teorema de los nmeros primos, la proporcin de primos menores que n es ) tambin es cierta para intervalos mucho menores, con un error de aproximadamente la raz cuadrada de n (para intervalos prximos a n). Est ampliamente extendido en la comunidad matemtica que la hiptesis sea cierta. En concreto, la presuncin ms simple es que los nmeros primos no deberan tener irregularidades significativas en su distribucin sin una buena razn.[39]

351

Otras conjeturas
Infinitud de ciertos tipos de nmeros primos Muchas conjeturas tratan sobre si hay infinitos nmeros primos de una determinada forma. As, se conjetura que hay infinitos nmeros primos de Fibonacci[40] e infinitos primos de Mersenne, pero slo un nmero finito de primos de Fermat.[41] No se sabe si hay infinitos nmeros primos de Euclides. Distribucin de los nmeros primos Tambin hay numerosas conjeturas que se ocupan de determinadas propiedades de la distribucin de los nmeros primos. As, la conjetura de los nmeros primos gemelos enuncia que hay infinitos nmeros primos gemelos, que son pares de primos cuya diferencia es de 2. La conjetura de Polignac es una versin ms general y ms fuerte de la anterior, ya que enuncia que, para cada entero positivo n, hay infinitos pares de primos consecutivos que difieren en 2n. A su vez, una versin ms dbil de la conjetura de Polignac dice que todo nmero par es la diferencia de dos nmeros primos. Asimismo, se conjetura la infinidad de los primos de la forma n2 + 1. Segn la conjetura de Brocard, entre los cuadrados de primos consecutivos mayores que 2 existen siempre al menos cuatro nmeros primos. La conjetura de Legendre establece que, para cada n natural, existe un nmero primo entre n2 y (n+1)2. Finalmente, la conjetura de Cramr, cuya veracidad implicara la de Legendre, dice que:

Teora aditiva de nmeros Otras conjeturas relacionan algunas propiedades aditivas de los nmeros con los nmeros primos. As, la conjetura de Goldbach dice que todo nmero par mayor que 2 se puede escribir como suma de dos nmeros primos, aunque tambin existe una versin ms dbil de la misma conjetura segn la cual todo nmero impar mayor que 5 se puede escribir como suma de tres nmeros primos. El matemtico chino Chen Jingrun demostr, en 1966, que en efecto, todo nmero par suficientemente grande puede expresarse como suma de dos primos o como la suma de un primo y de un nmero que es el producto de dos primos. ("semi-primo").[]

Nmero primo

352

Los cuatro problemas de Landau


En 1912, Landau estableci en el Quinto Congreso Internacional de Matemticos de Cambridge una lista de cuatro de los problemas ya mencionados sobre nmeros primos, que se conocen como los problemas de Landau. Ninguno de ellos est resuelto hasta la fecha. Se trata de la conjetura de Goldbach, la de los nmeros primos gemelos, la de Legendre y la de los primos de la forma n2 + 1.[42]

Generalizacin del concepto de nmero primo


El concepto de nmero primo es tan importante que se ha visto generalizado de varias maneras en diversas ramas de las matemticas.

Elementos primos en un anillo


Se pueden definir los elementos primos y los elementos irreducibles en cualquier dominio de integridad.[43] En cualquier dominio de factorizacin nica, como por ejemplo, el anillo de los enteros, el conjunto de elementos primos equivale al conjunto de los elementos irreducibles, que en es {, 11, 7, 5, 3, 2, 2, 3, 5, 7, 11, }. Considrense por ejemplo los enteros gaussianos b ,

es decir, los nmeros complejos de la forma a+bi con a, . Este es un dominio de integracin, y sus elementos primos son los primos gaussianos. Cabe destacar que el 2 no es un primo gaussiano, porque admite factorizacin como producto de los primos gaussianos (1+i) y (1-i). Sin embargo, el elemento 3 s es primo en los enteros gaussianos. En general, los primos racionales (es decir, los elementos primos del anillo ) de la forma 4k+3 son primos gaussianos, pero no lo son aquellos de la forma 4k+1.

Representacin de los primos gaussianos de norma menor o igual a 500. Los primos gaussianos son, por definicin, los enteros gaussianos que son primos.

Ideales primos
En teora de anillos, un ideal I es un subconjunto de un anillo A tal que si i, j I, entonces la suma i + j pertenece a I y si x A, i I, entonces los productos a i, i a pertenecen a I. Un ideal primo se define entonces como un ideal que cumple tambin que: para cualquier par de elementos a, b del anillo A tales que su producto a b pertenece a I, entonces, al menos uno de los dos elementos, a o b, est en I. I no es el anillo A entero. Los ideales primos son una herramienta relevante en lgebra conmutativa, teora algebraica de nmeros y geometra algebraica. Los ideales primos del anillo de enteros son los ideales (0), (2), (3), (5), (7), (11), Un problema central en teora algebraica de nmeros es la manera en que se factorizan los ideales primos cuando se ven sometidos a una extensin de cuerpos. En el ejemplo de los enteros gaussianos, (2) se ramifica en potencia de un primo (ya que y generan el mismo ideal primo), los ideales primos de la forma son inertes (mantienen su primalidad) y los de la forma pasan a ser producto de dos ideales primos distintos.

Nmero primo

353

Primos en teora de la valoracin


En teora algebraica de nmeros surge otra generalizacin ms. Dado un cuerpo valoraciones sobre sobre determinadas funciones de en , reciben el nombre de es una para cada . Cada una de estas valoraciones genera una topologa de los nmeros racionales

, y se dice que dos valoraciones son equivalentes si generan la misma topologa. Un primo de

clase de equivalencia de valoraciones. Con esta definicin, los primos del cuerpo nmero primo p.

quedan representados por la funcin valor absoluto as como por las valoraciones p-dicas sobre

Nudos primos

Algunos nudos primos.

En teora de nudos, un nudo primo es un nudo no trivial que no se puede descomponer en dos nudos ms pequeos. De forma ms precisa, se trata de un nudo que no se puede escribir como suma conexa de dos nudos no triviales. En 1949 Horst Schubert demostr un teorema de factorizacin anlogo al teorema fundamental de la aritmtica, que asegura que cada nudo se puede obtener de forma nica como suma conexa de nudos primos.[44] Por este motivo, los nudos primos desempean un papel central en la teora de nudos: una clasificacin de los nudos ha sido desde finales del siglo XIX el tema central de la teora.

Aplicaciones en la computacin
El algoritmo RSA se basa en la obtencin de la clave pblica mediante la multiplicacin de dos nmeros grandes (mayores que 10100) que sean primos. La seguridad de este algoritmo radica en que no se conocen maneras rpidas de factorizar un nmero grande en sus factores primos utilizando computadoras tradicionales.

Nmeros primos en el arte y la literatura


Los nmeros primos han influido en numerosos artistas y escritores. El compositor francs Olivier Messiaen se vali de ellos para crear msica no mtrica. En obras tales como La Nativit du Seigneur (1935) o Quatre tudes de rythme (1949-50) emplea simultneamente motivos cuya duracin es un nmero primo para crear ritmos impredecibles. Segn Messiaen, esta forma de componer fue inspirada por los movimientos de la naturaleza, movimientos de duraciones libres y desiguales.[45] En su novela de ciencia ficcin Contact, posteriormente adaptada al cine, Carl Sagan sugiere que los nmeros primos podran ser empleados para comunicarse con inteligencias extraterrestres, una idea que haba desarrollado de manera informal con el astrnomo estadounidense Frank Drake en 1975.[46] El curioso incidente del perro a medianoche, de Mark Haddon, que describe en primera persona la vida de un joven autista muy dotado en matemticas y clculo mental, utiliza nicamente los nmeros primos para numerar los captulos. En la novela PopCo de Scarlett Thomas, la abuela de Alice Butler trabaja en la demostracin de la hiptesis de Riemann. El libro ilustra una tabla de los mil primeros nmeros primos.[47] La soledad de los nmeros primos, novela escrita por Paolo Giordano, gan el premio Strega en 2008. Tambin son muchas las pelculas que reflejan la fascinacin popular hacia los misterios de los nmeros primos y la criptografa, por ejemplo, Cube, Sneakers, El amor tiene dos caras y Una mente maravillosa. Esta ltima se basa en la biografa del matemtico y premio Nobel John Forbes Nash, escrita por Sylvia Nasar.[48]

Nmero primo

354

Referencias
[2] Marcus du Sautoy, La symphonie des nombres premiers P.42 (en francs) [3] Prhistoire de la gomtrie: le problme des sources (http:/ / www. reunion. iufm. fr/ recherche/ irem/ telecharger/ Keller/ Keller3. pdf), artculo de Olivier Keller (en francs) [11] Hans Riesel, Prime Numbers and Computer Methods for Factorization. New York: Springer (1994): 36 (en ingls) [12] Richard K. Guy & John Horton Conway, The Book of Numbers. New York: Springer (1996): 129 - 130 (en ingls) [14] " Why is the number one not prime? (http:/ / primes. utm. edu/ notes/ faq/ one. html)" (en ingls), accedido el 31-05-2009. [15] " Arguments for and against the primality of 1 (http:/ / www. geocities. com/ primefan/ Prime1ProCon. html)" (en ingls), accedido el 31-05-2009. [18] Vase, por ejemplo, An Introduction to the Theory of Numbers, p. 24. (en ingls) [19] En general, en la notacin de Landau, UNIQ-math-0-67bbb53a37e2f1f7-QINU indica que est dominada asintticamente por UNIQ-math-2-67bbb53a37e2f1f7-QINU , es decir, UNIQ-math-3-67bbb53a37e2f1f7-QINU . Para ms informacin, lea notacin de Landau. [20] Con esta expresin se quiere decir que el lmite de la razn entre las dos expresiones tiende a 1 cuando n tiende a infinito. [22] Ntese que esto no tiene por qu ser verdad en general, por ejemplo, si n es impar, se tiene que n!+(n+1) es divisible entre 2. [24] Julian Havil, Gamma: Exploring Euler's Constant (tapa dura). Princeton: Princeton University Press (2003): 163 (en ingls) [25] Julian Havil, Gamma: Exploring Euler's Constant (tapa dura). Princeton: Princeton University Press (2003): 171 [27] Introduccin del captulo 3 del libro de Ribenboim The new book of prime number records. [28] Prime Glossary - Matijasevic's Polynomial (http:/ / primes. utm. edu/ glossary/ xpage/ MatijasevicPoly. html), accedido el 06-06-2009 [29] W. H. Mills, A prime-representing function (1947) (en ingls) [32] . Por contraposicin, se deduce que, para buscar nmeros primos de Mersenne, basta con buscar entre los nmeros de Mersenne con exponente primo. [41] Por ejemplo, vase , problema A3, pp. 78. [42] Mathworld - Landau's Problems (http:/ / mathworld. wolfram. com/ LandausProblems. html) (en ingls) [44] En Mathworld (http:/ / mathworld. wolfram. com/ PrimeKnot. html). (en ingls) [45] . [46] Carl Pomerance, Prime Numbers and the Search for Extraterrestrial Intelligence (http:/ / www. math. dartmouth. edu/ ~carlp/ PDF/ extraterrestrial. pdf), accedido el 31-05-2009 [47] A Mathematician reviews PopCo (http:/ / math. cofc. edu/ kasman/ MATHFICT/ mfview. php?callnumber=mf476) (en ingls), accedido el 31-05-2009 [48] Music of the Spheres (http:/ / www. musicoftheprimes. com/ films. htm), Seleccin de Marcus du Sautoy de pelculas que versan sobre los nmeros primos (en ingls), accedido el 31-05-2009

Enlaces externos
The Prime Pages (http://www.utm.edu/research/primes) Sobre el artculo de Manindra Agrawal et al. PRIMES IS IN P, en donde afirman: "We present a deterministic polynomial-time algorithm that determines whether an input number n is prime or composite" mathmistakes (http://members.cox.net/mathmistakes/primes.htm) Algoritmos eficientes para calcular nmeros primos, por Steve Litt (http://www.troubleshooters.com/codecorn/ primenumbers/primenumbers.htm) Es este nmero primo? (http://www.mste.uiuc.edu/html.f/resource/prime.html)

Teorema de los nmeros primos

355

Teorema de los nmeros primos


En teora de nmeros el teorema de los nmeros primos es un resultado sobre la distribucin asinttica de los nmeros primos.

Enunciado del teorema


Sea el nmero de primos que son . El teorema menores o iguales que establece que: , donde es el

logaritmo natural de . Esta expresin no implica que la diferencia de las dos partes de la misma para valores de muy grandes sea cero; slo implica que el cociente de stas para valores de muy grandes es casi igual a 1. Una mejor aproximacin viene dada por la integral logartmica desplazada: , donde es la .
Grfico comparativo de (x) (rojo), x / ln x (verde) y Li(x) (azul).

integral logartmica desplazada de

Historia
El teorema de los nmeros primos fue conjeturado por Adrien-Marie Legendre en 1798 y la conjetura fue posteriormente refinada por Gauss con la expresin que actualmente se asocia ms frecuentemente al teorema. La demostracin formal del teorema la hicieron de forma independiente tanto Jacques Hadamard como Charles-Jean de la Valle Poussin en el ao 1896. Ambas demostraciones se basaban en el resultado de que la funcin zeta de Riemann no tiene ceros de la forma 1 + it con t > 0. En realidad la demostracin se hizo sobre una expresin algo ms estricta de lo que se indica en la definicin anterior del teorema, siendo la expresin demostrada por Hadamard y Poussin la siguiente: donde . Desde 1896 la expresin asociada al teorema de los nmeros primos ha sido mejorada sucesivamente, siendo la mejor aproximacin actual la dada por:

donde Para valores de

se define como la funcin asinttica a pequeos se haba demostrado que

es una constante indeterminada. , lo que llev a conjeturar a varios (esto es que la ecuacin

matemticos en la poca de Gauss que

era una cota superior estricta de

no tiene soluciones reales). No obstante, en 1912 J. E. Littlewood demostr que dicha cota es

Teorema de los nmeros primos

356

cruzada para valores de suficientemente grandes. El primero de ellos se conoce como primer nmero de Skewes, y actualmente se sabe que es inferior a , aunque se piensa que puede ser inferior incluso a . En 1914 Littlewood ampli su demostracin con la inclusin de mltiples soluciones a la ecuacin . Muchos de estos valores y hallazgos asociados a la validez de la hiptesis de Riemann.

Relacin con la hiptesis de Riemann


Dada la conexin que hay entre la funcin zeta de Riemann (s) y (x), la hiptesis de Riemann es muy importante en teora de nmeros, y por supuesto, en el teorema de los nmeros primos. Si la hiptesis de Riemann se cumple, entonces el trmino error que aparece en el teorema de los nmeros primos puede acotarse de la mejor manera posible. Concretamente, Helge von Koch demostr en 1901 que

si y slo si la hiptesis de Riemann se cumple. Una variante refinada del resultado de Koch, dada por Lowel Schoenfeld en 1976, afirma que la hiptesis de Riemann es equivalente al siguiente resultado:

Aproximaciones para el ensimo nmero primo


Como consecuencia del teorema de los nmeros primos, se obtiene una expresin asinttica para el ensimo nmero primo, denotado por pn: Una aproximacin mejor es:
[1]

Teorema de los nmeros primos para progresiones aritmticas


Sea la funcin que denota el nmero de primos en una progresin aritmtica a, a + n, a + 2n, a + 3n, menor que x. Dirichlet y Legendre conjeturaron, y Valle-Poussin demostr, que, si a y n son coprimos, entonces

donde () es la funcin de Euler. En otras palabras, los nmeros primos se distribuyen uniformemente entre los residuos de clases [a] mdulo n con mcd(a, n) = 1. Esto puede demostrarse usando mtodos similares utilizados por Newman en su demostracin del teorema de los nmeros primos.[2] El teorema de SiegelWalfisz da una buena estimacin de la distribucin de los nmeros primos en los residuos de clases.

Carrera de nmeros primos


Aunque tenemos, en particular, que

empricamente los primos congruentes con 3 son ms numerosos y estn casi siempre en delante en esta carrera de nmeros primos, la primera inversin se produce en x = 26,861.[3]:12 Sin embargo, Littlewood mostr en 1914[3]:2 que hay un nmero infinito de cambios de signo de la funcin

Teorema de los nmeros primos de manera que el liderato de esta carrera cambia sucesivamente infinitas veces. El fenmeno de que 4,3(x) est por delante la mayor parte del tiempo se llama polarizacin de Chebyshev. La carrera de los nmeros primos generalizada a otros mdulos es objeto de numerosas investigaciones; Pl Turn pregunt si se da siempre el caso de que (x;a,c) y (x;b,c) cambian posiciones cuando a y b son coprimos con c.[] Granville y Martin le dan una exposicin completa y estudiada.[3]

357

Referencias
Dorian Goldfeld. The elementary proof of the prime number theorem:An historical perspective (http://www. math.columbia.edu/~goldfeld/ErdosSelbergDispute.pdf) (en ingls) (PDF). Consultado el 10 de febrero de 2011.

Enlaces externos
Weisstein, Eric W. Prime Number Theorem (http://mathworld.wolfram.com/PrimeNumberTheorem.html) (en ingls). MathWorld. Wolfram Research. Prime number theorem (http://planetmath.org/?op=getobj&amp;from=objects&amp;id=199) en PlanetMath

Teorema de Beatty
En matemtica, el teorema de Beatty seala la condicin necesaria y suficiente para que dos sucesiones pseudo-aritmticas sean una particin de . Fue publicado en 1926 por el matemtico canadiense Samuel Beatty, profesor de la Universidad de Toronto[1]. Otra demostracin de este teorema se public en 1927 por A.Ostrowski (Basilea) y A. C. Aitken (Chicago) [2][3].

Enunciado
Afirma la relacin de equivalencia de los dos puntos siguientes : Los nmeros p et q son positivos, irracionales y verifican Las dos secuencias de enteros y forman una particin del conjunto

en donde la funcin E designa la funcin parte entera. El resultado no es generalizable (engaosamente): no es posible hacer una particin de con ms de tres sucesiones pseudo-aritmticas. Demostracin Sean p y q dos reales estrictamente positivos, tales que las sucesiones P y Q formen una particin de El resultado se vuelve intuitivo si se introduce la densidad de una parte A de tiende a de , es el lmite - si existe - cuando n

. Por ejemplo, el conjunto de nmeros pares (o el conjunto de nmeros

impares) tiene una densidad que es de 1/2, el conjunto de nmeros primos tiene una densidad de 0. Se ve fcilmente que los conjuntos soportes de las secuencias P y Q forman una particin de donde es un real positivo tienen densidad . Los

, luego la suma de sus densidades vale 1 :

Teorema de Beatty

358

Adems, p y q no pueden ser racionales los dos, dado que si por caso

, entonces

. Las sucesiones P y Q no tienen ningn elemento en comn. Una de las dos es irracional, por consiguiente las dos son irracionales (pues Recprocamente, si p et q son irracionales y ). , se prueba por absurdo que los soportes de las .

sucesiones P y Q son disjuntas. Sea k un entero que se escribe bajo la forma Por definicin de parte entera, se tienen las inecuaciones siguientes :

Si se divide la primera inecuacin por p, y la segunda por q :

Sumando las dos inecuaciones, se obtiene :

k, n y m siendo enteros, esto imlica

; se sigue forzosamente la igualdad entre las dos inecuaciones yk=

precedentes. Entonces k = np y k = mq. Lo cual es absurdo dado que p y q son irracionales. Ahora se demuestra que todo entero natural no nulo es alcanzado por una de las dos sucesiones. Sea E(np). k es alcanzado por la sucesin P, entonces no por la sucesin Q, existe un nico entero m tal que : . De hecho, el entero E(mq) es el entero ms grande de la sucesin Q inferior a k. Las aplicaciones son inyectivas dado que p y q son mayores que 1. El intervalo suficiente con probar que k = n + m. Se tiene : y

contiene entonces

elementos de sucesiones P y Q (dado que ambas sucesiones tienen soportes disjuntos). Para concluir, es

Sumando, se sigue que k - 1 < n + m < k + 1, o bien k = n + m. QED.

Ejemplo
Uno de los primeros ejemplos conocidos descubierto en 1907 por el matemtico holands Wythoff, independiente del teorema de Beatty. Para el nmero de oro, se tiene que :

Las dos sucesiones obtenidas sern entonces : OEIS) Las parejas aparecen en la resolucin del juego de Wythoff, y caracterizan las posiciones a partir de las cuales el jugador marcado no puede ganar. , n>0 : 1, 3, 4, 6, 8, 9, 11, 12, 14, 16, 17, 19, 21, 22, 24, 25, 27, 29, ... (sucesin A000201 [4] en OEIS) , n>0 : 2, 5, 7, 10, 13, 15, 18, 20, 23, 26, 28, 31, 34, 36, 39, 41, 44, 47, ... (sucesin A001950 [5] en

Teorema de Beatty

359

Referencias
[3] Honsberger, Ross: "El ingenio en las matemticas" (1994)Madrid,ISBN 85731-14-X, pp. 93,94,95 [4] http:/ / oeis. org/ A000201 [5] http:/ / oeis. org/ A001950

Bibliografa en francs
Exercices de mathmatiques, oraux X-ENS. Algbre 1. Serge Francinou, Herv Gianella, Serge Nicolas. ditions Cassini.

Teorema de Bombieri-Vinogrdov
En matemticas, el teorema de BombieriVinogrdov (a veces llamado simplemente teorema de Bombieri)[1] es un resultado importante en teora multiplicativa de nmeros,[2] una rama de la teora analtica de nmeros, obtenido a mediados de los aos 1960 y nombrado en honor a Enrico Bombieri y A. I. Vinogradov,[3] quienes publicaron sobre el tema relacionado de la hiptesis de la densidad, en 1965. Este resultado es una aplicacin del mtodo de la gran criba, que se desarroll rpidamente a principios de los aos 1960, desde sus comienzos en el trabajo de Yuri Linnik dos dcadas antes. Adems de Bombieri, Klaus Roth tambin estaba trabajando en este campo.

Enunciado del teorema de BombieriVinogradov


Sea A un nmero real positivo arbitrario. Entonces

si

Aqu (q) es la indicatriz de Euler, que es el nmero de sumandos para el mdulo q, y

donde

denota la funcin de von Mangoldt.

Una descripcin verbal de este resultado es que trata el trmino errneo en el teorema de los nmeros primos sobre las progresiones aritmticas, promediado sobre los mdulos q hasta Q. Para cierto rango de Q prximo a x si se ignoran los factores logartmicos, el error medio es casi tan pequeo como x. Este no es un resultado obvio, y sin calcular la media es aproximadamente tan fuerte como la Hiptesis Generalizada de Riemann.

Teorema de Bombieri-Vinogrdov

360

Notas
[1] E. Bombieri, "Le Grand Crible dans la Thorie Analytique des Nombres" (Seconde dition). Astrisque 18, Paris 1987. [3] A.I. Vinogradov. The density hypothesis for Dirichlet L-series. Izv. Akad. Nauk SSSR Ser. Mat., 29 (1965), pages 903-934; Corrigendum. ibid. 30 (1966), pgs. 719-720. (en ruso)

Bibliografa
Davenport, Harold (2000) (en ingls). Multiplicative number theory (3 edicin). New York: Springer. ISBN 0387950974.

Enlaces externos
Weisstein, Eric W. Bombieri's Theorem (http://mathworld.wolfram.com/BombierisTheorem.html) (en ingls). MathWorld. Wolfram Research.

Teorema de Carmichael
Este artculo habla del teorema de Carmichael de los nmeros de Fibonacci. Tambin existe otro teorema de Carmichael aplicado a la definicin recursiva de la funcin de Carmichael. El teorema de Carmichael, nombrado as en honor al matemtico estadounidense R.D. Carmichael, establece que para todo n mayor que 12, el n-simo nmero de Fibonacci F(n) tiene al menos un factor primo que no es factor de ninguno de los trminos anteriores de la sucesin. Las nicas excepciones para n menor o igual que 12 son: F(1)=1 y F(2)=1, que no tienen factores primos F(6)=8, cuyo nico factor primo es 2 (que es F(3)) F(12)=144, cuyos nicos factores primos son 2 (que es F(3)) y 3 (que es F(4)) Si un nmero primo p es un factor de F(n) y no es factor de ningn F(m) con m < n, entonces se dice que p es un factor caracterstico o un divisor primitivo de F(n). El teorema de Carmichael establece que cada nmero de Fibonacci, con las nicas excepciones anteriormente mencionadas, tiene al menos un factor caracterstico.

Referencias
Carmichael, R. D. (1913), On the numerical factors of the arithmetic forms (1/4): 3070, doi: 10.2307/1967797 [1]
n

+n, Annals of Mathematics 15

Knott, R., Fibonacci numbers and special prime factors [2], Fibonacci Numbers and the Golden Section [3] Yabuta, M. (2001), A simple proof of Carmichael's theorem on primitive divisors, Fibonacci Quarterly 39: 493443

Referencias
[1] http:/ / dx. doi. org/ 10. 2307%2F1967797 [2] http:/ / www. mcs. surrey. ac. uk/ Personal/ R. Knott/ Fibonacci/ fibmaths. html#primefactor [3] http:/ / www. mcs. surrey. ac. uk/ Personal/ R. Knott/ Fibonacci/ fib. html

Teorema chino del resto

361

Teorema chino del resto


El teorema chino del resto es un resultado sobre congruencias en teora de nmeros y sus generalizaciones en lgebra abstracta. El enunciado dice: Sean tales que (primos relativos). , existe un tal que:

Entonces dados cualesquiera y

Y adems, si existen otros

que satisfagan las dos congruencias anteriores entonces:

Enunciado del teorema


La forma original del teorema, contenida en un libro del siglo III por el matemtico chino Sun Tzu[1][2] y posteriormente publicado en 1247 por Qin Jiushao, es un enunciado sobre congruencias simultneas (ver aritmtica modular). Supongamos que n1, n2, , nk son enteros coprimos dos a dos. Entonces, para enteros dados a1,a2, , ak, existe un entero x que resuelve el sistema de congruencias simultneas

Ms an, todas las soluciones x de este sistema son congruentes mdulo el producto

De manera ms general, las congruencias simultneas pueden ser resueltas si los ni's no son coprimos a pares. Una solucin x existe si y slo si:

Todas las soluciones x son entonces congruentes mdulo el mnimo comn mltiplo de los ni. Versiones del teorema chino del resto fueron tambin conocidas por Brahmagupta, y aparecen en el Liber Abaci de Fibonacci (1202).

Aplicaciones
El teorema chino del resto tiene importantes aplicaciones en criptografa, en especial para reducir operaciones con nmeros enormes mediante el paso a congruencias. En el algoritmo RSA, por ejemplo, los clculos se hacen mdulo , donde es un producto de dos primos y . Tamaos habituales para son 1024, 2048 4096 bits, haciendo que los clculos requieran una gran cantidad de tiempo. Usando el teorema chino del resto los clculos pueden ser transportados del anillo al anillo . La suma de las longitudes de bit de y es la longitud de bit de "fault injection". , haciendo y considerablemente menor que . Esto acelera mucho los clculos. Ntese que las implementaciones del algoritmo RSA usando el teorema chino del resto son ms susceptibles a ataques de

Teorema chino del resto

362

Notas
[2] Ribnikov, Historia de las matemticas, p. 42.

Referencias
Koblitz, Neal (1998). A Course in Number Theory and Cryptography (2 edicin). EE. UU.: Springer. pp.238. ISBN 978-0-387-94293-3.

Teorema de congruencia lineal


En aritmtica modular, la cuestin de cundo una congruencia lineal puede ser resuelta se describe mediante el teorema de congruencia lineal. Si a y b dos nmeros enteros cualesquiera y n es un nmero entero positivo, entonces la congruencia (1) tiene una solucin para x si y slo si b es divisible por el mximo comn divisor d de a y n (denotado mediante mcd(a,n)). Cuando ste es el caso, y x0 es una solucin de (1) , entonces el conjunto de todas las soluciones est dado por

En particular, existirn exactamente d = mcd(a,n) soluciones en el conjunto de residuos {0,1,2,...,n-1}.

Ejemplo
Por ejemplo, se puede examinar la ecuacin ax 2 (mod 6) con diferentes valores de a para ver lo que produce:

Aqu d = mcd(3,6) = 3 pero puesto que 3 no divide a 2, entonces no hay solucin.

Aqu d = mcd(5,6) = 1, el cual divide a cualquier b, y as slo hay exactamente una nica solucin en {0,1,2,3,4,5}: x=4.

Aqu d = mcd(4,6) = 2, el cual divide a 2, y as slo hay exactamente dos soluciones en {0,1,2,3,4,5}: x=2 y x=5.

Resolucin de congruencias lineales


En la resolucin general de ecuaciones de la forma:

si el mximo comn divisor d = mcd(a, n) divide a b, entonces se puede encontrar una solucin x para la congruencia como sigue: el algoritmo extendido de Euclides produce enteros r y s tales que ra + sn = d. Entonces x = rb/d es una solucin. Las otras soluciones son los nmeros congruentes con x modulo n/d. Por ejemplo, la congruencia

tiene 4 soluciones puesto que mcd(12, 28) = 4 divide a 20. El algoritmo extendido de Euclides da (-2)*12 + 1*28 = 4, i.e. r = -2 y s = 1. Por lo tanto, una solucin es x = -2*20/4 = -10, y -10 = 4 mdulo 7. Todas las dems soluciones debern ser tambin congruentes con 4 mdulo 7. Puesto que la ecuacin original usa mdulo 28, El conjunto de soluciones enteras en el rango de 0 a 27 es x = {4,11,18,25}.

Teorema de congruencia lineal

363

Sistemas de congruencias lineales


Mediante el repetido uso del teorema de la congruencia lineal, se puede tambin resolver sistemas de congruencias lineales, como en el siguiente ejemplo: encontrar todos los nmeros x tales que 2x 2 (mod 6) 3x 2 (mod 7) 2x 4 (mod 8). Resolviendo la primera congruencia utilizando el mtodo expuesto arriba, se obtiene que x 1 (mod 3), el cual puede ser escrito tambin como x = 3k + 1. Sustituyendo ste en la segunda congruencia y simplificando, se obtiene 9k 1 (mod 7). Al resolver la congruencia resulta que k 3 (mod 7), o k = 7l + 3. Se sigue entonces que x = 3 (7l + 3) + 1 = 21l + 10. Sustituyendo esto en la tercera congruencia y simplificando de nuevo, se obtiene 42l 16 (mod 8) que tiene como solucin l 0 (mod 4), o l = 4m. Esto produce x = 21(4m) + 10 = 84m + 10, o x 10 (mod 84) que describe todas las soluciones del sistema.

Referencias
Santiago Zaragoza, Antonio Cipriano (2009). 2.4. Congruencias lineales (en castellano). Teora de nmeros (1 edicin). Madrid: Visin libros. pp.22-25. ISBN 978-84-9886-360-1. Weisstein, Eric W. Linear Congruence Equation [1] (en ingls). MathWorld. Wolfram Research.

Referencias
[1] http:/ / mathworld. wolfram. com/ LinearCongruenceEquation. html

Conjetura de Catalan

364

Conjetura de Catalan
La conjetura de Catalan (tambin conocida como teorema de Mihilescu) es un teorema de teora de nmeros propuesto por el matemtico Eugne Charles Catalan en 1884 y demostrado por primera vez por Preda Mihilescu en abril de 2002. Para entender esta conjetura, ntese que 2 = 8 y 3 = 9 son dos nmeros que son potencias consecutivas de nmeros naturales. La conjetura de Catalan dice que ste es el nico caso de dos potencias consecutivas. Es decir, la conjetura de Catalan afirma que la nica solucin en el conjunto de los nmeros naturales de xa yb= 1 para x,a,y,b>1 es x=3, a=2, y=2, b=3. En particular, ntese que no tiene importancia que los mismos nmeros 2 y 3 estn repetidos en la ecuacin 3 2=1. La conjetura de Catalan fue demostrada por Preda Mihilescu en 2002. La prueba se public en el Journal fr die reine und angewandte Mathematik, 2004. Hace un uso extensivo de la teora de cuerpos ciclotmicos y mdulo de Galois. Una exposicin de dicha prueba fue dada por Yuri Bilu en el Seminario Bourbaki.

Referencias
Weisstein, Eric W. Conjetura de Catalan [1] (en ingls). MathWorld. Wolfram Research.

Enlaces externos
Conquering Catalan's Conjecture [2]

Referencias
[1] http:/ / mathworld. wolfram. com/ CatalansConjecture. html [2] http:/ / www. maa. org/ mathland/ mathtrek_06_24_02. html

Conjetura de modularidad de Serre

365

Conjetura de modularidad de Serre


En matemticas, la conjetura de modularidad de Serre, introducida por Serre sobre la base de un intercambio de correspondencia con John Tate, En su versin dbil, asegura que cualquier representacin de Galois mdulo , impar e irreducible proviene de una forma modular. Una versin ms fuerte de esta conjetura especifica el peso y el nivel de la forma modular. En 2005, la conjetura para el caso de nivel 1[1] Fue demostrada por Chandrashekhar Khare y Luis Dieulefait independientemente, y luego en 2008 una demostracin de la conjetura completa es elaborada en forma conjunta por Chandrashekhar Khare y Jean-Pierre Wintenberger.[2]

Referencias
[2] and .

Bibliografa
Serre, Jean-Pierre (1975), Valeurs propres des oprateurs de Hecke modulo l, Journes Arithmtiques de Bordeaux (Conf., Univ. Bordeaux, 1974), Astrisque (Paris: Socit Mathmatique de France) 2425: 109117, ISSN 0303-1179 (http:/ / worldcat. org/ issn/ 0303-1179) Serre, Jean-Pierre (1987), Sur les reprsentations modulaires de degr 2 de Gal(Q/Q) (http://dx.doi.org/10. 1215/S0012-7094-87-05413-5), Duke Mathematical Journal 54 (1): 179230, doi: 10.1215/S0012-7094-87-05413-5 (http://dx.doi.org/10.1215/S0012-7094-87-05413-5), ISSN 0012-7094 (http://worldcat.org/issn/0012-7094) Stein, William A.; Ribet, Kenneth A. (2001), Lectures on Serre's conjectures, en Conrad, Brian; Rubin, Karl, Arithmetic algebraic geometry (Park City, UT, 1999), IAS/Park City Math. Ser., 9, Providence, R.I.: American Mathematical Society, pp.143232, ISBN 978-0-8218-2173-2

Enlaces externos

Formas Modulares y Representaciones de Galois: la Conjetura de Serre, Maximiliano Camporino, Universidad de Buenos Aires, (https://docs.google.com/viewer?a=v&q=cache:lsEg-RyEQi4J:cms.dm.uba.ar/academico/ carreras/licenciatura/tesis/2011/Camporino_Maximiliano.pdf+conjetura+de+serre&hl=es&gl=ar&pid=bl& srcid=ADGEESjGbuCB2NDL2aD8zrnBOvf6E8jTC1L3r0pexbrSSSwJWUOrxWxJ4OlJNYtoFKFoVF8cKGjRD2VOJiWk2exqN sig=AHIEtbRI4QJAXs5bHjNKZmNFH2GzpR4Czw) (Pagina 73) La conjetura de modularidad de Serre, Luis Dieulefait, Universidad de Barcelona. (https://docs.google.com/ viewer?a=v&q=cache:BiLxdLiwCXIJ:atlas.mat.ub.es/personals/dieulefait/serre-madrid.pdf+conjetura+de+ modularidad+de+serre&hl=es&gl=ar&pid=bl& srcid=ADGEESitDPASOsv374UOCx-q1a1ZG4TUhVjSV-e9VGxMcUo0j3h3eP9ZCufY8i4cL1GjIGaK-uIH13lgtP0oiX0BLgBzk sig=AHIEtbTRAIiTB8dC-OObiEu38_Zw0TimTw) Serre's Modularity Conjecture (http://fora.tv/2007/10/25/Kenneth_Ribet_Serre_s_Modularity_Conjecture) 50 minute lecture by Ken Ribet given on October 25, 2007 ( slides (http://math.berkeley.edu/~ribet/cms.pdf) PDF, other version of slides (http://www.cirm.univ-mrs.fr/videos/2007/exposes/23/Ribet.pdf) PDF) Lectures on Serre's conjectures (http://modular.fas.harvard.edu/papers/serre/ribet-stein.pdf)

Teorema de los cuatro cuadrados

366

Teorema de los cuatro cuadrados


El teorema de los cuatro cuadrados de Lagrange, tambin conocido como la conjetura de Bachet se demostr en 1770 por Joseph Louis Lagrange. Dice que cada nmero entero positivo puede expresarse como la suma de cuatro cuadrados de enteros. Por ejemplo, 31 = 5 2 + 2 2 + 1 2 + 1 2 310 = 17 2 + 4 2 + 2 2 + 1 2 Ms formalmente, para cada entero positivo n, existen nmeros enteros no negativos a, b, c, d tales que: n = a2 + b2 + c2 + d2 Adrien-Marie Legendre mejor el teorema en 1798 demostrando que un entero positivo puede expresarse como la suma de tres cuadrados si y slo si no es de la forma 4 k (8 m + 7). Su prueba estaba incompleta, dejando un hueco que despus llen Carl Friedrich Gauss. En 1834, Carl Gustav Jakob Jacobi encontr la frmula exacta para el nmero total de maneras en que un nmero entero positivo n dado puede representarse como la suma de cuatro cuadrados. Este nmero es ocho veces la suma de los divisores de n si n es impar y 24 veces la suma de los divisores impares de n si n es par. El teorema de los cuatro cuadrados de Lagrange es un caso especial del teorema del nmero poligonal de Fermat y del problema de Waring.

Enlaces externos
Weisstein, Eric W. Lagrange's Four-Square Theorem [1] (en ingls). MathWorld. Wolfram Research.

Referencias
[1] http:/ / mathworld. wolfram. com/ LagrangesFour-SquareTheorem. html

Teorema de Dirichlet

367

Teorema de Dirichlet
El Teorema de Dirichlet es un resultado de la teora analtica de nmeros demostrado por el matemtico Johann Dirichlet. Este teorema sobre la distribucin de los nmeros primos en , fue conjeturado por Gauss y finalmente demostrado en 1837 por Dirichlet, nombre por el que actualmente se le conoce. El primer teorema de convergencia de series de Fourier, debido a Dirichlet, apareci en 1829 y se refiere a funciones montonas a trozos. Por ello comenzamos primero con unos comentarios sobre estas funciones. Una funcin montona y acotada en un intervalo [a, b] es integrable y tiene lmites laterales finitos en cada punto. Si estos lmites no coinciden la funcin tendr una discontinuidad con un salto finito. La suma de los saltos no puede ser mayor que la diferencia de los valores de la funcin en los extremos del intervalo, de modo que el conjunto de discontinuidades con salto mayor que 1/n es finito y, por tanto, el conjunto de discontinuidades es a lo ms numerable. Las mismas propiedades sern ciertas para una funcin montona a trozos, es decir, aquella que es montona en una cantidad finita de intervalos que unidos dan el intervalo original.

Enunciado
Sea nmeros primos. Dirichlet Por ejemplo, este teorema responde a preguntas como si hay infinitos primos que terminen en 7. La respuesta es que s, ya que: - Los nmeros que terminan en 7 forman una progresin aritmtica: 7, 17, 27, 37, ...; es decir, una sucesin de nmeros en la que cada uno se obtiene sumando una cantidad fija (10 en este caso) al anterior. - Los nmeros 10 (la cantidad que se va sumando) y 7 (el primer trmino de la sucesin) son primos entre s, es decir, su mximo comn divisor es 1. As que, como asegura el teorema, en dicha progresin aritmtica hay una cantidad infinita de nmeros primos. entonces la progresin aritmtica contiene infinitos

Demostracin
La prueba del teorema utiliza las propiedades de ciertas funciones multiplicativas (conocidas como funciones-L de Dirichlet) y varios resultados sobre aritmtica de nmeros complejos y es suficientemente compleja como para que algunos textos clsicos de teora de nmeros decidan excluirla de su repertorio de demostraciones. Para evitar hacer la lectura demasiado densa, en este artculo se han excluido de la demostracin algunos corolarios intermedios que aparecen marcados como [AD]. La demostracin completa, junto con los corolarios excluidos aqu, se puede encontrar en el artculo de Gonzlez de la Hoz.[1] Definicin: Sea Un carcter sobre Un carcter sobre carcter sobre Esto un grupo conmutativo finito de orden es una funcin y elemento unitario .

tiene una serie de propiedades importantes para nuestra demostracin: como el producto de dos caracteres sobre del grupo que se define es tambin un como la funcin , el conjunto de caracteres sobre definir el carcter . forma un grupo conmutativo con la multiplicacin.

1. Puesto que tanto la inversa de un carcter sobre permite

principal

. El carcter principal es por tanto el elemento unidad del grupo definido por el conjunto de caracteres sobre

Teorema de Dirichlet 2. Como y dado que el orden de un elemento divide al orden del grupo, entonces . es como mximo , el nmero de

368

, lo que implica que Puesto que el nmero de races del elemento unitario de orden caracteres es finito, siendo el valor una cota superior de . Por otra parte mediante la suma del valor existe un carcter

([AD]). Por ello, y si se representa , se

asociado a cada uno de los los diferentes caracteres del grupo

tienen estas propiedades adicionales ([AD]): 3.

4.

5.

6. Dado un mdulo El grupo diferentes , se definen los caracteres de nmeros coprimos con tiene . donde los , y en del grupo definido como las clases de congruencia

elementos, y lo podemos representar por

son los representantes de la clase de congruencia que cumplen la condicin de de la siguiente manera:

este contexto se definen las funciones extendidas de los caracteres

Estas funciones se denominan caracteres de Dirichlet mdulo q y son completamente multiplicativas. Existen funciones de este tipo y una de ellas: se denomina

carcter principal de Dirichlet. Estos caracteres tienen algunas propiedades significativas (derivadas de las propiedades de los caracteres de un grupo que vimos antes): 7.

8.

9. En este punto se debe introducir la siguiente Definicin: Una funcin-L de Dirichlet es una funcin de la forma donde Los valores de uniformemente y es un carcter de Dirichlet. converge absolutamente para como los coeficientes son y

son peridicos, lo que implica que la serie para Adems,

completamente

Teorema de Dirichlet

369

multiplicativos, la serie admite la siguiente expresin: propiedades ([AD]): 1. 2. 3. 4.

Cuando

La funcin-L de

De la igualdad es analtica en el semiplano complejo . Como consecuencia de esto, podemos afirmar que singularidades en , de

y las propiedades de la funcin a excepcin de un polo en

se deduce que la funcin , cuyo residuo es

, donde modo que la funcin

es analtica y no tiene expresada por

tiene tambin un polo en . Por otra parte, toda funcin-L de Dirichlet zona Y para ([AD]). se tiene ([AD]) que

con residuo

con

es analtica y no presenta singularidades en la

lo cual tambin se puede

expresar como:

Esta expresin es clave para la demostracin del teorema de Dirichlet, pues podemos concluir que el teorema es cierto si el primer trmino del segundo miembro diverge cuando los restantes trminos permanecen dentro de unos lmites. Como se cumple que cuando la siguiente expresin:

obtiene un valor finito y, como vimos, dado que residuo se cumple que lo que implica que:

tiene un polo en

con

lo que prueba el teorema.

Teorema de Dirichlet

370

Referencias
[1] Gonzlez de la Hoz, F. A., Demostracin del teorema de Dirichlet, web de la UNED (http:/ / paraisomat. ii. uned. es/ archivos/ tnumeros/ ap_dirichlet. zip).

Lema de Euclides
El lema de Euclides (del griego ) es una generalizacin de la proposicin 30 del libro VII de Elementos de Euclides. El lema asegura que: Si n es un nmero entero y divide a un producto ab y es coprimo con uno de los factores, entonces n divide al otro factor. Euclides, 300a.C. Esto puede escribirse en notacin moderna como:

La proposicin 30 original, ms conocida como primer teorema de Euclides dice que: Si p es un nmero primo y divide al producto de dos enteros positivos, entonces el nmero primo divide al menos a uno de los nmeros. Euclides, 300a.C. En notacin moderna
Portada Los elementos de Euclides, publicada en 1570 por Sir Henry Billingsley.

El lema de Euclides se utiliza generalmente para demostrar otros teoremas, por ejemplo, es usado para demostrar el teorema fundamental de la aritmtica.

Demostracin
Supongamos, sin prdida de generalidad, que p es coprimo con a y veamos que p divide a b. Por definicin, p y a son coprimos si y slo si mcd(a, p) = 1; y la identidad de Bzout nos asegura que existen nmeros enteros x e y tales que:

Que p divida a ab significa que existe un nmero entero r tal que pr = ab. Volviendo a la primera ecuacin y multiplicando en ambos miembros por b, se obtiene:

y, en consecuencia

Sabiendo que pr = ab, se obtiene

sacando p como factor comn, queda:

Lema de Euclides como rx+by es un nmero entero, se concluye que p divide a b. Q.E.D.

371

Referencias
Trygve, N. (2001). Introduction to Number Theory. New York: Chelsea. ISBN 0-8218-2833-9 Tom M., Apostol (1976). Introduction to Analytic Number Theory. New York: Springer-Verlag. ISBN 0-387-90163-9

Enlaces externos
The Elements of Euclid, por Isaac Todhunter - Wikisource Elementos [1] de Euclides.

Referencias
[1] http:/ / www. euclides. org/ menu/ elements_esp/ indiceeuclides. htm

Teorema de Euclides
El teorema de Euclides sobre la infinitud de los nmeros primos es el siguiente: El conjunto formado por los nmeros primos es infinito. Euclides (~325 - 265 a.C)

Demostracin de Euclides
Euclides formul la primera demostracin en la proposicin 20 del libro IX de su obra Elementos.[1] Una adaptacin comn de esta demostracin original sigue as: Se toma un conjunto arbitrario pero finito de nmeros primos p1, p2, , pn, y se considera el producto de todos ellos ms uno, q=p1p2 pn+1. Este nmero es obviamente mayor que 1 y distinto de todos los primos pi de la lista. El nmero q puede ser primo o compuesto. Si es primo tendremos un nmero primo que no est en el conjunto original. Si, por el contrario, es compuesto, entonces existir algn factor p que divida a q. Suponiendo que p es alguno de los pi, se deduce entonces que p divide a la diferencia q-p1p2 pn=1, pero ningn nmero primo divide a 1, es decir, se ha llegado a un absurdo por suponer que p est en el conjunto original. La consecuencia es que el conjunto que se escogi no es exhaustivo, ya que existen nmeros primos que no pertenecen a l, y esto es independiente del conjunto finito que se tome. Existen numerosas demostraciones parecidas a sta, que se formulan a continuacin:

Reformulacin de Kummer
Supngase que existe una cantidad finita de nmeros primos p1 < p2 < p3 < ... < pr. Sea N = p1p2p3...pr > 2. El entero N-1, al ser producto de primos, tiene un divisor pi que tambin es divisor de N; as que pi divide a N - (N-1) = 1. Esto es absurdo, por lo que tiene que haber infinitos nmeros primos.

Demostracin de Hermite
Sea n=1, 2, 3, ... y qn el factor primo ms pequeo de n! + 1 para cada n. Como qn tiene que ser mayor que n, se deduce que esta sucesin contiene infinitos elementos distintos, y que por tanto existen infinitos nmeros primos.

Teorema de Euclides

372

Demostracin de Stieltjes
Supngase que existe un nmero finito de nmeros primos. Sea Q el producto de todos los nmeros primos, y sean m y n dos enteros positivos con Q = mn. Se tiene que todo nmero primo p divide, o bien a m, o bien a n, pero no a ambos, es decir, m y n son primos entre s. Entonces m+n no puede tener ningn divisor primo, pero como es estrictamente mayor que 1, debe ser un nmero primo que no divide a Q: contradiccin.

Demostracin de Goldbach (1730)


Esta demostracin se basa en los nmeros de Fermat, es decir, los nmeros de la forma : Lema: Dos nmeros de Fermat distintos Fm y Fn son primos entre s. (Goldbach, 1730) Para cada nmero de Fermat Fn, escjase un divisor primo pn. Como los nmeros de Fermat son primos entre s, sabemos que dos primos cualesquiera pm y pn son distintos. As, hay al menos un nmero primo pn por cada nmero de Fermat Fn, es decir, al menos un nmero primo por cada nmero entero n. Esta demostracin tambin es vlida si se toma otra secuencia infinita de nmeros naturales que son primos entre s, como la secuencia de Sylvester. .

Otras demostraciones
Demostracin de Euler
Sea Q el producto de todos los primos. Sea (n) la funcin de Euler definida como el nmero de enteros menores que n y coprimos con l. Entonces (Q) es igual al producto de los nmeros que resultan de restarle 1 a cada uno de los nmeros primos, es decir, (Q) = (2-1)(3-1)(5-1)(7-1)(11-1)... = 124610... Uno de los nmeros enteros coprimos con Q es 1. Aun as, hay al menos otro entero en el intervalo [2,Q] que no tiene factor comn con Q. Ese entero no puede tener ningn factor primo, porque estn todos en Q, as que debe ser igual a 1, con lo que se llega a una contradiccin.

Demostracin topolgica de Furstenberg (1955)


Defnase una topologa en el conjunto de los nmeros enteros empleando progresiones aritmticas (de a +). Esto genera un espacio topolgico. Para cada nmero p, sea Ap el conjunto de todos los mltiplos de p. Ap es cerrado, porque su complementario es la unin de todas las dems progresiones aritmticas con diferencia p. Ahora, sea A la unin de las progresiones Ap. Si hay un nmero finito de nmeros primos, entonces A es una unin finita de conjuntos cerrados, y por tanto A es cerrado. Sin embargo, todos los nmeros enteros, salvo -1 y 1, son mltiplos de algn nmero primo, as que el complementario de A es {-1, 1} que no es abierto. Esto muestra que A no es una unin finita y que existen infinitos primos.

Referencias

Teorema de Euler

373

Teorema de Euler
En teora de nmeros el teorema de Euler, tambin conocido como teorema de Euler-Fermat, es una generalizacin del pequeo teorema de Fermat, y como tal afirma una proposicin sobre la divisibilidad de los nmeros enteros. El teorema establece que: Si a y n son enteros primos relativos, entonces n divide al entero a(n)- 1 Leonhard Euler (1736) sin embargo, es ms comn encontrarlo con notacin moderna en la siguiente forma: Si a y n son enteros primos relativos, entonces a(n) 1 (mod n). Leonhard Euler (1736) donde (n) es la funcin de Euler

Funcin de Euler
Si n es un nmero entero, la cantidad de enteros entre 1 y n que son primos relativos con n se denota como (n):

Leonhard Euler (1707-1783).

Valor de n Coprimos con n entre 1 y n Funcin (n) 1 2 3 4 5 6 7 8 9 10 1 1 1,2 1,3 1,2,3,4 1,5 1,2,3,4,5,6 1,3,5,7 1,2,4,5,7,8 1,3,7,9 1 1 2 2 4 2 6 4 6 4

(n) +0 +1 +2 +3 +4 +5 +6 +7 +8 +9 0+ 10+ 4 20+ 8 30+ 8 1 1 2 2 4 8 2 8 6 4 6 18

10 4

12 6

16 6

12 10 22 8

20 12 18 12 28

30 16 20 16 24 12 36 18 24

40+ 16 40 12 42 20 24 22 46 16 42 50+ 20 32 24 52 18 40 24 36 28 58 60+ 16 60 30 36 32 48 20 66 32 44 70+ 24 70 24 72 36 40 36 60 24 78 80+ 32 54 40 82 24 64 42 56 40 88

Teorema de Euler

374
90+ 24 72 44 60 46 72 32 96 42 60

A la funcin se le conoce como las sigts funcin de Euler. Tal funcin es multiplicativa: si m y n son primos relativos, entonces (mn)=(m)(n). Podemos verificarlo con la tabla dada arriba: (30) = (6)(5) =24 = 8

Congruencias
El otro concepto involucrado en el teorema de Euler es el de congruencia. En teora de nmeros, se dice que dos nmeros a, b son congruentes respecto a un mdulo n, cuando n divide al entero a-b. La congruencia de a, b respecto al mdulo n se simboliza como a b (mod n). La congruencia de nmeros se comporta de manera similar a una igualdad (formalmente, es una relacin de equivalencia): Si ab (mod n) entonces: a+cb+c (mod n) y ac bc (mod n) para cualquier entero c. Es decir, se puede sumar o multiplicar una misma cantidad a ambos lados de una congruencia y se preserva la relacin. Si ab (mod n) y bc (mod n) entonces ac (mod n). Es otras palabras, la relacin es transitiva. Un ejemplo sencillo para entender la aritmtica con congruencias lo proporciona un reloj de manecillas, ya que las horas en un reloj se comportan como congruencias mdulo 12. Por ejemplo, las 15 y las 3 horas son indicadas por la misma posicin en el reloj; esta equivalencia se escribira como 15 3 (mod 12) y se obtiene de que 12 divide a 15-3. Si ahora el reloj marca las 5, dentro de 30 horas marcar las 11, porque 12 divide a 35-11 =24 y as: 5+30 = 35 11 (mod 12). Una particularidad de las congruencias, que la diferencia de la igualdad comn es que, aunque podemos sumar o multiplicar una misma cantidad a ambos lados de una congruencia preservndola, no podemos hacer lo mismo con una divisin: 6 4 34 (mod 6), pues 6 divide a 24-12; sin embargo no es cierto que 6 3 (mod 6). Sin embargo, hay un caso especial en el que s es posible efectuar tal cancelacin: cuando el factor y el mdulo son primos relativos: Dado que 54 510 (mod 6) y el mximo comn divisor de 5 y 6 es 1 (es decir, son primos relativos), entonces podemos cancelar el 5 y obtener 4 10 (mod 6).

Prueba del teorema de Euler


La prueba original del teorema de Euler, en notacin moderna, se desarrolla en los siguientes pasos.

Teorema de Euler

375

Pasos generales Consideremos el conjunto P de los enteros menores que n y coprimos con n Multipliquemos cada elemento del conjunto P por a para formar el conjunto Q Los elementos del conjunto Q son congruentes a los del elemento P (en diferente orden). Sea u el producto de los elementos de P, y sea v el producto de los elementos de Q Los nmeros u y v son congruentes pues sus factores son congruentes: uv (mod n) El entero v es igual a u multiplicado por a(n): v=ua(n)

Ejemplo con n = 8, a = 3 Consideremos el conjunto P = {1,3,5,7} Construimos el conjunto Q = {3,9,15,21} 33 (mod 8), 91 (mod 8), 157 (mod 8), 215 (mod 8)

u= 1357 = 105, v=391521=8505 1058505 (mod 8) v= 391521 = (31)(33)(35)(37) = 34 (1357) = 3(8)105 1053(8)105 (mod 8) 13(8) (mod 8)

Cancelamos el factor u en la congruencia uv (mod n): uua(n) (mod n) Concluimos 1a(n) (mod n)

Es importante recalcar que la cancelacin slo es posible puesto que u y n son primos relativos. De manera similar, el tercer paso (los elementos de Q son congruentes a los de P) slo puede obtenerse debido a que a y n son primos relativos.

Aplicacin del teorema de Euler


Una aplicacin del teorema de Euler es en la resolucin de ecuaciones de congruencia. Por ejemplo, se desea encontrar todos los nmeros x que satisfacen 5x 2 (mod 12) en otras palabras, todos los nmeros que al multiplicarlos por 5, dejan residuo 2 en la divisin por 12. O de otra forma, todos los nmeros x tales que 12 divida a 5x-2. El teorema de Euler dice que 5(12) = 54 1 (mod 12) por lo que, multiplicando ambos lados de la ecuacin por 53: 53 5x 532 =250 10 (mod 12) 54 x 10 (mod 12) x10 (mod 12) Entonces, la conclusin es que, cualquier nmero que al dividirse por 12 tenga residuo 10, ser una solucin de la ecuacin. Se puede verificar con un ejemplo. Si se divide 34 entre 12, el residuo es 10, por lo que x=34 debe funcionar como solucin. Para verificarlo, se divide 345=170 entre 12, obtenemos un cociente 14 y un residuo 2, como se esperaba.

Teorema de Euler

376

Relacin con el Teorema de Fermat


El Teorema de Euler es una generalizacin del teorema de Fermat que establece: Si p es un nmero primo y a es un entero, entonces p divide al nmero ap-1-1 Pierre de Fermat (1640) Fermat estableci tal resultado en una carta a Frnicle de Bessy, pero como era usual en l, omiti la prueba del mismo:
Tout nombre premier mesure infailliblement une des puissances -1 de quelque progression que ce soit, et lexposant de la dite puissance est sous-multiple du nombre premier donn -1. (...) Et cette proposition est gnralement vraie en toutes progressions et en tous nombres premiers; de quoi je vous envoierois la dmonstration, si je n'apprhendois d'tre trop long. Todo nmero primo mide una de las potencias menos uno de cualquier progresin en la que el exponente es un mltiplo del primo dado menos uno. (...) Y esta proposicin es generalmente cierta para todas las progresiones y todos los nmeros primos; te enviara la prueba, si no temiese que es demasiado larga.

Pierre de Fermat No fue sino hasta que Euler prob su teorema, que qued demostrado el resultado de Fermat, pues es un corolario del teorema de Euler. En notacin de congruencias, el teorema de Fermat establece que Si p es un nmero primo y a es un entero no divisible por p, entonces ap - 1 1 (mod p). Pierre de Fermat (1640) En la afirmacin original de Fermat, no se hace explcita la suposicin de que a y p son primos relativos. Dado que si p es un nmero primo, todos los nmeros {1,2,3,...,p-1} son primos relativos con p, se cumple que (p)=p-1 y por tanto el teorema de Fermat es una consecuencia directa del teorema de Euler. Por sta razn al teorema de Euler se le conoce en ocasiones como teorema de Euler-Fermat.

Referencias
Andrews, George E. (1994). Number Theory. Dover. 0-486-68252-8. Cohn, Harvey (1980). Advanced Number Theory. Dover. 0-486-64023-X. Erds, Paul; Surnyi, Janos (2003). Topics in the theory of numbers (2a ed. edicin). New York: Springer. 0-387-95320. Amabda Bergeron; David White (17). Transcripcin de la carta de Pierre de Fermat a Frnicle de Bessy. [1] (pdf). Consultado el 24 de septiembrede 2007.

Referencias
[1] http:/ / www. cs. utexas. edu/ users/ wzhao/ fermat2. pdf

Criterio de Euler

377

Criterio de Euler
En teora de nmeros, concretamente en aritmtica modular, el criterio de Euler es utilizado para calcular si un nmero entero x es un residuo cuadrtico mdulo un nmero primo. Su nombre se debe al matemtico suizo Leonhard Euler.

Definicin
Sea p > 2 un nmero primo. Entonces x es un residuo cuadrtico mdulo p si y slo si . Como corolario de este teorema se obtiene que: Si x no es un residuo cuadrtico mdulo p entonces

As, el criterio de Euler puede ser reformulado de manera ms compacta usando el smbolo de Legendre:

Demostracin
Supongamos que . Se sabe por el pequeo teorema de Fermat que si p es primo, entonces . Luego tenemos

A la inversa, suponemos que para algn i. Entonces tenemos

. Sea b un elemento primitivo modulo p. Entonces

Como b es de orden p-1, debe darse el caso que p-1 divide a i(p-1)/2. Por lo tanto, i es par, y las races cuadradas de x son .

Bibliografa
Tom M. Apostol (1976): Introduction to Analytic Number Theory, Springer-Verlag, New York. ISBN 0-387-90163-9, (Captulo 9.2)

Enlaces externos
Weisstein, Eric W. Euler's Criterion [1] (en ingls). MathWorld. Wolfram Research. Elvidge, Sean. The History of the Law of Quadratic Reciprocity [2] (en ingls) (PDF). Consultado el 9 de abril de 2011.

Criterio de Euler

378

Referencias
[1] http:/ / mathworld. wolfram. com/ EulersCriterion. html [2] http:/ / seanelvidge. com/ downloads/ HistoryQR. pdf

Teorema de Fermat
Existen varios teoremas en diversas reas de la matemtica que son denominados teorema de Fermat: En anlisis matemtico, el teorema de Fermat (anlisis) un resultado sobre mximos y mnimos locales. En ptica el principio de Fermat. En teora de nmeros: El pequeo teorema de Fermat es un resultado sobre divisibilidad de expresiones de la forma ap - a. El teorema de Fermat sobre la suma de dos cuadrados El teorema del nmero poligonal de Fermat El ltimo teorema de Fermat, acerca de soluciones de ecuaciones diofantinas de la forma xn+yn = zn.

Teorema del nmero poligonal de Fermat


El teorema del nmero poligonal de Fermat dice que cada nmero natural es suma de a lo mximo n nmeros poligonales. Cada nmero natural puede ser escrito como la suma de tres o menos nmeros triangulares, o cuatro o menos nmeros cuadrados, o cinco o menos nmeros pentagonales, y as sucesivamente. 17, por ejemplo, puede ser escrito como sigue: 17 = 10 + 6 + 1 (nmeros triangulares) 17 = 16 + 1 (nmeros cuadrados) 17 = 12 + 5 (nmeros pentagonales). Un caso especial del teorema bien conocido es el teorema de los cuatro cuadrados de Lagrange, que asegura que cada nmero natural puede ser expresado como la suma de cuatro cuadrados, por ejemplo, 7 = 4 + 1 + 1 + 1. Joseph Louis Lagrange demostr el caso cuadrado en 1770 y Carl Friedrich Gauss demostr el caso triangular en 1796, pero el teorema no fue resuelto de forma general hasta que al final fue demostrado por Cauchy en 1813. Una demostracin de Nathanson (ver referencias) est basada en el siguiente lema dado por Cauchy: Para nmeros naturales impares enteros no negativos y y tales que y y se pueden encontrar nmeros

tales que

Referencias
Fermat's Polygonal Number Theorem [1] de MathWorld. Nathanson, M. B. "A Short Proof of Cauchy's Polygonal Number Theorem." Proc. Amer. Math. Soc. Vol. 99, No. 1, 22-24, (Jan. 1987). Nathanson, Melvyn B. (1996), Additive Number Theory The Classical Bases, Berlin: Springer, ISBN 978-0387946566 Has proofs of Lagrange's theorem and the polygonal number theorem.

Teorema del nmero poligonal de Fermat

379

Referencias
[1] http:/ / mathworld. wolfram. com/ FermatsPolygonalNumberTheorem. html

Pequeo teorema de Fermat


El pequeo teorema de Fermat es uno de los teoremas clsicos de teora de nmeros relacionado con la divisibilidad. Se formula de la siguiente manera: Si p es un nmero primo, entonces, para cada nmero natural a , ap a (mod p) Pierre de Fermat, 1636 Aunque son equivalentes, el teorema suele ser presentado de esta otra forma: Si p es un nmero primo, entonces, para cada nmero natural a coprimo con p , ap-1 1 (mod p) Pierre de Fermat, 1636 Esto quiere decir que, si se eleva un nmero a a la p-sima potencia y al resultado se le resta a, lo que queda es divisible por p (vase aritmtica modular). Su inters principal est en su aplicacin al problema de la primalidad y en criptografa.

Pierre de Fermat.

Este teorema no tiene nada que ver con el legendario ltimo teorema de Fermat, que fue slo una conjetura durante 350 aos y finalmente fue demostrado por Andrew Wiles en 1995.[1]

Historia
La civilizacin china parece que fue la primera cultura en estar interesada en la aritmtica modular.[2] Existe una hiptesis,[3] documentada por Joseph Needham, segn la cual los nmeros de la forma 2p 2 fueron estudiados por esta civilizacin. As pues, matemticos chinos formularon la hiptesis (a veces conocida como hiptesis china) de que p es primo si y slo si 2p 2 (mod p) (donde el smbolo significa congruencia segn el mdulo indicado). Es verdad que, si p es primo, entonces 2p 2 (mod p) (este es un caso especial del pequeo teorema de Fermat), pero el recproco (si 2p 2 (mod p), entonces p es primo) no lo es, por lo que la hiptesis es falsa. Se cree ampliamente que la hiptesis china fue desarrollada 2000 aos antes del trabajo de Fermat en el siglo XVII. Aunque la hiptesis sea parcialmente incorrecta, es notable que pueda haber sido conocida por los matemticos de la antigedad. Algunos, sin embargo, sostienen que la creencia de que esta hiptesis fuera conocida hace tanto tiempo es fruto de un error de comprensin, y que se desarroll realmente en 1872. Para ms informacin sobre este asunto, consltese (Ribenboim, 1995). Alrededor de 1636, Pierre de Fermat enunci el teorema. Aparece en una de sus cartas a su confidente Frnicle de Bessy, fechada el 18 de octubre de 1640, con el siguiente texto: p divide a ap-1 - 1 cuando p sea primo y a sea coprimo con p.[4] Aunque actualmente lo conozcamos como pequeo teorema de Fermat, lo cierto es que hasta el siglo XX fue conocido como teorema de Fermat, como recoge por ejemplo Carl Friedrich Gauss en su libro Disquisitiones arithmeticae.[5] El trmino pequeo teorema de Fermat, tal como lo conocemos actualmente, fue usado por primera vez por el matemtico alemn Kurt Hensel en 1913 en su libro Zahlentheorie.[6]

Pequeo teorema de Fermat

380

Fr jede endliche Gruppe besteht nun ein Fundamentalsatz, welcher der kleine Fermatsche Satz genannt zu werden pflegt, weil ein ganz spezieller Teil desselben zuerst von Fermat bewiesen worden ist.

He aqu el teorema fundamental que se cumple en cada grupo finito, llamado habitualmente pequeo teorema de Fermat, porque Fermat fue el primero en probar una parte especial de l.

Kurt Hensel

Demostracin
Fermat estableci tal resultado en una carta a Frnicle de Bessy, pero como era habitual en l, omiti la prueba del mismo:[4]
Tout nombre premier mesure infailliblement une des puissances -1 de quelque progression que ce soit, et lexposant de la dite puissance est sous-multiple du nombre premier donn -1. (...) Et cette proposition est gnralement vraie en toutes progressions et en tous nombres premiers; de quoi je vous envoierois la dmonstration, si je n'apprhendois d'tre trop long. Todo nmero primo mide una de las potencias menos uno de cualquier progresin en la que el exponente es un mltiplo del primo dado menos uno. (...) Y esta proposicin es generalmente cierta para todas las progresiones y todos los nmeros primos; le enviara la prueba, si no temiese que es demasiado larga.

Pierre de Fermat La primera demostracin publicada se debe a Leonhard Euler en 1736 en un artculo titulado Theorematum Quorundam ad Nmeros Primos Spectantium Demonstratio.[7] Dara otras dos demostraciones ms a lo largo de su vida,[8] aunque era la primera de todas ellas la misma que haba en un manuscrito personal de Gottfried Leibniz, escrito sobre 1683 y que nunca lleg a publicar.[9] Gauss publicara otra prueba ms en su libro Disquisitiones arithmeticae en 1801.[5][10] La prueba original de Euler (y Leibniz) es sencilla, en trminos de comprensin lgica, ya que slo utiliza mtodos elementales que una persona con nociones bsicas de lgebra puede entender. Su demostracin se basa en el principio de induccin, que consiste en demostrar que si cierta propiedad P de los nmeros naturales se cumple para n y tambin se cumple para n+1, entonces se cumple para todo n.[11] Es fcil ver que si se cumple para n, y para n+1, tambin se cumple para n+2, n+3, etc. ya que, llamando como n1 a n+1, se cumple para n1 y n1+1, por tanto, para n, n+1 y n+2, y as sucesivamente.

Leonhard Euler dara la primera demostracin formal del teorema en 1736.

Para la demostracin tambin se utiliza la propiedad de que si p es un nmero primo, entonces el coeficiente binomial es divisible por p, para todo n, tal que 1 n<p. Esto es as puesto que el coeficiente binomial se define como:

Donde el signo ! corresponde al factorial de un nmero, que indica la multiplicacin de todos los nmeros naturales menores o iguales a dicho nmero, por ejemplo, p! = p(p-1)(p-2)...21. Puesto que en el denominador, los factoriales de los nmeros involucran nmeros que son menores que el nmero primo p, stos no pueden contener p ni dividir al nmero primo p del numerador, as pues, el coeficiente es divisible por p. Dicho esto, la demostracin consiste en los siguientes pasos: Supongamos que Utilizamos el binomio de Newton para expandir la potencia (n + 1)p:

Pequeo teorema de Fermat

381

Agrupando factores y reordenando la identidad:

Por hiptesis, hemos supuesto que np - n es divisible por p, y dado que todos los trminos del sumatorio del miembro de la derecha son divisibles por p, tenemos que p divide a (n + 1)p - (n + 1). Ahora bien, 1p - 1 es divisible por p, por lo tanto 2p - 2 tambin es divisible por p, y as sucesivamente. Q.E.D.

Ejemplos
A continuacin se muestran algunos ejemplos del teorema: 53 5 = 120 es divisible por 3. 72 7 = 42 es divisible por 2. 25 2 = 30 es divisible por 5. (3)7 + 3 = 2.184 es divisible por 7. 297 2 = 158.456.325.028.528.675.187.087.900.670 es divisible por 97.

Aplicaciones
Las aplicaciones son numerosas, particularmente en criptografa. No obstante, hay ejemplos clsicos de aplicaciones del teorema en matemticas puras, sobre todo, relacionadas con el problema de la primalidad.

Aplicaciones tericas
El pequeo teorema de Fermat se ha utilizado histricamente para analizar la descomposicin en producto de factores primos de ciertos enteros. As, Fermat escribi a Marin Mersenne:[12]
Vous me demandez si le nombre 100.895.598.169 est premier ou non, et une mthode pour dcouvrir, dans l'espace d'un jour, s'il est premier ou compos. A cette question, je rponds que ce nombre est compos et se fait du produit de ces deux: 898.423 et 112.303, qui sont premiers. Usted me pregunta si el nmero 100.895.598.169 es primo o no, y un mtodo para descubrir, en el plazo de un da, si es primo o compuesto. A esta pregunta, yo le respondo que este nmero es compuesto y que se obtiene del producto de estos dos: 898.423 y 112.303, que son primos.

Pierre de Fermat Utilizando un mtodo anlogo, Euler invalid la nica conjetura falsa de Fermat, es decir, que los nmeros de Fermat no son todos primos.[13] Este teorema tambin se ha utilizado para demostrar resultados de la teora de nmeros algebraicos, como el teorema de Herbrand-Ribet. Ha sobrepasado el mbito estricto de la aritmtica, con una utilizacin para el estudio de los puntos fijos del Endomorfismo de Frobenius, por ejemplo.

Pequeo teorema de Fermat

382

Criptografa asimtrica
La criptografa con clave pblica corresponde a un cdigo que se agrega para asegurar la confidencialidad de los mensajes con la ayuda de dos claves criptogrficas. Una, que permite cifrar el mensaje, es pblica. La otra, que tiene como objetivo el descifrado, es privada. Una importante familia de cdigos asimtricos utiliza la tecnologa llamada RSA. La clave secreta est determinada por la descomposicin de un nmero entero grande, a menudo de varias centenas de cifras. ste tiene dos factores primos. Lo esencial de las tcnicas industriales de principios del siglo XXI se basa en el pequeo teorema de Fermat para generar grandes nmeros primos o para comprobar la primalidad de un nmero.

Test de primalidad
El pequeo teorema de Fermat da una condicin necesaria para que un nmero p sea primo. Es necesario que, para todo nmero natural a menor que p, ap-1 - 1 sea divisible por p, o sea, que ap-1 sea congruente con uno mdulo p (en notacin moderna como ap - 1 1 (mod p)). Este principio es la base del test de primalidad de Fermat.[14] Este test, al que asumimos una entrada n, consiste en ir probando que an-1 1 (mod n) para una serie de valores de a, tales que sean menores que n. Si n es primo, entonces la congruencia se cumplir siempre (condicin necesaria del teorema) mientras que si n es compuesto, la congruencia puede no cumplirse. Si para algn valor de a (menor que n) no se cumple la congruencia, entonces n es compuesto. Una descripcin de este test de forma general, en forma de algoritmo escrito en pseudocdigo, podra ser la siguiente:
Algoritmo Test de primalidad de Fermat. Entrada: Un nmero natural n>1, el nmero k de veces que se ejecuta el test y nos determina la fiabilidad del test. Salida: COMPUESTO si n es compuesto y POSIBLE PRIMO si n es un posible primo. 1. Para 1. 2. Si 1. Retorne COMPUESTO 2. Retorne POSIBLE PRIMO desde hasta haga lo siguiente: y (sin incluirlos) entonces:

Funcin genera un nmero aleatorio comprendido entre

Existen numerosas variantes algortmicas que usan como base este test. Las ms conocidas son el test de primalidad de Solovay-Strassen y sobre todo el test de primalidad de Miller-Rabin.

Nmero pseudoprimo
Los tests precedentes utilizan una condicin necesaria pero no suficiente. Tanto es as que existen nmeros enteros p compuestos y coprimos con a tal que a p-1 es congruente con uno modulo p, son los llamados pseudoprimos.[15] Estos nmeros tienen la peculiaridad de que pueden pasar el test de primalidad de Fermat algunas veces, siendo reconocidos como falsos primos. Existen varias clases de pseudoprimos, por ejemplo, los que cumplen que ap-1 1 (mod p) para todos los valores de a que sean coprimos con p, siendo p compuesto se denominan nmeros de Carmichael. El nmero 1729 es un ejemplo de nmero de Carmichael. Adems existen otros pseudoprimos que slo se cumplen para una base a concreta, por ejemplo, si a es igual a 2, 341 cumple que 2341-1 1 (mod 341), siendo 341 claramente compuesto. Los tests indicados en la seccin anterior son todos estadsticos, en el sentido de que existe siempre una probabilidad, a veces muy dbil, de que el nmero que ha pasado el test no es primo, debido a los pseudoprimos o al nmero de comprobaciones.

Pequeo teorema de Fermat

383

Generalizaciones
Una pequea generalizacin del teorema, que se sigue de l, dice lo siguiente: si p es primo y m y n son enteros positivos con m n (mod p-1), entonces am an (mod p) para todos los enteros a.[5] Expresado as, el teorema se utiliza para justificar el mtodo de cifrado de clave pblica RSA. El pequeo teorema de Fermat se puede generalizar mediante el teorema de Euler; para cualquier mdulo n y cualquier entero a coprimo con n, se tiene:

donde (n) es la funcin de Euler que cuenta el nmero de enteros entre 1 y n coprimos con n. Esta es de hecho una generalizacin, ya que si n = p es un nmero primo, entonces (p) = p - 1. Aun as, todava se puede generalizar ms, como as se muestra en el teorema de Carmichael. Como antes, para cualquier mdulo n y cualquier entero a coprimo con n, se tiene: donde ahora (n) es la funcin de Carmichael.[16]

Bibliografa
Ribenboim, Paul (1995). The New Book of Prime Number Records (3rd ed.). New York: Springer-Verlag. ISBN 0-387-94457-5. Gauss, Carl Friedrich (1965). Disquisitiones Arithmeticae, tr. Arthur A. Clarke. Yale University Press. ISBN 0-300-09473-6.

Referencias
[2] Sun Zi Sunzi suanjing Manual de matemtica de Sun Zi del siglo III. [3] Joseph Needham (Ed.) Mathematics and the Sciences of the Heavens and the Earth Science and Civilisation in China, Vol. 3 Ch. 19 Cambridge University Press, 1959 [4] (traduccin paralela del francs al ingls) [5] . (Traduccin al espaol) (http:/ / www. cimm. ucr. ac. cr/ da/ files/ sec3arts45-93. pdf) [7] . (traduccin paralela del latn al ingls) [12] Pierre de Fermat Lettre Marin Mersenne du 7 avril 1643 lire (http:/ / primes. utm. edu/ mersenne/ LukeMirror/ lit/ lit_067s. htm) [13] . (traduccin paralela del latn al ingls)

Enlaces externos
Weisstein, Eric W. Fermat's Little Theorem (http://mathworld.wolfram.com/FermatsLittleTheorem.html) (en ingls). MathWorld. Wolfram Research. Fermat's little theorem (http://planetmath.org/?op=getobj&amp;from=objects&amp;id=195) en PlanetMath

Demostraciones del pequeo teorema de Fermat

384

Demostraciones del pequeo teorema de Fermat


En este artculo se recogen unas cuantas demostraciones del pequeo teorema de Fermat, que establece: Si a es un nmero natural y p un nmero primo, entonces . Este teorema es un caso especial del teorema de Euler que generaliza este concepto mucho ms.

Demostracin original de Euler


Leonhard Euler dio en 1736 la primera demostracin en un artculo titulado Theorematum Quorundam ad Nmeros Primos Spectantium Demonstratio[1] y es la siguiente: Se demuestra por induccin matemtica sobre los nmeros naturales. Sea n = 1, sabemos que 1p -1 = 0 es divisible por p primo. Supongamos ahora que se aplica para 2 y es correcto, entonces tendremos que p|2p -2. Si se aplica a todos los nmeros hasta n y se cumple la proposicin, y se puede demostrar que para n + 1 tambin se cumple, entonces se cumplir para todo n. Partimos de que Utilizamos el binomio de Newton para expandir la potencia (n + 1)p:

Agrupando factores y reordenando la identidad:

Dado que el nmero resultante del sumatorio del miembro de la derecha es divisible por p, porque el coeficiente binomial es divisible por p para 0 < k < p y p primo, y np -n es divisible por p por hiptesis

inductiva, tenemos que (n + 1)p -(n + 1) es divisible por p. Repitiendo el proceso vemos que se cumple para todo n.

Demostracin usando el teorema de Euler


El pequeo teorema de Fermat se puede demostrar como un caso particular del teorema de Euler. Si a es un nmero coprimo con n, entonces:

donde (n) es la funcin de Euler. Dado que para cada primo p, (p) = p - 1, entonces obtenemos que

que es la forma en la que se suele representar el teorema. Para obtener la forma original, solo debemos conocer una sencilla propiedad en aritmtica modular que dice que si A, B son dos nmeros enteros cualesquiera tales que A B (mod n), entonces para cualquier nmero natural C tenemos que AC BC (mod n). Multiplicando a en ambos lados de la relacin de equivalencia obtenemos la forma original:

Demostraciones del pequeo teorema de Fermat

385

Demostracin utilizando aritmtica modular


Esta demostracin[2] se basa en el uso de aritmtica modular y es la que suele aparecer en los textos de teora de nmeros. La demostracin se basa en dos lemas que se exponen a continuacin: Lema 1: Ley de cancelacin. Si u, x e y son nmeros enteros y u no es divisible por un nmero primo p, y

entonces nosotros podemos "cancelar" u, quedando

Se puede comprobar fcilmente esto ya que segn el lema de Euclides, si un primo p divide al producto rs (donde r y s son enteros), entonces p divide a r p divide a s. Dado que ux uy (mod p) significa que p divide a ux - uy, sacando factor comn, u(x - y), y puesto que p no divide a u, tenemos que p divide a (x - y) de lo que se sigue que x y (mod p). Lema 2: Propiedad de reagrupacin. La secuencia

con p no divisible por a, cuando es reducida mdulo p , puede volver a reagruparse en la secuencia

Para empezar, ninguno de los trminos a, 2a, ..., (p 1)a puede ser cero mdulo p, ya que si k es uno de los nmeros 1, 2, ..., p 1, entonces k no es divisible por p, y tampoco por a, as que, segn el lema de Euclides ka no es divisible por p. Por lo tanto, los nmeros de la secuencia a, 2a, ..., (p 1)a, al ser reducidos mdulo p, deben encontrarse entre los nmeros 1, 2, 3, ..., p 1. Ahora bien, los nmeros a, 2a, ..., (p 1)a deben de ser todos distintos al ser reducidos mdulo p, puesto que si

donde k y m son nmeros de la lista 1, 2, ..., p 1, entonces la ley de cancelacin dice que

Al reducir la secuencia a, 2a, ..., (p 1)a mdulo p, obtendremos la secuencia 1, 2, ..., p 1, pero en distinto orden, en definitiva, una biyeccin. Demostracin. Sea a un entero positivo no divisible por p. Escribimos la secuencia de nmeros

Si se reduce cada elemento de la secuencia mdulo p y se reagrupa (lema 2), nos queda la secuencia:

Multiplicando todos los elementos de la primera secuencia, se observa que es equivalente mdulo p a la multiplicacin de todos los elementos de la segunda secuencia, o sea:

Agrupando los trminos a:

Finalmente, cancelando (lema 1) los nmeros 1, 2 , ..., p - 1 obtenemos:

Demostraciones del pequeo teorema de Fermat

386

Demostracin utilizando teora de grupos


Esta demostracin requiere los ms bsicos elementos de teora de grupos. La idea fundamental es reconocer que el grupo G={1, 2, , p 1}, con la operacin de multiplicacin (bajo mdulo p) forma un grupo. Generalmente se denota a este grupo como (Z/nZ)x. El nico axioma de grupo que requiere un poco esfuerzo de demostrar es que cada elemento de G es invertible. Se demuestra a continuacin. Propiedad de invertibilidad. Para demostrar que cada elemento b de G es invertible, se procede de la siguiente manera. Puesto que b es coprimo con p, la identidad de Bzout asegura que existen dos enteros x e y tales que:

Leyendo esta ecuacin "mdulo p", se puede observar que x es el inverso de b (mdulo p), puesto que

Como para cada b G existe un x que es su inverso mdulo p, de concluye que G es un grupo. Una vez demostrado que G es un grupo se demuestra el teorema: Sea a un nmero entre 1 a p 1, esto es, un elemento de G. Sea k el orden de a, as pues

Por el teorema de Lagrange, k divide el orden de G, que es p - 1, as que p - 1=km para algn entero m. Luego

Referencias
[E054] Leonhard, Euler, Theorematum quorundam ad nmeros primos spectantium demonstratio. Commentarii academiae scientiarum Petropolitanae 8, 1741, pp. 141-146, Reprinted in Opera Omnia: Series 1, Volume 2, pp. 33 - 37.

Enlaces externos
[1] Euler, Leonhard, Theorematum Quorundam ad Numeros Primos Spectantium Demonstratio (http:/ / www. cs. utexas. edu/ users/ wzhao/ e054. pdf) (traduccin paralela del latn al ingls) [2] Proof of Fermat's Little Theorem (http:/ / primes. utm. edu/ notes/ proofs/ FermatsLittleTheorem. html)

Teorema de Fermat sobre la suma de dos cuadrados

387

Teorema de Fermat sobre la suma de dos cuadrados


En teora de nmeros, el teorema de Fermat sobre la suma de dos cuadrados establece la relacin que hay entre los nmeros primos representables como suma de dos cuadrados. En concreto, el teorema dice lo siguiente: Un nmero primo p es expresable como suma de dos cuadrados si y slo si p=2 p1 (mod 4). Pierre de Fermat (1640) O sea, p=x +y , donde x e y son nmeros enteros si p=4k+1 para algn k entero, o escrito en notacin moderna, p1 (mod 4) (vase aritmtica modular). El teorema es tambin conocido como lema de Thue, debido al matemtico noruego Axel Thue.
2 2

Historia
Fermat anunci su teorema en una carta a Marin Mersenne fechada el 25 de diciembre de 1640, razn por la cual se le conoce tambin como Teorema de navidad de Fermat.[1]
Pierre de Fermat.

Como era habitual en Fermat, ste no dio ninguna demostracin de su teorema y fue Leonhard Euler, tras mucho esfuerzo, el primero que dio una demostracin formal basada en descenso infinito. Fue anunciada en una carta escrita a Christian Goldbach el 12 de abril de 1749.[2] Lagrange public una demostracin en 1775 basada en su estudio de formas cuadrticas. Esta demostracin fue simplificada por Gauss en su libro Disquisitiones arithmeticae.[3]Dedekind dio otras dos demostraciones basadas en la aritmtica de los enteros gaussianos. Hay incluso una demostracin elegante usando el teorema de Minkowski sobre conjuntos convexos.

Ejemplos
Por ejemplo, los nmeros primos 5,13,41,61 son de la forma 4k+1, y por el teorema pueden ser escritos como suma de dos cuadrados de la siguiente manera:

Teorema de Fermat sobre la suma de dos cuadrados

388

Generalizacin
Fermat anunci otros resultados relacionados catorce aos ms tarde. As, en una carta escrita a su amigo Blaise Pascal el 25 de septiembre de 1654, anunciaba los siguientes resultados para nmeros primos mayores que 2:[4] Cada nmero primo, que es mayor en una unidad a un mltiplo de 3, est compuesto por un cuadrado y el triple de otro cuadrado como 7, 13, 19, 31, 37, ... Cada nmero primo, que es mayor en una unidad( 1 ) o en tres unidades(3) a un mltiplo de 8, est compuesto por un cuadrado y el doble de otro cuadrado como 11, 17, 19, 41, 43, ...Pierre de Fermat Lo que en trminos modernos viene a ser:

Referencias
Stillwell, John (1996). Introduction to Theory of Algebraic Integers by Richard Dedekind. Cambridge University Press. ISBN 0-521-56518-9. Cox, D. A. (1998). Primes of the Form x2+ny2.. Wiley-Interscience. ISBN 0-471-50654-0.

Notas
[3] . (Traduccin al espaol) (http:/ / www. cimm. ucr. ac. cr/ da/ files/ sec5art167-184. pdf) [4] Correspondencia entre Fermat y Pascal (http:/ / www. york. ac. uk/ depts/ maths/ histstat/ pascal. pdf) (traducido al ingls).

Enlaces externos
Weisstein, Eric W. Fermat's 4n+1 Theorem (http://mathworld.wolfram.com/Fermats4nPlus1Theorem.html) (en ingls). MathWorld. Wolfram Research.

ltimo teorema de Fermat

389

ltimo teorema de Fermat


En teora de nmeros, el ltimo teorema de Fermat, o teorema de Fermat-Wiles, es uno de los teoremas ms famosos en la historia de la matemtica. Utilizando la notacin moderna, se puede enunciar de la siguiente manera: Si n es un nmero entero mayor que 2, entonces no existen nmeros enteros x, y y z, tales que se cumpla la igualdad:

Pierre de Fermat Ntese que n es un entero mayor que 2, y x, y, z, no nulos. Es decir, ni x=0, ni y=0, ni z=0. El teorema fue conjeturado por Pierre de Fermat en 1637, pero no fue demostrado hasta 1995 por Andrew Wiles ayudado por el matemtico Richard Taylor. La bsqueda de una demostracin estimul el desarrollo de la teora algebraica de nmeros en el siglo XIX y la demostracin del teorema de la modularidad en el siglo XX.

Pierre de Fermat

ltimo teorema de Fermat

390

Introduccin histrica
Pierre de Fermat escribi en el margen de su ejemplar de la Arithmetica de Diofanto, traducido por Claude Gaspar Bachet, en el problema que trata sobre escribir un nmero cuadrado como suma de dos cuadrados (es decir, encontrar ternas pitagricas):

La edicin de 1670 de la Arithmetica de Diofanto incluye el comentario de Fermat, conocido como "ltimo teorema" (Observatio Domini Petri de Fermat : Observacin del seor Pedro de Fermat).

Cubum autem in duos cubos, aut quadratoquadratum in duos quadratoquadratos, et generaliter nullam in infinitum ultra quadratum potestatem in duos eiusdem nominis fas est dividere cuius rei demonstrationem mirabilem sane detexi. Hanc marginis exiguitas non caperet.

Es imposible descomponer un cubo en dos cubos, un bicuadrado en dos bicuadrados, y en general, una potencia cualquiera, aparte del cuadrado, en dos potencias del mismo exponente. He encontrado una demostracin realmente admirable, pero el margen del libro es muy pequeo para ponerla.

Pierre de Fermat[1]

Historia de la demostracin del teorema


Pierre de Fermat
El primer matemtico que consigui avanzar sobre este teorema fue el propio Fermat, que demostr el caso n=4 usando la tcnica del descenso infinito, una variante del principio de induccin.

Leonhard Euler
Leonhard Euler demostr el caso n = 3. El 4 de agosto de 1735 Euler escribi a Goldbach reclamando tener una demostracin para el caso n = 3. En lgebra (1770) se encontr una falacia en la demostracin de Euler. Corregirla directamente era demasiado difcil, pero otros aportes anteriores de Euler permitan encontrar una solucin correcta

ltimo teorema de Fermat por medios ms simples. Por esto se consider que Euler haba demostrado ese caso. Del anlisis de la demostracin fallida de Euler surgi la evidencia de que ciertos conjuntos de nmeros complejos no se comportaban de igual manera que los enteros.

391

Sophie Germain
El siguiente mayor paso fue hecho por la matemtica Sophie Germain. Un caso especial dice que si p y 2p + 1 son ambos primos, entonces la expresin de la conjetura de Fermat para la potencia p implica que uno de los x, y z es divisible por p. En consecuencia la conjetura se divide en dos casos: Caso 1: Ninguno de los x, y, z es divisible por p. Caso 2: Uno y slo uno de x, y, z es divisible por p. Sophie Germain prob el caso 1 para todo p menor que 100 y Adrien-Marie Legendre extendi sus mtodos a todos los nmeros menores que 197. Aqu se encontr que el caso 2 no estaba demostrado ni siquiera para p = 5, por lo que fue evidente que era en el caso 2 en el que haba que concentrarse. Este caso tambin se divida entre varios casos posibles.

Ernst Kummer y otros Cronologa[]


Ao Acontecimiento

1665 Muere Fermat sin dejar constancia de su demostracin. 1753 Leonhard Euler demostr el caso . .

1825 Adrien-Marie Legendre demostr el caso para 1839 Lam demostr el caso n=7. 1843 Ernst Kummer afirma haber demostrado el teorema pero Dirichlet encuentra un error. 1995 Andrew Wiles publica la demostracin del teorema.

No fue hasta 1825 que Peter Gustav Lejeune Dirichlet y Legendre generalizaron para n=5 la demostracin de Euler. Lam demostr el caso n=7 en 1839. Entre 1844 y 1846 Ernst Kummer demostr que la factorizacin no nica poda ser salvada mediante la introduccin de nmeros complejos ideales. Un ao despus Kummer afirma que el nmero 37 no es un primo regular (Ver: Nmeros de Bernoulli). Luego se encuentra que tampoco 59 y 67 lo son. Kummer, Mirimanoff, Wieferich, Furtwnger, Vandiver y otros extienden la investigacin a nmeros ms grandes. En 1915 Jensen demuestra que existen infinitos primos irregulares. La investigacin se estanca por esta va de la divisibilidad, a pesar de que se logran comprobaciones para n menor o igual a 4.000.000.

Andrew Wiles
En el ao 1995 el matemtico Andrew Wiles, en un artculo de 98 pginas publicado en Annals of mathematics, demostr el caso semiestable del Teorema de Taniyama-Shimura, anteriormente una conjetura, que engarza las formas modulares y las curvas elpticas. De este trabajo, combinado con ideas de Frey y con el Teorema de Ribet, se desprende la demostracin del ltimo Teorema de Fermat.[2] Aunque una versin anterior (no publicada) del trabajo de Wiles contena un error, este pudo ser corregido en la versin publicada, que consta de dos artculos, el segundo en colaboracin con el matemtico Richard Taylor. En estos trabajos por primera vez se establecen resultados de modularidad a partir de modularidad residual, por lo cual los resultados del tipo de los probados por Wiles y Taylor

ltimo teorema de Fermat son denominados "Teoremas de Levantamiento Modular". En la actualidad resultados de este tipo, mucho ms generales y poderosos, han sido probados por varios matemticos: adems de generalizaciones probadas por Wiles en colaboracin con C. Skinner y de Taylor en colaboracin con M. Harris, los ms generales en la actualidad se deben a Mark Kisin. En el trabajo de 1995 de Wiles se abri una nueva va, prcticamente una nueva rea: la de la modularidad. Con estas tcnicas de las que este trabajo fue pionero, ms recientemente se han resuelto otras importantes conjeturas, como la Conjetura de Serre y la de Sato-Tate. Curiosamente, la resolucin de los primeros casos de la Conjetura de Serre (trabajos de Khare, Wintenberger y Dieulefait), como observara el propio Serre al formular la conjetura, permite una nueva demostracin del ltimo Teorema de Fermat.[3] Los trabajos de Wiles por lo tanto tienen una importancia que trasciende ampliamente su aplicacin al ltimo Teorema de Fermat, se consideran centrales en la Geometra Aritmtica moderna y se espera que sigan jugando un rol vital en la demostracin de resultados de modularidad que se enmarcan en el Programa de Langlands.

392

Referencias
[3] Nueva demostracin del ltimo teorema de Fermat, Revista Matematicalia (http:/ / www. matematicalia. net/ index. php?option=com_content& task=view& id=22& Itemid=58)

Bibliografa
El ltimo teorema de Fermat. Simon Singh. ISBN 958-04-4865-5 El enigma de Fermat. Simon Singh. ISBN 978-84-08-06572-2

Enlaces externos
Demostracin del ltimo teorema de Fermat (http://www.astroseti.org/articulo/3551/) Notas sobre el ltimo teorema de Fermat (http://www.ciencia.cl/CienciaAlDia/volumen2/numero1/articulos/ articulo1.html) Biografa de Fermat (http://www.divulgamat.net/weborriak/Historia/MateOspetsuak/Fermat.asp)

Teorema de Gelfond-Schneider

393

Teorema de Gelfond-Schneider
En matemtica, el teorema de Gelfond-Schneider es un resultado que establece la trascendencia de una gran clase de nmeros. Fue probado originalmente por Alexander Gelfond en 1934 y de nuevo de forma independiente por Theodor Schneider, en 1935. El teorema GelfondSchneider es una respuesta parcial al sptimo problema de Hilbert.

Enunciado
Si y son nmeros algebraicos en el cuerpo de los nmeros complejos (siendo

), y si

no es

un nmero racional, entonces cualquier valor de

es un nmero trascendente.

Comentarios
En general, es multivaluada, donde "log" es el logaritmo complejo. sta es la razn de la y son nmeros algebraicos diferentes de cero, y expresin "cualquier valor de" en el enunciado. La siguiente es una formulacin equivalente del teorema: si , entonces Si se elimina la restriccin de que y caracterizacin de los valores de

es (real) racional o trascendente. sea algebraica, el enunciado no ser cierto en el caso general (escjanse , que es algebraico). No se conoce una

, que es trascendente, y y que produzca un

trascendente.

Uso del teorema


Se deriva inmediatamente del teorema la trascendencia de los siguientes nmeros: Los nmeros El nmero (la constante de Gelfond-Schneider) y (constante de Gelfond), dado que (vase demostracin no constructiva). es uno de los valores de .

Referencias
Irrational Numbers, de Ivan Niven; Mathematical Association of America; ISBN 0-88385-011-7, 1956

Teorema de Herbrand-Ribet

394

Teorema de Herbrand-Ribet
En matemticas, el Teorema de HerbrandRibet es un resultado del nmero de clase de ciertos campos de nmeros. Es un refuerzo del teorema de Kummer en el sentido que el nmero primo p divide el nmero de clase del campo ciclotmico de la p-isimas races de la unidad si y solo si p divide al numerador del n-simo nmero de Bernoulli Bn para algn n, 0 < n < p 1. El teorema de HerbrandRibet especifica en particular, cuando es que p divide a Bn. El grupo de Galois del campo ciclotmico de las p-isimas races de la unidad de un primo p, , consiste de p 1 elementos del grupo a, donde a est definido por teorema de Fermat, en el anillo de los enteros p-dicos Dirichlet (el carcter de Teichmller) con valores en anillo de grupo con . De acuerdo al pequeo

se tienen p 1 races de la unidad, cada una de las cuales si se requiere que para n coprimos a p, (n) sea -mdulo, y se pueden aplicar elementos en el

es congruente mod p con algn nmero en el rango entre 1 y p 1; por lo tanto se puede definir un carcter de congruente con n mdulo p. La parte p del grupo de clase es un

a l y obtener elementos del grupo de clase. Definiendo un elemento de idempotencia del

anillo de grupo para cada n desde 1 hasta p 1, como

Podemos dividir la parte p del grupo de clase ideal G de

por medio de sus idempotentes; si G es el grupo de

clase ideal, entonces Gn = n(G). Entonces se tiene el teorema de HerbrandRibet:[1] Gn es notrivial si y solo si p divide al nmero de Bernoulli Bpn. Las parte que dice que p divide Bpn si Gn no es trivial es el aporte de Herbrand. El inverso, que si p divide Bpn entonces Gn no es trivial se debe a Kenneth Ribet, y es significativamente ms difcil. Por la teora de campos de clase, esto slo puede ser verdadero si existe una extensin no-ramificada del campo de las p-simas races de la unidad por una extensin cclica de grado p que se comporta en la forma especificada bajo la accin de ; Ribet demostr esto construyendo esta extensin utilizando mtodos de la teora de las formas modulares. Una demostracin ms simple del aporte de Ribet al teorema de Herbrand se puede consultar en el libro de Washington.[2] Barry Mazur y Andrew Wiles, ampliaron y desarrollaron los mtodos de Ribet en sus trabajos por demostrar la Conjetura principal de la Teora de Iwasawa,[3] un corolario de la cual es el refuerzo del teorema de Herbrand-Ribet: la potencia de p que divide Bpn es exactamente la potencia de p que divide el orden de Gn.

Referencias
[1] Ribet, Ken, A modular construction of unramified p-extensions of (p), Inv. Math. 34 (3), 1976, pp. 151-162. [2] Washington, Lawrence C., Introduction to Cyclotomic Fields, Second Edition, Springer-Verlag, 1997. [3] Mazur, Barry, and Wiles, Andrew, Class Fields of Abelian Extension of , Inv. Math. 76 (2), 1984, pp. 179-330.

Identidad de Proizvolov

395

Identidad de Proizvolov
En matemtica, la identidad de Proizvolov es una identidad relativa a la suma de diferencias de nmeros enteros positivos. La identidad fue propuesta por Vyacheslav Proizvolov como un problema en las Olimpiadas Soviticas de Estudiantes de 1985 (Savchev y Andreescu, 2002, p.66). Para formular la identidad, se toman los primeros 2N enteros positivos, 1, 2, 3, ..., 2N 1, 2N, y se realiza una particin de ellos en dos subconjuntos de N nmeros cada uno. Se reagrupa un subconjunto de manera que los elementos queden ordenados de menor a mayor (orden creciente):

Se reagrupa el otro subconjunto de manera que los elementos queden ordenados de mayor a menor (orden decreciente):

Entonces la suma es siempre igual a N2.

Ejemplo
Tmese por ejemplo N = 3. El conjunto de nmeros es entonces {1, 2, 3, 4, 5, 6}. Se seleccionan tres nmeros de este conjunto, por ejemplo el 2, 3 y 5. Entonces las secuencias A y B son: A1 = 2, A2 = 3, y A3 = 5; B1 = 6, B2 = 4, y B3 = 1. La suma es la cual indica que es igual a 32.

Referencias
Savchev, Svetoslav; Andreescu, Titu (2002), Mathematical miniatures, Anneli Lax New Mathematical Library, 43, Mathematical Association of America, ISBN 088385645X.

Enlaces externos
Proizvolov's identity [1] en cut-the-knot.org Miguel ngel Morales Medina. La identidad de Proizvolov [2] (en castellano). gaussianos.com. Consultado el 2 de juniode 2011.

Referencias
[1] http:/ / www. cut-the-knot. org/ Curriculum/ Games/ ProizvolovGame. shtml [2] http:/ / gaussianos. com/ la-identidad-de-proizvolov/

Teorema de Lochs

396

Teorema de Lochs
En teora de nmeros, el teorema de Lochs es un teorema que se refiere a la tasa de convergencia de la expansin en fraccin continua de un nmero real tpico. El teorema fue probado por Gustav Lochs en 1964.[1] El teorema establece que para casi todos los nmeros reales en el intervalo (0,1), la cantidad m de trminos de la expansin en fraccin continua de un nmero que se necesitan para determinar los primeros n lugares de la expansin decimal de dicho nmero se comporta asintticamente de la siguiente manera:
[2][3]

Conforme este lmite es ligeramente menor a 1, se puede interpretar como si dijramos que cada trmino adicional en la representacin en fraccin continua de un nmero real tpico incrementa la precisin de la representacin por aproximadamente un lugar decimal. El sistema decimal es el ltimo sistema posicional para el cual cada dgito porta menos informacin que un cociente de fraccin continua. Utilizando una base 11 (cambiando por en la ecuacin) hace que el valor de arriba sobrepase el valor de 1. el recproco de este lmite,
[4]

es el doble del logaritmo en base 10 de la constante de Lvy.

Referencias
Esta obra deriva de la traduccin de Lochs' theorem, publicada bajo la Licencia de documentacin libre de GNU y la Licencia Creative Commons Atribucin-CompartirIgual 3.0 Unported por editores [5] de la Wikipedia en ingls.

Notas
[1] Lochs, G. Abh. Hamburg Univ. Math. Sem. 27, 142-144, 1964 [5] http:/ / toolserver. org/ ~daniel/ WikiSense/ Contributors. php?wikilang=en& wikifam=. wikipedia. org& page=Lochs%27+ theorem& grouped=on& hidebots=on& hideanons=on& order=-edit_count& max=200& order=first_edit& format=html

Teorema de Lucas

397

Teorema de Lucas
En teora de nmeros, el teorema de Lucas dice lo siguiente: Sean m y n nmeros enteros no negativos, p un nmero primo y sean

los desarrollos de m y n, respectivamente, en base p. Entonces

donde

denota el coeficiente binomial de m sobre n. es divisible por un nmero primo p tan pronto como al menos

En particular, el coeficiente binomial

uno de los dgitos de n en base p es mayor que el dgito correspondiente de m douard Lucas, 1878.[1]

Referencias
(parte 1); (parte 2); (parte 3)

Enlaces externos
Lucas's Theorem, PlanetMath (en ingls) (http://planetmath.org/encyclopedia/LucassTheorem.html) Andrew Granville. The Arithmetic Properties of Binomial Coefficients ("Las propiedades aritmticas de los coeficientes binomiales", en ingls) (http://www.cecm.sfu.ca/organics/papers/granville/index.html).

Teoremas de Mertens

398

Teoremas de Mertens
En matemticas, los teoremas de Mertens (por Franz Martens, que los demostr) son tres resultados de teora de nmeros enunciados en 1874 y que tratan sobre la densidad de los nmeros primos, y otro resultado de anlisis.

Teora de nmeros
Primer teorema de Mertens

Segundo teorema de Mertens

Ese nmero es la constante de Meissel-Mertens.

Tercer teorema de Mertens

donde es la constante de Euler-Mascheroni.

Teorema de Mertens en anlisis


Si una serie infinita real o compleja

converge a

y otra

converge absolutamente a

, entonces su producto de Cauchy converge a

Teorema de Mills

399

Teorema de Mills
En matemticas, el teorema de Mills afirma que Existe una constante donde tal que es un nmero primo para todos los nmeros naturales . indica una constante matemtica llamada constante de Mills y indica la funcin parte entera de , ni propuso

. El teorema fue demostrado en 1947 por Mills[1] , quien, sin embargo, no determin el valor de

ninguna aproximacin. Sucesivamente el valor de la constante fue calculado de forma cada vez ms precisa. A da de hoy, se desconoce su valor exacto, pero, si es cierta la hiptesis de Riemann, la constante vale aproximadamente [2] (sucesin A051021 en OEIS).

Nmeros primos de Mills


Los nmeros primos generados por la constante de Mills se conocen como nmeros primos de Mills. De nuevo, si es cierta la hiptesis de Riemann, la sucesin de nmeros primos de Mills comienza as: 2, 11, 1361, 2521008887... (sucesin A051254 [3] en OEIS). Si (i) denota el i-simo trmino de esta sucesin, entonces (i) puede calcularse como el menor nmero primo mayor que (i1)3. Para poder asegurar que se produce esta sucesin de nmeros primos al truncar 3n a su parte entera, para n = 1, 2, 3, ..., debe verificarse que (i)<((i1)+1)3. Los resultados de Hoheisel-Ingham garantizan que existe un nmero primo entre dos nmeros cbicos suficientemente grandes, y esto basta para probar la desigualdad si se parte de un primer nmero primo (1) suficientemente grande. La hiptesis de Riemann implica que existe un nmero primo entre dos cubos consecutivos y permite, as, ignorar la condicin de que los nmeros cbicos sean "suficientemente grandes" y hacer que el primer trmino de la sucesin sea (1)=2. El mayor nmero primo de Mills que se conoce (a partir de la hiptesis de Riemann) es

que tiene 20.562 cifras.

Clculo numrico
Al calcular la sucesin de nmeros primos de Mills, se puede aproximar la constante de Mills a: Caldwell y Cheng[4] utilizaron este mtodo para obtener casi 7000 cifras decimales de la constante de Mills suponiendo cierta la hiptesis de Riemann. No se conoce ninguna frmula cerrada para calcular la constante, y ni siquiera se sabe si es un nmero racional.[5]

Teorema de Mills

400

Crticas
Hardy y Wright (1979) y Ribenboim (1996) sostuvieron que, a pesar de la simplicidad y belleza de la frmula dada por el teorema de Mills, sta no tena ninguna consecuencia prctica en el clculo de nmeros primos, dado que no es posible conocer el valor exacto de sin conocer de antemano los nmeros primos generados.

Referencias
[1] [2] [3] [4] W. H. Mills, A prime-representing function (1947) (en ingls) http:/ / oeis. org/ A051021 http:/ / oeis. org/ A051254 Caldwell, Chris K.; Cheng, Yuanyou (2005), " Determining Mills' Constant and a Note on Honaker's Problem (http:/ / www. cs. uwaterloo. ca/ journals/ JIS/ VOL8/ Caldwell/ caldwell78. html)", Journal of Integer Sequences 8 (05.4.1). (en ingls) [5] Finch, Steven R. (2003), "Mills' Constant", Mathematical Constants, Cambridge University Press, pp. 130133, ISBN 0-521-81805-2. (en ingls)

Temas relacionados
Nmero primo

Enlaces externos
(en ingls) Un artculo sobre el teorema de Mills en Mathworld (http://mathworld.wolfram.com/MillsTheorem. html)

Teorema del nmero pentagonal


En matemticas, el teorema del nmero pentagonal, originalmente formulado por Leonhard Euler, da una equivalencia entre la representacin en forma producto y de serie de la funcin de Euler. Se formula como:

Leonhard Euler (1775) O escrito como:

Una de las caractersticas principales, y a la vez interesante, es la cancelacin de algunos trminos al desarrollar el producto. Los coeficientes 1, 2, 5, 7, 12... que aparecen en los exponentes en la parte derecha de la identidad corresponden a los nmeros pentagonales (ms exactamente, a los nmeros pentagonales generalizados). Si nosotros tratamos la serie resultante como una serie de potencias, sta tiene un radio de convergencia igual a 1. Ignorando el radio de convergencia, y basndonos en su serie de potencias formal, el teorema sigue cumplindose, ya que ste slo hace una equivalencia entre una representacin en forma de suma y de producto. A continuacin se muestran un par de pruebas en trminos modernos, aunque si uno lo desea, puede consultar la prueba original de Euler aqu.[1]

Teorema del nmero pentagonal

401

Prueba por combinatoria


El teorema puede ser demostrado dando una interpretacin combinatorial en trminos de particiones. En particular, el miembro de la izquierda es una funcin generadora para el nmero de particiones de n en un nmero par de distintas partes menos el nmero de particiones de n en un nmero impar de distintas partes. Por ejemplo, el coeficiente de x5 es 1 porque solamente hay dos maneras de descomponer 5 en un nmero par de distintas partes (4+1 y 3+2), pero solamente hay una nica manera de descomponer 5 en un nmero impar de partes (el 5 en s). De esta interpretacin se sigue una elegante prueba por el mtodo de involucin. Consideremos el grfico Ferrers de cualquier particin de n en distintas partes. Para que se vea grficamente, el diagrama que se muestra a continuacin es para n = 20 y la particin 20 = 7 + 6 + 4 + 3.

Sea k el nmero de elementos de la menor fila de nuestro grfico. Sea s el nmero de elementos situados ms a la derecha que forman diagonal (en los grficos estn indicados en rojo). As pues, en el grfico de arriba, k = 3,s = 2. Si k > s nosotros podemos tomar los elementos en diagonal ms a la derecha y ubicarnos como una nueva fila. Siguiendo con el ejemplo de arriba, esto nos quedara de la siguiente manera:

Si este no es el caso (como en nuestro recin formado grfico donde k = 2 y s = 5), nosotros podemos revertir el proceso moviendo la fila inferior a una nueva diagonal ( en efecto, aadiendo 1 elemento de la fila inferior la las primeras k filas). En nuestro caso, esta accin nos devolver al primer grfico. Un poco de reflexin muestra que, de hecho, la aplicacin de este proceso dos veces nos lleva al grfico original y el proceso siempre cambia la paridad del nmero de filas. Por lo tanto este proceso (cuando se puede realizar) nos permite aparear los grficos de Ferrer obteniendo 1 o -1 en la suma original. As, todo se anula, salvo en los casos en los que esta operacin no puede realizarse. De hecho, hay dos de ellos: 1) k = s y la diagonal ms a la derecha y la fila de abajo se encuentran, por ejemplo:

Al realizar la operacin, el resultado sera

el cual falla al cambiar la paridad del nmero de filas, y no es reversible en el sentido de que al realizar la operacin otra vez, nosotros no podemos volver de nuevo al grfico original. Si hay k elementos en la ltima fila del grfico original, entonces:

2) k = s + 1 y la diagonal ms a la derecha y la fila de abajo se encuentran, por ejemplo:

Teorema del nmero pentagonal

402

La operacin requiere mover la diagonal ms a la derecha a la fila de abajo, pero entonces tendramos 2 filas de 3 elementos, lo cual contradice el que estemos contando particiones en nmeros distintos de partes. ste es el caso previo, pero con una fila menos as pues

donde m = 1-k (obsrvese que m es negativo). Resumiendo, se ha mostrado que las particiones de un nmero par en distintas partes y de un nmero impar en distintas partes exactamente se cancelan mutuamente, excepto para los nmeros pentagonales generados por nmeros enteros (negativos incluidos), por tanto, desarrollando el producto y aplicando los mtodos expuestos a cada xn, se obtiene

de lo que se sigue la identidad inicial.

Prueba por biyeccin


Otra manera de probar la identidad es observar las implicaciones de ciertos conjuntos de particiones. Para empezar, nosotros sabemos que el producto

es inverso (en trminos de serie de potencias formal) que la ms conocida funcin generadora de la funcin particin p(n)

Claramente, uno puede observar que

donde an es el coeficiente de xn en la expansin del producto que pretendemos desarrollar. Nosotros tambin vemos que

y tambin que

Se puede ver que esto resulta ser una relacin recursiva, de la cual cada elemento ai se define de forma nica. Si tenemos que encontrar un

para i 1 (que es lo que buscamos), es necesario substituir esta frmula en nuestra relacin recursiva para ai,

Teorema del nmero pentagonal

403

donde n > 0 y que se obtiene que

para todos los valores de i tales que bi n (tanto negativos como positivos) de lo

lo que traducido en trminos de conjuntos de particiones como por el hecho de que

tienen la misma cardinalidad (usando las mismas restricciones que antes para i y n). Lo nico que falta es encontrar una biyeccin de un conjunto al otro y es fcil comprobar que la funcin con los mapas de particin a la particin donde

es en realidad una involucin (y por tanto tambin una biyeccin), como lo que queda demostrada la identidad. ( Aqu, las particiones se muestran como denota el conjunto de todas las particiones de n ) con y

Generalizaciones
El teorema del nmero pentagonal es un caso particular del producto triple de Jacobi. Las Q-Series generalizan la funcin de Euler, que est ntimamente relacionada con la funcin eta de Dedekind, que sucede en el estudio de formas modulares. El mdulo de la funcin de Euler muestra la simetra del grupo modular fractal en el interior del conjunto de Mandelbrot.

Referencias
[1] [E541] Euler, Leonhard, Evolutio producti infiniti (1-x)(1-xx)(1-x^3)(1-x^4)(1-x^5)etc in seriem simplicem, Acta Academiae Scientarum Imperialis Petropolitinae. 1780, 1783, pp. 47-55, reprinted in Opera omnia: Series 1, Volume 3, pp. 472 - 479

Enlaces externos
Euler, Leonhard, Evolutio producti infiniti (1-x)(1-xx)(1-x^3)(1-x^4)(1-x^5)etc in seriem simplicem (http:// arxiv.org/pdf/math/0411454v3) (traducido al ingls) http://www.eulerarchive.org (http://www.eulerarchive.org) Euler and the pentagonal number theorem (http://front.math.ucdavis.edu/math.HO/0510054) On Euler's Pentagonal Theorem (http://www.mathpages.com/home/kmath623/kmath623.htm) en MathPages Euler's Pentagonal Theorem (http://mathworld.wolfram.com/PentagonalNumberTheorem.html) en MathWorld

Teorema de Ostrowski

404

Teorema de Ostrowski
El teorema de Ostrowski, debido a Alexander Ostrowski, establece que cualquier valor absoluto no trivial sobre los nmeros racionales Q es equivalente bien al valor absoluto real usual o a un valor absoluto p-dico. Dos valores absolutos | | y | |* sobre un cuerpo C se dice que son equivalentes si existe un nmero real tal que

Se define el valor absoluto trivial sobre cualquier cuerpo C como

El valor absoluto real sobre Q es el valor absoluto normal sobre los nmeros reales, y se define como

Para un nmero primo p, se define el valor absoluto p-dico sobre Q como sigue: cualquier nmero racional x distinto de cero se puede expresar de forma nica como (positivo, negativo o 0). Entonces , siendo a, b y p coprimos dos a dos y n entero

Otros teoremas de Ostrowski


Otro teorema establece que un cuerpo arbitrario completo respecto del valor absoluto arquimediano es (algebraica y topolgicamente) isomorfo a bien los nmeros reales o bien los nmeros complejos. Este teorema tambin se conoce como teorema de Ostrowski.

Temas relacionados
Valoracin (matemtica) Valor absoluto

Referencias
Gerald J. Janusz (1996, 1997). Algebraic Number Fields (2 edicin). American Mathematical Society. ISBN 0-8218-0429-4. Nathan Jacobson (1989). Basic algebra II (2 edicin). W H Freeman. ISBN 0-7167-1933-9.

Postulado de Bertrand

405

Postulado de Bertrand
El Postulado de Bertrand dice que si n > 3 es un entero, entonces existir al menos un nmero primo p con n < p < 2n2. Otra formulacin ms dbil pero ms elegante es: para todo n > 1 existe al menos un primo p tal que n < p < 2n. Este postulado fue inicialmente formulado en 1845 por Joseph Bertrand (1822-1900). El propio Bertrand verific su certeza para [2, 3 106]. La demostracin de esta conjetura la encontr Chebyshov (1821-1894) en 1850 y por tanto el postulado tambin es conocido como Teorema de Bertrand-Chebyshov o Teorema de Chebyshov. Ramanujan (1887-1920) dio una demostracin ms simple.

Teorema de Proth
El teorema de Proth es un test de primalidad para los nmeros de Proth inventado por Franois Proth alrededor de 1878. Este teorema sostiene que si p es un nmero de Proth, es decir de la forma k2n + 1 con k impar y k < 2n, entonces si para algn nmero entero a: (1) entonces p es un nmero primo llamado primo de Proth. Este test funciona en la prctica porque si p es primo, el 50% de los valores de a cumplen con la condicin indicada arriba. Si a es un nmero primo y p no es un residuo cuadrtico mdulo a entonces a tampoco es residuo cuadrtico mdulo p y se cumple la condicin del teorema. En la prctica se usan diferentes nmeros primos pequeos para la variable a y se calcula el smbolo de Jacobi hasta que:

lo cual es mucho ms rpido que la exponenciacin modular para hallar el valor de a, ya que en este caso, luego de calcular p mod a, se deben realizar unos pocos clculos usando nmeros menores que a, mientras que con la frmula (1) se deben realizar ms de (ln p/ln 2) multiplicaciones modulares modulo p, lo que es muy costoso en tiempo de clculo.

Ejemplos numricos
A continuacin se muestran ejemplos de uso del teorema de Proth: para p = 3, 21 + 1 = 3 es divisible por 3, por lo que 3 es primo. para p = 5, 32 + 1 = 10 es divisible por 5, por lo que 5 es primo. para p = 13, 56 + 1 = 15626 es divisible por 13, por lo que 13 es primo. para p = 9, que no es primo, no existe valor de a tal que a4 + 1 sea divisible por 9.

Los primeros primos de Proth son: 3, 5, 13, 17, 41, 97, 113, 193, 241, 257, 353, 449, 577, 641, 673, 769, 929, 1153, . Esta es la secuencia A080076 de OEIS. A julio de 2009, el mayor primo de Proth conocido es 19249 213018586 + 1, hallado por el proyecto Seventeen or Bust. Posee 3918990 dgitos decimales y es el mayor primo conocido que no es de Mersenne.[1]

Teorema de Proth

406

Referencias

Teorema de Ribet
En matemticas, el teorema de Ribet (antes llamado conjetura psilon o conjetura de Serre) es un enunciado en teora de nmeros relativo a las propiedades de las representaciones de Galois asociadas a las formas modulares.[1] Fue propuesto por Jean-Pierre Serre y demostrado por Ken Ribet. La prueba de la conjetura epsilon fue un paso significativo hacia la demostracin del ltimo Teorema de Fermat. Como demostraron Serre y Ribet, la conjetura de Taniyama-Shimura (cuya situacin no estaba resuelta en ese momento) y la conjetura epsilon, ambas en conjunto, implican que el ltimo teorema de Fermat es cierto.

Enunciado
Sea E una curva elptica con coeficientes enteros en una forma mnima global. Denotemos por p, respectivamente, np, el exponente con el que un primo p aparece en la factorizacin prima del discriminante de E, respectivamente, el conductor N de E. Supongamos que E es una curva elptica modular, a continuacin, podemos realizar un descenso de nivel modulo primos dividiendo uno de los exponentes p de un primo que divide al discriminante. Como E es modular, existe una forma modular f con la misma serie L que E, y adems se sabe que f es de peso 2 y tiene nivel N igual al conductor de E. Si pp es un factor de potencia impar prima de tal que el exponente p es mltiplo de , y si p divide a N slo una vez (es decir, np = 1), entonces existe otra forma modular f' tambin de peso 2, con nivel N'=N/p, de modo que los coeficientes de la serie L de E son congruentes mdulo con los coeficientes de la serie L de f'. La conjetura psilon es una declaracin relativa: si se asume que una determinada curva elptica E sobre Q es modular, predice el nivel minimal que tendr una forma modular cuya serie L es congruente con la de E mdulo . El teorema puede enunciarse ms generalmente partiendo de una forma modular f, est asociada o no a una curva elptica: el resultado de Ribet de descenso de nivel es un resultado enteramente sobre formas modulares, y es slo en su aplicacin al ltimo Teorema de Fermat (en combinacin con los trabajos de Frey y Wiles) donde se especializa al caso de una curva elptica modular. En general, el nivel minimal que garantiza el resultado de Ribet (para una forma modular f' que tenga serie L congruente mdulo a la de una forma modular f dada) ser igual al conductor de Artin de la representacin de Galois residual mdulo asociada a f, el cual es bien sabido que divide al nivel N de f. Una forma breve pues de enunciar el resultado de Ribet de descenso de nivel para formas modulares sera: Si el conductor de Artin de la representacin de Galois mdulo de una forma modular de nivel N es un divisor propio N' de N, entonces existe otra forma modular f' de nivel N' cuya serie L es congruente mdulo con la de f. En particular, las representaciones de Galois mdulo asociadas a f y a f' son isomorfas. (En este enunciado cuando hablamos de formas modulares en realidad han de ser tambin formas cuspidales propias para el lgebra de Hecke, otro punto tcnico esencial en el resultado de Ribet es que se debe poner como hiptesis que la representacin mdulo asociada a f es irreducible).

Teorema de Ribet

407

Aplicacin al ltimo Teorema de Fermat


En su tesis, Yves Hellegouarch define un objeto que ahora es llamado curva de Frey. Si es un primo impar y a, b, y c son nmeros enteros positivos tales que

entonces, una curva de Frey correspondiente es una curva algebraica dada por la ecuacin

o, de modo equivalente

Esta es una curva algebraica no singular de gnero uno sobre Q, que es tambin (como curva proyectiva, es decir, aadindole el punto al infinito, que por corresponder a la direccin vertical est en Q) curva elptica sobre Q. Gerhard Frey sugiri que cualquier curva de tal naturaleza, por ser semiestable y por la forma especial de su discriminante (que resulta ser una potencia -esima) tendra demasiadas propiedades peculiares, y, en particular, no va a ser modular. A primeros de la dcada de 1980, Jean-Pierre Serre dio una reformulacin en trminos de representaciones de Galois, y demostr que suponiendo la conjetura psilon (ahora Teorema de Ribet) Frey haba estado acertado y que una curva de Frey no puede ser modular.

Las conjeturas de Taniyama-Shimura y la psilon implican el ltimo Teorema de Fermat


Supongamos que la ecuacin de Fermat con el exponente 3 tenga una solucin con enteros a, b, c distintos de cero. Vamos a formar la correspondiente curva de Frey E. Se trata de una curva elptica y se puede demostrar que su discriminante es igual a 16(abc)2 y su conductor N es el radical de abc, es decir, el producto de todos los primos distintos que dividen a abc. Segn el teorema de Taniyama-Shimura, E es una curva elptica modular. Puesto que N es libre de cuadrados y vista la forma del discriminante, por la conjetura psilon uno puede realizar descenso de nivel de mdulo . Repitiendo este procedimiento, vamos a eliminar todos los primos impares del conductor y llegar a una congruencia mdulo entre la serie L de E y la de una forma modular de peso 2 y nivel 2. Sin embargo, el espacio de formas modulares (cuspidales) de este peso y nivel es trivial, lo que resulta en una contradiccin.

Coda
En 1994, Andrew Wiles y Richard Taylor completaron una prueba de una parte de la conjetura de Taniyama-Shimura, relativa a la modularidad de las curvas elpticas semiestables, lo cual es suficiente para dar como resultado el ltimo teorema de Fermat. Sus trabajos fueron publicados en 1995 en Annals of Mathematics. En su antes mencionado trabajo, Jean-Pierre Serre formul una conjetura ms fuerte de modularidad, conocida como Conjetura de Serre (en versin dbil y fuerte) que para el caso de representaciones de Galois de nivel 2 y peso 2, cmo observa Serre en su trabajo, permite dar otra demostracin del ltimo teorema de Fermat.[2] Este caso de la conjetura de Serre fue resuelto en 2004 por C. Khare y J.-P. Wintenberger e, independientemente, por L. Dieulefait.

Teorema de Ribet

408

Referencias
[1] Cap.9: Aplicacions de les corbes de Shimura. Teoremes de Ribet. A. Arenas y N. Vila. En: Corbes de Shimura i aplicacions. (http:/ / books. google. es/ books?id=5ve9l0ERJLIC& pg=PA143) Ed. Montserrat Alsina i Aubach, ngela Arenas Sola, Pilar Bayer Isant. Edicions Universitat Barcelona, 2005. ISBN 84-475-2999-1, 9788447529995. Pg. 143 [2] Nueva demostracin del ltimo teorema de Fermat, Revista Matematicalia (http:/ / www. matematicalia. net/ index. php?option=com_content& task=view& id=22& Itemid=58)

Anthony W. Knapp, Elliptic Curves, Princeton, 1992 Ken Ribet (1990). On modular representations of

arising from modular forms (http://math.berkeley.

edu/~ribet/Articles/invent_100.pdf) (PDF). Inventiones mathematicae 100 (2): pp.431471. Kenneth Ribet, From the Taniyama-Shimura conjecture to Fermat's last theorem. (http://www.numdam.org/ item?id=AFST_1990_5_11_1_116_0) Annales de la facult des sciences de Toulouse Sr. 5, 11 no. 1 (1990), p. 116139. Andrew Wiles (May 1995). Modular elliptic curves and Fermat's Last Theorem (http://math.stanford.edu/ ~lekheng/flt/wiles.pdf) (PDF). Annals of Mathematics 141 (3): pp.443551. doi: 10.2307/2118559 (http://dx. doi.org/10.2307/2118559). Frey Curve (http://mathworld.wolfram.com/FreyCurve.html) y Ribet's Theorem (http://mathworld.wolfram. com/RibetsTheorem.html)

Enlaces externos
Ken Ribet and Fermat's Last Theorem (http://www.msri.org/communications/vmath/VMathVideos/ VideoInfo/3830/show_video) por Kevin Buzzard 28 de junio de 2008

Serie de los inversos de los nmeros primos


En el siglo IIIa.C., Euclides demostr la existencia de infinitos nmeros primos. En el siglo XVIII, Leonhard Euler demostr un resultado an ms profundo: La suma de los recprocos de todos los nmeros primos diverge. Leonhard Euler (1737) El teorema, es equivalente a demostrar que:

He aqu algunas de las demostraciones de este resultado.

Primera demostracin (Demostracin original de Euler)


Para empezar, describiremos algunos de los pasos previos usados por Euler en su demostracin. En primer lugar consider la serie armnica :

Esta serie es claramente divergente (se puede ver en el artculo serie armnica), y por supuesto, tambin conocido por Euler. Usando su frmula del producto , mostr la existencia de infinitos nmeros primos como sigue:

Serie de los inversos de los nmeros primos Aqu, el producto es sobre todos los nmeros primos, o dicho de otra manera, el producto indexa a todos los nmeros primos. De ahora en adelante, sin que se diga lo contrario, la suma o producto sobre el conjunto de todos los nmeros primos se representa como p bajo el sumatorio o productorio. Euler se dio cuenta de que si exista un nmero finito de primos, entonces el producto de la derecha convergera claramente, contradiciendo la divergencia de la serie armnica. En lenguaje moderno, se dice que la existencia de infinidad de nmeros primos est reflejada por el hecho de que la funcin zeta de Riemann tiene un polo simple en s = 1. Demostracin Euler, tomando el producto indicado arriba, lleg a una conclusin. Tom logaritmos naturales en ambos miembros de la igualdad, y utilizando las propiedades de las series geomtricas y que la serie de Taylor de log(1-x) es:

409

entonces:

para una constante C < 1. Puesto que la suma de los recprocos de los primeros n nmeros enteros positivos es asinttica a log(n) ( es decir, su ratio se acerca a 1 cuando n se acerca a infinito ) se tiene:

que sustituyendo en la expresin de arriba y despreciando el valor de C cuando n se acerca a infinito, Euler lleg a la conclusin de que:

Q.E.D. Es tambin cierto que Euler comprenda que la suma de los recprocos de todos los nmeros primos menores que n es asinttica a log (log(n)) cuando n se aproxima a infinito, y de hecho este es el caso. Euler haba llegado a esta conclusin por mtodos cuestionables.

Serie de los inversos de los nmeros primos

410

Segunda demostracin (Erds)


Una demostracin elemental por reduccin a lo absurdo fue descubierta por Paul Erds y es la siguiente: Asuma que la suma de los recprocos de todos los nmeros primos converge: Defina pi como el i -simo nmero primo. Tenemos que:

Entonces existe un nmero entero positivo i tal que:

Defina Ni(x) como: el nmero de enteros positivos menores que x que son divisibles nicamente por los i primeros nmeros primos, o dicho de otra forma, que estn formados por factores primos menores o iguales a pi. ( el smbolo # significa la cantidad de nmeros que cumplen la condicin ) Cualquiera de esos nmeros puede expresarse como: concretamente como producto de un cuadrado por un cuadrado libre. Hay 2i opciones distintas para la parte del cuadrado libre y puesto que a lo sumo habr x para la parte cuadrtica tenemos que:

El nmero de enteros divisibles por un primo p menores que x es

, as que el nmero de enteros menores que x

que son divisibles por algn primo mayor que pi es x - Ni(x), lo denotaremos como N*i(x) y est acotado por:

Dado que: x/2 para llegar a una contradiccin ya que N*i(x) es siempre menor

es suficiente con encontrar un x tal que Ni(x) que x/2. Si tomamos la desigualdad:

y considerando la cota mxima que es cuando Ni(x) = 2ix:

Q.E.D.

Serie de los inversos de los nmeros primos

411

Tercera demostracin
He aqu otra demostracin que da una menor estimacin sobre la suma parcial, en particular, muestra como la suma crece al menos tan rpido como log (log(n)). La demostracin es una adaptacin de la idea de expansin del producto de Euler. De aqu en adelante, una suma o producto sobre p siempre representa una suma o producto sobre un conjunto de nmeros primos especficos. La demostracin se basa en las siguientes cuatro desigualdades: Cada nmero entero positivo i se puede escribir como producto de un cuadrado por un nmero libre de cuadrados. Esto da la siguiente desigualdad.

Donde para cada nmero i entre 1 y n el producto (expandido) contiene la parte del cuadrado libre de i y la suma contiene la parte del cuadrado de i. Una cota superior estimada para el logaritmo natural es:

Una cota inferior estimada para la funcin exponencial es:

El lmite superior (usando una serie de la cual conocemos su comportamiento asinttico) para las sumas parciales es:

Combinando todas las ecuaciones vemos que:

Dividiendo por 2 y tomando el logaritmo natural en ambos miembros nos queda que:

cuando n tiende a infinito obtenemos la misma conclusin que en las anteriores demostraciones. Q.E.D.

Cuarta demostracin
De la desigualdad de Dusart (ver teorema de los nmeros primos) tenemos que:

entonces

aplicando el criterio integral a la serie de la izquierda vemos que sta diverge claramente. Q.E.D.

Serie de los inversos de los nmeros primos

412

Referencias
Euler, Leonhard, Variae observations circa series infinitas, Commentarii academiae scientiarum Petropolitanae 9 (1737), 1744, p. 160-188. Reprinted in Opera Omnia Series I volume 14, p. 216-244.

Enlaces externos
http://www.EulerArchive.org [1] (en ingls) Euler, Leonhard, Variae observations circa series infinitas, Commentarii academiae scientiarum Petropolitanae 9 (1737), 1744, p. 160-188 (Traducido al ingls) [2] Ed Sandifer: "How Euler Did It.Infinitely many primes" (en ingls) [3] Chris K. Caldwell: "There are infinitely many primes, but, how big of an infinity?" (en ingls) [4] Planetmath.org: "Prime harmonic series" (en ingls) [5]

Referencias
[1] [2] [3] [4] http:/ / www. EulerArchive. org http:/ / dewey. uab. es/ lbibiloni/ Euler/ EulerObservat. pdf http:/ / www. maa. org/ editorial/ euler/ How%20Euler%20Did%20It%2029%20infinitely%20many%20primes. pdf http:/ / www. utm. edu/ research/ primes/ infinity. shtml

[5] http:/ / planetmath. org/ encyclopedia/ PrimeHarmonicSeries. html

Teorema de Taniyama-Shimura
La conjetura de Taniyama-Shimura es una conjetura muy importante dentro de las matemticas modernas, que conecta las curvas elpticas definidas sobre el Shimura-Weil.[1] En 1995, Andrew Wiles y Richard Taylor probaron un caso especial de la conjetura, suficiente para demostrar el ltimo teorema de Fermat. En 2001 fue finalmente demostrada por Christophe Breuil, Brian Conrad, Fred Diamond y Richard Taylor. Desde entonces, la conjetura de Taniyama-Shimura se conoce como el teorema de Taniyama-Shimura o teorema de la modularidad.

Enunciado
Se conoce como curva elptica a aquella descrita con una ecuacin del tipo

tal que el discriminante del polinomio en el lado derecho de la ecuacin no es 0. Supongamos que A, B, C y D son nmeros racionales. Una forma modular es una funcin analtica f:H -> C del semiplano superior H = {x+ iy: y>0} a los complejos C, tal que f satisfaga ciertas condiciones de simetra (entre ellas f(x) = f(x+N) para todo x y algn entero N fijo) y una condicin de crecimiento (holomorficidad en el punto en el infinito). El teorema afirma lo siguiente: Para toda curva elptica E con coeficientes racionales existe una forma modular f (de peso 2) tal que la serie L asociada a E y la serie L asociada a f coinciden. Esto equivale a que los coeficientes a_p asociados a la curva E (que se obtienen a partir del nmero de puntos de la curva mdulo p, para p primo de buena reduccin de E) coinciden con los coeficientes del desarrollo de Fourier en el infinito de f. Andrew Wiles (90's)

Teorema de Taniyama-Shimura

413

Historia
Los trabajos de Andrew Wiles para obtener la demostracin del ltimo teorema de Fermat llevaron a la demostracin de la veracidad de la conjetura de Taniyama-Shimura para el caso semiestable (asistido por Richard Taylor), partiendo de la teora de Deformaciones de Representaciones de Galois creada por B. Mazur y de resultados de Langlands y Tunnell y desarrollando lo que hoy se conocen como Teoremas de Levantamiento Modular 1995.[2] Posteriormente, Christophe Breuil, Brian Conrad, Fred Diamond y Richard Taylor ampliaron el campo de aplicacin desde las curvas elpticas semiestables definidas sobre los racionales a todas las curvas elpticas definidas sobre los racionales.[3] Hay duda sobre el aporte de Andrew Wiles; Serge Lang reivindic a Shimura la paternidad junto con Taniyama. ste se suicid a los 31 aos en 1958, muri igual que Abel.

Citas
[2] Wiles, Andrew Modular elliptic curves and Fermat's last theorem. (http:/ / links. jstor. org/ sici?sici=0003-486X(199505)2:141:3<443:MECAFL>2. 0. CO;2-Y) Ann. of Math. (2) 141 (1995), no. 3, 443--551 [3] Christophe Breuil, Brian Conrad, Fred Diamond, Richard Taylor: On the modularity of elliptic curves over Q: Wild 3-adic exercises (http:/ / www. ams. org/ jams/ 2001-14-04/ S0894-0347-01-00370-8/ S0894-0347-01-00370-8. pdf), Journal of the American Mathematical Society 14 (2001), pp. 843939. Contains the proof of the modularity theorem

Referencias
Singh, Simon (2007). 5. Prueba por contradiccin (http://books.google.es/books?id=xzLnPAAACAAJ). El enigma de Fermat (Segunda edicin). Editorial Planeta. ISBN 9788408046790. Aczel, Amir D.: El ltimo teorema de Fermat, Fondo de cultura econmica, Mxico,publicado ao 2003.

Teorema de Hurwitz (teora de nmeros)


En teora de nmeros, el teorema de Hurwitz, llamado as en honor a Adolf Hurwitz, proporciona una acotacin en una aproximacin diofntica. El teorema expresa que para todo nmero irracional hay infinitos nmeros racionales m/n tales que

La hiptesis de que es irracional no puede ser omitida. Es ms, la constante por cualquier otro nmero y se permite que

es la mejor posible; si se reemplaza

(el nmero ureo) entonces, slo existe una

nmero finito de nmeros racionales m/n tales que la frmula de arriba se cumpla.

Escolio
La constante del teorema anterior es la mejor constante posible. Esto es, dicho teorema no se cumple si
[1]

se

sustituye por cualquier otro valor mayor.

Referencias
[1] Introduccin a la teora de numeros (1985). Niven y Zuckerman. ISBN 968-18-0669-7; pg. 144

Hurwitz, A. (1891). Ueber die angenherte Darstellung der Irrationalzahlen durch rationale Brche (On the approximation of irrational numbers by rational numbers) (en alemn). Mathematische Annalen 39 (2): pp.279284. doi: 10.1007/BF01206656 (http://dx.doi.org/10.1007/BF01206656). G. H. Hardy, Edward M. Wright, Roger Heath-Brown, Joseph Silverman, Andrew Wiles (2008). Theorem 193. An introduction to the Theory of Numbers (6th edicin). Oxford science publications. pp.209. ISBN 0199219869.

Teorema de Hurwitz (teora de nmeros) Topics in number theory. Addison-Wesley Publishing Co., Inc., Reading, Mass.. 1956

414

Teorema de Popoviciu
El teorema de Popoviciu es un resultado en matemticas, establecido por Tiberius Popoviciu, sobre el nmero de formas en que se puede expresar una cantidad como suma de mltiplos de otras dos cantidades y est relacionado con el problema de las monedas de Frobenius y establece: Si a y b son dos nmeros enteros primos relativos, entonces el nmero de formas de expresar un entero positivo n como combinacin lineal no negativa de a y b es

donde r y s son dos nmeros enteros positivos que satisfagan las relaciones de congruencia

y las llaves

representan la funcin parte fraccional:

Otra forma de interpretar la frmula anterior, es como el nmero de formas en que se puede dividir el entero n como suma no ordenada en donde los sumandos son nicamente a y b. En otras palabras, da el nmero de particiones restringidas de n en el conjunto {a, b}.

Ejemplo
En el contexto del problema de las monedas de Frobenius, se desea encontrar el nmero de formas de reunir $20 usando nicamente monedas de $3 y $4. Como ejemplos: {$4, $4, $3, $3, $3, $3} o {$4, $4, $4, $4, $4} y podra haber otras. Cada una de ellas corresponde a una combinacin lineal positiva en donde los coeficientes son el nmero de veces que se usa cada denominacin. En el ejemplo, las combinaciones lineales son 24 + 43 y 54 + 03. Aplicando la frmula de Popoviciu, sustituimos n=20, a=3, b=4. Los nmeros r y s deben satisfacer las ecuaciones

Una posible solucin es r=3 y s=1, ya que Los trminos que aparecen en el teorema de Popoviciu son:

Entonces el teorema de Popoviciu establece que el nmero

es el nmero total de formas de expresar 20 como combinacin lineal no negativa de 3 y 4, por lo que se concluye que las dos mostradas inicialmente son las nicas posibles.

Teorema de Popoviciu

415

Bibliografa
Matthias Beck; Sinai Robins (2007). Computing the Continuous Discretely. Springer. ISBN 9780387291390 Ficha en [1] OpenLibrary .

Referencias
[1] http:/ / openlibrary. org/ books/ OL7445143M/ Computing_the_Continuous_Discretely

Teorema de SiegelWalfisz
En