A Discreta CIP Junin

1
Conjuntos
1.0.1. Introduccin
La siguiente es una exposicin de la teora de conjuntos de naturaleza intuitiva.
Tomaremos como conceptos primitivos, es decir no denidos, a las nociones de elemento
y de conjunto. Tambin utilizaremos una relacin primitiva que notaremos y que
llamaremos relacin de pertenencia. Habitualmente designaremos a los elementos y a
los conjuntos con letras latinas minsculas y maysculas respectivamente, aunque a
veces no es posible o no es conveniente respetar estas convenciones. Un conjunto est
determinado cuando disponemos de un criterio para establecer si un elemento pertenece
o no a dicho conjunto. A las frmulas a A, a / A las leeremos: el elemento a pertenece
al conjunto A y el elemento a no pertenece al conjunto A, respectivamente.
Igualdad de conjuntos
A la frmula A = B la leeremos: el conjunto A es igual al conjunto B, o A es igual
a B. Y admite la siguiente interpretacin: A y B son dos conjuntos
A la frmula A ,= B la leeremos: los conjuntos A y B son distintos. Y signica que
A y B no son idnticos, es decir, que no tienen los mismos elementos.
Representaciones de conjuntos
Representacin por extensin
1.1. relaciones binarias
1.1.1. Conceptos generales sobre relaciones
El caso particular de relaciones binarias merece ser tratado aparte, por la riqueza
de conceptos y resultados a que da lugar y el tipo de tcnicas que pueden utilizarse
Matemtica Aplicada
Autor: Rolando G. Astete Chuquichaico
1
UNIVERSIDAD NACIONAL DE INGENIERA
POSGRADO - FACULTAD DE INGENIERA CIVIL CONJUNTO
Denicin 1.1.1. Una relacin entre los conjuntos
A
1
A
n
es cualquier subconjunto
R A
1
A
n
Los conjuntos A
i
son los dominios de la relacin, el nmero de elementos de R se
llama cardinalidad, y el nmero n se denomina grado de R . Para indicar explcitamente
la relacin es de grado n, se dice tambin que R es una relacin n-aria.
En el caso particular n = 2, una relacin binaria R entre dos conjuntos A y B es
un subconjunto
R A A
Se interpreta que R establece una relacin entre elementos de A y elementos
de B . Tambin se puede interpretar a R como una correspondencia de elementos de
A con elementos de B. As, una correspondencia f entre A y B se dene como una
terna f = (A, B, R) donde R es una relacin entre A y B, y R se denomina grafo de la
correspondencia f.
Adems Si R es una relacin entre A y B, el hecho de que un par ordenado (a, b)
est en R suele denotarse aRb Asmismo , el hecho contrario, es decir (a, b)
R, suele
denotarse como a
Rb, o simplemente (aRb).

Denicin 1.1.2. Se llama Par Ordenado o dupla cuyo smbolo es (x, y) al conjunto
cuyos elementos son a su vez otros dos conjuntos:
1. el conjunto x, y que es un par simple
2. el conjunto x de un nico elemento
Denicin 1.1.3. Un par ordenado
(x, y) := x, y, x
(x, y) : Par Ordenado (PO)
x : Primer elemento del PO (Primera componente del PO)
y : Segundo elemento del PO (Segunda componente del PO)
Obs 1 : PO es un par de conjuntos (es un Conjunto de Conjuntos) donde xy (x, y)
Obs 2 : La igualdad de PO es la de Conjuntos
Obs 3 : Primer y segundo elemento es una forma de llamar a las componentes del PO,
porque los numeros todava no estn denidos. Justamente el concepto de numero
se denen a partir del PO.
La fecunda utilizacin del PO se puede observar en la lista siguiente, que obvia todo
comentario:
Matemtica Aplicada
2
1. Producto Cartesiano
2. Relacin
3. Relacin Unvoca
4. Funcin
5. Relacin de Equivalencia
6. Relacin de Orden
7. Nmero Natural
8. Nmero Entero
9. Nmero Fraccionario
10. Estructura Mtrica
11. Nmero Real
12. Numero Complejo
13. Estructura Algebraicas
14. Leyes de Composicin
15. Estructura Lineal (Vectorial)
16. Coordenadas Cartesianas
17. Grafos
18. Etc
Para la denicin del PO pilar de la matemtica, hace falta solamente la nocin
previa de conjunto.
Un par simple es un conjunto formado por 2 elementos, cuyo smbolo es x, y :
Par y cumple con la igualdad de conjuntos x, y = y, x donde se observa que a
los elementos x e y del par no se les asigna ninguna caracterstica particular que les
otorgue un papel diferente dentro del Par. Es decir son simplemente y nada mas que
elementos del Par.
Mientras en el PO a sus dos elementos x e y, se les asigna una caracterstica di-
ferencial, la de ser primer o segundo elemento (componente). La denicin de PO se
introduce justamente para asignar a cada elemento de un par simple propiedades es-
pecicas. Por ejemplo el conjunto de manos de una persona constituyen un Par si no
se da una diferencia entre ellas. Sin embargo si se distinguen la mano izquierda de la
derecha se esta en presencia de un PO al haberle asignado a los elementos del par una
caracterstica diferencial. Anlogamente se tiene otro ejemplo en el conjunto Matrimo-
nio que esta formado por un par de personas, y se distingue entre hombre y mujer
se tiene un par ordenado. El papel diferente de ambas componentes es la base para
establecer el concepto de Relacin en general. La forma de asignar una caracterstica
diferente a los elementos x e y es por medio de diferenciar su presencia en los conjuntos
que lo denen:
1. x, y donde se dene el Par
2. x donde se dene la primera componente
1.1.2. Igualdad de pares ordenados
La igualdad de pares ordenados es simplemente un caso particular de la Igualdad
de Conjuntos.
Teorema 1.1.1. Dos pares ordenados son iguales si
(xy) = (ab) x, y, x = a, b, a
Matemtica Aplicada
3
La igualdad de conjuntos cumple con el teorema siguiente T1: La igualdad de dos
PO es condicin necesaria y suciente de la igualdad de las componentes homlogas es
decir de las primeras componentes entre si y las segundas componentes entre si. Esto
justica, como la denicin de PO distingue ambos elementos.
Teoremas de pares ordenados
Teorema 1.1.2. Dos pares ordenados se dicen que
(x, y) = (a, b)
_
x = a
y = b
De manera equivalente:
(x, y) ,= (a, b) x ,= a y ,= b
Teorema 1.1.3. Dos pares ordenados
(xy) = (yx) x y
equivalentemente
(x, y) ,= (y, x) x y
Obs. El segundo caso del teorema representa la propiedad fundamental de los pares
ordenados
(xy) ,= (yx) x y
y muestra la diferencia esencial entre los PO y los pares simples que cumplen en
todos los casos x, y = y, x
Teorema 1.1.4. Denicin de par ordenado entonces (x, x) = x
Demostracin.
(x, x) := x, x, x
= x, x
= x
1.1.3. Ternas y nuplas
La denicin de Par Ordenado se puede generalizar para el caso de tres componentes
(ternas) o ms componentes, en general para n componentes (nuplas):
Matemtica Aplicada
4
Denicin 1.1.4. Una terna ordenada
(x, y, z) := x, y, x
(x, y.z) : Terna
x : Primer elemento de la terna
y : Segundo elemento de la terna
z : Tercer elemento de la terna
Obs. Si se hubiera denido la terna por la proposicin (xyz) := ((xy)z) ( denicin no
vlida ) se habra tomado un conjunto de conjuntos de diferentes niveles
(xyz) := (x, y), z, (x, y) := x, y, x, z, x, y, x
lo cual es errneo.
1.1.4. Nuplas
Denicin 1.1.5. Una nupla ordenada
(x
1
, x
2
, . . . , x
n
) := x
1
, x
2
, . . . , x
n
, . . . , x
1
, x
2
, x
(x
1
, x
2
, . . . , x
n
) : nupla
x
i
: i simo componente de la nupla
1.1.5. nupla de 1 elemento
A n de generalizar el concepto de nupla para todo valor de n 1 se dene tambin
para el caso de n = 1
Denicin 1.1.6. Para el caso de un elemento (x) := x
Obs Notese que del teorema (1.1.4) resulta
(x, x) := x
= (x)
Nota 1. (Lgica y relaciones) Existe un tipo de lgica llamada Lgica Relacional,
basada en relaciones de grado n. Esta Lgica tiene inters en la construccin de Bases
de Datos Deductivas, que se emplean en el diseo de Sistemas Expertos (Inteligencia
Articial).
Una relacin binaria admite una representacin matricial, siempre que los do-
minios de la relacin sean nitos. En efecto, supongamos que A = a
1
, . . . , a
m
y
Matemtica Aplicada
5
B = b
1
, . . . , b
p
. Entonces la matriz asociada aR es la matriz Booleana con m las y
p columnas
M
R
:=
_
_
_
_
_
_
r
1,1
r
1,p

r
i,j

r
m,1
r
m,p
_
_
_
_
_
_
dada por
w
r
ij
=
_
1 si a
i
Rb
j
0 si a
i
Rb
j
Ejemplo 1. Se consideran los conjuntos A = 2, 3, 5 y B = 4, 6, 9, 10, y se dene
la relacin
R = (2, 4), (2, 6), (2, 10), (3, 6), (3, 9), (5, 10)
es decir, aRb (si y slo si a[b). Entonces, la matriz asociada a R es
M
R
=
_
_
1 1 0 1
0 1 1 0
0 0 0 1
_
_
Esta representacin matricial solo es posible cuando los conjuntos A y B son con-
juntos nitos
Las operaciones conjuntistas bsicas que se pueden realizar con relaciones
compatibles, es decir, subconjuntos del mismo producto cartesiano
A
1
A
n
, son las siguientes:
1. Unin: R S , formada por las n-uplas que estn en R, en S o en ambas a la
vez.
2. Interseccin: R S , formada por las n-uplas que estn simultneamente en R
y en S.
3. Diferencia: R S, formada por las n-uplas que estn en R pero no en S.
4. Complementacin: R := (A
1
A
n
) R, es decir, formada por todas las
n-uplas que no estn en R.
Adems, entre dos relaciones compatibles R y S se verica la contencin conjuntista
R S si para toda n-upla (a
1
, . . . a
n
)) se tiene que
(a
1
, . . . a
n
) R (a
1
, . . . a
n
) S
En particular, dos relaciones son iguales si
(R S) (S R)
.
Matemtica Aplicada
6
Propiedades de las relaciones binarias
En este apartado consideramos solamente relaciones binarias donde A = B. En
este caso, si R A A se dice que es una relacin binaria en A, y R relaciona los
elementos de A entre s. Obviamente, si #(A) = m entonces la matriz asociada a R
es cuadrada de tamao m m. Las relaciones triviales en A son la relacin universal
R = A A y la relacin vaca R = .
Entre las diversas propiedades que puede (o no) tener una relacin binaria en A,
las ms interesantes son las siguientes
1. Reexiva: Si xRx, x A
2. Irreexiva: Si x
Rx, x A
3. Simtrica: Si x, y A, xRy yRx.
4. Antisimtrica: Si x, y A, (xRy) (yRx) x = y.
5. Transitiva: Si x, y, z A, (xRy) (yRz) xRz.
6. Intransitiva: Si x, y, z A, (xRy) (yRz) x
Rz.
Las propiedades anteriores son vlidas siempre y cuando A sea nito.
La relacin diagonal en A, se denota por , y se dene como
:= (x, x) A A/x A
Obviamente, la matriz asociada a la relacin diagonal es aqulla que tiene 1 en
todas las posiciones de la diagonal y 0 en el resto, matriz que denominaremos identidad
y representaremos por I. De esta manera, se obtiene fcilmente el siguiente
Teorema 1.1.5. Sea R A A y sea M la matriz asociada a R. Entonces:
1. R es reexiva ( R) (I M), es decir, si M tiene 1 en todas las
posiciones de la diagonal.
2. R es irreexiva ( R = ) (M I), es decir, si M tiene 0 en todas
las posiciones de la diagonal.
3. R es simtrica (R = R
1
) (M = M
t
), es decir, si M es simtrica.
4. R es antisimtrica (R R
1
) (M M
t
I), es decir, si no exis-
ten fuera de la diagonal (i ,= j dos posiciones simtricas cuyos valores sean 1
simultneamente.
5. R es transitiva (R R R) (M M M).
6. R es intransitiva (R R R) (M M M).
Matemtica Aplicada
7
Ejemplo 2. Sobre el conjunto A = 1, 2, 3 se considera la relacin
R = (1, 3), (2, 3), (3, 2)
se observa que R no es transitiva, pero lo podemos comprobar mediante la matriz aso-
ciada M =
_
_
0 0 1
0 0 1
0 1 0
_
_
Efectivamente
M M =
_
_
0 0 1
0 0 1
0 1 0
_
_
_
_
0 0 1
0 0 1
0 1 0
_
_
=
_
_
0 1 0
0 1 0
0 0 1
_
_
se ve fcilmente que la implicacin M
2
M es falsa (por ejemplo) en la posicin
(1, 2), donde en M
2
hay 1 y en M hay 0.
1.1.6. Relaciones de equivalencia
En primer lugar damos la denicin de lo que es una relacin de equivalencia.
Denicin 1.1.7. Una relacin es de equivalencia si es reexiva, simtrica y transi-
tiva.
Ejemplos tpicos de relaciones de equivalencia, de entre los estudiados anteriormente
en esta asignatura, podemos citar la equivalencia lgica, la igualdad de conjuntos, o la
relacin entre conjuntos de tener la misma cardinalidad. El aspecto ms interesante de
las relaciones de equivalencia es su correspondencia con las particiones de un conjunto.
En primer lugar, si R es una relacin de equivalencia, se llama clase de equivalencia de
a A con respecto a R al conjunto
[a] = [a]
R
= x A/aRx
Teorema 1.1.6. El conjunto cociente
A/R := [a]/a A
dene una particin del conjunto A. Recprocamente, si P = A
i
/i I es una parti-
cin, entonces la relacin R denida por
xRy italque(x A
i
) (y A
i
)
es una relacin de equivalencia cuyo conjunto cociente dene la particin P partida.
Si consideramos los conjuntos A = a
1
, a
2
, , a
m
y B = b
1
, b
2
, , b
k
, y que
M
R
= [r
i,j
y M
S
= [s
i,j
]. Podemos realizar operaciones con las matrices de representa-
cin.
Matemtica Aplicada
8
proposicin 1.1.1. 1. La matriz asociada a RS es M
R
+M
S
, donde la suma de
matrices es entendida componente a componente.
2. La matriz asociada a R S es M
R
M
S
, donde
representa el producto com-

ponente a componente de dos matrices.
3. la matriz asociada a R es M
R
, en donde se niegan todas las entradas (Booleanas)
de la matriz.
4. La matriz asociada a R S es M
R
(M
S
).
5. R S si y slo si M
R
M
S
, es decir:
i, j, r
i,j
s
i,j
6. R = S si y solo si (M
R
M
S
) (M
S
M
R
), es decir, si y slo si M
R
= M
S
.
Adems de las operaciones usuales, las relaciones binarias admiten algunas opera-
ciones adicionales. En primer lugar, denimos la relacin inversa a una dada:
Denicin 1.1.8. Dada una relacin R , se llama relacin inversa de A, y se denota
R
1
, a la relacin R
1
B A, denida por
a A, B, (a, b) R
1
(a, b) R
Es decir R
1
consiste en intercambiar los elementos de los pares ordenados que
pertenecen a R . Es evidente que, en el caso nito, la matriz asociada a la relacin
inversa es justamente la traspuesta de la matriz de R, es decir
M
R
1 = M
t
R
Denimos la composicin de relaciones
Denicin 1.1.9. Sean dos relaciones R y S B C , se llama composicin de R y
S, y se denota R S , a la relacin T A C, denida por
a A, c C, aTc b C
tal que
(aRb) (bSc)
La pregunta natural en este momento es cmo calcular (en el caso nito) la matriz
asociada a la composicin T = R S a partir de las matrices de R y de S . Para ello,
se tiene el siguiente
Teorema 1.1.7. La matriz asociada a la relacin R S es M
R
M
S
.
Ejemplo 3. Sean A = 1, 2, B = a, b, c y C = x, y, se consideran las relacoiones
R = (1, b), (1, c), (2, a)
y S B C dada por
S = (b, x), (c, x), (c, y)
Matemtica Aplicada
9
1.1.7. Relaciones de orden
En primer lugar damos la denicin de relacin de orden.
Denicin 1.1.10. Una relacin es de orden si es reexiva, antisimtrica y transitiva.
Ejemplos tpicos de relaciones de orden, de entre los ya estudiados anteriormente,
podemos citar la implicacin lgica entre clases de equivalencia de proposiciones lgicas,
la contencin entre conjuntos, la desigualdad entre nmeros, la relacin de divisibilidad
entre nmeros naturales, o la comparacin de cardinales entre clases de conjuntos
equipotentes (con el mismo cardinal). Las relaciones de orden se suelen llamar tambin
de orden parcial, en contraposicin a lo que se llama orden total, que denimos a
continuacin.
Denicin 1.1.11. Una relacin de orden se llama orden total si
x, y A, (xRy) (yRx)
De todos los ejemplos citados anteriormente, solamente las desigualdades entre n-
meros y la comparacin de cardinales son rdenes totales, el resto son slo rdenes
parciales. Otro ejemplo tpico de orden total es el llamado orden lxico-grco, entre
cadenas de caracteres, vectores de nmeros, o entre monomios, y que funciona anlo-
gamente al orden en que estn ordenadas la palabras en un diccionario (o los nombres
en una gua de telfonos), es decir, se comparan los primeros smbolos, si son iguales se
comparan los segundos, y as sucesivamente hasta encontrar el primer smbolo en que
ambas palabras dieran, y si esto no es posible es que ambas palabras son iguales.
1.1.8. Aplicaciones: Bases de de Datos Relacionales
El inters de la teora de relaciones (tanto binarias como n-arias) es su aplicacin
en la gestin de Bases de Datos. La idea esencial de una base de datos es almacenar
una serie de registros de estructura similar, compuestos por una serie atributos o
campos, cada uno de los cuales muestra un tipo de informacin especca sobre un
determinado objeto. Esto se representa de forma esquemtica mediante una Tabla, en
donde cada registro corresponde a una la, y el contenido de los diferentes campos
se desarrolla por columnas. El tipo de dato de un determinado campo (por ejemplo,
EDAD) viene determinado por un dominio (el conjunto de los enteros entre 0 y 100).
El modelo matemtico para representar una tabla que forma parte de una base de datos
(que en principio es algo ms complejo que una simple tabla) es justamente una relacin
n-aria, donde las las son las n-uplas de la relacin y las columnas corresponden a los
dominios. En consecuencia, el grado de la relacin se corresponde con el nmero de
columnas, y la cardinalidad con el de las.
Ejemplo 4. Una base de datos sencilla puede constar de una tabla (o relacin) corres-
pondiente a las notas obtenidas por los alumnos en una asignatura de Matemticas.
Tambin las relaciones binarias tienen aplicacin en el diseo de bases de datos:
Matemtica Aplicada
10
Tabla 1.1: Alumnos de Matemticas
DNI NOMBRE NOTA
10550321 Juan Prez 12
09576220 Luis Garca 14
11988787 Carlos Lpez 10

Las relaciones de equivalencias se usan para calcular las claves de la base de
datos, es decir, aquellos campos que nos permiten identicar un registro de forma
nica (el D.N.I. de una persona, por ejemplo).
Las relaciones de orden se usan para optimizar las bsquedas y consultas en la
base de datos, ordenando previamente los registros con respecto a un campo.
1.2. Funciones
Suponga que a cada elemento de un conjunto A se asigna un nico elemento de
un conjunto B, la coleccin de estas asignaciones se denomina funcin de A en B. El
conjunto A se denomina dominio de la funcin y el conjunto B se denomina conjunto
objetivo o conjunto codominio.
La funcin de A en B se denota como
f : A B
se lee f manda (o mapea, o transforma) A en B. Si a A, entonces f(a) denota el
elemento nico de B que f asigna a a; se denomina imagen de a bajo f, o valor de f
en a. El conjunto de todos los valores imagen se denomina rango o imagen de f. La
imagen de f : A B se denota por Rang(f), Im(f) o f(A).
A menudo se expresa una funcin por medio de una Frmula matemtica. Por
ejemplo considere la funcin que transforma cada nmero real en su cuadrado. Esta
funcin se describe como
f(x) = x
2
o x x
2
o y = x
2
En la primera notacin, x se denomina variable y la letra f denota la funcin. En
la segunda notacin, la echa con barra se lee va en (enva a x
2
). En la ltima
notacin x se denomina variable independiente y y variable dependiente, puesto que el
valor de y depende del valor de x.
Oservacin 1.2.1. Siempre que una funcin se proporciona mediante una formula
en trminos de una variable x se supone, a menos que se establezca otra cosa, que el
dominio de la funcin es R (o el mayor subconjunto de R para el que la frmula est
denida) y que el codominio es R.
Matemtica Aplicada
11
Obs 1 : Notese que el simbolo [A B] representa al Producto Cartesiano A B y
el simbolo [x y] representa al PO (x, y). Es decir que las dos echas tienen
signicado diferente , y es por ello que la echa que seala al PO a veces se la
indica con una colita [x y] para diferenciarla de la echa que seala el PC.
Esto se obvia si no hay confusion posible.
f : A B
x y
:=
f : A B
(x, y)
Ejemplo 5. Sea el Conjunto de pares ordenados G := (xy) : y = x
1/2
1. Este Conjunto G carece de sentido si no se aclara que son x e y. Pueden ser

elementos de cualquier conjunto genrico ( que signicara y = x
1/2
), o numeros
reales o complejos etc. Esto muestra que debe denirse el PC AB sobre el cual
se quiere trabajar. Suponiendo que A B = R R entonces G seria la Grca
siguiente:
2. Si se toma A = R no existe funcin pues
a) La relacin no es unvoca
b) La relacin no esta denida para todo elemento de R. Es decir D = A ,= R,
3. Si se restringe a A = R
+
0 no existe funcin pues
a) La relacin no es unvoca.
4. Si se restringe a A = R
+
0 y a B = R
+
0 si existe funcin, que se llamara
arbitrariamente RaizCuad denida como;
RaizCuad : R
+
0 B = R
+
0
x y = x
1/2
5. Pero tambin se podra haber elegido arbitrariamente a A = [0, 2] y los siguientes
subconjuntos de G:
x [0, 1[ y = +x
1/2
x [1, 2] y = x
1/2
lo cual permite denir otra funcin que se llamar f
2
diferente por supuesto de
la anterior RaizCuad denida como
f
2
: [0, 2] R
+
0
x
_
y = +x
1/2
x [0, 1[
y = x
1/2
x [1, 2]
todo este anlisis muestra como una funcin depende no solamente de su Grca, sino
tambin de sus Conjuntos de Partida y de Llegada.
Matemtica Aplicada
12
1.2.1. Reduccin de una relacin genrica a una funcin
Una Relacin Genrica R siempre puede reducirse a una funcin , en forma to-
talmente arbitraria, por medio de dos pasos que consisten en hacer cumplir las dos
deniciones de la denicin de funcin:
Paso I Reducir el Conjunto de Partida de la relacin D(f) para que se cumpla D(R) =
D(f) o tambin reducirlo a parte de D(R)(D(f) D(R)). Es decir que para
todo elemento del Dominio de la funcin D(f) exista por lo menos un elemento
en la Grca G o sea: D(f) D(R).
Paso II Asignar a cada elemento de D(f) un solo par de la Grca G (Unicidad).
1.2.2. Porqu funcin
El objetivo de denir el concepto de funcin, es decir una relacin unvoca para
todo un dominio es porque permite la implicacin
x A x = y f(x) = f(y)
Por otro lado la importancia de la denicin de funcin resulta de su gran aplicacin.
Algunas funciones matemticas entre las mas usuales:
Denicin 1.2.1. Se dice que una funcin f : A B es sobreyectiva si todos los
elementos de su codominio son imgenes por f de elementos del dominio, es decir si
R(f) = B. En otra forma:f : A B es sobreyectiva . (y B)(x A)(f(x) = y).
Tambin se dice en este caso que f es una funcin de A sobre B.
Por ejemplo la funcin idntica(identidad de cualquier conjunto es sobreyectiva;
tambin lo es g : [0, + [0, + denida por g(x) = x
2
, ya que 0 = g(0) y
dado cualquier real y > 0, su raz cuadrada positiva existe y g(
y) = y. En cambio la
aplicacin f(x) = x
2
de R en R no es sobreyectiva, debido a que ningn real negativo es
el cuadrado (es la imagen) de un nmero real. Las funciones trigonomtricas sen, cos :
R R no son sobreyectivas ya que R(sen) = R(cos) = [1, 1], as que cualquier real
menor que 1 o mayor que 1 no es imagen por la funcin sen ni por cos de otro real,
mientras que tan : /2, /2 R, s es sobreyectiva (e inyectiva!).
Obsrvese que f : A B es sobreyectiva si y slo si R(f) = B. Con respecto a las
funciones f g y f g denidas anteriormente se cumple que:
Teorema 1.2.1. Si f : A B y g : C D son sobreyectivas, entonces f g :
A C B D tambin lo es.
Demostracin. Dada cualquier (u, v) en BD, necesariamente u B y v D y como
f y g son sobreyectivas, existen x A y z C tales que f(x) = u y g(z) = v, es decir
(f(x), g(z)) = (u, v) o sea que (f g)(x, z) = (u, v).
Teorema 1.2.2. Si f : A B y g : C D son sobreyectivas, y A C = . entonces
f g es una funcin de A C sobre B D.
Matemtica Aplicada
13
Demostracin. Como R(f g) = R(f) R(g) y tenindose R(f) = B y R(g) = D por
ser f y g sobreyectivas, entonces R(f g) = B D.
Denicin 1.2.2. Se dice que una funcin f : A B es biyectiva (o que es una
biyeccin de A en B o que es una correspondencia biunvoca) si f es simultneamente
inyectiva y sobreyectiva.
Teniendo en cuenta los ejemplos analizados, g(x) = x
2
de [0, + en [0, + y
tg : /2, /2 R son biyectivas, lo mismo que la funcin identidad I
A
: A A.
Adems:
Corolario 1.2.1. Si f : A B y g : C D son biyectivas, tambin lo es f g :
A C B D.
Corolario 1.2.2. Si f : A B y g : C D son biyectivas y AC = y R(f)R(g) =
entonces f g es una biyeccin de A C en B D.
Terminaremos esta seccin con la denicin de dos conceptos muy tiles posterior-
mente.
Denicin 1.2.3. Sea f : A B y sea M A; se llama imagen de M por f al
conjunto de las imgenes por f de los elementos de M. Si lo notamos por f(M), se
tiene
f(M) = f(x)/x M
o ms formalmente:
f(M) = y B/(x)(x M f(x) = y)
.
Por ejemplo si f : R R est dada por x x
2
y M = [1, 2], entonces f(M) =
[0, 4], como puede comprobarlo el lector usando la grca de esta funcin.
Anlogamente sen([0, ]) = [0, 1] y sen(R) = [1, 1].
Denicin 1.2.4. Sea f : A B y sea N B; se llama imagen recproca de N por
f al subconjunto de A constituido por todos aquellos elementos cuyas imgenes por f
pertenecen a N; se nota por f
1
(N). Ms brevemente: f
1
(N) = x A/f(x) N
Por ejemplo si f : R R est dada por x x
2
, entonces f
1
([1, 4]) = [2, 1]
[1, 2]; sen
1
([0, 1]) = [0, ] [2, 3] [2, ] =
nZ
[2n, 2n + ].
La imagen recproca y la imagen (directa) poseen propiedades muy interesantes, al-
gunas de las cuales se encuentran entre los ejercicios. A manera de ejemplo probaremos
que f(
MC
M)
MC
f(M) cuando C es una coleccin no vaca de subconjuntos
de A y f : A B.
Matemtica Aplicada
14
2
Algoritmos
Se trata la resolucin de problemas por medio de un computador. Puesto que ste no
es ms que un mero ejecutor de tareas, es fundamental conocer un mtodo de resolucin
del problema en cuestin, esto es, un algoritmo. La escritura de este algoritmo como
un conjunto de rdenes comprensibles por el computador es lo que se llama programa.
2.1. Solucin de problemas mediante programas
Los computadores desempean una gran variedad de tareas, liberando as al hombre
de tener que realizarlas personalmente. Para ello, es preciso ensear al computador
cul es su trabajo y cmo llevarlo a cabo, esto es, programarlo dndole instrucciones
precisas (programas) en un lenguaje que comprenda (MatLab, Pascal, C, etc.). Una vez
aprendido el programa, el computador seguir ciegamente sus instrucciones cuantas
veces sea requerido. Precisamente, la tarea de la programacin consiste en describir
lo que debe hacer el computador para resolver un problema concreto en un lenguaje
de programacin. Sin embargo, el programa es solamente el resultado de una serie
de etapas que no se pueden pasar por alto. Hablando en trminos muy amplios, se
identican de momento las siguientes fases:
1. Anlisis del problema, estableciendo con precisin lo que se plantea.
2. Solucin conceptual del problema, describiendo un mtodo (algoritmo) que lo
resuelva.
3. Escritura del algoritmo en un lenguaje de programacin.
Elaborar un algoritmo es un proceso que se inicia con las ideas generales, que luego
se va renando hasta obtener lo deseado o tener un algoritmo que reeje lo deseado.
As:
En la primera fase es comn partir de un problema denido vagamente, y el anlisis
del mismo consiste en precisar el enunciado, identicando los datos de partida y los
resultados que se desean obtener. La descripcin precisa de un problema se llama
especicacin. en esta primera fase se debe lograr obtener un enunciado claro y preciso
Matemtica Aplicada
15
POSGRADO - FACULTAD DE INGENIERA CIVIL ALGORITMOS
del problema a resolver. Con frecuencia, el lenguaje natural no basta para lograr la
precisin deseada, por lo que se recurre en mayor o menor medida a lenguajes formales,
como la lgica o las matemticas.
Por ejemplo, Se desea plantear el problema de dividir dos nmeros.
En primer lugar, se necesita saber si se trata de
la divisin entera o
de aproximar el resultado con decimales
Identicado el caso, hasta dnde, o cuantas cifras decimales si suponemos el
caso que interesa la divisin eucldea.
Una descripcin precisa deber tener en cuenta que los datos son dos enteros (que
los llamamos dividendo y divisor), donde el divisor es no nulo. El resultado es tambin
un par de enteros (que los llamamos cociente y resto ) tales que
dividendo = divisor cociente + resto
Pero eso no es todo: si nos contentamos con ese enunciado, para todo par de enteros
(dividendo; divisor), el par (0; dividendo) siempre es una solucin. Por tal motivo se
presenta la necesidad de precisar la variacin de el resto es decir se debe considerar
que 0 resto < divisor.
Con este ejemplo se pretende resaltar la importancia de analizar bien el problema
planteado, deniendo con precisin los requisitos que deben vericar los datos y las
condiciones en que deben estar los resultados. Sin embargo, en esta fase slo se ha
estudiado qu se desea obtener, y no cmo lograrlo, ste es el cometido de la segunda
etapa.
En la segunda etapa: describir un mtodo (algoritmo) tal que partiendo de datos
apropiados lleve sistemticamente a los resultados descritos en la especicacin.
Del concepto de algoritmo nos ocuparemos en el siguiente apartado. Es evidente
que slo se puede contar en un algoritmo si ha superado con xito determinado control
de calidad: la primera e inexcusable exigencia es que sea correcto; esto es, que resuelva
el problema especicado.
Cuando un problema admita varios algoritmos como solucin, convendr disponer
de criterios para escoger; y cuando un problema no tenga solucin, no resulta sensato
buscar un algoritmo para resolverlo.
Finalmente, para que un computador resuelva problemas hay que escribir el algo-
ritmo en un lenguaje de programacin
2.1.1. Algoritmos
Los conceptos de algoritmo y de mtodo son parecidos: los mtodos para efectuar
procesos forman parte de las costumbres o rutinas que el hombre aprende un da y luego
Matemtica Aplicada
16
repite de manera inconsciente, sin reparar ya en las acciones, ms sencillas, que integran
el proceso (por ejemplo andar, leer o conducir). Por eso el concepto de algoritmo suele
compararse a otros como mtodo o rutina de acciones.
Tabla 2.1: Tabla
1 2 3
Principio Est abierto el plazo
de matrcula?
Esperar a maana
2 Si 4 No 3 2
4 5 6
Comprar carpeta de
matrcula
Leer instrucciones.
Tengo alguna duda?
Preguntar dudas en
secretara
5 si 6 no 7 7
7 8 9
Rellenar el sobre y pa-
gar en el banco
Entregar el sobre Fin
8 9
La secuencia de pasos de la tabla (2.1) describe un mtodo para efectuar la matr-
cula en la universidad. Sin embargo, el trmino algoritmo tiene connotaciones ms
formales que cualquier otro debido a su origen: se trata de una acomodacin al caste-
llano o al lenguaje formal de un proceso (por ejemplo el nombre de Muhammad ibn
Musa al-Jwarizmi, matemtico persa que populariz su descripcin de las cuatro reglas
(algoritmos) de sumar, restar, multiplicar y dividir).
2.1.2. Una denicin de algoritmo
Hablando informalmente, un algoritmo es la descripcin precisa de los pasos que nos
llevan a la solucin de un problema planteado. Estos pasos son, en general, acciones
u operaciones que se efectan sobre ciertos objetos. La descripcin de un algoritmo
afecta a tres partes: entrada (datos), proceso (instrucciones) y salida (resultados)
1
. En
este sentido, un algoritmo se puede comparar a una funcin matemtica:
+
(algoritmo)
: Z Z
(entrada)
(proceso)
Z
(salida)
Incluso en algoritmos no matemticos es fcil identicar las tres partes: entrada,
proceso y salida. As ocurre, por ejemplo, en las instrucciones para hacer la declaracin
de la renta.
Caractersticas de los algoritmos
La descripcin de algoritmo que se ha dado es algo imprecisa. Una caracterizacin
ms completa deber incluir adems los siguientes requisitos:
1
Es habitual llamar datos a la entrada y resultados a la salida, aunque el concepto de dato
es ms amplio, y abarca a toda la informacin que maneja un algoritmo, ya sea inicialmente o a su
trmino, as como tambin durante el transcurso de su utilizacin.
Matemtica Aplicada
17
1. Precisin
Un algoritmo debe expresarse de forma no ambigua. La precisin afecta por igual
a dos aspectos:
a) Al orden (encadenamiento o concatenacin) de los pasos que han de llevarse
a cabo.
b) Al contenido de las mismas, pues cada paso debe saberse realizar con toda
precisin, de forma automtica.
Por lo tanto, una receta de cocina puede ser considerada como un mtodo, pero
carece de la precisin que requieren los algoritmos debido al uso de expresiones
como aadir una pizca de sal, porque qu debe entenderse por una pizca?
2. Determinismo
Todo algoritmo debe responder del mismo modo ante las mismas condiciones.
Por lo tanto, la accin de barajar un mazo de cartas no es un algoritmo, ya que
es y debe ser un proceso no determinista.
3. Finitud
La descripcin de un algoritmo debe ser nita
Figura 2.1: Algoritmo de la Suma lenta
Consideremos el ejemplo que, expresado grcamente
2
, se muestra en la gura (2.1).
El algoritmo descrito tiene por objetivo sumar dos cantidades enteras. Si se anotan esas
cantidades inicialmente en sendas casillas (a las que llamaremos a y b para abreviar),
este mtodo consiste en ir pasando de a a b una unidad cada vez, de forma que, cuando
a = 0, el resultado ser el valor de b. Vemos un ejemplo de su funcionamiento con
los datos 2 y 3 en la tabla (??). (Los nmeros se han incluido para seguir mejor la
evolucin de los clculos.) Se observa que la descripcin del algoritmo que se ha dado
es, en efecto, precisa (cada paso est exento de ambigedad, as como el orden en que
se debe efectuar) y determinista (el efecto de cada paso es siempre el mismo para
2
El lenguaje empleado es el de los diagramas de ujo. Esperamos que, debido a su sencillez, el
funcionamiento de este ejemplo resulte comprensible directamente.
Matemtica Aplicada
18
unos datos concretos cualesquiera). Estas dos caractersticas son una consecuencia del
lenguaje escogido para expresar el algoritmo
En cambio, si bien es cierto que, con los datos del ejemplo, se ha obtenido una
solucin, si se examina con detenimiento se ver que ese algoritmo no siempre termina
para dos cantidades enteras cualesquiera (v. g. 3 y 1). De hecho, la terminacin es
una caracterstica escurridiza de la que hablaremos ms adelante
2.1.3. Una denicin formal de algoritmo
La caracterizacin hecha hasta ahora de los algoritmos es satisfactoria a efectos
prcticos. Ms concreta an resulta a la vista de un lenguaje algortmico como el de
los diagramas de ujo, que deja entrever dos aspectos:
El mantenimiento de unas variables (a y b) y de unas posiciones (1, . . . , 7), a lo
que llamamos estado. Por ejemplo, cada la de la tabla de la tabla (??) representa
un estado en la evolucin del algoritmo 1.2.
La descripcin de transiciones entre estados, que vienen dadas por el propio
diagrama.
Estos aspectos de los algoritmos estn ausentes de la primera denicin, por lo que
puede resultar an algo incompleta; surge pues la necesidad de una denicin ms
formal:
Denicin 2.1.1. Un algoritmo es una cudrupla que comprende los siguientes ele-
mentos:
1. El conjunto de los estados (llammosle E) que pueden presentarse en todo mo-
mento durante el clculo. Un estado viene dado por una tupla, incluyendo:
los valores de las variables que entran en juego;
los datos sin leer y los resultados emitidos, y
la marca, identicando la posicin del algoritmo en la que se da este estado
de los clculos.
Es decir, un estado se puede expresar as:
<Datos por leer; Resultados emitidos; Variables; Posicin>
2. La identicacin de los estados iniciales, I E, o estados posibles al comienzo
del algoritmo.
3. La identicacin de los estados nales, F E, como posibles estados al terminar
el algoritmo.
Matemtica Aplicada
19
4. Una funcin de transicin entre estados,
t : E E
que describe el efecto de cada paso del cmputo asociado al algoritmo. Esta fun-
cin deber:
Estar denida dentro de E, esto es, para cualquier e E debemos tener que
t(e) E. As, las transiciones entre estados son precisas y deterministas.
A partir de cualquier estado inicial, la funcin de transicin t debe llevar a
un estado nal en un nmero nito de pasos, formalmente: para cualquier
e I existe un k N tal que
t se aplica k veces
..
t(t(. . . t(e) . . . )) E
y, adems, no tiene efecto alguno sobre los estados nales, es decir: para
cualquier e E ocurre que t(e) = e. De aqu se obtiene la caracterstica de
nitud.
Para terminar este apartado, debemos decir que el esquema de funcionamiento
descrito a base de transiciones entre estados se conoce con el nombre de modelo de
Von Neumann. Se dice que este modelo es secuencial, en el sentido de que los pasos se
efectan uno tras otro. De hecho, no es posible acelerar el proceso efectuando ms de
un paso a un tiempo, porque cada paso tiene lugar desde el estado dejado por el paso
anterior. Este cuello de botella es un defecto propio de las mquinas de von Neumann
Cualidades deseables de un algoritmo
Es muy importante que un algoritmo sea sucientemente general y que se ejecute
ecientemente. Veamos con ms detalle qu se entiende por general y por eciente:
1. Generalidad
Es deseable que un algoritmo sirva para una clase de problemas lo ms amplia
posible. Por ejemplo, la clase de problemas resolver una ecuacin de segundo
grado, a+bx+cx
2
= 0 es ms general que la consistente en resolver ecuaciones
de primer grado, a +bx = 0.
2. Eciencia
Hablando en trminos muy generales, se considera que un algoritmo es tanto ms
eciente cuantos menos pasos emplea en llevar a cabo su cometido. Por ejemplo,
para hallar la suma de dos nmeros naturales, la regla tradicional que se aprende
en enseanza primaria es ms eciente que el rudimentario procedimiento de
contar con los dedos, de uno en uno.
Estas dos cualidades no son siempre conciliables, por lo que frecuentemente hay que
optar por una solucin en equilibrio entre ambas cuando se disea un algoritmo. Por
Matemtica Aplicada
20
ejemplo, un algoritmo que estudia y resuelve sistemas de ecuaciones es ms general
que uno que resuelve sistemas de ecuaciones lineales, y ste a su vez es ms general
que otro que slo considera sistemas de dos ecuaciones lineales con dos incgnitas. Sin
embargo, a mayor generalidad se tiene tambin una mayor complejidad puesto que hay
que tratar ms casos y no se pueden aplicar algoritmos especcos. Por consiguiente, si
un buen nmero de situaciones puede resolverse con un algoritmo rpido aunque poco
general, es preferible adoptar ste.
2.2. Aspectos de inters sobre los algoritmos
2.2.1. Computabilidad
Con el aumento de potencia y el abaratamiento de los computadores, cada vez se
plantean aplicaciones ms sorprendentes y de mayor envergadura, capaces de resolver
problemas ms generales. Da la impresin de que cualquier problema que se plantee ha
de ser computable (esto es, ha de tener una solucin algortmica), sin otra limitacin
que la potencia de la mquina ejecutora.
Sin embargo, esto no es as. Por rotunda que pueda parecer esta armacin, se debe
aceptar que
hay problemas no computables
La cuestin que se plantea es algo delicada: advirtase que, si no se conoce algoritmo
que resuelva un problema planteado, slo se puede asegurar que no se conoce algoritmo
que resuelva ese problema; en cambio, establecer que un problema no es computable
requiere demostrar que nunca se podr encontrar ningn algoritmo para resolver el
problema planteado.
Los siguientes son ejemplos de problemas no computables:
Dcimo problema de Hilbert.
Resolver una ecuacin diofntica (en honor a Diofanto de Alejandra) con ms
de una incgnita. Esto signica encontrar soluciones enteras de una ecuacin de
la forma P(x
1
, x
2
, . . . ) = 0, donde P es un polinomio con coecientes enteros (es
decir el problema dcimo de Hilbert es dar un procedimiento mecnico por medio
del cual se pudiera saber si, dada una ecuacin diofantina, sta tiene solucin).
Problema de la parada.
Determinar si un algoritmo a naliza o no cuando opera sobre una entrada de
datos d:
Stop(a, d) =
_
Si si a(d)
No si a(d)
donde a(d) (resp. a(d) ) expresa que el algoritmo a, aplicado al dato d, s para
(resp. no para).
Matemtica Aplicada
21
Examinaremos con ms atencin el problema de la parada, y despus veremos cun
escurridizo puede resultar determinar si un algoritmo particular para o no considerando
un sencillo ejemplo. Claro est que esto no demuestra nada salvo, en todo caso, nuestra
incapacidad para analizar este algoritmo en concreto. Por ello, incluimos seguidamente
una demostracin de que es imposible hallar un algoritmo capaz de distinguir entre
los algoritmos que paran y los que no. Obsrvese que se plantea aqu estudiar algo-
ritmos que operan sobre algoritmos, vistos como datos. Por extrao que parezca al
principio, en Computacin se desarrollan frecuentemente programas que manejan otros
programas con diversos nes.
El problema de la parada no es computable
El problema de la parada, denido ms arriba, se puede expresar como sigue: se
puede examinar cualquier algoritmo y decidir si para? Demostraremos que no existe,
ni puede existir, el algoritmo Stop que distinga si un algoritmo a para cuando se aplica
a los datos d.
Procederemos por reduccin al absurdo: Suponiendo que existe ese algoritmo (des-
crito ms arriba como Stop), a partir de l es posible construir otro similar, Stop
, que
averige si un algoritmo a para cuando se aplica a su propio texto:
Stop
(p) = Stop(p, p) =
_
Si si p(p)
No si p(p)
Y entonces, tambin se puede denir el siguiente algoritmo a partir del anterior:
Raro(p) =
_
si Stop
(p) = Si
No si Stop
(p) = No
_
=
_
si p(p)
No si p(p)
Veamos que el algoritmo Raro tiene un comportamiento verdaderamente extrao
cuando se aplica a s mismo:
Raro(p) =
_
si Stop
(Raro) = Si
No si Stop
(Raro) = No
_
=
_
si Raro(Raro)
No si Raro(Raro)
lo que resulta obviamente imposible.
La contradiccin a que hemos llegado nos lleva a rechazar la hiptesis inicial (la
existencia de un algoritmo para el problema de la parada), como queramos demostrar.
Nmeros pedrisco
Como ejemplo de la dicultad de examinar un algoritmo y decidir si concluir tarde
o temprano, consideremos la siguiente funcin t : N N:
t(n) =
_
3n + 1 si n es impar
n
2
si n es par
Matemtica Aplicada
22
Partiendo de un nmero natural cualquiera, le aplicamos t cuantas veces sea nece-
sario, hasta llegar a 1. Por ejemplo,
3
t
10
t
5
t
16
t
8
t
4
t
2
t
1
Esta sencilla sucesin genera nmeros que saltan un nmero de veces impredecible,
27
t
111
1
de manera que cabe preguntarse si todo natural n alcanza el 1 tras una cantidad nita
de aplicaciones de t, o por el contrario existe alguno que genera trminos que saltan
indenidamente
3
. Se ha comprobado, por medio de computadores, que la sucesin
llega a 1 si se comienza con cualquier nmero natural menor que 2
40
10
12
, pero an
no se ha podido demostrar para todo n.
2.3. Correccin de algoritmos
El aspecto de la correccin es de crucial importancia para quien desarrolla un algo-
ritmo. Sin embargo, es imposible detectar los posibles errores de una forma sistemtica.
Con frecuencia, la bsqueda de errores (depuracin) consiste en la comprobacin de un
algoritmo para unos pocos juegos de datos. Sin embargo, eso no garantiza nada ms
que el buen funcionamiento del algoritmo para esos juegos de datos y no para todos
los posibles.
Volviendo al algoritmo de la suma lenta, la comprobacin con los juegos de datos
[2, 3] y [3, 1] ofrecer resultados correctos, y sin embargo el algoritmo nicamente
termina cuando el primer sumando es (un entero) positivo.
Frente a la comprobacin, la vericacin consiste en la demostracin del buen fun-
cionamiento de un algoritmo con respecto a una especicacin. Esto es, la vericacin
trata de garantizar que, para todos los datos considerados (descritos en la especica-
cin), el algoritmo lleva a los resultados (tambin descritos en la especicacin) desea-
dos. Por eso, aunque frecuentemente se habla de correccin de un algoritmo, sin ms,
en realidad hay que decir correccin de un algoritmo con respecto a una especicacin.
Por lo general, la vericacin se basa en establecer aserciones (propiedades) del
estado de la mquina en cada paso del algoritmo. Se profundizar en esta idea a lo
largo de todo el texto. Por ejemplo, para vericar el funcionamiento del algoritmo de
suma lenta, consideremos que se hace funcionar sobre dos enteros genricos m y n.
Claramente, al llegar a la posicin 3 por vez primera, a = m y b = n. Por otra parte,
en la posicin 3 se tiene invariablemente la propiedad
a + b = m+n
independientemente de las vueltas que se den y de las modicaciones que se efecten
sobre a y b
4
, ya que cada unidad que se reste a a se le suma a b. Ahora bien, cuando
3
Este problema tambin se conoce como problema 3n + 1.
4
Por ello, esta propiedad se conoce como invariante
Matemtica Aplicada
23
se pasa de la posicin 3 a la 6 es por ser a = 0, con lo que se tiene, simultneamente,
el invariante a + b = m+n y a = 0, es decir:
b = m+n
lo que asegura que la salida es correcta . . . cuando sta se produzca. Un algoritmo que
ofrece una solucin correcta cuando para, pero del que no sepamos si para o no, se dice
parcialmente correcto. Ese es el caso de la suma lenta de nmeros enteros.
Adems, si inicialmente a es un nmero natural, es seguro que el algoritmo para,
ya que la operacin a a 1 lo llevar a cero, precisamente en a vueltas del bucle. Si
se asegura que un algoritmo es parcialmente correcto y que para en un tiempo nito,
se dice que el algoritmo es (totalmente) correcto. se es el caso de la suma lenta de
pares de nmeros, siendo el primero de ellos entero y positivo.
La vericacin de algoritmos no es una tarea fcil. Al contrario, vericar comple-
tamente un algoritmo involucra el uso de lgica matemtica, y con frecuencia resulta
incluso ms complicado que desarrollarlo. De ah el inters que tiene esmerarse, desde
el principio, en escribir algoritmos correctos, adquiriendo un buen estilo y esforzndose
en emplear metodologas apropiadas para ello.
2.3.1. Complejidad de algoritmos
Resulta de gran inters poder estimar los recursos que un algoritmo necesita para
resolver un problema. En mquinas secuenciales, estos recursos son el tiempo y la
memoria
5
.
Muchas veces, un algoritmo tarda tanto en ofrecer el resultado que resulta, en
realidad, intil. Un ejemplo de esta situacin se da en sistemas de control de procesos,
en donde la respuesta a determinadas circunstancias debe disparar mecanismos de
seguridad en un tiempo crtico (por ejemplo, en centrales nucleares). Anlogamente
para el espacio, es posible que la mquina en que ha de funcionar un programa disponga
de una capacidad de memoria limitada y nos veamos obligados a elegir algoritmos que
usen poca memoria. Por lo tanto, existen situaciones en las que si disponemos de varios
algoritmos para un mismo problema, deberemos decidir cul es el ms rpido o el que
menos cantidad de memoria requiere. En el captulo 18 se ahondar en esta idea.
Como el tiempo requerido por los programas depende en gran medida de la potencia
de la mquina ejecutora, es frecuente medir en pasos (de coste jo) el coste del
algoritmo correspondiente. Para concretar un poco, y siguiendo con el ejemplo de la
suma lenta, consideremos que cada bloque o caja del diagrama es un paso y, por tanto,
cuesta una unidad. Entonces, es fcil deducir que sumar los naturales m y n lleva 3m+4
pasos.
En efecto, llamando t
m
al coste de sumar m y n, se tiene que
t
0
= 4 pasos t
m
= t
m1
+ 3, si n 1
5
En los ltimos aos, tambin est interesando medir el nmero de procesadores en mquinas de
procesamiento en paralelo)
Matemtica Aplicada
24
pues para sumar 0 y n hay que realizar cuatro pasos (vase la gura 2.1) y si m ,= 0
hay que realizar tres pasos para reducir m en una unidad; resumiendo
t
0
= 4
t
1
= t
0
+ 3 = 4 + 3 1
t
2
= t
1
+ 3 = 4 + 3 2
.
.
.
.
.
.
.
.
.
t
m
= t
m1
+ 3 = 4 + 3 m
independientemente de n.
Por otra parte, es frecuente concentrar el inters en el coste para datos grandes es-
tudiando el comportamiento asinttico. De este modo, es posible redondear el tiempo
despreciando trminos dominados por otros:
3m+ 4 3
m
3m
Tambin es frecuente despreciar factores de proporcionalidad, absorbidos por las velo-
cidades de proceso de mquinas con distinta potencia, con lo cual
3m m
de manera que, en resumen, se dir que el algoritmo estudiado tiene coste lineal. Na-
turalmente, podemos encontrarnos algoritmos con coste constante, logartmico, lineal,
cuadrtico, exponencial, etc.
Hallar el coste de un algoritmo no es en general una tarea fcil. Con frecuencia
requiere una fuerte base matemtica. Sin embargo, tambin es til comprender, desde el
principio, que la potencia de los computadores no es ilimitada, y que la ejecucin de los
programas consume sus recursos. se es el inters de que merezca la pena esforzarse por
estudiar y encontrar algoritmos ecientes, aunque ello requiere muchas veces sacricar
su simplicidad.
Denicin 2.3.1. Si un algoritmo requiere de t(n) unidades de tiempo en el mejor
caso para una entrada de tamao n y
t(n) = O(g(n)),
se dice que el tiempo en el mejor caso requerido por el algoritmo es de orden a lo ms
g(n) o que el tiempo en el mejor caso requerido por el algoritmo es O(g(n)).
Si un algoritmo requiere de t(n) unidades de tiempo para terminar en el peor caso
para una entrada de tamao n y
t(n) = O(g(n)),
se dice que el tiempo en el peor caso requerido por el algoritmo es de orden a lo ms
g(n) o que el tiempo en el peor caso requerido por el algoritmo es O(g(n)).
Si un algoritmo requiere de t(n) unidades de tiempo para terminar en el caso pro-
medio para una entrada de tamao n y
t(n) = O(g(n)),
se dice que el tiempo en el peor caso promedio requerido por el algoritmo es de orden a
lo ms g(n) o que el tiempo en el caso promedio requerido por el algoritmo es O(g(n)).
Matemtica Aplicada
25
2.3.2. Algoritmos iterados
Ejemplo un algoritmo que permita escribir una secuencia de n primeros nmeros
naturales
inicio
leer nmero
imprimir lista de nmeros
fin
for i = 1:5
disp(i)
% i=i+5;
end
Ejemplo un algoritmo que permita escribir una secuencia de n nmeros naturales
inicio
leer nmeros
imprimir lista de nmeros
fin
for i = [1,4,3,2,9]
disp(i)
end
Escribir un algoritmo que imprima una matriz
a = zeros(4,4);
for i = 1:4
for j = 1:4
if i==j
a(i,j) = 2;
elseif j == 4
a(i,j) = -1;
else
a(i,j) = 0;
end
end
end
Un algoritmo que permita obtener el costo de n productos conociendo el precio
unitario de estas, aplicndola un descuento del 20 por ciento si la cantidad es mayor a
5
manzanas=10;
coste=manzanas*25 % Numero y coste de manzanas.
coste
if manzanas > 5 % Aplicar 20% de descuento por cantidad.
coste=(1-20/100)*coste;
end
coste
2.3.3. Complejidad temporal
El tiempo de ejecucin de un algoritmo va a depender de diversos factores: los datos
de entrada, las caractersticas del agente de cmputo, la complejidad intrnseca del
algoritmo. Con el orecer de computadoras a partir de la dcada 1960-70, la comunidad
Matemtica Aplicada
26
cientca convino que la medida ms signicativa de la ecacia de un algoritmo es la
expresin matemtica que dene el tiempo de ejecucin del algoritmo por el agente de
cmputo, la cual se expresa como una funcin de los datos de entrada T(n), complejidad
temporal. T(n) es una funcin creciente de n
En los algoritmos secuenciales una medida de complejidad temporal viene expre-
sada por el nmero de operaciones elementales (OE) que realiza cada instruccin del
algoritmo a ejecutar por el agente de cmputo para una entrada determinada n, es
decir las operaciones que el agente de cmputo ejecuta en un tiempo acotado para la
entrada n.
Consideraremos OE:
1. Las operaciones aritmticas bsicas.
2. Las asignaciones a variables.
3. Las llamadas y retorno a algoritmos auxiliares.
4. Retorno a las instrucciones de inicio de ciclo.
5. Las operaciones lgicas (relaciones de orden unidas a los operadores lgicos).
6. Variables dimensionales, cada ndice de la variable dimensional contabilizar co-
mo una OE
2.3.4. algoritmos de Euclides
El algoritmo de euclides en matlab
function m=euclides(a,b)
% Clculo del mximo comn divisor de dos nmeros naturales
% mediante el algoritmo de Euclides
if a<b
c=b;
b=a;
a=c;
end
while b>0
c=rem(a,b);
a=b;
b=c;
end
m=a;
Ejemplos de algoritmos
Encuentre el mximo de tres nmeros Encuentre el mximo de un a sucesin En-
cuentre el menor elemento de tres nmeros Escriba un algoritmo que regrese el valor
Matemtica Aplicada
27
mas grande y segundo elemento mas ms grande de la sucesin s
1
, s
2
, . . . , s
n
. suponga
que n > 1 y que los valores de la sucesin son diferentes
Ejemplo 6. Este algoritmo ordena los elementos de la lista en orden creciente (decre-
ciente). La idea del algoritmo consiste en realizar permutaciones de forma secuencial
comenzando por el primer elemento de la lista, por ejemplo: sea la lista 7, 8, 3, 5,
ordenmosla de menor a mayor, tomamos el primer elemento y lo comparamos con
los restantes elementos permutndolos cuando sea necesario, obtenemos la lista 3, 8,
7, 5, tomamos el segundo lo comparamos con los restantes elementos y permutamos
cuando es necesario, obtenemos 3, 5, 8, 7, se continua el proceso hasta obtener la lista
ordenada 3, 5, 7, 8.
// Ordenar de menor a mayor
Entrar n //tamao de la lista
Para I =1 hasta n
Entrar A (I) //elementos de la lista
Prximo I
//ordenamiento secuencial
Para I =1 hasta n-1
Para J = 2 hasta n
Si A(I) > A(J) entonces
Tem = A(J)
(J)=A(I) //permutacin de los elementos
A(I) = Tem
Fin Si
Prximo J
Prximo I
Para I =1 hasta n
Salida A(I) // lista ordenada de menor a mayor
Prximo I
// Fin del algoritmo
Veamos un ejemplo de utilizacin construyendo la sucesin de Fibonacci. sta se
dene por recurrencia como sigue:
_
a
1
= 1, a
2
= 1 y
a
n
= a
n1
+a
n2
; n 3
Para construir con MATLAB los primeros 20 trminos de dicha sucesin bastar
bonacci1.m
a(1)=1;
a(2)=1;
for k = 3:20
a(k) = a(k-1)+a(k-2);
end
a
Ejemplo 7. Podemos anidar mltiples bucles for. Supongamos, por ejemplo, que que-
remos construir una matriz 15x11 con la siguiente estructura: todos los elementos de
Matemtica Aplicada
28
la diagonal principal toman el valor uno, los que hay justo por encima el valor dos, los
que hay justo por encima de stos el valor tres y as sucesivamente; los que hay debajo
de la diagonal principal valen cero. Entonces deberemos escribir:
2.3.5. Algoritmos recursivos
En este captulo se estudia una tcnica de programacin que tiene su origen en
ciertos clculos matemticos y que consiste en describir los clculos o las acciones de
una manera autoalusiva, esto es, resolver problemas describindolos en trminos de
ejemplares ms sencillos de s mismos.
Esta tcnica puede entenderse como un caso particular de la programacin con
subprogramas en la que se planteaba la resolucin de un problema en trminos de
otros subproblemas ms sencillos. El caso que nos ocupa en este captulo es aquel en el
que al menos uno de los subproblemas es una instancia anterior del problema original.
Un aspecto ya habitual en muchos lenguajes de programacin es la recursividad, es
decir, la habilidad de que una funcin se llame a s misma. Es habitual su utilizacin
cuando se programan estrategias de tipo divide y vencers, que consiste, a grandes
trazos, en dividir un problema en problemas iguales pero de menores dimensiones.
Quizs el ejemplo ms sencillo (y clsico) se basa en la funcin factorial.
denida de manera simple (iterati-
va) como.
n! = n (n 1) 1
Su implementacin en Matlab es co-
mo sigue
n=input(ingresa un numero );
f=1;
i=1;
for i=1:n
f=f*i;
end
disp(El factorial es: )
disp(f)
Y denida de forma recursiva como
n! =
_
n (n 1)!, si n > 0
1, si n = 0
y su implementacin es:
function Resultado=factorial(N)
if N==0
Resultado=1;
else
Resultado=N*factorial(N-1);
end
Funcin de bonacci Determina el nsimo elemento de la sucesin
function y=fibo(x)
if x<=1 y=1;
else
y=fibo(x-1)+fibo(x-2);
end
Determinar la nesima potencia de 2
Matemtica Aplicada
29
function y=twoexp(n)
% Este es un programa recursivo para calcular y=2^n.
% El programa se para solo si n es un numero no negativo
if n==0, y=1;
else y=2*twoexp(n-1);
end
Obviamente, sta no es la forma ms apropiada de programar la funcin factorial
que en Matlab se encuentra implementada en una funcin con el mismo nombre
6
. Es
ms, abusar de este tipo de programacin suele generar cdigo poco eciente. Adems
el control que debe hacer el ordenador de las sucesivas llamadas puede dar lugar a
un costo en memoria elevado. Sin embargo es cierto que el cdigo resultante suele ser
bastante ms simple.
Mtodo de la burbuja
Entonces: Dado un vector a
1
, a
2
, a
3
, , a
n
1. Comparar a
1
con a
2
e intercambiarlos si a
1
> a
2
(o a
1
2)
2. Seguir hasta que todo se haya comparado a
n1
con a
n
3. Repetir el proceso anterior n-1 veces
% ORDENAMIENTO DECRECIENTE METODO DE BURBUJA
for i=1:n
for j=1:n-i
if v(j)<v(j+1)
aux=v(j);
v(j)=v(j+1);
v(j+1)=aux;
end
end
end
display(ORDENADO EN FORMA DECRECIENTE)
display(v) % visualiza el vector ordenado decreciente
Ejemplo 8. 1. Disea el algoritmo que suma todos los nmeros naturales anteriores
a un nmero N dado
2. Disea el algoritmo del programa que muestra en pantalla las potencias de 2
comprendidas entre 0 y 10 (2
0
; 2
1
; 2
2
..,2
10
)
3. Disea el algoritmo del programa que, tras leer tres nmeros, comprueba si la
suma de cualquier pareja de ellos es igual al tercer nmero, indicando si se cumple
esa condicin o no.
6
Tienes de hecho acceso al cdigo, basta con ejecutar edit factorial
Matemtica Aplicada
30
4. Disea el algoritmo del programa que sume y muestra en pantalla los mltiplos
de 3 desde 3 hasta 99.
5. Hacer un algoritmo que sume nmeros del 3 al 30
6. Algoritmo que suma enteros menores o iguales que un mximo entrado por dato
Solucin. 1. Algoritmo de ordena tres nmeros
Inicio
Contador = 2
Suma = 1
Mientras Contador <= 100 hacer
Suma = Suma + Contador
Contador = Contador + 1
Fin_mientras
Visualizar Suma
Fin
2. algoritmo de la suma de tres nmeros elaborar
3. suma y muestra en pantalla los mltiplos de 3 desde 3 hasta 99
inicio
suma = 3
contador = 6
mientras (contador < 100) hacer
suma = suma+contador
contador = contador+3
fin_mientras
visualizar suma
fin
4. suma desde 3 hasta 30
Inicio
Hacer SUMA igual a cero
Establecer NUMERO igual a 3
4 Sumar NUMERO a SUMA
Incrementar NUMERO en 3
sin NUMERO es menor o igual a 30 ir 4; sino imprimir SUMA
Fin.
5. Algoritmo que suma enteros menores o iguales que un mximo entrado por dato
inicio
leer(max)
n=1
Matemtica Aplicada
31
suma=0
mientras (n<max) hacer
suma=suma + n
n=n+1
fin_mientras
mostrar(suma)
fin
El clculo del factorial. Observe como
se capturan los casos particulares para
el 0 y el 1. Y el caso de entrada invlida,
n<0.
function Resultado=factorial(N)
if N==0
Resultado=1;
else
Resultado=N*factorial(N-1);
end
Ejemplo de uso de una funcin denida por el usuario para denir una nueva fun-
cin. El primer cdigo conforma una funcin que calcula el nmero combina torio de
dos valores dados (el lector debe agregar cdigo para impedir clculos errneos, como
cuando n y m sean negativos, n < m, etc.)
function [] = comb(n,m);
comb = ones(1,3);
for i=1:n, comb(1) = comb(1) * i; end;
for i=1:m, comb(2) = comb(2) * i; end;
for i=1:(n-m), comb(3) = comb(3) * i; end;
disp(El combinatorio es );
comb(1)/(comb(2)*comb(3))
Se puede observar que estamos calculando en los tres for los nmeros factoriales de
n, m y n m, en dicho orden. Pero como anteriormente creamos la funcin factorial
utilizamos a la misma (uno de los principios de programacin es la reutilizacin de
cdigo) y en lugar de los for tendremos llamadas a funcin.
% Funcin nmero combinatorio
function [] = comb(n,m);
disp(El combinatorio es );
disp(factorial(n)/(factorial(m)*factorial(n-m)));
2.4. Principio de conteo
Objetivo.- Utilizar las tcnicas de conteo para determinar el nmero de elementos
de un espacio muestra o suceso.
Como se sabe, el clculo de probabilidades se reduce a contar el nmero de posibles
resultados del espacio muestra y de los sucesos. En muchos casos al resolver es posible
encontrar los posibles resultados sin hacer la lista de los elementos o sin describir los
conjuntos S y E.
Matemtica Aplicada
32
Ordenamiento con Repeticin
Al determinar el nmero de posibles formas en que puede ocurrir un suceso estamos
determinando los posibles ordenamientos de los elementos, en el caso de un suceso que
se puede dividir en k sucesos simples y si los elementos se pueden repetir, es decir
los resultados son independientes, entonces las forma en que puede ocurrir el evento
compuesto son:
Suceso 1 2 3 4 . . . k
Posibilidades n n n n . . . n
Usando el principio multiplicativo, la cantidad total de formas es:
n n n n. . . n = n
k
Por ejemplo, si un dado se lanza cuatro veces consecutivas, el nmero de formas en
que puede ocurrir el espacio muestra es 64 = 1296
Ordenamiento sin Repeticin (Permutaciones)
Si ahora consideramos los diferentes resultados de un experimento o suceso en el
cual los elementos no se pueden repetir, tendremos un ordenamiento sin repeticin,
si el primer elemento puede ocurrir de n formas, el siguiente podr ocurrir de n 1
formas, el tercero de n2 y as sucesivamente hasta que el ltimo solo puede ocurrir de
1 forma, suponiendo que considerados igual numero de sucesos que elementos posibles,
entonces el nmero total de formas es:
Posicin 1 2 3 4 . . . k . . . n-1 n
Posibilidades n-1 n-2 n-3 n-(k-1) 2 1
Usando el principio multiplicativo:
Total de formas n(n 1)(n 2)(n 3) . . . (n (k 1)) . . . (2)1 = n n
A la operacin anterior se le llama el factorial de n y se representa por n!, entonces:
nPn = n!
La expresin anterior se lee: Permutaciones de n elementos tomados todos a la ves.
Ejemplo 9. Determinar de cuantas maneras diferentes se pueden sentar 5 personas
si hay 5 lugares.
Solucin. Como una persona solo puede ocupar un solo lugar, el problema se reere
a ordenamientos sin repeticin: 5P5 = 5! = (5)(4)(3)(2)(1) = 120 formas
Supongamos que en el ejemplo anterior solo hay tres lugares, entonces el nmero
de formas diferentes es: Lugar 1 2 3
Posibilidades 5 4 3
La cantidad total es (5)(4)(3) = 60 formas.
Si consideramos que tenemos n elementos los cuales se ordenan en k posiciones:
Matemtica Aplicada
33
Posicin 1234 . . . k
Posibilidades nn 1 n 2 n 3 n (k 1)
El nmero total de formas es n(n 1)(n 2)(n 3) . . . n (k 1) = nPk a esta
operacin se puede realizar con la siguiente formula:
Por denicin 0! = 1
Lo cual se lee: permutaciones de n elementos tomados de k a la ves
Para nuestro ejercicio
Ejemplo 10. Una persona tiene 6 libros diferentes de fsica y 4 libros de matemticas,
determine de cuantas maneras diferentes:
a Puede acomodar solo los libros de Fsica
b Si acomoda todo los libros a la vez
c Si los libros de Fsica y Matemticas deben estar juntos
Solucin. consideremos:
a Si solo se consideran los libros de Fsica, son las permutaciones 6P6 = 6! = 720
b Las formas diferentes tomando todos los libros a vez 10 = 10! = 3628800
c Al considerar los libros en bloque, se obtienen las permutaciones de cada uno
y luego se usa el principio multiplicativo, adems como se pueden permutar los
grupos entre si, se debe multiplicar por 2!: Libros de Fsica 6P6 = 6! = 720 Libros
de Matemticas 4P4 = 4! = 24
Permutaciones Totales = 2(6P6)(4P4) = 2(17280) = 34560
Ejercicio 1. 1. Una persona olvido su clave de acceso a un sistema de computado-
ras, la clave esta formada por 4 nmeros, determina cuantas formas diferentes
puede tener la clave si no se permite repetir los nmeros.
2. Se quieren sentar 5 hombres y 4 mujeres en una la, de cuantas formas se pueden
acomodar si:
a) a) Pueden sentarse en cualquier lugar
b) b) Las mujeres y los hombres deben estar juntos
c) c) Los hombres deben estar en los sitios impares
2.4.1. Permutaciones con elementos no todos diferentes
En algunos tipos de CASOS A RESOLVER los elementos que se permutan no
son diferentes entre si, por ejemplo consideremos el caso de determinar los nmeros
diferentes que se pueden formar con los nmeros 1, 1, 2, 2, 2, 3, 3 tomndolos todos a la
Matemtica Aplicada
34
vez, obsrvese que al cambiar de lugar los nmeros idnticos la cantidad formada no
cambia, las formas diferentes de permutar los todos los nmeros a la vez es 7! , pero
hay que considerar las permutaciones de los elementos idnticos que son 2! (para los
unos), 3! (para los dos) y 2! (para los tres), entonces el total de nmeros diferentes es:
7, 2, 3, 2, 5, 0, 4, 0, 2, 6, 2, 5, 0, 4, 0, 2, 4, 2, 1, 0, = 3272
En general cuando se permutan n elementos tomados todos a la vez y existen grupos
de elementos idnticos n1, n2, . . . , nk, las permutaciones diferentes son:
Ejercicio 2.
1. Se tienen 3 esferas rojas y 4 azules, determine de cuantas formas diferentes se pueden
ordenar en una la tomndolas todas a la vez, suponga que las esferas del mismo color
no se pueden distinguir entre si.
2. Determine de cuantas maneras se pueden permutar las letras a, a, a, b, b, b, b, c, c
tomndolas todas a la vez.
2.4.2. Seleccin de elementos de un conjunto: Combinaciones
0BJETIVO.- Calcular el nmero de posibles resultados de un experimento o suceso.
Cuando se seleccionan elementos de un conjunto sin importar el orden de apari-
cin, se dice que se efecto una combinacin, supongamos que tenemos cuatro letras
diferentes a, b, c, d y queremos seleccionarlas de dos en dos, las posibles selecciones son:
ab, ac, ad,
bc, bd, cd
Por lo que se podra representar como:
Para nuestro ejemplo:
Ejercicio 3. No. 14
1. De cuantas maneras se pueden seleccionar 3 personas de un grupo de 7.
2. De cuantas formas se pueden seleccionar 4 objetos de un conjunto de 10.
3. Con 7 consonantes y 5 vocales diferentes, cuntas palabras pueden formarse,
que contengan 4 consonantes y 3 vocales?, No es necesario que tengan sentido.
4. En Cuantas formas puede un director de televisin programar seis diferentes
comerciales de un patrocinador
a) Durante los seis periodos asignados a mensajes comerciales durante un es-
pecial de una hora
Matemtica Aplicada
35
b) Si el patrocinador tiene tres comerciales distintos y cada uno de ellos se va
a pasar dos veces
c) Si el patrocinador tiene dos comerciales distintos y cada uno de ellos se va
a pasar tres veces.
5. El itinerario de un recorrido turstico por Europa incluye cuatro sitios de visita
que deben seleccionarse entre 10 ciudades. En cuantas formas puede planearse
este recorrido:
a) Si es importante el orden de las visitas?
b) Si no importa el orden de las visitas?
Pautas para la resolucin de problemas
Si en cada agrupacin guran todos o algunos de los elementos disponibles, impor-
tando su orden de colocacin, entonces se trata de un problema de permutaciones.
Si en cada agrupacin guran todos o algunos de los elementos disponibles, sin
importar el orden de colocacin de stos, entonces estamos ante un problema de
combinaciones.
Ejemplo 11. : De cuntas formas podemos elegir dos libros de diferentes materias
entre 5 de computacin, 3 de matemticas y 2 de arte (todos distintos)?
Solucin. Considerando
1. Por el principio de multiplicacin
1 de computacin y 1 de matemticas = 5 x 3 = 15 formas
1 de computacin y 1 de arte = 5 x2 = 10 formas
1 de matemticas y 1 de arte = 3 x 2 = 6 formas
2. Por el principio de la suma Existen 15 + 10 + 6 = 31 formas posibles
Ejemplo 12. Ejercicio en clases:
a) Cuntas cadenas de longuitud 4 pueden formarse mediante las letras ABCDE si
no se permiten repeticiones?
b) Cuntas cadenas de la parte a comienzan con la letra B?
c) Cuntas cadenas de la parte a no comienzan con la letra B?
Solucin. Solucin ejercicio en clases:
a) 5x4x3x2 = 120
b) 1x4x3x2 = 24
Matemtica Aplicada
36
c) 120 24 = 96
Ejemplo 13. Ejercicio en clases: Un comite de 6 personas (Alicia, Luis, Anita, Juan,
Edgar y Francisco) debe elegir un presidente, un secretario y un tesorero.
a) De cuntas formas puede hacerse esto?
b) De cuntas formas puede hacerse esto si debe ser presidente Alicia o Luis?
c) De cuntas formas puede hacerse esto si Edgar debe ocupar uno de los puestos?
d) De cuntas formas puede hacerse esto si Juan y Francisco deben tener alguno
de los puestos?
Solucin. Solucin ejercicio en clases:
a) 6 x 5 x 4 = 120
b) 5 x 4 = 20 20 + 20 = 40
c) as
Primera forma: Si Edgar es presidente existen 4 x 5 = 20 formas de elegir
a los dems. De igual manera si es secretario o tesorero, entonces: 20 + 20
+ 20 = 60
Segunda forma: El asignar a Edgar un puesto de cualquiera de los tres nos
da 3 posibilidades para l. Una vez dado un puesto a Edgar no quedan 5 para
el otro puesto y luego 4 para el ltimo puesto. As: 3 x 5 x 4 = 60
d) El asignar puestos a Juan, Francisco y otra persona consta de 3 pasos:
3 formas para asignar un puesto a Juan
2 formas de asignar un puesto a Francisco
4 formas de a asignar el puesto restante
3 x 2 x 4 = 24
2.4.3. Permutaciones
Ejemplo 14. Ejemplo 1: Cuntas permutaciones de las letras ABCDEF contiene la
subcadena DEF?
Solucin. As:
1. Las letras DEF deben estar juntas
2. Las dems letras pueden colocarse de manera arbitraria DEF, A, B, C4! = 24
Ejemplo 15. Cuntas permutaciones de las letras ABCDEF contienen las letras
DEF juntas en cualquier orden?
Matemtica Aplicada
37
Solucin. As:
1. Las letras DEF deben estar juntas en cualquier orden 3! = 6
2. Las dems letras pueden colocarse de manera arbitraria 4! = 24
3. El total de permutaciones es: 6x24 = 144
Ejemplo 16. De cuntas formas pueden sentarse seis personas en torno de una mesa
circular?
Solucin. As:
1. Si una forma se obtiene de otra, haciendo que cada persona se mueva n asientos
en el sentido de las manecillas del reloj, entonces se consideran idnticas
2. Denotemos a las personas como A, B, C, D, E, F
3. Sentemos a A de manera arbitraria.
4. A las 5 persona restantes podemos ordenarlas y sentarlas a partir de A en sentido
de las manecillas del reloj. 5! = 120
Denicin 2.4.1. Una rpermutacion de n elementos distintos x
1
, x
2
, . . . , x
n
es un or-
denamiento de un subconjunto de r elementos de x
1
, x
2
, . . . , x
n
. El numero de rpermutaciones
de un conjunto de n elementos distintos se denota P(n, r)
Teorema 2.4.1. 1. El numero de rpermutaciones de un conjunto de n objetos
distintos es:
P(n, r) = n(n 1)(n 2) . . . (n.r + 1), r.n
2. Por el principio de multiplicacin tenemos:
P(n, r) =
n(n 1) . . . (n.r + 1)(n.r) . . . 2 1
(n.r) . . . 2 1
=
n!
(n.r)!
Ejemplo 17. Ejemplo 1: La 2permutacin de a, b, c
Solucin. Solucin: ab, ac, ba, bc, ca, cb P(3, 2) = 3x2 = 6
Ejemplo 18. Ejemplo 2: De cuntas formas podemos elegir un presidente, un vice-
presidente, un secretario y un tesorero de un grupo de 10 personas?
Solucin. As:
Debemos de contar el nmero de ordenamientos de cuatro personas elegidas de
un grupo de 10.
Un ordenamiento elige:
1. de manera nica 1 presidente
2. de manera nica 1 vicepresidente
Matemtica Aplicada
38
3. de manera nica 1 secretario
4. de manera nica 1 tesorero
P(10, 4) = 10 9 8 7 = 5040 P(10, 4) =
10!
(104)!
=
10!
6!
Ejemplo 19. Ejemplo 3: De cuntas formas pueden formarse en una la siete mar-
cianos distintos y cinco jupiterianos distintos, si ninguna pareja de jupiterianos puede
estar juntos?
Solucin. As:
1. Podemos formarlos mediante un proceso de 2 pasos.
a) Formamos a los marcianos M1 M2 M3 M4 M5 M6 M7 Esto
nos da: 7! = 5040
b) Los jupiterianos pueden formarse de P(8, 5) formas: P(8, 5) = 8x7x6x5x4 =
6720
2. De esta menera tenemos: 5040 6720 = 33868800
Denicin 2.4.2. Dado un conjunto X = x
1
, x
2
, . . . , x
n
con n elementos distintos.
a) Una r-combinacin de X es una seleccin no ordenada de r elementos de X ( es
decir un subconjunto de X con r elementos).
b) El numero de rcombinaciones de un conjunto de n elementos distintos se denota
C(n, r) o
Teorema 2.4.2. El numero de r-combinaciones de un conjunto de n objetos distintos
es:
C(n, r) =
P(n, r)
r!
=
n(n 1)(n 2)....(n.r + 1)
r!
=
n!
(n r)!r!
, r n
Ejemplo 20. Un grupo de 5 estudiantes (Maria, Boris, Rosa, Ana, Luis) ha decidido
hablar con la jefa del departamento. de matemticas para pedir que ofrezcan mas cursos
de mate. disc. La jefa va a atender a 3 de ellos. De cuntas maneras pueden elegir 3
estudiantes de los 5?
Solucin. As:
MBR, MBA, MRA, MBL, MRL, BRL, MAL, BAL, RAL, BRA
C(5, 3) = 10
Ejemplo 21. De cuntas formas puede elegirse un comit de 3 entre un grupo de 10
personas distintas?
Solucin. : Como un comit es un grupo no ordenado de personas, tenemos.
C(10, 3) =
10x9x8
3!
= 120
Matemtica Aplicada
39
Ejemplo 22. De cuntas formas puede elegirse un comit de 2 mujeres y 3 hombres
de un grupo de 5 mujeres y 6 hombres distintos?
Solucin. As:
Las dos mujeres pueden eleguirse de: C(5, 2) = 10
Los tres hombres pueden eleguirse de: C(6, 3) = 20
De esta manera el nmero total de maneras es: 10 20 = 200
Ejemplo 23. Ejemplo 4: Cuntas cadenas de 8 bits contienen exactamente cuatro
unos?
Solucin. As: Pueden eleguirse de: C(8, 4) = 70
2.4.4. programacin de algoritmos para permutaciones y com-
binaciones
Algoritmo 2.4.1. Generacin de Combinaciones
Este algoritmo lista todas las combinaciones r de 1, 2, ..., n en orden lexicogrco
creciente.
Entrada: r, n
Salida: Todas las combinaciones de 1, 2, ..., n en orden lexicogrco creciente.
1. combinacin(r, n) {
2. fori = 1 to r
3. s(i) = i
4. println{s(1),...,s(r)} //imprime la primera combinacin r
5. for i= 2 to C(n,r) {
6. m - r
7. val_nx = n
8. while (s(m)== vval_mx) {
9. //encuentra el elemento ms a la derecha
//que no tiene su valor mximo
10. m = m - 1
11. va_mx = val_mx - 1
12. }
13. //se incrementa el elemento ms a la derecha
14. s(m) =s(m)+1
15. //el resto de los elementos son sucesores de s(m)
16. for j = m + 1 to r
i7. s(j)=s(j+1)+1
18. println{s(r),...,s(i) )//imprime la i-sima combinacin
19. }
20. }
Matemtica Aplicada
40
3
Relacin de recurrencia
Cualquier procedimiento o funcin pueden contener, en su bloque de acciones eje-
cutables, llamados a otros procedimientos o funciones que sean accesibles.
Si puede llamarse a cualquier procedimiento o funcin accesible, entonces una fun-
cin puede llamarse a s mismo.
Esta autoreactivacin se denomina recursin.
Una cadena de llamados recursivos debe terminar en algn momento; por esta razn
los subprogramas recursivos deben colocar dentro de una instruccin condicionada el
llamado recursivo.
El empleo de un identicador de subprograma dentro del texto del mismo subpro-
grama implica la ejecucin recursiva del mismo.
Ms especcamente, la ocurrencia de un llamado a una funcin, dentro de una
expresin perteneciente al bloque asociado a la misma funcin, implica la ejecucin
recursiva de la funcin.
Su aplicacin es natural en aquellos algoritmos denidos recursivamente; y tam-
bin cuando se emplean estructuras de datos que hayan sido denidas recursivamente.
Sin embargo, siempre es posible desarrollar un algoritmo repetitivo en lugar del recur-
sivo; lo cual tendr ventajas en menor ocupacin de memoria y mayor velocidad de
ejecucin. Cada vez que se realiza una autoinvocacin, se crea espacio para variables
y parmetros valor; es decir, a medida que aumentan los llamados recursivos existen
varias instancias (o encarnaciones) de las variables. As tambin habr que considerar
todas las instrucciones que permitan retornar a los diferentes puntos de llamado. Esto
tambin implica que el programador debe asegurarse que los niveles de recursin no
sean excesivamente altos; ya que esto podra copar la memoria disponible.
Un objeto se dice recursivo si est denido en trminos de s mismo
Denicin 3.0.3. Una relacin de recurrencia para la secuencia a
n
es una ecuacin
que expresa a
n
en trminos de uno o mas de los trminos previos de la secuencia
(a
0
, a
1
, ....., a
n1
), para todos los enteros n con n n
0
, donde n
0
es un entero no
negativo. Una secuencia es llamada una solucin de una relacin de recurrencia si sus
trminos satisfacen la relacin de recurrencia.
Matemtica Aplicada
41
POSGRADO - FACULTAD DE INGENIERA CIVIL RELACIN DE RECURRENCIA
Ejemplo 24. Sea a
n
una secuencia que satisface la relacin de recurrencia a
n
=
a
n1
a
n2
para n = 2, 3, 4, . . . y suponga que a
0
= 3 y a
1
= 5. determinar a
2
y a
3
.
Rpta. a
2
= 2 y a
3
= 3
Ejemplo 25. Cuales de las siguientes secuencias a
n
son soluciones de la relacin
de recurrencia a
n
= 8a
n1
16a
n2
?
a
n
= 0 (No) a
n
= 2
n
(No) a
n
= 4
n
(Si) a
n
= n4
n
(Si)
Las condiciones iniciales para una secuencia especican los trminos que preceden
al primer termino donde la relacin de recurrencia se hace efectiva. Una relacin de
recurrencia junto con las condiciones iniciales proporcionan una denicin recursiva de
la secuencia.
Ejemplo 26. (Inters compuesto)
Suponga que una persona deposita $10,000 en una cuenta de ahorros en un banco que
produce rendimientos del 11 % de inters compuesto anual. Cuanto se tendr ahorrado
al cabo de 30 anos ?
Es fcil ver que P
n
= (1,11)
n
P
0
. Luego para el problema en cuestin
P
30
= (1,11)
30
(10,000) = $228,922, 97.
Ejemplo 27. ( Los conejos y la secuencia de bonacci) Una joven pareja de conejos
es colocada en una isla. Un par de conejos no se reproduce hasta que tiene 2 meses de
edad. Despus que estos tienen los 2 meses de edad, cada par produce un nuevo par.
Encuentre una relacin de recurrencia para el numero de pares de conejos en la isla al
cabo de n meses, asumiendo que ningn conejo muere.
Rpta. Denotaremos por f
n
el numero de conejos despus de n meses. Notemos que al
nalizar el primer mes el numero de pares es f
1
= 1 Porque ? Igualmente al nalizar el
segundo mes el numero de pares es f
2
= 1 Porque ? Para encontrar el numero de pares
despus de n meses adicione al numero de parejas en el mes previo f
n1
el numero pares
recin nacidos el cual es equivalente a f
n2
, puesto que cada par recin nacido viene
de un par de al menos 3 meses de edad. Consecuentemente f
n
satisface la relacin
de recurrencia: f
n
= f
n1
+f
n2
para n 3. (secuencia de bonacci) Las relaciones de
recurrencia pueden ser usadas para contar cadenas de bits de una longitud especicada
que tiene cierta propiedad.
Ejemplo 28. Encuentre una relacin de recurrencia y de valores de condicin inicial
para el numero de cadenas de n bits que no tienen 2 consecutivos 0s. Cuantas son de
longitud 5 ?.
Rpta. Sea a
n
quien denota el numero de cadenas de longitud n que no tienen 20
s
consecutivos. Por la regla, este numero es igual a la suma de:
Cadenas de longitud n 1 sin ceros consecutivos con un 1 adicionado al nal.
Que corresponde a a
n
1
Matemtica Aplicada
42
Cadenas de longitud n 1 sin ceros consecutivos con un 0 adicionado al nal.
Para que estas no tengan 2 0s consecutivos deben tener su n1 bit en 1. Es claro
que lo anterior corresponde a cadenas de longitud de n 2 sin 2 0s consecutivos
(a los cuales se les adicionar 10 al nal). Que corresponde a a
n2
Luego a
n
= a
n1
+a
n2
para n 3. Donde las condiciones iniciales son a
1
= 2 y a
2
= 3.
Donde:
a
5
= a
4
+ a
3
= (a
3
+ a
2
) + (a
2
+a
1
)
= ((a
2
+a
1
) + a
2
) + (a
2
+a
1
)
= (3 + 2 + 3) + (3 + 2) = 13
Note que a
n
satisface la misma relacin de recurrencia que bonacci, pero las condi-
ciones iniciales estn desplazadas (a
1
= f
3
y a
2
= f
4
) de ah que a
n
= f
n+2
.
Ejemplo 29. (enumeracin de claves)
Un sistema de computador considera una cadena de dgitos decimales valida si contiene
un numero par de dgitos 0. Sea an el numero de claves validas de n dgitos. Encuentre
una relacin de recurrencia para a
n
.
Rpta. El numero de cadenas de 1 dgitos es 9 (a
i
= 9) (todos los dgitos exceptuando
al propio 0) Para que una cadena de n dgitos se forme a partir de una cadena de n1
dgitos se debe cumplir lo siguiente:
Si hay a
n1
cadenas validas de longitud n 1 dgitos, entonces se pueden formar
cadenas de longitud n, adicionando a cada una de estas los 9 dgitos restantes.
Es decir se formaran 9a
n1
nuevas cadenas
A las cadenas de longitud n-1 no validas (10
n1
a
n1
) se les podra adicionar un
0, para crear cadenas de longitud n validas. Es decir se formaran (10
n1
a
n1
)
nuevas cadenas.
Puestas que las mencionadas anteriormente son las nicas alternativas existentes
para crear cadenas de longitud n validas. Tenemos:
a
n
= 9a
n1
+ 10
n
a
n1
= 8a
n1
+ 10
n1
Ejemplo 30. (soluciones interactivas) En algunos casos, es posible encontrar solucio-
nes interactivas (ej: para calcular el inters compuesto). Encontrar soluciones de este
tipo, para las siguientes ecuaciones de recurrencia.
1. a
n
= 3a
n1
, a
0
= 2 (2,3
n
)
2. a
n
= a
n1
+ 2, a
0
= 3 (2n + 3)
3. a
n
= a
n1
+na
0
= 1 (1 +n
n+1
2
)
4. a
n
= a
n1
+ 2n + 3, a
0
= 4
(n
2
+ 4n + 4)
SUCESIONES POR RECURRENCIA O RECURSIN:
a
n
= 3a
n1
+ 2a
n2
+ 5
Matemtica Aplicada
43
Resolucin de ecuaciones homogneas de primer grado, segundo orden:
a. Se pasan al primer miembro los trminos a
n
, a
n1
, a
n2
, los cuales tambin podran
gurar como a
n+2
, a
n+1
, a
n
b. Se reemplaza a
n
por r
2
, a
n1
por r y a
n2
por 1, quedando una ecuacin de segundo
grado con races reales y distintas de r
1
y r
2
.
c. c.Se plantea a = u r
1
+ v r
2
d. Debemos tener como dato los valores de los dos primeros trminos de la sucesin:
A
0
= k
1
y A
1
= k
2
. Utilizando estos datos ordenamos el sistema de 2x2 : u + v =
k
1
y u r
1
+ u r
2
= k
2
. La resolucin de este sistema nos da como resultado los
valores u
0
y v
0
, que son nmeros reales conocidos(datos iniciales).
e. la solucin general es:
Ejemplicacin:
a
n
=
2
3
a
n1
+
1
3
a
n2
a
0
= 2Estoesdato
a
1
= 5
Primero efectuamos el cambio de variable de la manera indicada
r
2
2
3
r
1
3
= 0
r = 1/3
Aplicamos la frmula para resolver ecuaciones cuadrticas.
Luego reemplazamos los valores de las races en la frmula general:
a = u 1 + v (
1
3
)
Ahora debemos usar los datos que nos dieron par resolver el problema: El polinomio
especializado en 0 da como resultado 2, y especializado en 1 da 5 (Ver llave al inicio
del problema donde se aclara cuales son los datos). Por lo tanto podemos elaborar el
siguiente sistema de ecuaciones:
u +v = 2
u
1
3
= 5
Resolvindolo, obtenemos que: v = 9/4; u = 17/4
Por ltimo, escribimos la ecuacin general, que en nuestro ejemplo es as:
3.1. Solucionando relaciones de recurrencia
Denicin 3.1.1. Una relacin de recurrencia de grado k con coecientes constantes
es una relacin de recurrencia de la forma:
a
n
= c
1
a
n1
+c
2
a
n2
+ +c
k
a
nk
.
Donde c
1
, c
2
, , c
k
son numeros reales, y c
k
,= 0.
Matemtica Aplicada
44
Nota: la relacin de recurrencia en la denicin es lineal puesto que el lado derecho
es una suma de mltiplos de los trminos previos de la secuencia. Es homognea puesto
que ninguno de los trminos no son mltiplos de los a
j
. Los coecientes de los trminos
son todos constantes (no dependen de n). El grado es k porque es expresada en trminos
de los k trminos previos de la secuencia.
Ejemplo 31. Dena caractersticas de las ecuaciones de recurrencia:
P
n
= (1,11)P
n
1 . Es lineal homognea de grado 1
f
n
= f
n1
+f
n2
. Es lineal homognea de grado 2
a
n
= a
n5
. Es lineal homognea de grado 5
a
n
= a
n1
+a
2
n2
. No es lineal
H
n
= 2H
n1
+ 1. No es homognea
B
n
= nB
n1
. No tiene coecientes constantes
Consulta: Solucionar las relaciones de recurrencia siguiente teniendo en cuenta las
condiciones iniciales dadas:
a
n
= 2a
n1
a
n
= 5a
n1
6a
n2
para n 1, a
0
= 3 (3,2
n
) para n 2, a
0
= 1, a
1
= 0
El orden de una sucesin tiene que ver con la cantidad de trminos anteriores que
se utilizan. En el ejemplo tenemos una sucesin de 2
o
orden. El grado se relaciona con
el exponente al que estn elevados a
n
i. Por ltimo, la sucesin es homognea si no
hay ningn trmino independiente. En el caso anterior es no homognea.
Ejemplicacin:
Tabla 3.1: tabla
Expresin Grado Orden Homogeneidad
a
n
= 3a
n1
2 1
o
1
o
No homognea
a
n
= a
2
n1
2
o
1
o
Homognea
a
n
= 1 a
3
n1
3
o
1
o
No homognea
a
n
= 4a
n1
2a
2
n2
2
o
2
o
Homognea
a
n
= a
3
n2
+ 1 3
o
2
o
No homognea
a
n
= a
n1
+a
n2
+a
n3
1
o
3
o
Homognea
a
n
= 4a
n5
+ 2a
n3
+a
n1
1
o
5
o
Homognea
3.2. Solucionando ecuaciones de recurrencia homog-
neas con coecientes constantes
La primera alternativa consiste en buscar soluciones de la forma a
n
= r
n
, donde r
es una constante. Note que a
n
= r
n
es una solucin de la relacin de recurrencia
a
n
= c
1
a
n1
+c
2
a
n2
+ + c
k
a
nk
Matemtica Aplicada
45
si y solo si:
r
n
= c
1
r
n1
+ c2r
n2
+ + c
k
r
nk
.
Cuando dividimos ambos lados por r
nk
y reacomodamos para que la ecuacin resul-
tante sea igualada a 0, obtenemos la siguiente ecuacin:
r
k
c
1
r
k1
c
2
r
k2
c
k1
r ck = 0 (ecuacin caracterstica)
Consecuentemente, la secuencia a
n
con a
n
= r
n
es una solucin si y solo si r es una
solucin de la ecuacin caracterstica. Las soluciones de esta ecuacin son llamadas las
races caractersticas de la relacin de recurrencia.
Teorema 3.2.1. Sean c
1
, c
2
nmeros reales. Suponga que r
2
c
1
r c
2
= 0 tienen 2
races diferentes r
1
y r
2
. Entonces la secuencia a
n
es una solucin de la relacin de
recurrencia a
n
= c
1
a
n1
+ c
2
a
n2
si y solo si a
n
=
1
r
n
1
+
2
r
n
2
para n = 0, 1, 2, ,
donde
1
y
2
son constantes.
Ejemplo 32. Cual es la solucin de la ecuacin de recurrencia a
n
= a
n1
+2a
n2
con
a
0
= 2 y a
1
= 7?
Respuesta
Es claro que c
1
= 1 y c
2
= 2. Luego la ecuacin caracterstica es r
2
r 2 = 0.
obteniendo las races caractersticas, estas son: r = 2 y r = 1. De ah que la secuencia
a
n
es una solucin a la relacin de recurrencia si y solo si: a
n
=
1
2
n
+
2
(1)
n
.
para algunas constantes
1
y
2
. vericar que
1
= 3 y
2
= 1. Y que entonces la
solucin a la ecuacin de recurrencia y condiciones iniciales es la secuencia a
n
con
a
n
= 3 2
n
(1)
n
.
Ejemplo 33. Frmula explcita para la secuencia de bonacci Dado que la ecuacin de
recurrencia de esta es: f
n
= f
n1
+f
n2
y se satisfacen las condiciones iniciales f
0
= 0
y f
1
= 1. vericar que la formula explcita para hallar dicha relacin de recurrencia es:
f
n
=
1
5
_
1 +
5
2
_
n
5
_
1
5
2
_
n
Ejemplo 34. Cual es la solucin de la ecuacin de recurrencia a
n
= 4a
n2
con a
0
= 0
y a
1
= 4?
Rpta. a
n
= (2)
n
(2)
n
1
, c
2
nmeros reales con c
2
,= 0. Suponga que r
2
c
1
r c
2
= 0
tienen solamente una raz r
0
. Una secuencia a
n
es una solucin de la relacin de
recurrencia a
n
= c
1
a
n1
+ c
2
a
n2
si y solo si a
n
=
1
r
n
0
+
2
nr
n
0
para n = 0, 1, 2, ,
donde
1
y
2
son constantes.
Ejemplo 35. Indicar la solucin de la ecuacin de recurrencia a
n
= 4a
n1
4a
n2
con a
0
= 6 y a
1
= 8?
Rpta: a
n
= 6(2)
n
2n(2)
n
Matemtica Aplicada
46
1
, c
2
, . . . , c
k
nmeros reales. Suponga que la ecuacin caracters-
tica r
k
c
1
r
k1
c
k
= 0 tiene k races distintas r
1
, r
2
, , r
k
. Entonces una secuen-
cia a
n
es una solucin de la relacin de recurrencia a
n
= c
1
a
n1
+c
2
a
n2
+ +c
k
a
nk
si y solo si a
n
=
1
r
n
0
+
2
r
n
0
+ +
k
r
n
k
para n = 0, 1, 2, donde
1
,
2
,
k
son
constantes.
Ejemplo 36. Indicar las soluciones a las siguientes ecuaciones de recurrencia. a
n
=
7a
n2
+ 6a
n3
con a
0
= 9, a
1
= 10 y a
2
= 32?
Rpta.// a
n
= 8(1)
n
3(2)
n
+ 4(3)
n
1
, c
2
, , c
k
nmeros reales. Suponga que la ecuacin caracte-
rstica r
k
c
1
r
k1
c
k
= 0 tiene t races distintas r
1
, r
2
, , r
t
con multiplicidades
m
1
, m
2
, , m
t
, respectivamente, as que m
i
1 para i = 1, 2, t y m
1
+ m
2
+ +
m
t
= k. Entonces una secuencia a
n
es una solucin de la relacin de recurrencia
a
n
= c
1
a
n1
+c
2
a
n2
+ +c
k
a
nk
si y solo si a
n
= (
1,0
+
1,1
n+ +
1,m
1
1
n
m
1
1
)r
n
1
+
(
2,0
+
2,1
n + +
2,m
2
1
n
m
2
1
)r
n
2
+ + (
t,0
+
t,1
n + +
t,m
t
1
n
m
t
1
)r
n
t
para
n = 0, 1, 2, , donde
ij
, son constantes para 1 i t y 0 j m
t
1
Ejemplo 37. Suponga que las races de la ecuacin caractersticas de una relacin de
recurrencia lineal son 2, 2, 2, 5, 5 y 9. Cual es la forma de la solucin general?
Rpta.// a
n
= (
1,0
+
1,1
n +
1,2
n
2
)2
n
+ (
2,0
+
2,1
n)5
n
+ (
3,0
)9
n
3.2.1. Relaciones de recurrencia lineal no homogneas con coe-
cientes constantes
Una relacin de recurrencia lineal no homognea con coecientes constantes, es una
relacin de la forma: a
n
= c
1
a
n1
+c
2
a
n2
+ +c
k
a
nk
+F(n). Donde c
1
, c
2
, , c
k
son
nmeros reales y F(n) es una funcin no igual a 0 que depende solo de n. la relacin de
recurrencia: a
n
= c
1
a
n1
+ c
2
a
n2
+ + c
k
a
nk
es llamada la relacin de recurrencia
homognea asociada.
Teorema 3.2.5. Si a
n
(p) es una solucin particular de la relacin de recurrencia
no homognea con coecientes constantes: a
n
= c
1
a
n1
+c
2
a
n2
+ +c
k
a
nk
+F(n).
Entonces cada solucin es de la forma a
(p)
n
+a
(h)
n
, donde a
(h)
n
es una solucin de la
relacin de recurrencia homognea asociada a
n
= c
1
a
n1
+ c
2
a
n2
+ + c
k
a
nk
.
Teorema 3.2.6. Suponga que a
n
satisface la relacin de recurrencia lineal no ho-
mognea: a
n
= c
1
a
n1
+ c
2
a
n2
+ + c
k
a
nk
+ F(n). Donde c
1
, c
2
, , c
k
son n-
meros reales y F(n) = (b
t
n
t
+ b
t1
n
t1
+ + b
1
n + b
0
)s
n
, donde b
0
, b
1
, , b
t
y s
son numeros reales. Cuando s no es una raz de la ecuacin caracterstica de la re-
lacin de recurrencia lineal homognea lineal asociada, hay una solucin particular
de la forma: (p
t
n
t
+ p
t1
n
t1
+ + p
1
n + p
0
)s
n
. Cuando s es una raz de la ecua-
cin caracterstica y su multiplicidad es m, hay una solucin particular de la forma:
n
m
(p
t
n
t
+ p
t1
n
t1
+ +p
1
n +p
0
)s
n
.
Ejemplo 38. Cual es la solucin de la relacin de recurrencia a
n
= 6a
n1
9a
n2
+
F(n) cuando F(n) = 3
n
, F(n) = n3
n
, F(n) = n
2
2
n
y F(n) = (n
2
+ 1)3
n
?
Matemtica Aplicada
47
R// De la ecuacin de recurrencia lineal homognea asociada (a
n
= 6a
n1
9a
n2
)
tenemos que (r 3)
2
= 0, luego tiene una sola raz igual a 3, de multiplicidad 2.
Aplicando el teorema 3.2.6 con respecto a las funciones F(n) indicadas, tenemos las
siguientes soluciones particulares:
Para F(n) = 3
n
. Dado que s = 3 = r con multiplicidad 2(m), entonces: a
(p)
n
=
n
2
(p
0
)3
n
.
Para F(n) = n3
n
. Dado que s = 3 = r con multiplicidad 2(m), entonces: a
(p)
n
=
n
2
(p
1
n + p
0
)3
n
.
Para F(n) = n
2
2
n
. Dado que s = 2 ,= r, entonces: a
(p)
n
= (p
2
n
2
+p
1
n +p
0
)2
n
.
Para F(n) = n
2
2
n
. Dado que s = 2 ,= r, entonces: a
(p)
n
= (p
2
n
2
+p
1
n +p
0
)2
n
.
Para F(n) = (n
2
+ 1)3
n
. Dado que s = 3 = r multiplicidad, entonces: a
(p)
n
=
n
2
(p
2
n
2
+p
1
n +p
0
)3
n
.
Ejemplo 39. Encuentre todas las soluciones de la relacin de recurrencia a
n
= 5a
n1
6a
n2
+ 7n.
Rpta.// a
(h)
n
=
1
3
n
+
2
2
n
Puesto que F(n) = 7n, tenemos que s = 7 ,= (3 y 2) = r
con multiplicidad 1. Luego a
(p)
n
= (p
0
)7
n
. Para p
0
tenemos: a
n
= 5a
n1
6a
n2
+ 7
n
=
p
0
7
n
= 5p
0
7
n1
6p
0
7
n2
+ 7
n
Entonces p
0
=
49
20
.a
(p)
n
=
49
20
7
n
solucin particular. La
solucin es:
a
n
= a
(p)
n
+a
(h)
n
=
49
20
7
n
+
1
3
n
+
2
2
n
.
Ejercicios: Rosen seccin 6.2 del 1 al 19
Matemtica Aplicada
48
4
Probabilidad
Referencias Histricas
Una disputa entre jugadores en 1654 llev a dos famosos matemticos franceses,
Blaise Pascal y Pierre de Fermat, a la creacin del clculo de Probabilidades. Antoine
Gombaud, caballero de Mer, noble francs interesado en cuestiones de juegos y apues-
tas, llam la atencin a Pascal respecto a una aparente contradiccin en un popular
juego de dados. Este y otros problemas planteados por de Mer motivaron un inter-
cambio de cartas entre Pascal y Fermat en las que por primera vez se formularon los
principios fundamentales de las probabilidades.
En 1812, Pierre de Laplace introdujo gran cantidad de ideas nuevas y tcnicas
matemticas en su libro, Teora Analtica de Probabilidades. Antes de Laplace, las
probabilidades prcticamente consistan en un anlisis matemtico de los juegos del
azar
4.1. Conceptos Bsicos
Experimento Aleatorio: Conjunto de pruebas realizadas bajo las mismas con-
diciones y cuyos resultados son impredecibles. Los rasgos que distinguen a los
experimentos aleatorios son:
a). Todos los resultados del experimento son conocidos con anterioridad a su
realizacin.
b). No se puede predecir el resultado del experimento.
c). El experimento puede repetirse en condiciones idnticas.
Espacio Muestral: Es el conjunto de todos los resultados posibles de un expe-
rimento aleatorio. Se denota por # y se clasica en:
a). Cardinalidad: Finito, Innito numerable, Innito no numerable.
b). Discreto: Aquel cuyo resultado puede ponerse en una correspondencia uno
a uno, con el conjunto de los nmeros naturales.
Matemtica Aplicada
49
POSGRADO - FACULTAD DE INGENIERA CIVIL PROBABILIDAD
c). Continuo: Aquel cuyo resultados consisten del intervalo de los nmeros
reales.
Suceso o evento aleatorio: Es cualquier subconjunto del espacio muestral.
Conjunto de posibles resultados de un experimento aleatorio.
Suceso o evento seguro: Es un evento que siempre ocurre.
Suceso o evento imposible: Es aquel que indefectiblemente no ocurrir, se
denomina conjunto vaco .
Eventos igualmente probables: Todos tienen la misma probabilidad de ocurrir
(equiprobables).
Eventos dependientes: Aquellos en que la ocurrencia de uno afecta la proba-
bilidad de ocurrencia de los dems.
Eventos independientes: La ocurrencia de uno no afecta la probabilidad de
ocurrencia o no de los dems.
lgebra de sucesos de probabilidad
Algunos conceptos de teora de conjuntos extendidos a sucesos de probabilidad se
deben recordar
La unin de dos sucesos A y B en un espacio S se dene como:
A B = x : x A x B,
el smbolo signica que el elemento x pertenece al conjunto correspondiente e indica
que el resultado puntual x ha ocurrido. AB signica que ocurre A, ocurre B u ocurren
A y B.
La interseccin de dos sucesos A y B en un espacio S se dene como:
A B = AB = x : x A x B,
A B signica que ocurren A y B conjunta o simultneamente.
Las operaciones de unin e interseccin gozan de las propiedades de clausura, idem-
potencia, conmutativa, asociativa y se vinculan mediante la propiedad distributiva de
la interseccin respecto a la unin, es decir, A(BC) = (AB) (AC). El com-
plemento del suceso A en el espacio S se dene como la diferencia entre el conjunto
S y el conjunto A:
S A = A
c
= A
= A = x : x S x / A
y signica que no ocurre A.
Leyes de De Morgan
(A B)
c
= A
c
B
c
(A B)
c
= A
c
B
c
.
Matemtica Aplicada
50
4.1.1. Denicin de Probabilidad
Denicin Clsica o a priori: Si un evento ocurre en N formas, las cuales se
excluyen mutuamente y son igualmente probables, y si m de estos eventos poseen
una caracterstica E, la probabilidad de ocurrencia de E es igual a m/N.
P(E) =
m
N
=
nmero de casos favorables
nmero de casos posibles
= p
Para calcular esta probabilidad no es necesario realizar el experimento.
Denicin Frecuencial o a posteriori: Si algn proceso es repetido un gran
nmero de veces n, y si algn evento resultante, con la caracterstica E ocurre m
veces, la frecuencia relativa de la ocurrencia de E,
P(E) =
m
n
es decir. lm
x
P(E) = p
La proximidad de la frecuencia relativa a la probabilidad depende de las repeti-
ciones de algn proceso y de la posibilidad de contar el nmero de repeticiones,
as como el nmero de veces que algn evento de inters ocurre.
4.1.2. Nociones Bsicas de Probabilidad
Denicin axiomtica debida a Andrei Kolmogorov, 1903 a 1987, probabilista ruso.
Sea el espacio muestral asociado a un experimento aleatorio y sean A
i
W para
i = 1, 2, ..., n eventos. A cada A
i
le asignaremos un nmero real P(A
i
) , denominada
probabilidad de A
i
, que satisface las propiedades siguientes:
1) 0 P(A
i
) 1
2) P() = 1
3) Si A
1
excluye A
2
entonces P(A
1
A
2
) = P(A
1
) + P(A
2
)
4) Si los A
i
son mutuamente excluyentes, es decir A
i
A
j
= para todo i ,= j =
1, 2, , n entonces
P(
n
i=1
) =
n
i=1
P(A
i
)
Observe que estas propiedades no dependen de cmo se calculen las probabilidades
P(A
i
)
Consecuencias de la denicin de probabilidad
proposicin 4.1.1. La probabilidad de un suceso imposible es cero.
En efecto A = A, as P(A) = P(A) como A = . A excluye a entonces
P(A) + P() = P(A) esto es P() = 0
Matemtica Aplicada
51
proposicin 4.1.2. P(A) = 1 P(A
c
)
En efecto como P(A A
c
) = P() = 1 entonces P(A) + P(A
c
) = 1 P(A) =
1 P(A
c
)
proposicin 4.1.3. Si A y B son sucesos no necesariamente excluyentes entonces
P(A B) = P(A) + P(B) P(A B)
Sean C B = A(BA
c
tal que A y BA
c
son sucesos excluyentes. Tambin en
B = (A B) (B A), A B y B A
c
son sucesos excluyentes Por lo tanto
P(A B) = P(A) + P(B A
c
) y P(B) = P(A B) + P(B A
c
)
P(B A
c
) = P(B) P(A B)
y en consecuencia, P(A B) = P(A) + P(B) P(A B)
proposicin 4.1.4.
P(ABC) = P(A)+P(B)+P(C)P(AB)P(AC)P(BC)+P(ABC)
4.1.3. Probabilidad condicional e independencia
Ejemplo 40. Consideremos el experimento aleatorio de elegir al azar artculos de un
lote de 100 artculos donde se sabe que hay 20 defectuosos y 80 no defectuosos. Sean
A = el primer artculo elegido es defectuoso
B = el segundo artculo elegido es defectuoso
Determine P(A), P(B)
Si la seleccin se hace con restitucin P(A) = P(B) =
20
100
, observe que si n es
grande y no hay restitucin, de todas maneras como (n ) entonces
P(B) = lm
n
0, 2n
n
= lm
n
0, 2(n 1)
n
= P(B)
Si la seleccin se hace sin restitucin P(A) =
20
100
pero para calcular P(B) es ne-
cesario saber si ocurri A o A
c
, con n jo nito. Esta pregunta induce la siguiente
denicin:
Denicin 4.1.1. Probabilidad Condicional: Sean A y B dos sucesos de un espacio
. La expresin P(A/B) indica la probabilidad de que ocurra el evento A dado que ya
ha ocurrido el evento B. Puede determinarse de la siguiente manera:
P(A/B) =
P(A B)
P(B)
y P(B/A) =
P(A B)
P(A)
P(AB) se interpreta como la probabilidad de que los sucesos A y B ocurran conjun-
tamente.
Matemtica Aplicada
52
As P(B/A) =
19
99
y P(B/A
c
) =
20
99
Observe que el # se reduce a 99 y el #B = 19
si ocurre A o #B = 20 si ocurre A
c
. Adems P(A B) = P(B/A)P(A). O sea
P(A B) =
19
99
.
20
100
Ejemplo 41. Ejemplo5. Se lanzan dos dados hexagonales normales y se anotan los
pares x, y. Describa el espacio y calcule P(A), P(B), P(A B), P(A/B) y P(B/A)
. Si A = (x, y) : x + y = 10 y B = (x, y) : x > y
veamos el espacio muestral
=
_
_
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
(4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
_
_
Donde conjunto A es (,) y el conjunto B es (,)
# = 6
2
= 36 #A = 3P(A) =
3
36
; #B = 15, P(B) =
15
36
; #(A B) = 1
P(A/B) =
P(A B)
P(B)
=
#(A B)
#(B)
=
1
15
, P(A B) =
1
36
P(B/A) =
P(A B)
P(A)
=
#(A B)
#(A)
=
1
5
Propiedades de la probabilidad condicional
1. 0 P(B/A) 1
2. P(/A) = 1
3. P(B
1
B
2
/A) = P(B
1
/A) + P(B
2
/A) si B
1
B
2
= .
proposicin 4.1.5. Proposicin 5 Teorema de la multiplicacin de probabilidades
P(A B) = P(A/B)P(B) P(A B) = P(B/A)P(A)
P(A
1
A
2
A
3
) = P(A
1
)P(A
2
/A
1
)P(A
3
/A
1
A
2
)
Para cuatro sucesos omitiendo el smbolo tenemos:
P(A
1
A
2
A
3
A
4
) = P(A
1
)P(A
2
/A
1
)P(A
3
/A
1
A
2
)P(A
4
/A
1
A
2
A
3
)
Ejemplo 42. . Observe que si A
i
es el suceso : seleccionar el isimo artculo defec-
tuoso en el ejemplo (40), entonces
P(A
1
A
2
A
3
A
4
) =
20
100
19
99
18
98
17
97
Matemtica Aplicada
53
4.1.4. Sucesos independientes
Consideremos dos eventos A y B no vacos en . las siguientes proposiciones son
equivalentes
A es independiente deB P(A B) = P(A)P(B)
P(A/B) = P(A)
P(B/A) = P(B)
Ejemplo 43. Las probabilidades conjuntas y marginales se suelen representar en una
tabla de doble entrada denominada tabla de contingencia, as:
Supngase que una ocina tiene 100 mquinas algunas son elctricas (E) mientras
otras son manuales (M). Adems algunas son nuevas (N) y otras usadas (U). Las
probabilidades marginales son P(N) = 7/10, P(U) = 3/10, P(E) = 6/10, P(M) =
4/10y las probabilidades conjuntas son por ejemplo P(UM) = 1/10 o P(NM) =
3
10
.
La tabla siguiente resume el nmero de mquinas de cada categora y a su vez
resume dichas probabilidades
E M
N 40 30 70
U 20 10 30
60 40 100
Una persona ingresa en la ocina, escoge una mquina al azar y descubre que es
nueva. Cul es la probabilidad de que sea elctrica?
P(E/N) =
E N
P(N)
=
40/100
70/100
=
4
7
4.1.5. Particin del espacio muestral
Decimos que los sucesos B
1
, B
2
, , B
k
, representan una particin de si:
1. B
i
B
j
= para i ,= j
2.
n
i=1
B
i
= S
3. P(B
i
) > 0, para todo i.
Esto signica que es cubierto por todas las partes B
i
que son mutuamente excluyen-
tes, es decir que el experimento aleatorio asociado a ocurre cuando sucede alguno de
los B
i
.
proposicin 4.1.6. Proposicin 6 Teorema de la probabilidad total Sea A un suceso
y B
1
, B
2
, , B
k
una particin de . Entonces P(A) =
k
j=1
P(A/B
j
)P(B
j
).
Matemtica Aplicada
54
En efecto: A = AB
1
AB
2
A AB
k
omitimos el smbolo as:
P(A) =
k
j=1
P(AB
j
)P(B
j
); P(AB
j
) = P(A/B
j
)P(B
j
)
entonces
P(A) =
k
i=1
P(A/B
j
)P(B
j
)
Matemtica Aplicada
55

A Discreta CIP Junin

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A Discreta CIP Junin

Uploaded by

Copyright:

Available Formats

1

Rb, o simplemente (aRb).

representa el producto com-

1. Este Conjunto G carece de sentido si no se aclara que son x e y. Pueden ser

You might also like