lunes, 18 de junio de 2012

EJEMPLO DE LOS 10 AXIOMAS


Para generar los 10 axiomas tomaré como espacio vectorial el conjunto de polinomios de grado n y como ejemplo comenzaré con P1 y P2

p1 = 3*x^2+2*x+3*x; p1 p2 = 4*x^3+2*x^2+3*x+10*x; p2 print p1.simplify() print p2.simplify()

3*x^2 + 5*x
4*x^3 + 2*x^2 + 13*x
3*x^2 + 5*x
4*x^3 + 2*x^2 + 13*x

El resultado de la suma de los dos vectores u + v, está dentro del espacio vectorial V

El vector resultado de la suma, es también un polinomio de grado n y está dentro el espacio vectorial de los polinomios de grado n

print p1 + p2

4*x^3 + 5*x^2 + 18*x
4*x^3 + 5*x^2 + 18*x

 Se cumple la Ley Conmutativa y el resultado está dentro del espacio vectorial V

u + v es igual a sumar v + u

print p2 + p1

4*x^3 + 5*x^2 + 18*x
4*x^3 + 5*x^2 + 18*x

Se cumple la Ley Asociativa y el resultado está dentro del espacio vectorial V

No importa como agrupes los números, cuando los sumes o multipliques obtendrás el mismo resultado, aquí utilizaré un tercer polinomio p3

p3=3*x^3+2*x^2+5*x^2+6*x print (p1+p2)+p3

7*x^3 + 12*x^2 + 24*x
7*x^3 + 12*x^2 + 24*x

print p1+(p2+p3)

7*x^3 + 12*x^2 + 24*x
7*x^3 + 12*x^2 + 24*x

Existe en el espacio vectorial un elemento neutro llamado vector cero (O), en el que se satisface u + O = u

p0=0 print p1+p0

3*x^2 + 5*x
3*x^2 + 5*x

Existe en el espacio vectorial el inverso aditivo, por cada vector que hay en el espacio hay un vector que al sumarlo da como resultado el vector cero (O)

Definiré p_n como el inverso aditivo del vector p1, así comprobamos que al sumar p1 + (p_n) = O

p_n=-3*x^2-2*x-3*x; p_n print p1+p_n

0
0

 Si k es un escalar, la multiplicación ku también existe en el espacio vectorial.

Aquí definiré k=-2, y la multiplicación dará como resultado un polinomio de grado n que permanece en el espacio vectorial que definimos.

k=-2 print k*p1

-6*x^2 - 10*x
-6*x^2 - 10*x

 Se cumple la ley asociativa con la multiplicación por escalares.

Aquí definiré otro escalar c=3 y probaremos que k(cu)=(kc)u

c=3 print k*(c*p1)

-18*x^2 - 30*x
-18*x^2 - 30*x

print (k*c)*p1

-18*x^2 - 30*x
-18*x^2 - 30*x

 Se cumple la ley distributiva para los vectores y el resultado permanece en el espacio vectorial.

Esta ley permite sumar varios números y despúes multiplicar el resultado o hacer cada multiplicación por separado y luego sumar los resultados. Aquí voy a probar que k( u + v ) = ku + kv

print k*(p1+p2)

-8*x^3 - 10*x^2 - 36*x
-8*x^3 - 10*x^2 - 36*x

print (k*p1)+(k*p2)

-8*x^3 - 10*x^2 - 36*x
-8*x^3 - 10*x^2 - 36*x

 Se cumple la ley distributiva para escalares y el resultado permanece en el espacio vectorial.

Esta ley permite sumar varios números y despúes multiplicar el resultado o hacer cada multiplicación por separado y luego sumar los resultados. Aquí voy utilizar dos escalares que ya definimos anteriormente k y c y vamos a probar que (k+c)u=ku + cu

print (k+c)*p1

3*x^2 + 5*x
3*x^2 + 5*x

print (k*p1)+(c*p2)

12*x^3 + 29*x
12*x^3 + 29*x

 Existe el elemento identidad I, para la multiplicación que para cada vector en V, permite hacer la operación Iu=u

Aquí voy a definir el escalar I=1

I=1 print I*p1

3*x^2 + 5*x

sábado, 9 de junio de 2012

Tabla de Cayley


TABLA DE CAYLEY
Una tabla de Cayley, después del 19 del siglo el matemático británico Arthur Cayley, describe la estructura de un grupo finito mediante la organización de todos los productos posibles de todos los elementos del grupo en una mesa cuadrada que recuerda de una suma o tabla de multiplicar. Muchas de las propiedades de un grupo, como si es o no es abeliano, ¿qué elementos son los inversos de los elementos, y el tamaño y contenido del centro del grupo - puede deducirse fácilmente mediante el examen de la tabla de Cayley.  Un ejemplo simple de una tabla de Cayley es el uno para el grupo {1, -1} bajo la multiplicación ordinaria:

×
1
−1
1
1
−1
−1
−1
1

Estructura y diseño 
Debido a que muchas tablas de Cayley describir a grupos que no son abeliano, el producto B con respecto a la operación binaria del grupo no se garantiza que sea igual a la ba para todos los productos A y B en el grupo. Con el fin de evitar confusiones, la convención es que el factor que califica la fila (llamada factor de cerca por Cayley) viene primero, y que el factor de que las etiquetas de la columna (o factor) es la segunda. Por ejemplo, la intersección de la fila uno y la columna b es ab y no ba, como en el ejemplo siguiente:

*
a
b
c
a
a2
ab
ac
b
ba
b2
bc
c
ca
cb
c2

Cayley originalmente establecido sus tablas para que el elemento de identidad fue la primera, obviando la necesidad de la fila por separado y encabezados de columna aparece en el ejemplo anterior. Por ejemplo, no aparecen en la tabla siguiente

a
b
c
b
c
a
c
a
b



En este ejemplo, el grupo cíclico Z3, a es el elemento de identidad, y por lo tanto aparece en la esquina superior izquierda de la tabla. Es fácil ver, por ejemplo, que b2 = c, y que cb = a. A pesar de ello, los textos más modernos - y este artículo-se incluyen la fila y encabezados de columna para mayor claridad.

miércoles, 9 de mayo de 2012

SOLUCION A SISTEMAS DE ECUACIONES POR EL METODO DE LA INVERSA Y GAUSS JORDAN EN EL SOFTWARE MATLAB


RESOLUCION DE SISTEMAS DE ECUACIONES 3X3
Introducción
En este tutorial aprenderemos  a resolver un sistema de ecuación  3 x3 por el método de la inversa en MATLAP.
Resolver el sistema
 X-2Y+3Z=11
4X+Y-Z=4
2X-Y+3Z=10















1.- Introducimos   las matrices  en MATLAP. Los elementos de las  matrices  deben ir separados por comas o bien se deja un espacio entre ellos y un punto y coma para saltarse a la otra fila tal como se muestra en la imagen.


















2.- Calculamos el determinante de la matriz A.Este se calcula con el comando det(A) tal como se muestra a continuación.










3.-Calculamos el determinante  de los menores de cada elemento de la matriz como se muestra en la siguiente imagen.Tomando en cuenta que si la suma de m(i+j) es un numero par, el determinante se multiplica por (1) y si la suma es un numero impar se multiplica por (-1).
Con los determinantes obtenidos se

forma una matriz adjunta quedando de la siguiente forma.





















4.-  Calculamos la transpuesta de la matriz adjunta quedando como:


5.-  Calculamos la inversa de la matriz, dividiendo la matriz transpuesta entre el determinante.
 Si queremos que  nuestros resultados nos queden en fracciones.

Para calcular de forma directa la inverza sin necesidad de los pasos anteriores se calcula mediante el comando inv(A).





6.- Como último paso multiplicamos la matriz inversa  por la matriz B para hallar los valores de las incógnitas.














Como podemos ver nuestro  sistema de ecuación ya está resuelta.

Sistema de ecuación  3 x3 por el método de la Gauss Jordan en MATLAP.
Primero definimos la matriz
















Después se utiliza el comando rref para obtener el resultado.

BIOGRAFIA DE ROUCHER



Nació en Sommières, (Francia) el 18 de agosto de 1832.

Era hijo de un terrateniente de Sommieres. Estudio en la “Ècole Polytechnique” donde consiguió el doctorado en ciencias.

Después de estudiar matemáticas, enseñó en el “Lycée Chalemagne” y fue profesor en el Conservatorio de Artes y Oficios en París. También fue examinador en la “Ècole Polytechnique”.

Publicó muchos libros a lo largo de su vida, algunos de ellos se pueden ver recogido en “Comptes Rendus” y alguno en el “Journal of the Ècole Polytchnique”.

Escribió también muchos libros de texto como “Traité de géométrie élémentaire”,  “Eléments de Staique Graphique” y “Coupe des pierres pécédée des príncipes du trait de stéréotomie”.

Aunque se sabe poco de este matemático, su nombre es muy conocido por el teorema de Rouché que publicó, sin demostrar,  en el “Journal of the Ècole Polytchnique” en 1862.

En 1873 fue nombrado presidente de la Societé Mathematique de France.

En 1875, Rocuhé publicó un artículo “Sur la discussion des equations du premier degré;” en “Comptes Rendus” en la Academia de las Ciencias. Este artículo, contiene su teorema sobre sistemas de ecuaciones lineales. Mas tarde, publicó versiones más completas de este teorema en 1880 en el “Journal of the Ècole Polytchnique”.

Fue elegido de la Academia de Ciencias francesa el 27 de enero de 1896.

Falleció el 19 de agosto de 1910 en Lunel (Francia).

ANÉCDOTAS Y CURIOSIDADES:
  • Su pueblo está a 30 km de la costa sur, y está situado entre Nimes y Montpellier y ahora posee una calle, con el nombre del famoso matemático.
     
  • Escribió varias obras didácticas.
     
  • No fue el único en probar el teorema que lleva su nombre, pero sí el primero en enunciarlo.
     
  • El matemático Frobenius en 1905 discrepó este teorema, tanto a Rouché como a Fontené (que hizo otra demostración) y propuso una demostración alternativa y “mejor”. Por eso en los países de habla hispana se denomina teorema de Rouché-Frobenius.
     
  • El nombre de teorema de Rouche – Fröbenius se debe al matemático español Julio Rey Pastor.
     
  • Su hijo Jacques Rouche (1862 – 1957) fue director de la Opera de París (1913 – 1945) y bastante más famoso que su padre… excepto para los alumnos de matemáticas.
FUENTES CONSULTADAS
http://www.educared.org/global/premiointernacional/finalistas/710/biograf/Brouche.html

Teorema de Rouché-Fröbenius

La condición necesaria y suficiente para que un sistema de m ecuaciones y n incógnitas tenga solución es que el rango de la matriz de los coeficientes y el de la matriz ampliada sean iguales.
  • r = r'               Sistema Compatible.
    • r = r'= n   Sistema Compatible Determinado.
    • r = r'≠ n   Sistema Compatible Indeterminado.
  • r ≠ r'               Sistema Incompatible.
Estudiar y resolver, si es posible, el sistema:
sistema
1. Tomamos la matriz de los coeficientes y le hallamos el rango.
rango
rango
r(A) = 3
2. Hallamos el rango de la matriz ampliada
matriz
determinante
r(A') = 3
3. Aplicamos el teorema de Rouché.
teorema de Rouché
teorema de Rouché
4. Se resuelve el sistema, si éste no es incompatible, por la regla de Cramer o por el método de Gauss
Tomamos el sistema que corresponde a la submatriz de orden 3, que tiene rango 3, y lo resolvemos.
regla de Cramer
regla de Cramer
regla de Cramer

FUENTES CONSULTADAS

sábado, 21 de abril de 2012

BIOGRAFIA DE GABRIEL CRAMER



(Ginebra, Suiza, 1704-Bagnols-sur-Cèze, Francia, 1752) Matemático suizo. Fue catedrático de matemáticas (1724-1727) y de filosofía (1750-1752) en la Universidad de Ginebra. En 1750 expuso en Introducción al análisis de las curvas algebraicas la teoría newtoniana referente a las curvas algebraicas, clasificándolas según el grado de la ecuación. Reintrodujo el determinante, algoritmo que Leibniz ya había utilizado al final del siglo XVII para resolver sistemas de ecuaciones lineales con varias incógnitas. Editó las obras de Jakob Bernoulli y parte de la correspondencia de Leibniz.

miércoles, 28 de marzo de 2012

TEOREMA DE ROUCHE



Antes de proceder a resolver un sistema de ecuaciones lineales, tenemos que dar respuesta a las siguientes preguntas: ¿El sistema tiene solución, es decir, es compatible? En caso afirmativo: ¿Tiene una solución o infinitas? Para responderlas, una de las herramientas que podemos utilizar es la que proporciona el Teorema de Rouché-Fröbenius, cuyo enunciado es el siguiente:
Consideremos un sistema de m ecuaciones lineales con n incógnitas, cuya expresión general es la siguiente:
 
Sean A la matriz del sistema y A* la matriz ampliada del sistema (con los términos independientes).
La condición necesaria y suficiente para que un sistema de m ecuaciones lineales con n incógnitas sea compatible es que el rango de la matriz de los coeficientes de las incógnitas (A) sea igual al rango de la matriz ampliada con los términos independientes (A*). Es decir: rango (A) = rango (A*).
Si el valor común de los rangos coincide con el número de incógnitas, el sistema es compatible determinado. Si, por el contrario, el valor de los rangos es menor que el número de incógnitas el sistema es compatible indeterminado.
En resumen:
  • Si rango (A) = rango (A*) = n (número de incógnitas), el sistema es compatible determinado (tiene una única solución).
  • Si rango (A) = rango (A*) < n (número de incógnitas), el sistema es compatible indeterminado (tiene infinitas soluciones).
  • Si rango (A) # rango (A*), el sistema es incompatible (no tiene solución).
Un caso particular es el de los sistemas homogéneos, es decir, aquellos en los que todos los términos independientes son nulos. Pues, en este caso, las matrices A y A* son semejantes a efectos del cálculo del rango, dado que la matriz A* es la matriz A a la que se le añade una columna de ceros, que podemos suprimir para calcular el rango. Por lo tanto, siempre se cumple que rango (A) = rango (A*). Esto quiere decir que todos los sistemas homogéneos son siempre compatibles. Se cumple:
  • Si rango (A) = n (número de incógnitas), el sistema es compatible determinado. Tiene una única solución, que se conoce con el nombre de solución trivial. Es aquella en la que todas las incógnitas son nulas (0).
  • Si rango (A) < n (número de incógnitas), el sistema es compatible indeterminado (tiene infinitas soluciones).
Una vez realizada la "discusión o identificación del sistema", aplicaremos alguno de los métodos que desarrollaremos en los epígrafes posteriores. No obstante, es preciso tener en cuenta las siguientes observaciones:
  • Si el sistema es compatible determinado, el valor común de los rangos indica el número de ecuaciones principales, es decir, aquellas que no dependen de las restantes.
  • Si el sistema es compatible indeterminado, (rango (A) = rango (A*) = k < n) el valor común de los rangos (k ) indica tanto el número de ecuaciones independientes o principales, como el número de incógnitas principales. Las restantes incógnitas (no principales) n - k las pasaremos al segundo miembro formando un único término junto al término independiente. Siguiendo este procedimiento obtendremos un sistema de k ecuaciones lineales con k incógnitas (principales), al que aplicaremos uno de los procedimientos que estudiaremos en los siguientes apartados: Regla de Cramer, Método de Gauss o, por la matriz inversa.