Solucin Numrica de Sistemas de Ecuaciones Lineales

Estructura Algebraicas
Induccin Matemticas



Asignatura: Matemticas Computacionales



Elaborado por. Eduardo Martnez Lpez



Profr.Gabriel Flores Gonzlez


Atlacomulco, Edo de Mex, 20

SISTEMAS DE ECUACIONES LINEALES

En muchas ocasiones los problemas de matemticas aplicadas a la ciencia e ingeniera
pueden reducirse a un sistema de ecuaciones algebraicas lineales. Estos sistemas
pueden resolverse tanto por mtodos exactos como por mtodos aproximados.

CONCEPTOS PREVIOS

Una ecuacin algebraica lineal es una ecuacin en donde en cada trmino aparece
nicamente una variable o incgnita elevada a la primera potencia.
Por ejemplo, a11 x1 + a12 x2 + a13 x3 + + a1n xn = c1, es una ecuacin algebraica lineal en
las variables x1, x2, x3,, xn.
Se admite que los coeficientes a11, a12, a13,, a1n y el trmino independiente c1, son
constantes reales.
Un sistema de ecuaciones lineales es un conjunto de ecuaciones que deben resolverse
simultneamente. Por ejemplo,




Aplicando la definicin de producto de matrices, en este sistema de n ecuaciones
algebraicas lineales con n incgnitas, puede escribirse en forma matricial:



Este sistema de ecuaciones se simboliza como [A]nxn [X]nx1 = [C]nx1, en donde A es la
matriz del sistema, X es el vector incgnita y C es el vector de trminos independientes,
que en forma sinttica se simboliza como AX=C.

La matriz formada por A, a la que se le agrega el vector de trminos independientes como
ltima columna, se denomina matriz ampliada del sistema que se simboliza como [Aa].
Solucin de un sistema de ecuaciones: es un conjunto de valores de las incgnitas que
verifican simultneamente a todas y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser compatible, si admite solucin; o
incompatible si no admite solucin. Un sistema compatible puede ser determinado, si la
solucin es nica; o indeterminado, si la solucin no es nica.

Teorema de Rouch Frobenius: Si el rango de la matriz de coeficientes es igual al rango de la
matriz ampliada (rg (A) = rg (Aa)) entonces A X = C es compatible, y recprocamente.

El corolario de este teorema es el siguiente:

Un sistema Compatible ser determinado (solucin nica) si el rango de la matriz de
coeficientes es igual al nmero de incgnitas r(A)=n, y ser indeterminado (infinitas
soluciones) si el rango de la matriz de coeficientes es menor que el nmero de incgnitas
r(A) < n

Las soluciones de un sistema compatible de la forma AX=C permanecen invariantes
ante las siguientes operaciones elementales:

Intercambio de dos filas o renglones cualesquiera.
Multiplicacin de una fila por un escalar no nulo.
Suma a una fila de una combinacin lineal no nula de otro rengln.

MTODOS DE RESOLUCIN DE SISTEMAS DE
ECUACIONES ALGEBRAICAS LINELES

Para la resolucin de Sistemas de ecuaciones algebraicas lineales se utilizan dos tipos de
mtodos: mtodos directos y mtodos iterativos.

Mtodos directos

Los mtodos directos son aquellos que obtiene la solucin exacta, salvo errores de
redondeo en los clculos, luego de un nmero finito de operaciones elementales.
Pertenecen a este grupo el mtodo de eliminacin de Gauss, el mtodo de Gauss-Jordan,
particin de matrices, etc.

A continuacin se describen los mtodos mencionados.

Mtodo de eliminacin de Gauss

Consideremos el sistema de ecuaciones algebraicas lineales:


El procedimiento para resolver este sistema consta de dos pasos:
1. Eliminacin hacia adelante de incgnitas.
2. Sustitucin hacia atrs



1. Eliminacin hacia adelante
En la eliminacin hacia adelante, se reduce el conjunto de ecuaciones a un sistema
triangular superior. El paso inicial consiste en multiplicar la primera ecuacin del sistema
por el cociente entre los coeficientes de la primera incgnita de la segunda y primera
ecuacin, , obtenindose:


Como el primer trmino de la primera ecuacin modificada es idntico al primer trmino
de la segunda ecuacin, se elimina la primera incgnita de restando la ecuacin de y se
llega a:


El apstrofe se utiliza para indicar que los coeficientes de las incgnitas han sufrido
modificaciones en sus valores. El proceso se repite hasta que se elimina la primera
incgnita de las ecuaciones restantes dando como resultado el siguiente sistema
modificado:


La ecuacin pivotal, es decir la que permanece invariante es la ecuacin. A continuacin
se repite el proceso para eliminar la segunda incgnita (x2) desde la tercera ecuacin
hasta la ltima, restando a cada ecuacin la segunda ecuacin multiplicada por
(recordando que i representa al nmero de fila o rengln, siendo i3): Una vez
completado este paso se repite el procedimiento de manera de eliminar las incgnitas
iniciales de las ecuaciones subsiguientes hasta llegar a la ltima, transformndose el
sistema en un sistema triangular superior:




2. Sustitucin hacia atrs
La ecuacin puede resolverse para xn:


Este resultado se puede sustituir en la (n-1)-sima ecuacin y resolver sta para x n-1. El
procedimiento se repite, evaluando las x restantes. Esquemticamente:


Una de las desventajas de este mtodo es que durante el proceso en las fases de
eliminacin y sustitucin es posible que ocurra una divisin entre cero. Por ello se ha
desarrollado una estrategia del pivoteo que evita parcialmente estos problemas.

Si se resuelve un pequeo nmero de ecuaciones, el error por redondeo es pequeo y
generalmente no afecta sustancialmente la precisin de los resultados, pero si se van a
resolver simultneamente muchas ecuaciones, el efecto acumulativo del error por
redondeo puede introducir errores relativamente grandes en la solucin. Por esta razn el
nmero de ecuaciones simultneas que se puede resolver satisfactoriamente con el
mtodo de eliminacin de Gauss, utilizando de 8 a 10 dgitos significativos en las
operaciones aritmticas, se limita generalmente a 15 o 20.





A continuacin se indica el algoritmo del mtodo.





Por ejemplo, se desea resolver el sistema, aplicando el mtodo de eliminacin gaussiana.










a) Eliminacin hacia adelante
Como el coeficiente de la primera incgnita es 1, se multiplica la primera ecuacin por 3 y
se resta el resultado de la segunda ecuacin, luego se multiplica por 2 la primera
ecuacin y se resta de la tercera de manera que el sistema queda reducido a:


Se procede ahora a eliminar la segunda incgnita de la tercera ecuacin, para ello se
divide la segunda ecuacin por -4 y se multiplica por el coeficiente de la tercera ecuacin
que en este caso es 1, quedando la segunda como: y se resta este resultado
de la tercera ecuacin. El sistema es ahora:

b) Sustitucin hacia atrs
Se despeja x3 de la tercera ecuacin, en este caso: x3=0, se reemplaza este valor en la
segunda ecuacin: 4x2 = 8 por lo tanto x2=2 y por ltimo se reemplazan estos valores
en la primera ecuacin x1 + 2 = 3 entonces x1=1.

Mtodo de Gauss Jordn

Es diferente al mtodo de eliminacin gaussiana puesto que cuando se elimina una
incgnita no slo se elimina de las ecuaciones siguientes sino de todas las otras
ecuaciones. De esta forma el paso de eliminacin genera una matriz identidad en lugar
de una matriz triangular. Por consiguiente no es necesario emplear la sustitucin hacia
atrs para obtener la solucin. A continuacin se esquematiza el mtodo.





Por ejemplo, si se desea resolver el sistema anterior utilizando este mtodo, se
escribe el sistema en forma matricial, se trabaja con la matriz ampliada (formada
por la matriz de coeficientes a la que se le adiciona una ltima columna constituida
por los trminos independientes), luego se efectan operaciones elementales en
las filas hasta llegar a la matriz identidad quedando los valores de las incgnitas
en la ltima columna de la matriz ampliada.

Se llega al mismo resultado que con el mtodo anterior, es decir x1=1, x2=2 y x3=0.

Este no es un mtodo recomendable ya que involucra alrededor de un 50% de clculos
adicionales, sin que haya ms beneficios.

Particin de matrices
Este mtodo puede utilizarse para resolver grandes sistemas de ecuaciones lineales, y
consiste en dividir las matrices de la ecuacin matricial del sistema en submatrices de
orden menor.
Dado un sistema de ecuaciones, expresado en notacin matricial, [A]2x2 [X]2x1 = [C]2x1. Si
A22 representa una submatriz de A con inversa conocida, formada por alguno de los
renglones da A y el mismo nmero de columnas de A, se puede expresar la ecuacin
matricial en forma notacional como:


En donde fijada la posicin de la submatriz A22 en A, quedan obligadas las de las otras
submatrices.
Para resolver el sistema matricial se realizan las operaciones matriciales indicadas en l,
producto e igualdad, teniendo en cuenta que los elementos matriciales son a la vez
matrices.
Se tiene:

Despejando el vector x2 de se obtiene: A22 x2 = c2 - A21 x1 y por lo tanto:

Sustituyendo en y despejando el vector x1, se llega a:

En esta ltima expresin se hace B = A11 - A12 A22 -1 A21 y D = A12 A22 -1, por lo tanto queda
como:
x1 = B-1(c1 - Dc2)

Reemplazando la ecuacin en la ecuacin:
x2 = A22 -1 c2 - A22 -1 A21 B-1(c1 - Dc2)
x2 = - A22 -1 A21 B-1c1 + (A22 n-1+ A22 -1 A21 B-1D) c2

Haciendo en esta ltima expresin: E = A22 -1 A21 y F = A22 -1+ E B-1D, se puede escribir
como sigue:
x2 = - EB-1 c1 + F c2

En sntesis se llega a:


Mtodos iterativos

Los mtodos iterativos o de aproximaciones sucesivas se utilizan cuando los sistemas de
ecuaciones a resolver son de grandes dimensiones o bien son sistemas dispersos (la
matriz de coeficientes posee muchos ceros). Estos mtodos construyen una sucesin de
aproximaciones a la solucin de las incgnitas hasta obtener una precisin determinada o
hasta completar un nmero determinado de iteraciones. Son ejemplos el mtodo de
Jacobi, el de Gauss-Seidel, etc.

Mtodo de Jacobi

Si se considera un sistema de ecuaciones algebraicas, que puede escribirse en forma
matricial como [A] [X] = [C] y que A = D + R, donde D es una matriz diagonal; es decir,
una matriz cuadrada cuyos elementos sobre la diagonal principal son los nicos diferentes
de cero. Entonces puede escribirse que:


Se admite que la diagonal de A no contiene elementos nulos, para que exista la matriz
inversa D-1. La ecuacin sugiere el mtodo iterativo:
X k+1= D-1C D-1R Xk

Este es el mtodo iterativo de Jacobi, de iteraciones totales o de desplazamientos
simultneos, definido por la ecuacin de recurrencia, significa que del sistema de
ecuaciones, se despeja x1 de la primera ecuacin, x2 de la segunda, etc., obtenindose las
siguientes ecuaciones:


Para aplicar el mtodo, se considera una primera aproximacin al valor de las incgnitas
x, que se denomina X(0) (el supra ndice indica el orden de aproximacin). Se sustituye
esta primera aproximacin en los segundos miembros de las ecuaciones a, por ejemplo,
si se toma la solucin trivial, en la ecuacin se encuentra x1 haciendo x2 hasta xn iguales a
cero.
Luego se calcula x2 de la ecuacin tomando x1, x3, xn iguales a cero y as sucesivamente
hasta llegar a la ltima ecuacin y encontrar xn. Se obtiene de esta manera una nueva
aproximacin a los valores de las incgnitas, es la aproximacin de orden 1, es decir X(1).
El procedimiento se repite hasta que la solucin converja cerca de los valores reales. La
convergencia se puede verificar usando el criterio de error relativo.

Este mtodo es muy poco utilizado debido a que el mtodo de Gauss-Seidel converge
ms rpidamente a la solucin y adems lo hace cuando no se logra que el mtodo de
Jacobi converja.
La condicin suficiente para que el mtodo de Jacobi converja es que la matriz de
coeficientes sea diagonal dominante, es decir que cada elemento de la diagonal principal
es mayor en valor absoluto que la suma del resto de los elementos de la misma fila en la
que se encuentra el elemento en cuestin.


















A continuacin se presenta un algoritmo para este mtodo iterativo.





Por ejemplo, se desea resolver el sistema utilizando este mtodo,
suponiendo una cota de error del 3 %.

Se despeja x1 de la primera ecuacin, x2 de la segunda y x3 de la tercera ecuacin.


Se supone como primera aproximacin la solucin trivial, entonces de la primera ecuacin
se despeja x1 suponiendo que x2 = x3= 0 por lo tanto x1= 2.


Se calcula x2 suponiendo que x1=x3=0, es decir: y por ltimo x3 que es:


Se realiza una nueva iteracin con los valores: x1= 2; x2= 2.857 y x3= 4.5, es decir:


Se calcula el error relativo porcentual de aproximacin:


Se realiza una nueva iteracin, ahora con x1= 3,653; x2= 3,021 y x3= 4,497 y se llega a
que x1=3,735 con Ex1= 2,19 %; x2=2,998 con Ex2= 0,77 %; x3=4,451 con Ex3= 1,03 %.

Mtodo de GaussSeidel

Es un mtodo iterativo que disminuye el error de redondeo, se denomina tambin de
desplazamientos sucesivos o de iteraciones parciales. Si se tiene un conjunto de n
ecuaciones, que puede escribirse en forma matricial como: [A] [X] = [C] y si los elementos
de la diagonal principal son diferentes de cero, la primera ecuacin se puede resolver
para x1, la segunda para x2, etc., lo que lleva a las ecuaciones.

Se puede comenzar el proceso de solucin utilizando una aproximacin inicial X0 a la
solucin que es el vector columna X. La solucin trivial puede servir de valor inicial, se
supone que x2,..., xn valen 0. Estos valores se sustituyen en la ecuacin y de ella se
despeja un nuevo valor de Luego se sustituye el nuevo valor de x1 con x3,, xn
iguales a cero en la ecuacin y se calcula un nuevo valor de x2. Este procedimiento se
repite en cada una de las ecuaciones hasta llegar a la ecuacin de la que se calcula un
nuevo valor de xn. Se regresa a la primera ecuacin y se repite todo el proceso hasta que
la solucin converja cerca de los valores reales. La convergencia se puede verificar
usando el criterio de error relativo. Este mtodo se diferencia del de Jacobi puesto que
una vez que se calcula una aproximacin a una incgnita se utiliza esta aproximacin en
la misma iteracin.

Las condiciones suficientes para que el mtodo de Gauss-Seidel converja es que la matriz
de coeficientes sea diagonal dominante o bien que la matriz de coeficientes sea simtrica
y definida positiva. Un algoritmo del mtodo se muestra a continuacin.





Por ejemplo, se desea resolver el sistema utilizando este mtodo,
suponiendo una cota de error del 3 %.







Se despeja x1 de la primera ecuacin, x2 de la segunda y x3 de la tercera ecuacin.


Se supone que x2 = x3= 0, por lo tanto x1= 2, con este nuevo valor y con x3= 0 se calcula
x2, es decir:


Con este valor y x1= 2 se calcula x3,


Con estos nuevos valores de x2 y x3 se determina un nuevo valor de x1


Con este valor y x3= 4,497 se calcula x2:


Y con este valor y x1=3,639 se encuentra el nuevo valor de x3


Se calcula el error relativo porcentual de aproximacin:

En la tercera iteracin se llega a que x1=3,722 con Ex1= 2,23 %; x2=2,995 con Ex2= 0,1 %;
x3=4,448 con Ex3= 0,07 %.

Mtodo de Relajacin
El mtodo de relajacin fue ideado por el ingeniero britnico Richard Southwell, converge
ms rpidamente que el de Gauss-Seidel. Consiste en tomar nueva aproximacin a la
solucin como una combinacin lineal de la solucin de la etapa anterior, es decir
aplicando la frmula correspondiente al mtodo de Gauss-Seidel pero con la
incorporacin de un factor de relajacin denominado w:



En esta frmula el supra ndice k indica que es la k-sima iteracin y a w se le asigna un
valor entre 0 y 2, este valor se determina por prueba y error y el mtodo se denominar:

Mtodo de sub-relajacin, si 0<w<1, es aplicable en los casos en que el mtodo de
Gauss- Seidel diverge
Mtodo de sobre-relajacin, si 1<w<2, se aplica para acelerar la convergencia del
mtodo de Gauss-Seidel
Mtodo de Gauss-Seidel si w=1


ESTRUCTURA ALGEBRAICAS

Una Estructura Algebraica es un objeto matemtico consistente en un conjunto no vaco y
una relacin ley de composicin interna definida en l.
En algunos casos ms complicados puede definirse ms de una ley de composicin
interna y tambin leyes de composicin externa.

Empecemos por recordar algunas definiciones:

Operacin binaria Ley de composicin interna definida en un conjunto no vaco A

Es una aplicacin o funcin - del producto cartesiano de AxA en A
En smbolos: - es una ley interna en A : Ax A A -
Es decir
1 2 1 2
(a , a ) a a -

Ejemplo 1
La suma la multiplicacin en N , en Z , en Q , en R en C.

Ejemplo 2
Las siguientes tablas definen leyes de composicin interna en el conjunto
A = {a , b , c }

i)




ii)






Ley de composicin externa
- a b c
a a b c
b b c a
c c a b
- a b c
a a b b
b c a c
c b c a

Una ley de composicin externa definida en A con operadores de B es toda funcin
aplicacin - de Bx A en A.
En smbolos

- es ley externa en A con operadores en B Bx A A
es decir, si b B e y a A e la imagen del par (b ; a) = b - a e A

Segn las propiedades que deban satisfacer estas leyes de composicin, se tienen los
distintos tipos de estructuras sistemas axiomticos.

Espacio Vectorial

Un espacio vectorial sobre un cuerpo K es un conjunto V , cuyos elementos se denominan
vectores, provisto de dos operaciones, una interna que se denomina suma y otra
externa que se denomina producto y que cumplen ciertas propiedades.

La operacin externa, multiplica un elemento del conjunto K por un elemento del conjunto
V.

Notacin

Esta estructura suele representarse de las siguientes maneras:

Como la cuaterna ordenada ( V , + , K , - ) ; como la terna ordenada ( K , V ,+ ) y
tambin es muy usual la expresin sintetizada V
K
- , todas ellas se leen Espacio
Vectorial V sobre el cuerpo K . o simplemente K espacio vectorial.

Las operaciones enunciadas deben cumplir las siguientes propiedades:

1. ( V , + ) es un Grupo conmutativo a) + Es asociativa
b) + Es conmutativa
c) + Tiene neutro
d) + Tiene inverso

2. La operacin externa asocia de la siguiente manera:
a , b : a, b e K y x A e , a - ( b - x ) = ( a - b ) - x

3. La operacin externa distribuye sobre la interna de la siguiente manera:
a : a e K y x , y A e , a - ( x + y ) = a - x + a - y

4. La operacin externa tiene elemento neutro.

Ejemplos

1.- ( R
n
, + , R , - ) es un Espacio Vectorial con las suma y el producto conocidos.
Siendo R
n
, con n > 1 el conjunto de las n uplas de nmeros reales.

2.- (

K x (

,

+

,

K

,

-

) es un Espacio Vectorial con la suma y el producto
Conocidos, siendo K un cuerpo y K x (

el conjunto de los polinomios en una
Indeterminada con coeficientes en K.

3.- ( R
m x n
, + , R , - ) en el Espacio Vectorial de la matrices de orden m x n en el
cuerpo de los reales, con la suma y el producto conocidos.




Morfismo u Homomorfismo

Una aplicacin de conjuntos f: A B se dir que es un morfismo de la estructura
(A, - ) en la estructura (B , ) o simplemente un morfismo de A en B si se cumple
que:
x , y A e ; f(x y) - = f(x) f(y)

Ejemplo:

Sean las estructuras ( R , + ) y ( R
+
, - ) con las operaciones + y - usuales.

La aplicacin f : R R
+
definida por f(x) = 2
x
es un morfismo de estas
estructuras ya que cumple que:

f (x + y) = 2
x + y
= 2
x
- 2
y
= f (x) - f (y)


Endomorfismo

Se llama as a todo morfismo de A en A.

Monomorfismo

Se llama as a todo morfismo inyectivo.

Epimorfismo

Se llama as a todo morfismo sobreyectivo.

Isomorfismo

Se llama as a todo morfismo biyectivo.

Automorfismo

Se llama as a todo endomorfismo biyectivo.




Ejemplos

1. Sean las estructuras ( R
3
, + ) y ( R
2 x 2
, + ) y la aplicacin

f ( x
1
, x
2
, x
3
) =
1
2 3
x 0
x x
(
(



Las operaciones consideradas son las de suma de ternas ordenadas de
nmeros reales y la de suma de matrices.

Entonces, como:


( ) ( )
1 2 3 1 2 3
f x , x , x y , y , y ( +

=
( )
1 1 2 2 3 3
f x y ,x y ,x y + + + =


1 1
2 2 3 3
x y 0
x y x y
+ (
(
+ +

=
1
2 3
x 0
x x
(
(

+
1
2 3
y 0
y y
(
(

=

=
1 2 3
f x ,x ,x (

+
1 2 3
f y ,y ,y (



f es un morfismo.

Adems es inyectivo, es decir un monomorfismo.

Puesto que x y = eal dominio, resulta:


1 2 3
f x ,x ,x (

=
1
2 3
x 0
x x
(
(

=
1 2 3
f y ,y ,y (

=
1
2 3
y 0
y y
(
(



Para probar que no es sobreyectivo, basta ver que, por ejemplo
1 2
3 4
(
(

no es
imagen de nadie.

2. f : R R tal que f (x) = 3x es un automorfismo respecto a la suma.

i) Es morfismo pues f (x + y ) = 3 (x + y ) = 3x 3y = f (x ) + f (y )

ii) f es biyectiva porque:

es inyectiva: x = y ; f (x ) = f (y ) ya que 3x = 3y

y es suryectiva: y eR - x eR tal que f (x ) = y ;
3x = y entonces x =
y
3



3. f : R R tal que f(x) = x + 1 no es homomorfismo respecto a adicin.

Efectivamente no cumple la definicin de morfismo

f (x + y) = f (x) + f (y)

ya que x + y + 1 = x +1 + y + 1 = x + y + 2


TRANSFORMACIONES LINEALES
En esta lectura se presentan las funciones entre espacios vectoriales que preservan las
cualidades de los espacios vectoriales. Es decir, de funciones que preservan la suma y la
multiplicacin por escalares.

Idea
En los cursos bsicos relativos a ecuaciones vimos que la solucin a la ecuacin
f(x) = 0
Podra entenderse como los puntos donde la grca de la funcin f(x) corta el eje de las
xs:


Esta forma de ver a una ecuacin permite entonces resolver ecuaciones de la forma:
f(x) = a

en este caso lo que se busca son los valores de x de aquellos puntos donde la grca de
la funcin f(x) corta la lnea horizontal y = a:




Esta idea de corte de la grca de f(x) con la recta y = a da pie a mtodos grcos de
solucin de ecuaciones y tambin permite obtener conclusiones cualitativas a ciertas
ecuaciones. Por ejemplo, se deduce fcilmente que 3 sen (20 x) cos(x) = 1 tiene innitas
soluciones, mientras que 3 sen (20 x) cos (x) = 3.5 no tiene solucin:


En el caso anterior, 3 sen (20 x) cos(x) = 1 tiene solucin debido a que 1 est en el rango
de la funcin; mientras que 3 sen (20 x) cos(x) = 3.5 no tiene solucin porque 3.5 no lo
est. El rango de la funcin est marcado en el eje y como un segmento de lnea
magenta.

Transformacin Lnea

Sean V y W dos espacios vectoriales posiblemente iguales. Una transformacin lineal o
mapeo lineal de V a W es una funcin T: V W tal que para todos los vectores u y v de V
y cualquier escalar c:

T(u + v) = T(u) + T(v)
T(c u) = c T(u)

Ejemplo
Demuestre que la transformacin T: R2R2 denida por es lineal.


Solucin














Entonces


Por otro lado, para todo escalar c,


Como se cumplen las dos condiciones:

T es lineal

Ejemplo

Demuestre que la transformacin T: R3R2 es lineal:


Solucin
Sean u = (x1, y1, z1) ny v = (x2, y2, z2) . Entonces


Por otro lado, para todo escalar c,



Como se cumplen las dos condiciones:

T es lineal

Ejemplo

Sea A una matriz m n. Demuestre que la transformacin T: MnkMmk denida como
es lineal.
T (B) = A B

Solucin

Sean B y C dos matrices n k cualquiera y c un escalar cualquiera:


T es lineal















CAMPOS

Definicin de campo
En trminos generales, es cualquier sistema numrico en el cual podamos realizar las
operaciones normales de la aritmtica como lo son: suma, resta, multiplicacin y divisin.

Definicin formal:
Un campo F es un conjunto de escalares para el cual se definen operaciones de suma (a
+ b) y multiplicacin (ab) tal que satisfacen las propiedades siguientes:

SUMA:
a + b F a, b F
a + b = b + a a, b F
(a + b) + c =a + (b + c) a, b, c F
Un nico escalar 0 llamado cero de F tal que a + 0 = a.
-a a F tal que: a + (-a) = 0.

MULTIPLICACIN:
ab F a, b F
(a + b)c = ac + bc a, b, c F
ab = ba a, b F
(ab)c = a(bc) a, b, c F
Un nico escalar distinto de cero, 1 F tal que a F: a1 = a
a F a 0; un nico escalar a-1 tal que aa-1 = 1

INDUCCION MATEMATICA

Demostracin de proposiciones por induccin

Induccin
En el mbito de la lgica, el razonamiento inductivo, que es una modalidad del
razonamiento no deductivo consistente en obtener conclusiones generales a partir de
premisas que contienen datos particulares. Principio de induccin completa es un
razonamiento que permite demostrar una infinidad de proposiciones, o una proposicin a
un tipo de razonamiento en donde se obtienen conclusiones tan solo probables
(concepcin ms moderna).

La induccin matemtica

La induccin matemtica es un caso especial, donde se va de lo particular a lo general y,
no obstante, se obtiene una conclusin necesaria. Tpicamente, el razonamiento inductivo
se contrapone al razonamiento deductivo, que va de lo general a lo particular y sus
conclusiones son necesarias. La induccin matemtica es un mtodo de demostracin
muy til empleado corrientemente en la matemtica. Principio de induccin finita o
principio de induccin matemtica. Sea S(n) una proposicin matemtica abierta(o un
conjunto de tales proposiciones abiertas), en la que aparece una o varias veces la
variable n, que representa a un entero positivo. El mtodo, consta de dos partes o
teoremas parciales:

Teorema 1 o base de la demostracin
Es la demostracin deductiva de que la proposicin se verifica para algn numero natural
dado a: Proposicin! f(a): es verdadera Entonces :

a) Si S(1) es verdadera; y

Teorema 2 o paso de induccin
Es la demostracin, de carcter tambin deductivo, de que si la proposicin se supone
cierta para un numero natural k, tambin ha de ser cierta para el numero sucesor de k,
para el numero (k+1).

Proposicin! F (k) es verdadera! F (k+1) tambin debe ser verdadera.(Esto es
lo que se quiere demostrar)

b) Siempre que S(k) sea verdadera(para algn k 9Z + Particular, pero elegido al
azar); entonces S (k+1)sera verdadera;

Entonces S (n) es verdadera para todo nZ+

De lo cual se infiere que la proposicin es verdadera para el nmero natural a y para
todos los nmeros naturales siguientes al numero a, es decir es cierta para el conjunto de
numero naturales [a, 1). Evidentemente, si a es el primero de los numero naturales, la
proposicin sera cierta para todo conjunto N. Ambos paso parciales son procesos
deductivos, por lo que cabria decir que, realmente, el mtodo de induccin matemtica es,
en realidad, un proceso de deduccin. En realidad, el nombre de "induccin matemtica
se debe simplemente a que lo asociamos a nuestra conciencia con los razonamientos
inductivos que realizamos, a pesar de que el paso inductivo de la demostracin es una
proposicin general que se demuestra como un riguroso proceso deductivo, sin necesidad
de ninguna hiptesis particular.

Si nZ+, se establece la validez de la proposicin abierta


Paso inductivo. Si suponemos la verdad de la proposicin:


Para algn kZ+, (particular), queremos ver si podemos inferir la verdad de la proposicin




Como lo hicimos anteriormente, usemos la hiptesis de induccin y hacemos el clculo
siguiente:


Entonces para cualquier kZ+, se tiene que S (k)! (k+1). Entonces concluimos que