1/18

TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 1
EL NMERO NATURAL. SISTEMAS DE NUMERACIN.
1. Introduccin.
2. Construccin de !.
2.1. Definicin Axiomtica.
2.2. Forma Constructiva.
3. Adicin de Nmeros Naturales.
3.1. Definicin.
3.2. Propiedades.
3.2.1. Asociativa.
3.2.2. Existencia de Elemento Neutro.
3.2.3. Conmutativa.
4. Producto de Nmeros Naturales.
4.1. Definicin.
4.2. Propiedades.
4.2.1. Distributiva del Producto respecto de la Adicin.
4.2.2. Existencia de Elemento Absorbente.
4.2.3. Existencia de Elemento Neutro.
4.2.4. Conmutativa.
4.2.5. Asociativa.
4.3. Conclusiones.
5. Orden en !.
6. Otras propiedades de !.
7. Conjuntos Finitos.
8. Divisin Eucldea.
9. Sistemas de Numeracin.
9.1. Cambio de sistemas de numeracin.
Bibliografa.
2/18
TEMA 1
EL NMERO NATURAL. SISTEMAS DE NUMERACIN.
1. INTRODUCCIN.
Los nmeros naturales aparecen debido a la necesidad que tiene el hombre de
contar. Un nmero cualquiera como el 5 es una abstraccin, es una determinada
propiedad de algunos conjuntos.
Podemos construir los nmeros naturales de dos maneras:
a) Desde el punto de vista axiomtico.
b) De manera constructiva, con ayuda de la Teora de Conjuntos.
2. CONSTRUCCIN DE ! !.
2.1. Definicin Axiomtica.
Construimos ! con un nmero infinito de elementos, todos ellos distintos, llamados
nmeros naturales.
!={0, 1, 2, 3, 4,}
Cada uno de los smbolos anteriores, excepto el que figura en primer lugar, es el
siguiente de aquel que le precede.
Se verifican los siguientes axiomas, llamados postulados de Peano:
Axioma 1: 0!!
Axioma 2: A cada nmero a!! se le asigna un siguiente s(a)=a* que tambin es
natural y se verifica:
"a; a!! # $S(a)!! / "a; a!! % "b; b!!, si a=b # S(a)=S(b)
Axioma 3: No existe ningn natural cuyo siguiente sea el 0.
"a; a!! # S(a)&0
Axioma 4: "a, b!! S(a)=S(b) # a=b
Axioma 5 (de induccin matemtica o induccin completa):
"K, K'! / 0!K y "a, a!K # S(a)!K # K=!
Tambin es posible establecer el uno 1 como primer nmero natural, siendo la
construccin la misma.
3/18
PROPIEDADES
1) "a, b!!, si a&b # a*&b* (axioma 4)
2) "a!! # a&a* (axioma 5)
Construimos K={a / a!! y a&a*}
Veamos que K'!. Por el axioma 3: 0!K.
Supongamos que a!K # a*&(a*)* # a*!K # K!!
3) "a!! y a&0 # $b!! / a=b*
Construimos K={0}({a!!; $b!! ) a=b*}
K&0, ya que 0!K. Supongamos a!K, como K contiene todos los siguientes,
a*!K # K=!
2.2. Forma Constructiva.
DEF Si K es un conjunto, llamamos siguiente de K al conjunto K*=K({K}
A partir de este momento designaremos al conjunto * por el smbolo 0.
* = 0
0* = 0({0} = {0} = 1
1* = 1({1} = {0, 1} = 2
2* = 2({2} = {0, 1}({2} = 3

Hemos de asegurarnos de que este proceso puede continuar de forma indefinida y

que llegamos a obtener un determinado conjunto infinito. Para ello necesitamos el
Axioma del Infinito.
AXIOMA DEL INFINITO
Existe al menos un conjunto K
0
que cumple:
a) 0!K
0
b) a!K
0
# a*!K
0
(Decimos que K
0
es recurrente)
Sea ahora K la familia de todos los conjuntos que verifican el axioma anterior
(conjuntos recurrentes) y llamamos !=)K con K!K.
! es no vaco, ya que al menos existe un conjunto recurrente.
! es recurrente (es trivial su comprobacin).
4/18
! es el conjunto recurrente ms pequeo, ya que si K es un conjunto recurrente, por
definicin de ! se tiene que verificar que N'K.
El conjunto ! definido anteriormente verifica los axiomas de Peano vistos
anteriormente.
Por la construccin de !, los axiomas 1, 2 y 5 son evidentes.
El axioma 3 se verifica si tenemos en cuenta que n*=n({n}=*, entonces {n}=* y
de aqu n!*, lo que no tiene sentido.
Para poder comprobar el axioma 4 necesitamos de unos resultados previos:
DEF Un conjunto K es Transitivo + "a (a!K # a'K)
LEMA Todo nmero natural es transitivo
dem.
Vamos a realizar la demostracin por induccin.
Llamamos C={n!! / n es transitivo}
1) 0!C, porque 0 es vaco y se cumple la condicin por vacuidad.
2) Supongamos que n!C, entonces
m!n # m'n'n* # m'n*
m!n* # n*!C # C=! c.q.d.
m=n # m=n'n* # m'n*
Podemos Probar ya el Axioma 4.
Supongamos m*=n* y supongamos m&n
Entonces m!m*=n*=n({n}, lo que implica m!n pues m&n y tambin
n!n*=m*=m({m}, lo que implica n!m
Se tiene m!n y n!m y como ambos son transitivos se verifica que n'm y m'n
y por tanto m=n, lo cual es una contradiccin.
3. ADICIN DE NUMEROS NATURALES.
3.1. Definicin.
Sea f:!x!,-! tal que "(x,y)!!x!, f(x,y)!! verificando:
1) f(x,0)=x, "x!!
2) f(x,y*)=[(f( x,y)*] "x,y!!
5/18
Esta aplicacin existe y es nica.
dem.
1) Existencia
Sea M={x!! / $f
x
:{x}x!,-!, verificando f
x
(x,0)=x, f
x
(x,y*)=[f
x
(x,y)]*, "y!!}
0!M, ya que f
0
:{0}x!,-! / f
0
(0,y)=y, "y!!.
f
0
(0,0)=0, f
0
(0,y*)=y*=(f
0
(0,y))*, "y!!
Supongamos que x!M, x*!M?
f
x*
:{x*}x!,-! / f
x*
(x*,0)=x*, f
x*
(x*,y*)=[ f
x*
(x*,y)]*
Esta f
x*
ser f
x*
(x*,y)=[ f
x
(x,y)]* # x*!M, por tanto M=!
Como esto se verifica "x!!, podemos garantizar que $f:!x!,-!
2) Unicidad
Supongamos M
x
={y!! / f(x,y)=g(x,y)}, x!! con f y g satisfaciendo las
condiciones 1) y 2).
0!M
x
?, f(x,0)=g(x,0)=x
Si y!M
x
, y*!M
x
?
f(x,y*)=[f(x,y)]*=[g( x,y)]*=g( x,y*) # y*!M
x
Luego M
x
=!, y como esto es "x!! # f=g
Por tanto, "(x,y)!! podemos obtener f(x,y). A esta aplicacin se le conoce con el
nombre de adiccin de nmeros naturales. Se simboliza por +.
Definicin axiomtica:
La aplicacin de nmeros naturales es una aplicacin +:!x!,-! tal que
"(x,y)! !x! existe un nico nmero, llamado x+y=+(x,y) tal que:
1) +(x,0)=x+0=x
"x,y!!
2) +(x,y*)=x+y*=(x+y)*
Se Verifica:
1) "x!!, x+1=x*
6/18
2) x+y=0 + x=0%y=0
3.2. Propiedades.
3.2.1. Asociativa.
"a,b,c!!, se tiene :(a+b)+c=a+(b+c)
Para la demostracin definiremos un conjunto M formado por todos los numeros
naturales que verifican la propiedad. Comprobaremos que M=!
Sea M={x!! / (a+b)+x=a+(b+x) "a,b!!}
0!M, ya que (a+b)+0=a+b=a+(b+0)
Supongamos que x!M # (a+b)+x*=((a+b)+x)*=(a+(b+x))*=a+(b+x*)
Luego x*!M # M=!
3.2.2. Existencia de Elemento Neutro.
$0!! / "x!! # x+0=0+x=x
Sea el conjunto M={x!! / x+0=0+x}
0!M, trivialmente.
si x!M # Comprobemos que x*!M
x*+0=x*=(x+0)*=(0+x)*=0+x* # x*!M y por tanto M=!
3.2.3. Conmutativa.
"a,b!! se verifica: a+b=b+a
Sea el conjunto A={x / x!!, x+1=1+x}
0!A, trivialmente.
si z!A # z*+1=(z+1)+1=(1+z)+1=1+(z+1)=1+z* # A=!
Sea el conjunto B=={x / x!!, x+a=a+x}
0!B, ya que 0 es el elemento neutro.
Comprobemos que z*!B
a+z*=a+(z+1)=(a+z)+1=(a+z)*=(z+a)*=(z+a)+1=z+(a+1)=z+(1+a)=
=(z+1)+a=z*+a # B=!
Con estas tres propiedades tenemos que (!,+) es semigrupo aditivo de los nmeros
naturales.
Para ser un grupo le falta tener la propiedad de Elemento Opuesto.
7/18
4. PRODUCTO DE NMEROS NATURALES.
4.1. Definicin.
Sea f:!x!,-! / "(x,y)!!x!, f(x,y)!!, verificando:
a) f(x,0)=0, "x!!
b) f(x,y*)=f(x,y)+x, "x,y!!
Esta aplicacin existe y es nica.
dem.
1) Existencia.
Sea M={x!! / $f
x
:{x}x!,-!, verificando f
x
(x,0)=0, f
x
(x,y*)=f
x
(x,y)+x, "y!!}
0!M, pues si definimos f
x
como la aplicacin nula f
0
, verifica las condiciones.
Supongamos que x!M y vamos a comprobar que x*!M
f
x*
:{x*}x!,-! / f
x*
(x*,0)=0, f
x*
(x*,y*)=f
x*
(x*,y)+x*
Esta f
x*
ser f
x*
(x*,y)=f
x
(x,y)+y; As definida veamos que cumple las dos
condiciones para pertenecer a M
1) f
x*
(x*,0)=f
x
(x,0)+0=f
x
(x,0)=0
2) f
x*
(x*,y*)=f
x
(x,y*)+y*= f
x
(x,y)+x+y*= f
x
(x,y)+x+(y+1)=
f
x
(x,y)+(x+1)+y= f
x
(x,y)+x*+y= f
x
(x,y)+y+x*= f
x*
(x*,y)+x*
Por tanto x*!M lo cual implica que M=!
2) Unicidad.
Supongamos que existen f y g dos funciones verificando las dos condiciones del
producto.
Sea M={y!! / f
x
(x,y)=g
x
(x,y) "x!!} Comprobemos que M=!
0!M ya que f
x
(x,0)=0=g
x
(x,0) "x!!
Supongamos que y!M y veamos que y*!M
f
x
(x,y*)=f
x
(x,y)+x=g
x
(x,y)+x=g
x
(x,y*)
Por tanto M=! lo cual significa que f=g
Se simboliza por
8/18
Definicin Axiomtica de multiplicacin de nmeros naturales:
A cada par x e y se le asocia uno y slo un nmero natural, que designaremos
por xy=(x,y) y que se llama producto de x por y, y verifica:
a) x0=0 "x!!
b) xy*=xy+x, "x,y!!
Se verifica que x1=x "x!!
4.2. Propiedades.
4.2.1. Distributiva de la multiplicacin respecto de la adicin.
Distributiva por la derecha (a+b)c=ac+bc
"a,b,c!!
Distributiva por la izquierda c(a+b)=ca+cb
Para la demostracin definiremos un conjunto M formado por todos los numeros
naturales que verifican la propiedad. Comprobaremos que M=!
Sea el conjunto M={x / x!!, (a+b)x=ax+bx}
0!M ya que (a+b)0=0=a0+b0
Supongamos que z!M, comprobemos que z*!M
(a+b)z*=(a+b)z+(a+b)=az+bz+a+b=az+a+bz+b=az*+bz*
Por tanto M=! (anlogamente por la izquierda).
4.2.2. Existencia de Elemento Absorbente en (! !,)
El cero 0 es el elemento absorbente de (!,) pues
"b!! se verifica b0=0=0b
ab+0=ab=(a+0)b=ab+0b # 0b=0 Como b0=0 # b0=0b
Una demostracin alternativa puede ser:
b0=b(0+0)=b0+b0 # b0=0
Anlogamente para 0b=0
4.2.3. Existencia de Elemento Neutro en (! !,).
El uno 1 es el elemento neutro ya que verifica a1=a=1a
Para comprobarlo definimos M={x!! / 1x=x}
9/18
0!M, ya que es el elemento neutro: 10=0
Supongamos que z!M y comprobemos que z*!M
1z*=1(z+1)=1z+1=z1+1=z+1=z*
Por tanto z*!M # M=!
4.2.4. Conmutativa.
ab=ba "a,b!!
Sea M={x!! / ax=xa "a!!}
0!M, trivialmente.
Supongamos que z!M
az*=a(z+1)=az+a=a+az=a+za=(1+z)a=z*a
Entonces M=!
4.2.5. Asociativa.
(ab)c=a(bc) "a,b,c!!
Sea M={x!! / (ab)x=a(bx)}
Como (ab)0=0= a(b0)=a0 # 0!M
Supongamos que x!M. Veamos que x*!M
(ab)x*=(ab)(x+1)=(ab)x+ab=a(bx)+ab=a(bx+b)=a(b(x+1))=a(bx*)
Entonces x*!M
Por lo tanto M=!
Teniendo en cuenta las propiedades de la adicin y la multiplicacin de nmeros
naturales, podemos decir que (!,+,) es un semianillo conmutativo con elemento
unidad.
4.3. Conclusiones.
1) En (!,) no existen divisores de cero.
m&0 y n&0 # mn&0
2) Ley de Simplificacin.
10/ 18
a) Si a+b=a+c # b=c "a!!
b) Si ab=ac # b=c "a!!-{0}
3) Ley de Monotona
a) Si a=b # a+c=b+c "c!!
b) Si a=b # ac=bc "c!!
5. ORDEN EN ! !.
DEF Dados los nmeros naturales a y b, se dice que a es menor que b y se escribe
a<b, si y slo si existe un nmero natural c (con c&0), tal que a+c=b
a<b + $c!!-{0} / a+c=b
La relacin as definida es una relacin de orden estricto (verifica las propiedades
antirreflexiva, antisimtrica y transitiva).
Es Antirreflexiva porque dado a!!, $c!!-{0} / a+c=a
Es Antisimtrica: a<b y b<a son mutuamente excluyentes.
Es transitiva: Si a<b y b<c # $d,e!! / a+d=b y b+e=c # (a+d)+e=c # a+(d+e)=c
y como (d+e)!! # a<c
PROPIEDADES
1) "n!!, n&0 # 0<n
2) "m,n!!, se cumple slo una de las siguientes relaciones: m=n, m<n, n<m
! es un conjunto estrictamente ordenado por la relacin <
DEF Dados a,b!!, se dice que a es menor o igual que b, a.b, sii a<b a=b
a.b + a<b o a=b
Teniendo en cuenta esta definicin y la anterior, podramos decir que:
a.b + $c!! / a+c=b
Ntese que ahora c puede tomar el valor 0.
. es una relacin de orden total en ! (verifica las propiedades reflexiva,
antisimtrica y transitiva) y todos los nmeros en el conjunto ! son comparables.
PROP . es una relacin de orden total en !. Todos los nmeros en el conjunto ! son
comparables.
dem.
11/ 18
Para comprobar que es una relacin de orden hemos de comprobar que se
verifican las propiedades reflexiva, antisimtrica y transitiva.
1) Reflexiva: a.a ya que a+0=0 "a!!.
2) Antisimtrica:
Como a.b # $c!! / a+c=b
Como b.a # $d!! / b+d=a
Entonces a+c+d=a y por tanto c+d=0 lo que signifi-
ca que c=d=0 y por tanto a=b
3) Transitiva:
Como a.b # $d!! / a+d=b
Como b.c # $e!! / b+e=c
De ambas expresiones obtenemos a+(d+e)=c
Y como d+e!! # a.c
6. OTRAS PROPIEDADES DE ! !.
PROP El conjunto ! con la relacion . est bien ordenado. Es decir, todo subconjunto C
de ! tiene elemento mnimo (Se entiende por elemento mnimo m!C / m.c "c!C).
dem.
Tenemos C'! con C&*.
Podemos encontrarnos dos situaciones:
1) 0!C. En este caso 0=minC
2) 0/C
Sea el conjunto A={x!! / x<c "c!C}
Veamos que A)C=*
"x!A y "c!C $d>0 / x+d=c # x&c "c!C # x/C # A)C=*
Luego A&!
0!A, por tanto A es no recurrente
Debe existir a
0
!A / a
o
* /A
Como a
0
<c "c!C (por definicin de A) sera a
0
*.c "c!C
Y como no puede suceder que a
0
*<c "c!C (si sucede tendramos que
a
0
*!A) $c
0
!C / c
0
=a
0
*=minC
12/ 18
OBS La relacin de orden es compatible con las operaciones suma y producto
definidas anteriormente:
1) a.b # a+c . b+c "c!!
2) a.b # ac . bc "c!!
TEOREMA DEL EXTREMO
Toda parte A de ! no vaca y acotada superiormente tiene elemento mnimo.
dem.
Sea S el conjunto formado por las cotas superiores de A.
Teniendo en cuenta la propiedad anterior,
$s
0
!S / s
0
=minS
Si s
0
=0 # A={0} y 0=maxA
Si s
0
&0 # s
0
=maxA ya que el anterior, r
0
, a s
0
no sera cota superior, lo
que significa que $a
0
!A / r
0
<a
0
# r
0
*=s
0
.a
0
y por tanto s
0
!A
7. CONJUNTOS FINITOS.
DEF Dado n!! se llama seccin S(n) al conjunto S(n)={m!! / m<n}
DEF A es un conjunto finito si puede ponerse en correspondencia biyectiva con
alguna seccin S(n). Diremos que n=Card(A)
PROP ! es no finito.
dem.
Vamos a realizar la demostracin por reduccin al absurdo.
Supongamos que ! es finito.
$n!! / S(n) y ! se pueden poner en correspondencia biyectiva.
Sea 0:S(n)- ! biyectiva.
Si 0(m)=a (siendo m*=n), obtendramos una biyeccin 1 entre S(m) y !-{a},
pero tambin podramos poner ! y !-{a} en correspondencia biyectiva, por ejemplo
con 2:!-!-{a} donde
3
4
5
. +
<
=
j a si j
a j si j
j
1
) ( !
Componiendo 1 y 2 obtenemos una biyeccin entre S(m) y S(n) lo que es una
contradiccin (recordemos que m&n).
13/ 18
8. DIVISIN EUCLDEA.
PROP Dados D,d!! con d&0, existen c,r!! nicos verificando D=dc+r con r<d.
dem.
Si D=0 la demostracin es inmediata.
Supongamos que D&0
Existencia
El conjunto A={x!! / dx.D} es no vaco y est, trivialmente, acotado
superiormente. Por tanto $c=max A.
Para ese valor c se verifica:
Dc.D y D<d(c+1), luego $r!! / D=dc+r siendo r<d
Unicidad
Supongamos que D=dc+r=dc+r y r.r
Entonces $h!! / r+h=r
Sustituyendo dc+r=dc+r+h # dc . dc # $m!! / c+m=c
Sustituyendo dm=h # m=h=0 ya que si no se tendra r+dm=r>d, en
contradiccin con la hiptesis.
9. SISTEMAS DE NUMERACIN.
Tenemos la necesidad de buscar un conjunto de palabras, smbolos y reglas que nos
permitan la utilizacin de los nmeros naturales con precisin y comodidad, ya que este
conjunto es infinito.
Llamamos Sistemas de Numeracin al conjunto de reglas y convenios que
utilizamos para nombrar y escribir los nmeros, empleando la menor cantidad posible
de palabras y smbolos.
Los smbolos se llaman cifras o dgitos del sistema, y el cardinal del conjunto de
smbolos utilizados recibe el nombre de base del sistema.
El sistema de numeracin ms usado es el decimal, que se caracteriza por:
a) Utilizar diez cifras: 0, 1, 2, 3, 4, 5, 6, 7, 8 y 9
b) Tener de base el n 10, es decir, 10 unidades de un orden determinado
determinan una unidad de orden inmediato superior.
c) Se basa en el principio del valor relativo. El valor relativo de una cifra viene
dado por el lugar que ocupa la cifra (unidades, decenas, centenas,)
14/ 18
TEOREMA FUNDAMENTAL DE LA NUMERACIN.
Sea b!! con b>1. Entonces todo n!! se puede expresar de forma nica como
n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
con n
0
, n
1
, n
2
,,n
p
!!, n
p
&0 y n
i
<b "i:1,..,p
dem.
Existencia (de la expresin).
Si n<b # n=nb
0
y hemos terminado.
Supongamos que n6b.
Efectuamos la divisin eucldea de n por b obteniendo
n=bc
1
+n
0
con 0<c
1
<n y 0.n
0
<b
Si c
1
<b la expresin buscada sera n=n
0
+c
1
b
Si c
1
6b realizamos la divisin eucldea de c
1
por b
c
1
=bc
2
+n
1
con 0<c
2
<c
1
y 0.n
1
<b
Si c
2
<b la expresin buscada sera n=b[bc
2
+n
1
]+n
0
=c
2
b
2
+n
1
b+n
0
Si c
2
6b se repite el proceso anterior
Repitiendo el proceso p veces hasta llegar a que c
p
<b obtendramos la expresin
para n buscada sin ms que llamar n
p
=c
p
Unicidad (de la expresin)
Veamos ahora que la expresin obtenida para n es nica. Vamos a suponer que
existe otra: n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
r
b
r
donde no tiene por qu r=p
Escribiendo n=n
0
+b(n
1
+n
2
b+n
3
b
2
++n
r
b
r-1
)
Tenemos que n
0
es el resto que se obtiene al dividir n por b
Pero como la divisin eucldea nos da valores nicos, resulta que n
0
=n
0
Repitiendo el proceso con n
1
+n
2
b+n
3
b
2
++n
r
b
r-1
como dividendo y b como
divisor obtenemos que n
1
=n
1
.
Iterando, llegamos a poder afirmas que r=p y n
i
=n
i
"i:1,,p. Luego ambas
expresiones de n son la misma y por tanto es nica.
Notacin Por convenio, escribimos el nmero n como n=n
p
n
p-1
n
2
n
1
n
0
teniendo
en cuenta que cada una de las cifras o dgitos representa un conjunto de unidades del
orden indicado por el lugar que ocupa.
15/ 18
PROP Sea n=n
p
n
p-1
n
2
n
1
n
0
un nmero escrito en base b. Si multiplicamos el nmero
n por una potencia cualquiera de la base, entonces
nb
k
= n
p
n
p-1
n
2
n
1
n
0
000 con k ceros
dem.
Como n=n
p
n
p-1
n
2
n
1
n
0
, escribiendolo de forma polinmica tenemos
n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
Si multiplicamos los dos miembros de la expresin por b
k
queda:
nb
k
=n
0
b
k
+n
1
b
k+1
+n
2
b
k+2
+n
3
b
k+3
++n
p
b
k+p
y completando el polinomio:
nb
k
=0+0b+0b
2
++0b
k-1
+n
0
b
k
+n
1
b
k+1
+n
2
b
k+2
+n
3
b
k+3
++n
p
b
k+p
volviendo a escribir n segn el convenio establecido, obtenemos la expresin
buscada.
PROP n en base b tiene p+1 cifras + b
p
.n<b
p+1
dem.
#
Escribiendo n en forma polinmica tenemos
n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
Como n
p
&0 # b
p
.n
p
b
p
.n # b
p
.n
Sabemos que n
0
<b # n
0
+n
1
b < b+n
1
b=b(1+n
1
)
Como n
1
<b # n
1
+1.b # b(1+n
1
).b
2
De ambas expresiones obtenemos n
0
+n
1
b<b
2
Reiterando el proceso llegamos a que n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
<b
p+1
o lo que es lo mismo n<b
p+1
7
Supongamos que n en base b no tiene p+1 cifras.
Si n tiene p cifras, aplicando la condicin necesaria tendramos que b
p-1
.n<b
p
lo que no es cierto segn la hiptesis.
Si n tiene p+2 cifras, tendramos b
p+1
.n<b
p+2
igualmente contrario a la
hiptesis.
Luego n debe tener p+1 cifras.
16/ 18
PROP Sean n y n dos nmeros en base b que tienen p y p cifras respectivamente.
Entonces p<p # n<n
dem.
Si p<p # p.p-1
Segn la propiedad anterior: b
p-1
.n<b
p
b
p-1
.n<b
p
# n<b
p
.b
p-1
De ambas expresiones tenemos n<b
p-1
.n<b
p
luego n<n
PROP Si n y n tienen el mismo nmero de cifras y estn escritos en la misma base b.
Entonces n<n si y solo si la primera cifra de n distinta de la correspondiente de n es
menor que sta.
dem.
#
Es evidente, ya que si n<n y tienen el mismo nmero de cifras, existir una en
el nmero n que sea mayor que la que ocupa el mismo lugar en el nmero n.
7
Sean n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
n'=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
Supongamos que n
k
=n
k
"k:i+1,,p
Eso significa que la primera cifra diferente son n
i
y n
i
y que se verifica n
i
<n
i
Entonces n
i
+1.n
i
Tomando ahora los polinomios parciales obtenidos de los anteriores donde
hemos eliminado las primeras cifras iguales:
n*= n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
i
b
i
6 n
i
b
i
6 (n
i
+1)b
i
= n
i
b
i
+b
i
>
> n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
i
b
i
= n*
Por tanto n>n
9.1. Cambio de Sistemas de Numeracin.
a) Dado un nmero en una base cualquiera b, hallar su expresin en base decimal.
Sea n=n
p
n
p-1
n
2
n
1
n
0
en base b.
Escrito en forma polinmica tenemos: n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
Efectuando las operaciones indicadas en la expresin de n obtenemos el nmero
decimal equivalente.
17/ 18
Tambin podemos calcular el valor del polinomio con slo obtener el resto de la
divisin del polinomio por la base, utilizando para ello la regla de Ruffini.
b) Dado un nmero en base 10, hallar su expresin en una base cualquiera b.
Dado el nmero n en base 10, consiste en calcular los coeficientes del polinomio
n=n
0
+n
1
b+n
2
b
2
+n
3
b
3
++n
p
b
p
Basta dividir el nmero sucesivamente hasta conseguir un cociente que sea menor
que b. El nmero en base b estar formado por el ltimo cociente y la sucesin de restos
obtenida en orden inverso.
c) Dado un nmero n en base b, hallar su expresin en otra base b.
Este cambio se realiza pasando el nmero n en base b a base decimal y luego de
base decimal a base b.
9.2. Operaciones bsicas entre nmeros en una base cualquiera.
a) Suma.
En un sistema de base b, para sumar dos nmeros se procede de forma anloga a
como se hace en el sistema decimal.
En cualquier base se usan las mismas reglas ya establecidas para el sistema
decimal.
b) Producto.
Las reglas de la multiplicacin en una base cualquiera son anlogas a las del
sistema decimal. Es necesario saber las tablas de multiplicar para los nmeros menores
que la base.
9.3. Sistemas de Numeracin ms utilizados.
El sistema binario (base 2) es el ms utilizado como lenguaje interno de los
ordenadores (cdigo mquina). Los smbolos que utiliza son 0 y 1.
Debido a la cantidad de dgitos que se requieren para representar en binario la
informacin en un ordenador, se recurre a usar los sistemas octal y hexadecimal.
El sistema octal es el sistema de numeracin en base 8 y utiliza por tanto ocho
smbolos para representar las cantidades. Los smbolos utilizados son 0, 1, 2, 3, 4, 5, 6 y
7. Cada cifra octal corresponde a tres dgitos binarios.
El sistema hexadecimal es el sistema de numeracin en base 16 y utiliza dieciseis
smbolos para representar las cantidades. Los smbolos utilizados son 0, 1, 2, 3, 4, 5, 6,
7, 8, 9, A, B, C, D, E y F. Cada cifra hexadecimal corresponde a 4 dgitos binarios.
18/ 18
Bibliografa.
Matemticas Bsicas, curso de acceso. UNED
Estructura y tecnologa de Computadores I. UNED.
Anlisis Matemtico I. Aut: J. A. Fernndez Via
Anlisis Matemtico. Aut. Julio Rey Pastor, Pedro Pi, Cesar Trejo. Ed. Kapelusz
Anlisis Matemtico I. Aut. Jess Fernndez Novoa. Ed. UNED
1/17
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 2
FUNDAMENTOS Y APLICACIONES DE LA TEORIA DE GRAFOS.
DIAGRAMAS EN ARBOL.
1. Introduccin.
2. Definicin de grafo.
2.1. Grafo Simple.
2.2. Grafo General.
2.3. Grafo Orientado.
2.4. Grafo Nulo.
2.5. Grafo Completo.
2.6. Grafo Regular.
2.7. Grafo Bipartido.
3. Operaciones entre Grafos.
3.1. Isomorfismos y homomorfismos.
3.2. Combinaciones.
3.3. Supresiones y Contracciones.
3.4. Complementos.
4. Trayectorias. Grafos Eulerianos y Hamiltonianos.
4.1. Trayectorias.
4.2. Los puentes de Knigsberg.
4.3. Grafos Eulerianos.
4.4. Grafos Hamiltonianos.
5. Matrices y Grafos.
5.1. Matriz de Adyacencia.
5.2. Matriz de Incidencia.
6. Planaridad y dualidad.
6.1. Grafos Planares.
6.2. Grafos Duales.
7. Diagramas en rbol.
7.1. La enumeracin de rboles.
8. Coloreado de Grafos.
9. Aplicaciones de la teora de Grafos.
9.1. El teorema matrimonial de Hall.
9.2. El teorema de Menger.
9.3. La teora de matroides.
2/17
TEMA 2
FUNDAMENTOS Y APLICACIONES DE LA TEORIA DE GRAFOS.
DIAGRAMAS EN ARBOL.
1. INTRODUCCIN.
La teora de grafos, que naci como una rama de la Topologa, se ha convertido hoy
en da en una herramienta matemtica indispensable en campos tan diversos como la
investigacin operativa, la lingstica, la qumica, la fsica, la gentica, la teora de redes
o la teora de la decisin.
Es por ello, que para casi cualquier rama de la ciencia, se hace indispensable el
conocimiento, a travs de conceptos globales, de las ideas bsicas que sustentan a la
denominada teora de grafos.
Este tema tiene por objetivo introducir al lector en estos conocimientos bsicos a
travs de una breve pero, esperamos, clara exposicin de las lneas generales de esta
teora.
2. DEFINICIN DE GRAFO.
Se denomina grafo G al par (V(G), E(G)), en el que V(G) es un conjunto no vaco
de elementos denominados vrtices (tambin llamados nodos o puntos) y E(G) es un
conjunto finito de pares no ordenados de elementos de V(G) denominados aristas
(igualmente lneas). Al conjunto de elementos de V(G) se le denomina conjunto de
vrtices y al conjunto de elementos de E(G) conjunto de aristas.
As, sea el conjunto de vrtices V(G)={u, v, w, z} y el conjunto de aristas
E(G)={{u, v}, {u, w}, {w, z}}, se dice que {u, v} es la arista que une los puntos u y v, y
se le designa de forma abreviada por uv. Si u=v la arista recibe el nombre de lazo. La
representacin de dicho grafo es la siguiente:
Se dice que dos vrtices u y w de un grafo G son
adyacentes si el grafo contiene una arista que los une.
Se dice tambin que los vrtices son incidentes en
dicha arista. Anlogamente, se dice que dos aristas
son adyacentes si tienen, al menos, un vrtice en
comn.
Se denomina grado de un vrtice v de G al nmero de aristas que inciden en v, y se
designar g(v) (un lazo en v contribuye de manera doble al grado de v). A un vrtice de
grado 0 se le denomina vrtice aislado. A un vrtice de grado 1 se le denomina vrtice
terminal o extremo.
Un subgrafo de un grafo G, es un grafo cuyos vrtices pertenecen a V(G) y cuyas
aristas pertenecen a E(G).
3/17
En los siguientes apartados de este punto se expone la tipologa ms comn de los
grafos.
2.1. Grafo Simple.
Se denomina grafo simple al grafo G={V(G), E(G)} que verifica que para todo u, v
perteneciente a V(G), existe a lo sumo una nica arista {u, v} de E(G) que los une.
Grafo Simple ! ["u, v#V(G) $ %!{u, v}#E(G)]
Ejemplos de grafos simples seran los siguientes:
2.2. Grafo General.
Se denomina grafo general o simplemente grafo, al grafo G=(V(G), E(G)), con
V(G) conjunto de vrtices y E(G) conjunto de aristas.
De esta forma, un grafo general puede representar dos vrtives unidos por ms de
una arista. Igualmente, una arista no tiene porque unir dos vrtices diferentes,
pudindose hablar de la arista {u, u}. A la arista que une un vrtice consigo mismo se le
denomina Lazo.
La representacin grfica de este
tipo sera:
2.3. Grafo Orientado.
Un grafo orientado D, tambin denominados redes o digrafos, se define como un
par (V(D), A(D)), donde V(D) es un conjunto finito no vaco de elementos llamados
vrtices, y A(D) es una familia finita de pares ordenados de elementos de V(D)
llamados arcos (o aristas orientadas o di-aristas). En base a la existencia o no de lazos,
podremos hablar de digrafos generales o digrafos simples.
A continuacin se muestra el diagrama del digrafo general (V(D), A(D)), con
V(D)={u, v, w, z} y A(D)={uv, vv,uw, vw, wv, wu, wz}
4/17
2.4. Grafo Nulo.
Se denomina grafo nulo a un grafo donde
E(G) es vaco, es decir, el conjunto de aristas
es el conjunto vaco. Obviamente en este tipo
de grafo todo vrtice es aislado.
2.5. Grafo Completo.
Un grafo completo es un grafo simple en
el que cualquier par de vrtices son
adyacentes. Un grafo completo de n vrtices
tiene
2
) 1 (
2
&
=
'
'
(
)
*
*
+
, n n
n
aristas. El resultado se
obtiene por combinaciones de n vrtices
tomados de dos en dos.
2.6. Grafo Regular.
Se llama grafo regular a un grafo cuyos vrtices tienen todos el mismo grado. Si el
grado de cada vrtice es r, se tiene un grafo regular de grado r.
Todo grafo nulo es un grafo regular de grado 0. Todo
grafo completo con n vrtices es un grafo regular de
grado n-1.
Especial mencin merece un tipo de grafo regular llamado grafo platnico, grafos
formados por los cinco slidos regulares (tetraedro, cubo, octaedro, dodecaedro e
icosaedro).
2.7. Grafo Bipartido.
Sea un grafo G y sea su conjunto de vrtices
V(G) que puede ser expresado como la unin disjunta
de dos subconjuntos de vrtices V
1
y V
2
de forma que
cada arista de G une un vrtice de V
1
con otro de V
2
,
entonces se dice que G es un grafo bipartido y se
escribe G(V
1
, V
2
).
3. OPERACIONES ENTRE GRAFOS.
3.1. Isomorfismo y Homomorfismo.
Se dice que dos grafos G
1
y G
2
son isomorfos si existe una correspondencia
biunvoca entre los vrtices de G
1
y los de G
2
, con la propiedad de que el nmero de
aristas que unen cada dos vrtices de G
1
es igual al nmero de aristas que unen los
vrtices correspondientes de G
2
.
5/17
Veamos el ejemplo siguiente, donde G
1
tiene el conjunto de vrtices {u, v, w, x, y,
z} y G
2
tiene {l, m, n, p, q, r}. G
1
y G
2
son isomorfos bajo la correspondencia u-l,
v-m, w-n, x-p, y-q, z-r
Dos grafos son homomrficos (o idnticos salvo vrtices de grado 2) si ambos
pueden ser obtenidos a partir del mismo grafo insertando nuevos vrtices de grado dos
en sus aristas.
Ejemplo: Sea el grafo G representado por el siguiente diagrama:
G(V(G), E(G))
V(G)={v
1
, v
2
, v
3
, v
4
}
E(G)={v
1
v
2
, v
1
v
3
, v
3
v
2
, v
2
v
4
}
Construimos dos grafos homomrficos entre s G
1
y G
2
a partir del anterior grafo G.
Para ello, y partiendo de G, tomamos algunas de sus aristas y le insertamos un vrtice
de grado dos.
Construimos G
1
:
Sea la arista v
1
v
2
del grafo G,
insertamos un nuevo vrtice v de grado
2, de tal forma que el grafo G
1
resultante sera:
De igual manera construimos G
2
:
Sea la arista v
1
v
3
#G, insertamos el
vrtice v de grado 2 de tal forma que
el grafo resultante G
2
es:
Se concluye que G
1
y G
2
son homomrficos.
3.2. Combinaciones.
Sean dos grafos G
1
=(V(G
1
); E(G
1
)) y G
2
=(V(G
2
), E(G
2
)) con V(G
1
) y V(G
2
)
disjuntos. Se define el grafo unin como G
1
.G
2
tal que G
1
.G
2
=(V(G
1
).V(G
2
), E(G
1
),
E(G
2
)).
6/17
Se dice que un grafo es conexo si no puede ser expresado como la unin de dos
grafos, en caso contrario ser inconexo. Cualquier grafo inconexo G puede verse
expresado como la unin de un conjunto finito de grafos conexos.
Un grafo circuito es un grafo conexo regular de grado dos. El grafo circuito de n
vrtices es designado C
n
.
Igualmente, sean los grafos G
1
y G
2
, se define el grafo suma, y se denota por G
1
+G
2
como la unin de ambos grafos, trazndose a continuacin una arista entre cada vrtice
de G
1
y cada vrtice de G
2
.
Sean los grafos G
1
=(V(G
1
), E(G
1
)) con V(G
1
)={u, v, w, x, y, z} y G
2
=(V(G
2
),
E(G
2
)) con V(G
2
)={l, m, n} representados de la forma siguiente:
Se representa el grafo G
1
.G
2
de la forma:
Y el grafo G
1
+G
2
como:
3.3. Supresiones y Contracciones.
Sea F un conjunto de aristas del grafo G, se denomina G-F al grafo que se obtiene
cuando se suprime en G el conjunto de aristas F.
Anlogamente, sea H un conjunto de vrtices del grafo G, se denomina G-H al grafo
que resulta cuando se suprimen en G los vrtices que hay en H y las aristas que inciden
en ellos.
Sea el grafo G y en l la arista e, se denomina G/e al grafo obtenido de contraer en
l la arista e, es decir, eliminar la arista, identificando a continuacin sus extremos v y
w, de forma que el vrtice resultante es incidente a aquellas aristas que originalmente
eran incidentes a v y w (excepto la propia arista e). En consecuencia, se llama
7/17
contraccin de G a cualquier grafo que se obtiene a partir de G, despus de efectuar
contracciones de algunas de sus aristas.
Sea el grafo G
1
=(V(G
1
),
E(G
1
)) con V(G
1
)={u, v, w, x}
y E(G
1
)={uu, uv, vw, wu, wx,
xv} y sea F={uw, xv}, se
representa el grafo supresin G-
F de la forma siguiente:
3.4. Complemento.
Sea G un grafo simple, cuyo conjunto de vrtices es V(G), el complemento(G) de G
(denotado por G ) es el grafo simple que tiene a V(G) como conjunto de vrtices, en el
cual dos vrtices son adyacentes si y slo si no son adyacentes en G.
Con el grafo G definido en el
apartado anterior, se construye el grafo
complemento de G de la siguiente
forma:
4. TRAYECTORIAS. GRAFOS EULERIANOS Y HAMILTONIANOS.
4.1. Trayectorias.
Sea una secuencia de aristas v
0
v
1
, v
1
v
2
,..., v
m-1
v
m
, en la que todas las aristas son
diferentes, entonces se le denomina cola. Si adems los vrtices v
0
, v
1
,..., v
m
, son
diferentes (excepto el primero y el ltimo que pudieran coincidir), la secuencia de
aristas resultante se llama trayectoria. Una trayectoria es cerrada si v
0
=v
m
, y una
trayectoria cerrada que posee al menos un lado es denominada circuito.
Los siguientes ejemplos ilustran estas definiciones:
Cola:
Trayectoria:
8/17
Trayectoria cerrada:
Al vrtice v
0
se le denomina vrtice inicial y al v
m
vrtice final. La longitud de una
secuencia de aristas es el nmero de aristas que posee.
TEOREMA: Si G(V
1
, V
2
) es un grafo bipartido, todo circuito en G tiene longitud
par.
TEOREMA: Sea G un grafo simple de n vrtices, si G tiene k componentes
(subgrupos disjuntos) el nmero de aristas de G cumple la siguiente relacin:
) 1 )( (
2
1
+ & & / / & k n k n m k n m = nmero de aristas
Se denomina conjunto desconectador de un grafo conexo G al conjunto de aristas
de G cuya eliminacin desconecta a G. Un conjunto corte ser un conjunto
desconectador del que ningn subconjunto suyo es un conjunto desconectador.
Sea el grafo G, donde V(G)={v, w, x, y, z} y E(G)={vw, vx, wy, yz, wx, wz, xy,
xz}, el conjunto de aristas D={wy, wz, xy, xz} es un conjunto desconectador de G, ya
que si en G procedemos a la eliminacin de las aristas de D queda el grafo inconexo que
a continuacin se expone.
4.2. Los Puentes de Knigsberg.
En el siglo XVIII, la ciudad de Knigsberg, en Prusia, tena dos islas y siete puentes
segn indica la figura:
El alcalde de la ciudad escribi a
Euler plantendole la siguiente cuestin:
Es posible que una persona cruce los
siete puentes pasando por cada uno de
ellos una sola vez?
9/17
Euler prob que era imposible lo que el alcalde propona. Sustituy la isla y las
orillas por puntos y los puentes por lneas que unan dichos puntos, obteniendo as el
siguiente grafo:
El grafo ser recorrible si existe un
camino que contenga todos los vrtices
y que pase por cada arista exactamente
una vez.
Supongamos que haya un camino que no empiece ni termine en un vrtice u. Cada
vez que el camino llegue a u debe de salir por otro que no haya sido utilizado. De esa
manera, las aristas del camino incidentes con u deben aparecer de dos en dos, es decir, u
es par. As, si v es impar, el camino debe empezar y terminar en Q.
Basndose en ese razonamiento, se deduce que no puede haber ms de dos vrtices
que sean impares. El grafo anterior tiene cuatro vrtices impares, por lo que no es
recorrible.
4.3. Grafo Euleriano.
Se denomina grafo euleriano, a un grafo conexo G que tiene una cola cerrada que
incluye todas las aristas de G.
TEOREMA de Euler: Un grafo es euleriano si y slo si cada vrtice es de grado
par. Si tiene exactamente dos vrtices impares es recorrible (la cola no ser cerrada) y se
llama semieuleriano.
A continuacin se muestran ejemplos de grafos no eulerianos, semieulerianos y
eulerianos respectivamente.
4.4. Grafo Hamiltoniano.
Se denomina grafo hamiltoniano, si existe un camino cerrado que contiene todos
los vrtices una sola vez (no tiene porque contener todas las aristas). Un grafo que posea
una trayectoria que pase a travs de cada vrtice es denominado semihamiltoniano.
Los siguientes ejemplos corresponden a un grafo no hamiltoniano,
semihamiltoniano y hamiltoniano respectivamente.
10/ 17
5. MATRICES Y GRAFOS.
Dado un grafo G con m vrtices y n aristas, podemos asociar matrices a G, muy
tiles para el clculo.
5.1. Matriz de Adyacencia.
Es la matriz A=(a
ij
) de orden mxm definida por:
0
1
2
=
contrario caso en
v a adyacente es v si k
a
j i
ij
0
donde k es el nmero de aristas que
unen el vrtice v
i
con el v
j
La matriz de adyacencia es muy til para decidir cuestiones de conexin, pues si A
es la matriz de adyacencia de un grafo con m vrtices donde m>1, entonces el trmino
a
ij
de la matriz A
n
nos da el nmero de caminos de longitud n que van del vrtice v
i
al
vrtice v
j
. La demostracin se puede hacer por induccin en n.
5.2. Matriz de Incidencia.
Es la matriz M=(m
ij
) de orden mxm tal que m
ij
es 1 si el vrtice v
i
es incidente con la
arista e
j
y cero en caso contrario.
6. PLANARIDAD Y DUALIDAD.
6.1. Grafos Planares.
Se denomina grafo planar a un grafo trazado en el plano de forma que ningn par de
aristas se cortan geomtricamente, excepto en el vrtice que ambas inciden.
Ejemplos de grafos planares son:
Igualmente se dice que un grafo es planar si puede ser empotrado en el plano, es
decir, dibujado sin cruces.
A continuacin se exponen algunos teoremas y corolarios referentes a la teora de
grafos planos.
TEOREMA: El grafo K
3,3
(grafo bipartido completo con seis vrtices y nueve
aristas) y el grafo K
5
(grafo regular de grado cuatro, cinco vrtices y diez aristas) son no
planares.
11/ 17
La demostracin de este teorema (que omitiremos en este tema dada su
complejidad) se puede realizar de dos maneras distintas, por el teorema de Jordan o por
la frmula de Euler.
TEOREMA de Kuratowski: Un grafo es planar si y slo si no contiene ningn
subgrafo que sea homomrfico a K
5
y K
3,3
.
Frmula de Euler: el teorema o frmula de Euler, relaciona el nmero de vrtices,
aristas y caras de un grafo plano conexo G.
Sea un punto del plano x, se dice que x es disjunto de G si x no representa ni un
vrtice de G ni un punto que pertenezca a una arista de G. En este contexto, se define
cara de G que contiene a x como al conjunto de todos los puntos del plano que pueden
ser alcanzados desde x siguiendo una curva de Jordan, cuyos puntos sean todos
disjuntos de G.
Dos puntos del plano x e y son equivalentes si ambos son disjuntos de G y pueden
ser unidos por una curva de Jordan cuyos puntos sean todos disjuntos de G. Esta
relacin de equivalencia sobre los puntos del plano disjuntos de G define clases de
equivalencia a las que se denominan caras de G.
TEOREMA: Si G es un grafo plano conexo, y sea n el nmero de vrtices, m el
nmero de aristas y f el de caras de G, se cumple la siguiente relacin:
n-m+f=2 (vrtices aristas + caras = 2)
dem.
La demostracin de este teorema se hace por la tcnica matemtica de la
induccin, en este caso sobre el nmero de aristas m.
Caso m=0
Sea el nmero de aristas m=0, y dado que G es conexo, se tiene que el nmero
de vrtices n=1 y f=1. Por tanto el teorema queda demostrado para m=0.
Caso m-1
Hiptesis de induccin, suponemos ahora el teorema cierto para todos los grafos
planos conexos tales que tiene m 1 aristas: n ( m 1) + (f 1) = 2
Caso m
Sea ahora G un grafo planar conexo, y e una arista contenida en algn circuito
de G. Entonces G e es un grafo planar conexo con n vrtices, m 1 aristas y f 1
caras, de forma que G e verifica:
n ( m 1) + (f 1) = 2 por la hiptesis de induccin.
De aqu se desprende que G cumple el teorema: n m + f = 2.
12/ 17
COROLARIO: Si G es un grafo plano con n vrtices, m aristas, f caras y k
componentes, se cumple que:
n m + f = k +1
COROLARIO: Si G es un grafo planar conexo simple de n vrtices (n33) y m
aristas, se cumple m / 3n 6.
TEOREMA: Todo grafo planar simple contiene un vrtice cuyo grado es a lo sumo
cinco.
dem.
Se supone, sin prdida de generalidad, que el grafo es plano y conexo, y que
contiene al menos tres vrtices. Si todo vrtice tuviera grado 6 como mnimo, se
tendra que 6n/2m, con lo que se llega a una contradiccin. Por tanto se tiene que el
grado es a lo sumo de cinco.
6.2. Grafos Duales.
Sea G un grafo plano, se llama grafo dual de G y se denota por G
*
, aquel construido
de la siguiente manera:
a) Se elige un punto v
i
en cada cara F
i
de G. Estos puntos son los vrtices de G
*
.
b) Por cada arista e#G se traza una lnea e
*
que atraviesa nicamente la arista e, y
se unen los vrtices v
i
pertenecientes a las caras adjuntas a e. Estas lneas son las
aristas de G
*
.
A continuacin se ilustra este procedimiento de construccin con un ejemplo:
Como teoremas significativos dentro de la teora de grafos duales, se comentan los
siguientes:
TEOREMA: Si G es un grafo plano de n vrtices, m aristas y f caras, y su dual G
*
tiene n
*
vrtices, m
*
aristas y f
*
caras, se cumplen las siguientes relaciones:
n
*
= f m
*
= m f
*
= n
dem.
La demostracin de las dos primeras expresiones salen directamente a partir de
la aplicacin de la definicin de dualidad. Para demostrar la tercera expresin, se ha
de sustituir las dos primeras en la denominada frmula de Euler.
13/ 17
7. DIAGRAMAS EN RBOL.
La teora de rboles fue enunciada y elaborada por Cayley.
Un grafo que no posee ningn circuito se denomina bosque, si adems es un bosque
conexo, se denomina rbol.
Como ejemplos representativos de
rboles se tienen los siguientes:
Algunas de las propiedades caractersticas de los rboles son las siguientes:
TEOREMA: Sea T un grafo con n vrtices. Los siguientes enunciados son
equivalentes:
1) T es un rbol.
2) T no contiene ningn circuito, y posee n 1 aristas.
3) T es conexo y tiene n 1 aristas.
4) T es conexo y cada arista es un istmo.
5) Cada dos vrtices de T estn conectados por una nica trayectoria.
6) T no contiene ningn circuito, pero la adicin de cualquier nueva arista crea
exactamente un circuito.
dem.
Si n = 1 los seis enunciados son triviales. Supondremos, por tanto, que n32.
Para la demostracin del teorema, demostraremos las implicaciones
consecutivas, es decir, 1) $ 2) $ 3) $ 4) $ 5) $ 6) $ 1).
1) $ 2)
T es rbol y por definicin no contiene ningn circuito. Esto conlleva que
la eliminacin de cualquier arista va a dividir a T en dos grafos. Cada uno de
estos grafos es un rbol. Por ello, y por induccin, el nmero de aristas en cada
uno de los rboles es menor, en una unidad, que el nmero de vrtices que tiene
el grafo total. Por tanto, el nmero total de aristas de T es n 1.
2) $ 3)
Si T fuera inconexo, entonces cada componente de T sera un grafo
conexo sin ningn circuito y, por tanto, segn se ha demostrado antes, el nmero
de vrtices de cada componente excedera en 1 del nmero de aristas. Por tanto,
el nmero total de vrtices de T excedera en al menos 2 del nmero total de
aristas. Hemos llegado a una contradiccin, pues T tiene n 1 aristas. Esto es
porque se parte de una premisa falsa, es decir, el hecho de que T fuera inconexo.
Por tanto T es conexo.
14/ 17
3) $ 4)
La eliminacin de cualquier arista dara lugar a un grafo con n vrtices y
n 2 aristas, que ser inconexo.
4) $ 5)
Como T es conexo, se sigue que cada par de vrtices han de estar
conectados por al menos una trayectoria. Dados dos vrtices, si estos estuvieran
conectados por dos trayectorias, entre ellos habra un circuito, contradiccin con
que toda arista es un istmo.
5) $ 6)
Por reduccin al absurdo, si T tuviese un circuito, cualquier par de
vrtices incluidos en el circuito estaran conectados por, al menos, dos
trayectorias, lo que es una contradiccin con las premisas. Si aadimos una
arista e a T, se crear un circuito ya que los vrtices incidentes a e ya estn
conectados en T.
6) $ 1)
Supongamos que T no es un rbol, por tanto es inconexo. Si le aadimos
cualquier arista que una un vrtice de una componente a un vrtice de otra, no se
crear ningn circuito. Sin embargo, por el punto 6) se tiene que al aadir una
nueva se crea un circuito, por tanto tenemos una contradiccin.
COROLARIO: Un bosque G con n vrtices y k componentes tiene n k aristas.
TEOREMA: Todo rbol G tiene al menos un vrtice de grado 1.
dem.
Sean los vrtices del rbol v
1
, v
2
,...,v
n
. Partiendo de v
1
vamos a su vecino v
2
. Si
el grado de v
2
es 1, ya est probado el teorema. En cualquier otro caso, vamos al
vrtice v
3
a travs de otra arista. De esta forma se puede obtener el camino v
1
v
2
v
3
...
en el que ninguno de los v
i
son iguales por la definicin de rbol. Como el nmero
de vrtices es finito, el camino tiene un ltimo vrtice v
j
. Evidentemente, ste
tendr grado 1, ya que se ha llegado a l y no se puede dejar.
TEOREMA: Existe un nico camino entre dos vrtices cualesquiera v y w de un
rbol.
TEOREMA: Sea G un grafo conecto (dos vrtices cualesquiera se encuentran
unidos por un camino) de n vrtices y n 1 aristas, entonces es un rbol.
7.1. La enumeracin de rboles.
La enumeracin de grafos tiene por objeto encontrar el nmero de grafos no
isomorfos que poseen una propiedad determinada.
15/ 17
En general, se denomina grafo etiquetado de n vrtices
a un grafo a cuyos vrtices se le asignan nmeros enteros
de 1 a n, es decir, se trata de una aplicacin biunvoca del
conjunto de vrtices de G sobre el conjunto {1, 2, 3,..., n}.
El grafo etiquetado se designa (G,&) donde & es el
etiquetado.
Ejemplo de rbol etiquetado:
TEOREMA: El nmero de rboles en los cuales el vrtice v
i
tiene grado d
i
+1, v
2
tiene grado d
2
+1,..., v
n
tiene grado d
n
+1 viene determinado por el nmero combinatorio:
! !... !
)! 2 (
,..., ,
2
2 1 2 1 n n
d d d
n
d d d
n
&
=
'
'
(
)
*
*
+
, &
dem.
Como el grado de cada vrtice es por lo menos 1, d
i
son enteros no negativos. Si
se aaden los grados de cada vrtice y se cuentan cada una de las n 1 aristas dos
veces, se tiene
(d
1
+1)+(d
2
+1)+...+(d
n
+1) = 2(n 1)
A partir de aqu se tendr la demostracin del teorema.
Ejemplo: Nmero de rboles con grado para el primer vrtice 3, para el segundo 3 y
del tercero al sexto 1.
Como d
1
=d
2
=2 y d
3
=d
4
=d
5
=d
6
=0, entonces el nmero de rboles es
6
! 2 ! 2
! 4
0 , 0 , 0 , 0 , 2 , 2
4
= =
'
'
(
)
*
*
+
,
Dichos rboles son:
TEOREMA de CAYLEY: Existen n
n 2
rboles etiquetados diferentes de n
vrtices.
Existen varios mtodos de demostracin para este teorema. Uno de ellos debido
a Prufer y Clarke, y es:
Se establece una correspondencia biunvoca entre el conjunto de rboles
etiquetados de orden n y el conjunto de todos los smbolos ordenados (a
1
, a
2
,..., a
n-2
)
16/ 17
donde a
i
est definido como entero entre 1 y n. Dado que existen nnnn (n 2
veces) de tales smbolos, la demostracin se tiene casi inmediata.
8. COLOREADO DE GRAFOS.
Se dice que un grafo G sin lazos es k-coloreable
si puede asignarse a cada uno de sus vrtices uno
de k colores dados de forma que ningn par de
vrtices adyacentes tengan el mismo color. Si es
coloreable de grado k pero no de grado k 1,
entonces G es k-cromtico. Como ejemplo, sea el
siguiente grafo 4-cromtico.
TEOREMA: Un grafo G cuyo mximo grado de vrtice es &, entonces es (&+1)-
coloreable.
dem.
Utilizaremos la induccin sobre el nmero de vrtices. Si G tiene n vrtices, si se
suprime un vrtice, el mayor grado para ste ser &. Por hiptesis de induccin, este
grafo es (&+1)-coloreable.
TEOREMA: Si G es un grafo simple conexo no completo, si el mayor de los
grados de sus vrtices es & (33), entonces es &-coloreable.
TEOREMA: Todo grafo planar es 5-coloreable.
9. APLICACIONES DE LA TEORA DE GRAFOS.
Son varias las aplicaciones y usos que las distintas ciencias o reas hacen de la
teora de grafos. La aplicacin ms importante dentro de la matemtica moderna se
encuentra en el campo de la combinatoria.
Veamos algunos de los ejemplos ms importantes:
9.1. El Teorema Matrimonial de Hall.
Sea un conjunto finito de muchachos, cada uno de los cuales conoce a varias chicas.
En qu condiciones se pueden formar los matrimonios de tal forma que cada uno de los
muchachos se case con la chica que conoce?
TEOREMA de Hall
Una condicin necesaria y suficiente para la solucin del problema matrimonial es
que cada conjunto de k jvenes conozca colectivamente k chicas al menos (1/k/m).
9.2. El teorema de Menger.
Determinacin del nmero de trayectorias que unen dos vrtices dados u, v de un
grafo G.
17/ 17
TEOREMA de Menger.
El nmero mximo de trayectorias de vrtices disjuntos que conectan dos vrtices
diferentes no adyacentes v y w de G es igual al nmero mnimo de vrtices de un
subconjunto separador vw.
TEOREMA: El teorema de Menger implica el teorema de Hall.
9.3. La teora de Matroides.
Aplicacin de ciertos resultados de la teora de grafos a la teora transversal, donde
aparece el concepto de matroide como un conjunto dotado de una estructura de
independencia.
Bibliografa.
Algoritmos en Grafos y Redes. Aut. Blas Pelegrn, Lzaro Cnovas. Edit. P.P.U.
Matemtica Discreta y Combinatoria. Aut. Ralph Grimaldi. Edit. Addison-Wesley
Iberoamericana.
Lecciones de Optimizacin. Aut. Juan Jos Salazar. Edit. Universidad de La Laguna
Graphs and Algorithms. Aut. M. Gondron, M. Minoux. Edit. Wiley-Intercience.
Algebra y Matemtica Discreta. Aut. J.A. Aledo Snchez, J.C. Valverde Fajardo. Edit.
Popular Libros.
1/18
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 3
TCNICAS DE RECUENTO. COMBINATORIA.
1. Introduccin.
2. Tcnicas de Recuento.
3. Variaciones.
3.1. Variaciones Ordinarias.
3.2. Variaciones con Repeticin.
4. Permutaciones.
4.1. Permutaciones Ordinarias.
4.2. Permutaciones con Repeticin.
5. Combinaciones.
5.1. Combinaciones Ordinarias.
5.2. Nmeros Combinatorios.
5.3. Combinaciones con Repeticin.
6. Combinatoria Clsica y algunas tendencias actuales de la combinatoria.
Bibliografa Recomendada.
2/18
TEMA 3
TCNICAS DE RECUENTO. COMBINATORIA.
1. INTRODUCCIN.
El Anlisis Combinatorio, o Combinatoria, estudia las diferentes formas en que
podemos ordenar o agrupar unos elementos dados siguiendo unas determinadas reglas
establecidas. Se prescinde de la naturaleza de los elementos u objetos, pero no del
orden. Es por ello que resulta necesario distinguir entre si los objetos del mismo
conjunto, ya que no son equivalentes.
La combinatoria nos va a permitir contestar a preguntas del tipo:
Cuntos nmeros de dos cifras se pueden formar con los dgitos 0, 1, 2 y 3?
Cuntas clasificaciones distintas se dan entre cinco equipos de futbol?
Resumiendo, la combinatoria nos proporciona algoritmos para averiguar la cantidad
de agrupaciones que, bajo determinadas condiciones, se pueden formar con los
elementos de un conjunto.
Segn las caractersticas de los grupos y la naturaleza de los elementos, nos
podemos encontrar con variaciones, permutaciones y combinaciones.
2. TCNICAS DE RECUENTO.
Las tcnicas de recuento tratan del estudio de las ordenaciones de los elementos de
un conjunto.
A lo largo de las distintas situaciones que pueden darse, son dos los tipos de
problemas que nos podemos encontrar. Por un lado tenemos los llamados problemas de
existencia, que analizan la posibilidad de la existencia de las agrupaciones pedidas. Por
otro lado, los problemas de enumeracin que nos van a permitir determinar el nmero
de clasificaciones posibles.
Las tcnicas de recuento ms utilizadas son:
a) Paridad.
Esta tcnica nos permite resolver los problemas de existencia nombrados
anteriormente. Un conjunto puede tener un nmero par o impar de elementos. Si
probamos que tiene un nmero impar, estamos en condiciones de afirmar que al
menos hay uno. Quedara as demostrada su existencia.
b) Correspondencia uno a uno.
Tcnica utilizada para el recuento de elementos dentro de un conjunto. Se trata
de conseguir establecer una aplicacin biyectiva entre el conjunto de estudio y
una seccin S(n) de !. En caso de que podamos establecerla, diremos que el
3/18
conjunto tiene n elementos, o lo que es lo mismo, el cardinal del conjunto
(Card(A)) es n.
c) Regla del producto.
Sea P un conjunto con n elementos y Q otro conjunto con m elementos. El
nmero de elecciones distintas de un elemento de P y otro de Q es mn. Esta
regla se puede extender a ms de dos conjuntos. Puede resultar til cuando el
conjunto del cual queremos hallar su cardinal no est ordenado o no resulta
sencillo establecer una biyeccin con alguna seccin de !.
3. VARIACIONES.
3.1. Variaciones Ordinarias.
DEF Sea A un conjunto con m elementos, A={a
1
, a
2
,, a
m
}. Llamaremos variaciones
n-arias (de orden n) de los m elementos del conjunto A a todo conjunto ordenado
formado por n elementos cualesquiera elegidos entre ellos sin elegir ms de una vez un
elemento. Consideraremos distintas dos variaciones si difieren en algn elemento o, si
teniendo los mismos elementos, difieren en el orden de colocacin de los mismos.
Al nmero de variaciones n-arias formadas por m elementos cualesquiera, lo
representaremos por V
m,n
o
n
m
V
Ejemplo: Si un aula tiene 5 sillas en primera fila y entran 25 nios, De cuntas formas
distintas podemos componer esa primera fila?
Sol:
Aqu nos encontramos con variaciones ordinarias de 25 elementos tomados de 5
en 5. Sera V
25,5
o
5
25
V
Veamos ahora como podemos calcular ese nmero.
PROP El nmero de variaciones n-arias o de orden n que se pueden formar con m
objetos cualesquiera, es igual al nmero de variaciones de orden n-1 que se pueden
formar con los m objetos multiplicando por m-n+1.
V
m,n
= (m-n+1)V
m,n-1
dem.
Sea A el conjunto formado por los m elementos A={a
1
, a
2
,, a
m
}. Vamos a
realizar la demostracin por induccin en n.
Para n=1 Est claro que existen m formas diferentes de elegir 1 slo elemento
entre m. Luego V
m,1
=m
Para n=2 Para conseguir todas las variaciones de orden 2 basta aadir a las de
orden 1 un nuevo elemento del conjunto A elegido entre los m-1 no
4/18
usados. Como para la eleccin del primer elemento tenemos m objetos y
para elegir el segundo m-1, segn la regla del producto, obtendremos
m(m-1) variaciones binarias. Luego V
m,2
=m(m-1) que es lo mismo que
V
m,2
=V
m,1
(m-1)
Supongamos cierto para n-1
Para n Anlogo al caso n=2. Para conseguir todas las variaciones de orden n
basta aadir a las variaciones de orden n-1 un nuevo elemento del
conjunto A elegido entre los m-n+1 no utilizados. Por tanto V
m,n
=V
m,n-
1
(m-n+1)
PROP El nmero de variaciones de orden n de m elementos es
V
m,n
=m(m-1)(m-2)(m-n+1)
dem.
Como por la proposicin anterior tenemos que
V
m,n
=V
m,n-1
(m-n+1) Variaciones n-arias
V
m,n-1
=V
m,n-2
(m-n+2) Variaciones (n-1)-arias

V
m,2
=V
m,1
(m-1) Variaciones binarias
V
m,1
=m Variaciones unitarias.
Sustituyendo reiteradamente obtenemos:
V
m,n
=m(m-1)(m-2)(m-n+1)
Ejemplo: Dados cuatro amigos: Juan, David, Ivan y Alberto, deciden hacer un
torneo de Ping-Pong. Obtener las diferentes clasificaciones que se pueden dar para los
tres primeros puestos.
Para obtener las variaciones de orden 3 siguiendo el mtodo de la proposicin,
hay que obtener primero las de orden 2. Y para conseguir stas, hemos de partir de las
de orden 1.
Variaciones de
orden 1
Variaciones de orden 2 Variaciones de orden 3
Juan, David, Ivan
Juan, David
Juan, David, Alberto
Juan, Ivan, David
Juan, Ivan
Juan, Ivan, Alberto
Juan, Alberto, David
Juan
Juan, Alberto
Juan, Alberto, Ivan
David, Juan, Ivan
David, Juan
David, Juan, Alberto
David, Ivan, Juan
David
David, Ivan
David, Ivan, Alberto
5/18
David, Alberto, Juan
David, Alberto
David, Alberto, Ivan
Ivan, Juan, David
Ivan, Juan
Ivan, Juan, Alberto
Ivan, David, Juan
Ivan, David
Ivan, David, Alberto
Ivan, Alberto, Juan
Ivan
Ivan, Alberto
Ivan, Alberto, David
Alberto, Juan, David
Alberto, Juan
Alberto, Juan, Ivan
Alberto, David, Juan
Alberto, David
Alberto, David, Ivan
Alberto, Ivan, Juan
Alberto
Alberto, Juan
Alberto, Ivan, David
4 43 432
M m(m-1) m(m-1)(m-2)
PROP Sean los conjuntos A=S(n) (con S(n)={1, 2, , n}) y B={b
1
, b
2
,,b
m
} tal que
Card(A)=n y Card(B)=m con 1!n!m. El nmero de aplicaciones inyectivas entre A y B
coincide con el nmero de variaciones de orden n de m elementos.
dem.
Recordemos que f:A"B en inyectiva siempre que se verifique que #a
1
,a
2
$A
con a
1
%a
2
& f(a
1
)%f(a
2
).
Es decir, a elementos distintos en A, imgenes diferentes en B.
Vamos a realizar la demostracin por induccin en Card(A)=n
Para n=1 f:{1}"{b
1
, b
2
,,b
m
}.
Podemos tomar como imagen del 1, f(1)=b
i
con i:1,,m
Por tanto obtenemos m aplicaciones inyectivas diferentes.
Nmero de aplicaciones inyectivas = m = V
m,1
Hiptesis de induccin. Sea f:{1, 2, , n-1}"{b
1
, b
2
,,b
m
} Inyectivas.
Supongamos que el nmero de aplicaciones f inyectivas es V
m,n-1
.
Para n tenemos f:{1, 2, , n}"{b
1
, b
2
,,b
m
} inyectiva.
Para calcular su nmero basta tener en cuenta que las imgenes de
elementos {1, 2, ,n-1} se pueden elegir de V
m,n-1
maneras distintas
(hiptesis de induccin) y que una vez elegidas estas imgenes quedan en
el conjunto B m-(n-1) elementos que no son imagen de ningn elemento
del conjunto {1, 2, , n-1}. Por tanto, la imagen del elemento n se puede
elegir de m-n+1 formas distintas. Luego el nmero de aplicaciones
inyectivas f distintas sera V
m,n-1
(m-n+1) que es lo mismo que V
m,n
.
6/18
3.1 Variaciones con Repeticin.
DEF Dado un conjunto A con m elementos, A={a
1
, a
2
,, a
m
}, llamamos variaciones
con repeticin n-arias a los distintos conjuntos ordenados que se pueden formar con n
elementos, considerando que cada elemento puede figurar cualquier nmero de veces en
una misma variacin.
Al nmero de variaciones con repeticin n-arias que se pueden formar con m
elementos se representa por VR
m,n
.
PROP El nmero de variaciones con repeticin n-arias que se pueden formar com m
objetos cualesquiera es igual al nmero de variaciones con repeticin de orden n-1 que
se pueden formar con m objetos, multiplicando por m.
VR
m,n
=VR
m,n-1
m
dem.
La demostracin es anloga a la de variaciones ordinarias. Vamos a realizar la
demostracin por induccin en n.
Para n=1 Trivialmente VR
m,1
=m
Para n-1 Por hiptesis de induccin VR
m,n-1
=VR
m,n-2
m
Para n Supongamos ya formadas las variaciones con repeticin de orden n-1.
Para obtener las variaciones con repeticin de orden n bastar con aadir
a cada una de ellas un elemento cualquiera de entre los m que
disponemos. As, por cada variacin con repeticin de orden n-1
obtenemos m variaciones con repeticin de orden n. Las variaciones n-
arias as formadas son todas, ya que si hubiera una que no estuviese,
quitndole el ltimo elemento obtenemos una (n-1)-aria y como el
elemento est entre los m a elegir, llegamos a una contradiccin. Por
tanto, podemos afirmar que VR
m,n
=VR
m,n-1
m
PROP El nmero de variaciones con repeticin de orden n de m elementos es
VR
m,n
=m
n
.
dem.
Aplicando el resultado obtenido en la proposicin anterior:
VR
m,1
=m
VR
m,2
=VR
m,1
m

VR
m,n
=VR
m,n-1
m
Al final, sustituyendo en la expresin inferior la anterior a ella, obtenemos
VR
m,n
=m
n
7/18
Ejemplo. Dados cuatro amigos, Juan, David, Ivan y Alberto, deciden jugar dos torneos
de Ping-Pong. Obtener los posibles campeones de ambos torneos.
En este caso hemos de calcular las variaciones con repeticin de 4 elementos
tomados de 2 en 2. Aplicando el procedimiento constructivo de la proposicin anterior
tenemos:
VR de orden 1 VR de orden 2
Juan, Juan
Juan, David
Juan, Ivan
Juan
Juan, Alberto
David, Juan
David, David
David, Ivan
David
David, Alberto
Ivan, Juan
Ivan, David
Ivan, Ivan
Ivan
Ivan, Alberto
Alberto, Juan
Alberto, David
Alberto, Ivan
Alberto
Alberto, Alberto
PROP Sean los conjuntos A=S(n) y B={b
1
, b
2
,,b
m
} tal que Card(A)=n y Card(B)=m.
El nmero de aplicaciones entre A y B coincide con el nmero de variaciones con
repeticin de m elementos de orden n VR
m.n
.
dem.
Vamos a realizar la demostracin contando el nmero de aplicaciones distintas.
Sea f: {1, 2, , n} " {b
1
, b
2
,,b
m
} aplicacin.
Para 1$A, el nmero de posibles imgenes, f(1), puede ser m, ya que f(1)=b
j
para algn j: 1, , m.
Para 2$A, tenemos que f(2) puede tambin tomar como valor cualquier b
j
con
j:1, , m. Al no requerir para f la inyectividad, podemos permitir que 1 y 2 tengan la
misma imagen.
Lo mismo podemos decir para el resto de elementos de A. Por tanto f(i)=b
j
con
i:1,,n y j:1,,m
Como cada elemento de A tiene m posibilidades de elegir la imagen y A tiene n
elementos, resulta m
n
formas distintas de elegir las imgenes para todos los elementos
de A.
8/18
El nmero total de aplicaciones entre A y B es m
n
=Card(B)
Card(A)
y m
n
=VR
m,n
.
4. PERMUTACIONES.
4.1. Permutaciones Ordinarias.
DEF Llamaremos permutaciones ordinarias de n elementos a las variaciones de n
elementos de orden n. Lo representaremos por P
n
.
Las permutaciones ordinarias son un caso particular de las variaciones
ordinarias.
OBS Dado un conjunto A={a
1
, a
2
, , a
n
}, dos permutaciones de los elementos de A
slo se diferencian en el orden de colocacin de sus elementos ya que todas estarn
formadas por todos ellos.
DEF Sea n$!. Se llama factorial de n, y se representa por n!, al producto de los n
primeros nmeros naturales, comenzando en el 1.
n!=n(n-1)(n-2)321
DEF Definimos el factorial de 0 como 0!=1.
PROP Se verifica:
1) n!(n+1) = (n+1)!
2) n!(n+1)(n+2)m = m! con m>n
dem.
Inmediata a partir de la definicin.
Con esta nueva notacin podemos expresar las variaciones de m elementos de
orden n de la siguiente manera:
)! (
!
,
n m
m
V
n m
'
=
PROP El nmero de permutaciones de n elementos es n!.
dem.
Por definicin de permutaciones tenemos que
!
! 0
!
)! (
!
,
n
n
n n
n
V P
n n n
= =
'
= =
Veamos ahora un mtodo constructivo para formar permutaciones:
PROP Sea el conjunto A={a
1
, a
2
, , a
n
}. Supongamos formadas todas las
permutaciones con los n-1 elementos primeros. Para obtener todas las permutaciones de
9/18
orden n, tomaremos el elemento a
n
, y en cada una de las permutaciones de orden n-1
colocaremos el elemento a
n
de todas las formas posibles.
dem.
Vamos a realizar la demostracin por induccin en n.
Para n=1 A={a
1
}. Como el conjunto A consta de un solo elemento, existir una
sola permutacin P
1
=1!=1
Para n=2 A= {a
1
, a
2
}. Dada la nica permutacin de orden 1, para obtener las de
orden 2 tendremos que colocar a
2
en todas las posiciones posibles con
respecto a a
1
: a
1
a
2
y a
2
a
1
. P
2
=2!=2
Para n=3 Igualmente, partiendo de las dos permutaciones de orden 2, colocaremos
a
3
en todos los lugares posibles:
a
1
a
2
" a
1
a
2
a
3
a
1
a
3
a
2
a
3
a
1
a
2
a
2
a
1
"a
2
a
1
a
3
a
2
a
3
a
1
a
3
a
2
a
1
P
3
=3!=6
Para n Repetimos el proceso anterior. Partiendo de una permutacin de orden n-
1, colocamos a
n
en todos los lugares posibles, que son n sitios distintos.
Luego por cada permutacin de orden n-1 obtenemos n de orden n.
P
n
=P
n-1
n=(n-1)!n=n!
Comprobemos que son todas.
Sea a
1
a
2
a
n
una permutacin cualquiera de orden n. Eliminando el
elemento a
1
obtenemos una permutacin de orden n-1. Sabiendo lo
anterior, si tenemos dos permutaciones de orden n que proceden de la
misma permutacin de orden n-1, al eliminar a
n
obtendramos la
permutacin de orden n-1 de la que parten. Luego para que las
permutaciones de orden n-1 sean distintas, tienen que diferir en el lugar
de colocacin de a
n
.
Para la proposicin siguiente hemos de tener en cuenta este resultado, que no
vamos a demostrar.
LEMA Dados dos conjuntos finitos y no vacios A y B, que tienen el mismo
cardinal (Card(A)=Card(B)=n con n$!), se verifica para f: A " B que f es biyectiva si
y slo si es inyectiva.
PROP Sean A y B dos conjuntos finitos y con el mismo cardinal n. El nmero de
aplicaciones biyectivas f: A " B coincide con el nmero de permutaciones de orden n.
dem.
Por el resultado anterior, al ser A y B finitos y con el mismo cardinal n, el
nmero de aplicaciones biyectivas entre A y B coincide con el nmero de aplicaciones
inyectivas entre los mismos conjuntos. Pero ese nmero coincide con las variaciones de
orden Card(A) de Card(B) elementos. Pero como ambos cardinales son iguales, esas
10/ 18
variaciones son permutaciones de orden n. Por tanto obtenemos como resultado lo que
queramos probar.
Con este resultado podemos dar una nueva definicin de permutacin.
DEF Sea A={a
1
, a
2
, , a
n
}, un conjunto con n elementos, n$!. Llamaremos
permutacin de los elementos del conjunto A a cada una de las biyecciones del conjunto
A en si mismo.
DEF Dadas dos permutaciones distintas p
1
y p
2
de los elementos del conjunto A={a
1
,
a
2
, , a
n
}, diremos que los elementos a
i
y a
j
forman inversin en la permutacin p
1
con
respecto a p
2
si el orden en el que figuran en ambas es inverso. En caso contrario se dice
que forman permanencia.
Ejemplo. Sea A={a
1
, a
2
, a
3
, a
4
, a
5
} y sean dos permutaciones p
1
=a
1
a
4
a
3
a
2
a
5
y
p
2
=a
1
a
2
a
3
a
5
a
4
Pares que forman inversin: (a
4
, a
3
), (a
4
, a
2
), (a
4
, a
5
), (a
3
, a
2
)
Pares que forman permanencia: (a
1
, a
4
), (a
1
, a
3
), (a
1
, a
5
), (a
3
, a
5
), (a
2
, a
5
)
DEF Se llama ndice de la permutacin p
i
con respecto a la permutacin p
j
al nmero
total de inversiones de la primera con respecto a la segunda.
DEF Se dice que dos permutaciones son de la misma clase cuando el ndice de una de
ellas con respecto a la otra es cero o nmero par.
DEF Una permutacin es de Clase Par cuando el nmero de inversiones de sta con
respecto a otra, tomada como referencia, es cero o un nmero par. En caso contrario se
dice que es de Clase Impar.
OBS Suele ser comn tomar como permutacin de referencia aquella que sigue el
orden de los nmeros naturales.
DEF Se llama Caracterstica de una permutacin con respecto a otra al nmero (-1)
i
siendo i el ndice de la primera permutacin con respecto a la segunda.
DEF Si en una permutacin se cambian entre s dos elementos cualesquiera para
obtener una nueva permutacin, se dice que se ha efectuado una trasposicin.
PROP Si dada una permutacin, realizamos una trasposicin, la nueva permutacin
cambia de clase con respecto a la primera.
dem.
Caso 1: Los elementos que permutamos son consecutivos.
Supongamos que la permutacin ya tiene k inversiones con respecto a la
de referencia. Si entre los elementos que permutamos ya haba inversin, sta
desaparece, quedando k-1 inversiones. Si no la haba, generamos una nueva,
quedando k+1 inversiones. En ambos casos, al variar slo en una unidad el
11/ 18
nmero de inversiones, la clase de la nueva permutacin es par si la inicial era
impar o al revs.
Caso 2: Los elementos que permutamos no son consecutivos.
Sea la permutacin (, a
i
, , a
j
, ). Queremos intercambiar a
i
y a
j
sabiendo que entre ellos hay k elementos.
Realizando k+1 inversiones situamos a
j
inmediatamente antes de a
i
(,
a
j
, a
i
, ).
Realizando k inversiones situamos a
i
en el sitio inicial de a
j
volviendo a
situar entre ambos k elementos.
En total hemos realizado 2k+1 inversiones.
Si la permutacion inicial ya tuviese m inversiones con respecto a la de
referencia, la nueva permutacin tendra m+2k+1 inversiones.
Si m es par " m+2k+1 es impar
Si m es impar " m+2k+1 es par
En cualquier caso, la permutacin cambia de clase.
OBS Dado el conjunto A={a
1
, a
2
, , a
n
}, existe el mismo nmero de permutaciones
de clase par que de impar.
4.2. Permutaciones con Repeticin.
DEF Llamaremos permutaciones de n elementos entre los que hay r
1
iguales entre s,
r
2
iguales entre s, , r
p
iguales entre s con r
1
+r
2
++r
p
= n a los distintos conjuntos
ordenados que se pueden formar con los n elementos entre los que figuran repetidos r
1
,
r
2
, , r
p
elementos. Se denotar por
p
r r r
n
P
,..., ,
2 1
.
OBS Consideraremos distintas dos permutaciones cuando difieran en el orden de
colocacin.
PROP El nmero de permutaciones distintas que se pueden formar con n elementos
donde existe uno de ellos repetido r veces es
!
!
r
n
P
r
n
= .
dem.
Sean a
1
, a
2
, , a
n
los n elementos de los cuales a
1
, a
2
, , a
r
con r<n son iguales
(los tomamos as por convenio, sabiendo que si fuesen otros, el resultado seguira
siendo el mismo).
Como tenemos n elementos, el nmero de permutaciones es n!. Pero si
permutamos a
1
, a
2
, , a
r
entre s, sin alterar los n-r restantes, obtenemos r!
permutaciones que son iguales entre s. Por tanto, podemos agrupar las n!
permutaciones en clases de r! elementos, donde los elementos de la misma clase son
permutaciones todas ellas iguales, al haber variado slo los r elementos que son iguales.
12/ 18
Tendremos
!
!
r
n
clases o, lo que es lo mismo,
!
!
r
n
permutaciones distintas.
Entonces
!
!
r
n
P
r
n
= .
PROP El nmero de permutaciones distintas que se pueden formar con n elementos
donde existen r
1
elementos iguales entre s, r
2
iguales entre s, y r
p
iguales entre s es
n r r r con
r r r
n
P
p
p
r r r
n
p
= + + + = ...
! !... !
!
2 1
2 1
,..., ,
2 1
dem.
Realizando el mismo razonamiento que en la proposicin anterior, tendremos
que intercambiando entre s el elemento que se repite r
i
veces (#i:1,..,p) obtendremos r
i
!
permutaciones iguales. Por tanto, el nmero de permutaciones totales tendr que ser
dividido por r
i
! #i:1,,p para obtener el nmero de permutaciones distintas que hay.
Dividir n! por r
1
!, y luego por r
2
! y as sucesivamente hasta llegar a r
p
! es lo mismo que
dividir n! por el producto de los r
i
!. Queda, por tanto, lo que queramos demostrar.
PROP El nmero de permutaciones con repeticin del conjunto B={b
1
, b
2
, , b
p
} con
el elemento b
i
repetido r
i
veces i: 1, , p coincide con el nmero de aplicaciones
suprayectivas f:S(n) " B verificando que cada b
i
tiene r
i
antiimgenes y que
n=r
1
+r
2
++r
p
5. COMBINACIONES.
5.1. Combinaciones Ordinarias.
DEF Dado un conjunto A={a
1
, a
2
, , a
n
} de n elementos, llamaremos combinaciones
de n elementos tomados de k en k a todos los subconjuntos de k elementos que se
pueden formar con los n elementos. Consideraremos dos combinaciones diferentes
cuando los conjuntos que las forman sean distintos, es decir, cuando difieran en algn
elemento. Las representaremos por C
n,k
.
OBS En las combinaciones, al igual que en los conjuntos, no influye el orden de sus
elementos. Por tanto, consideraremos a partir de ahora que los elementos de los
subconjuntos estn en el mismo orden que los del conjunto inicial.
PROP Dado el conjunto A={a
1
, a
2
, , a
n
}, obtendremos las combinaciones de k
elementos a partir de las de k-1 elementos, sin ms que colocar, uno a uno, todos los
elementos que siguen, segn el orden del conjunto A, al ltimo de la combinacin de
k-1 elementos considerada.
dem.
Para k=1 Son las combinaciones de n elementos tomadas de uno en uno o, por
definicin, los subconjuntos de un elemento. Como hay n sunconjuntos
distintos de 1 elemento, ser n el nmero de combinaciones C
n,1
.
13/ 18
Para k=2 Son las combinaciones de n elementos tomados de 2 en 2. Para
obtenerlas, partimos de las combinaciones unitarias y agregamos a cada
elemento, uno a uno, los siguientes a l.
A partir de {a
1
} " {a
1
, a
2
}, {a
1
, a
3
}, , {a
1
, a
n
}
A partir de {a
2
} " {a
2
, a
3
}, {a
2
, a
4
}, , {a
2
, a
n
}
Y as sucesivamente.
El mismo proceso se sigue para obtener las combinaciones de n elementos de k
en k.
A partir de {a
1
, a
2
, , a
k-1
} " {a
1
, a
2
, , a
k-1
, a
k
}, {a
1
, a
2
, , a
k-1
, a
k+1
}
PROP El nmero de variaciones de orden k que se pueden formar con n elementos,
A={a
1
, a
2
, , a
n
}, es igual al nmero de combinaciones k-arias que se pueden formar
con los n elementos, multiplicando por el nmero de permutaciones de orden k, con
1!k!n.
V
n,k
= C
n,k
P
k
dem.
La demostracin es evidente sin ms que tener en cuenta que a partir de cada
combinacin (conjunto no ordenado de k elementos) obtenemos k! conjuntos ordenados
escribiendo sus elementos de todas las formas posibles (permutaciones de k elementos).
As conseguimos todas las variaciones de n elementos tomados de k en k (recordemos
que la definicin de variacin nos deca que eran subconjuntos de k elementos
ordenados).
COROLARIO El nmero de combinaciones de n elementos tomados de k en k es
)! !(
!
,
k n k
n
C
k n
'
=
dem.
Segn la proposicin anterior V
n,k
= C
n,k
P
k
Por tanto
)! !(
!
!
)! (
!
,
,
k n k
n
k
k n
n
P
V
C
k
k n
k n
'
=
'
= =
5.2. Nmeros Combinatorios.
DEF A los nmeros
)! !(
!
k n k
n
'
se les llama nmeros combinatorios. Se representan
por
(
(
)
*
+
+
,
-
k
n
y se lee n sobre p. El nmero n recibe el nombre de base y el nmero p de
orden.
OBS Segn esta nueva notacin
(
(
)
*
+
+
,
-
=
k
n
C
k n,
.
14/ 18
PROP 1 1
0
=
(
(
)
*
+
+
,
-
=
(
(
)
*
+
+
,
-
n
n
y
n
dem.
1
! 1
!
)! 0 !( 0
!
0
= =
'
=
(
(
)
*
+
+
,
-
n
n
n
n
n
1
! 0 !
!
)! !(
!
= =
'
=
(
(
)
*
+
+
,
-
n
n
n n n
n
n
n
PROP
(
(
)
*
+
+
,
-
=
(
(
)
*
+
+
,
-
' k
n
k n
n
dem.
(
(
)
*
+
+
,
-
=
'
=
' ' '
=
(
(
)
*
+
+
,
-
' k
n
k k n
n
k n n k n
n
k n
n
! )! (
!
))! ( )!( (
!
PROP n
n
n
y n
n
=
(
(
)
*
+
+
,
-
'
=
(
(
)
*
+
+
,
-
1 1
dem.
n
n
n n
n
n
n
=
'
'
=
'
=
(
(
)
*
+
+
,
-
)! 1 ( 1
)! 1 (
)! 1 !( 1
!
1
y por la proposicin anterior n
n
n
n
=
(
(
)
*
+
+
,
-
=
(
(
)
*
+
+
,
-
' 1 1
PROP
(
(
)
*
+
+
,
- '
+
(
(
)
*
+
+
,
-
'
'
=
(
(
)
*
+
+
,
-
k
n
k
n
k
n 1
1
1
dem.
=
'
' '
+
'
'
=
' '
'
+
+ ' ' '
'
=
(
(
)
*
+
+
,
- '
+
(
(
)
*
+
+
,
-
'
'
)! !(
) )!( 1 (
)! !(
)! 1 (
)! 1 !(
)! 1 (
)! 1 1 )!( 1 (
)! 1 (
1
1
1
k n k
k n n
k n k
k n
k n k
n
k n k
n
k
n
k
n
[ ]
(
(
)
*
+
+
,
-
=
'
=
'
' + '
=
'
' ' + '
=
k
n
k n k
n
k n k
k n k n
k n k
k n n k n
)! !(
!
)! !(
) ( )! 1 (
)! !(
) )!( 1 ( )! 1 (
15/ 18
PROP
(
(
)
*
+
+
,
-
'
'
+
(
(
)
*
+
+
,
-
'
+ +
(
(
)
*
+
+
,
-
'
'
+
(
(
)
*
+
+
,
-
'
'
+
(
(
)
*
+
+
,
-
'
'
=
(
(
)
*
+
+
,
-
1
1
1
...
1
3
1
2
1
1
k
k
k
k
k
n
k
n
k
n
k
n
dem.
Aplicando el resultado de la proposicin anterior, tenemos
(
(
)
*
+
+
,
- '
+
(
(
)
*
+
+
,
-
'
'
=
(
(
)
*
+
+
,
-
k
n
k
n
k
n 1
1
1
(
(
)
*
+
+
,
- '
+
(
(
)
*
+
+
,
-
'
'
=
(
(
)
*
+
+
,
- '
k
n
k
n
k
n 2
1
2 1
(
(
)
*
+
+
,
- '
+
(
(
)
*
+
+
,
-
'
'
=
(
(
)
*
+
+
,
- '
k
n
k
n
k
n 3
1
3 2

(
(
)
*
+
+
,
-
+
(
(
)
*
+
+
,
-
'
=
(
(
)
*
+
+
,
- +
k
k
k
k
k
k
1
1
Si sumamos miembro a miembro todas las ecuaciones anteriores, y teniendo en
cuenta que
(
(
)
*
+
+
,
-
=
(
(
)
*
+
+
,
-
'
'
k
k
k
k
1
1
obtenemos la frmula a demostrar.
OBS Si escribimos por filas los nmeros combinatorios, situando en cada fila los que
tengan la misma base y en la fila de debajo los de base una unidad mayor, resultar que
cada nmero combinatorio es suma de los dos que tiene encima de l (aplicando la
penltima proposicin) quedando de la siguiente manera:
(
(
)
*
+
+
,
-
(
(
)
*
+
+
,
-
1
1
0
1
(
(
)
*
+
+
,
-
(
(
)
*
+
+
,
-
(
(
)
*
+
+
,
-
2
2
1
2
0
2
(
(
)
*
+
+
,
-
(
(
)
*
+
+
,
-
(
(
)
*
+
+
,
-
(
(
)
*
+
+
,
-
3
3
2
3
1
3
0
3

Los nmeros combinatorios de los extremos, segn la primera proposicin,

valen 1.
Esta distribucin en forma de tringulo recibe el nombre de tringulo de
Tartaglia (en honor de Ncola de Fontana, que lo llamaban Tartaglia debido a su
tartamudez), siendo tambin conocido como tringulo de Pascal.
Sustituyendo los nmeros combinatorios por sus valores, quedara
16/ 18
1 1
1 2 1
1 3 3 1

A partir del tringulo de Tartaglia, obtenemos los coeficientes del desarrollo de

la potencia del binomio (a+b)
n
, llamado Binomio de Newton.
(a+b)
1
= a+b " 1 1
(a+b)
2
= a
2
+2ab+b
2
" 1 2 1
(a+b)
3
= a
3
+3a
2
b+3ab
2
+b
3
" 1 3 3 1

Por tanto ( )
.
=
'
(
(
)
*
+
+
,
-
= +
n
i
i i n n
b a
i
n
b a
0
Leibniz extendi este resultado a:
( )
.
= + + +
= + + +
n a a a
r
p
r r r r r
n
n
p
p
p p
a a a PR a a a
...
2 1
,..., ,
2 1
2 1
2 1
2 1
... ...
5.3. Combinaciones con Repeticin.
DEF Sea A={a
1
, a
2
, , a
n
}. Llamaremos combinaciones con repeticin de los n
elementos de A, a los distintos subconjuntos de k elementos donde los elementos se
pueden repetir hasta k veces, siendo dos subconjuntos iguales cuando estn formados
por los mismos elementos y repetidos el mismo nmero de veces. Se denota por CR
n,k
.
OBS El nmero k de elementos de cada subconjunto puede ser mayor que n. Cuando
esto sucede, entre las combinaciones con repeticin se encuentran las combinaciones sin
repeticin de n elementos tomados de k en k.
PROP En nmero de combinaciones con repeticin de n elementos tomados de k en k
que se pueden formar con los elementos A={a
1
, a
2
, , a
n
} es
(
(
)
*
+
+
,
- ' +
=
k
k n
CR
k n
1
,
dem.
Para k=1 Las combinaciones con repeticin de n elementos tomados de uno en uno
coinciden con las combinaciones sin repeticin y son n.
Para k-1 Supongamos formadas para k-1, y colocados sus elementos (en cada
combinacin) en el mismo orden que aparecen en el conjunto A
Para k Para formar los de k elementos, partiendo de las anteriores, aadiremos a
cada una el ltimo elemento que en ellas aparece y, sucesivamente, cada
uno de los que le siguen segn el orden establecido en A. Obtenemos as
todas las combinaciones con repeticin.
17/ 18
Para poder contarlas, ideamos la siguiente manera:
Vamos a establecer una biyeccin f: CR
n,k
" C
n+k-1,k
de tal forma que a cada
combinacin con repeticin de CR
n,k
le hacemos corresponder la combinacin sin
repeticin obtenida colocando como subndice de cada elemento el nmero que tena
incrementado en tantas unidades como elementos le preceden.
As f es biyectiva y
(
(
)
*
+
+
,
- ' +
=
k
k n
CR
k n
1
,
Ejemplo. Queremos calcular CR
3,6
(combinaciones con repeticin de 3 elementos de 6
en 6). Dados los siguientes elementos, sus imgenes en C
8,6
son:
a
1
a
1
a
2
a
2
a
3
a
3
" a
1
a
2
a
4
a
5
a
7
a
8
Al primer elemento no le sumamos nada a su subndice ya que no tiene
elementos a su izquierda, al segundo le sumamos 1, al tercero 2, al cuarto 3 y as
sucesivamente.
6. COMBINATORIA CLSICA Y ALGUNAS TENDENCIAS ACTUALES DE
LA COMBINATORIA.
Se entiende por Combinatoria o Anlisis Combinatorio a la parte de las matemticas
que trata del estudio y determinacin de las distintas agrupaciones que pueden formarse
con un nmero finito de elementos siguiendo unas determinadas reglas.
La Combinatoria estudia las propiedades de los diversos grupos que pueden
formarse, incidiendo de forma especial en hallar la regla que permita formar todos los
grupos y su nmero.
El inters por la combinatoria surge en la India, donde el matemtico Bhaskara (S.
XI-XII) escribe sobre la utilidad de hallar variaciones de los diferentes metros en la
versificacin. Este inters viene debido a que sus obras (sobre lgebra o aritmtica entre
otras) estn escritas siguiendo la tradicin india, en verso.
En Europa aparece la combinatoria poco despus, desarrollndose en la Edad Media
debido a los estudios judos sobre la Cabala. El motivo hay que buscarlo en las
especiales caractersticas del idioma Hebreo. Sus palabras carecen de vocales y las
bsicas estn formadas por tres letras. Cuando dos palabras tienen las mismas letras
pero en orden diferente es que existe algn tipo de relacin conceptual entre ellas. En
esta propiedad se basa el primero de los mtodos cabalsticos, la Temur, o arte de las
permutaciones y combinaciones de letras.
Tambin el filsofo y telogo Ramn Llul (nacido en Palma de Mallorca en 1233)
trat la combinatoria en su obra Ars Magna. Parte de la combinacin de trminos
simples. Establece unas tablas en las cuales aparecen una serie de trminos susceptibles
de combinacin: nueve trminos absolutos, nueve relativos, nueve cuestiones, nueve
sujetos, nueve virtudes y nueve vicios. Filsofos y matemticos se han fijado en esta
obra del mallorqun, entre ellos Leibniz.
18/ 18
La combinatoria moderna aparece con Blaise Pascal (1623-1662). Cientfico y
filsofo francs, estudi en 1654 la expresin
(
(
)
*
+
+
,
-
k
n
, desarrollando la teora de las
combinaciones. En ella trata los nmeros combinatorios, el tringulo de Tartaglia y el
desarrollo de la potencia de un trinomio.
Pero fue Jacobo Bernouilli (1654-1705) en su obra Ars Conjectandi (arte de la
conjetura) el mayor impulsor de la combinatoria en el siglo XVII. Consigui obtener y
demostrar el desarrollo del binomio (x+a)
n
siendo n un nmero natural.
Actualmente, nos encontramos con problemas de combinatoria que tienen que ver
con grafos, dando lugar a la Teora de Grafos. En el tema 2 se ha visto el problema de
los Puentes de Knigsberg.
Otros problemas de combinatoria se mezclan con Geometra, dando lugar a la
Geometra Combinatoria.
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa, Noem Zoroa. Ed.
PPU
Introduccin a la Teora de la Estadstica. Aut. Alexander M. Mood, Franklin A.
Graybell. Ed. Aguilar.
1/35
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 4
NMEROS ENTEROS. DIVISILIBIDAD. NMEROS PRIMOS. CONGRUENCIA.
1. Introduccin.
2. Los Nmeros Enteros.
2.1. Construccin de !.
2.2. El Grupo Aditivo de los Nmeros Enteros.
2.3. El Semigrupo Multiplicativo de los Nmeros Enteros.
2.4. El Anillo de los Nmeros Enteros.
2.5. Ideales en el Anillo de los Nmeros Enteros.
3. Divisibilidad.
3.1. Divisibilidad de Nmeros Enteros.
3.2. Divisibilidad en el Anillo de los Nmeros Enteros.
3.3. Mximo Comn Divisor y Mnimo Comn Mltiplo.
4. Nmeros Primos.
5. Congruencias.
6. Criterios de Divisibilidad.
Bibliografa Recomendada.
2/35
TEMA 4
NMEROS ENTEROS. DIVISILIBIDAD. NMEROS PRIMOS. CONGRUENCIA.
1. INTRODUCCIN.
Este tema se divide en cinco partes fundamentales. La primera parte son Los
Nmeros Enteros. Comenzaremos definiendo el conjunto de los nmeros enteros.
Definiremos en l la operacin de suma, que lo convertir en grupo abeliano. Luego la
operacin producto, constituyendo un grupo multiplicativo abeliano con elemento
unidad. Ambas operaciones nos crearn el anillo de los nmeros enteros. Y al final
trataremos de los ideales en el anillo, que se caracterizan por ser subconjuntos formados
por los mltiplos de un nmero entero.
La segunda parte es la Divisibilidad. La divisibilidad en el anillo de los nmeros
enteros se define de forma precisa en trminos de ideales. Por ltimo veremos la
existencia y unicidad del Mximo Comn Divisor y Mnimo Comn Mltiplo.
En la tercera parte definiremos los nmeros primos y veremos sus propiedades.
Aqu hemos de resaltar el teorema fundamental de la aritmtica.
En la cuarta parte trataremos con congruencias y en la ltima veremos los criterios
de divisibilidad ms importantes.
2. LOS NMEROS ENTEROS.
En el tema 1 definimos el conjunto de los nmeros naturales, el cual tiene estructura
de Semianillo conmutativo. Ahora tenemos que ampliar dicho conjunto. El motivo es
que ecuaciones del tipo x+m=n donde se verifica que m>n no tendran solucin. Por
tanto, hemos de construir un nuevo conjunto en el cual esas ecuaciones siempre tengan
solucin. Ese conjunto ha de estar dotado de una operacin interna (suma) que sea
extensin de la operacin interna de " y que verifique que todo elemento tiene
simtrico.
2.1. Construccin de ! !.
DEF Sea el conjunto "x"={(a,b) / a!", b!"}. Sobre este conjunto definimos la
relacin R
(a,b)R(c,d) " a+d = b+c
PROP La relacin R es una relacin de equivalencia.
Dem.
Para que R sea una relacin de equivalencia, debe verificar las propiedades
reflexiva, simtrica y transitiva.
a) Reflexiva. a+b=b+aya que " es conmutativo # (a,b)R(a,b)
3/35
b) Simtrica (a,b)R(c,d) # a+d=b+c #b+c=a+d #
Aplicando la conmutatividad c+b=d+a # (c,d)R(a,b)
c) Transitividad
(a,b)R(c,d) # a+d=b+c
(c,d)R(e,f) # c+f=d+e
Sumando ambas expresiones miembro a miembro
a+d+c+f=b+c+d+e # a+f=b+e # (a,b)R(e,f)
Por tanto R es una relacin de equivalencia.
COROLARIO La relacin R sobre "x" define un conjunto cociente cuyos elementos
son las clases de equivalencia [(a,b)] donde
[(a,b)]={(m,n) !"x" / (m,n)R(a,b)}
DEF Se define el conjunto de los nmeros enteros, y lo representamos por !, como el
conjunto cociente "x"/R. Es decir !="x"/R
OBS Sabemos que toda clase de equivalencia queda determinada dando un
representante cualquiera de la misma. Por convenio, los representantes de las clases de
equivalencia sern aquellos pares ordenados que tengan al menos una de sus
componentes nula.
Se pueden dar tres casos, dado (a,b)!"x"
1) a>b
En este caso existe m!" tal que a=b+m. Entonces se verifica (a,b)R(m,0).
Todos los elementos de [(m,0)] son de la forma [(m,0)]={(b+m,b) / b!"}.
Al representante de [(m,0)] lo denotaremos con el smbolo +m, o simplemente,
m. El conjunto !
+
={[(m,0)] / m!"} lo llamaremos conjunto de los nmeros
enteros positivos.
2) a<b
Existe n!" tal que a+n=b. Se verifica (a,b)R(0,n). Todos los elementos de
[(0,n)] son de la forma [(0,n)]={(a,a+n) / a!"}.
Al representante de [(0,n)] lo denotaremos con el smbolo n. El conjunto !
-
={[(0,n)] / n!"} se llamar conjunto de los nmeros enteros negativos.
4/35
3) a=b
Se verifica que (a,b)R(0,0). Todos los elementos de [(0,0)] son de la forma
[(0,0)]={(a,a) / a!"}.
Al representante de [(0,0)] lo denotaremos con el smbolo 0.
Ahora ya estamos en condiciones de afirmar que !=!
+
${0}$!
-
PROP El conjunto ! es una extensin de ".
Dem.
Basta ver que "%! lo cual es evidente ya que 0!" # 0!!
&n!"-{0} # [(n,0)]!!
+
%!
2.2. El Grupo Aditivo de los Nmeros Enteros.
Vamos a definir en ! la suma para dotarlo de estructura de grupo.
DEF Definimos la suma en ! como
+: !x! ' !
con (a,b)x(c,d)!!x!, entonces +((a,b),(c,d))=(a+c,b+d)
Notacin: La expresin +((a,b),(c,d)) se representa por (a,b)+(c,d).
PROP La suma as definida no depende del representante elegido.
Dem.
Sean (a,b)R(a,b) y (c,d)R(c,d)
Para ver que [(a,b)+(c,d)]=[(a,b)+(c,d)]
tendremos que probar que ((a,b)+(c,d))R((a,b)+(c,d))
(a,b)R(a,b) # a+b=a+b
(c,d)R(c,d) # c+d=c+d
sumando ambas expresiones miembro a miembro
a+c+b+d = a+c+b+d # (a+c,b+d)R(a+c,b+d) #
# ((a,b)+(c,d)) R ((a,b)+(c,d))
5/35
PROP La operacin de suma definida anteriormente verifica las siguientes propiedades:
1) Asociativa: [(a,b)]+([(c,d)]+[(e,f)])=([(a,b)]+[(c,d)])+[(e,f)]
2) Conmutativa: [(a,b)]+[(c,d)]=[(c,d)]+[(a,b)]
3) Elemento Neutro: [(0,0)], ya que [(a,b)]+[(0,0)]=[(a,b)]=[(0,0)]+[(a,b)]
4) Elemento Opuesto: &[(a,b)] ([(b,a)] tal que [(a,b)]+[(b,a)]=[(0,0)]
Dem.
1) [(a,b)]+([(c,d)]+[(e,f)]) = [(a,b)]+([(c+e,d+f)]) = [(a+(c+e),b+(d+f))] =
= [((a+c)+e,(b+d)+f)] = [(a+c,b+d)]+[(e,f)] = ([(a,b)]+[(c,d)])+[(e,f)]
2) [(a,b)]+[(c,d)] = [(a+c,b+d)] = [(c+a,d+b)] = [(c,d)]+[(a,b)]
3) [(a,b)]+[(0,0)] = [(a+0,b+0)] = [(a,b)]
[(0,0)]+[(a,b)] = [(0+a,0+b)] = [(a,b)]
Por lo tanto [(0,0)] es el elemento neutro y se representa por 0
4) &[(a,b)] [(a,b)]+[(b,a)] = [(a+b,b+a)] = [(0,0)]
Luego el opuesto de [(a,b)] es [(b,a)]
Es el llamado elemento simtrico con respecto a la operacin de suma.
PROP El simtrico de cada nmero es nico.
Dem.
Sea [(a,b)]. Supongamos que admite dos simtricos: [(b,a)] y [(c,d)]
[(a,b)]+[(b,a)] = [(0,0)] = [(a,b)]+[(c,d)] # [(a+b,b+a)] = [(a+c,b+d)]
Y para que las clases sean iguales, sus elementos han de estar relacionados:
(a+b,b+a) R (a+c,b+d)
lo que significa que a+b+b+d = b+a+a+c
Aplicando la ley de simplificacin en " b+d = a+c
y eso es (b,a) R (c,d)
y por tanto [(b,a)] = [(c,d)]
y ambos elementos son el mismo.
6/35
OBS En general &n!!, se designa a su simtrico por n
Como conclusin, la operacin suma definida junto con las operaciones que hemos
comprobado que verifica, nos indican que (!,+) es un Grupo Abeliano.
Una consecuencia de la definicin de suma, y por ser (!,+) un grupo, se verifica la
propiedad cancelativa en la suma de nmeros enteros.
PROP &p,q,r!!. p+q=p+r # q=r
Dem.
Como p!! # ((-p)!! / p+(-p)=0
p+q=p+r # (-p)+(p+q) = (-p)+(p+r) #
Aplicando la propiedad asociativa ((-p)+p)+q = ((-p)+p)+r #
Aplicando la propiedad de existencia de opuesto 0+q = 0+r #
Aplicando la propiedad de existencia de neutro q=r
Ahora que ya tenemos a (!.+) como grupo podemos afirmar:
1) Existe una operacin inversa a la adicin, que llamaremos diferencia.
&m,n!! m-n = m+(-n)
2) La ecuacin x+m=n con m,n!! es resoluble en !, siendo la solucin x=n+(-m)
y es nica.
DEF Se define la sustraccin o resta de nmeros enteros como la suma del primero
con el opuesto del segundo. m-n = m+(-n)
Esta operacin es interna en !, pero no verifica las propiedades conmutativa y
asociativa.
Veamos que la suma de nmeros enteros se corresponde con la construccin que
hicimos de !:
1) +m+n = [(m,0)]+[(n,0)] = [(m+n,0)] = +(m+n)
2) m+(-n) = [(0,m)]+[(0,n)] = [(0,m+n)] = -(m+n)
3) +m+(-n) = [(m,0)]+[(0,n)] = [(m,n)]
a) Si m>n # [(m,n)] = +(m-n)
b) Si m<n # [(m,n)] = -(n-m)
c) Si m=n # [(m,n)] = 0
7/35
2.3. El Semigrupo Multiplicativo de los Nmeros Enteros.
Vamos a definir en ! una operacin producto tal que (!,) sea un semigrupo
conmutativo con elemento unidad, prolongando el producto definido en ".
DEF Definimos la multiplicacin de nmeros enteros como:
: !x! ' !
con (a,b)x(c,d)!!x!, entonces ((a,b),(c,d))=(ac+bd,ad+bc)
Notacin: La expresin ((a,b),(c,d)) se representa por (a,b)(c,d).
PROP El producto as definido no depende de los representantes elegidos.
Dem.
Sean (a,b)R(a,b) y (c,d)R(c,d)
Para ver que [(a,b)(c,d)]=[(a,b)(c,d)]
tendremos que probar que ((a,b)(c,d))R((a,b)(c,d))
que es equivalente a ac+bd+ad+bc = ad+bc+ac+bd
Vamos a ver que se verifica esa igualdad en dos pasos:
Paso 1:
Comprobar: (a,b)R(a,b) y (c,d)R(c,d) # (a,b))(c,d) R (a,b))(c,d)
ac+bd+ad+bc = (a+b)c+(b+a)d =
Como (a,b)R(a,b) # a+b=b+a
= (b+a)c+(a+b)d = ad+bc+ac+bd
Uniendo ambos extremos: ac+bd+ad+bc = ad+bc+ac+bd
Que es lo mismo que (a,b)(c,d) R (a,b)(c,d)
Paso 2:
Comprobar: (a,b)R(a,b) y (c,d)R(c,d) # (a,b)(c,d) R (a,b)(c,d)
La demostracin de este paso es anloga a la anterior.
Como la relacin R es transitiva, tenemos que:
(a,b)(c,d) R (a,b)(c,d) y (a,b)(c,d) R (a,b)(c,d) #
8/35
# (a,b)(c,d) R (a,b)(c,d)
que era lo que queramos comprobar.
PROP La multiplicacin de nmeros enteros cumple las siguientes propiedades:
1) Asociativa: &m,n,p!! (mn)p=m(np)
2) Conmutativa: &m,n!! mn=nm
3) Elemento Neutro: (e!! &m!! me=m=em siendo e=1
Dem.
Sea m un representante de la clase [(a,b)], n de [(c,d)], p de [(e,f)] y e de [(e
1
,e
2
)]
1) (mn)p = ([(a,b)][(c,d)])[(e,f)] = [(ac+bd , ad+bc)][(e,f)] =
= [((ac+bd)e+(ad+bc)f , (ac+bd)f+(ad+bc)e)] =
= [(ace+bde+adf+bcf , acf+bdf+ade+bce)] =
= [(a(ce+df)+b(de+cf) , a(cf+de)+b(df+ce))]
= [(a,b)][(ce+df , de+cf)] = [(a,b)]([(c,d)][(e,f)]) = m(np)
2) m)n=[(a,b)])[(c,d)]=[(ac+bd, ad+bc)]=[(ca+db, da+cb)]=[(c,d)])[(a,b)]=n)m
3) m)e=m # [(a,b)])[(e
1
,e
2
)]=[(a,b)] #
*
+
,
= +
= +
b be ae
a be ae
1 2
2 1
#
Para resolver el sistema de ecuaciones multiplicamos la primera por a y la segunda
por b
#
*
+
,
= +
= +
2
1
2
2
2
2 1
2
b e b abe
a abe e a
#
restando ambas ecuaciones: a
2
e
1
-b
2
e
1
=a
2
-b
2
# e
1
=1
sustituyendo en la primera ecuacin obtenemos e
2
=0
Luego e=[(1,0)]=1!!
Por conmutatividad me=em
Ya estamos en condiciones de poder afirmar que (!,) es un semigrupo conmutativo
con elemento unidad.
9/35
PROP Otras propiedades del producto de nmeros enteros son:
1) Ley de Simplificacin: &m,n,p!!-{0}, si mn=mp # n=p
2) El cero es un elemento absorbente: &m!! m0=0
3) ! no posee divisores de cero: &m,n!!, si mn=0 # m=0 n=0
Dem:
A demostrar por el lector
OBS Teniendo en cuenta la definicin que hemos dado de nmeros enteros (tanto
positivos como negativos) y la definicin de producto, podemos obtener la Regla de los
Signos:
1) +m)+n=[(m,0)])[(n,0)]=[(m)n,0)]=+(m)n)
2) +m)(-n)=[(m,0)])[(0,n)]=[(0,m)n)]= -(m)n)
3) -m)+n=[(0,m)])[(n,0)]=[(0,m)n)]= -(m)n)
4) -m)(-n)=[(0,m)])[(0,n)]=[(m)n,0)]=+(m)n)
PROP Propiedad distributiva del producto respecto de la suma:
! & p n m , , ! 1) m)(n+p)=m)n+m)p (por la izq.)
2) (m+n) )p=m)p+n)p (por la der.)
Dem
Como ambas demostraciones son anlogas, slo haremos una:
1) Sea m un representante de la clase [(a,b)], n de la clase [(c,d)] y p de [(e,f)]
m)(n+p)=[(a,b)])([(c,d)]+[(e,f)])=[(a,b)])[(c+e,d+f)]=
=[(a)(c+e)+b)(d+f), a(d+f)+b(c+e)]=[(ac+ae+bd+bf, ad+af+bc+be)]=
=[(ac+bd+ae+bf, ad+bc+af+be)]=[(ac+bd, ad+bc)]+[(ae+bf, af+be)]=
=[(a,b)])[(c,d)]+[(a,b)])[(e,f)]= m)n+m)p
PROP El conjunto !, con las operaciones de suma y producto definidas es una
extensin de ", con sus dos operaciones de suma y producto.
Dem
Definamos la aplicacin f: "'! con f(n)=+n
Es fcil comprobar que: f(m+n)=f(m)+f(n)
10/ 35
y f(m)n)=f(m))f(n) &m,n!"
Basta tener en cuenta la definicin de suma y producto en !.
2.4. Anillo de los Nmeros Enteros.
Como (!,+) es un grupo abeliano, (!,)) es un semigrupo conmutativo con
elemento unidad y se verifica la propiedad distributiva por ambos lados, entonces
(!,+,)) tiene estructura de Anillo Conmutativo unitario.
Veamos algunas de las propiedades de (!,+,))
PROP El anillo de los nmeros enteros no posee divisores de cero. Es decir:
&m,n!! Si m)n=0 # m=0 n=0
DEF (!,+,)) es un dominio de integridad, ya que es un anillo conmutativo con
elemento unidad y sin divisores de cero.
PROP El cero es un elemento absorbente. Es decir: &a!! a)0=0)a=0
Dem
Sabemos que &b!! se verifica que b+0=0+b=b
Teniendo en cuenta esto: a)b=a)(b+0)=a)b+a)0
Aplicando la ley simplificativa: 0=a)0
De forma anloga para : 0=0)a
PROP &a,b!! # a)(-b)=-(a)b)=(-a))b
Dem
Sabemos que &b!! ((-b)!! / b+(-b)=0
b+(-b)=0 # a)[b+(-b)]=a)0 # ab+a(-b)=0 # a)(-b)=-(ab)
De forma anloga se comprueba que (-a))b=-(ab)
PROP &a!! (-a))(-b)=ab
2.5 Ideales en el Anillo de los Nmeros Enteros.
Sabemos que ! es un anillo conmutativo unitario y adems es un dominio de
integridad, ya que no posee divisores de cero.
Vamos a definir ahora el concepto de ideal.
11/ 35
DEF Sea I un subconjunto de !. Se dice que I es un ideal de ! si verifica:
a) I es un subgrupo aditivo de !.
b) &a!! &x!I se cumple a)x!I
OBS El subgrupo de ! formado por todos los mltiplos de un entero cualquiera
m!! es un ideal de !. La comprobacin es trivial.
El ideal lo representamos por (m).
Ya que los mltiplos de m coinciden con los de (-m), por convenio, al hablar del
ideal (m) tomaremos un positivo.
Comprobemos que todo ideal de ! es de la forma (m).
PROP Dado un ideal I de !, se verifica que I=(m) para un entero m convenientemente
elegido.
Dem
Por ser I un ideal, se verifica I%!.
Si I=(0), la proposicin queda demostrada.
Supongamos pues que I.(0). Entonces I deber contener enteros positivos. Sea m el
menor de los enteros positivos de I. Comprobemos que I=(m), y lo haremos por doble
inclusin.
(m)% I Como m!I e I es un ideal # (m)% I
I%(m) Supongamos que I/(m) y llagaremos a una contradiccin.
Como I/(m) # (a!(m) / a!(m)
Si dividimos a por p obtenemos: a=m)q+r con r<m
Si r=0 # a=mq # a0(m) Falso luego 0<r<m
Sea el nmero entero r=a-mq
Como a!I, m!I # a-mq!I # r!I
Pero r<m y m era el entero positivo ms pequeo de I. Contradiccin.
La suposicin es falsa y I%(m)
El subconjunto constituido por el elemento 0 es un ideal y se llama, ideal 0, y se
designa por (0). Como ! posee elemento unidad, se verifica que (1)= !
12/ 35
Los ideales (0) y (1) se llaman ideales impropios. Los restantes, si existen, se
llaman ideales propios.
DEF Sea I un ideal. Diremos que I es un ideal principal si est engendrado por un solo
elemento.
COROLARIO Todo ideal de ! es un ideal principal.
DEF (a) es un subideal de (b) si (a)%(b)
Con los ideales de ! podemos definir las operaciones de suma e interseccin de
ideales, dando como resultado un nuevo ideal.
PROP 1) (a)+(b)={p!! / p=m+n, m!(a), n!(b)} es un ideal
2) (a)1(b)={p!! / z!(a) y z!(b)} es un ideal
Dem
1) Sean m,n!(a)+(b) # m=a
1
+b
1
y n=a
2
+b
2
con
a
1
,a
2
!(a) y b
1
,b
2
!(b)
m-n=(a
1
+b
1
)-(a
2
+b
2
)=(a
1
-a
2
)+(b
1
-b
2
)
Como: a
1
-a
2
!(a) y b
1
-b
2
!(b) por ser (a) y (b) ideales se verifica que:
m-n!(a)+(b) (1)
Sea n!(a)+(b) # n=a
1
+b
1
con a
1
!(a) y b
1
!(b)
&c!! c.n=c(a
1
+b
1
) # c.n=ca
1
+cb
1
Se verifica que ca
1
!(a) y cb
1
!(b)
entonces: c.n!(a)+(b) (2)
De (1) y (2) se deduce que (a)+(b) es un ideal.
2) Sean m,n!(a)1(b) # m,n!(a) y m,n!(b) # m-n!(a) y m-n!(b) #
# m-n!(a)1(b) (1)
Sea n!(a)1(b) y c!! # Como n!(a) y n!(b) se verifica que:
n.c!(a) y n.c!(b) # n.c!(a)1(b) (2)
De (1) y (2) se deduce que (a)1(b) es un ideal.
13/ 35
Veamos ahora algunos ideales especiales
DEF Diremos que un ideal I es primo si verifica:
1) I.!
2) n)n!I # m!I n!I.
PROP I=(m) es un ideal primo de ! si y slo si m es un nmero primo.
Dem
OBS Como ! es un dominio de integridad, los ideales impropios son primos y por
tanto los excluiremos de la demostracin.
#
Demostrar: (m) es ideal primo # (m) es nmero primo.
Es equivalente a: m no es nmero primo # (m) no es ideal primo.
Si m no es un nmero primo # (a,b!! / m=a+b con a.1 y b.1.
Podemos considerar a y b positivos, luego: m!(m) y m=a)b
Pero a0(m) y b0(m) ya que m es el entero positivo ms pequeo. Por tanto (m) no
es primo al no verificar la segunda condicin de la definicin.
2
Sea m un nmero primo y a)b!(m) #a)b=r)m
Como m es primo, debera dividir a a o b # a!(m) b!(m)
DEF Diremos que un ideal M es maximal si verifica:
1) M.!
2) &I!! ideal y M%I # I=! I=M
DEF Llamaremos nmeros primarios a los nmeros de la forma p
n
con p primo y
n!"* ("*="-{0})
DEF Los ideales primarios de ! son los generados por el 0 y las potencias positivas
de los nmeros primos.
14/ 35
3. DIVISIBILIDAD.
3.1. Divisibilidad de Nmeros Enteros.
DEF Sean a,b!!, diremos que a divide a b o a es un divisor de b b es un
mltiplo de a y lo denotaremos por ser a/b b= a& si:
(c!! / b=a)c
OBS A partir de la definicin es fcil comprobar que:
1) 1/a &a!! 1/a ya que (a!! / a=1)a
2) a/0 &a!! a/0 ya que (0!! y se verifica 0=a)0
PROP &a,b,c!! se verifica:
1) &a!! a/a
2) Si a/b y b/c # a/c
3) Si a/b y b/a # a=b
Dem
1) &a!! (1!! / a=1)a
2) Si a/b # (n
1
!" / b=a)n
1
# c=(a)n
1
))n
2
; c=a(n
1
)n
2
)
Si b/c # (n
2
!" / c=b)n
2
Como: n
1
)n
2
!! # a/c
3) Si a/b # (n
1
!" / b=a)n
1
# a=b))n
2
; a=(a)n
1
))n
2
Si b/a # (n
2
!" / a=b)n
2
# a=a)(n
1
)n
2
) # a=a)(n
1
)n
2
)=0 # a(1-n
1
)n
2
)=0
Si a=0 # como b=a)n
1
tenemos b=0
Si a.0 # 1-n
1
)n
2
=0 por ser ! un dominio de integridad #
# n
1
)n
2
=1 # n
1
=n
2
=1 n
1
=n
2
=-1
Se deduce pues que a=b a=-b
Si consideramos el par (!,/), vemos que verifica la propiedad reflexiva (apartado 1
de la proposicin anterior) y la propiedad transitiva (apartado 2 de la proposicin
15/ 35
anterior). En cambio no verifica la propiedad antisimtrica. Por tanto, (!,/) es un
conjunto preordenado. Si un nmero entero y su opuesto fuesen el mismo se verificara
la propiedad antisimtrica y (!,/) sera un conjunto ordenado. Eso no es posible, pero
vamos a evitar esa dificultad considerando equivalentes un nmero y su opuesto.
DEF Diremos que dos nmeros enteros, a y b, son asociados si verifican a/b y b/a.
OBS Los nmeros asociados se obtienen multiplicando por 1 y por 1.
Al conjunto formado por el 1 y 1 lo vamos a denotar por U={1,-1} y forman un
grupo multiplicativo.
DEF Definimos la relacin ser asociados y la denotaremos por $ a :
a$b " a/b y b/a
PROP La relacin $ es una relacin de equivalencia.
Dem
Reflexiva: Dado a!! se verifica a/a # a$a
Simtrica: a$b # a/b y b/a # b/a y a/b # b$a
Transitiva: a$b # a/b y b/a
b$c # b/c y c/b
Como a/b y b/c # a/c y como c/b y b/a # c/a
Entonces: a$c
La relacin de equivalencia ser asociados define clases de equivalencia donde
&a!! subclase de equivalencia la denotaremos a y !/$ es el conjunto cociente.
A los elementos del conjunto cociente (las clases de equivalencia) se les llama
nmeros asociados.
a ={b!! / a)u=b con u! U}
Si: a=0 # 0={0}
Si: a.0 # a ={a,-a}
Ya estamos en condiciones de generalizar la relacin de divisibilidad definida en !
al conjunto !/$
DEF Dados b , a !!/$, diremos que a divide a b si (c!! tal que b=a )c
16/ 35
Con esta nueva relacin de divisibilidad podemos afirmar:
PROP La relacin de divisibilidad definida es una relacin de orden y el conjunto
(!/$, /) es un conjunto ordenado.
OBS En la prctica, no hablamos de divisibilidad de nmeros asociados, pero al tratar
la propiedad antisimtrica, se considerarn las clases (o nmeros asociados), no los
nmeros entre s
PROP La divisibilidad entre nmeros enteros verifica:
1) Si a/b y a/c # a/b+c y a/b-c
2) Si a/b &c!! # a/b)c
Dem
1) a/b # (n
1
!! / b=a)n
1
a/c # (n
2
!! / c=a)n
2
b+c=a)n
1
+a)n
2
= a)(n
1
+n
2
) ; Como n
1
+n
2
!! # a/b+c
b-c=a)n
1
-a)n
2
= a)(n
1
-n
2
) ; Como n
1
-n
2
!! # a/b-c
2) a/b # (n
1
!! / b=a)n
1
Al multiplicar ambos miembros por c!!
b)c=(a)n
1
))c ; b)c=a)(n
1
)c) y como n
1
)c!! # a/b)c
3.2. Divisibilidad en el Anillo de los Nmeros Enteros.
DEF Sean a,b!!. Diremos que a divide a b y se escribe a/b cuando (b)%(a).
Ejemplo: 5/10 ya que (10)%(5)
PROP Sean a,b!!. Las definiciones vistas:
1) a/b si (c!! / b=a)c
2) a/b si (b)%(a) son equivalentes
Dem
1) # 2)
Si a/b # (c!! / b=a)c # b%(a) # (b)%(a) por ser ! un anillo principal.
17/ 35
2) # 1)
Si a/b # (b)%(a) # b!(a) # (c!! / b=a)c por ser ! un anillo principal.
PROP Dados a,b!!, son asociados " (a)=(b)
Dem
#
Como a y b son asociados # a$b #
*
+
,
3
4
5
% #
% #
(b) (a) b/a
(a) (b) a/b
# (b)=(a)
2
(a)=(b) #
*
+
,
3
4
5
# %
# %
a/b (a) (b)
b/a (b) (a)
# a$b # a y b son asociados.
OBS Un ideal en ! est engendrado por un elemento o por su opuesto (son los que
pertenecen a la misma clase segn la relacin de equivalencia ser asociado).
DEF Se dice que a divide a b, y se escribe b a cuando (b)%(a)
PROP &a,b!" con a/b se verifica:
1) a/b
n
con n!"
2) a/|b|
3) |a|/|b|
4) b.0 # |a|6|b|
Dem
1) Como a/b # (n
1
!" / b=a)n
1
n=1 trivial
n=k-1 supongamos cierto que a/b
k-1
n=k como a/b
k-1
# (n
k-1
!" / b
k-1
=a)n
k-1
b
k
=b.b
k-1
=a)n
1
)a)n
k-1
Sea: n
k
= a)n
1
)n
k-1
!! b
k
=a)n
k
# a/n
k
2) Si b70 a/b por hiptesis
18/ 35
Si b<0 como a/b (n
1
!! / b=a)n
1
# -b=a)(-n
1
) # a/-b
entonces: a/|b|
3) y 4) Son anlogas.
3.3. Mximo Comn Divisor y Mnimo Comn Mltiplo.
DEF Sean a,b!!. Llamaremos Mximo Comn Divisor de a y b a d!!
verificando las siguientes condiciones:
1) d/a y d/b
2) (s!! / s/a y s/b # s/d
OBS d es el mayor de los divisores comunes de a y b.
Podemos fcilmente extender la definicin a un nmero de elementos de !.
DEF Sean a
1
, a
2
, a
3
,, a
n
!!. Llamaremos M.C.D. de a
1
' a
n
a d!! verificando:
1) d/a
i
&
i
:1,,n
2) (s!! / s/a
i
&
i
:1,,n # s/d
Diremos que d=mcd(a
1
' a
n
)
Las proposiciones que siguen vamos a demostrarlas para dos elementos, siendo su
extensin a n elementos, inmediata.
PROP Sean a,b!!. (a)+(b)=(d) si y slo si d=mcd(a,b)
Dem
#
Hemos de probar que se verifican las siguientes condiciones de la definicin:
1) Como (a)+(b)=(d) # a,b!(d) #
3
4
5
# ) = # !
# ) = # !
d/b n d b (d) b
d/a n d a (d) a
2
1
2) Supongamos que (s!! tal que s/a y s/b
s/a # a=s)m
1
s/b # b=s)m
2
como (a)+(b)=(d) # d=a)n
1
+b)n
2
=s)m
1
)n
1
+s)m
2
)n
2
# d=s(m
1
)n
1
+)m
2
)n
2
) # s/d
19/ 35
2
Como d=m.c.d(a,b) # d/a y d/b # a!(d) y b!(d) # (a)%(d) y (b)%(d) #
# (a)+(b)%(d)
Para ver la inclusin al contrario:
como la suma de ideales es un nuevo ideal y en ! los ideales son todos principales
# (s!! / (a)+(b)=(s)
pero entonces s/a y s/b
Por ser d=mcd(a,b) # s/d # (d)%(s)=(a)+(b) por tanto (d)=(a)+(b)
OBS La proposicin anterior demuestra la existencia de mcd de un nmero finito de
elementos de !.
PROP Sean a,b!!. Se verifica que el mcd(a,b) es nico, salvo factores unidad de !.
Dem
Supongamos (d,d!! / d=mcd(a,b) y d=mcd(a,b)
De la proposicin anterior (a)+(b)=(d)=(d)
Como (d)=(d) #
3
4
5
) = # !
) = # !
d d d' (d) d'
d' d d ) (d' d
2
1
# d=d
1
)d
2
)d
Por ser ! un dominio de integridad # d
1
)d
2
=1 # d
1
=d
2
=1 d
1
=d
2
=-1
Por tanto d y d o son iguales o difieren en un factor unidad.
Por convenio, se toma como mcd el nmero positivo.
Teorema de BEZOUT.
Si d=mcd(a,b) entonces existen dos nmeros 8,!! tales que d=8a+b
Dem
d=mcd(a,b) # (d)=(a)+(b) # (m,n!! tal que d=m+n con n!(a) y n!(b)
# m=a)8 para algn 8!! y n=b) para algn !! # d=8a+b
Algoritmo de la Divisin
Sean a,b!! con b>0. Entonces existen q,r!! nicos tales que:
a=b)q+r con 06r<b
20/ 35
Dem
Existencia Sean a,b!! con b>0
Construimos el conjunto S={a-bn / n!! y a-bn es un nmero Natural}
Es fcil comprobar que S no es vaco:
Si a=0 # tomando n=-1 a-b(-1)70
Si a.0 # tomando n=-a
2
a-b(-a
2
)=a+b.a
2
70
Aplicando el principio de buena ordenacin de ", que dice que todo
subconjunto de " no vaco, tiene un mnimo, existe r=mn S
Luego r=a-b)q para un determinado q!! y r70
Por tanto: a=b)q+r con r70.
Comprobemos ahora que r<b
*
+
,
7
+ = # 7
0 b - r
1) b(q - a b - bq - a b r que Supongamos
#r-b!S
y r-b<b ya que b>0
Pero sabemos que r=min S luego eso es imposible. Por tanto la
suposicin es falsa y r<b
Unicidad
Supongamos que existen q,r,q,r!! tales que a=b.q+r=b.q+r con 06r<b y
06r<b. Supongamos r6r
*
+
,
<
=
b r' - r como pero
r' - r b(q'-q) : que tenemos Entonces
# q-q=0
y si q-q=0 # r-r=0 y se obtiene que q=q y r=r.
DEF Dados a,b!!, diremos que a y b son coprimos (o sea, son primos entre s) si
mcd(a,b)=1.
PROP Si mcd(a,b)=d para a,b!! mcd 1
d
b
,
d
a
=
9
:
;
<
=
>
Dem
Si mcd(a,b)=d # d/a d/b
21/ 35
Por el Teorema de Bezout: (8,!! / d=8a+b #
?
?
*
?
?
+
,
% 9
:
;
<
=
>
+ 9
:
;
<
=
>
# @ =
9
:
;
<
=
>
+
9
:
;
<
=
>
% # + = #
) 1 (
d
b
d
a
(1) como y
d
b
d
a
) 1 (
d
b
d
a
1

!
# ) 1 (
d
b
d
a
=
9
:
;
<
=
>
+
9
:
;
<
=
>
#
# mcd 1
d
b
,
d
a
=
9
:
;
<
=
>
Teorema de EUCLIDES. Si a/b)c y mcd(a,b)=1 # a/c
Dem
Como mcd(a,b)=1. Por el teorema de Bezout (8,!! / 1=8a+b
Al multiplicar la expresin por c # c=8ac+bc
*
+
,
#
#
bc a bc a hiptesis Por
ac a a a

!
# bc ac a ! + # a/c
DEF Sean a,b!!. Llamaremos Mnimo Comn Mltiplo de a y b a m!! si se
verifican las siguientes condiciones:
1) a/m y b/m
2) (n!! tal que a(n y b/n # m/n
OBS m es el menor de los mltiplos comunes de a y b.
Es inmediato extender la definicin a un nmero k de elementos de !.
DEF Sean a
1
, a
2
, a
3
,.., a
k
!!. Llamaremos mnimo comn mltiplo de a
1
' a
k
a m!!
verificando las siguientes condiciones:
1) a
i
/m &
i
:1,,k
2) (n!! tal que a
i
/n &
i
:1,,k # m/n
Diremos que m=mcm(a,b)
Al igual que hemos hecho con el mcd, las proposiciones que siguen vamos a
demostrarlas para dos elementos, siendo inmediato la extensin a n elementos.
PROP Sean a,b!!. (a)1(b)=(m) si y slo si m=mcm(a,b)
Dem
# Hemos de probar que se verifican las dos condiciones de la definicin:
22/ 35
1) Como (a)1(b)=(m) #
3
4
5
# ! # %
# ! # %
b/m (b) m (b) (m)
a/m (a) m (a) (m)
2) Supongamos que (n!! / a/n y b/n
*
+
,
% # ! #
% # ! #
(b) (n) (b) n b/n Como
(a) (n) (a) n a/n Como
# (n)%(a)1(b)=(m) #
# (n)%(m) # n!(m) # m/n
2 Como m=mcm(a,b) # a/m y b/m # m!(a) y m!(b) #
# (m)%(a)1(b)
Veamos la inclusin al revs.
Como la interseccin de ideales es un nuevo ideal y en ! todos los ideales son
principales, supongamos que (t!!.
(a)1(b)=(t) #
3
4
5
# ! # %
# ! # %
t b (b) t (b) (t)
t a (a) t (a) (t)
Pero como m=mcm(a,b) se verifica m/t # (t)%(m)
y como (t)=(a)1(b) tenemos (a)1(b)%(m)
COROLARIO Dados a,b!!, a/b si y slo si mcm(a,b)=b
Dem
a/b " (b)%(a) " (a)1(b)=(b) " mcm(a,b)=b
PROP Si mcm(a,b)=m # mcm(a)c, b)c)=m)c con c.0
Dem
Como mcm(a,b)=m # (a)1(b)=(m) # (a.c)1(b.c)=(m.c) #
# mcm(ac,bc)=mc
PROP Si mcm(a,b)=m y (c / c/a y c/b # mcm
c
m
c
b
,
c
a
=
9
:
;
<
=
>
Dem Anloga a la anterior.
Veamos ahora la relacin que existe entre el mcd y el mcm de dos nmeros enteros.
23/ 35
Teorema
Dados a,b!! mcd(a,b))mcm(a,b)=a)b
Dem
Sea mcd(a,b)=d y mcm(a,b)=m
Si mcd(a,b)=d #
*
+
,
= #
= #
b'.d b d/b
a'.d a d/a
verificando mcd 1
d
b
,
d
a
=
9
:
;
<
=
>
que es lo mismo que mcd(a,b)=1
Si
3
4
5
# = # =
# = # =
d.b' a' b d.a' b' b.a' d b' b
d.b' a' a d.b' a' a.b' d a' a
Sea k un mltiplo cualquiera de a y b. Entonces:
(r,s!! tales que
3
4
5
= # =
= # =
d.s b' k b.s k
d.r a' k a.r k
# ad.r=bd.s # ar=bs #
# a/bs y como mcd(a,b)=1, por el teorema de Euclides tenemos que:
a/s # (t!! tal que s=at
Por tanto k=b.s=b.at=bd.at # k/bd.a
Podemos decir que mcm(a,b)=d.ab
Ya estamos en condiciones de comprobar la igualdad, que es d.m=a.b
d.m=d.d.ab=d.a.d.b=a.b cqd
COROLARIO a,b!! son coprimos " mcm(a,b)=a.b
Dem
a,b son coprimos " mcd(a,b)=1 " mcm(a,b)=a.b
Vamos a ver ahora un teorema que nos va ha dar un mtodo prctico para calcular
el mcd de dos nmeros y, aplicando el teorema anterior, podremos calcular a su vez, el
mcm. Consiste en las divisiones sucesivas.
Teorema del Algoritmo de EUCLIDES.
Si r es el resto de la divisin entera de a por b, entonces mcd(a,b)=mcd(b,r)
Dem Dados a,b!! (q,r!! / a=b.q+r 06r<b
24/ 35
r=a-b.q=a.1+b.(-q) luego todo divisor de a y b es tambin divisor de r.
r!(a)+(b) # r!(d) siendo d=mcd(a,b) # (r)%(d) # d/r #
# mcd(b,r)=d=mcd(a,b)
Llamaremos Algoritmo de Euclides al proceso de divisiones sucesivas que nos va a
permitir calcular el mcd de dos nmeros.
Algoritmo de Euclides: Dados a,b!!
(q
1
,r
1
a=bq
1
+r
1
06r
1
<b # mcd(a,b)=mcd(b,r
1
)
Si r
1
=0 # mcd(b,0)=b y se para. En caso contrario se repite para b,r
1
(q
2
,r
2
b=r
1
q
2
+r
2
06r
2
<r
1
# mcd(b,r
1
)=mcd(r
1
,r
2
)
Si r
2
=0 # mcd(r
1
,0)=r
1
. En caso contrario se repite
Despus de n pasos llegaremos a que:
r
n-2
=r
n-1
.q
n
+r
n
con r
n
=0 # mcd(a,b)=mcd(b,r
1
)==mcd(r
n-1
,0)=r
n-1
4. NMEROS PRIMOS.
DEF Sea p!!-{0,1,-1}. Diremos que p es un nmero primo si slo es divisible por
unidades y por sus asociados.
OBS p es primo si sus nicos divisores son {-1, 1, p, -p}
DEF Sea q!!-{0,1,-1}. Diremos que q es compuesto si no es un nmero primo.
OBS Los nmeros -1,0,1!! no son nmeros primos ni son nmeros compuestos.
Veamos algunas propiedades de los Nmeros Primos.
PROP Sea p!! un nmero primo. Si p/a # mcd(p,a)=p
Dem
Vamos a suponer que p>0 ya que no afecta.
Sea mcd(a,p)=d # d es el mayor de los divisores comunes a a y p.
d/a # por ser p primo d!{1,-1,p,-p}
Como p/a tenemos que todos los divisores de p son divisores de a. Luego todos
los divisores de p y de a son {-1,1,-p,p}.
25/ 35
Como d es el mayor de todos, entonces d=p. Por tanto mcd(a,p)=p
PROP Sea p!! un nmero primo. Si p/a.b # p/a p/b
Dem
Si p/a entonces la proposicin ya est demostrada.
Supongamos que p no divide a a, entonces mcd(p,a)=1.
Aplicando el Teorema de Euclides: p/a.b y mcd(p,a) # p/b
PROP El conjunto de los nmeros primos es infinito.
Dem
Supongamos que el conjunto de los nmeros primo es finito
Sea P={p
1
,p
2
,,p
n
} todos los nmeros primos.
Sea q=p
1
)p
2
))p
n
+1. Vamos a comprobar que q es primo, lo que supondr
una contradiccin, ya que q0P
Si q no es primo # (i!{1,n} / p
i
/q # (c!! / q=p
i
)c
Entonces: p
i
)c=p
1
)p
2
))p
n
+1 #
# c=
i i
n 2 1
p
1
p
p ... p p
+
) ) )
= p
1
))p
i-1
)p
i+1
) )p
n
+
i
p
1
#
#
i
p
1
=c-p
1
))p
i-1
)p
i+1
) )p
n
!!
# p
i
/1 con p
i
primo, lo que es una contradiccin # q es primo #
# El conjunto de los nmeros primos es infinito
Para poder obtener todos los nmeros primos inferiores a uno dado existe un
mtodo prctico que recibe el nombre de Criba de Erasttenes.
Criba de Erasttenes.
Se escribe la sucesin de los nmeros naturales hasta el nmero dado. A
continuacin tachamos todos los mltiplos de 2 comenzando en su cuadrado 2
2
=4. A
continuacin del 2, el primer nmero sin tachar es el 3, entonces eliminamos los
mltiplos de 3 comenzando en su cuadrado 3
2
=9. Repetimos el proceso hasta llegar a un
nmero cuyo cuadrado no est en la lista. Aquellos nmeros que permanezcan sin tachar
son nmeros primos.
26/ 35
Dado un nmero entero, para comprobar si es nmero primo sin tener que realizar
la criba de Erasttenes, basta con comprobar si es divisible por los primeros nmeros
primos (2,3,5,7,) hasta que se llegue a un nmero cuadrado sea superior al propio
nmero dado.
Teorema En ! se verifica: p es primo " (p) es ideal maximal
Dem
#
Como p es primo # (p).! ya que p.1
Sea (q) un ideal tal que (p)%(q)%!.
Como (p)%(q) # q/p pero al ser p primo q!{1,-1,p,-p}
Sea u!{-1,1} #
3
4
5
= # ) =
= = # =
(q) (p) p u q
(u) (q) u q
Entonces (p) es ideal maximal al verificar las dos condiciones de la definicin.
2
Sea q un divisor de p # q/p # (p)%(q)
Como (p) es maximal # Si (p)%(q) se verifica que (q)=(p) (q)=!
Si (q)=(p) # p/q y q/p # p y q son asociados # p es slo divisible
por sus asociados.
Si (q)=! # q=u # (p)%(u) # u/p entonces p es slo divisible por
las unidades o por sus asociados # p es primo
DEF Se llaman nmeros primarios a las potencias de la forma p
n
siendo p un nmero
primo y n!"-{0}
OBS Todo nmero primo es nmero primario, sin ms que tomar n=1.
Ahora vamos a ver un resultado que nos va a permitir decir que todo nmero
compuesto admite una descomposicin en factores primarios y que dos
descomposiciones del mismo nmero son iguales salvo en el signo de los factores.
Si traducimos esto a ideales, es lo mismo que decir que todo ideal propio de !
admite una descomposicin como interseccin finita de ideales primarios.
Por ejemplo: (50)=(2)1(5
2
) siendo (2) y (5
2
) ideales primarios.
27/ 35
Teorema Fundamental de la Aritmtica.
a) Existencia: Todo nmero compuesto se puede descomponer en un producto de
factores primos.
b) Unicidad: La descomposicin anterior es nica, salvo el orden o signo de los
factores.
Dem
a) Existencia.
Sea m un nmero compuesto y p el divisor primo de m, ms pequeo.
Entonces m=p
1
.n
1
con n
1
!!
Si n
1
es primo, ya est demostrado. m sera el producto de dos primos
Si n
1
no es primo, repetimos el proceso para n
1
.
Sea p
2
el divisor primo de n
1
ms pequeo:
Entonces n
1
=p
2
.n
2
con n
2
!! luego m=p
1
.p
2
.n
2
Repetimos el proceso hasta obtener n
k
!! nmero primo para algn k o es
una unidad.
El proceso es finito, ya que, por ejemplo, si usramos el mtodo de la Criba
de Erasttenes, obtendramos un nmero finito de nmeros primos, que son los
candidatos a ser divisores de m (los nmeros primos mayores que m no pueden
dividirlo)
Si n
k
es una unidad # m=p
1
.p
2
.p
3
.p
k
Si n
k
es nmero primo # p
k+1
=n
k
y m= p
1
.p
2
.p
3
.p
k.
.p
k+1
.
b) Unicidad.
Una vez comprobado que m se puede descomponer como producto de
nmeros primos, veamos que dicha descomposicin es nica.
Sea m= p
1
.p
2
.p
3
.p
n
=q
1
.q
2
.q
3
.q
k
. n<k
Para ver que la descomposicin es nica debemos demostrar que:
i) n=k
ii) p
i
=q
i
.u
i
para i=1,,n y u
i
!{1,-1} unidades de !.
Como p
1
...p
n
=q
1
q
k
# p
1
/q
1
q
k
y como p
1
es primo #
28/ 35
# (j!{1,,k} / p
1
/q
j
y como q
j
tambin es primo #
# p
1
y q
j
son asociados # p
1
=q
j
.u con u!{-1,1}.
Reordenando los nmeros primos podemos afirmar que p
1
=q
1
.u
1
Entonces: p
1
.(p
2
p
n
)=q
1
.(q
2
q
k
) se transforma en:
q
1
.u
1
.(p
2
p
n
)=q
1
.(q
2
q
k
) quedando: u
1
.p
2
p
n
=q
2
q
k
Repitiendo todo este proceso n veces obtenemos:
u
1
.u
2
u
n
=q
n+1
q
k
Luego: q
n+1
q
k
=1 q
n+1
q
k
=-1
Entonces &j!{n+1,,k} tenemos q
j
/1 q
j
/-1
Por tanto: q
j
=u con u!{1,-1} y j!{n+1,,k}
Obtenemos que m=p
1
p
n
=q
1
q
n
y p
i
=q
i
.u
i
&i:1n c.q.d.
COROLARIO
Si en la descomposicin de un nmero compuesto aparecen varios nmeros primos
repetidos, se pueden asociar y el nmero se escribe as:
n 2 1
a
n
a
2
a
1
p .... p . p m = siendo a
i
el nmero de veces que se repite p
i
i:1,,n
Dem
Dado m!! nmero compuesto, como la descomposicin es nica, si
ordenamos los nmeros primos de menor a mayor, tenemos:
n 2 1
2 1 a
n
a
2
a
1 n n 2 2 1 1
p ..... p . p p .. .. p ...... ..p .. p . p .. .. p m = =
n
a a a
COROLARIO
Todo nmero compuesto se puede descomponer de manera nica como producto de
nmeros primos.
Dem
Igual que la demostracin anterior.
COROLARIO
Todo ideal propio de ! se puede poner como interseccin finita de ideales
primarios
29/ 35
Dem
Dado m!! y aplicando el corolario anterior:
n 2 1
a
n
a
2
a
1
p ..... p . p m =
Es evidente que 1 ) p ..... p . mcd(p
n 2 1
a
n
a
2
a
1
=
ya que los p
i
son todos distintos: p
i
.p
j
i.j.
Entonces, como ) p ..... p . mcd(p
n 2 1
a
n
a
2
a
1
)
n 2 1 n 2 1
a
n
a
2
a
1
a
n
a
2
a
1
p ..... p . p ) p ..... p . mcm(p =
tenemos que: m ) p ..... p . mcm(p
n 2 1
a
n
a
2
a
1
=
Por un teorema anterior comprobamos que mcm(a,b)=m " (m)=(a)1(b)
y aplicndolo obtenemos: (m)= ( ) ( ) ( )
n 2 1
a
n
a
2
a
1
p ..... p p 1 1 1 c.q.d.
Una consecuencia prctica de todo esto es la siguiente:
Dado a,b!! sabemos que mcd(a,b)=d es el mayor de los divisores comunes de a y
b; mcm(a,b)=m es el menor de los mltiplos comunes distintos de cero de a y b.
Entonces el mcd(a,b)=d se puede obtener multiplicando los factores primos
comunes con el menor exponente, de los que aparecen al descomponer a y b.
A su vez, el mcm(a,b)=m se puede obtener multiplicando los factores comunes y no
comunes con el mayor exponente de los que aparecen en las descomposiciones de a y b.
5. CONGRUENCIAS.
DEF Sean a,b,n!! con n>0. Diremos que a es congruente con b mdulo n, y se
escribe aAb(mod n) si n divide a a-b, n/a-b, o lo que es lo mismo a-b!(n)
PROP Sean a,b,n!! con n>0.
aAb(mod n) " a y b dan el mismo resto al dividirlos por n.
Dem
#
Sea aAb(mod n) " n/a-b # (c!! / a-b=n.c
Si dividimos b por n (q,r! aAb(mod n) / b=n.q+r con 06r<n
Hemos de comprobar que al dividir a por n tambin nos da de resto r.
Como a-b=n.c # a=n.c+b # a=n.c+n.q+r # a=n.(c+q)+r con 06r<n cqd
30/ 35
2
Para ver que aAb(mod n) basta comprobar que a-b!(n)
Por hiptesis (q
1
,r!! / a=q
1
.n+r 06r<n
(q
2
!! / b=q
2
.n+r
Si restamos ambas expresiones: a-b=n(q
1
-q
2
) # a-b!(n) c.q.d.
PROP La relacin de congruencia mdulo n, es una relacin de equivalencia que
tienen exactamente n clases.
Dem
Usando el resultado de la proposicin anterior, es trivial comprobar que la relacin
de congruencia verifica las propiedades reflexiva, simtrica y transitiva.
Reflexiva: aAa(mod n) ya que ambos (el propio a) tiene el mismo resto al ser
divididos por n
Simtrica: Si a y b tienen el mismo resto, tambin b y a.
aAb(mod n) # bAa(mod n)
Transitiva: Si a y b tienen el mismo resto y b y c tambin, entonces es claro que a
y c lo van a tener.
aAb(mod n) y bAc(mod n) # aAc(mod n)
Veamos que tiene exactamente n clases.
Sea a!! arbitrario y n>0. Por el algoritmo de la divisin:
(q,r!! / a=n.q+r con 06r<n
a=n.q+r # a-r=n.q # n/a-r # aAr(mod r) # [a]=[r]
y como r!{0,1,.,n-1} # [a] coincide con alguna de las clases {[0],[1],[n-1]} y
son exactamente n, ya que son todos los valores que puede tomar r.
PROP Sean a,b,a,b!! con n>0. Si
*
+
,
A
A
n) (mod b' b
n) (mod a' a
#
3
4
5
) A )
+ A +
n) (mod b' a' b a ii)
n) (mod b' a' b a i)
Dem
i)
*
+
,
A
A
n) (mod b' b
n) (mod a' a
#
3
4
5
b' - b n
a' - a n
# ) b' - (b ) a' - (a n + #
# ) b' (a' b) (a n + - + # a+bAa+b (mod n)
31/ 35
ii)
*
+
,
A
A
n) (mod b' b
n) (mod a' a
#
3
4
5
b' - b n
a' - a n
#
3
4
5
) b' - a.(b n
) a' - b.(a n
# ) b' - (b a' ) a' - b(a n + #
# b' a' - ab n # abAab(mod n)
COROLARIO
Sean a,b,c,n!! con n>0. Se verifica:
1) aAb(mod n) " &c!! a+cAb+c (mod n)
2) aAb(mod n) # &c!! a)cAb)c (mod n)
Dem
1) #
&c!! se verifica n/c-c ya que c-c=n.0 # cAc(mod n)
Aplicando i) de la proposicin anterior a
*
+
,
A
+ A +
n) c(mod c
n) c(mod b c a
# a+cAb+c(mod n) &c!!
2
Anlogamente podemos obtener que &c!! -cA-c(mod n)
Aplicando i) de la proposicin anterior a
*
+
,
- A
+ A +
n) c(mod c -
n) c(mod b c a
# aAb(mod n)
2) &c!! cAc(mod n)
Aplicando ii) de la proposicin anterior a:
*
+
,
A
A
n) c(mod c
n) b(mod a
# a.cAb.c(mod n)
OBS El recproco de 2) no se puede obtener si no aadimos alguna condicin
adicional. Vemoslo:
Sean a,b,c,n!! con n>0. Se verifica:
ac=bc(mod n) y c y n son coprimos # aAb(mod n)
32/ 35
Dem
c y n son coprimos " mcd(c,n)=1 "
aplicando el teorema de Bezaut
" (8,!! / 1=8.c+.n 1+8c=n " n/1-8.c " 1A8c(mod n)
Como a,b!!, se verifica
3
4
5
A
A
n) b(mod b
n) a(mod a
De 1A8c(mod n) y aAa(mod n) obtenemos aA8ca(mod n)
De 1A8c(mod n) y bAb(mod n) obtenemos bA8cb(mod n)

*
+
,
A !
A
n) (mod como
n) b.c(mod a.c hiptesis Por
! ! ! Z
# 8acA8bc(mod n)
Aplicando la propiedad transitiva que verifica la relacin de congruencia:
?
*
?
+
,
B
A
A
n) cb(mod ca
n) (mod cb b
n) (mod ca a
! !
!
!
# aAb(mod n)
PROP Sean a,b,k,n!! con n>0.

*
+
,
.
A
0 k
(kn) mod b a
# aAb(mod n)
Dem
aAb(mod kn) " kn/a-b # (c!! / a-b=ckn # a-b=(c.k).n #
# n/a-b # aAb(mod n)
Anlogamente aAb(mod k)
6. CRITERIOS DE DIVISIBILIDAD.
Antes de poder tratar los criterios de divisibilidad, hemos de obtener unos
resultados previos,
DEF Sea p un nmero entero estrictamente positivo. Llamaremos restos potenciales
de p, mdulo n a los deferentes restos que se obtienen al dividir las sucesivas potencias
de p por n.
Por ejemplo: Sea p=3 y n=10
33/ 35
3
0
A1 (mod 10)
3
1
A3 (mod 10)
3
2
A9 (mod 10)
3
4
A7 (mod 10)
A partir de esta definicin podemos obtener las siguientes consecuencias:
1) El primero de los restos r
0
es siempre r
0
=1
Dados p y n, siempre se verifica que p
0
A1 (mod 10)
2) El nmero de posibles restos potenciales distintos es finito, pues tienen que
ser menores que n.
3) Si llamamos r
k
al resto potencial que se obtiene al dividir p
k
por n, entonces:
p
k
Ar
k
(mod n)
Se verifica que p
k+1
Ar
k
(mod n) lo que nos da un mtodo recurrente de hallar
un resto a partir del anterior.
r
k
. pAr
k+1
(mod n)
Es evidente que si algn resto es nulo, lo sern todos los siguientes.
PROP Sea m=a
0
p
0
+ a
1
p
1
+.+a
k
p
k
un nmero entero escrito en base p.
Si r
0
, r
1
,,r
k
son los restos potenciales de p modulo n, entonces:
mAa
0
r
0
+a
1
r
1
++a
k
r
k
(mod n)
Dem
p
i
Ar
i
(mod n) &
i
:0,,k # a
i
.p
i
Aa
i
r
i
(mod n) &
i
:0,,k
Al sumar las k+1 congruencias:
a
0
p
0
+ a
1
p
1
+.+a
k
p
k
A a
0
r
0
+a
1
r
1
++a
k
r
k
(mod n)
lo que es lo mismo que:
mAa
0
r
0
+a
1
r
1
++a
k
r
k
(mod n)
COROLARIO m es divisible por n si y slo si a
0
r
0
+a
1
r
1
++a
k
r
k
es divisible por n.
Dem
#
*
+
,
+ + A
A "
) n (mod r a ... a m como
n) (mod 0 m n por divisible es m
k k 0 0
r
#
34/ 35
Aplicando la propiedad transitiva:
# a
0
r
0
++a
k
r
k
(mod n) # a
0
r
0
++a
k
r
k
es divisible por n
2
Demostracin anloga.
Vamos a aplicar todo lo visto al sistema decimal, es decir: p=10
En la tabla siguiente aparecen los restos potenciales de 10 respecto de los mdulos
2,3,4,5,8,9 y 11.
n\r
i
r
0
r
1
r
2
r
3
r
4
r
5
r
6
2 1 0 0 0 0 0 0
3 1 1 1 1 1 1 1
4 1 2 0 0 0 0 0
5 1 0 0 0 0 0 0
8 1 2 4 0 0 0 0
9 1 1 1 1 1 1 1
11 1 10 1 10 1 10 1
Al expresar m en base 10 tenemos:
m=a
0
+a
1
.10+a
2
.100+.+a
k
.10
k
siendo a
0
las unidades, a
1
las decenas, a
2
las centenas y as sucesivamente.
a) Criterio de divisibilidad por 2.
Como mAa
0
(mod 2), para que m sea divisible por 2 basta con que a
0
sea
mltiplo de 2. Es decir, las unidades de m ha de ser un nmero mltiplo de 2.
b) Criterio de divisibilidad por 3.
Como mAa
0
+a
1
++a
k
(mod 3), la suma de todas las cifras de m ha de ser
mltiplo de 3.
c) Criterio de divisibilidad por 4.
Como mAa
0
+2a
1
(mod 4), la suma de las unidades mas el doble de las decenas
ha de ser mltiplo de 4
d) Criterio de divisibilidad por 5.
Como mAa
0
(mod 5), la cifra de las unidades ha de ser mltiplo de 5, es decir ha
de ser 0 5.
e) Criterio de divisibilidad por 8.
35/ 35
Como m=a
0
+2a
1
+4a
2
(mod 8), la suma de la cifra de las unidades mas el doble
de las decenas mas el cudruple de las centenas ha de ser mltiplo de 8
f) Criterio de divisibilidad por 9.
Como mAa
0
+a
1
++a
k
(mod 9), la suma de todas las cifras de m ha de ser un
mltiplo de 9
g) Criterio de divisibilidad por 11.
Como m=a
0
+10a
1
+a
2
+10a
3
+.(mod 11) y teniendo en cuenta que:
10A-1(mod 11) quedara
m=a
0
-a
1
+a
2
-a
3
+.+(-1)
k
a
k
(mod 11)
Por tanto, un nmero m es divisible por 11 si la suma de sus cifras que ocupan
lugar impar menos la suma de las cifras que ocupan lugar par, es un mltiplo de 11.
BIBLIOGRAFA RECOMENDADA.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Curso de lgebra y Geometra. Aut. Juan de Burgos. Ed. Alhambra.
Algebra Moderna. Aut. A. Lentn, J. Rivaud, Ed. Aguilar.
1/23
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 5
EL NMERO RACIONAL.
1. Introduccin.
2. El Cuerpo de los Nmeros Racionales.
2.1. Construccin de !.
2.2. El grupo aditivo de los Nmeros Racionales.
2.3. El grupo multiplicativo de los Nmeros Racionales.
2.4. El Cuerpo de los Nmeros Racionales.
3. ! como ampliacin de ".
4. Relacin de Orden en !
5. Propiedades de !.
5.1. Propiedades de las Fracciones
5.2. ! es numerable.
5.3. ! es arquimediano.
5.4. ! es denso.
5.5. Propiedades de monotona.
5.6. Valor absoluto de !.
5.7. Supremo e Infinito.
6. Nmeros Decimales.
6.1. Expresin decimal de los Nmeros Racionales.
Bibliografa Recomendada.
2/23
TEMA 5
EL NMERO RACIONAL.
1. INTRODUCCIN.
En el tema 1 construimos el conjunto # y lo dotamos de las operaciones de suma y
producto, constituyendo (#,+) un semigrupo abeliano. En el Tema 4, tuvimos que
ampliar el conjunto #. El motivo era que ecuaciones del tipo x+m=n con m>n no tenan
solucin en #. Creamos el conjunto ", ampliacin del #, con ms operaciones suma y
producto que eran extensin de las de #. (",+,!) tena estructura de anillo conmutativo
con elementos de integridad. Es ms, vimos que era un dominio de integridad y todos
sus ideales principales,
Ahora, en ", nos encontramos con el siguiente problema:
Sean a,b!" tal que a no divide a b y a"0. Entonces las ecuaciones de la forma:
ax=b no tienen solucin en ".
La solucin est en construir un nuevo conjunto que ample ", y que las
operaciones de suma y producto que definamos en l sean extensin de las de ". En la
construccin de este nuevo conjunto, tambin hemos de poner como condicin que sea
el menor de todos los posibles.
Comenzaremos el tema con la construccin de ese conjunto que llamaremos !, y a
sus elementos nmeros racionales, y comprobaremos que (!,+) es un grupo abeliano.
Luego definiremos el producto de nmeros racionales, siendo (!*,!) grupo
multiplicativo. Enlazaremos ambas operaciones con la propiedad distributiva para
terminar afirmando que (!,+,!) es un grupo conmutativo.
En la segunda parte del tema comprobaremos que podemos definir una relacin de
orden en !, que ! es extensin de " y diversas propiedades ms.
Terminaremos viendo los nmeros racionales enteros, es decir, aquellos que tienen
cifras decimales.
2. EL CUERPO DE LOS NMEROS RACIONALES.
2.1. Construccin de ! !.
DEF Llamaremos "* al conjunto de los enteros sin el cero. "*="#{0}
DEF Establecemos en el conjunto "$"* la siguiente relacin R.
Sean (a,b),(c,d)! "$"*. Entonces (a,b)R(c,d)%ad=bc
PROP La relacin R definida en "$"* es una relacin de equivalencia
3/23
Dem:
1) Reflexiva: (a,b)R(a,b)%ab=ba lo cual es cierto ya que el producto en " es
conmutativo.
2) Simtrica: (a,b)R(c,d) & ad=bc & bc=ad & cb=da & (c,d)R(a,b)
3) Transitiva: (a,b)R(c,d) & ad=bc
(c.d)R(e,f) & cf=de
multiplicando la primera ecuacin por f, obtenemos:
adf=bcf & Como cf=de adf=bde & como d"0 af=be & (a,b)R(e,f)
La relacin R en "$"* es una relacin de equivalencia.
DEF Definimos un conjunto ! como !="$"*/R y llamaremos a cada clase de
equivalencia de !, nmero racional, siendo ! el conjunto de los nmeros racionales.
Si p!! y (a,b) es un elemento de la clase de p, por convenio se escribe
b
a
p = y si
tomsemos otro elemento de la misma clase (c,d) entonces
d
c
p = verificndose que
a.d=b.c
DEF Al trmino
b
a
se le llama fraccin siendo a el numerador y b el denominador.
PROP El conjunto ! es una extensin del conjunto ".
Dem
Sea f: "'!
a (' [(a,1)]
Basta comprobar que f es inyectiva para que ")!.
Sean a,b!" con f(a)=f(b) & [(a,1)]=[(b,1)] & a.1=b.1 & a=b c.q.d.
2.2. El grupo aditivo de los nmeros racionales.
DEF Sean [(a,b)],[(c,d)]! !, se define la suma como sigue:
[(a,b)]+[(c,d)]=[(ad+bc,bd)]
OBS La definicin tambin la podamos haber hecho de la siguiente manera:
4/23
Sean p,q!! &
bd
bc ad
d
c
b
a
q p
+
= + = +
OBS La operacin est bien definida ya que b.d!"* puesto que b,d!"* y el
producto es una operacin interna
PROP La operacin suma definida anteriormente no depende del representante
elegido.
Dem:
Sean [(a,b)]=[(a,b)] & ab=ba
[(c,d)]=[(c,d)] & cd=dc
[(a,b)]+[(c,d)]= [(ad+bc,bd)]=
Como ab=ba & multiplicando por dd queda ddab=ddba
Como cd=dc & multiplicando por bb queda bbcd=bbdc
Sumando ambas ecuaciones: ddab+bbcd=ddba+bbdc
y reordenando trminos queda: (ad+bc)bd=(ad+bc)bc =
=[(ad+bc,bd)]=[(a,b)]+[(c,d)]
OBS Podemos realizar la demostracin en trminos de fracciones en lugar de clases
de equivalencia, con slo cambiar [(a,b)]=
b
a
y el resto igual.
PROP La operacin suma definida anteriormente verifica las siguientes propiedades:
a) Conmutativa
b) Asociativa.
c) Elemento Neutro
d) Elemento Opuesto
Dem.
Las dos primeras propiedades las vamos a demostrar utilizando clases de
equivalencia y las dos ltimas mediante fracciones. Dejemos al lector como ejercicio la
posibilidad de hacerlo al revs.
1) Conmutativa.
Sean [(a,b)],[(c,d)]! !
[(a,b)]+[(c,d)]=[(ad+bc,bd)]=
5/23
aplicando la conmutatividad de la suma y del producto de nmeros enteros
=[(cb+da,db)]=[(c,d)]+[(a,b)]
2) Asociativa:
Sean: [(a,b)], [(c,d)], [(e,f)] !!,
[ ( ( a,b)]+[(c,d ]) ) +[(e,f)]=[(ad+bc,bd)]+[(e,f)]=[(adf+bcf+bde, bdf)]=
=[(a,b)]+[(cf+de,df)]=[(a,b)]+ [ ( ( c,d)]+[(e,f ]) )
3) Elemento Neutro:
Sea e!! el elemento neutro. Se debe verificar que *p!!:
p+e = p = e+p
Sea p=
b
a
si e=
d
c
& p+e = e+p=
bd
bc ad +
y como p+e=p &
bd
bc ad +
=
b
a
&
+
,
-
=
= +
b bd
a bc ad
&
e bd=b obtenemos d=1 (pues b!"*)
y de a+bc=a & bc=0 y como b!"* se deduce que c=0. Luego e=
1
0
Pero no es el nico posible ya que (0,1)![(0.1)] & e puede ser un elemento
cualquiera de esa clase.
4) Elemento Opuesto.
Debe verificarse que *p!! .q!! / p+q =0
Representaremos q por #p
Si
b
a
p = comprobaremos que #p= = =
b -
a
b
a -
p+(-p)=
2
b
a) b( ab
b
(-a)
b
a # +
= + = = =
1
0
b
0
2
0 [ ] ( ) ) 1 , 0 ( ) b (0, pues
2
!
CONCLUSIN
(!,+) es un grupo conmutativo.
6/23
2.3. El grupo multiplicativo de los nmeros Racionales.
DEF Sean [(a,b)], [(c,d)]!!. Definimos el producto de Nmeros Racionales:
[(a,b)]/[(c,d)]=[(ac,bd)]
OBS La operacin producto se poda haber definido mediante fracciones de la
siguiente forma:
Sean: p,q!! con p=
b
a
y q=
d
c
. Entonces: p.q=
b.d
a.c
OBS La operacin est bien definida ya que b.d!"*
PROP La operacin producto definida anteriormente no depende del representante
elegido:
Dem Sean [(a,b)]=[(a,b)] & ab=ba
[(c,d)]=[(c,d)] & cd=dc
[(a,b)][(c,d)]=[(ac,bd)]=
Como ab=ba y cd=dc multiplicando miembro a miembro ambas ecuaciones
obtenemos:
abcd=badc
y reordenando los trminos: ac.bd=bd.ac
=[(ac,bd)]=[(a,b)][(c,d)]
OBS Al igual que con la suma, podemos realizar la demostracin en trminos de
fracciones en lugar de clases de equivalencia.
PROP La operacin producto definida anteriormente verifica las siguientes
propiedades:
1) Conmutativa
2) Asociativa.
3) Elemento Neutro.
4) Elemento Simtrico.
Dem.
Las dos primeras propiedades las vamos a demostrar utilizando clases de
equivalencia y las dos ltimas mediante fracciones.
1) Conmutativa.
7/23
Sean [(a,b)],[(c,d)]! !
[(a,b)][(c,d)]=[(ac,bd)]=[(ca,db)]=[(c,d)][(a,b)]
2) Asociativa:
Sean: [(a,b)], [(c,d)], [(e,f)] !!,
[ ( ( a,b)][(c,d ]) ) +[(e,f)]=[(ac,bd)][(e,f)]=[((ac)e, (bd)f)]=
=[(a(ce), b(df)]= [(a,b)][((ce,df)]=[(a,b)] [ ( ( c,d)][(e,f ]) )
3) Elemento Neutro:
Debe existir e!! tal que p.e=p=e.p *p!!.
Por la propiedad conmutativa demostrada antes, tenemos que p.e=e.p luego slo
hemos de ver que p.e=p.
i) Si p=0=
1
0
& p.e= = = =
2 2
1
2
1
e
0
1e
0e
e
e
.
1
0
0=p
ii) Si p"0 entonces p=
b
a
con a"0.
p.e=
b
a
e
e
.
b
a
2
1
= &
b
a
be
ae
2
1
= & ae
1
b=abe
2
& abe
1
=abe
2
y como ab"0 & e
1
=e
2
entonces e=
1
1
e
e
pero como [(e
1
,e
1
)]=[(1,1)]
podemos definir e=
1
1
y lo demostraremos por e=1
4) Elemento Simtrico.
*p!!#{0} .p!!/p.q=1
Si p=
b
a
y q=
d
c
& p.q=1 se traduce por
1
1
bd
ac
=
Basta tomar c=b y d=a para que ac.1=bd.1 sea ab=ba y por tanto se verifique
la igualdad
El nmero q=
a
b
lo demostraremos por p
-1
p.p
-1
=1
CONCLUSIN
8/23
(!#{0},) tiene estructura de grupo multiplicativo conmutativo
2.4. El Cuerpo de los nmeros racionales.
Una vez visto que (!,+) y (!*,) tienen estructura de grupo abeliano respecto de
sus operaciones, veamos como podemos relacionar la suma y el producto de los
nmeros racionales.
PROP En ! se verifica la propiedad distributiva del producto respecto de la suma.
Dem
Hemos de probar que *p,q,r!! se verifica (p+q).r=p.r+q.r
Sean: a,c,e!" y b,d,f,e!"* tales que
f
e
r y
d
c
q ,
b
a
p = = =
(p+q).r=
bdf
bce ade
f
e
bd
bc ad
f
e
.
d
c
b
a +
= 0
+
=
1
2
3
4
5
6
+ (1)
p.r+q.r=
bfdf
bfce aedf
df
ce
bf
ae
f
e
d
c
f
e
b
a +
= + = 0 + 0 (2)
Para ver que (1) y (2) representan el mismo nmero racional, aplicaremos la relacin
de equivalencia:
(ade+bce).bfdf=(aedf+bfce).bdf
Simplificando, ya que b,d,f!"*
(ade+bce).f=aedf+bfce
y al multiplicar por f en el primer miembro, comprobamos que la igualdad es cierta. Por
tanto (1) y (2) son iguales, y por extensin:
(p+q).r=pr+qr
CONCLUSIN
Como (!,+) es un grupo abeliano, (!*,) es un grupo abeliano y se verifica la
propiedad distributiva del producto respecto de la suma, podemos afirmar que (!,+,)
tiene estructura de grupo conmutativo. Diremos que ! es el Cuerpo de los Nmeros
Racionales.
3. ! ! COMO AMPLIACIN DE " ".
Anteriormente comprobamos que el conjunto ! supona una extensin del conjunto
". Ahora vamos a comprobar que el cuerpo (!,+,) es una extensin del anillo (",+,).
9/23
Para ello vamos a definir una funcin 7 entre (",+,) y (!,+,) tal que sea un
homomorfismo inyectivo.
DEF Sea 7:(",+,) ' (!,+,) una aplicacin definida por *a!"
7(a)=
1
a
!!
PROP La aplicacin 7 es un homomorfismo inyectivo.
Dem
1) 7 es inyectiva. *a,b!" 7(a)= 7(b) &
1
b
1
a
= & a=b
2) *a,b!" 7(a+b)= = + =
+
=
+
1
b
1
a
1.1
b.1 a.1
1
b a
7(a)+7(b)
3) *a,b!" 7(a0b)= = 0 =
0
0
=
0
1
b
1
a
1 1
b a
1
b a
7(a)07(b)
Por tanto, 7("))! es un subanillo de ! isomorfo a ", o lo que es lo mismo, " es
una inmersin en ! ! es una extensin de ".
OBS Esta aplicacin 7 nos permite identificar el entero a!" con el racional !
1
a
!
*a!"
PROP La aplicacin 7 conserva el orden de ".
Dem
Sean a,b!" tales que a8b
Entonces b-a90 que es lo mismo que b+(-a)90 y equivalente a:
1
0
1
(-a) b
9
+
y 0
1
(-a) b
9
+
& 0
1
a
1
b
9
#
+ &
1
a
1
b
9 & 7(b)97(a)
Luego si a8b & 7(a)87(b) por tanto 7 es un morfismo de orden.
Como en ! se conservan las operaciones de suma y producto y el orden definido en
", podemos decir que ! es una ampliacin efectiva de ".
4. RELACION DE ORDEN EN ! !.
10/ 23
Acabamos de ver que en un subanillo de ! existe un orden entre sus elementos, que
es el que proviene de ". Vamos a extender dicho orden a todo el cuerpo !. Veremos,
por tanto, que ! es un cuerpo ordenado.
DEF Un nmero racional es positivo si puede encontrarse un representante del
mismo con numerador y denominador positivo.
PROP Si p!! es positivo y p=
b
a
, entonces se verifica que signo(a)=signo(b).
Dem
Sea p=
b'
a'
b
a
= con p!! positivo
Si
b'
a'
b
a
= & a.b=b.a
Como p es positivo, tenemos que a y b son positivos
Entonces para que se verifique a.b=b.a debe ocurrir que a y b tengan el
mismo signo, ya sea positivo o negativo.
DEF El subconjunto de ! formado por todos los nmeros racionales positivos lo
representaremos por !
+
.
DEF Sean p,q!!. Diremos que p8q si q+(-p)! !
+
:{0}
OBS La relacin 8 tiene sentido entre los nmeros racionales, ya que hemos
comprobado anteriormente que la suma de nmeros racionales no depende de los
representantes elegidos.
PROP La relacin 8 es una relacin de orden en !.
Dem
1) Reflexiva: *p!! p8p & p+(-p)=0 !!
+
:{0}
2) Antisimtrica: *p,q!! Si p8q y q8p &
& p+(-q)!!
+
:{0} y q+(-p) !!
+
:{0} & [p+(-q)]+[q+(-p)]!!
+
:{0}
Pero: p+(-q)+q+(-p)=0
Si la suma de dos nmeros racionales positivos o cero da cero es porque ambos
han de ser nulos.
& p+(-q)=0=q+(-p) & p=q
3) Transitiva: *p,q,r!! Si p8q y q8r &
11/ 23
& p+(-q)!!
+
:{0} y q+(-r) !!
+
:{0} & [p+(-q)]+[q+(-r)]!!
+
:{0} es decir:
p+(-r)!!
+
:{0} & p8r
PROP La relacin 8 es una relacin de orden total.
Dem
Hay que ver que *p,q !! se verifica p8q q8p
Si p"q & q-p!!. Sea
b
a
un representante de q-p: q-p=
b
a
Si signo(a)=Signo(b) & q-p!!
+
& p8q
Si signo(a)"Signo(b) & p-q!!
+
& q8p
Por tanto (!,8) es un cuerpo ordenado.
5. PROPIEDADES DE ! !.
5.1. Propiedades de las Fracciones.
PROP Se verifica *a!! y b,c!"*
1)
b
a
b
a
#
=
#
2)
b
a
b.c
a.c
=
Dem
Si ambas fracciones son iguales es porque pertenecen a la misma clase
b
a
b
a
#
=
#
& (-a).(-b)=b.a & ab=ba
b
a
b.c
a.c
= & acb=bca
Como ambas igualdades de fracciones verifican la relacin de equivalencia &
son iguales
OBS Por convenio, si p es un nmero racional negativo, se puede escribir como
b
a
p # = con a,b!"
+
12/ 23
PROP Todo nmero racional tiene un representante con denominador positivo.
Dem
Sea p!! con p=
b
a
Caso 1) Si a=0 & p=0 & p=
1
0
Caso 2) Si signo(a)=signo (b) puede ocurrir que sean ambos positivos o
negativos
i) Si son positivos ya est demostrado
ii) Si son negativos escribimos p=
b
a
#
#
con a,b!#
Sabemos
1
1
#
#
![(1,1)] que es la clase del neutro del producto en !.
Al multiplicar p por el neutro nos da de nuevo p, aunque con otro
representante :
p.
1
1
#
#
=p &
b
a
#
#
.
1
1
#
#
=
b
a
cuyo denominador es positivo.
Caso 3) Si signo(a)"signo (b)
Si b!# & p=
b
a #
con a,b!# y ya est.
Si b!
/
# & p=
b
a
#
con b!# y por la prop. anterior
b
a
#
=
b
a
# b
a
1
1 #
=
#
#
0 &
& p=
b
a #
con a,b!#
Luego, en cualquier caso, siempre podemos elegir para p!! un representante cuyo
denominador sea positivo.
COROLARIO Sea p,q!! con p=
b
a
, q=
d
c
y b, d positivos.
Si p8q & bc-ad90
Dem
Dados p,q!! elegimos representantes con denominador positivo:
13/ 23
p=
b
a
y q=
d
c
con b, d positivos
Como p8q & q+(-p)!!
+
:{0}
q+(-p)=
d
c
-
b
a
=
bd
ad bc #
!!
+
:{0}
Si
bd
ad bc #
=0 & bc-ad=0 (1)
Si
bd
ad bc #
"0 &
bd
ad bc #
!!
+
& signo (bc-ad)=signo(bd)
Y como b,d son positivos & bd es positivo & bc-ad>0 (2)
De (1) y (2) bc-ad90 c.q.d.
PROP Dos nmeros racionales cualesquiera siempre pueden escribirse con el mismo
denominador.
Dem
Sean p,q!! con p=
b
a
y q=
d
c
.
Por un resultado anterior, podemos afirmar que
p=
b
a
=
bd
ad
y q=
d
c
=
db
cb
c.q.d.
PROP Para todo nmero racional siempre podemos encontrar un representante tal que
su numerador y denominador sean coprimos.
Dem
Sean p!! con p=
b
a
Como a y b son nmeros enteros, aplicamos el teorema fundamental de la
aritmtica y los descomponemos de forma nica como producto de nmeros primos.
Los factores primos los reordenamos (usando la propiedad conmutativa del producto de
nmeros naturales) situando al principio los que sean comunes a ambos (si los hay). En
caso de que a y/o b fuesen primos, slo tendr un factor y con exponente unidad.
a=
m 1 n 1

m

1
......q .q ......p p
14/ 23
b=
s 1 n 1

s

1
'
n
'
1
......r .r ......p p
Como:
s 1 n 1
m 1 n 1

1
'
n
'
1

1
......r .r ......p p
......q .q ......p p
b
a
p = =
Aplicando la propiedad demostrada antes, que:
b
a
bc
ac
=
nos queda: Si ;
i
#;
i
>0 & el factor
'
i
i i
p
#
aparece en el numerador.
Si ;
i
#;
i
=0 & No aparece el nmero primo
i
p
Si ;
i
#;
i
<0 & el factor
i i
'
i
p
#
aparece en el denominador.
Los factores
j

j
q quedan en el numerador *j:1,,m
Los factores
k

k
r quedan en el denominador *k:1,,s
El numerador y el denominador son coprimos ya que no tienen divisores comunes
salvo la unidad.
DEF Dado p!! con p=
b
a
y mcd(a,b)=1 diremos que la fraccin que representa a p
es irreductible o que es un representante cannico de la clase de p.
5.2. ! ! es numerable.
PROP El conjunto ! de los nmeros racionales es numerable.
Dem
Vamos a establecer una biyeccin entre los elementos de #* que sabemos que es
numerable y los elementos de !
+
. Con esto conseguiremos demostrar que ! tambin es
numerable, ya que !=!
#
:{0}:!
+
.
Lo haremos de una manera grfica. Nos creamos una tabla de tal forma que al
elemento a
ij
le corresponde el nmero racional: a
ij
= i j
Posteriormente, volvemos a escribir la tabla en diagonal, comenzando por a
11
como
primera diagonal, a
12
y a
21
como segunda diagonal y as sucesivamente. Cuando
lleguemos a un elemento cuya fraccin haya sido considerada anteriormente, se salta.
La tabla primera sera:
15/ 23
..... .... .... .... ....
.....
4
4
4
3
4
2
4
1
.....
3
4
3
3
3
2
3
1
.....
2
4
2
3
2
2
2
1
.....
1
4
1
3
1
2
1
1
Una vez reducida queda:
..... .... .... .... ....
.....
1
1
4
3
2
1
4
1
.....
3
4
1
1
3
2
3
1
.....
1
2
2
3
1
1
2
1
.....
1
4
1
3
1
2
1
1
y la biyeccin sera 7:##{0}'!
+
7(1)=
1
1
, 7(2)=
1
2
, 7(3)=
2
1
, 7(4)=
1
3
, 7(5)=
3
1
, .
5.3. ! ! es arquimediano
PROP Sean p,q!! con q"0. Entonces: .n!"/p<q0n
Dem
Sea p=
b
a
y q= 0
d
c
"
Por una propiedad anterior, vamos a suponer b y d positivos. Como la propiedad
a demostrar se verifica en " (" es Arquimediano) y ad,bc!"/ad<(bc)0n &
& ad<(bc)0n & (bc)0n-ad>0
pero sabemos que, como bd>0 & 0
bd
ad n (bc)
>
# 0
&
& 0
b
a
d
cn
> # &
b
a
n
d
c
> 0 & q0n>p
16/ 23
5.4. ! ! es Denso.
Dem
Para demostrar que ! es denso, hemos de ver que ningn nmero racional tiene
anterior ni siguiente. Es decir:
*p,q!! con p<q existen r,s,t!!/r<p<s<q<t
Comprobmoslo:
Como podemos conseguir que p y q estn representados por fracciones con el
mismo denominador, sean:
p=
d
a
y q=
d
b
y como p<q & a<b
Si a<b & a+18b & 2a+282b & 2a+1<2b
Sean
d
1 b
d
b
2d
2b
2d
1 2a
2d
2a
d
a
d
1 a +
< = <
+
< = <
#
Tomamos: r=
d
1 a #
, s=
2d
1 2a +
, t=
d
1 b +
c.q.d.
5.5. Propiedades de Monotona.
PROP Sean p,q!! con p8q. Se verifica:
i) p+r8q+r *r!!
ii) s.p9s.q si s<0
s.p=s.q=0 si s=0
s.p8s.q si s>0
Dem
i) p8q & Por definicin de la relacin 8 se verifica que:
q+(-p)!!
+
:{0}
q+(-p)=q+(-p)+r+(-r)=q+r+(-p)+(-r)=q+r+(-(p+r))
entonces: q+r+(-(p+r))!!
+
:{0} & p+r8q+r
17/ 23
ii) Sean p=
b
a
, q=
d
c
, s=
f
e
con b,d y f positivos.
Como p8q & bc-ad90 y s.p=
bf
ae
; s.q=
df
ce
Si s=
f
e
es positivo & Signo(e)=Signo(f) & e.f>0
bc-ad90 bc-ad!"
+
:{0}
ef>0 e.f!" luego:
e.f.(bc-ad)!"
+
:{0}
Pero: ef.(bc-ad)=bc.ef-ad.ef=ce.bf-ae.df!"
+
:{0} &
& ce,bf-ae.df90 & sp8sq
Si s=0 & s.p=0 y s.q=0 & sp=sq=0
Si s=
f
e
es negativo & Signo(e)"Signo(f) & ef<0 & #ef>0
+
,
-
>
9
0 ef -
0 ad - bc
& -ef.(bc-ad)!"
+
:{0}
-ef.(bc-ad)=ad.ef-bc.ef=ae.df-ce.bf!"
+
:{0} & ae.df-ce.bf90 & s.p9s.q
COROLARIO
Sean p,q,r,s!! con 0<p<q y 0<r<s & 0<pr<qs y 0<p+r<q+s
Dem
Como 0<p<q y 0<r<s
qs pr
qs qr
0 q
s r
qr pr
0 r
q p
< &
<
<
+
<
<
,
-
< &
+
,
-
>
<
< &
+
,
-
>
<
Anlogamente s q r p
s q r q
q
s r
r q r p
r
q p
+ < + &
<
<
+
<
<
,
-
+ < + &
+
,
- <
+ < + &
+
,
-
<
PROP Sea p!!. p>0 & 0
p
1
>
Dem
18/ 23
Supongamos que 0
p
1
< & Signo(p)"Signo
1
1
2
3
4
4
5
6
p
1
& p
p
1
0 <0
Pero p
p
1
0 =1>0 contradiccin, luego
p
1
>0
5.6. Valor Absoluto de ! !.
Sabemos que si p!!, debe ocurrir que p>0 p=0 p<0.
DEF Definimos el valor absoluto de p!!, y se representa por !p! como:
!p!=
=
>
?
<
9
0 p si p -
0 p si p
PROP Dados p,q!!,
1) !p!90 y !p!=0 % p=0
2) !p.q!=!p!.!q!
3) !p+q!8!p!+!q!
Dem
1) !p!90 ya que si p90 & !p!=p90
Si p<0 & !p!=#p>0
!p!=0 % p=0 tiene una demostracin trivial
2) !p.q!=
<
=
<
>
?
<
9
0 p.q p.q -
0 p.q p.q
(1)
!p!.!q!=
<
<
=
<
<
>
?
< <
< 9
9 <
9 9
0 q 0 p si (-p)(-q)
0 q 0 p si p.(-q)
0 q 0 p si p.q -
0 q 0 p si p.q
=
<
<
=
<
<
>
?
9
<
<
9
0 p.q si p.q
0 p.q si p.q -
0 p.q si p.q -
0 q p. si p.q
(2)
Las expresiones (1) y (2) son iguales.
3) Es fcil ver que p8!p! con slo sustituir !p! por su funcin, y que -!p!8p
19/ 23
Luego: q p q p
q p q - p -
q q -
p p -
q p q p
q q
p p
+ 8 + &
<
<
+
<
<
,
-
+ 8 &
<
+
<
,
-
8
8
+ < + &
<
+
<
,
-
8
8
OBS El valor absoluto en ! es una extensin del valor absoluto definido en ".
5.7. Supremo e nfimo.
Sea (!,<) un cuerpo ordenado
DEF Sea A)! un subconjunto y sea x!!. Diremos que x es Cota Superior de A si
*a!A a8x.
DEF Sea A)! un subconjunto y sea y!!. Diremos que y es Cota Inferior de A si
*a!A y8a.
Si existe una cota superior para el conjunto A)!, diremos que A est acotado
superiormente.
Si existe una cota inferior para el conjunto A)!, diremos que A est acotado
inferiormente.
Si A)! est acotado es que lo est superior e inferiormente.
DEF Dado A)!, definimos el extremo superior de A como la mnima de todas sus
cotas superiores.
DEF Dado A)!, definimos el extremo inferior de A como la mxima de todas sus
cotas inferiores.
DEF Dado x!!, diremos que x es el mximo de A)! si x es cota superior de A y
x!A. Se denota por x=max(A).
DEF Dado y!!, diremos que y es el mnimo de A)! si y es cota inferior de A e
y!A. Se denota por y=min(A).
6. NMEROS DECIMALES.
6.1. Expresin Decimal de los Nmeros Racionales.
DEF Llamaremos nmero decimal a un nmero de la forma:
@
A
=
+
1 i
i
i
10
c
a con 08c
i
89
20/ 23
y se representa por: ac
1
c
2
c
3

donde a recibe el nombre de parte entera del nmero decimal y c

i
son los decimales.
PROP Todo nmero racional se puede expresar como un nmero decimal.
Dem
Sea p!!
+
con p=
n
m
fraccin irreducible y m,n positivos.
.a,r
1
!" tal que m=a.n+r
1
con 08r
1
<n a es la parte entera del n decimal
Tomando ahora 10r
1
y n .c
1
,r
2
!"/10r
1
=c
1
.n+r
2
con 08r
2
<n
Es claro que 08c
i
89 ya que: 08r
1
<n & 0810r
1
<10n &
& 08c
1
.n+r
2
<10n & 08r
2
<10n-c
1
.n & 08r
2
<(10-c
1
)n
+
,
-
>
> #
0 n
0 )n c 10 (
1
& 10-c
1
>0 & c
1
<10 & c
1
89
y como m y n son positivos & a es positivo o cero & c
1
90
Repitiendo el proceso para 10r
2
y n .c
2
,r
3
!"/10r
2
=c
2
.n+r
3
con 08r
3
<n
Y as sucesivamente:
10r
i
=c
i
.n+r
i+1
*i
Entonces p se puede escribir como ac
1
c
2
c
3

Si p!!
#
, -p!!
+
& p=-ac
1
c
2
c
3

DEF Un nmero decimal es exacto si tiene un nmero finito de cifras decimales.

PROP Un nmero racional es de la forma
n
10
b
si y slo si es un nmero decimal
exacto.
Dem
&
Como b!", sea b=b
0
+10b
1
+10
2
b
2
+10
3
b
3
++10
n
b
n
la descomposicin
polinmica de b en base 10
por hiptesis p!! es p= =
+ + + + +
=
n
n
n
3
3
2
2
1 0
n
10
b 10 ... b 10 b 10 10b b
10
b

21/ 23
=
n i n
i
3 n
3
2 n
2
1 n
1
n
0
b ...
10
b
...
10
b
10
b
10
b
10
b
+ + + + + + +
# # # #
El nmero decimal es b
n
,b
n-1
,b
n-2
,b
0
siendo b
n
la parte entera y b
n-1
b
0
la
parte decimal, que es finita.
B
Sea el nmero decimal exacto ac
1
c
2
c
3
c
n
entonces:
ac
1
c
2
c
3
c
n
=a+
n
n
2 - n
2
1 n
1
n
n
n
2
2 1
10
c ... .10 c .10 c a.10
10
c
...
10
c
10
c + + + +
= + + +
#
Si tomamos
n
2 n
2
1 n
1
n
c ... .10 c .10 c a.10 + + + + =
# #
b & b!" y el decimal es
de la forma:
n
10
b
Ejemplos:
1) Sea p=
4
10
43452
& p=43452
2) Sea el nmero decimal exacto: 314159 & 314159=
5
10
314159
PROP Sea p!! con p=
b
a
. P es un nmero decimal exacto si y slo si
b=2
m
.5
n
con m,n!#
Dem
&
Si p es un decimal exacto & p=
n
10
c
& b=10
n
& b=2
n
5
n
B
Sea p=
n m
5 2
a
& p=
m n
m n
n m n m
5 2
5 2
5 2
a
5 2
a
0 = & p=
m n m n
m n
a
+ +
5 2
5 . 2 .
&
& p=
m n
m n
a
+
10
5 . 2 .
& p es un decimal exacto.
COROLARIO
22/ 23
Sea p!! con p=
b
a
. p es un nmero decimal con infinitas cifras decimales si y slo
si dado b=
n 2 1
a
n
a
2
a
1
....p .p p .i:1,2,,n/p
i
"2 y p
i
"5 (la descomposicin de b tiene algn
factor distinto de 2 y 5).
OBS Como p=
b
a
& .c
0
,r
1
!"/a=c
0
b+r
1
&
b
r
c
b
a
1
0
+ =
Repetimos para 10r
1
y b & .c
1
,r
2
!"/10r
1
= c
1
b+r
2
&
1
2
3
4
5
6
+ =
b
r
c
10
1
b
r
2
1
1
Entonces
10b
r
10
c
c
b
a
2 1
0
+ + =
y as sucesivamente.
Como b tiene algn factor que no es ni 2 ni 5, este proceso contina indefinidamente.
r
i
"0 *i, ya que si .j!#/r
i
=0 &
@
=
=
1 - j
0 i
i
i
10
c
b
a
y tendra finitas cifras decimales, lo
cual es falso.
Como r
i
<b *i, los restos se repetirn al cabo de b-1 divisiones, como mucho.
DEF Llamaremos periodo al conjunto ms pequeo de cifras decimales que se repiten
indefinidamente en un nmero decimal.
NOTACIN El periodo, en un nmero decimal, se representa por un arco que los
abarca a todos, por encima. Por ejemplo: 14444 ' 3 4 1 ' 3 =
)
.
DEF Un nmero decimal se llama peridico mixto si hay cifras decimales delante del
periodo.
DEF Un nmero decimal se llama peridico puro si no hay cifras decimales antes del
periodo.
OBS Todo nmero racional se puede representar como un nmero decimal exacto, o
peridico mixto o peridico puro. El recproco tambin es cierto.
Ejemplos:
1) 0434343= 43 ' 0 & Si x= 43 ' 0 entonces 100x= 43 ' 43
100x=43+x & 99x=43 & x= 43 ' 0
99
43

99
43
= &
Advertencia: se utiliza la notacin para indicar el periodo del nmero
23/ 23
2) 34 12 ' 0 & Si x= 34 12 ' 0 entonces 100x= 34 ' 12
100x es peridico puro
<
+
<
,
-
=
=
34 12' 100x
34 1234' 10000x
& 9900x=1222 & x=
9900
1222
&
9900
1222
= 34 12 ' 0
Existe un caso particular que hemos de resaltar: el periodo est formado solamente
por el nmero 9.
Si x= 9 ' 0
)
& 10x= 9 ' 9
)
& 10x=9+x & 9x=9 & x=1 obtenemos 1= 9 ' 0
)
Para que esto tenga sentido, necesitamos una topologa en ! que permita asegurar el
paso al lmite. Eso podemos hacerlo teniendo en cuenta el orden definido en ! y la
densidad de !.
As podemos asegurar que la sucesin 09, 099, 0999, 09999, tiene por lmite 1.
BIBLIOGRAFIA RECOMENDADA.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos.
Anlisis Matemtico. Aut. M. de Guzmn B. Rubio. Ed. Pirmide.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill.
Introduccin al Anlisis Matemtico. Aut. J. M. Ortega. Ed. Labor.
1/32
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 6
EL NMERO REAL. TOPOLOGA DE LA RECTA REAL.
1. Introduccin.
2. El Cuerpo de los nmeros reales.
2.1. Construccin de R.
2.1.1. Sucesiones fundamentales o de Cauchy en Q.
2.1.2. Relacin de equivalencia en S
c
.
2.2. El grupo aditivo de nmeros reales.
2.3. El grupo multiplicativo de nmeros reales.
2.4. El Cuerpo de nmeros reales.
3. Orden de R.
4. Propiedades de R.
4.1. Q es denso en R.
4.2. ! es Arquimediano.
4.3. Valor absoluto en R.
4.4. ! es completo.
5. Topologa de la recta real.
5.1. Subconjuntos cerrados de R.
5.2. Subconjuntos abiertos de R.
5.3. Entornos.
5.4. Puntos especiales.
5.5. Conjuntos compactos.
Bibliografa Recomendada.
2/32
TEMA 6
EL NMERO REAL. TOPOLOGA DE LA RECTA REAL.
1. INTRODUCCIN.
Dibujemos una recta de puntos. Situemos en algn lugar de ella el nmero cero
como un punto cualquiera de la recta real. A partir de la longitud del segmento limitado
por los puntos 0 y 1 podemos situar los dems nmeros naturales. El nmero 2 estar
situado a la derecha del 1 y el segmento limitado por 1 y 2 coincide en longitud con el
segmento limitado por el 0 y 1. Por tanto, el segmento de n "(n), verificar que est
situado a la derecha de n y el segmento entre n y "(n) coincide con el que hay entre 0 y
1.
De forma similar, podemos situar los nmeros enteros en la recta. Para identificar
puntos de la recta con nmeros racionales podemos utilizar el teorema de Thales, que se
basa en el uso de rectas paralelas. Como entre cada dos nmeros racionales, al menos
hay otro (Q es denso) se pens que todos los puntos de la recta se podan identificar
con nmeros racionales. Hasta que lleg Pitgoras.
Pitgoras indic que en la recta deba haber un punto que se identificase con un
nmero, tal que el cuadrado de dicho nmero fuese 2. Al comprobar que ese nmero
(que representaremos como 2 ) no era racional, demostr que en la recta haba ms
puntos que nmeros racionales (no exista por tanto una biyeccin).
La necesidad de construir un conjunto ms grande que Q tambin se puede motivar
planteando el siguiente problema.
Dada la ecuacin x
2
=2, el nmero x no es racional.
Sea A#Q tal que A={p$Q / p
2
<2} y sea B#Q tal que B={q$Q / q
2
>2}
El conjunto A est acotado superiormente, por ejemplo 2$B, 2>p %p$A, y
anlogamente B est acotado inferiormente ya que 1$A y 1<q %q$B. Pero el sup A y
el inf B no existen en Q.
Es por ello que necesitamos construir un conjunto mayor que Q que llamaremos
conjunto de los nmeros reales y denotaremos por !. Vamos a seguir la misma idea que
utiliz Cantor para ampliar de Q a !.
2. EL CUERPO DE LOS NMEROS REALES.
2.1. Construccin de R.
2.1.1. Sucesiones fundamentales o de Cauchy en Q.
DEF Una sucesin de nmeros racionales es una aplicacin de N en Q.
Notacin Dada &: N'Q, denotaremos a &(n) por a
n
. La sucesin ser (a
n
), aunque
tambin se puede representar por a
0
, a
1,
a
2
, . . .
3/32
PROP Sea S= {(a
n
) / (a
n
) es una sucesin de nmeros racionales}. Si definimos en S la
suma como (a
n
)+(b
n
) = (a
n
+b
n
) y el producto como (a
n
)(b
n
)=(anbn), entonces S tiene
estructura de anillo conmutativo con elementos unidad.
Dem.
A Realizar por el Lector.
DEF Diremos que una sucesin (a
n
)$S es acotada si existe r$Q
+
tal que %n$N se
verifica |a
n
|<r.
PROP El conjunto A de sucesiones acotadas de nmeros racionales es un subanillo de
S.
Dem.
1) A#S.
Dada (a
n
)$A sucesin acotada de nmeros racionales((a
n
) es una sucesin de
nmeros racionales ((a
n
)$S.
2) La suma es interna.
Sean con b a b a
r b Q r A b
r a Q r A a
n n n n
n n
n n
) ( ) ( ) (
/ ) (
/ ) (
2 2
1 1
+ = + (
)
*
)
+
,
)
-
)
.
/
< $ 0 ( $
< $ 0 ( $
+
+
(1)
|a
n
+b
n
|1|a
n
|+|b
n
|<r
1
+r
2
Tengamos en cuenta que a
n
, b
n
$Q%n((a
n
+b
n
)$A
3) El producto es interno.
(a
n
)(b
n
)= (a
n
b
n
) y |a
n
b
n
|=|a
n
||b
n
|< r
1
r
2
y r
1
r
2
$Q.
Luego A es un subanillo de S.
OBS A no es un ideal de S ya que si (a
n
)$S y (b
n
)$A((a
n
bn)2 A. Por ejemplo:
Sea a
n
=n
2
%n$N y b
n
=1/n y %n$N. Entonces a
n
b
n
=n %n$N y no es acotada.
DEF Diremos que L$Q es lmite de la sucesin (a
n
)$S si %3>0 (con 3$Q)
0n
0
$N / si n>n
0
( |a
n
-L|<3.
Notacin Diremos Lima
n
=L o (a
n
)'L.
DEF Diremos que (a
n
) es convergente si tiene lmite.
PROP El lmite de una sucesin convergente es nico.
4/32
Dem.
Sea (a
n
) una sucesin convergente . Lim a
n
=L. Supongamos que Lim a
n
=L, con
L4L (|L-L|=d.
Lim a
n
=L(%3>0 (3$Q) 0n
0
$N / %n>n
0
(|a
n
-L|<3 (1)
Lim a
n
=L(%3>0 (3$Q) 0n
0
$N / %n>n
0
(|a
n
-L|<3 (2)
Tomemos 3, 3 < d/2 ( |a
n
- L| < d/2 y |a
n
- L| < d/2.
Es claro que (L-d/2, L+d/2) y (L-d/2, L+d/2) no tienen puntos en comn.
Segn (1) %n>n
0
a
n
$(L-d/2, L+d/2)
Sea N=max{n
0
, n
0
}(si n5N
(a
n
$(L-d/2, L+d/2)6
6(L-d/2, L+d/2)=7,
lo cual es imposible.
y segn (2) %n>n
0
a
n
$(L-d/2, L+d/2)
Al llegar a una contradiccin, la suposicin es falsa y L=L.
PROP Toda sucesin convergente es acotada.
Dem
Sea (a
n
) convergente. Entonces Lim a
n
=L.
Lim a
n
=L8%3>0 (3$Q) 0n
0
$N / %n>n
0
( |a
n
-L|<3 ( %n>n
0
a
n
$(L-3, L3).
Sea m=min{a
1
,..,a
no,
L-3}y n=max{a
1
,..,a
no,
L+3}, entonces %n$N m1a
n
1n
PROP El conjunto C de sucesiones convergentes es subanillo de S.
Dem
i) Sea a
n
$C una sucesin convergente ( a
n
es una sucesin de nmeros
racionales ( a
n
$S.
ii) Sean a
n
$C y b
n
$C dos sucesiones de nmeros racionales convergentes, es
decir:
%3>0 0n
0
$N / si n5n
0
(|a
n
-L|<3
y %3>0 0n
0
$N / si n5n
0
(|b
n
-L|<3
entonces si tomamos n
0
=max{n
0
, n
0
} se tiene que:
%3>0 0n
0
$N / si n5n
0
|a
n
+b
n
-(L+L)| = |(a
n
-L)+(b
n
-L)|1|a
n
-L|+|b
n
-L|<3+3= 23
5/32
Por lo tanto si definimos 3=23 se tiene que:
%3>0 0n
0
$N / si n5n
0
(|(a
n
+b
n
)-(L+L)|<3((a
n
+b
n
)$C
iii) Sean a
n
$C y b
n
$C dos sucesiones de nmeros racionales convergentes, es
decir:
%3>0 0n
0
$N / si n5n
0
(|a
n
-L|<3
y %3>0 0n
0
$N / si n5n
0
(|b
n
-L|<3
entonces si tomamos n
0
=max{n
0
, n
0
} y como b
n
es acotada por ser
convergente (0K$Q
+
/ |b
n
|<k) se tiene que:
|a
n
b
n
-LL| = |a
n
b
n
-b
n
L+b
n
L-LL| = |b
n
(a
n
-L)+L(b
n
-L)|1
1|b
n
(a
n
-L)|+|L(b
n
-L)| = |b
n
| |a
n
-L|+|L| |b
n
-L| < k3 + |L|3= 3(k+|L|).
Por lo tanto si definimos 3= 3(k+|L|) se tiene que:
%3>0 0n
0
$N / si n5n
o
( |a
n
b
n
-LL|<3 ( (a
n
b
n
)$C (C es un subanillo de S.
DEF Diremos que una sucesin (a
n
) de nmeros racionales es de Cauchy si %3>0
(3$Q) 0n
0
$N / %n, m 5n
0
( |a
n
-a
m
|<3.
PROP Toda sucesin de Cauchy es acotada.
Dem
Sea a
n
una sucesin de Cauchy.
%3>0 (03$Q) 0n
0
$N / %n, m 5n
0
( |a
n
-a
m
|<3.
Una vez localizado n
0
, fijemos 3 y m. Entonces a
m
-3 < a
n
< a
m
+3 %n5n
0
.
Sea K=max{|a
1
|, |a
2
|,...,|a
no-1
|, |a
m
+3|, |a
m
-3|}. Se verifica |a
n
|<k %n$N luego (a
n
)
est acotada.
PROP Toda sucesin convergente es de Cauchy.
Dem
Sea (a
n
) una sucesin convergente(Lim a
n
=L.
Entonces%3>0 0n
0
$N / %n5n
0
(|a
n
-L|<3/2.
Luego |a
n
-a
m
| = |a
n
-L+L-a
m
| < |a
n
-L|+|a
m
-L| < 3/2 +3/2= 3 %n,m5n
0
.
Por tanto (a
n
) es de Cauchy.
6/32
OBS El recproco no es cierto, ya que la sucesin 1, 14, 141, 1414 se aproxima a
2 , es de Cauchy pero no es convergente al no ser 2 un nmero racional.
PROP El conjunto S
c
de sucesiones de Cauchy racionales es un subanillo de S.
Dem
i) Sea a
n
$Sc una sucesin de Cauchy de nmeros racionales(
(a
n
es una sucesin de nmeros racionales( a
n
$S.
ii) Sean a
n
$S
c
y b
n
$Sc dos sucesiones de Cauchy de nmeros racionales (
( %3>0 0n
0
$N / si n,m5n
0
(|a
n
-a
m
|<3
y %3>0 0n
0
$N / si n,m5n
0
(|b
n
-a
m
|<3
si tomamos n
o
=max{n
0
, n
0
} entonces
%3>0 0n
0
$N / si n,m5n
0
|(a
n
+b
n
)-(a
m
+b
m
)|=| (a
n
+a
m
)+(b
m
+b
n
)|1 |a
n
-a
m
|+|b
n
-b
m
|13+3=23
Tomando entonces 3=23 tendremos:
%3>0 0n
0
$N / si n,m5n
0
(|(a
n
+b
n
)- (a
m
+b
m
)|<3(
((a
n
+b
n
) es de Cauchy((a
n
+b
n
)$S
c
.
iii)Sean a
n
$S
c
y b
n
$S
c
dos sucesiones de Cauchy de nmeros racionales(
(%3>0 0n
0
$N / si n,m5n
0
(|(a
n
-a
m
|<3
y %3>0 0n
0
$N / si n,m5n
0
(|(b
n
-b
m
|<3
Si tomamos n
o
=max{n
0
, n
0
} y como a
n
y b
n
estn acotadas al ser de
Cauchy (0K,K$Q
+
/ |a
n
|<K y |b
n
|<K) entonces:
%3>0 0n
0
$N / si n,m5n
0
|a
n
b
n
-a
m
b
m
|= |a
n
b
n
-a
n
b
m
+a
n
b
m
- a
m
b
m
|= |a
n
(b
n
-b
m
)+b
m
(a
n
-a
m
)| 1
1 |a
n
(b
n
-b
m
)| + |b
m
(a
n
-a
m
)|1 |a
n
| |b
n
-b
m
|+|b
m
| |a
n
-a
m
| < k3+k3=3(k+k)
Si tomamos 3=3(k+k) entonces:
%3>0 0n
0
$N / si n,m5n
0
(|(a
n
b
n
-a
m
b
m
|<3
((a
n
b
n
) es de Cauchy ( (a
n
b
n
)$S
c
7/32
(S
c
es un subanillo de S.
DEF Llamamos sucesin nula a una sucesin que tiene por lmite 0. El conjunto de las
sucesiones nulas lo denotaremos por S
0
.
PROP La suma de sucesiones nulas es una sucesin nula.
Dem
Sean a
n
$S
0
y b
n
$S
0
entonces:
%3>0 0n
0
$N / si n5n
0
(|a
n
|<3 y
%3>0 0n
0
$N / si n5n
0
(|b
n
|<3
Si tomamos n
o
=max{n
0
, n
0
} entonces:
%3>0 0n
0
$N / si n5n
0
|a
n
+b
n
|1 |a
n
|+|b
n
|<3+3=23
Por lo tanto si llamamos 3=23 se tiene que:
%3>0 0n
0
$N /|a
n
+b
n
|<3
((a
n
+b
n
)$S
0
OBS En concreto podemos decir que S
0
es un subanillo de S.
PROP El producto de una sucesin nula por otra de Cauchy es una sucesin nula.
Dem
Sea (a
n
) una sucesin de Cauchy y (b
n
) una sucesin nula.
(a
n
) es de Cauchy((a
n
) es acotada(0M>0 / |a
n
|<M %n$N
(b
n
) es nula(%3>0 0n
0
$N / %n5n
0
(|b
n
|<3
Entonces (a
n
b
n
)=|a
n
||b
n
| < M3
Si tomamos 3=3/M (%3>0 0n
0
$N / %n5n
0
(|a
n
b
n
|<3
((a
n
b
n
) es nula
COROLARIO S
o
es un ideal de S
c
.
OBS Se verifica que S
0
#S
c
#S.
8/32
2.1.2. Relacin de equivalencia en S
c
DEF Definimos la siguiente relacin en S
c
%(a
n
b
n
)$S
c
(a
n
)R(b
n
)8(a
n
-b
n
)$S
0
PROP La relacin R definida en S
c
es una relacin de equivalencia.
Dem
i) Reflexiva: %(a
n
)$S
c
((a
n
-a
n
)=0$S
0
(a
n
Ra
n
ii) Simtrica: %(a
n
)$S
c
y (b
n
)$S
c
, si a
n
Rb
n
((a
n
-b
n
)$S
0
((b
n
-a
n
)$S
0
( b
n
Ra
n
iii)Transitiva: %(a
n
), (b
n
) y (c
n
)$S
c
con
0
0
0
) ( ) ( ) (
) (
) (
S c a c b b a
S c b Rc b
S b a Rb a
n n n n n n
n n n n
n n n n
$ 9 = 9 + 9 (
*
+
,
$ 9 (
$ 9 (
(a
n
Rc
n
(R es una relacin de equivalencia
DEF Llamaremos a cada clase de equivalencia nmero real y S
c
/R es el conjunto de los
nmeros reales, y se representa por !.
Notacin: de aqu en adelante, notaremos los nmeros reales por letras como x, y z en
lugar de [a
n
], [b
n
] y [c
n
].
2.2. El grupo aditivo de los Nmeros Reales.
DEF Definimos la suma en ! como: Dados x=[a
n
] e y=[b
n
] x+y=[a
n
+b
n
]
PROP La definicin de suma no depende del representante elegido.
Dem.
Sean (a
n
), (a
n
)$[a
n
] y (b
n
), (b
n
)$[b
n
]. Entonces se verifica que (a
n
)-(a
n
)$S
0
y
(b
n
)-(b
n
)$S
0.
Como S
0
es un ideal, la suma es interna(((a
n
)-(a
n
))+((b
n
)-(b
n
)) y
es lo mismo que ((a
n
)+(b
n
))-((a
n
)+(b
n
))$S
0
y aplicando la suma
(a
n
+b
n
)-(a
n
+b
n
)$S
0
, siendo equivalente a (a
n
+b
n
)R(a
n
+b
n
)8
[a
n
+b
n
]=[a
n
+b
n
], luego no depende del representante elegido.
9/32
PROP La suma en ! verifica las siguientes propiedades:
i) Conmutativa.
ii) Asociativa.
iii) Elemento neutro.
iv) Elemento simtrico.
Dem
1) Conmutativa:
Sean x,y$! entonces x=[a
n
] e y=[b
n
] (
(x+y=[a
n
+b
n
]=[b
n
+a
n
]=y+x(x+y=y+x
2)Asociativa:
Sean x,y,z$! entonces x=[a
n
], y=[b
n
], z=[c
n
] (
(x+(y+z)=x+[b
n
+c
n
]=[a
n
+(b
n
+c
n
)]= [(a
n
+b
n
)+c
n
]= [a
n
+b
n
]+z=(x+y)+z=
=x+(y+z)
3)Elemento neutro:
Sea x$! definido por x=[a
n
]. Si definimos 0=[0] entonces
x+0=[a
n
+0]= [a
n
]=x(0 es el elemento neutro de la suma.
4)Elemento simtrico:
Sea x$! definido por x=[a
n
], si denotamos por (-x)== [-a
n
]: x+(-x)=
=[a
n
+(-a
n
)]=[0]=0((-x) es el elemento simtrico de la suma.
OBS Por tanto (!,+) es un grupo abeliano.
PROP El grupo abeliano (!,+) contiene al grupo aditivo (Q,+).
Dem
Sea &: Q'!
q'[q]
La definicin tiene sentido ya que si por ejemplo a
n
$[q]( a
n
=q%n$N que
trivialmente es de Cauchy.
& es homomorfismo:
10/ 32
&(p+q)=[p+q]=[p]+[q]=&(p)+&(q)
& es inyectiva:
Si &(p)=&(q) ( [p]=[q]((p)-(q)$S
0
((p-q)$S
0
(p-q=0 ya que el
lmite de (p-q) es el nmero racional p-q (p=q
DEF Definimos el valor absoluto de un nmero real x, que denotaremos por |x|, como
-
.
/
< 9
5
=
0
0
| |
x x
x x
x
2.3 El grupo multiplicativo de los nmeros reales.
DEF Definimos el producto en ! como : dados x=[a
n
] e y=[b
n
] xy=[a
n
b
n
]
PROP La definicin del producto no depende del representante elegido.
Dem.
Sean (a
n
), (a
n
)$[a
n
] y (b
n
), (b
n
)$[b
n
]. se verifica que (a
n
-a
n
)$S
0
y (b
n
-b
n
)$S
0
.
Para ver que [a
n
b
n
]= [a
n
b
n
] hemos de comprobar que su diferencia es una
sucesin nula.
|a
n
b
n
- a
n
b
n
|=| a
n
b
n
- a
n
b
n
+ a
n
b
n
- a
n
b
n
|= |(a
n
-a
n
)b
n
+(b
n
-b
n
)1|a
n
-a
n
| |b
n
| +
+ |b
n
-b
n
| |a
n
|.
Como a
n
, b
n
$S
c
( a
n
, b
n
son acotadas(0MM / |a
n
|<M y |b
n
|<M %n$N.
Por hiptesis (a
n
-a
n
)$S
0
(%3
1
>0 (3$Q) 0n
1
$N / %n5n
1
(|a
n
-a
n
|13
1
y (b
n
-b
n
)$S
0
(%3
2
>0 (3$Q) 0n
2
$N / %n5n
2
(|b
n
-b
n
|13
2
13
1
M+3
2
M=3
Entonces (a
n
b
n
-a
n
b
n
)$S
0
( [a
n
b
n
]= [a
n
b
n
]
Luego el producto no depende del representante elegido.
PROP El producto en R verifica las siguientes propiedades:
1) Conmutativa.
2) Asociativa.
3) Elemento neutro.
4) Elemento simtrico (slo para R-{0}).
Dem
11/ 32
Se deja como ejercicio al lector.
OBS (R-{0}, ) es un grupo multiplicativo abeliano.
PROP Dados a, b$R con a40, la ecuacin ax=b admite soluciones en R.
Dem
Como a40 y (R-{0,}) es grupo abeliano ( 0a
-1
inverso de a.
a
-1
(ax)=a
-1
b
(a
-1
a)x = a
-1
b
x=b a
-1
DEF El nmero ba
-1
recibe el nombre de cociente del nmero real b por el nmero real
a y se representa por ba o b:a.
PROP El grupo abeliano (R-{0},) contiene al grupo abeliano (Q-{0},).
Dem
Sea &: Q'R
q'[q]
&(pq)=[pq]= [p][q]=&(p)&(q)
Luego es homomorfismo.
& es inyectiva (ya visto).
2.4 El Cuerpo de los Nmeros Reales.
Una vez visto que (R,+) y (R*,) tienen estructura de grupo abeliano respecto de sus
operaciones, veamos como podemos relacionar la suma y el producto de nmeros
reales.
PROP En R se verifica la propiedad distributiva del producto respecto de la suma.
Dem
Sean x,y,z$R con x=[a
n
], y=[b
n
] y z=[c
n
]
x(y+z)= [a
n
]([b
n
]+[c
n
])= [a
n
] [b
n
+c
n
] = [a
n
(b
n
+c
n
)] = [a
n
b
n
+a
n
c
n
] =
=[a
n
b
n
]+ [a
n
c
n
]= [a
n
] [b
n
]+ [a
n
] [c
n
]= xy + xz
12/ 32
Podemos afirmar que (R,+,) tiene estructura de cuerpo conmutativo con
elemento de unidad.
PROP El cuerpo (R,+,) contiene a (Q,+,).
Dem
Sea &: Q'R
q'[q]
Ya sabemos que & es homomorfismo inyectivo.
3. ORDEN EN R.
Vamos a definir en el conjunto R una relacin de orden total que sea compatible
con su estructura.
Antes de poder definir un orden en R, necesitamos conocer cul es el conjunto de
nmeros reales positivos. Para ello, nos vamos a apoyar en Q.
PROP Sea (a
n
) una sucesin de Cauchy no nula. Entonces existe un elemento en la
sucesin tal que a partir de l son todos del mismo signo.
Dem
Sea (a
n
)$S
c
y (a
n
)2S
0
.Como (a
n
)$S
c
( %3>0 (3$Q) 0n
0
$N / %n,m5n
0
(|a
n
-a
m
|<3.
Supongamos que la tesis es falsa: siempre podemos encontrar m$N con a
m
>0 y un
n$N con a
n
<0. Entonces 3>|a
n
-a
m
|= |a
n
| + |a
m
| ( (a
n
)$S
0
y eso es una contradiccin.
Luego 0n
0
$N / %5n
0
( a
n
>0 ( a
n
<0).
Por tanto, en S
c
podemos distinguir:
Sucesiones de Cauchy positivas 80n
0
$N / n5n
0
( a
n
>0.
Sucesiones de Cauchy negativas 80n
0
$N / n5n
0
( a
n
<0.
Sucesiones de Cauchy ni positivas ni negativas.
PROP Dos sucesiones de Cauchy equivalentes y no nulas son ambas positivas o ambas
negativas.
Dem
Sean (a
n
), (b
n
)$S
c
Como (a
n
)2S
0
( 0n
0
$N / %n5n
0
( |a
n
|>k
(b
n
)2S
0
( 0n
0
$N / %n5n
0
( |b
n
|>k
13/ 32
Supongamos que (a
n
) es positiva y (b
n
) es negativa.
Entonces %n5max{n
0
, n
0
}(|a
n
-b
n
| = |a
n
| + |b
n
| >k+k
Lo cual no puede ser ya que (a
n
) y (b
n
) son equivalentes (8(a
n
-b
n
)$S
0
).
La suposicin es falsa y por tanto (a
n
) y (b
n
) son del mismo signo.
DEF Definimos el conjunto de los nmeros reales positivos y lo denotamos por R
+
, a
R
+
={x$R / x=[a
n
] y (a
n
) es positiva}.
Anlogamente
DEF Definimos el conjunto de los nmeros reales negativos y lo denotamos por R
-
, a
R
-
={y$R / y=[b
n
] y (b
n
) es negativa}. Tambin como R
-
={y$R / -y$R
+
}.
Con estas definiciones tenemos que R = R
-
:{0}:R
+
.
PROP La suma y el producto en R
+
son operaciones internas.
Con todas estas consideraciones, ya podemos definir una relacin en R y comprobar que
es de orden.
DEF Definimos en R la relacin 1 como: %a,b$R a1b 8 b-a$R
+
:{0}.
PROP La relacin 1 definida en R es de orden.
Dem:
Para comprobarlo hemos de demostrar que verifica las propiedades reflexiva,
antisimtrica y transitiva:
1)Reflexiva: 0$R
+
:{0} ( a-a$R
+
:{0} ( a1a
2)Antisimtrica: si a1b(b-a$R
+
:{0}
si b-a=0 ( b=a
si b-a$R
+
(a-b$R
-
luego no se verifica que b1a con b4a.
3) Transitiva: si a1b(b-a$R
+
:{0}
si b1c(c-b$R
+
:{0}
((c-b)+(b-a)$R
+
:{0} ( c-a$R
+
:{0} ( c-a$R
+
:{0} ( a1c
14/ 32
PROP La relacin 1 es de orden total.
Dem
{0}( a=b
%a,b$R, b-a $ R
+
( a1b
R
-
( b1a
PROP El orden definido en R es compatible en las operaciones de suma y producto.
Dem
i) %a,b$R con a1b ( b-a $R
+
( (b+c-c-a)$R
+
( (b+c)-(c+a)$R
+
(
( a+c 1 b+c %c$R.
ii) %a,b$R con a1b y con c$R
+
:{0} ( b-a$R
+
(
bc ac
bc ac ca cb a b c
bc ac R ca cb R a b c
1 (
*
+
,
-
.
/
= ( = 9 ( $ 9
1 ( $ 9 ( $ 9
(
+ +
0 } 0 { ) (
) (
Conclusin: (R, 1) es un cuerpo ordenado.
PROP (R,1) amplia a (Q,1).
Dem
Sea &: Q'R
q'[q]
Ya sabemos que & es homomorfismo inyectivo.
Sean p,q$Q con p1q ( q-p$ Q
+
:{0}
(&(q-p)$R
+
:{0} ( &(q)-&(p) $ R
+
:{0} ( &(q)1&(p)
El conjunto &(Q)#R es un subcuerpo ordenado de R, y es isomorfo a Q. Como
Q;&(Q) por convenio se toma &(Q)<Q y por tanto los nmeros reales son una
ampliacin de los nmeros racionales.
15/ 32
4. PROPIEDADES DE R.
4.1 Q es denso en R.
PROP Dados x,y$R con x1y y x4y, 0q$Q / x<q<y.
Dem
Sean (a
n
) y (b
n
)$S
c
tales que x=[a
n
] e y=[b
n
] verificando que [b
n
-a
n
]$R
+
(ya que x<y)
Si [b
n
-a
n
]$R
+
((b
n
-a
n
) es no nula ( 03>0 0n
0
$N / %n5n
0
(b
n
-a
n
> 3
Adems como (a
n
), (b
n
)$S
c
(
%3
1
>0 0n
1
$N / %n,m5n
1
( |a
n
-a
m
|<3
1
%3
2
>0 0n
2
$N / %n,m5n
2
( |b
n
-b
m
|<3
2
Tomemos 3
1
=3
2
=3/2 y sea n
3
=max{n
0
,n
1
,n
2
}. Definiendo q$Q como
2
3 3
b a
n n
q
+
= tenemos que %n5n
3

2 2 2
3 3 3 3 3 n n n n
n
n n
n
a b b a
a
b a
a q
9
+
+
= 9
+
= 9
>
4 2 2
2 / ! ! !
= +
9
(q-a
n
> 3/4 ( x<q
(tengamos en cuenta que |a
n3
-a
n
|<3/2 (|a
n3
-a
n
|>-3/2).
Anlogamente
%n5n
3
b
n
-q=b
n
-
2 2 2
3 3 3 3 n n n n n n
b b a b b a 9
+
9
=
+
>
4 2
2 /
2
! ! !
= 9
( b
n
-q>3/4 ( q<y
Uniendo ambas partes obtenemos x<q<y, cqd.
4.2 R es arquimediano.
PROP Sean x, y$R con y$R
+
(0n$N / ny>x
Dem
Vamos a distinguir varios casos:
- Si x10 (basta tomar n=1 y y<x.
16/ 32
- Si x>0(como Q es denso
-
.
/
< $ 0
< < $ 0
q x Q q
y p Q q
/
0 /
. Como p,q$Q
+
y Q es
arquimediano (0n$N / np>q 0<p<y (
*
+
,
<
< <
q x
y p 0 n n
(ny>np>q>x(ny>x.
4.3 Valor absoluto en R.
Para definir el valor absoluto en R nos vamos a apoyar en Q donde ya lo tenemos
definido.
PROP El valor absoluto en R verifica las siguientes propiedades:
1) |x|=0 8x=0 %x$R.
2) |x|50 %x$R
3)|x+y|1|x|+|y| %x,y$R
4)| |x|-|y| | 1 |x-y| %x,y$R
5)|xy| = |x| |y|
Dem
1) Trivial, por definicin.
2) Idem.
3) %x,y$R se tiene que -|x|1x1|x| y -|y|1y1|y| entonces tenemos que:
-|x|1x1|x|
+ -|y|1y1|y|
-|x|-|y|1x+y1|x|+|y| entonces -(| x|+|y|)1x+y1(|x|+|y|)(|x+y|1|x|+|y|.
Esta desigualdad es la llamada desigualdad triangular.
4)| |x|-|y| |1|x-y| 8| |x|-|y| |
2
1 |x-y|
2
8 (|x|-|y|)
2
1(x-y)
2
8 |x|
2
+|y|
2
-2|x| |y| 1 x
2
+y
2
-
-2xy8-2|x| |y| 1 -2xy 8 2xy 1 2|x| |y| 8 xy 1 |x| |y| y esto es cierto obviamente
%x,y$R.
5) - Si x>0 e y >0 ( xy=|x| |y| ( |xy| =|x| |y|
-Si x>0 e y>0 (xy=|x|(-|y|) (|xy|=|x| |y|
-Si x<0 e y <0 (xy=(-|x|)(-|y|) (|xy|= |x| |y|
17/ 32
-Si x<0 e y>0 (xy=(-|x|)|y| (|xy|=|x| |y|
Luego |xy|=|x| |y| %x,y$R
4.4 R es completo.
DEF Sea (x
n
) una sucesin de nmeros reales. Diremos que (x
n
) converge hacia a y se
denota por limx
n
=a, si
%3>0 (3$R) 0n
0
$N / %n5n
0
(|x
n
-a|<3
PROP Todo nmero x$R es lmite de alguna sucesin de Cauchy de racionales.
Dem
Sea x=[a
n
] y (a
n
) una sucesin racional de Cauchy ((a
n
)$S
c
). Vamos a comprobar
que lim a
n
=x.
(a
n
)$S
c
(%3>0 0n
0
$N / % m,n 5n
0
( |a
m
-a
n
|3
Si fijamos n5n
0
( el nmero real |x-a
n
| viene determinado por la sucesin (|a
m
-a
n
|)
que es de Cauchy.
Supongamos que lim a
n
4x 8 03>0 0n
1
$N / %n5n
1
( |a
n
-x|>3
Como Q es denso en R, 0q$Q / 3<q<|a
n
-x|.
Entonces |a
n
-x|-q $R
+
( la sucesin de Cauchy que determina este nmero real
positivo es positiva.
Luego 0k>0 / %m5n
2
( |a
n
- a
m
| -q > k ( |a
n
-a
m
|> q+k
Si elegimos n
3
=max{n
1
,n
2
} ( (a
n
) no es de Cauchy. CONTRADICCIN.
La suposicin es falsa y por tanto lim a
n
=x, cqd.
PROP Toda sucesin de Cauchy de nmeros reales es convergente.
Dem
Sea (x
n
) una sucesin de Cauchy de nmeros reales.%3>0 0n
0
/ %n,m5n
0
(
|x
n
-x
m
|<3
%n$N 0q
n
$Q / x
n
-1/n < q
n
< x
n
+1/n ya que Q es denso en R.
Conseguimos una sucesin (q
n
) de nmeros racionales que verifican:
18/ 32
%m,n5n
0
|q
m
-q
n
| = |q
m
-x
m
+ x
m
+ x
n
- x
n
+- q
n
| 1
1 |q
m
-x
m
| + |x
m
-x
n
| + |x
n
-q
n
| < 1/m + 3 + 1/n < 3
Entonces (q
m
) es de Cauchy.
Sea x=[(q
n
)]
|x
n
-x| 1 |x
n
-q
n
| + |q
n
-x| < 1/n + 3 < 3
((x
n
) es convergente y su lmite es x ( lim x
n
=x.
PRINCIPIO DE LOS INTERVALOS ENCAJADOS
Sea (I
n
) una sucesin de intervalos encajados (I
n
=[a
n
,b
n
] con I
n+1
# I
n
%n) cerrados y
acotados. Entonces =
n
I
n
47. Si adems |I
n
| =b
n
-a
n
con lim |I
n
| = 0 entonces existe x$R /
{}$= I
n
Dem
Como I
n+1
# I
n
%n$N y I
n
=[a
n
,b
n
] ( (a
n
) es una sucesin de nmeros reales
creciente y acotada superiormente por b
1
( 0lim (a
n
) = a.
Fijamos m$N / %n5m ( a
n
1b
n
1b
m
( a1b
m
%m$N.
(b
n
) es una sucesin de nmeros reales decreciente y acotada inferiormente por a
1
( 0 lim b
n
= b.
Como b
m
5 a %m$N ( b1a
Sea I=[a,b]. Como b5a ( I47
Es ms, podemos afirmar que I# I
n
%n$N ya que a
n
1 a1b1b
n
%n,m.
Entonces I #= I
n
y como I47 entonces = I
n
47.
Como caso particular, si a=b ( I={a} y si x,y$= I
n
(
-
.
/
= = ( 1 1
= = ( 1 1
b a y b y a
b a x b x a
n n
n n
La interseccin por tanto est construida por un slo punto.
TEOREMA DEL EXTREMO
Todo subconjunto no vaco de R acotado superiormente tiene supremo.
19/ 32
Dem
Sea C # R con C47. Como C est acotado superiormente, 0b
1
$R / b
1
es cota
superior de C. Podemos encontrar un n a
1
$R tal que el intervalo [a
1
,b
1
]
verifica:
a) Contiene puntos de C.
b) b
1
es cota superior de C.
Dividimos [a
1
,b
1
] en dos nuevos intervalos por su punto medio. A aquella mitad
que verifique a) y b) la llamamos [a
2
,b
2
].
(Es claro que si
2
1 1
b a +
es cota superior de C ( a
2
=a
1
( y b
2
=
2
1 1
b a +
y si no es
cota superior (a
2
=
2
1 1
b a +
y b
2
=b
1
).
Se verifica que b
2
-a
2
=
2
1
(b
1
-a
1
) y a
2
-a
1
1
2
1
(b
1
-a
1
).
Repitiendo el proceso, obtenemos una sucesin de nmeros reales (a
n
) que verifica
|a
m
-a
n
| 1
1
2
1
9 n
(b
1
-a
1
) ( (a
n
) es una sucesin de Cauchy.
Como toda sucesin de nmeros reales de Cauchy es convergente tenemos que
0$R / lim a
n
= x. Supongamos que x 4 Sup C.
Como tambin lim b
n
= x (0y$C / x< b
n
<y para algn n$N.
Contradiccin, ya que b
n
%n$N son cota superior de C. Por tanto, x=Sup C.
5. TOPOLOGA DE LA RECTA REAL.
DEF Una topologa sobre un conjunto X es una coleccin > de subconjuntos de X que
verifican tres propiedades:
1)7,X estn en >.
2)La unin de los elementos de cualquier subcoleccin de > est en >.
3) La interseccin de elementos de cualquier coleccin finita de > est en >.
20/ 32
DEF Un espacio topolgico es un par ordenado (X,>) formado por un conjunto y una
topologa sobre l.
5.1. Subconjuntos Cerrados de ! !.
DEF Dado A#R subconjunto con A47 , diremos que A es cerrado si para cada
sucesin (x
n
) convergente contenida en A tambin contiene su lmite.
OBS El conjunto [a, b) definido como [a,b)={x$R / a1x<b} no es cerrado ya que si
x
n
=b-
n
a b 9
, se verifica que
-
.
/
=
$ % $
b x y e convergent es x
N n b a x
n n
n
lim
) , [
, y en cambio b2[a,b).
Anlogamente para (a,b) = {x$R / a<x<b}
(x
n
) convergente con (x
n
)#A y A cerrado (lim x
n
= x$A
PROP El conjunto [a,b]={x$R / a1x1b} es cerrado.
Dem
Supongamos que [a,b] no es cerrado. Entonces existe una sucesin {x
n
}#[a,b]
convergente tal que su lmite x2[a,b]. Sea x>b (Anlogamente si x<a) entonces sea
d= x-b, como x
n
es convergente se tiene que:
%3>0 0n
0
$N / |x
n
-x|<3 si n5n
0
, entonces si tomamos 3= d/2 (
0n
0
$N / x
n
$(x-3, x+3) si n5n
0
( x
n
>b si n5n
0
( x
n
2[a,b] si n5n
0
!!
(contradiccin) ([a,b] es cerrado.
PROP La unin de dos subconjuntos cerrados es un subconjunto cerrado.
Dem
Sean A
1
y A
2
subconjuntos de R cerrados, y sea A=A
1
:A
2
. Sea (x
n
)#A una
sucesin convergente, y sea x= lim x
n
.
-Si (x
n
)#A
1
(x$A
1
#A
-Si (x
n
)#A
2
(x$A
2
#A
En caso contrario, sea (x
nk
) una subsucesin de(x
n
) contenida en A
1
. Sabemos
que x = lim
k
x
nk
. Como (x
nk
)#A
1
convergente y A
1
es cerrado ( x$A
1
( x$A,
y al ser lim x
nk
= x = lim x
n
( (x
n
)#A verifica que x$A. Por tanto A es cerrado.
21/ 32
Nota: hemos usado que si x
n
'x entonces x
nk
' x la demostracin se deja como
ejercicio al lector.
COROLARIO La unin de una familia finita de subconjuntos cerrados es tambin
cerrado.
Dem
Sean A
1
, A
2
' A
n
subconjuntos de R cerrados y sea A=
U
n
i
i
A
1 =
.
Sea (x
n
)#A una sucesin convergente y sea x= lim
n'?
x
n
:
-Si (x
n
)#A, para algn i(x$A
i
por ser cerrado (x$A(A es cerrado.
-En caso contrario, sea x
nk
una sucesin de x
n
tal que x
nk
#A
i
para algn i
( como lim
n'?
x
nk
=x y A
i
es cerrado (x$A
i
(x$A(A es cerrado.
OBS La unin infinita de cerrados no es cerrada.
Por ejemplo, sean A
n
=[2+1/n, 4- 1/n] %n$N. Entonces A
i
=[3,3]#A
2
=[25,35]#...
Como lim(2+1/n)=2 y lim (4- 1/n)=4 (:A
n
=(2,4).
Como (2,4) es un intervalo abierto, el conjunto unin no es cerrado.
PROP Sea {A
i
/ i$I} una familia (finita o infinita) de conjuntos cerrados en R.
Entonces A==A
i
es cerrado.
Dem
Sea (x
n
)#A una sucesin convergente con x=limx
n
. Entonces (x
n
)#A
i
%i$N (
x$ A
i
%i$N ya que los A
i
son todos cerrados (x$A (A es cerrado.
5.2 Subconjuntos abiertos de R.
DEF Un subconjunto V de la recta real V#R diremos que es abierto si su
complementario, R-V, es cerrado.
PROP (a,b)={x$R / a<x<b}es abierto.
Dem
R-(a,b) = (@,a]:[b,') es cerrado.
PROP La interseccin de una familia finita {v
1
,..,v
n
} de conjuntos abiertos es otro
conjunto abierto.
22/ 32
Dem
Sea V=
I
n
k
k
V
1 =
. Como R-V= R-
I
n
k
k
V
1 =
siendo R-V=
U
n
k
k
V R
1
) (
=
9 unin de conjuntos
cerrados ( R-V es cerrado ( V es abierto
PROP La unin de una familia de conjuntos abiertos (finita o infinita) es un conjunto
abierto.
Dem
Sea V= :V
i
( R-V = R-:V
i
= 6(R-V
i
). Como la interseccin de cerrados es
cerrada ( R-V es cerrado (V es abierto.
OBS El conjunto R y el vaco son abiertos y cerrados, y son los nicos que son de los
dos tipos. R es abierto porque 7 es cerrado y 7 es abierto porque R es cerrado. Esto no
es contradictorio ya que existen conjuntos que no son ni abiertos ni cerrados.
COROLARIO Dado >={A#R / a es abierto} es una topologa para R.
TEOREMA A es abierto 8%x$A 03>0 / (x- 3,x+3)#A.
Dem
"("
Supongamos que la tesis no es cierta 03>0 / (x-3,x+3)AA. .
Tomemos 3=1 0x
1
$(x-1,x+1) tal que x
1
2A. Reiterando el proceso para 3= 1/n
0x
n
$(x-1/n, x+1/n) con x
n
2A.
La sucesin (x
n
)#R-A.
El conjunto R-A es cerrado.
(x
n
) es convergente ya que |x
n
-x|< 1/n %n$N
Entonces x$R-A lo cual es una contradiccin y por tanto nuestra suposicin es
falsa.
"B"
Supongamos que a no es abierto.
Entonces R-A no es cerrado (0(x
n
)#R-A convergente hacia x2R-A(x$A.
Por hiptesis 03>0 / (x- 3, x+3)#A. Por ser (x
n
) convergente, dado ese 3>0
23/ 32
0n
0
$N / %n5n
0
|x
n
-x|<3, pero |x
n
-x|<3 es lo mismo que -3<x
n
-x<3, y eso es igual
que (x
n
)#R-A.
La suposicin es falsa y por tanto A es abierto.
5.3 Entornos.
DEF Se dice que U#R es entorno del punto x$R si 03>0 / (x- 3, x+3)#U.
PROP Dado x$R, sea U
x
una familia formada por los entornos U del punto x. Se
verifica:
1) (x- 3, x+3)$U
x
2) [x- 3, x+3]$U
x
3) (x- 3, x+3]$U
x
4) [x- 3, x+3)$U
x
Dem
Sabemos que U
x
={U / U es entorno de x$R}
1) Si en la definicin tomamos U=(x- 3, x+3) se verifica, luego (x- 3, x+3)$U
x
2) Sea U[x- 3, x+3] (U#R y (x-3, x+3)#U
x
( (x-3, x+3)$U
x
3) Anlogo a 2).
4) Anlogo a 2).
PROP Si U
1
y U
2
son dos entornos x$R, entonces U
1
6U
2
es otro entorno de x$R.
Dem
Como U
1
y U
2
son dos enteros de x$R (
-
.
/
# + 9 > 0
# + 9 > 0
2 2 2 2
1 1 1 1
) , ( / 0
) , ( / 0
U x x
U x x
! ! !
! ! !
Si tomamos 3=min{3
1
,3
2
} se tiene que
-
.
/
# + 9 # + 9
# + 9 # + 9
2 2 2
1 1 1
) , ( ) , (
) , ( ) , (
U x x x x
U x x x x
! ! ! !
! ! ! !
(
((x-3,x+3)#U
1
6U
2
( 03>0 / (x-3,x+3)#U
1
6U
2
( U
1
6U
2
es un entorno de x$R.
La definicin de lmite de una sucesin convergente se puede escribir en funcin de
entornos.
24/ 32
TEOREMA (%U$U
x
0n
0
$N / %n5n
0
( x
n
$U) 8 (x
n
) converge hacia x.
Dem
"("
%3>0 (x-3, x+3)=U$U
x
0n
0
$N / %n5n
0
( x
n
$U = (x-3, x+3) y que
x
n
$(x-3,x+3) es lo mismo que |x
n
-x|<3. Luego (x
n
) es convergente y tiene por lmite
x.
"B"
(%U$U
x
03>0 (x-3,x+3)#U y 0n
0
$N / %n5n
0
|x
n
-x|<3 y |x
n
-x|<3 es
x
n
$(x
n
-3,x+3)#U.
DEF Llamamos entorno de centro a y radio r>0 al conjunto E(a,r)={x$R / a-r<x<a+r}
OBS La definicin es consistente con la anterior, ya que
E(a,r)= (a-r,a+r)#U
a
tomando 3=r.
PROP Si b$E(a,r) ( E(b,s) / E(b,s)#E(a,r)
Dem
Si b$E(a,r) (|b-a|<r ( r-|b-a| > 0.
Sea s<r-|b-a| con s>0.
Para ver la inclusin:
%x$E(b,s) ( |x-a|= |x-b+b-a| 1 |x-b| + |b-a| < s + |b-a| < r (x$E(a,r)
Luego E(b,s)#E(a,r).
5.4 Puntos Especiales.
DEF Sea A # R un subconjunto y x$A. Diremos que x es un punto interior a A si
existe un entorno de x, U$U
x
, contenido en A, U#A.
El conjunto de los puntos interiores de a se denota por A o Int(A).
DEF Sea A#R y y$R. Diremos que y es un punto exterior A si y es interior a R-A.
DEF Sea A# R y y$R. Diremos que z es un punto frontera de A si %U$Uz, U
contiene puntos de A y de R-A.
25/ 32
PROP El conjunto V#R es abierto 8 V=Int(V).
Dem
"("
Por la propia definicin de Int(V) se cumple que %x$Int(V)(x$V(
( Int(V)CV
Como V es abierto (R-V es cerrado, esto quiere decir que cualquier sucesin
{x
n
}#R-V que sea convergente cumple que su lmite est contenido en R-V. Por
lo tanto si x$V se cumple que 03>0 / (x-3,x+3)#V, porque de no ser as podramos
establecer una sucesin {x
n
}# R-V convergente cuyo lmite fuese x2R-V, pero
esto es contradictorio con lo anteriormente expuesto, por lo tanto x es un punto
interior de V ( x$Int(V) ( VCInt(V) (Int(V)=V.
"B"
Sea {x
n
}# R-V una sucesin convergente a x. Supongamos que x$V = Int(V)
( 0U
x
entorno de x tal que U
x
#V ( x
n
2U
x
%n$N !! (porque el lmite de x
n
es x)
( x$R-V(R-V es cerrado( V es abierto.
DEF Sea A#R. Diremos que x$R es adherente al conjunto A si x es lmite de alguna
sucesin contenida en A.
DEF Llamaremos A al conjunto formado por todos los puntos adherentes de a.
A={x$R / x es adherente a A}
PROP Dado A#R se verifica que A# A.
Dem
Dado x$A sea (x
n
) con x
n
=x %n$N.
Trivialmente (x
n
) es convergente, lim x
n
= x y (x
n
)#A. Entonces x$ A %x$A.
PROP A es cerrado 8 A= A.
Dem
26/ 32
"("
Como ya sabemos, por la proposicin anterior, que A# A. Veamos el recproco:
Sea x$ A (0{x
n
}#A sucesin convergente a x, pero como A es cerrado (x$A
(A# A, entonces A= A
"B"
Sea {x
n
}#A una sucesin convergente a x. Como x es el lmite de una sucesin
de trminos de A ( x$ A=A ( x$A ( A es cerrado.
PROP Dados A,B,# R, se verifica
1) B A B A : = :
2) B A B A 6 = 6
Dem
1) "C"
Sea x$ B A: (0{x
n
}#A:B que converge a x.
a) Si {x
n
}#A %n$N (x$ A
b) Si {x
n
}#B %n$N (x$ B
c) Si {x
n
}#A:B ( 0{x
nk
}#A (por ejemplo) tal que el lmite de {x
nk
} es x
(x$ A ( B A B A : # :
"D"
Sea x$ B A: entonces
a) Si x$ A " "0{x
n
}#A que converge a x ( {x
n
}# A:B (x$ B A:
b) Si x$ B " "0{x
n
}#B que converge a x ( {x
n
}# A:B (x$ B A:
( B A: # B A: ( B A: = B A:
2) Sea x$ entonces B A6 ( 0{x
n
}# A6B que converge a x, entonces:
)
-
)
.
/
$ ( #
$ ( #
B x B x
A x A x
n
n
} {
} {
(x$ B A B A B A 6 # 6 ( 6
27/ 32
OBS La inclusin B A B A 6 # 6 no se verifica. Vemoslo con un ejemplo.
Sea A=(1,2) y B=(2,3) ( A=[1,2] y B =[2,3]
B A6 ={2}, pero A6B=7 luego = 6B A 7. Por tanto, no se puede hablar de
igualdad.
OBS Los puntos adherentes tambin reciben el nombre de puntos de aglomeracin.
DEF Sea A#R y x$R. Diremos que x es un punto de acumulacin de A si %3>0 el
conjunto {a$A / |x-a|<3} es infinito.
Comentario: el conjunto {a$A / |x-a|<3} es finito si y slo si %3>0 0a$A / x4a y |x-a|<3
PROP Todo punto de acumulacin es adherente.
Dem
Sea x$A un punto de acumulacin de A ( %3>0 {a$A / |x-a| < 3 con x4a} es
infinito. Sea 3= 1/n y sea x
n
$A un elemento distinto de x y tal que |x-x
n
|<3 %n$N
({x
n
}#A y converge a x( x es un punto adherente a A.
El recproco no es cierto. Sea A={1}. Si x
n
=1 %$N( (x
n
)#A y lim x
n
=1 ( 1$ A.
Pero 1 no es punto de acumulacin ya que el conjunto {a$A / |1-a|<3}={1} y no es
infinito.
DEF Llamaremos puntos aislados a los nmeros reales que son adherentes a un
conjunto A#R y no son de acumulacin en A.
DEF Llamaremos conjunto derivado de A#R y lo denotaremos por A, al conjunto
A#R de los puntos de acumulacin de A.
PROP El supremo de un conjunto es adherente al conjunto.
Dem
Sea A#R acotado superiormente y x=SupA.
-Si x$A ( x$ A
-Si x2A
Como x=Sup A por definicin de supremo, podemos encontrar elementos en
A tan prximos a x como queramos.
Sea x
n
$A / |x
n
-x|< 1/n y se verifica que x
n
<x %n. Entonces (x
n
) es convergente y
lim x
n
= x (x$ A.
28/ 32
TEOREMA DE BOLZANO WEIERSTRASS
Todo subconjunto A#R, infinito y acotado posee al menos un punto de
acumulacin.
Dem
A es acotado ( A#[a,b]
A partir de [a,b] y dividiendo por la mitad, de forma reiterada formamos una
sucesin I
n
=[a
n
,b
n
] de intervalos encajados que tienen como caracterstica que todos
ellos contienen infinitos puntos.
([a
1
,b
1
] es aquella mitad de [a,b] que contiene infinitos puntos).
La sucesin (a
n
) es de Cauchy y lim a
n
=a ( a es un punto de acumulacin de a,
a$A, ya que dado 3>0 0n
0
$N / %n5n
0
se verifica {a
n
$A / |a
n
-a|<3} es infinito
(estn todos a partir de n
0
).
5.5 Conjuntos compactos.
DEF Sea K#R un subconjunto. Diremos que K es compacto si toda sucesin (x
n
)#K
posee una subsucesin convergente hacia un x$K.
TEOREMA FUNDAMENTAL
Sea K#R. K es compacto 8 K es cerrado y acotado.
Dem
(
Probemos que K compacto ( K acotado.
Supongamos que K no es acotado.
Entonces %n$N se verifica que KA[-n,n].
Entonces 0x
n
$K /x
n
2[- n,+n] ( |x
n
|5n %n$N. Tenemos por tanto una sucesin
(x
n
) de K.
Por definicin de compacto 0(x
nk
)#(x
n
) con (x
nk
) convergente siendo x$K
su lmite. Pero eso es falso ya que como |x
nk
| 5 n
k
resulta que (x
nk
) no es acotada.
29/ 32
CONTRADICCIN.
Por tanto, la supresin es falsa y K es acotado.
Probemos ahora que K compacto ( K cerrado.
Supongamos que K no es cerrado.
Entonces 0(x
n
)#K convergente con lim x
n
= x y x2K. Como K es compacto
(x
nk
)# (x
n
) convergente, lim x
n
= y, y $K. Sabemos que y=x porque cualquier
subsucesin de una sucesin convergente es convergente y con el mismo lmite.
Luego x = y, x2K, y$K. CONTRADICCIN.
Por tanto la suposicin es falsa y K es cerrado.
B
Sea (x
n
)#K una sucesin cualquiera.
Como K es acotado ( (x
n
) es una sucesin acotada. Sea el conjunto A={x
n
/ n$N}.
Sabemos que A#K. (A={(x
n
)}). Como A tiene infinitos elementos y es acotado, por
el teorema de Bolzano-Weierstrass, A posee al menos un punto de acumulacin.
Sea x$A. Por definicin de punto de acumulacin 0(x
nk
)#A convergente hacia x.
Como (x
nk
)# (x
n
) =A:K y K es cerrado ( x$K. Luego de una sucesin cualquiera
hemos podido extraer una subsucesin convergente a un punto del conjunto ( K es
compacto.
DEF Sea A#R. Llamamos a {V
i
: i$I}, familia de subconjuntos de R, recubrimiento de
A si a#U{ V
i
: i$I }. Es decir %a$A 0i$I / a$V
i
. Si cada V
i
es un conjunto abierto,
diremos que el recubrimiento es abierto.
DEF Llamaremos subrecubrimiento de A, extrado del recubrimiento {V
i
: i$I}, al
recubrimiento de A {V
j
: j$H} y H#I.
Ejemplo: {(-n,n): n$N} es un recubrimiento de R.
TEOREMA DEL RECUBRIMIENTO
Sea K#R. K es compacto 8. De todo recubrimiento abierto de K es posible extraer
un subrecubrimiento finito.
30/ 32
Dem
(
Sea {V
i
: i$I}recubrimiento abierto de K.
Como K es compacto ( K es acotado ( K#[a,b].
Supongamos que no es posible extraer un subrecubrimiento finito de K
(demostracin por reduccin al absurdo).
Como K #[a,b]([a,b] tampoco se puede recubrir con un recubrimiento finito de
{V
i
: i$I}. Al dividir [a,b] en dos mitades iguales, al menos una de las dos no se
puede recubrir con un recubrimiento finito. (Si ambas mitades tuvieran un
recubrimiento finito, la unin de ambos nos dara un recubrimiento finito para [a,b],
lo que no puede ser).
Llamemos [a
1
,b
1
] a la mitad que no dispone de recubrimiento finito, tal que
[a
1
,b
1
]6K=7.
Repitiendo el proceso obtenemos una sucesin (I
n
) con I
n
=[a
n
,b
n
], b
n
-a
n
=
) (
2
1
1 1 9 9
9
n n
a b , I
n
6K47 %n$N y ningn I
n
tiene un recubrimiento finito. Por el
principio de los intervalos encajados 0x$R / x=6I
n
. Como I
n
6K47 %n$N, sea
x
n
$I
n
6K. Como x
n
,x$I
n
%n ( |x
n
-x| 1 (b
n
-a
n
) 0
n
2
1
(b-a) ( x = lim x
n
.
Pero (x
n
)#K que es compacto ( (x
n
)#K cerrado ( x$K.
Si x$K ( 0i
0
$I / x$V
io
*
+
,
+ 9 # $ 0 >
# + 9 > 0 (
) , ( / 0
) , ( / 0 V
0
i0
! ! !
! ! !
x x I N n ese Dado
V x x abierto es
no
io
( I
no
# V
io
, lo cual es una
contradiccin ya que hemos demostrado que I
no
est recubierto por un abierto (y
por tanto un finito) y por hiptesis no podr ser.
Luego la suposicin es falsa y existe un subrecubrimiento abierto y finito K.
31/ 32
B
-K es acotado.
Supongamos que K no es acotado.
{V
n
=(-n,n) / n$N} es un recubrimiento de R y por tanto de K.
Si existiera un recubrimiento finito de K, sea {V
no
, V
n1
,..., V
nk
} dicho
recubrimiento. Tomamos m=max{ n
0
, n
1
,...,n
k
}( k# V
m
= (-m,m) ( K es
acotado. Contradiccin con nuestra suposicin. Entonces es falsa y K es acotado.
-K es cerrado.
Supongamos que K no es cerrado.
0(x
n
)#K convergente y x = lim x
n
tal que x2K.
Tomamos F
n
=[
n
x
n
x
1
,
1
+ 9 ] y definimos V
n
=R- F
n
.
Los F
n
son cerrados ( V
n
son abiertos con :V
n
= R {x} ( para cada x
i
4x
0n / x
i
$V
n
. Como x2K ( K# R-{x} ( {V
n
: n$N} es un recubrimiento
abierto de K.
Por hiptesis 0 V
n1
,V
n2
,..., V
nk
/ K#
U
k
1 j
nj
V
=
= V
m
con m=max{n
1
,...,n
k
}.
Como x = lim x
n
(0n
0
$N / %n5n
0
( |x
n
-x| < 1/n ( x
n
$ (x1/n,x+1/n) #F
n
.
Tomando n=max{n
0
,m} tenemos que dado n>n x
n
2V
n
( x
n
2V
m
( x
n
2K.
Contradiccin, ya que (x
n
)#K. La suposicin es falsa y K cerrado.
Por ser K cerrado y acotado ( K es compacto
Teniendo en cuenta este teorema podramos haber dado como definicin de
conjunto compacto la siguiente:
DEF Un conjunto K#R es compacto si dado un recubrimiento abierto de K puede
obtenerse un recubrimiento finito.
32/ 32
BIBLIOGRAFIA RECOMENDADA.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos.
Anlisis Matemtico. Aut. M. de Guzmn B. Rubio. Ed. Pirmide.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill.
Introduccin al Anlisis Matemtico. Aut. J. M. Ortega. Ed. Labor.
Curso de Anlisis Matemtico I. Aut. E.L. Lima. Ed. Edunsa.
Calculus. Aut. M. Spivak. Ed. Revert.
1/22
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 7
APROXIMACIN DE NMEROS. ERRORES. NOTACIN CIENTIFICA.
1. Introduccin.
2. Error Absoluto.
3. Cifras Exactas.
4. Error Relativo.
5. Problema directo e inverso.
5.1. Problema directo.
5.2. Problema inverso.
6. Operaciones con nmeros aproximados.
6.1. Suma de nmeros aproximados.
6.2. Resta de nmeros aproximados.
6.3. Producto de nmeros aproximados.
6.3.1. Producto de un nmero exacto por otro aproximado.
6.3.2. Producto de dos nmeros aproximados.
6.3.3. Producto de n nmeros aproximados.
6.4. Cociente de nmeros aproximados.
6.4.1. Cociente de un nmero exacto y otro aproximado.
6.4.2. Cociente de dos nmeros aproximados.
6.5. Potencia de nmeros aproximados.
6.6. Races de nmeros aproximados.
7. Notacin Cientfica.
Bibliografa Recomendada.
2/22
TEMA 7
APROXIMACIN DE NMEROS. ERRORES. NOTACIN CIENTIFICA.
1. INTRODUCCIN.
A la hora de realizar operaciones numricas, nos podemos encontrar con nmeros
enteros, racionales y reales no racionales (irracionales). Para mayor comodidad,
podemos expresar los nmeros racionales de forma decimal. El problema surge con los
nmeros irracionales, ya que no podemos manejarlos al tener infinitos decimales. Es por
tanto necesario truncarlos para poder operar con ellos. Pero entonces ya no manejamos
los nmeros originales, sino aproximaciones. Por ello, en el resultado final se comete un
error. Si a esto aadimos que muchas veces los valores con los que trabajamos
provienen de mediciones, el error se va acumulando.
El objetivo de la teora de errores es conocer el error que se comete en un resultado
cuando los datos con los que se trabaja se han tomado con una aproximacin dada. Y
recprocamente, averiguar la aproximacin con la que hay que tomar los datos de una
operacin para que el error del resultado no exceda de un valor fijado inicialmente. El
primero recibe el nombre de problema directo y el segundo de problema inverso.
2. ERROR ABSOLUTO.
DEF Llamaremos nmero exacto a la cifra que representa el valor ntegro o completo
de la cantidad.
DEF Llamaremos nmero aproximado al que no es exacto y se emplea para
representar a ste.
DEF Definimos el error absoluto como la diferencia, en valor absoluto, de un nmero
exacto y su aproximado.
Si A es un nmero exacto y A su aproximacin ! e="A-A" siendo e el error
absoluto.
DEF Diremos que la aproximacin A de un nmero exacto A es por defecto si
A-A>0
DEF Diremos que la aproximacin A de un nmero exacto A es por exceso si
A-A<0
Obs. Hay que destacar que el error que se comete al aproximar un nmero exacto nos
resulta desconocido, ya que no conocemos el propio nmero exacto. Resulta, por tanto,
necesario acotar el error.
DEF Llamamos lmite del error absoluto a un nmero que es una unidad de un orden
tal que el error cometido no llegue a valer una unidad de ese orden.
Suelen adoptarse como lmites de error nmeros de la forma 10
n
con n entero.
3/22
Ejemplo.
Nmeros como e # tienen infinitas cifras decimales, y por tanto nos son
desconocidos. Como #=314159, el nmero 3141 es una aproximacin de #. Su
error absoluto viene dado por
e=314159 3141 = 000059
El error, como podemos comprobar, tambin nos es desconocido. Al ser el error
positivo, la aproximacin es por defecto, y verifica que e<0001, siendo, por tanto,
0001 10
-3
el lmite del error absoluto.
DEF Llamaremos grado de aproximacin al orden decimal a que corresponde el lmite
del error absoluto.
Ejemplo.
Siguiendo con el ejemplo anterior, el grado de aproximacin es 3 que
corresponde a las milsimas.
Si en la expresin decimal de un nmero se reemplazan las cifras que siguen a
una de ellas por ceros, diremos que el nmero ha sido redondeado al orden de la ltima
cifra conservada.
Ejemplo.
Dado #=3141592, si escribimos 3141000 el nmero # ha sido redondeado
a las milsimas, ya que la tercera cifra decimal es la ltima conservada.
El redondeo puede ser:
a) Por defecto, cuando la ltima cifra conservada no se modifica.
b) Por exceso, cuando la ltima cifra conservada se incrementa en una unidad, con la
consiguiente repercusin en las anteriores (las de su izquierda).
c) Al valor ms prximo, que ser por defecto cuando la ltima cifra sea inferior a
cinco (<5) o por exceso cuando la ltima cifra sea mayor o igual a cinco ($5).
TEOREMA FUNDAMENTAL.
En todo redondeo el error no supera una unidad del orden decimal
correspondiente.
dem
Sea A el nmero escrito en forma polinmica como
% %
&
=
'
'
=
+ =
1 0
10 10
j
j
j
n
j
j
j
a a A
4/22
siendo el primer sumatorio la parte entera de A y el segundo la parte decimal. Por
comodidad llamaremos E a la parte entera de A.
Sea k(!-{0}. Podemos afirmar que:
k
k
j
j
j
k
j
j
j
a E A a E
'
=
'
'
=
'
'
+ + < ) +
% %
10 10 10
1 1
Lo que hemos hecho es quedarnos con los k primeros decimales de A, que
siempre ser menor o igual a A, y sumarle 1 al decimal de lugar k, a
-k
, que dar un
nmero mayor que A.
El nmero
%
=
'
'
+
k
j
j
j
a E
1
10 es el redondeo por defecto de A.
k
k j
j
j
k
j
j
j
a a E A
'
&
+ =
'
'
=
'
'
< =
*
*
+
,
-
-
.
/
+ '
% %
10 10 10
1 1
c.q.d.
El nmero
k
k
j
j
j
a E
'
=
'
'
+ +
%
10 10
1
es el redondeo por exceso de A.
k
k j
j
j
k
k
j
j
j
a A a E
'
&
+ =
'
'
'
=
'
'
< ' = ' + +
% %
10 10 ) 10 ( 10 10
1 1
c.q.d.
Veamos ahora el caso del redondeo al valor ms prximo.
Si a
k+1
<5, le sumaremos 1 a a
k+1
en lugar de al trmino a
k
) 1 (
1
1
1
1
10 10 10
+ '
+
=
'
'
+
=
'
'
+ + < ) +
% %
k
k
j
j
j
k
j
j
j
a E A a E
Y restando la expresin a A queda:
) 1 (
1
1
10 5 0 10
+ '
+
=
'
'
) < ' '
%
k
k
j
j
j
a E A
y es claro que 510
-(k+1)
<10
-k
Si a
k+1
$5
% %
+
=
'
'
+
=
'
'
+ < ) +
1
1
1
1
10 10
k
j
j
j
k
j
j
j
a E A a E
%
=
'
'
k
j
j
j
a
1
10
%
=
'
'
k
j
j
j
a
1
10
%
=
'
'
k
j
j
j
a
1
10
5/22
Y restando A a la expresin anterior:
) 1 (
1
1
10 5 0 10
+ '
+
=
'
'
< ) ' +
%
k
k
j
j
j
A a E
siendo 510
-(k+1)
<10
-k
Por tanto, y resumiendo lo obtenido en los tres casos, al redondear al decimal de
lugar k, el error es inferior a 10
-k
, que es una unidad del orden decimal.
3. CIFRAS EXACTAS.
DEF Llamaremos cifras exactas de un nmero aproximado a las que tiene (enteras o
decimales) desde la primera cifra significativa de la izquierda hasta la que da el grado
de aproximacin inclusive.
Notacin. La cifra que da el grado de aproximacin o lmite del error absoluto se
suele sealar con un punto encima, sea o no la ltima de las cifras escritas.
DEF Diremos que un nmero tiene exactas todas sus cifras cuando su error absoluto
es inferior a una unidad del orden de la ltima de ellas.
Ejemplo.
Sea a=12123456 un nmero irracional, del que no conocemos su expresin
exacta. Una aproximacin por defecto al nmero a con un error inferior a las
diezmilsimas es 121234 y otra sera 121234111
Ambas tienen 6 cifras exactas (2 cifras enteras y 4 decimales) y se denotan as:

4 123 ' 12 y 111 4 123 ' 12

Es ms, podemos afirmar que el nmero

4 123 ' 12 tiene exactas todas sus cifras.

Obs. Dado el nmero a=0012345 y una aproximacin 33 3 012 ' 0

, segn la
definicin de cifras exactas, el nmero aproximado tendr 3 cifras exactas.
DEF Llamamos cifras decimales exactas a las cifras que tiene a partir de la coma
decimal hasta la que da el grado de aproximacin inclusive.
Obs. En esta ltima definicin no hacemos referencia a cifras significativas, luego
tambin contaremos los ceros.
Ejemplo.
El nmero 33 4 123 ' 12

tiene 6 cifras exactas y cuatro cifras decimales exactas.
El nmero 33 3 012 ' 0

tiene 3 cifras exactas y 4 cifras decimales exactas.
6/22
Ahora vamos a plantearnos el siguiente problema:
Dado un nmero a del que conocemos una aproximacin a con cifras exactas e
inexactas, obtener otra aproximacin con el mismo grado que la anterior pero con todas
sus cifras exactas.
Se trata, por tanto, de suprimir las cifras inexactas de un nmero aproximado sin
perder el grado de aproximacin.
Este problema surge debido a que al operar con nmeros aproximados, el
resultado slo vendr aproximado hasta un orden dado, siendo el resto de las cifras de
rdenes inferiores inexactas. Esto conlleva a que se desperdicie tiempo de
procesamiento (por ejemplo en los ordenadores) al operar con esas cifras inexactas.
PROP Dado a nmero exacto, sea a una aproximacin por defecto y a por exceso
tales que sus primeras cifras no iguales son consecutivas. Entonces, el nmero formado
por las cifras comunes a a y a y la siguiente de a es un valor aproximado de a con
todas sus cifras exactas.
dem
Sea
% %
=
+ + '
'
+ '
=
'
'
+ + + =
m
j
j n
j
n
n
j
j
j
b b a E a
1
) 1 ( ) 1 (
0
1
10 10 10 '
y sea
% %
=
+ + '
'
+ '
=
'
'
+ + + + =
'
1
) 1 ( ) 1 (
0
1
10 10 ) 1 ( 10 ' '
m
j
j n
j
n
n
j
j
j
c b a E a
Como a es una aproximacin por defecto y a por exceso, se verifica
a<a<a.
Si restamos a todos los miembros de la desigualdad el nmero
) 1 (
0
1
10 ) 1 ( 10
+ '
=
'
'
+ + +
%
n
n
j
j
j
b a E
queda:
[ ] [ ]
% % %
=
+ + '
'
+ '
=
'
'
'
'
'
=
+ + '
'
<
*
*
+
,
-
-
.
/
+ + + ' < ' + + '
'
1
) 1 ( ) 1 (
0
1
1
1
) 1 (
10 10 ) 1 ( 10 10 10 10 ) 1 ( 10
m
j
j n
j
n
n
j
j
j
m
m
m
j
j n
j
c b a E a b b
Y de ambas desigualdades deducimos:
) 1 ( ) 1 (
0
1
10 10 ) 1 ( 10
+ ' + '
=
'
'
<
*
*
+
,
-
-
.
/
+ + + '
%
n n
n
j
j
j
b a E a
7/22
El valor aproximado es
) 1 (
0
1
10 ) 1 ( 10
+ '
=
'
'
+ + +
%
n
n
j
j
j
b a E
y tiene todas sus
cifras exactas.
Ejemplo.
1) Sea a= 44 4 123 ' 12

una aproximacin por defecto de a. Como la
aproximacin a es con un error menor que una diezmilsima, al sumar una
diezmilsima a a obtenemos una aproximacin por exceso, que llamaremos a.
Entonces:
44 5 123 ' 12 44 4 123 ' 12

< < a
Si al nmero a le quitamos las dos ltimas cifras inexactas queda a <

4 123 ' 12
Si al nmero a le quitamos las dos ltimas cifras inexactas queda

5 123 ' 12 que

no sabemos si es mayor o menor que a. Pero como 44 5 123 ' 12

< a se verifica que

< 6 123 ' 12 a aadiendo otra diezmilsima.

As tenemos que

< < 6 123 ' 12 4 123 ' 12 a
Al restar 121235 queda
4 4
10 1235 ' 12 10
' '
< ' < ' a
Entonces
4
10 1235 ' 12
'
< ' a
Luego

5 123 ' 12 es una aproximacin del nmero a hasta el orden de las

diezmilsimas con todas sus cifras exactas.
2) Sea 67 5 34 ' 4 ' '

= a una aproximacin por exceso de a. Como el error es menor
que una diezmilsima, el nmero 67 4 34 ' 4

es otra aproximacin por defecto de a.
Procediendo anlogamente al ejemplo anterior, obtenemos

5 34 ' 4 es una aproximacin

de a con todas sus cifras exactas.
Obs. Hemos de tener en cuenta que al suprimir las cifras inexactas se pierde el sentido
de la aproximacin, ya que no podemos afirmar si el nmero obtenido es por defecto o
por exceso.
Si queremos recuperar dicho sentido, hay que perder un grado en la
aproximacin.
Veamos ahora dos corolarios que justifican lo dicho anteriormente.
44 4 123 ' 12

8/22
Corolario
1) Si el error absoluto de un valor aproximado por defecto es inferior a una
unidad de un cierto orden, se obtiene otro con todas las cifras exactas incrementando en
uno la cifra del orden considerado y sustituyendo las siguientes por ceros.
2) Si el error es por exceso, conservando sin alteracin las cifras hasta la del
orden considerado y sustituyendo las siguientes por ceros.
Corolario.
Si se desconoce el sentido de aproximacin de un valor aproximado con error
menor que una unidad de un cierto orden, se obtienen otros dos, con todas sus cifras
exactas, conservando hasta la penltima cifra del orden considerado o aumentando la
penltima en 1 y sustituyendo las siguientes por ceros.
4. ERROR RELATIVO.
DEF Se llama error relativo de un nmero aproximado, al cociente que se obtiene de
dividir el error absoluto, e, por el nmero exacto, a. Se denota por la letra !.
a
e
= !
La cuanta del error absoluto no mide bien el grado de exactitud del nmero
aproximado. Es por ello que necesitamos del error relativo, que nos da una medida del
error absoluto por unidad.
Si comparamos el error absoluto con el relativo, observamos que el primero slo
nos dice cual es el error cometido. Pero este valor no nos dice si el error es grande o
pequeo. El error relativo establece una comparacin entre el error que se comete y el
nmero en el que se comete, pudiendo obtener un valor ms exacto sobre la precisin de
la medida.
El nmero que nos da el error relativo es desconocido, ya que no conocemos el
valor del nmero a y el valor del error absoluto e. Para poder utilizar dicho error en
clculos, hemos de sustituirlo por un lmite superior. El lmite superior del error relativo
ser un valor mayor que el verdadero valor y vendr dado por una expresin sencilla y
fcil de obtener.
PROP El error relativo de un nmero no vara al multiplicar o dividir ste por un
nmero real cualquiera.
dem
0k(" ! ! = = =
a
e
ka
ke
'
Esta propiedad nos va a permitir hacer enteras todas las cifras exactas de un
nmero aproximado, al multiplicarlo por 10
n
siendo n el nmero de cifras decimales
exactas, manteniendo el error relativo.
Ejemplo.
9/22
Veamos un ejemplo de esto:
Nmero
Aproximado
Cifras
Exactas
Cifras
Decimales
exactas
Error Absoluto
e
Error Relativo ! !

2 1 ' 1
3 2 e<10
-2
112
1
2 1 ' 1
10
2
= =

'
!

2 11 ' 0
3 3 e<10
-3
112
1
2 11 ' 0
10
3
= =

'
!

2 011 ' 0
3 4 e<10
-4
112
1
2 011 ' 0
10
4
= =

'
!
Como podemos comprobar, el error absoluto depende del nmero de cifras
decimales exactas. En cambio, el error relativo depende nicamente del nmero de
cifras exactas, sin tener en cuenta el punto decimal.
5. PROBLEMA DIRECTO E INVERSO.
5.1. Problema Directo.
TEOREMA
Un lmite superior del error relativo de un nmero aproximado es
1
0
10
1
'
<
n
a
! ,
siendo a
0
la primera cifra significativa de la izquierda y n el nmero de cifras exactas.
dem
Sea A el nmero exacto. Entonces sabemos que
A
e
= ! con e el error absoluto y
! el error relativo. Tambin podemos suponer que todas las cifras exactas de A son
enteras, ya que su error relativo sigue siendo el mismo. Entonces e<1 y
A
1
< ! .
Sea
%
&
=
' '
=
0
1
10
j
j n
j
a A (escribimos como exponente n-1-j para que el nmero A
tenga n cifras enteras, que son todas exactas).
Es claro que
1
0
1
0
1
0
10
1
10
1 1
10
' '
'
< ! < ! <
n n
n
a a A
A a !
Obs. A partir de este resultado, para conocer un lmite superior del error relativo no es
necesario conocer dicho error, sino slo el nmero de cifras exactas.
Ejemplo.
Dado el nmero 45 3 12 ' 7

, calcular un lmite superior del error relativo.
10/ 22
sol
Como el nmero tiene como primera cifra significativa un 7 y 4 cifras exactas,
entonces
3
10 7
1
< !
Obs. Tambin, el teorema anterior nos sirve para obtener el error relativo a partir del
error absoluto.
Ejemplo.
El nmero 5 est aproximado con e<10
-4
. Obtener el lmite del error relativo.
sol
Sabemos que 5 tiene como primera cifra significativa un 2 y es la nica que es
entera. Como e<10
-4
, significa que la aproximacin tiene cuatro cifras decimales
exactas. Sumando tenemos que la aproximacin tendr cinco cifras exactas. Entonces:
4
10 2
1
< !
TEOREMA
Si un lmite del error relativo aplicado al nmero
%
=
'
=
m
j
j m
j
a a
0
10 es de la forma
n
b 10
1
0
< ! , el nmero podr tener:
1) n cifras exactas si b
0
"a
0
.
2) n+1 cifras exactas si b
0
>a
0
.
dem
Sabemos que
A
e
< ! siendo A el nmero exacto.
Entonces e=!A y como
n n
b
A
e
b 10 10
1
0 0
< ! < !
1) Si b
0
<a
0
! A<b
0
10
n
! 1
10
10
0
0
= <
n
n
b
b
e ! Si e<1 es porque el nmero
tiene n cifras exactas.
11/ 22
2) Si b
0
=a
0
! A<b
0
10
n
! 1
10
10
0
0
= <
n
n
b
b
e ! Igualmente el nmero tiene n
cifras exactas.
3) Si b
0
>a
0
! A<b
0
10
n-1
! 1 ' 0
10
10
0
1
0
= <
'
n
n
b
b
e ! El nmero tiene n cifras
enteras ms una decimal exactas, es decir (n+1) cifras exactas.
Ejemplo.
Con cuntas cifras nos aproximamos al nmero 412345 si
3
10 5
1
< ! ? Y si
4
10 3
1
< ! ?
sol
1) Como 5>4 (caso b
0
>a
0
) ser con n+1, es decir 3+1=4 !

= 3 12 ' 4 a
2) Como 3<4 (b
0
<a
0
) ser con n, es decir, 4 !

= 3 12 ' 4 a
5.2. Problema Inverso.
TEOREMA
Si el lmite superior del error relativo es
n
b 10
1
0
< ! , entonces el nmero
aproximado se calcular con:
1) n+1 cifras exactas si b
0
"a
0
.
2) n+2 cifras exactas si b
0
>a
0
.
siendo a
0
la primera cifra significativa del nmero.
dem
Sea m el nmero de cifras exactas del nmero aproximado. Por el teorema del
caso directo tenemos
1
0
10
1
'
<
m
a
! . Si
n m
b a 10
1
10
1
0
1
0
)
'
se verifica que
n
b 10
1
0
< ! .
Podemos deducir entonces que
1
0 0
10 10
'
)
m n
a b . Entonces:
1) Si b
0
"a
0
! n=m-1 ! m=n+1 cifras exactas.
2) Si b
0
>a
0
! n+1=m-1 ! m=n+2 cifras exactas.
12/ 22
Obs. El teorema anterior permite pasar del error relativo al nmero de cifras exactas y
de aqu al error absoluto. El teorema del caso directo nos permite pasar del error
absoluto al nmero de cifras exactas y de aqu al error relativo.
6. OPERACIONES CON NMEROS APROXIMADOS.
6.1. Suma de Nmeros Aproximados.
Lema El error absoluto de la suma de varios nmeros aproximados es la suma de los
errores absolutos de cada nmero.
dem
Sean los nmeros aproximados A
i
+a
i
con i:1,,n
Con esta notacin, A
i
es el nmero exacto y a
i
el error absoluto. Si a
i
es positivo,
el nmero aproximado es por exceso y si es negativo es por defecto. Supongamos que
todos son por exceso.
% % %
= = =
= ' + =
n
i
i
n
i
i
n
i
i i
a A a A e
1 1 1
) (
Luego el error de la suma es la suma de los errores.
Lema Un lmite superior del error de la suma de varios nmeros aproximados es la
suma de los lmites superiores de los errores de cada nmero.
dem
Sean A
i
+a
i
con i:1,,n los nmeros aproximados y a
i
los lmites superiores
del error de cada nmero.
Se verifica que a
i
<a
i
0i:1,,n
% %
= =
< =
n
i
i
n
i
i
a a e
1 1
'
Obs. Si los lmites superiores de cada nmero son de diferentes rdenes, entonces este
resultado no es representativo.
Lema Un lmite superior del error absoluto de la suma de n nmeros aproximados, es
igual al mayor de los lmites (grado de aproximacin menor) multiplicado por el
nmero de sumandos.
dem
Sean A
i
+a
i
con i:1,,n los nmeros aproximados y a
i
los lmites superiores.
Sea a
1
el mayor de los lmites superiores (si no lo fuese se reordenan los sumandos).
13/ 22
Entonces a
1
"a
i
0i:1,,n
Por tanto ' ' '
1
1
1
1
a n a a e
n
i
n
i
i
= ) <
% %
= =
A partir de este ltimo lema vamos a obtener una regla prctica para conseguir
un lmite superior de la suma. Se har sustituyendo na
1
por un nmero mayor.
Cambiaremos n por 10 si n<10 (disminuyendo en un orden la aproximacin), por 100 si
n<100 y en general por 10
k
si 10
k-1
)n<10
k
.
Podemos ahora enunciar la siguiente regla.
Regla general para la Suma: El lmite superior del error absoluto de la suma de varios
nmeros es el mayor de los lmites superiores de los sumandos, multiplicados por 10
k
si
el nmero de sumandos se encuentra comprendido entre 10
k-1
y 10
k
con k(!.
Problema Directo de la Suma:
Si tenemos varios nmeros aproximados con rdenes de aproximacin distintos
cada uno, la suma tendr k cifras decimales exactas menos que el sumando que tiene
menos cifras decimales exactas, siendo el nmero de sumandos inferior a 10
k
.
Problema Inverso de la Suma:
Para obtener la suma de varios nmeros aproximados con error absoluto menor
que 10
-n
, se tomar cada sumando con n+k cifras decimales exactas y se efecta la
suma, obtenindose un nmero con n cifras decimales exactas y k inexactas, siendo el
nmero de sumandos inferior a 10
k
.
6.2. Resta de Nmeros Aproximados.
Sea A
1
+a
1
una aproximacin por exceso de A
1
y A
2
-a
2
una aproximacin por
defecto de A
2
.
Lema El error absoluto de la diferencia entre A
1
+a
1
y A
2
-a
2
es la suma de los errores
absolutos de cada nmero.
dem
( ) ( ) [ ] [ ]
2 1 2 1 2 2 1 1
a a A A a A a A e + = ' ' ' ' + =
Lema El lmite superior del error de la resta de dos nmeros aproximados es la suma
de los lmites superiores de los errores de cada nmero.
dem
Si a
1
<a
1
y a
2
<a
2
! e=a
1
+a
2
<a
1
+a
2

14/ 22
Lema Un lmite superior del error absoluto de la resta de dos nmeros aproximados es
igual al mayor de los dos lmites superiores, multiplicado por 10.
dem
Supongamos que a
1
>a
2
. Entonces:
e=a
1
+a
2
<a
1
+a
2
<2a
1
<10a
1

Obs. Los problemas directo e inverso de la resta son los mismos que los vistos para la
suma.
Obs. Si no conocemos el sentido de aproximacin del minuendo y del sustraendo, no
estamos en condiciones de poder asegurar el sentido de aproximacin de la diferencia.
Igualmente sucede si ambos estn aproximados en el mismo sentido.
6.3. Producto de Nmeros Aproximados.
Vamos a calcular ahora el error que se produce al realizar el producto de varios
nmeros aproximados. A diferencia de las dos operaciones anteriores, suma y resta,
trabajaremos a partir de aqu con el error relativo en lugar del error absoluto. En lugar
de intentar calcular el error relativo del producto de varios nmeros aproximados, nos
apoyaremos previamente en dos casos ms simples: El producto de un nmero exacto
por otro aproximado y luego el producto de dos nmeros aproximados.
6.3.1. Producto de un Nmero Exacto por otro Aproximado.
PROP Sea A
1
+a
1
un nmero aproximado y A
2
un nmero exacto. El error relativo del
producto coincide con el error relativo del nico nmero aproximado, a
2
.
dem
El producto de ambos nmeros es (A
1
+a
1
)A
2
= A
1
A
2
+a
1
A
2
El producto exacto de ambos es A
1
A
2
Su error absoluto ser entonces e=( A
1
+a
1
)A
2
-A
1
A
2
= a
1
A
2
Y el error relativo queda
1
1
1
2 1
2 1
! ! = = =
A
a
A A
A a
Obs. Si el nmero A
1
+a
1
est aproximado por defecto y !
1
es un lmite superior de su
error relativo, entonces el error relativo del producto !=!
1
<!
1
tiene como lmite
superior a !
1
.
Problema Directo
PROP Sea a
0
la primera cifra significativa de la izquierda del nmero aproximado y p
0
la primera cifra significativa del producto. Si el nmero aproximado A
1
+a
1
tiene m
cifras exactas, el producto tendr
15/ 22
1) m-1 cifras exactas si a
0
<p
0
2) m cifras exactas si a
0
$p
0
dem.
Supongamos que el producto tiene n cifras exactas
(A
1
+a
1
) A
2
= p siendo
% %
'
=
' '
'
=
+
1 1 = 1
1
0
1
2
1
0
10 ) 10 (
n
j
j n
j
m
j
j m
j p A a
Entonces
1
0
1
0
1
0
1
0
10 10
10
1
10
1
' '
' '
1 $ 1 !
1
)
1
)
n m
n m
p a
p a
!
1) Si a
0
<p
0
! n-1 = m-2 ! n = m-1 cifras exactas.
2) Si a
0
p
0
! n-1 = m-1 ! n = m cifras exactas.
Problema Inverso
PROP Sea a
0
la primera cifra significativa de la izquierda del nmero aproximado y p
0
la primera cifra significativa de la izquierda del producto. Si el nmero aproximado
tiene:
1) m+1 cifras exactas si p
0
> a
0
2) m cifras exactas si p
0
a
0
entonces el producto tendr m cifras exactas.
dem.
Aplicando la proposicin anterior, se obtiene de inmediato.
6.3.2. Producto de dos nmeros aproximados.
PROP Un lmite superior del error relativo del producto de dos nmeros aproximados
es la suma de los limites superiores de los errores relativos de los factores.
dem.
Sean A
1
+a
1
y A
2
+a
2
los dos factores, que vamos a suponer aproximados por
exceso. El error absoluto del producto, e, es:
e = (A
1
+a
1
)(A
2
+a
2
) - A
1
A
2
= a
1
A
2
+a
2
A
1
+a
1
a
2
y el error relativo del producto, , es:
=
2 1 2 1
2
2
1
1
2
2
1
1
2 1
2 1 1 2 2 1
! ! ! ! 1 + + = 1 + + =
+ +
A
a
A
a
A
a
A
a
A A
a a A a A a
16/ 22
siendo
1
! el error relativo de
1 1
a A + y
2
! el error relativo de
2 2
a A + .
Sean
'
1
! y
'
2
! lmites superiores de
1
! y
2
! respectivamente.
Sabemos que
1
! <
1
0 , 1
10
1
'
1
n
a
con
0 , 1
a la primera cifra significativa de (
1 1
a A + ) y
n el nmero de cifras exactas.
Y
1
0 , 2
2 '
10
1
'
1
<
n
a
! con
0 , 2
a la primera cifra significativa de (
2 2
a A + ) y n

el
nmero de cifras exactas.
El producto de
1
! y
2
! ser de un orden decimal bastante menor, de tal manera
que si suprimimos el sumando
2 1
! ! 1 en desaparecen unidades de ordenes
menores a
1
! y a
2
! . Por otro lado, sabemos que
1
! <
'
1
! y
2
! <
'
2
! . Si sustituimos
1
! por
'
1
! y
2
! por
'
2
! aadimos unidades del mismo orden, con lo cual se
verifica que:
'
2
'
1 2 1 2 1
! ! ! ! ! ! ! + < 1 + + =
Problema Directo
PROP Sean (
1 1
a A + ) y (
2 2
a A + ) dos factores aproximados con m cifras exactas cada
uno.
%
'
=
' '
1 = +
1
0
1
, 1 1 1
10
m
j
j m
j
a a A y
%
'
=
' '
1 = +
1
0
1
, 2 2 2
10
m
j
j m
j
a a A
Si p
0
es la primera cifra significativa por la izquierda del producto, se verifica:
1) Si m n p
a a
a a
= ! $
+
'
0
0 , 2 0 , 1
0 , 2 0 , 1
2) Si 1
0
0 , 2 0 , 1
0 , 2 0 , 1
' = ! <
+
'
m n p
a a
a a
dem.
Sabemos que:
0 , 1 0 , 2
1
0 , 2 0 , 1 1
0
1
0
1
0 , 2 0 , 1
0 , 1 0 , 2
1
0
1
0 , 2
1
0 , 1
10
10
10
1
10 10
1
10
1
10
1
a a
a a
p
p a a
a a
p a a
m
n
n m n m m
+
1 1
) 1 !
!
1
)
1 1
+
!
1
)
1
+
1
<
'
'
' ' ' ' '
!
17/ 22
Entonces,
1) Si m n n m p
a a
a a
= ! ' = ' ! $
+
1
1 1
0
0 , 2 0 , 1
0 , 2 0 , 1
cifras exactas
2) Si 1 1
0
0 , 2 0 , 1
0 , 2 0 , 1
' = ! = ' ! <
+
1
m n n m p
a a
a a
cifras exactas
Problema Inverso
Consiste en hallar el nmero m de cifras exactas que ha de tener cada factor para que el
producto tenga n cifras exactas.
PROP Con la notacin de la proposicin anterior, si el producto de dos nmeros
aproximados tiene n cifras exactas, entonces:
1) m = n cifras exactas si
0
0 , 2 0 , 1
0 , 2 0 , 1
p
a a
a a
$
+
1

2) m = n+1 cifras exactas si
0
0 , 2 0 , 1
0 , 2 0 , 1
p
a a
a a
<
+
1
dem.
Inmediata, a partir de la proposicin anterior.
6.3.3. Producto de n nmeros aproximados
PROP Dados K factores aproximados A
i
+ a
i
i = 1, ...., K, un lmite superior del error
relativo del producto es la suma de los lmites superiores de los errores relativos de los
factores.
dem.
Efectuamos el producto de los dos primeros, el resultado por el tercero, y as
sucesivamente. Al aplicar reiteradamente la proposicin del caso anterior se
obtiene:
' '
2
'
1
....
k
! ! ! ! + + + <
18/ 22
Problema Directo

PROP Sean (A
i
+ a
i
) i = 1, , K. K nmeros aproximados con m cifras exactas cada
uno. Se verifica:
1) n = m si
0
0 ,
0 ,
p
a
a
i
i
$
2
%
2) n = m-1 si
0
0 ,
0 ,
p
a
a
i
i
<
2
%
Problema Inverso
PROP Si el producto de K nmeros aproximados tiene n cifras exactas entonces:
1) n = m si
0
0 ,
0 ,
p
a
a
i
i
$
2
%
2) m = n+1 si
0
0 ,
0 ,
p
a
a
i
i
<
2
%
6.4. Cociente de nmeros aproximados.
Como la divisin de dos nmeros es lo mismo que multiplicar uno de ellos por el
inverso del otro, las reglas de la divisin son las mismas que las del producto.
Al dividir dos nmeros que tengan el mismo sentido de aproximacin, no conocemos el
sentido de aproximacin al cociente. ste slo se conocer, y coincidir con el del
dividendo, en caso de que dividendo y divisor tengan sentidos de aproximacin
diferentes.
Al igual que en el producto, vamos a distinguir varios casos.
6.4.1. Cociente de un nmero exacto y otro aproximado.
PROP Un lmite superior del error relativo del cociente es el mismo lmite superior del
error relativo de nmero aproximado.
dem.
En la demostracin vamos a distinguir dos situaciones:
1) Dividendo A + a aproximado y divisor B exacto.
'
a a
A
a
B
A
B
a
B
A
B
A
B
a A
! ! ! < = = =
+
+
=
19/ 22
2) Dividendo A exacto y divisor B-b aproximado.
b
b
b
b
B
b B
b
B
A
b B B
bA
B
A
b B B
bA AB AB
B
A
B
A
b B
A
!
!
!
!
'
=
'
=
'
=
'
=
'
=
'
+ '
=
+
'
=
1
1
1
1
1
1 ) ( ) (
Luego
'
1
b
b
b
!
!
!
! <
'
=
Al cambiar el numerador,
b
! , por el
'
b
! lo que hacemos es aadir unidades del
mismo orden de
b
! . Pero al cambiar 1-
b
! por 1 en el denominador, el denominador
slo disminuye en algn orden menor que
b
! , luego la desigualdad se verifica y <
b
! .
Las siguientes proposiciones no las vamos a demostrar, al ser sta igual a la del
producto.
PROP Si llamamos a
0
a la primera cifra significativa de la izquierda del nmero
aproximado y C
0
a la primera cifra significativa del cociente, tendremos que:
1
0
1
0
10
1
10
1
' '
1
)
1
<
n m
C a
!
siendo m el nmero de cifras exactas del nmero aproximado y n las del cociente.
Problema Directo
PROP Al dividir un nmero exacto por otro aproximado, o viceversa, el cociente
tendr:
1) n = m cifras exactas si C
0
a
0
2) n = m-1 cifras exactas si C
0
> a
0
PROP Si el cociente tiene n cifras exactas, el nmero aproximado ha de tener:
1) m = n cifras exactas si C
0
a
0
2) m = n+1 cifras exactas si C
0
> a
0
6.4.2. Cociente de dos nmeros aproximados.
PROP Un lmite superior del error relativo de un cociente de nmeros aproximados es
la suma de los lmites superiores de los errores relativos de ambos nmeros, dividendo y
divisor.
20/ 22
dem.
Sean los nmeros aproximados A + a el dividendo y B b el divisor. Como el
error relativo de un nmero es el cociente del error absoluto del nmero y el
propio nmero, vamos a calcular el primer error absoluto del cociente:
) ( ) ( b B B
bA aB
b B B
bA AB aB AB
B
A
b B
a A
e
'
+
=
'
+ ' +
= '
'
+
=
Por tanto, el error relativo del cociente es:
b
a
b
b a
b
b
b
a
b
b
a a
b B
b
b B
B
b B
b
b B A
aB
b B A
bA aB
B
A
b B B
bA aB
B
A
e
' '
1 1 1
1
1
1
1
1
) ( ) (
) (
! !
!
! !
!
!
!
!
!
!
! ! !
+ <
'
+
=
'
+
'
=
=
'
+
'
1 =
'
+
'
1 =
'
+
'
=
'
+
=
'
+
= =
Y la explicacin de la desigualdad coincide con la proposicin vista en 6.4.1.
PROP Si llamamos a
0
a la primera cifra significativa del nmero aproximado que hace
de dividendo, b
0
a la primera cifra significativa del nmero aproximado que hace de
divisor y c
0
a la primera cifra significativa del nmero aproximado obtenido como
cociente, entonces se verifica:
1
0
1
0
1
0
10
1
10
1
10
1
' ' '
1
)
1
+
1
<
n m m
c b a
!
siendo m en nmero de cifras exactas de ambos nmeros aproximados y n las del
cociente.
Problema Directo
PROP Al dividir dos nmeros exactos de m cifras exactas cada uno, el cociente tendr:
1) n = m cifras exactas si
0
0 0
0 0
c
b a
b a
$
+
1

2) n = m-1 cifras exactas si
0
0 0
0 0
c
b a
b a
<
+
1
Problema Inverso
21/ 22
PROP Si el cociente de una divisin tiene n cifras exactas, entonces ambos nmeros
aproximados han de tener:
1) m = n cifras exactas si
0 0
0 0
0
b a
b a
c
+
1
)
2) m = n+1 cifras exactas si
0 0
0 0
0
b a
b a
c
+
1
>
6.5. Potencia de nmeros aproximados.
La potencia de un nmero es un caso particular del producto de m nmeros
aproximados, siendo ahora dichos nmeros todos iguales.
Por tanto,
1
0
10
1 1
'
1
1 <
n
a m
!
as pues, por ejemplo, el cuadrado de un nmero aproximado tiene como lmite superior
del error relativo el doble del lmite superior del nmero aproximado.
En el caso del cubo de un nmero aproximado, su lmite superior del error relativo es el
triple del lmite superior del nmero aproximado.
Y as sucesivamente.
PROP La potencia m-sima de un nmero aproximado tiene como lmite superior del
error relativo el lmite superior del error relativo del nmero aproximado multiplicado
por el factor m.
6.6. Races de nmeros aproximados.
La raz m-sima de un nmero aproximado se puede escribir como la potencia de
exponente
m
1
del mismo nmero aproximado.
Por tanto,
1
0
10
1 1
'
1
1 <
n
a m
!
Anlogamente al caso anterior, podemos afirmar.
PROP La raz m-sima de un nmero aproximado tiene como lmite superior del error
relativo el lmite superior del error relativo del nmero aproximado multiplicado por el
factor
m
1
.
7. NOTACIN CIENTFICA.
Hemos visto dentro de la teora de Errores , que desarrollamos en este tema, una serie de
smbolos especficos y formas de escribir, que se utilizan asiduamente en cualquier
ciencia que haga uso de las tcnicas del clculo numrico.
22/ 22
Estos smbolos nos permiten interpretar correctamente los resultados y homogenizan
las diferentes maneras de escribir los datos.
Llamaremos notacin al simbolismo empleado para expresar una idea de forma mas
breve y precisa.
Una de las notaciones ms importantes y usuales es la basada en las distintas potencias
enteras de 10. Si el exponente es positivo (de cero en adelante) obtenemos las unidades,
decenas, centenas, millares, etc. Si el exponente es negativo, obtenemos las dcimas,
centsimas, milsimas, etc.
Este tipo de notacin descrita que nos permite representar nmeros ya sean exactos o
aproximados, la llamaremos Notacin Cientfica.
Por convenio, la notacin cientfica consiste en escribir un nmero como producto de un
nmero decimal cuya parte entera tiene un solo dgito multiplicado por una potencia de
10.
La Notacin Cientfica muestra el orden de magnitud y las cifras significativas. Las
operaciones descritas en el punto anterior son mucho ms fciles de realizar y tambin
facilita la comparacin entre nmeros.
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Edit. Tecnos.
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Edit. Labor.
Cours de Mathematiques Elementaries. Aut. F.M.G.
1/19
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 8
SUCESIONES. TRMINO GENERAL Y FORMA RECURRENTE.
PROGRESIONES ARITMTICAS Y GEOMTRICAS.
1. Sucesiones de Nmeros Reales.
2. Progresiones Aritmticas.
3. Progresiones Armnicas.
4. Progresiones Geomtricas.
5. Series Aritmticas y Geomtricas.
5.1. Series Aritmticas.
5.2. Series Geomtricas.
6. Aplicaciones de las progresiones.
6.1. Clculo de las fracciones generatrices de nmeros decimales peridicos.
6.2. Aplicaciones de matemtica financiera.
7. Progresiones Hipergeomtricas.
8. Progresiones Aritmtico-Geomtricas.
Bibliografa Recomendada.
2/19
TEMA 8
SUCESIONES. TRMINO GENERAL Y FORMA RECURRENTE.
PROGRESIONES ARITMTICAS Y GEOMTRICAS.
1. SUCESIONES DE NMEROS REALES.
A lo largo de este tema vamos a considerar que en conjunto ! no contiene al
elemento 0. Por tanto !={1, 2, 3, }.
DEF Llamaremos sucesin de Nmeros Reales a toda aplicacin f: ! ! ".
Es claro que a cada nmero natural i"! le corresponde una nica imagen f(i), ya
que en caso contrario f no sera aplicacin.
Aunque hemos definido como sucesin a la aplicacin f, por extensin del
lenguaje tambin llamaremos sucesin al conjunto de las imgenes de f, que mantienen
el orden de ! inducido por f {f(n)}
n"!
.
Cada una de las imgenes, f(k), recibe el nombre de trmino de la sucesin, y
tambin se pueden denotar por a
k
.
Si podemos encontrar una expresin o frmula que nos permita obtener
cualquier trmino de la sucesin en funcin de n"!, se denotar por a
n
y se llamar
trmino general de la sucesin.
Ejemplos.
1) Sea f :! ! " con
n
n f
1
) ( =
f(1)=a
1
=1 f(2)=a
2
=
2
1
son los trminos de la sucesin.
a
n
=
n
1
es el trmino general de la sucesin y
N n
n
"
#
$
%
&
'
(1
es la sucesin.
2) Otro ejemplo de sucesin puede ser
( )
N n
n
n
"
#
$
%
&
'
(
)1
. Entonces el trmino general es
n
a
n
n
) 1 ()
= y los trminos seran
4
1
,
3
1
,
2
1
, 1
)
) ,
3)
&
'
( +
impar es n Si n
par es n Si n
2
1 2
Entonces
&
'
( +
=
impar n n
par n n
a
n 2
1 2
y los trminos son 1, 5, 9, 9, 25, 13,
3/19
Como podemos comprobar en este ejemplo, a veces es necesario ms de una
frmula para poder definir la sucesin o trmino general.
Podemos plantearnos la siguiente pregunta Es posible determinar una sucesin
a partir de un nmero finito de sus trminos sin conocer el trmino general?
Antes de contestar esta pregunta necesitamos saber que es determinar una
sucesin.
DEF Una sucesin est definida si y slo si es posible escribir sus trminos en orden
hasta el trmino que se quiera.
Intentemos contestar ahora a la pregunta.
Sean ... ,
4
1
,
3
1
,
2
1
, 1 Para poder afirmar que son sucesin necesitamos conocer la
expresin para a
n
. La ms intuitiva es
n
a
n
1
= , pero es nica?
Si fuese nica, la sucesin ya estara totalmente determinada. Pero resulta que
3 2
24
1
12
5
24
35
12
25
n n n a
n
) ) ) = es otra sucesin tal que sus cuatro primeros trminos
tambin son ... ,
4
1
,
3
1
,
2
1
, 1 y no es la nica. Podemos ver que
*
&
*
'
(
>
+
=
4 5
4
1
n
n
n
a
n
sera otra.
Como conclusin, podemos afirmar que a partir de un nmero finito de trminos
no podemos obtener el trmino general de la sucesin. Luego esa manera no nos
permite definir una sucesin.
Veamos como poder definir una sucesin.
a) Conocer el trmino general.
Esta forma es la que hemos visto hasta ahora. Consiste en dar una expresin
matemtica funcin n"!, que permite obtener las imagenes de la funcin f: ! ! "
sustituyendo en dicha expresin n por cualquier nmero natural.
b) Ley de Recurrencia.
Consiste en obtener el valor de un trmino de la sucesin en funcin del anterior o
anteriores. Si el trmino general depende del anterior, es necesario conocer el valor del
primer trmino de la sucesin, a
1
. Si el trmino depende de los k trminos anteriores, la
sucesin slo quedar completamente definida si tambin conocemos los k primeros
trminos, a
1
, a
2
, a
3
, , a
k
.
4/19
Ejemplos.
1) Sea
#
$
%
) =
=
)
1 2
3
1
1
n n
a a
a
, a
1
=3, a
2
=23-1=5, a
3
=25-1=9,
2) Una sucesin muy importante y conocida que sigue una ley de recurrencia es la
sucesin de Fibonacci.
a
1
=1 a
2
=1 y a
n
=a
n-1
+a
n-2
-n.3
As, la sucesin de Fibonacci es:
1, 1, 2, 3, 5, 8, 13, 21,
2. PROGRESIONES ARITMTICAS.
DEF Diremos que una sucesin de nmeros reales {a
n
}
n"!
es una progresin
aritmtica si la diferencia entre un trmino de la sucesin y el inmediatamente anterior
es un valor constante.
De la definicin de progresin aritmtica obtenemos que la sucesin {a
n
}
n"!
:
{a
n
}
n"!
es una progresin aritmtica / a
k+1
-a
k
= d -k"!
El nmero d recibe el nombre de diferencia de la progresin aritmtica.
A partir de la definicin de progresin aritmtica, obtenemos una ley de
recurrencia para las mismas.
PROP Dada una progresin aritmtica de diferencia d, el trmino general viene
expresado por la ley de recurrencia a
n
=a
n-1
+d
dem.
Como {a
n
}
n"!
es una progresin aritmtica de diferencia d , a
n+1
-a
n
= d ,
, a
n+1
=a
n
+d que es lo mismo que a
n
=a
n-1
+d
PROP Toda progresin aritmtica de diferencia d tiene como trmino general
a
n
=(n-1)d+a
1
dem.
Como a
n
=a
n-1
+d
Para n=2 a
2
= a
1
+d
Para n=3 a
3
= a
2
+d = a
1
+d+d = a
1
+2d
Para n=4 a
4
= a
3
+d = a
1
+2d+d = a
1
+3d

Para n a
n
=a
n-1
+d = a
1
+(n-2)d+d = a
1
+(n-1)d
5/19
Luego a
n
= a
1
+(n-1)d
As pues, podemos determinar completamente una progresin aritmtica
conociendo el primer trmino de la sucesin y la diferencia.
COROLARIO Dados dos trminos cualesquiera, a
r
y a
s
con r<s, de una progresin
aritmtica, se verifica que a
s
= a
r
+(s-r)d
dem.
Sabemos que a
s
= a
1
+(s-1)d
a
r
= a
1
+(r-1)d
Al restar ambas expresiones miembro a miembro obtenemos
a
s
a
r
=a
1
+ (s 1)d a
1
(r 1)d = (s 1 r + 1)d = (s r)d
Luego a
s
= a
r
+ (s r)d
PROP Toda progresin aritmtica tiene como trmino general a
n
= an+b con a,b"" y
a00.
dem.
Sea {a
n
}
n"!
una progresin aritmtica de diferencia d , a
n
= a
1
+ (n 1)d
, a
n
= a
1
+ nd d , a
n
= dn + (a
1
d)
Si tomamos a = d y b = a
1
d
nos queda a
n
= an+b con a00
Un problema que podemos plantearnos es el llamado problema de interpolacin.
Consiste en intercalar n trminos consecutivos entre a y b de tal forma que los n+2
trminos formen parte de una progresin aritmtica. Los trminos que intercalamos
entre los extremos a y b reciben el nombre de medios aritmticos. Para resolver este
problema, lo nico que necesitamos es poder obtener la diferencia d.
PROP Dados dos nmeros a y b, si intercalamos n nmeros tal que los n+2 nmeros
formen parte de una progresin aritmtica, entonces la diferencia es
1 +
)
=
n
a b
d
dem.
Llamaremos a
1
=a y a
n+2
=b de tal forma que los n trminos que intercalamos
sean a
2
, a
3
, , a
n+1
6/19
Sabemos que a
n+2
=a
1
+(n+1)d ,
1 1
1 2
+
)
=
+
)
=
+
n
a b
n
a a
d
n
Los medios aritmticos sern a+d, a+2d, a+3d, , a+nd
Otro problema que tambin podemos plantearnos es el de calcular la suma de un
nmero finito de trminos de una progresin aritmtica.
PROP La suma de dos trminos cualesquiera que equidistan de a
1
y a
n
es igual a la
suma de stos.
dem.
Tenemos que demostrar que dado p"! con 0<p<n se verifica a
1
+a
n
= a
1+p
+a
n-p
donde a
1+p
y a
n-p
son equidistantes de a
1
y a
n
respectivamente.
Sabemos que a
1+p
= a
1
+(1+p-1)d = a
1
+pd
a
n
= a
n-p
+(n-n+p)d = a
n-p
+pd
Si restamos ambas ecuaciones miembro a miembro obtenemos
a
1+p
-a
n
= a
1
-a
n-p
, a
1+p
+ a
n-p
= a
1
+ a
n
PROP La suma de n trminos consecutivos de una progresin aritmtica es igual a la
mitad de n veces la suma de sus extremos.
dem.
Sean a
1
, a
2
, , a
n
los trminos de la progresin aritmtica que queremos sumar.
S
n
= a
1
+a
2
++a
n
S
n
= a
n
+a
n-1
++a
1
2S
n
= (a
1
+a
n
)+(a
2
+a
n-1
)++(a
n
+a
1
)
Aplicando la proposicin anterior , 2S
n
= n(a
1
+a
n
) ,
2
) (
1 n
n
a a n
S
+
=
Ejemplo
1) Calcular la suma de los n primeros mltiplos de 3, comenzando en 3.
sol
Como a
1
=3, a
2
=6, a
3
=9, , d=3 y a
n
= 3+(n-1)3
2
3 3
2
) 3 ) 1 ( 3 3 (
2
+
=
) + +
=
n n n
S
n
2) Calcular la suma de los n primeros nmeros impares.
7/19
sol
1, 3, 5, 7, , a
1
=1 y d=2 , a
n
= 1+(n-1)2 = 2n-1
2
2
2
2
2
) 1 2 1 (
n
n n n
S
n
= =
) +
=
3. PROGRESIONES ARMNICAS.
DEF Llamaremos progresin armnica a una sucesin de nmeros reales {a
n
}
n"!
cuyo trmino general es de la forma
0 ,
1
0 1 "
+
= a y b a con
b an
a
n
Como vemos, una progresin armnica est formada por los recprocos de una
progresin aritmtica.
Ejemplo
1)
n
a
n
1
= es una progresin armnica con a=1 y b=0
2)
1 2
1
+
=
n
a
n
es tambin una progresin armnica.
4. PROGRESIONES GEOMTRICAS.
DEF Diremos que una sucesin de nmeros reales {a
n
}
n"!
es una progresin
geomtrica si el cociente entre un trmino de la sucesin y el inmediatamente anterior es
un valor constante.
De la definicin de progresin geomtrica obtenemos que la sucesin {a
n
}
n"!
:
{a
n
}
n"!
es una progresin geomtrica / r
a
a
k
k
=
+1
-k"!
El nmero r recibe el nombre de razn de la progresin aritmtica.
Ejemplo.
La sucesin 3, 9, 27, 81, , 3
n
, es una progresin geomtrica ya que
3
3
3
1
1
= =
)
)
n
n
n
n
a
a
, La razn es r=3
Vamos a realizar un estudio similar al ya visto para las progresiones aritmticas.
A partir de la definicin de progresin geomtrica obtenemos una ley de
recurrencia para las mismas.
8/19
PROP Dada una progresin geomtrica de razn r, el trmino general viene expresado
por la ley de recurrencia a
n
=a
n-1
r
dem.
Como {a
n
}
n"!
es una progresin geomtrica de razn r , r
a
a
n
n
=
+1
,
, a
n+1
=a
n
r que es lo mismo que a
n
=a
n-1
r
PROP Toda progresin geomtrica de razn r tiene como trmino general
a
n
=a
1
r
n-1
dem.
Como a
n
=a
n-1
r
Para n=2 a
2
= a
1
r
Para n=3 a
3
= a
2
r = a
1
rr = a
1
r
2
Para n=4 a
4
= a
3
r = a
1
r
2
r = a
1
r
3

Para n a
n
=a
n-1
r = a
1
r
n-2
r= a
1
r
n-1
Luego a
n
= a
1
r
n-1
Por tanto, podemos determinar completamente una progresin geomtrica
conociendo el primer trmino de la sucesin y la razn.
COROLARIO Dados dos trminos cualesquiera, a
p
y a
q
con p<q, de una progresin
geomtrica, se verifica que a
q
= a
p
r
q-p
dem.
Sabemos que a
q
= a
1
r
q-1
a
p
= a
1
r
p-1
Al dividir ambas expresiones miembro a miembro obtenemos
p q p q
p
q
p
q
r r
r a
r a
a
a
) + ) )
)
)
= = =
1 1
1
1
1
1

, a
q
= a
p
r
q-p
Si nos fijamos en el trmino general de una progresin geomtrica, a
n
=a
1
r
n-1
,
podemos determinar la estructura de la sucesin.
1) Si r>1 La sucesin es divergente. Cada trmino es mayor (menor) que el
anterior si a
1
>0 (a
1
<0).
2) Si r=1 La sucesin tiene todos sus trminos iguales.
9/19
3) Si 0<r<1 La sucesin es convergente, y tiene por lmite 0. . Cada trmino es
menor (mayor) que el anterior si a
1
>0 (a
1
<0).
4) Si r=0 La sucesin es la sucesin nula.
5) Si 1<r<0 La sucesin es convergente y tiene por lmite 0. La sucesin es
oscilante.
6) Si r=-1 La sucesin es oscilante y con los trminos en valor absoluto
iguales.
7) Si r<-1 La sucesin es oscilante y divergente, ya que cada trmino es
mayor (en valor absoluto) que el anterior.
En las progresiones geomtricas, al igual que en las aritmticas, podemos
plantearnos el problema de la interpolacin.
PROP Dados dos nmeros a y b (a,b"" y a00) si intercalamos n nmeros tal que los
n+2 nmeros formen parte de una progresin geomtrica, entonces la razn es
1 +
=
n
a
b
r
dem.
Sea a
1
=a y a
n+2
=b de tal forma que los n trminos que intercalamos sean a
2
,
a
3
, , a
n+1
Sabemos que a
n+2
= a
1
r
n+1
,
1
2 1
a
a
r
n n + +
= ,
1
1
1
2
+
+
+
= =
n
n
n
a
b
a
a
r
Los nmeros que intercalamos reciben el nombre de medios geomtricos y son
ar, ar
2
, ar
3
, , ar
n
.
Ahora vamos a obtener tanto la suma como el producto de n trminos de una
progresin geomtrica.
PROP El producto de dos trminos equidistantes de a
1
y a
n
es igual al producto de
stos.
dem.
Tenemos que demostrar que dado p"! con 0<p<n se verifica a
1
a
n
= a
1+p
a
n-p
donde a
1+p
y a
n-p
son equidistantes de a
1
y a
n
respectivamente.
Sabemos que a
1+p
= a
1
r
1+p-1
= a
1
r
p
a
n
= a
n-p
r
n-n+p
= a
n-p
r
p
Si dividimos ambas ecuaciones miembro a miembro
10/ 19
p n n
p
p
p n
p
n
p
a
a
a
a
r a
r a
a
a
)
+
)
+
= , =
1
1
1
1

, a
1
a
n
= a
1+p
a
n-p
PROP El producto de n trminos consecutivos de una progresin geomtrica es igual a
la raz cuadrada de la potencia n-sima del producto de sus extremos.
dem.
Sean a
1
, a
2
, , a
n
los trminos de la progresin geomtrica que queremos
multiplicar.
P
n
= a
1
a
2
a
n
P
n
= a
n
a
n-1
a
1
P
n
2
= (a
1
a
n
)(a
2
a
n-1
)(a
n
a
1
)
Aplicando la proposicin anterior:
( ) ( )
n
n n
n
n n
a a P a a P
1 1
2
= , =
PROP La suma de n trminos consecutivos de una progresin geomtrica es
r
r
a S
n
n
)
)
=
1
1

1
siendo a
1
el primero de los trminos.
dem.
Sean a
1
, a
2
, , a
n
los trminos de la progresin geomtrica que queremos sumar.
S
n
= a
1
+a
2
++a
n
r S
n
= a
2
++a
n
+a
n+1
S
n
rS
n
= a
1
a
n+1
, S
n
(1-r) = a
1
a
1
r
n
, S
n
(1-r) = a
1
(1-r
n
) ,
r
r
a S
n
n
)
)
=
1
1

1
COROLARIO La suma de n trminos consecutivos de una progresin geomtrica de
razn r=1 es S
n
=na
1
dem.
En este caso, al ser r=1, no nos sirve la proposicin anterior, al ser el
denominador 0.
Sabemos que todos los trminos de una progresin geomtrica de razn r=1 son
iguales.
Entonces S
n
= a
1
+a
2
++a
n
= na
1
, S
n
= na
1
11/ 19
COROLARIO La suma de n trminos consecutivos de una progresin geomtrica de
razn r=-1 es S
n
=0 si n es par S
n
=a
1
si n es impar.
dem.
Sabemos que
r
r
a S
n
n
)
)
=
1
1

1
,
2
) 1 ( 1

1
n
n
a S
) )
=
Si n es par , (-1)
n
= 1 , S
n
= 0
Si n es impar , (-1)
n
= -1 , S
n
= a
1
5. SERIES ARITMTICAS Y GEOMTRICAS.
DEF Llamaremos serie al par ({a
n
}, {S
n
}) siendo {a
n
} una sucesin de nmeros reales
y
2
=
=
n
k
k n
a S
1
.
DEF La sucesin {S
n
} recibe el nombre de sucesin de sumas parciales de la sucesin
{a
n
}.
Si la sucesin {a
n
} es una progresin aritmtica, entonces la serie se llama serie
aritmtica.
Si la sucesin {a
n
} es una progresin geomtrica, entonces la serie se llama serie
geomtrica.
DEF Diremos que la serie({a
n
}, {S
n
}) es sumable si la sucesin {S
n
} es convergente.
Si {S
n
} es convergente, entonces existe S=LimS
n
y se representa por
2
3
=
=
1 n
n
a S
5.1. Series Aritmticas.
Si {a
n
} es una progresin aritmtica, entonces
2
) (
1 n
n
a a n
S
+
=
PROP Una serie aritmtica no es sumable.
dem.
Para ver si es sumable, vamos a calcular LimS
n
=
) +
=
) + +
=
+
=
2
2
2
) ) 1 ( (
2
) (
2
1 1 1 1
dn dn n a
Lim
n d n a a
Lim
n a a
Lim LimS
n
n
12/ 19
3 =
) +
=
2
) 2 (
1
2
n d a dn
Lim
El lmite ser +3 si d>0 y ser -3 si d<0
Luego la serie no es sumable al no ser {S
n
} convergente.
5.2. Series Geomtricas.
PROP Una serie geomtrica es sumable si 4r4<1.
dem.
Sea {a
n
} una progresin geomtrica y {S
n
} la sucesin de sumas parciales de
{a
n
}. Para que la serie sea sumable debe existir limS
n
.
Como {a
n
} es una progresin geomtrica, sabemos que
r
r
a S
n
n
)
)
=
1
1

1
*
*
*
&
*
*
*
'
(
) =
) <
=
> 3
<
=
1
1
1 1
1
1 0
r si Existe No
r si Existe No
r si
r si
r si
r Lim
n
Teniendo en cuenta el Lim r
n
, podemos calcular el Lim S
n
en funcin del valor
que tenga r.
1) Si 4r4<1 ,
r
a
a
r
a
S Lim
n
n n
)
= ,
)
=
2
3
=
1 1
1
1
1
2) Si r<1 , S
n
no es convergente , Lim S
n
no es finito
3) Si r=1 , Lim S
n
= Lim (a
1
n) que no es finito
4) Si r<-1 , S
n
no es convergente , Lim S
n
no es finito
5) Si r=-1 , S
n
no tiene lmite, al ser una sucesin oscilante de 0 y a
1
.
6. APLICACIONES DE LAS PROGRESIONES.
6.1. Clculo de las fracciones generatrices de nmeros decimales peridicos.
a) Decimal Peridico Puro.
Sea el nmero 18 ' 4 = x
13/ 19
Como x=41818181818
lo podemos escribir como x = 4 + 018 + 00018 + 0000018 +
y es lo mismo que ...
10
18
...
10
18
10
18
10
18
4
2 6 4 2
+ + + + + + =
n
x
y por tanto
5
6
7
8
9
:
+ + + + + + = ...
10
1
...
10
1
10
1
1
10
18
4
2 4 2 2 n
x
Lo que tenemos en el interior del parntesis es la suma de una progresin
geomtrica de razn
2
10
1
= r y primer trmino a
1
.
Sabemos que la suma de dicha progresin geomtrica es:
99
10
10
1
1
1
10
1
2
2
0
2
=
)
=
2
3
= n
n
Por tanto
99
414
99
18
4
99
10

10
18
4
2
2
= + = , + = x x
b) Decimal peridico mixto
Sea el nmero 8 1 ' 4 = x
como x = 41888888
lo podemos escribir como x = 4 +01 + 008 + 0008 + 00008 +
y es lo mismo que ...
10
8
...
10
8
10
8
10
1
4
3 2
+ + + + + + =
n
x
y por tanto
5
6
7
8
9
:
+ + + + + + + = ...
10
1
...
10
1
10
1
1
10
8
10
1
4
2 2 n
x
Lo que tenemos en el interior del parntesis es la suma de una progresin
geomtrica de razn
10
1
= r y primer trmino a
1
=1
Sabemos que la suma de dicha progresin geomtrica es
9
10
10
1
1
1
10
1
0
=
)
= 5
6
7
8
9
:
2
3
= n
n
Por tanto
90
377
90
8
10
1
4
9
10

10
8
10
1
4
2
= + + = + + = x
14/ 19
6.2. Aplicaciones de Matemtica Financiera.
Los bienes econmicos tienen una utilidad que medimos en unidades monetarias
(por ejemplo, euros o pesetas). Est claro que esta utilidad es mayor siempre que
dispongamos de dicho bien. Es por ello que el tiempo influye en la apreciacin positiva
o negativa de los bienes econmicos.
Definimos al capital financiero como la medida de cualquier activo, real o
financiero, expresada por su cuanta y por su vencimiento o momento de disponibilidad.
Por tanto, representaremos cualquier capital por el par ordenado (C,t) siendo C la
cuanta del capital (en unidades monetarias) y t el momento de disponibilidad del capital
(en aos).
En la actividad financiera que se realiza da a da, se efectan gran cantidad de
operaciones con capitales. Los agentes econmicos han de disponer de herramientas que
les permitan comparar capitales, sustituir varios de ellos por uno slo equivalente, etc.
Las expresiones matemticas que realizan esa labor son las llamadas Leyes financieras.
Podemos distinguir entre leyes de capitalizacin y de descuento, en funcin de si
necesitamos conocer el valor de un capital actual en el futuro o en el pasado,
respectivamente.
Son varias las funciones matemticas que podemos utilizar como leyes
financieras. Aqu veremos las leyes sumativas y las leyes multiplicativas. Las primeras
se aplican cuando en el intervalo considerado no se acumulan intereses para producir
nuevos intereses. Las segundas se utilizan cuando se acumulan los intereses. Como
ejemplos tenemos la capitalizacin simple y el descuento comercial como leyes
sumativas, y la capitalizacin compuesta y el descuento compuesto, como leyes
multiplicativas.
a) Capitalizacin Simple.
La expresin matemtica es L
1
(t) = 1+it
donde t es el tiempo en aos e i el inters o tanto.
Llamaremos montante al capital equivalente a C dentro de t aos: M = C(1+it)
b) Capitalizacin Compuesta
La expresin matemtica es L
2
(t) = (1+i)
t
Siendo el Montante dentro de t aos: M = C(1+i)
t
Ejemplos:
1) Tenemos una persona que alquila un piso durante un ao. Cada mes le pagan
500 !ms el 5% mensual. Qu cantidad obtendr al final del ao?
15/ 19
El primer mes cobra 500 ! = 100(1+005(1-1))
El segundo mes cobra 500(1+005(2-1))
El tercer mes cobra 500(1+005(3-1))
...
El ltimo mes cobra 500(1+005(12-1))
En general, el mes t (con t:1,...,12) cobrar a
t
= 500(1+005(t-1)) y
a
t
= 25t+475
El dinero que obtendr ser a
1
+a
2
+...+a
12
que es la suma de los 12 primeros trminos de
una progresin aritmtica de trmino general a
n
= 250n+250.
Entonces como
2
) (
1 n
n
a a n
S
+
= ser 800 . 7
2
) 800 500 ( 12
12
=
+
= S !
2) Una persona con 55 aos decide invertir 5.000! anuales en un fondo de
pensiones al 75% de inters anual. Como el dinero no lo puede rescatar hasta los 65
aos, Cunto dinero obtendr al cabo de esos diez aos?
Como en este caso los intereses que se obtienen cada ao son reinvertibles,
hemos de utilizar la ley de capitalizacin compuesta. Vamos a calcular el dinero que
ser cada anualidad ingresada dentro de diez aos.
La primera anualidad ser: 5.000(1+0075)
11-1
La segunda anualidad ser: 5.000(1+0075)
11-2
...
La dcima y ltima anualidad ser: 5.000(1+0075)
11-10
En general, cada anualidad se convierte, dentro de 11-t aos en
a
t
= 5.000(1+0075)
11-t
!
El dinero que obtendr ser a
1
, a
2
, ..., a
10
que es la suma de los diez primeros
trminos de una progresin geomtrica de trmino general b
n
= 5.000(1075)
n
con
b
i
=a
11-i
.
Como
r
r
a S
n
n
)
)
=
1
1

1
tenemos que 44 ' 735 . 70
075 ' 1 1
075 ' 1 1
000 . 5
10
10
=
)
)
= S !
7. PROGRESIONES HIPERGEOMTRICAS.
DEF Diremos que una sucesin {a
n
}
n"!
es una progresin hipergeomtrica si el
cociente de cada trmino por el inmediatamente anterior es una expresin de la forma:
c n a
b n a
a
a
n
n
+
+
=
+

1
con a,b,c"" y a y c no simultneamente nulos.
OBS Las progresiones geomtricas son un caso particular de las progresiones
hipergeomtricas ya que se obtienen para a=0, siendo la razn r=b/c.
16/ 19
PROP Dada la sucesin {a
n
} que forma una progresin hipergeomtrica, la suma de m
trminos consecutivos es
c b a
c a c a m a
S
m
m
) +
) +
=
+
) (
1 1
siendo a
1
el primero de ellos.
dem.
Como {a
n
} es una progresin hipergeomtrica, se verifica que
c n a
b n a
a
a
n
n
+
+
=
+

1
Dando a n los valores 1, 2, 3, , m obtenemos
a
1
(a+b) = a
2
(a+c)
a
2
(2a+b) = a
3
(2a+c)

a
m-1
((m-1)a+b) = a
m
((m-1)a+c)
a
m
(ma+b) = a
m+1
(ma+c)
Sumando miembro a miembro y eliminando los sumandos comunes que figuran
en ambos miembros, queda:
S
m
(a+b) = S
m
c-a
1
c+a
m+1
(ma+c)
S
m
(a+b) S
m
c = a
m+1
(ma+c) a
1
c
c b a
c a c a m a
S
m
m
) +
) +
=
+
) (
1 1
8. PROGRESIONES ARITMTICO-GEOMTRICAS.
DEF Diremos que una sucesin {a
n
}
n"!
es una progresin aritmtico-geomtrica si el
trmino general es de la forma:
a
n
= (an+b)x
n
donde a,b,x"" y tales que a y x no se anulan simultneamente.
OBS Si tomamos a=0 obtenemos una progresin geomtrica y si tomamos x=1
obtenemos una progresin aritmtica.
PROP La suma de m trminos consecutivos de una progresin aritmtico-geomtrica es
( )
x
x x b x m
x
x
x a
S
m m
m
m
)
) +
5
5
6
7
8
8
9
:
)
)
)
=
1
1
1
1

dem.
17/ 19
Si la sucesin {a
n
} es una progresin aritmtico-geomtrica, se verifica que
a
n
= (an+b)x
n
Como
2 2
= =
+ = =
m
n
n
m
n
n m
x b n a a S
1 1
) (
Entonces
2 2
= =
+ =
m
n
n
m
n
n
m
x b x n a S
1 1

y
2 2
=
+
=
+
+ =
m
n
n
m
n
n
m
x b x n a S x
1
1
1
1

Restando tenemos
2 2
=
+
=
+
) + 5
6
7
8
9
:
) = )
m
n
n n
m
n
n n
m m
x x b x n x n a S x S
1
1
1
1
) ( ) ( ,
,
2 2
=
+
=
+
) + ) = )
m
n
n n
m
n
n n
m
x x b x n x n a x S
1
1
1
1
) ( ) ( ) 1 ( (1)
Calculemos aparte ambos sumatorios:
= ) = )
2 2 2
=
+
= =
+
m
n
n
m
n
n
m
n
n n
x n x n x n x n
1
1
1 1
1
) (
( ) ( ) = + ) + + + ) + + + + =
+1 3 2 3 2
) 1 ( ... 2 ... 3 2
m m m
mx x m x x mx x x x
1 1 3 2
1
1
...
+ +
)
)
)
= ) + + + + =
m
m
m m
mx
x
x
x mx x x x x (2)
1 1 3 2 2
1
1
) ( ... ) ( ) ( ) (
+ +
=
+
) = ) + + ) + ) = )
2
m m m
m
n
n n
x x x x x x x x x x (3)
Sustituyendo (2) y (3) en (1) nos queda:
) (
1
1
) 1 (
1 1 + +
) +
5
5
6
7
8
8
9
:
)
)
)
= )
m m
m
m
x x b mx
x
x
x a S x
( )
x
x x b x m
x
x
x a
S
m m
m
m
)
) +
5
5
6
7
8
8
9
:
)
)
)
=
1
1
1
1

Corolario Si la sucesin {a
n
}
n"!
es una progresin aritmtico-geomtrica con
4x4<1 entonces
2
) 1 (
) 1 (
x
x bx ax
S Lim
n
)
) +
=
18/ 19
dem.
Si {a
n
} es una progresin aritmtico-geomtrica, se verifica que
( )
x
x x b x n
x
x
x a
S
n n
n
n
)
) +
5
5
6
7
8
8
9
:
)
)
)
=
1
1
1
1

y como 4x4<1 , 0 =
n
n
x Lim
Por tanto
( )
2
) 1 (
) 1 (
1
1
1
0 1 0
1
1

x
x bx ax
x
bx
x
ax
x
x b
x
x a
S
n
)
) +
=
)
+
)
=
)
) + 5
6
7
8
9
:
)
)
=
El resultado anterior se puede generalizar de la siguiente forma:
DEF Sea {a
n
}
n"!
una sucesin. Diremos que es una progresin aritmtico-geomtrica
si su trmino general es de la forma:
a
n
= P(n)x
n
donde P(n) es un polinomio de variable natural.
Para obtener S
n
, se sigue un proceso similar al caso ms especfico, visto antes.
Slo hay que tener en cuenta que el proceso se reitera tantas veces como indica el grado
de P(n).
Vemoslo mediante un ejemplo.
Ejemplo.
Sea a
n
=(2n
2
+3)x
n
2 2 2 2
= = = =
+ = + = =
m
n
n
m
n
n
m
n
n
m
n
n m
x x n x n a S
1 1
2
1
2
1
3 2 ) 3 2 (
2 2 2 2
=
+
=
+
=
+
=
+ = + = =
m
n
n
m
n
n
m
n
n
m
n
n m
x x n x n a x S x
1
1
1
1 2
1
1 2
1
3 2 ) 3 2 (
= 5
6
7
8
9
:
) + 5
6
7
8
9
:
) = )
2 2 2
=
+
=
+
=
m
n
n n
m
n
n
m
n
n
m
x x x n x n x S
1
1
1
1 2
1
2
) ( 3 2 ) 1 (
( ) ( ) = ) + ) ) ) ) ) + + + + =
+ + 1 1 2 4 3 2 2 3 2
3 ... 9 4 ... 9 4 2
m m m
x x x m x x x x m x x x
( ) ( )
m m m
x x x m x m x x x ) + ) ) + + + + =
+
1 3 ) 1 2 ( ... 5 3 2
1 2 3 2
Luego
( ) ( )
m m m
m
x x x m x m x x x x S ) + ) ) + + + + = )
+
1 3 2 ) 1 2 ( ... 5 3 2 2 ) 1 (
1 2 3 2
19/ 19
y ( ) ( )
m m m
m
x x x m x m x x x x S x ) + ) ) + + + + = )
+ +
1 3 ) 1 2 ( ... 5 3 2 ) 1 (
2 2 2 1 4 3 2
Restando queda:
( ) ( ) + ) ) ) + + + + = ) ) )
+ + 1 2 1 3 2
2 ) 1 2 ( 2 2 ... 2 2 2 2 ) 1 ( ) 1 (
m m m
m
x m x m x x x x x x x S
( )
1 2 2
1 3
+ +
+ ) ) + +
m m m
x x x x x m
( ) ( )
1 2 2 1
1
2 2
1 3 1 2 2
1
1
2 2 2 ) 1 (
2
+ + +
)
+ ) ) + + + ) )
)
)
+ = )
m m m m
m
m
x x x x x m m m x
x
x
x x x S
( )
2
2 2 2 1
1
2
) 1 (
) 1 )( 1 ( 3 1 2 2
1
1
4 2
x
x x x x m m m x
x
x
x x
S
m m m
m
m
)
) ) + + ) + )
)
)
+
=
+ +
)
Si 4x4<1 la serie ({a
n
},{S
n
}) es sumable, siendo en este caso concreto
2
2
2
2 2
2
2
) 1 (
) 5 4 3 (
) 1 (
) 1 ( 3 4 ) 1 ( 2
) 1 (
) 1 ( 3
1
4
2
x
x x x
x
x x x x x
x
x x
x
x
x
S Lim
n
)
+ )
=
)
) + + )
=
)
) +
)
+
=
BIBLIOGRAFA RECOMENDADA.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Edit. Tecnos.
Anlisis Matemtico. Miguel de Guzmn-B. Rubio. Edit. Pirmide.
Curso de Anlisis Matemtico I. Edit. Edunsa.
Lecciones de Clculo Infinitesimal I. Manuel Franco-Roque Molina. Edit. Universidad
de Murcia.
1/20
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 9
EL NMERO COMPLEJO. APLICACIONES.
1. Introduccin.
2. El Cuerpo de los nmeros complejos.
2.1. El grupo aditivo de los nmeros complejos.
2.2. El grupo multiplicativo de los nmeros complejos.
2.3. El cuerpo multiplicativo de los nmeros complejos.
3. Inversin de ! en ".
4. El espacio vectorial de los nmeros complejos.
5. Representacin de un nmero complejo en forma binaria.
6. Orden en ".
7. Geometrica de los nmeros complejos. El plano complejo.
8. Nmeros complejos conjugados.
9. Valor absoluto en ".
10. Representacin de un nmero complejo en forma polar y trigonomtrica.
10.1. Operaciones con nmeros complejos en forma polar y trigonomtrica.
11. Aplicaciones de los nmeros complejos.
11.1. Resolucin de ecuaciones polinmicas de 2 grado.
11.2. Aplicaciones geomtricas.
Bibliografa Recomendada.
2/20
TEMA 9
EL NMERO COMPLEJO.APLICACIONES.
1. INTRODUCCIN.
En el tema 1 se definieron los nmeros naturales. En el tema 4 ampliamos a los
enteros y en el tema 5 a los racionales. La ltima extensin la realizamos en el tema 6,
construyendo el cuerpo de los nmeros reales. Cada una de las sucesivas ampliaciones
surgi porque el conjunto original no era capaz de resolver una determinada ecuacin.
Ahora nos sucede lo mismo.
Partiendo del conjunto de los nmeros reales, nos encontramos que ecuaciones
como sta, x
2
+1=0, no tienen solucin. Ello es debido a que los nmeros negativos no
tienen raz cuadrada. Podemos generalizar este resultado a: los nmeros negativos no
tienen raz de ndice par.
Es decir
n
m ! con n par y m positivo. Es claro, ya que si existiera,
n
m ! = k,
entonces se debe verificar que (k)
n
=-m. Y sabemos por la regla de los signos, que la
potencia par de un nmero no es negativa.
Hemos de ampliar ! para que se puedan calcular dichas races. Eso nos dar el
conjunto de los nmeros complejos.
Ya en el siglo XVI se intent dar una solucin a este problema, definiendo el
smbolo 1 ! , que luego se representara con la letra i. Al nmero i se le consider un
nmero ficticio o imaginario, ya que no se poda calcular. Pero permita resolver
ecuaciones como x
2
+1 = 0 dando como resultado que x
2
+1 0 (x+i)(x-i), siendo i las
dos soluciones de la ecuacin.
Estos nmeros, como +i, -i o tambin 1+2i, 3-i,... recibieron el nombre de nmeros
complejos. Pero no fue hasta el siglo XIX cuando, tanto Gauss como Hamilton,
definieron de una forma precisa los nmeros complejos. Se definieron como pares de
nmeros reales, (a,b), con una serie de propiedades.
2. EL CUERPO DE LOS NMEROS COMPLEJOS.
DEF Llamaremos conjunto de los nmeros complejos a " = !x!.
Es decir "={(a,b) / a"!}
2.1. El grupo aditivo de los nmeros complejos.
DEF Definimos en " la operacin suma como +: "x"#"
$(a,b), (c,d)" " (a,b)+(c,d) = (a+c, b+d).
PROP La operacin suma definida anteriormente verifica las siguientes propiedades:
i) Asociativa.
3/20
ii) Conmutativa.
iii) Elemento neutro.
iv) Elemento simtrico u opuesto.
Dem
i) $(a,b), (c,d), (e,f)" "
[(a,b)+(c,d)]+(e,f) = (a+c, b+d) + (e,f) = ((a+c)+e, (b+d)+f ) =
como en ! se verifica la propiedad sociativa
= ( a+(c+e), b+(d,f) ) = (a,b) + (c+e, d+f) = (a,b) + [(c,d)+(e,f)]
ii) $(a,b), (c,d) "!
(a,b) + (c,d) = (a+c, b+d) =
como en ! se verifica la propiedad conmutativa
=(c+a, d+b) =(c,d) + (a,b)
iii) $(a,b)" "
Sabemos que 0"! es el neutro de la suma en !, $x"! x+0 = x.
Definimos (0,0)" ". Comprobamos que es el neutro:
(a+b)+(0,0) = a+0,b+0) = (a,b)
iv) $(a,b)" " %a,b"! % &-a, -b"! / a+(-a) = 0 y b+(-b) = 0.
Sea (-a, -b)" ". Comprobamos que es el opuesto:
Dado (a,b)" " &(-a,-b)" " con (a,b) + (-a,-b) = (a+(-a),b+(-b)) = (0,0).
Luego (-a, -b) es elemento opuesto de (a,b).
Conclusin:
El conjunto " con la operacin interna suma definida (",+) tiene estructura de
grupo abeliano. Recibe el nombre de grupo aditivo de los nmeros complejos.
PROP El grupo abeliano (",+) contiene a (!,+).
Dem
Sea ':(!,+)#( ",+) con $a"(!,+) % '(a) = (a,0)
4/20
- ' es inyectiva:
'(a) ='(b) %(a,0) = (b,0) % a=b.
- ' es homomorfismo:
'(a+b) = (a+b,0) = (a,0) + (b,0) = '(a) + '(b).
Luego (!,+)(( ",+).
2.2 El grupo multiplicativo de los nmeros complejos.
DEF Definimos en " la operacin producto como :"x"#"
$ (a,b), (c,d)" " (a,b)(c,d) = (ac-bd, ad+bc).
PROP La operacin producto definida anteriormente verifica las siguientes
propiedades:
i) Asociativa.
ii) Conmutativa.
iii) Elemento neutro.
iv) Elemento simtrico.
Dem
i) $(a,b), (c,d), (e,f)" "
[(a,b)(c,d)](e,f) = (ac-bd, ad+bc) =
= ( (ac-bd)e-(ad+bc)f, (ac-bd)f+(ad+bc)e) =
= (ace-bde-adf-bcf, acf-bdf+ade+bce) =
= (a,b)(cd-df,cf+de) = (a,b)[(c,d)(e,f)]
ii) $(a,b), (c,d)" "
(a,b)(c,d) = (ac-bd, ad+bc) = (ca-db, da+cb) = (c,d)(a,b)
iii) $(a,b)" "
(a,b)(x,y) = (a,b) % (ax-by, ay+bx) = (a,b) %
)
*
+
= +
= !
b bx ay
a by ax
%
5/20
,
)
,
*
+
= +
= !
2 2
2 2
b x b aby
a aby x a
% a
2
x+b
2
x = a
2
+b
2
% x=1.
Si x=1 % ax-by = a % -by=0 % b=0 y=0.
Pero % ay+bx = b % ay=0 % a=0 y=0.
Por tanto, si (a,b)-(0,0) % El neutro es (1,0)" ".
Por la propiedad conmutativa se verifica (a,b)(1,0) =(a,b) = (1,0)(a,b).
iv) $(a,b)" "* ("-* = "-{ (0,0) } )
(a,b)(x,y) = (1,0) % (ax-by, ay+bx) = (1,0) %
)
*
+
= +
= !
0
1
bx ay
by ax
%
,
)
,
*
+
= +
= !
0
2
2
x b aby
a aby x a
%(a
2
+b
2
)x = a % x=
2 2
b a
a
+
)
*
+
= +
= !
0
1
bx ay
by ax
%
,
)
,
*
+
= +
! = + !
0
2
2
abx y a
b y b abx
% (a
2
+b
2
)y = -b % y=
2 2
b a
b
+
!
Como (a,b)-(0,0) % a
2
+b
2
- 0.
Por tanto el elemento simtrico de (a,b) es
.
/
0
1
2
3
+
!
+
2 2 2 2
,
b a
b
b a
a
Conclusin:
El conjunto "* con la operacin producto, (",) tiene estructura de grupo
conmutativo. ("*,) recibe el nombre de grupo multiplicativo abeliano de los nmeros
complejos.
PROP El grupo ("*,) contiene a (!,).
Dem
Sea ':(!*,)#("*,) con $a"(!,) % '(a) =(a,0).
- ' es inyectiva:
'(a) ='(b) % (a,0) = (b,0) %a=b.
- ' es homomorfismo:
'(ab) = (ab,0) =(a,0) * (b,0) = '(a)'(b)
6/20
Luego (!*,) ( ("*,)
2.3. El cuerpo de los nmeros complejos.
Una vez visto que (",+) y ("*,) tienen estructura de grupo abeliano respecto de
sus operaciones, veamos como podemos relacionar la suma y el producto de los
nmeros complejos.
PROP En " se verifica la propiedad distributiva del producto respecto de la suma.
Dem
Hemos de probar que $(a,b), (c,d), (e,f)" " se verifica
[(a,b)+(c,d)](e,f) = (a,b)(e,f)+(c,d)(e,f).
Vemoslo:
[(a,b)+(c,d)](e,f) = (a+c, b+d)(e,f) = ((a+c)e-(b+d)f, (a+c)f+(b+d)e) =
= (ae+ce-bf-df, af+cf+be+de) = (ae-bf, af+be) + (ce-df, cf+de) =
=(a,b)(e,f) + (c,d)(e,f)
Conclusin:
Como (",+) es un grupo abeliano, ("*,) es un grupo abeliano, y se verifica la
propiedad distributiva del producto respecto de la suma, podemos afirmar que (",+,)
tiene estructura de cuerpo conmutativo. Diremos que " es el cuerpo de los nmeros
complejos.
3. INVERSN DE ! ! EN " ".
PROP El cuerpo (",+,) contiene a (!,+,).
Dem
Sea ': !#" con $a"! '(a) = (a,0).
En dos proposiciones previas ya comprobamos que:
- ' es inyectiva
- ' es homomorfismo
1) '(a+b) = '(a)+'(b)
2) '(ab) = '(a)'(b)
Como ya est visto, no lo vamos a volver a demostrar.
7/20
Como Im' = !x{0}, llamaremos nmeros reales a los nmeros complejos cuya
segunda componenete sea nula. Cuando sea al revs, primera componenete
nula,diremos que el nmero complejo es imaginario puro.
4. EL ESPACIO VECTORIAL DE LOS NMEROS COMPLEJOS.
Ya hemos visto que sobre el conjunto " tenemos definidos dos leyes internas, la
suma y el producto. Considerando slo la primera de ellas, (",+) es un grupo abeliano.
Ahora vamos a definir sobre (",+) una ley externa.
DEF Definimos sobre " la ley externa, llamada producto por un escalar, como :
!x"#" donde $x"! y $(a,b)" " x(a,b) = (xa, xb).
PROP La operacin producto por un escalar definida anteriormente verifica las
siguientes propiedades:
1) Distributiva del producto con respecto a la suma.
2) Distributiva de la suma con respecto al producto.
3) Pseudo asociativa.
4) Elemento unidad.
Dem
1) $x"! $(a,b), (c,d)" "
x[(a,b)+(c,d)]= x(a+c, b+d)= (x(a+c), x(b+d)) = (xa+xc, xb+xd) =
= (xa,xb)+(xc,xd) = x(a,b)+x(c,d)
2)$x,y"! $(a,b)" "
(x+y)(a,b) = ((x+y)a, (x+y)b) = (xa+ya, xb+yb) = (xa,xb)+(ya,yb)=
= x(a,b) + y(a,b)
3) $x,y"! $(a,b)" "
x(y(a,b)) = x(ya,yb) = (x(ya), x(yb)) = ((xy)a, (xy)b) = (xy)(a,b)
4) Dado 1"! $(a,b)" "
1(a,b) = (1a,1b) = (a,b)
Las demostraciones estn hechas por la izquierda siendo necesario realizarlas
tambin por la derecha. Como son anlogas, se omiten.
8/20
Conclusin:
El conjunto (",+,
!
) posee estructura de espacio vectorial sobre el cuerpo de los
reales. Esto da lugar a:
PROP " es isomorfo a !
2
.
Dem
Sea ': "#!
2
. Hemos de demostrar que ' es biyectiva.
5. REPRESENTACIN DE UN NMERO COMPLEJO EN FORMA
BINMICA.
Hasta ahora hemos estado viendo que los nmeros complejos son de la forma (a,b).
Teniendo en cuenta las definiciones de las diferentes operaciones sobre ",
El nmero (0,1)" " tiene como cuadrado (0,1)(0,1) =(-1,0).
Por tanto la raz cuadrada -1, 1 ! , es (0,1). A ese nmero imaginario lo
denotaremos por la letra i, (0,1)=i.
PROP $(a,b)" ", se puede escribir de forma nica como a+bi, considerando que
$x"! x4(x,0).
Dem
Dado un complejo cualquiera (a,b)
(a,b) = (a,0)+(0,b) = (a,0)+(b,0)(0,1) = a+bi.
Y es nico, ya que si (c,d) = a+bi % (c,d) = (a,b) % c=a y d=b.
DEF Dado un nmero complejo a+bi, diremos que est escrito en forma binmica.
DEF Se llama parte real de un nmero complejo, a+bi, y se denota por Re(a+bi), al
nmero a. Re(a+bi) = a, siendo Re: "#!.
DEF Se llama parte imaginaria de un nmero complejo a+bi, y se denota por Im(a+bi),
al nmero b. Im(a+bi)=b, siendo Im: "#!.
6. ORDEN EN " ".
PROP " no es un cuerpo ordenado.
Dem
Supongamos que " fuese un cuerpo ordenado, es decir que existiese ua relacin
9/20
de orden total, denotada por<.
Entonces, como 0"" y i"", por la relacin de orden deben ser comparables.
Si i>0 % al multiplicar esa desigualdad por s misma se obtiene i
2
>0 %
%como i
2
=-1, sustituyendo: -1>0 % si de nuevo multiplicamos esa desigualdad
por s misma (-1)
2
>0 % 1>0. Luego 1>0. (1).
Partiendo de la desigualda -1>0, si sumamos a ambos miembros 1"" se obtiene
(-1)+1>0+1 % 0>1. (2).
De (1) y (2) se llega a una contradiccin, luego i no es mayor estricto que 0.
Entonces si i no es mayor estricto que 0, debe darse i<0 (ya que sabemos i-0).
Comprobmoslo:
i<0 % i
2
>0 % -1>0 % (-1)
2
>0 % i>0. Pero si -1>0 %(-1)+1 >0+1 % 0>1.
De nuevo llegamos a una contradiccin % i no es menor estricto que 0.
Pero si 0 e i no son comparables es porque no tiene una relacin de orden con las
mismas propiedades que la relacin de orden definida en !.
Por tanto, la relacin de orden en ! no se puede extender a ".
Sabemos que " y !
2
son isomorfos. Entonces podemos definir en " una relacin
de
orden propia del producto cartesiano.
DEF Definimos en " la relacin 5 como sigue:
$(a,b), (c,d)" " (a,b)5(c,d) 6 a<c si a=c entonces b5d.
PROP La relacin 5 definida en " es una relacin de orden.
Dem
Para comporbar que 5 es una relacin de orden hemos de ver que verifica las
propiedades reflexiva, antisimtrica y transitiva.
1) Antisimtrica:
Dados (a,b), (c,d)" ". Sea (a,b)5(c,d) y (c,d)5(a,b).
10/ 20
Como (a,b)5(c,d) %
7
8
9
5 =
<
d b y c a
c a
(1)
Como (c,d)5(a,b) %
7
8
9
5 =
<
b d y a c
a c
(2)
Si a<c en (1) % no puede darse que c<a o c=a en (2), luego de ambas
expresiones se deduce que a=c.
Entonces de b5d en (1) y d5b en (2) se deduce que b=d. Y por tanto (a,b)=(c,d).
3) Transitiva.
Dado $ (a,b),(c,d)" ", sea (a,b)5(c,d) y (c,d)5(e,f)
(a,b)5(c,d) %
7
8
9
5 =
<
d b y c a
c a
(3)
(c,d)5(e,f) %
7
8
9
5 =
<
e c y e c
e c
(4)
Distingamos cuatro casos:
a) Si a<c de (3) y c<e de (4) %a<e %(a,b)5(e,f).
b) Si a<c y c=e con d5f % a<e % (a,b)5(e,f)
c) Si a=c y c<e % a<e % (a,b)5(e,f)
d) Si a=c con b5d y c=e con d5f % a=e y b5f %(a,b)5(e,f)
PROP La relacin de orden definida en " es de orden total.
Dem
$(a,b),(c,d)" " se verifica que a,b,c,d"!.
"omo en ! existe una relacin de orden total y los nmeros a y c son comparables
Si a<c % (a,b)5(c,d)
Si a>c % (c,d)5(a,b)
11/ 20
Si a=c % "omparamos b y d.
Si b<d % (a,b)5(c,d)
Si b=d % (a,b)5(c,d) y (c,d) 5(a,b)
Si b>d % (c,d)5(a,b)
Luego cualquier par de nmeros en " son comparables.
7. REPRESENTACIN GEOMTRICA DE LOS NMEROS COMPLEJOS. EL
PLANO COMPLEJO.
Sea V
2
el plano eucldeo de OXY con ejes ortogonales y sean 2 1 U y U los
vectores de la base ortogonal.
PROP La aplicacin ': "#V
2
dada por '(a+bi) = a 1 u +b 2 u es un isomorfismo de
espacios vectoriales.
A partir de la proposicin anterior, podemos identificar el nmero complejo a+bi
con el vector a 1 u +b 2 u .
DEF Llamamos afijo del complejo a+bi a un representante del vector a 1 u +b 2 u con
origen en 0 y extremo en (a,b).
b (a,b)
:
0 a
Ahora podemos relacionar los conceptos de mdulo y argumento de los vectores en V
2
con los nmeros complejos.
DEF Dado el nmero complejo a+bi, llamaremos mdulo del nmero complejo, y se
denota por |a+bi|, al nmero real positivo |a+bi|=
2 2
b a + .
DEF Dado el nmero complejo a+bi, llamaremos argumento del nmero complejo al
ngulo que forman los vectores 1 u y a 1 u +b 2 u .El argumento est definido mdulo 2;, y
es nico. Se representa por arg(a+bi).
8. NMEROS COMPLEJOS CONJUGADOS.
Notacin: Vamos a representar a los nmeros complejos de la forma z"" con z=a+bi.
12/ 20
DEF Llamamos conjugado de un nmero complejo z=a+bi, y se denota por z , al
nmero z =a-bi.
PROP La aplicacin ':"#" con '(z)= z es un automorfismo que deja invariantes a
los elementos de !.
Dem
Sean z y z nmeros complejos con z=a+bi y z=a+bi.
-' es inyectiva:
'(z) = '(z) %a-bi = a-bi % a=a y b=b % a+bi =a+bi % z=z
-' es suprayectiva.
Dado c+di"" como d"! % &(-d) opuesto de d % '(c-di) = c+di.
Entonces ' es biyectiva.
-' es homomorfismo.
'(z+z) = '(a+a+(b+b)i) = a+a-(b+b)i = a+bi+a-bi = z + z = '(z)+'(z)
'(zz)= '((a+bi)(a+bi)) = '((aa-bb)+(ab+ab)i) = (aa-bb)-(ab+ab)i =
(aa-bb)+(-ab-ab)i = (a-bi)(a-bi) = z z = '(z)'(z).
-' es involutivo ('
2
=1
ID
)
'
2
(z) = '
2
(a+bi) = '('(a+bi)) = '(a-bi) = a+bi = z.
-' deja invariantes los elementos de !.
$x"! sea x = z = x+0i
'(x) = '(x+0i) = x-0i = x % '(x) = x
PROP Se verifica:
1) Re( z ) = Re(z).
2) Im( z ) = -Im(z).
3) Re(z) = ) (
2
1
z z + .
13/ 20
4) Im(z) = Im ( ) (
2
1
z z + ).
Dem
Sea z"" con z=a+bi.
1) Re( z )=a y Re(z)=a % Re( z )=Re(z)
2) Im( z ) = -b y Im(z)=b %Im( z )=-Im(z)
3) ) (
2
1
z z + =
2
1
(a+bi+a-bi =
2
1
2a = a=Re(z).
4) ) (
2
1
z z ! =
2
1
(a+bi-a+bi) =
2
1
2bi=bi % Im(z) = Im
.
/
0
1
2
3
! ) (
2
1
z z
PROP 1) Un nmero complejo es real 6 z= z
2) Un nmero complejo es imaginario 6z+ z =0.
Dem
1) "%" Si z es real, '(z)=z %z =z
"<" Si z= z % a+bi = a-bi % a=a y b=-b % 2b = 0 % b=0, luego z=a que es
real.
2)"%" Si z es imaginario %z=bi %z+ z =bi+(-bi) = 0
"<" Si z=a+bi % z+ z =0 es (a+b)+(a-bi) = 0 % 2a=0 %a=0%z=bi.
PROP Los nicos automorfismos de " que dejan invariantes los nmeros reales son la
identidad y '.
Dem
Sea ': "#" un automorfismo de " que deja invariante a !.
Como ' es un homormorfismo '(a+bi) = a+b'(i).
Sabemos que i
2
=-1 y como ' deja invariantes los nmeros reales, se verifica que
'(i
2
)=-1.
Pero '(i
2
) = 'ii)='(i)'(i) = '(i)
2
Luego '(i)
2
=-1 % '(i)=i '(i)=-i.
14/ 20
Si '(i)=i % '(a+bi) = a+bi %'=1
ID
Si '(i)=- i % '(a+bi) = a-bi %'='
PROP z z =a
2
+b
2
Dem
Sea z=a+bi %z z = (a+bi)(a-bi)=a
2
+b
2
+abi-abi = a
2
+b
2
COROLARIO Dado z=a+bi"", su inverso es
2 2
1
b a
bi a
z +
!
=
Dem
2 2

1
b a
bi a
z z
z
z +
!
= =
9. VALOR ABSOLUTO EN " ".
En el punto 7 hemos definido el mdulo de un nmero complejo z=a+bi como
|z|=
2 2
b a + .
PROP |z|= z z
Dem
Como z z =a
2
+b
2
% |z|
2
=z z % |z|= z z
Este resultado lo podramos haber dado como definicin del mdulo de z.
PROP El valor absoluto definido en " verifica $z,z""
1) |z|=0
2) |z|=0 6 z=0.
3) |zz| = |z||z|
4) |z+z| 5 |z|+|z|
Dem
1) |z| =
2 2
b a + =0 ya que sabemmos $x"! x
2
=0
15/ 20
2) "%" |z|=0 % |z|
2
=0 % a
2
+b
2
=0% a=b=0 % z=0
"<" Si z=0 % z=0+0i % |z|=
2 2
0 0 + =0
3) |zz|
2
= (zz) ( ) z z = zz z z = z z z z = |z|
2
|z|
2
Si |zz|
2
"|z|
2
|z|
2
por 1) |zz| = |z||z|
4) |z+z|
2
=(z+z)( z z ) = (z+z)( z + z )=z z +z z +z z +z z =
= |z
2
| + |z|
2
+z z +z z =
Si z=a+bi y z=a+bi %zz = (a+bi)(a-bi) = aa+bb-abi+abi =
= (aa+bb)+(ab-ab)
z z= (a-bi)(a+bi) = (aa+bb)+(ab-ab)i
Luego z z = z z % z z +z z = 2Re(z z )
= |z|
2
+|z|
2
+2Re(z z ) 5 Re(zz) 5 |Re(zz)| 5|z z | = |z||z| 5
5 |z|
2
+|z|
2
+2|z||z| = (|z|+|z|)
2
% |z+z| 5 (|z|+|z|)
2
% |z+z| 5 |z|+|z|
Conclusin: El valor absoluto as definido extiende de manera natural el valor absoluto
definido en !.
COROLARIO $z
i
"" con i: 1,...,m se verifica |z
1
+z
2
+...+z
n
| 5 |z
1
|+|z
2
|+...+|z
n
|
Dem
La demostracin se realiza por induccin, aplicando el punto 4 de la proposicin
anterior.
PROP El conjunto U={z"" / |z|=1} es un grupo multiplicativo.
Dem
Para comprobar que U es un subgrupo de "*, basta ver que $z
1,
z
2
"U% z
1,
z
2
-1
"U
|z
1,
z
2
-1
| = | z
1
|
| |
1
2
z
=11=1 % z
1,
z
2
-1
"U % U es un subgrupo de "*.
COROLARIO Todo nmero complejo z"" puede escribirse como z = | z|u con u"U.
16/ 20
10. REPRESENTACIN DE UN NMERO COMPLEJO EN FORMA POLAR
Y TRIGONOMTRICA.
Cuando vimos la representacin geomtrica de un nmero complejo establecimos
los siguientes resultados; dado un complejo z= a+bi:
1) z=a+bi se puede escribir como a 1 u +b 2 u .
2) El mdulo de z es |z|=
2 2
b a + .
3) El argumento de z es el ngulo que forman 1 u y a 1 u +b 2 u mdulo 2;.
PROP Todo nmero complejo queda completamente determinado por su mdulo y su
argumento.
DEF Diremos que un nmero complejo z"", est representado en forma
trigonomtrica si z=r(cos:+isen:) con r=|z| y :=arg(z).
DEF Diremos que un nmero complejo z"" est representado en forma polar si z=r
:
y
:=arg(z).
Por la proposicin anterior, las frmulas de paso de forma binmica a polar son
r=
2 2
b a + y :=arctg
a
b
y las frmulas de paso de forma polar a binmica.
a=rcos: y b=rsen:
10.1 Operaciones con nmeros complejos en forma polar y trigonomtrica.
Utilizando la forma trigonomtrica de los nmeros complejos, es posible realizar la
operacin de producto de nmeros complejos sin tener que emplear la frmula que
vimos. Se utiliza la forma polar para que la represntacin sea ms compacta.
a) Producto.
PROP Dados z
1
y z
2
nmeros complejos con z
1
=r
1:1
y z
2
=r
2:2
se veerifica que
z
1
z
2
= (r
1
r
2
)
:1+:2
.
Dem
Para la demostracin usaremos la forma trigonomtrica.
z
1
z
2
=r
1
(cos:
1
+isen:
2
)r
2
(cos:
2
+isen:
2
) =
= r
1
r
2
(cos:
1
cos:
2
- sen:
1
sen:
2
+i(cos:
1
sen:
2
+ sen:
1
cos:
2
)) =
17/ 20
= r
1
r
2
(cos(:
1
+:
2
)+isen(:
1
+:
2
)) = (r
1
r
2
)
:1+:2
.
COROLARIO Sean z
i
"" con i:1,...,n nmeros complejos con z
i
=r
i:i
$i: 1,...,n.
Entonces
>
.
.
/
0
1
1
2
3
=
=
? ?
= =
n
i
i
n
i
i
n
i
i
r z
1
1 1
!
.
Dem
Se demuestra utilizando el mtodo de induccin y aplicando la proposicin anterior.
b) Potencia.
TEOREMA. FRMULA DE MOIVRE.
Dado z"" y n"Z, z
n
=(r
n
)
n:
.
Dem
Para n"N ya est demostrado por el corolario anterior.
Para n=-1, z
-1
=
!
! !
! !
!
! !
= ! =
!
= = ) ( ) (cos
) (cos

1
1 1
2
r isen r
r
isen r
z z
z
z
Para n<-1 z
n
=(z
-n
)
-1
con -n"N % z
n
=(z
-n
)
-1
=[r
-n
(cos(-n:)+isen(-n:))]
-1
=
Aplicando el caso anterior: r
n
(cosn:+isen n:)=(r
n
)
n:
c) Divisin.
COROLARIO Dados z
1
y z
2
nmeros complejos con z
1
=r
1:1
y z
2
=r
2:2
se verifica que
2 1
2
1
2
1
! ! !
.
.
/
0
1
1
2
3
=
r
r
z
z
.
Dem
Aplicando la frmula de Moivre para obtener el inverso de un nmero complejo.
2
1
z
z
=z
1
z
2
-1
= r
1:1
(r
2
-1
)
-:2
= (r
1
r
2
-1
)
:1-:2
=
2 1
2
1
! ! !
.
.
/
0
1
1
2
3
r
r
d) Races.
PROP Sea z=r
:
un nmero complejo. Si z=r
:
es otro nmero complejo tal que
n
z z = entonces
n
r r = y :=
n
k" ! 2 +
.
18/ 20
Dem
Si
n
z z = % z=(z)
n
% r
:
=(r
:
) % r
:
=(r
n
)
n:
% r=r
n
y :+2k;=n: %
ecordemos que arg(z) es un valor comprendido entro 0 y 2; mdulo 2;.
% r=
n
r y :=
n
k" ! 2 +
. El valor de k vara entre k"{0,...,n-1} ya que
Si k=0 % :
0
=
n
!
Si k=n % :
n
= "
! " !
2
2
+ =
+
n n
n
.
Luego :
0
=:
n
.
Por tanto el nmero complejo z tiene n races n-simas y son z
1
,z
2
,...,z
n-1
con
z
i
= ( )
n
i
n
r " ! 2 + con i:0,1,...,n-1.
11. APLICACIONES DE LOS NMEROS COMPLEJOS.
11.1. Resolucin de ecuaciones polinmicas de 2 grado.
Toda ecuacin polinmica de 2 grado de la forma ax
2
+bx+c=0 con a,b,c"! puede
resolverse formalmente, siendo las soluciones
a
ac b b
x
s
2
4
2
! !
= .
Si b
2
-4ac=0, las soluciones son reales.
Si b
2
-4ac<0, hemos de introducir los complejos, siendo las soluciones
a
i b ac b
x
s
2
4
2
! !
= .
Si las dos soluciones son complejas, una es la conjugada de la otra.
11.2. Aplicaciones geomtricas.
Recordemos que existe una aplicacin biyectiva entre V
2
y ", siendo z=a+bi el
vector a 1 u +b 2 u , con { 1 u , 2 u } base ortonormal de V
2
. Por tanto, identificaremos los
nmeros complejos con vectores de V
2
, abusando de la notacin.
11.2.1. Traslaciones.
Sea v"" con v=v
1
+v
2
i.
19/ 20
Definimos '
v
: "#" como $z"" '
v
(z)=z+v.
Si z=a+bi % '
v
(z)=(a+v
1
)+(b+v
2
)i.
Entonces, como '
v
(z)" ", '
v
(z)=x+yi y por tanto
)
*
+
+ =
+ =
2
1
v b y
v a x
La aplicacin '
v
con v"" recibe el nombre de traslacin de "vector v" en el plano
complejo.
11.2.2. Giros.
Sea U={z"" / |z|=1}. Tomemos u"U.
Definimos @
U
: "#" como z"" @
U
(z)=Uz
Si za+bi=r
:
y U=1
A
% @
U
(z)=r
:+A
Se obtiene un nmero complejo con el mismo mdulo.
La aplicacin @
U
recibe el nombre de giro de ngulo A(siendo u=1
A
).
11.2.3. Homotecias con centro el origen.
Sea k"!*. Definimos B
k
: "#" como $z"" C
k
(z)=kz.
Si z=a+bi y '
k
(z)=x+yi se verifica
)
*
+
=
=
kb y
ka x
.
La aplicacin B
k
con k"!* recibe el nombre de homotecia de centro 0 y razn k en
el plano complejo.
Si componemos '
v
y B
k
en cualquier orden, obtenemos aplicaciones del tipo
D:"#" con z"" D(z)=kz+w k"!* y w"".
('
v
o B
k
)(z) = '
v
(B
k
(z)) = '
v
(kz) = kz+v.
(B
k
o '
v
)(z) = B
k
('
v
(z)) = B
k
(z+v) = k(z+v) = kz+kv = kz+w
La aplicacin D recibe el nombre de homotecia de razn k y centro w(entendiendo
por centro w, el afijo del nmero complejo w).
11.2.4. Semejanzas con centro en el origen.
Una semejanza con centro en el origen es la composicin de una homotecia con
centro en el origen y un giro.
20/ 20
Basta pues componer '
v
y B
k
en cualquier orden, ya que el resultado ser el mismo.
OBS (B
k
@
v
)(z) = kuz = (@
v
B
k
)(z)
Y como u=1
A
y k"!* % ku escrito en forma polar es k
A
.
Por tanto, si z=ku % B
k
@
v
=
z
y
z
: "#" con
z
=zz.
Podemos extender este resultado para obtener una semejanza con origen en un punto
arbitrario. Basta componer una semejanza con origen en cero con una traslacin de
vector v. Dar lugar a una aplicacin E: "#" con E(z)=zz+v y z,v"".
BIBLIOGRAFIA RECOMENDADA.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos.
Anlisis Matemtico. Aut. M. de Guzmn B. Rubio. Ed. Pirmide.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill.
Introduccin al Anlisis Matemtico. Aut. J. M. Ortega. Ed. Labor.
Curso de Anlisis Matemtico I. Aut. E.L. Lima. Ed. Edunsa.
1/15
TEMAS DE MATEMTICAS
(oposiciones de secundaria)
TEMA 10
SUCESIVAS AMPLIACIONES DEL CONCEPTO DE NMERO. EVOLUCIN
HISTRICA Y PROBLEMAS QUE RESUELVE CADA UNA.
1. Introduccin.
2. Desarrollo histrico del concepto de nmero.
2.1. El Hombre de Cromaon.
2.2. Los Sumerios.
2.3. Los Semitas.
2.4. Los Egipcios.
2.5. Los Griegos.
2.5.1. La Numeracin tica.
2.5.2. La Numeracin Jnica o Alfabtica.
2.5.3. Aportaciones de los Griegos.
2.6. Los Romanos.
2.7. Los Hebreos.
2.8. Los Chinos.
2.8.1. Sistema Multiplicativo,
2.8.2. sistema Posicional.
2.9. Los Hindes.
2.10. Los rabes.
2.11. Los Mayas.
3. Sucesivas ampliaciones del concepto de Nmero.
3.1. Los Nmeros Naturales.
3.2. Los Nmeros Enteros.
3.3. Los Nmeros Racionales.
3.4. Los Nmeros Reales.
3.5. Los Nmeros complejos.
2/15
TEMA 10
SUCESIVAS AMPLIACIONES DEL CONCEPTO DE NMERO. EVOLUCIN
HISTRICA Y PROBLEMAS QUE RESUELVE CADA UNA.
1. INTRODUCCIN.
Habitualmente, presentamos los diferentes conjuntos de nmeros de una manera
didctica. Construimos los conjuntos y los dotamos de unas propiedades. Luego,
planteamos un problema tal que su solucin es la construccin de un nuevo conjunto
que ample el anterior. Comenzamos con el conjunto de los nmeros naturales, que es
un semianillo abeliano. La ecuacin x+a=b con a>b no tiene solucin. Ampliamos con
el conjunto de los nmeros enteros, que es un anillo conmutativo con elemento unidad.
La ecuacin ax=b con a no divisor de b no tiene solucin. Aparece el conjunto de los
nmeros racionales, que tiene estructura de cuerpo. Y resulta que el nmero ! que todos
conocemos, o el nmero 2 que es la diagonal del cuadrado de lado 1, no estn en ese
conjunto. Se ampla con los nmeros irracionales, formando el conjunto de los reales. Y
por ltimo, este conjunto no soluciona la ecuacin x
2
+1=0. Realizamos la ltima
ampliacin, apareciendo el conjunto de los nmeros complejos.
En este tema, vamos a ver la evolucin histrica que ha habido del nmero. Y no
coincide con la didctica. En ambas comenzaremos por el nmero natural, ya que ste
surge debido de la necesidad humana de contar. Desde que el hombre se puede
considerar como tal, ha existido dicha necesidad. Pero a partir de aqu todo lo dems es
diferente. El nmero cero surge mucho despus que otros, las fracciones aparecen antes
que los negativos, etc. Para ver esta evolucin histrica, repasaremos los
descubrimientos que han realizado las civilizaciones ms importantes, en orden
cronolgico.
En la segunda parte del tema trataremos las sucesivas ampliaciones del concepto de
nmero y veremos que problemas resuelve cada una de ellas.
2. DESARROLLO HISTRICO DEL CONCEPTO DE NMERO.
Antiguamente, se defina la matemtica como la ciencia del nmero, la magnitud y
la forma. Estos conceptos comenzaron a desarrollarse primero a partir de diferencias y
contrastes entre elementos del entorno del hombre primitivo, y luego a partir de
semejanzas.
El primer procedimiento aritmtico de la historia comenz con el artificio que
llamamos correspondencia biunvoca miembro a miembro. Este procedimiento permita
a cualquier persona la posibilidad de comparar dos conjuntos, aunque no tuviesen la
misma naturaleza. Se evitaba as contar de forma abstracta, ya que no se saba.
2.1. El Hombre de Cromaon.
Los dedos de la mano pueden utilizarse fcilmente para representar conjuntos de
hasta 5 10 elementos (dependiendo de s se usan una o las dos manos) y hasta 20
aadiendo los dedos de los pies. Cuando los dedos eran insuficientes, se recurran a
otros mtodos, como era usar montones de piedras, de conchas o de cualquier otro
3/15
elemento. Los montones eran grupos de cinco o diez piedras, lo cual significaba que
empezaban a utilizar, sin saberlo, un sistema quinario o decimal, como consecuencia de
contar con una o dos manos.
Pero estos montones eran un mtodo efmero de conservar informacin. As que
comenzaron a realizar muescas en huesos. Est comprobado que el hueso o pedazo de
madera tallado, es el mtodo ms utilizado en la historia de la contabilidad. Los restos
ms antiguos datan del 35.000 - 20.000 a.C. Las muescas podan representar un censo
de personas, cosas o animales. O estar hechas por un guerrero y representar sus armas.
O por un cazador y llevar as la contabilidad de las piezas de caza.
2.2. Los Sumerios.
La primera escritura conocida apareci poco antes de finales del IV milenio en el
pas de Sumer, situado en la baja Mesopotamia, entre las cuencas inferiores de los ros
Tigris y Eufrates. La escritura se realizaba en tablillas de arcilla, que eran el papel de
la poca.
Esas tablillas se utilizaban para realizar anotaciones de cantidades asociadas a
diversas clases de mercancas, siendo las primeras actas contables que se conocen.
Veamos como se realizaban dichos apuntes.
Los sumerios contaban utilizando la base 60 (sistema sexagesimal) en lugar de la
base quinaria o decimal. Todava quedan restos de esa base, por ejemplo en la forma de
medir un ngulo o en la medida del tiempo.
La utilizacin de la base 60 implicaba el conocimiento de 60 signos y palabras
distintas para nombrar a los nmeros del 1 al 60 (todava no se conoca el cero). Esto se
resolva usando el 10 como unidad auxiliar. As, se tenan diez palabras para los
nmeros del 1 al 10. El sistema da nombre a los mltiplos de 10 hasta el 60 incluido. El
60 implica un nuevo orden. Del 60 se alcanza el 600. Del 600 al 3600. Y as
sucesivamente. La forma de obtener las unidades del sistema eran 1 10 60 (10x6)
600 (10x6x10) 3600 (10x6x10x6) 36000 (10x6x10x6x10)...
Pero, Cmo se escriban estos nmeros que ya tenan nombre?. Los sumerios
asignaron a cada numero de la serie anterior (1, 10, 60, 600, 3600, 36000, 216000) un
smbolo. Al principio, entre los aos 3.200 3.100 a.C. las cifras se representaban
mediante unos smbolos dispuestos verticalmente. A parir de la primera mitad del III
milenio a.C. cambiaron a una disposicin horizontal. Y en el siglo XXVII a.C. apareci
la escritura cuneiforme, debido simplemente a un cambio en el instrumento de escritura.
El sistema se basaba en el principio aditivo. Los nueve primeros nmeros naturales
se representan repitiendo el signo de la unidad tantas veces como sea preciso; los
nmeros 20, 30, 40 y 50 repitiendo el de las decenas; los nmeros 120, 180, etc.
repitiendo el signo de la sesentena, y as sucesivamente.
Era bastante usual que esta forma de escritura exigiera repeticiones desmesuradas de
signos. As, para representar el nmero 3599 se empleaban 26 cifras. Por tanto, surgi el
mtodo sustractivo, representando, por ejemplo el 9 como 10 1. Apareci un nuevo
signo que equivala a nuestro signo menos actual.
4/15
Fig. 1. Evolucin grfica de las cifras de origen sumerio
2.3. Los Semitas.
Por semitas, entendemos varios pueblos diferentes, como los acadios, los asirios, los
babilonios y otros ms. Cuando estos pueblos (por el orden en que los hemos
nombrado) llegaron a Sumeria, se produjo un cambio en los sistemas de numeracin. Se
produjeron tres etapas fundamentales, debido a que los semitas utilizaban un sistema
decimal.
La primera etapa corresponde a una asimilacin por los acadios de la cultura
sumeria, adoptando el sistema sexagesimal. En la segunda etapa, se produce la
convivencia de los sistemas sexagesimal y decimal. Y en la tercera etapa, se elimina por
completo el sistema sexagesimal.
A pesar de lo dicho anteriormente, en la poca babilnica, los eruditos utilizaban un
sistema de numeracin posicional muy parecido al nuestro. Slo se diferenciaba en que
la base usada era la 60. Es difcil determinar con precisin cuando se produjo, pero en
esta poca apareci el primer cero, para significar la ausencia de unidades
sexagesimales de cierto rango. Cada vez que faltaba una potencia de 60, representaban
mediante este smbolo la ausencia de la misma, en lugar del espacio vaco. El smbolo
tena la significacin de vaco, pero todava no estaba pensado en el sentido de nada.
5/15
2.4. Los Egipcios.
Casi al mismo tiempo que en Mesopotamia, los egipcios inventaron un sistema de
numeracin, hacia el 3.000 a.C. Aunque haba contacto con los sumerios, el sistema que
se desarroll no fue tomado de ellos, sino que es autctono de los egipcios. El sistema
es decimal, pudiendo representar nmeros superiores a 10
6
. De hecho, posean
jeroglficos para representar el 1 y las seis primeras potencias de 10.
Fig. 2. Cifras fundamentales de la numeracin
jeroglfica egipcia y variantes
Esta notacin era una manera de representar por escrito la forma de contar que
tenan desde pocas arcaicas. Consista en escribir los nmeros por alineacin o
acumulacin de objetos (piedras, conchas, guijarros, etc.) asociados cada uno de ellos al
orden de la unidad utilizada.
Fig. 3. Representacin de unidades consecutivas de
cada orden decimal.
Los hombres de la edad de piedra no representaron las fracciones, ya que no tenan
necesidad de ellas. Fue en la edad del Bronce, al adquirir algunos pueblos un nivel
cultural ms elevado, cuando apareci dicha necesidad. En los jeroglficos egipcios
encontramos inscripciones que representan fracciones unitarias. Las fracciones
6/15
unitarias son aquellas cuyo numerador es 1. Para representarlas se utilizaba un
jeroglfico con forma de boca situado encima del nmero que acta como denominador.
Algunas fracciones, como ! ", tenan smbolos especiales.
Fig. 4. Ejemplos de Fracciones Egipcias.
En Egipto exista otra notacin numrica diferente de la que hemos descrito. Era
utilizada por los escribas y se llamaba escritura hiertica. Los escribas, desde el
principio de las dinastas faranicas, simplificaron el trazo, dando lugar a signos
distintos de los jeroglficos, con el paso del tiempo.
2.5. Los Griegos.
Los griegos emplearon varios sistemas de numeracin a lo largo de su historia.
Veamos los ms importantes.
2.5.1. La Numeracin tica.
Este tipo de numeracin atribuye un signo grfico diferente a cada uno de los
nmeros 1, 5, 10, 50, 100, 500, 1.000, 5.000, 10.000, 50.000 y emplea el principio de
adicin.
Fig. 5. Sistema de notacin numrica de
inscripciones del tica.
Este sistema presenta una particularidad: exceptuando a la unidad, los smbolos que
sirven para representar el 5 y las potencias de 10 corresponden a la inicial del nombre
griego que sirve para nombrarlas, o es una combinacin de esas letras numerales. Es lo
que se llama el principio de acrofona. Los smbolos 50, 500, 5.000 y 50.000 se denotan
mediante signos que siguen el principio multiplicativo. Para quintuplicar una potencia
7/15
de 10 bastaba con incluir el smbolo que representa dicha potencia dentro del smbolo
que representa al 5.
2.5.2. La Numeracin Jnica o Alfabtica.
Este sistema de numeracin es en base 10 y aditivo. Existen smbolos para las cifras
del 1 al 9, del 10 al 90 (slo mltiplos de 10) y del 100 al 900 (slo mltiplos de 100).
En total son 27 smbolos.
Cuando el nmero a escribir era superior a 1.000, slo tenan que escribir un nmero
y precederlo del acento. Eso indicaba que dicho nmero estaba multiplicado por 1.000.
As, se podan representar todos los nmeros inferiores a 10.000 con tan slo cuatro
smbolos.
Los 27 smbolos que se usaban correspondan con el alfabeto griego. El alfabeto
actual slo tiene 24 letras, pero se utilizaba el arcaico, que dispona de tres ms.
2.5.3. Aportaciones de los Griegos.
Los griegos tambin utilizaban fracciones. Comenzaron, al igual que los egipcios,
con fracciones unitarias, escribiendo el nmero y a continuacin un acento o seal
diacrtica. Poco despus comenzaron a usar fracciones de cualquier tipo.
Establecieron la equivalencia de fracciones, a partir de las proporciones. Esto surgi
debido al inters de convertir un rectngulo de lados a y b en un cuadrado, para lo que
se precisaba resolver
b
x
x
a
=
Uno de los fundamentos del pitagorismo era explicar todas las cosas por medio de
las propiedades de los nmeros naturales y de sus razones. Todo esto se vino abajo
cuando descubrieron que haba elementos, como la diagonal de un cuadrado de lado 1,
que no eran medibles. A esos nmeros se les llam inconmensurables. Posteriormente,
Euclides, en el Libro X de Los Elementos realiza una clasificacin de los nmeros
inconmensurables o irracionales.
2.6. Los Romanos.
Las cifras romanas, al igual que algunos sistemas de numeracin precedentes, no
permitieron a sus usuarios realizar clculos. Ello es debido a que son abreviaturas
destinadas a anotar y retener nmeros.
Inicialmente, la numeracin romana se rega por el principio de adicin.
Posteriormente complicaron el sistema introduciendo una regla. Todo signo numrico
colocado a la izquierda de una cifra de valor superior se resta. As consiguieron no
repetir ms de tres veces el mismo signo.
Las cifras romanas nacieron mucho antes que la civilizacin romana. Provenan de
los etruscos, y en general, de pueblos itlicos. Y estas, a su vez, tenan su origen en las
griegas.
8/15
Si nos fijamos, la cifra ms alta es M que representa 1.000. Para representar
nmeros grandes, surgieron varias iniciativas. La que ms importancia tuvo fue la que
consista en multiplicar por 1.000 toda expresin numrica que tuviese encima una barra
horizontal.
2.7. Los Hebreos.
En la poca real (s. X-VI a.C.) los hebreos utilizaron las cifras hierticas egipcias,
desde la dominacin persa a la poca helenstica (s. V-II a.C.) fueron las cifras arameas,
y durante los primeros siglos de la era cristiana, gran parte de ellos manejaban las letras
numerales griegas.
Para justificar esos cambios, hemos de saber que el pueblo de Israel, aunque
desempe un papel de primer orden en la historia de las religiones, ha sufrido durante
toda su historia las influencias de sus pueblos vecinos, ya fuesen aliados, huspedes o
conquistadores.
2.8. Los Chinos.
En China coexistieron dos esquemas de notacin numrica. En el primero de ellos
predominaba el principio multiplicativo y en el otro se utilizaba un sistema de notacin
posicional.
2.8.1. Sistema Multiplicativo.
Para expresar los nmeros utilizan un sistema decimal formado por 13 signos que
corresponden a las nueve unidades y a las primeras cuatro potencias de 10.
Fig. 6. Los 13 signos numricos chinos.
A la hora de representar un nmero,
los chinos proceden por adicin y
multiplicacin a la vez. Por ejemplo:
Fig. 7. Representacin de un nmero
Debido a la influencia china, los pueblos limtrofes adoptaron sistemas de
numeracin iguales o muy similares. Entre ellos tenemos a los japoneses, los habitantes
del reino de Anam (antiguo Vietnam), etc.
Para representar los nmeros grandes, los chinos no necesitaron aadir ningn
smbolo nuevo a los trece que ya disponan para poder escribir nmeros hasta 10
11
.
9/15
Consista en considerar la decena de millar como una nueva unidad de cuenta. As,
representaban los nmeros compuestos de la siguiente forma:
Fig. 8. Representacin de un nmero grande compuesto.
2.8.2. Sistema Posicional.
Se dispone de documentacin de este mtodo del siglo II a.C. Es un sistema anlogo
a nuestra numeracin moderna. Es en base 10 y el valor de sus cifras viene determinado
por la posicin que ocupan.
Se utilizan 18 smbolos, para representar los dgitos del 1 al 9 y los 9 primeros
mltiplos de 10. La ausencia de un smbolo para indicar las unidades ausentes poda
producir confusin. Inicialmente se dejaban espacios en blanco, pero despus se idearon
otros mtodos. Uno de ellos fue disponer los smbolos en cuadrculas, de tal manera que
una cuadrcula vaca significaba ausencia de cifra.
Conocan bien las fracciones, siendo capaces de obtener el mnimo comn
denominador de varias de ellas. Pero tenan preferencia por su escritura decimal. Los
nmeros negativos tambin fueron usados por los chinos, y probablemente sin muchos
problemas, ya que estaban acostumbrados a calcular utilizando dos tipos de varillas,
unas de color rojo para los positivos y otras de color negro para los negativos.
Tambin estudiaron a fondo el nmero !, dando una aproximacin de l que no se
vio superada hasta el siglo XV.
Fue en el siglo VIII d.C. cuando los sabios chinos introdujeron un signo especial
para escribir la ausencia de unidades (representado por un pequeo crculo). La idea, sin
lugar a dudas, la tomaron de los matemticos de la civilizacin India.
Es a partir de este momento cuando comenzaron a representar nmeros
fraccionarios e irracionales de una forma similar a la actual occidental.
2.9. Los Hindes.
El sistema de numeracin hind es el que hemos heredado hoy en da. Comenzaron
en el siglo III a.C. con nueve cifras, propias de la escritura brahmi. Hasta los siglos VI y
VII d.C. el principio de notacin numrica fue muy rudimentario. Se trataba de una
notacin en base decimal en la que utilizaban el principio de adicin, atribuyendo un
signo grfico para cada uno de los nmeros siguientes:
1 2 3 4 5 6 7 8 9
10 20 30 40 50 60 70 80 90
100 200 300 400 500 600 700 800 900
1000 2000 3000 4000 5000 6000 7000 8000 9000
10000 20000 30000 40000 50000 60000 70000 80000 90000
10/15
Se cree que el sistema de numeracin posicional y el concepto de cero aparecieron
en el siglo V d.C. ya que el documento Lokavibhaga (tratado de cosmologa) as lo
demuestra. De hecho, el propio documento indica que apareci el Lunes 25 de Agosto
de 458. Y fue en el ao 510 cuando el astrnomo indio Aryabhata inventa una notacin
numrica que precisa de un conocimiento perfecto del cero y del principio de
posicionamiento en base decimal. Esta notacin le permite realizar fcilmente races
cuadradas y cbicas.
En el ao 628, el matemtico y astrnomo Brahmagupta utiliza asiduamente este
sistema de numeracin posicional. Describe mtodos de clculo con las 9 cifras y el
cero (muy similares a los actuales). Da las reglas algebraicas fundamentales, de
nmeros positivos y negativos, en las que el cero est presente como concepto
matemtico, y define el infinito matemtico como el inverso del cero. Fue en este
momento cuando se formaliza el uso de los nmeros negativos.
En el ao 875-876 se realizan las inscripciones de Gwalior. Son inscripciones en
piedra propiamente indias donde aparece por primera vez el cero en forma de un
pequeo crculo.
2.10. Los rabes.
Un siglo despus de la muerte del profeta Mahoma, los rabes del Islam haban
conquistado un vasto imperio. En el siglo VIII se extenda desde los Pirineos hasta
China. Es normal entonces, que un pueblo salido de las arenas del desierto de Arabia,
asimilara rpidamente la cultura de los pueblos conquistados.
En lo que se refiere a su sistema de numeracin, conocieron varios (egipcio,
babilonio, griego, etc.) pero termin imponindose el hind, ya que era mucho ms
sencillo para escribir y para realizar operaciones que los dems. Fueron ellos los que
trajeron al mundo occidental la forma de escritura que tenemos actualmente de los
dgitos del 0 al 9. Y esta forma de escritura provena de la escritura Brahmi.
Fig. 9. Genealoga de nuestros dgitos
11/15
Los primeros en usar esta forma de numeracin fueron los rabes orientales, que
tenan como capital Bagdad. Gracias a las peregrinaciones a La Meca, alrededor del
siglo IX se extendi al resto del Islam, alcanzando el arco mediterrneo. As fue como
entr en Europa el sistema de notacin numrica posicional, el cero y las reglas
aritmticas con nmeros negativos de los hindes.
2.11. Los Mayas.
Los Mayas fueron un pueblo que por su situacin no pudieron recibir influencias del
resto de las civilizaciones aqu descritas. Los mayas contaban en base 20 debido a la
costumbre que haban adquirido de contar no slo con los dedos de las manos sino
tambin con los de los pies.
A pesar de trabajar en base 20, no
tenan necesidad de 20 smbolos
diferentes. Representaban la unidad
mediante un punto y se ayudaban de
una barra para representar el cinco.
Combinaciones de estos dos elementos
generaban los dgitos del 1 al 19.
Fig. 10. Nmeros Mayas.
El sistema de numeracin era posicional, escriban de arriba hacia abajo, y tenan
una irregularidad: el tercer nivel no corresponda al 20
2
(=20x20) sino al 360 (=18x20).
Slo suceda en ese nivel ya que el cuarto y sucesivos era el anterior multiplicado por 20
(as, el cuarto nivel era 360x20=7200).
Para el caso en los que faltaba un nmero en una posicin, los especialistas mayas
inventaron el cero, y lo representaron mediante una concha o caparazn de caracol.
3. SUCESIVAS AMPLIACIONES DEL CONCEPTO DE NMERO.
Hasta ahora hemos visto como en las diferentes culturas se formaliz la accin de
contar, creando sistemas de numeracin. Al final prevaleci el sistema inventado por los
hindes, que consista en los dgitos del 1 al 9 y otro para el cero siendo un sistema de
numeracin posicional en base 10. Ahora vamos a ver como surgieron los diferentes
conjuntos de nmeros tal cual los conocemos.
3.1. Los Nmeros Naturales.
El nmero natural surge por la necesidad humana de contar. Hemos estado viendo
como aparece en las diversas culturas y la forma que tienen de escribirlo. Al final
12/15
prevaleci la hind, al ser la ms sencilla. Pero ese proceso dur varios siglos. Y tard
varios ms en introducirse en Europa.
El matemtico italiano Leonardo de Pisa, conocido como Fibonacci, realiza varios
viajes al norte de frica y Oriente Prximo y durante estos viajes se inicia en el arte del
clculo por medio de las nueve cifras ms el cero, de origen hind. En el ao 1202
publica su tratado Liber Abaci (Tratado del baco) que contribuir al desarrollo de la
aritmtica y del lgebra en Europa occidental durante tres siglos. En l afirma: Es de
esta forma, con estas nueve cifras, y con este signo 0, que recibe el nombre de zephirum
en rabe, como se escriben todos los nmeros que se quieran.
Casi desde el comienzo de la utilizacin de las cifras, se saba sumar y multiplicar,
aunque algunos de los diferentes sistemas de numeracin antiguos no lo permitieran o
no fuese fcil, como el romano.
3.2. Los Nmeros Enteros.
Los nmeros enteros surgen por la necesidad de restar dos cantidades. Los griegos
ya realizaban esa operacin, pero fueron de nuevo los hindes los que aportaron los
nmeros negativos como resultado de operaciones de medida en condiciones absurdas
(a-b si a<b). En la obra de Brahmagupta encontramos reglas numricas acerca de los
nmeros positivos y negativos.
La introduccin de los nmeros negativos en Europa la realiza Nicolas Chuquet,
matemtico francs. En su obra titulada Triparty en la science des nombres utiliza con
habilidad tanto el cero como los nmeros negativos de origen hind, siendo publicada
en 1484. En la primera parte de su obra realiza operaciones aritmticas con nmeros
enteros, utilizando las cuatro operaciones fundamentales suma, resta, producto y
divisin.
Hubo que esperar al s. XIX para que Weierstrass diera el modelo de los nmeros
enteros, definindolos como clases de pares de naturales mediante una relacin de
equivalencia obvia que permita la resta de naturales. La relacin de equivalencia es
(a,b)R(c,d) " a+d = b+c donde (a,b) y (c,d) pertenecen a !x! y define el nmero
entero como a-b. A partir de aqu obtiene todas las propiedades de los nmeros enteros
para las operaciones de suma y producto.
3.3. Los Nmeros Racionales.
Las fracciones eran conocidas desde la Antigedad, pero recibieron notaciones
complicadas a falta de un sistema de numeracin bien concebido, y eran inadecuadas
para realizar operaciones.
En un principio, las fracciones no eran consideradas como autnticos nmeros, no
eran ms que relaciones entre nmeros enteros. Era debido a que en muchas
civilizaciones se considerara a la unidad como un dios, y por tanto no poda ser
dividido. Cuando se desarroll la aritmtica y el clculo, se vio que estaban sometidas a
las mismas reglas que el resto de los nmeros y podan considerarse como tales.
13/15
Los babilonios fueron los primeros en usar una notacin racional para los nmeros
fraccionarios, dividiendo la unidad en potencias sucesivas de 60. Los griegos,
intentaron elaborar una notacin general para cualquier tipo de fraccin (no slo las
unitarias), pero su numeracin alfabtica no era apta, por lo que tuvieron que abandonar
dicho intento y adoptar la notacin en base 60 de los babilonios (para las fracciones).
Hoy en da todava nos quedan reminiscencias en la forma de medir ngulos o tiempos.
La notacin moderna de las fracciones se la debemos de nuevo a los hindes,
quienes, con su notacin posicional, simbolizaban las fracciones casi como nosotros.
Esta notacin fue adoptada por los rabes, quienes introdujeron la famosa barra
horizontal para separar numerador y denominador.
Cuando se descubrieron las fracciones decimales (las que tienen denominador
potencia de 10) se hizo patente la necesidad de prolongar la numeracin posicional
decimal hind en el otro sentido (ahora se dira: a la derecha de la coma). As se
puede anotar con facilidad todas las fracciones y los nmeros enteros seran un tipo
particular de nmeros: los que no poseen cifras significativas a la derecha de las
unidades. Este tipo de fracciones ya se usaban en China, en la Arabia Medieval y en la
Europa renacentista. En 1579, Franois Vite, proclama su decidido apoyo a estas
fracciones.
Fueron Brgi y Stevin dos matemticos a caballo entre el siglo XVI y XVII los que
contribuyeron al desarrollo y divulgacin de las fracciones decimales. Y ste ltimo, en
1585, solicit el uso de una escala en base 10 para las fracciones, como ya lo estaba
para los enteros. Fue precisamente Simon Stevin el primero en franquear el paso
decisivo hacia nuestra notacin actual escribiendo los nmeros decimales sin
denominador, sino que encerraba en un crculo, a continuacin de cada dgito, la
potencia de 10 que deba llevar como divisor. As:
El nmero 237941 lo escriba 237 (0) 9 (1) 4 (2) 1 (3)
El suizo Jost Brgi simplific la notacin, eliminando la mencin al orden de las
cifras y sustituyndolo por un circulito situado en la parte superior de las unidades:
941 7 23
#
Y poco tiempo despus, el cartgrafo italiano Magini (1555-1617), sustituy el
redondelito por el punto situado entre las unidades y las dcimas, que ha perdurado
hasta nuestros das. En cuanto a la coma, el primero que la utiliz fue el holands
Willebrod Snellius, a comienzos del siglo XVII.
La definicin formal de nmero racional se hizo a partir de la de nmero entero,
pues es de la misma manera. Se definieron como clases de pares de nmeros enteros
relacionados mediante una relacin de equivalencia que permita simetrizar el producto,
es decir, realizar la divisin. La relacin de equivalencia es
(a,b)R(c,d) " ad = bc
donde (a,b) y (c,d) pertenecen a "x" y define el nmero racional como
b
a
r =
14/15
3.4. El Nmero Real.
Desde el siglo VI a.C., los matemticos griegos haban descubierto que la diagonal
de un cuadrado de lado 1 no tiene medida conocida, es decir, es inconmensurable. Fue
as como descubrieron los que hoy llamamos nmeros irracionales, aquellos que no son
ni enteros ni racionales.
Como es natural, este descubrimiento caus consternacin entre los pitagricos, ya
que crean que el nmero rige el universo, pensando slo en los nmeros enteros y sus
combinaciones los racionales. Aunque decidieron no darle publicidad al hallazgo, otros
si lo hicieron, dndolos a conocer. Se admitin entonces la existencia de estos nmeros,
siendo algunos ejemplos ! , 10 , 5 , 2
3
.
Estos nmeros formaban una categora ms bien imprecisa, debido a que los
sistemas de numeracin de la poca no resultaban ser los ms adecuados. Los europeos,
beneficindose del sistema de numeracin posicional hind de base 10 que haban
adoptado fueron capaces de definirlos con precisin: esos nmeros podan expresarse
en forma decimal, siendo infinitas las cifras tras la coma, sin que se reprodujeran
nunca en el mismo orden. Esa era la diferencia que tenan con los nmeros racionales.
A lo largo del siglo XIX se consigui dar una definicin formal de nmero real. En
1830, Bolzano intent desarrollar una teora de nmeros reales como lmites de
sucesiones de nmeros racionales, aunque no se public hasta 1962. Fue en el ao 1872
cuando cinco matemticos (Mray, Weierstrass, Heine, Cantor y Dedekind) dieron con
la definicin formal de nmero real.
Mray defini el limite de una sucesin como un nmero real. Y demostr que toda
sucesin de Cauchy era convergente. Weierstrass separ la definicin de nmero real
del concepto de lmite y defini los nmeros irracionales de forma general como
conjuntos de racionales. Heine y Cantor realizaron trabajos similares a los dos descritos.
Un planteamiento completamente distinto fue el desarrollado por Dedekind.
Consigui definir los nmeros reales por medio de cortaduras. Consiste en obtener una
particin de los nmeros racionales en dos clases disjuntas, A y B, tales que todo
nmero de la primera clase A es menor que todo nmero de la segunda clase B.
Entonces existe uno y slo un nmero real tal que si en A existe mximo o en B
mnimo, el nmero real coincide con el mximo o mnimo y por tanto es racional, y en
caso contrario el nmero real no est ni en A ni en B y es irracional.
3.5. El Nmero Complejo.
El primero en introducir los nmeros complejos es Cardano, que en ao 1545
publica su obra Ars Magna, en la que explica como resolver los diferentes casos de
ecuaciones cbicas. Como soluciones a esas ecuaciones obtena races cuadradas
negativas que l mismo denomin sofisticas. En su poca, los nmeros irracionales
haban sido aceptados, ya que se podan aproximar por racionales, los enteros producan
ms dificultades, pero de pronto se toparon con races cuadradas negativas al aplicar las
frmulas de Cardano-Tartaglia para la resolucin de dichas ecuaciones cbicas.
15/15
A travs de un ingenioso razonamiento, Bombelli obtiene propiedades de los
nmeros complejos conjugados, aunque en ese momento (comtemporneo de Cardano)
no sirvieron de mucho.
Desde la poca de Albert Girard (1590-1633) ya se saba que los nmeros reales,
positivos, cero y negativos se pueden representar en correspondencia con los puntos de
una recta. Wallis sugiri que los nmeros imaginarios puros se podan representar por
los puntos de una recta perpendicular al eje de los nmeros reales. Pero fueron Wessel y
sobre todo Gauss los que establecieron la correspondencia entre los nmeros complejos
y los puntos del plano.
En 1777 Leonhard Euler introdujo el smbolo i para representar a 1 $ y formul la
expresin 0 1= +
i
e
!
, donde aparecen los cinco nmeros ms importantes de la historia
de las Matemticas. El matemtico alemn Carl F. Gauss, en su tesis doctoral de 1799,
demostr su famoso teorema fundamental del lgebra, que dice que todo polinomio con
coeficientes complejos tiene al menos una raz compleja.
Bibliografa.
Historia de la Matemtica. Carl B. Boyer (Alianza Editorial).
Historia Universal de las Cifras. Georges Ifrah (Espasa)
Elementos de historia de las Matemticas. N. Bourbaki (Alianza Universidad)
1/22
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 11
CONCEPTOS BASICOS DE LA TEORIA DE CONJUNTOS. ESTRUCTURAS
ALGEBRAICAS.
1. Introduccin.
2. Conjuntos.
2.1. Operaciones con conjuntos.
2.1.1. Interseccin.
2.1.2. Unin.
2.1.3. Complementacin.
2.1.4. Diferencia.
2.2. Algebra de Boole de las partes de un conjunto.
3. Producto Cartesiano de Conjuntos.
4. Correspondencias y Relaciones entre conjuntos.
4.1. Correspondencias.
4.2. Relaciones.
4.2.1. Relaciones de Equivalencias.
4.2.2. Relaciones de Orden.
5. Aplicaciones entre Conjuntos.
6. Leyes de Composicin.
6.1. Leyes de Composicin Interna.
6.2. Leyes de Composicin Externa.
7. Estructuras Algebraicas.
7.1. Estructuras Algebraicas con una operacin interna.
7.2. Estructuras Algebraicas con dos operaciones internas.
7.2.1. Anillos.
7.2.2. Cuerpos.
7.2.3. Retculos.
7.3. Estructuras Algebraicas con una operacin interna y otra externa.
7.3.1. Mdulos.
7.3.2. Espacios vectoriales.
2/22
TEMA 11
CONCEPTOS BASICOS DE LA TEORIA DE CONJUNTOS. ESTRUCTURAS
ALGEBRAICAS.
1. INTRODUCCIN.
El precursor de la teora de conjuntos fue George Cantor (1845-1918). La desarroll
como una rama autnoma de la matemtica y le dio el nombre de Mengenlehre (teora
de conjuntos).
Cantor defini conjunto como una coleccin de objetos determinados y
perfectamente diferenciables en nuestra contemplacin o en nuestro pensamiento, que
constituyen una totalidad.
Esta intuitiva definicin de Cantor dio lugar a la aparicin de paradojas, que fueron
solucionadas por Poincar. Este puso en evidencia que la raz de las paradojas que se
plantearon estaba en el hecho de que se defina un objeto en trminos de una clase de
objetos que inclua al propio objeto definido.
Una paradoja famosa, planteada por Bertrand Russell fue: Un barbero ha de afeitar
a todos aquellos y slo a aquellos habitantes del pueblo que no se afeitan a si mismos
Ha de afeitarse el barbero a si mismo o no?. Cualquiera que sea la respuesta se llega a
una contradiccin.
2. CONJUNTOS.
Los conjuntos estn formados por colecciones de objetos, atendiendo a la definicin
de Cantor, y a los objetos los llamo elementos.
Notacin. Nombraremos a los conjuntos mediante letras maysculas y a los elementos
con minsculas. Indicaremos que un elemento a esta o pertenece a un conjunto C y
mediante a!C, y su negacin se representa por a"C.
OBS Un conjunto queda completamente definido cuando se conocen todos sus
elementos. Y se pueden conocer de dos maneras diferentes:
1) Por extensin, cuando se enumeran todos sus elementos. Por ejemplo
A = {a, b, c}.
2) Por Compresin, cuando se da una propiedad que define inequvocamente a los
elementos del conjunto. Por ejemplo:
A = {!!"/! mod 2 = 0}
DEF Se define el conjunto vaco, , como un conjunto sin elementos. = {}
DEF Diremos que el conjunto A est incluido en B, o A es subconjunto de B, si todo
elementos de A est en B. Lo denotaremos por A#B. Es decir:
3/22
A#B $ {%x!& ' x!B}
Todo conjunto A tiene dos subconjuntos especiales que llamaremos impropios. Son
el conjunto vaco, , y el propio conjunto.
DEF Diremos que B es un subconjunto propio de A si no es vaco B#A y B(A.
PROP Sean A, B y C conjuntos. Se verifican las siguientes propiedades:
1) A#A
2) A#B y B#A $ A = B
3) A#B y B#C ' A#C
Dem.
La demostracin es inmediata a partir de la definicin.
La propiedad uno recibe el nombre de Reflexiva y la tres de transitiva. La segunda
se llama antisimtrica y se utiliza para demostrar la igualdad entre dos conjuntos.
DEF Llamaremos conjunto de las partes de A, siendo A un conjunto, al conjunto que
tiene por elementos todos los subconjuntos de A, y se denota por P(A). Entonces
B!P(A) $ B#A
2.1. Operaciones con conjuntos.
Sea u un conjunto, que llamaremos universal. Consideraremos P(u).
2.1.1. Interseccin.
DEF Sean A y B dos conjuntos tales que A, B ! P(u). Definimos la interseccin de A
y B como el conjunto formado por los elementos comunes a A y B. Se representa por U.
AUB = {x
u
!
/x!A y x!B}
PROP La operacin de interseccin definida anteriormente, verifica las siguientes
propiedades %&, B, C ! P(u).
1) Idempotente: A)A = A
2) Conmutativa: A)B = B)A
3) Asociativa: (A)B))C = A)(B)C)
4) Elemento Neutro U: A)U = A
5) Elemento Absorbente : A) =
4/22
DEF Dados A y B que pertenecen a P(u), diremos que son disjuntos si su interseccin
es vaca. Es decir, A y B son disjuntos si A)B = .
2.1.2. Unin.
DEF Sean A y B dos conjuntos tales que A, B ! P(U). Definimos la unin de A y B
como el conjunto formado por los elementos que pertenecen al menos a uno de los dos
conjuntos. Se representa por *.
A*B = {x!U/x!A x!B}
PROP La operacin de unin definida anteriormente verifica las siguientes propiedades
%A, B, C ! P(U):
1) Idempotente: A*A = A
2) Conmutativa: A*B = B*A
3) Asociativa: (A*B)*C = A*(B*C)
4) Elemento neutro, : A* = A
5) Elemento Absorbente, U: A*U = U
2.1.3. Complementacin.
DEF Sea A!P(U). Llamaremos complemento de A respecto de U, y lo denotaremos
por A o A
c
, al conjunto
A
c
= {x!U/x"A}
PROP La operacin de complementacin definida anteriormente verifica las siguientes
propiedades
%&, B, C ! P(U).
1) A*A
c
= U y A)A
c
=
2)
c


= U y U
c
=
3) (A
c
)
c
= A
4) A # B ' B
c
# A
c
5) Leyes de Morgan: (A*B)
c
= A
c
*B
c
y (A)B)
c
= A
c
)B
c
2.1.4. Diferencia.
DEF Sean A y B dos conjuntos tales que A, B ! P(U). Definimos la diferencia de A
menos B al conjunto formado por los elementos de A que no estn en B.
5/22
A B = {x!A/x"B}
DEF Sean A y B dos conjuntos tales que A, B ! P(U). Definimos la diferencia
simtrica de A y B al conjunto formado por los elementos que pertenecen a A o a B
pero no a ambos. Se representa por +
A + B = {x!A*B/ x"A)B}
PROP A + B = (A B) * (B A)
2.2. Algebra de Boole de las partes de un conjunto.
PROP Se verifica:
1) Leyes de Absorcin: %&, B! P(U)

a) A*(A)B) = A
b) A)(A*B) = A
2) Propiedades distributivas: %A, B, C ! P(U)
a) A)(B*C) = (A)B) * (A)C)
b) A*(B)C) = (A*B) ) (A*C)
DEF El conjunto P(U) con las operaciones de unin e interseccin tiene estructura de
Algebra de Boole.
3. PRODUCTO CARTESIANO DE CONJUNTOS.
DEF Definimos par ordenado como el objeto matemtico formado por dos elementos
u objetos en un orden determinado. Se denota por (a, b). Los elementos a y b reciben el
nombre de componentes o coordenadas del par (a, b).
(a, b) = (x, y) $ a = x y b = y
Podemos generalizar la definicin anterior a n elementos.
DEF Definimos la !- tupla ordenada por (x
1
, x
2
,., x
n
) siendo x
1
, x
2
,x
n
!
elementos u objetos en un orden determinado.
DEF Sean A y B dos conjuntos cualesquiera. Llamaremos Producto Cartesiano de A y
B, y se representa por AxB, al conjunto formado por todos los pares ordenados (a, b)
tales que a!A y b!B.
AxB = {(a, b)/ a!A y b!B}
Se puede observar fcilmente que si el conjunto A tiene n elementos y el conjunto B
tiene m elementos, entonces el conjunto AxB tendr n x m elementos.
6/22
Igualmente, podemos generalizar la definicin de producto cartesiano a n conjuntos.
DEF Sean A
1
, A
2
,.A
n
n conjuntos cualesquiera. Llamaremos producto cartesiano de
A
1
, A
2
,.A
n
, y se representa por A
1x
A
2x
.
x
A
n
, al conjunto formado por todas las n-
tuplas (x
1
, x
2
,., x
n
) tales que
x
1
!A
1
, x
2
!A
2
,.x
n
!A
n
.
A
1x
A
2x
.
x
A
n
= {(x
1
, x
2
,x
n
)/x
i
!A
i
%
i: 1,,n
}
Para poder representar el producto cartesiano de dos conjuntos tenemos dos posibles
formas:
1) Mediante un diagrama cartesiano. Son anlogos a los utilizados para representar
las coordenadas del plano cartesiano, con la diferencia de que ahora solo utilizamos el
1
er
cuadrante.
2) Mediante un diagrama sagital. Se representan los conjuntos por medio de
diagramas de Venn y se unen a los elementos del primer conjunto con los del segundo
conjunto mediante flechas.
PROP A x B = $ A = B =
Dem.
Si A x B = $ No existe ningn par ordenado (a, b) ! A x B $ A = B =
PROP A x B # A x B $ A # A y B # B
Dem.
Sean a!A y b!B ' (a, b) ! A x B ' Por hiptesis (a, b) ! A x B '
' a!A y b!B
Luego A#A y B#B
Sea (a, b) !A x B ' a!A y b!B ' Por hiptesis a!A y b!B ' (a, b) !A x B
Luego A x B # A x B
PROP Propiedad distributiva del producto cartesiano respecto de la interseccin:
1) Ax (B)C) = (AxB) ) (AxC)
2) (BnC) x A= (BxA) ) (CxA)
Dem.
1) El conjunto Ax(B)C) est formado por
7/22
Ax (B)c) = {(a, x)/a!A y x!B)C}
y {(a, x)/a!A y x!BnC} = {(a, x)/a!B y x!C} =
= {(a, x)/(a!A y x!B) y (a!A y x!C)} =
= {(a, c)/a!A y x!B} ) {(a, x)/ a!A y x!C} =
= (AxB) ) (AxC)
Luego Ax (B)C) = (AxB) ) (AxC)
2) Anlogo al anterior.
PROP Propiedad distributiva del producto cartesiano respecto de la unin.
1) Ax (B*C) = (AxB) * (AxC)
2) (B*C) xA = (BxA) * (CxA)
Dem.
2) (B*C) xA = {(x, a)/ x!B*C y a!A} = {(x, a)/(x!B x!C) y a!A} =
= {(x, a)/(x!B y a!A) (x!C y a!A)} = {(x, a)/x!B y a!A} * {x, a)/ x!C y
a!A} = (BxA) * (CxA)
1) Anlogo al anterior.
PROP Propiedades distributiva del producto cartesiano respecto de la diferencia.
1) Ax (B C) = (AxB) (AxC)
2) (B C) xA = (BxA) (CxA)
Dem.
1) Ax (B C) = {(a, x) / a!A y x! (B C)} = {(a, x) / a!A y (x!B y x"C)} =
= {(a, x) / (a!A y x!B) y (a!A y x"C)} = (AxB) (AxC)j
2) Anlogo al caso anterior.
4. CORRESPONDENCIAS Y RELACIONES ENTRE CONJUNTOS.
4.1. Correspondencias.
DEF Llamaremos Grafo, G, a todo conjunto compuesto por pares ordenados.
8/22
Segn la definicin, dados A y B conjuntos, un grafo es cualquier subconjunto de
AxB.
DEF Sean A y B dos conjuntos. Un subconjunto G de AxB, G#AxB llamado grafo,
define una correspondencia entre A y B. El conjunto G recibe el nombre de grafo de al
correspondencia. La correspondencia se denota por la terna (A, B, G).
Dada la correspondencia (A, B, G), podemos definir:
1) El conjunto {a!A / ,b!B con (a, b)!G}, subconjunto de A, recibe el nombre de
Dominio de la Correspondencia. Se denota por Dom (A, B, G).
2) El conjunto {b!B / ,a!A con (a, b)!G}, subconjunto de B, recibe el nombre de
Imagen de Correspondencia. Se denota por Im (A, B, G).
3) Dado a!A, el conjunto {b!B / (a, b)!G} recibe el nombre de imagen de a. Se
denota por Im (a).
La correspondencia (A, B, G) se suele denotar por f, escribindose f: A - B,
donde para cada (a, b)!G, b se puede escribir como b = f(a).
DEF Dada la correspondencia (A, B, G) definimos la correspondencia inversa como
(B, A, G
-1
) siendo G
-1
= {(b, a) / (a, b)!G}. Tambin se suele denotar por f
-1
.
Es claro que el conjunto Dom (f) = Im (f
-1
) y que Im (f) = Dom (f
-1
) por la propia
definicin del conjunto G
-1
.
4.2. Relaciones.
DEF Sean A y B dos conjuntos. Llamaremos relacin entre a!A y b!B, y se denota
por aRb, a toda propiedad definida sobre AxB.
Toda relacin lleva asociado un subconjunto G#AxB siendo
G = {(a, b)!AxB / aRb}.
DEF El conjunto G asociado a una relacin R entre A y B recibe el nombre de Grfica
de la Relacin.
DEF Llamaremos Relacin Binaria al caso particular de una relacin entre elementos
del mismo conjunto, (caso A = B).
Una relacin binaria definida sobre A puede verificar las siguientes propiedades:
1) Reflexiva: %a!A se verifica (a, a)!G aRa.
2) Simtrica: %(a, b)!G ' (b, a)!G (%aRb ' bRa).
3) Antisimtrica: Si (a, b)!G y (b, a)!G ' a = b (aRb y bRa ' a = b).
9/22
4) Transitiva: Si (a, b)!G y (b, c)!G ' (a, c)!G.
5) Convexa: %a, b!A (a, b)!G (b, a)!G.
4.2.1. Relaciones de Equivalencia.
DEF Una Relacin de Equivalencia es una Relacin binaria que verifica las
propiedades reflexiva, simtrica y transitiva.
DEF Sea A un conjunto y R una relacin de equivalencia definida en A. Para cada
a!A definimos la clase de equivalencia de a como el conjunto de elementos x!A tales
que aRx. Se representa por [a].
[a] = {x!A / aRx}
PROP Sea A un conjunto y R una relacin de equivalencia definida en A. Si a y a son
elementos de A, son equivalentes:
1) aRa
2) a![a]
3) [a] = [a]
Dem.
1) $ 2) Es cierta por definicin de clase de equivalencia.
2) $ 3) Sea x![a] ' xRa
' xRa ' x![a]
Por hiptesis a![a] ' aRa
Luego [a] # [a]
[ ]
[ ] a x xRa
Ra a aRa hiptesis Por
xRa a x Si
! ' '
.
/
0
'
' !


Luego [a]#[a]
Como [a]#[a] y [a]#[a] ' [a] = [a]
3) ' 2)
Como a![a] y por hiptesis [a] = [a] ' a![a]
COROLARIO. Dos clases de equivalencia o son iguales o son distintas.
Dem.
Sean [a] y [b] dos clases de equivalencia con a![a] y b![b].
10/22
Si [a] ) [b] ( , sea x![a])[b] '
[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] b a
b x b x
a x a x
= '
.
/
0
1
2
3
= ' !
= ' !
DEF El conjunto formado por todas las clases de equivalencia que resultan de una
relacin de equivalencia R sobre el conjunto A, se llama Conjunto Cociente de A por la
relacin de equivalencia R, y se representa por A/R.
COROLARIO. La igualdad
[ ]
[ ] A a
R
A
a
=
!
U es cierta
Dem.
Como [ ] { } [ ]
[ ]
[ ] A a A a aRa A a a
R
A
a
# ' # ' ! =
!
U /
Para cada x!A se verifica que x![x] '
[ ]
[ ]
[ ]
[ ] a A a x
R
A
a
R
A
a ! !
# ' ! U U
Luego se da la igualdad.
4.2.2. Relaciones de Orden.
DEF Una Relacin de Preorden es una relacin binaria que verifica las propiedades
Reflexiva y Transitiva.
DEF Una Relacin de Orden es una relacin binaria que verifica las propiedades
Reflexiva, Antisimtrica y Transitiva.
DEF Una Relacin de Orden Total es una Relacin de Orden que adems verifica la
propiedad Conexa.
Las relaciones de orden se suelen denotar por el smbolo 4.
DEF Un elemento a!A diremos que es mnimo si a 4 x %x!A. Es mximo si
x 4 a %x!A.
DEF Un elemento a!A diremos que es minimal si no existe x ( a tal que x 4 a.
Diremos que es maximal si no existe x ( a tal que a 4 x.
OBS Elemento mnimo, si existe, es nico. Para que exista, debe ser comparable con
todos, y ser el ms pequeo. En cambio, elemento minimal es el ms pequeo de todos
con los que se puede comparar. Puede haber ms de uno.
DEF Llamaremos Cadena a toda parte totalmente ordenada de un conjunto con una
Relacin de Orden.
Si la relacin definida en el conjunto A es de orden total, existe una nica cadena y
la representacin se puede realizar en lnea recta (por ejemplo ", #, $ %).
11/22
5. APLICACIONES ENTRE CONJUNTOS.
DEF Sea f una correspondencia entre los conjuntos A y B (f: A - B). Diremos que f
es una aplicacin de A en B si verifica que para cada a!A existe un nico b!B tal que
f(a) = b.
Por tanto, si f es una aplicacin, para cada a!A el conjunto Im(a) tiene un nico
elemento.
DEF Sea f: A - B una aplicacin y A# A un subconjunto. La
aplicacin f: A - B definida por f(x) = f(x) recibe el nombre de Restriccin
de f a A, y se denota por f = f5
A
.
DEF Dos aplicaciones f: A - B y g: C - D son iguales si A = C, B = D y
%a!A f(a) = g(a). Se denota por f = g.
DEF Diremos que la aplicacin f: A - B es constante si %a!A se verifica que
f(a) = b, para un cierto b!B.
PROP Si f es una aplicacin constante, el conjunto Dom(f) est formado por un solo
elemento.
Dem.
Inmediata.
Una aplicacin importante es la aplicacin identidad. Es una aplicacin de un
conjunto en si mismo, f: A - A, donde a cada elemento le hace corresponder como
imagen l mismo, f(x) = x%x!A. Se representa por I
A
.
DEF Sean A y B dos conjuntos y f: A - B una aplicacin:
1) Diremos que f es inyectiva si de f(a) = f(a) con a, a!A se deduce a = a.
2) Diremos que f es suprayectiva si %b!B ,a!A tal que f(a) = b. El elemento
a!A no tiene porqu ser nico.
3) Diremos que f es biyectiva si es simultneamente inyectiva y suprayectiva.
A la vista de al definicin podemos decir que una aplicacin f: A - B es inyectiva
si elementos distintos de A tienen imgenes distintas en B. Y es suprayectiva si todo
elemento de B es imagen de alguno de A.
PROP Sean A y B dos conjuntos y f una aplicacin de A en B biyectiva. La
correspondencia inversa, f
-1
, es una aplicacin de B en A.
Dem.
Como f es biyectiva, en particular es suprayectiva. Entonces,
12/22
%b!B ,a!A / f(a) = b. Y f
-1
(b) = a.
Si ,a!A / f
-1
(b) = a tenemos:
) ( ) (
) ( ) ( ) 2
) ( ) ( ) 1
1
1
a f a f
b a f a b f
b a f a b f
= '
.
/
0
= ' =
= ' =
6
6
y como f es inyectiva a = a.
Luego a cada elemento b!B le corresponde un nico elemento a!A tal que
f
-1
(b) = a, que es la definicin de aplicacin para f
-1
.
PROP Sea f: A - B una aplicacin biyectiva. La aplicacin inversa f
-1
: B - A es
tambin biyectiva, y (f
-1
)
-1
= f.
DEF Sean A, B, C y Dconjuntos, f: A - B y g: C - D aplicaciones y Imf#C.
Llamaremos Aplicacin Compuesta de f y g a h: A - D definida por
%x!A h(x) = g(f(x)). Se denota por h = g f.
PROP Sean A, B, C y D conjuntos de f: A - B, g: B - C y h: C - D aplicaciones.
Se verifica la propiedad asociativa para la operacin de composicin de aplicaciones.
ho(g o f) = (h o g)of
Dem.
%x!A (ho (go f) (x) = h((go f)(x)) = h(g(f(x)))
((ho g) o f) (x) = (ho g)(f(x)) = h(g(f(x))
Luego ho (go f) = (ho g) o f
Si la aplicacin f est definida de A en su mismo, f: A - A, entonces fo f = f
2
y
F
n
= f
n-1
o f.
PROP Sean A y B dos conjuntos y f: A - B y g: B - A dos aplicaciones. Se verifican
las siguientes propiedades:
1) I
B
o f = fo I
A
= f
2) f es biyectiva ' f
-1
o f = I
A
y fo f
-1
= I
B
3) go f = I
A
' f es inyectiva y g suprayectiva.
4) go f = I
A
y fo g = I
B
' f y g son biyectivas con g = f
-1
.
Dem.
1) (I
B
o f) (x) = I
B
(f(x)) = f(x) = f(I
A
(x)) = (fo I
A
)(x) %x!A
13/22
2) (f
-1
o f)(x) = f
-1
(f(x)) = x = I
A
(x) %x!A
Como f es biyectiva (f
-1
)
-1
= f ' f o f
-1
= (f
-1
)
-1
o f
-1
= I
B
aplicando lo demostrado en
este mismo apartado.
3) Sean a, a!A con f(a) = f(a) ' g(f(a)) = g(f(a)) ' (go f)(a) = (go f)(a) '
' I
A
(a) = I
A
(a) ' a = a ' f es inyectiva.
Dado a!A ' f(a) = b para algn b!B ' g(f(a)) = g(b) ' (go f)(a) = g(b) '
' I
A
(a) = g(b) ' g(b) = a ' g es suprayectiva.
4) Como go f = I
A
' f es inyectiva y g suprayectiva.
Como fo g = I
B
' g es inyectiva y f suprayectiva.
Luego f y g son biyectivas siendo
f
-1
= f
-1
o I
B
= f
-1
o (f o g) = (f
-1
o f) o g = I
A
o g = g
COROLARIO. Sea A, B y C conjuntos con f: A - B, g: B - C aplicaciones
biyectivas. Entonces go f es biyectiva y verifica (go f)
-1
= f
-1
o g
-1
.
Dem.
(go f) o (f
-1
o g
-1
) = ((go f) o f
-1
) o g
-1
= go I
B
o g
-1
= go g
-1
= I
C
(f
-1
o g
-1
) o (go f) = ((f
-1
o g
-1
) o g) o f = f
-1
o I
B
o f = f
-1
o f = I
A
Por el apartado 4) de la proposicin anterior go f es biyectiva y (go f)
-1
= f
-1
o g
-1
6. LEYES DE COMPOSICIN.
DEF Llamamos operacin entre los conjuntos A y B con valores en C a toda
aplicacin de AxB en C.
DEF Llamamos operacin interna, o ley de composicin interna, definida en A a toda
aplicacin de AxA en A.
DEF Llamamos operacin externa, o ley de composicin externa, definida sobre A
por la derecha a toda aplicacin de AxB en A. Ser por la izquierda si la aplicacin es
de BxA en A. El conjunto B recibe el nombre de dominio de operadores.
6.1. Leyes de Composicin Interna.
Una operacin interna definida sobre A, por definicin, hace corresponder a cada
par de elementos de A, es decir, un elemento de AxA, un nico elemento de A.
14/22
Si (x, y)!AxA, su imagen por la aplicacin que define la operacin externa se suele
indicar mediante alguno de los siguientes smbolos:
x y, x + y, x7 y, xo y, etc.
Si se escribe x + y la operacin interna recibe el nombre de suma, y se lee x mas
y.
Si se escribe x y la operacin interna recibe el nombre de producto, y se lee x
por y x multiplicado por y.
Veamos las propiedades que puede verificar una ley de composicin interna.
Sea S una operacin interna sobre A.
1) Diremos que S verifica la propiedad asociativa en A si
%x, y, z!A (xSy)Sz = xS(ySz)
2) Diremos que S es conmutativa si
%x, y!A xSy = ySx
3) Diremos que S admite Elemento Neutro o Unidad si
,e!A tal que %x!A eSx = xSe = x
4) Diremos que S admite elemento Simtrico si %x!A
Por la izquierda ,x!A tal que xSx = e
Por la derecha ,x!A tal que xSx = e
5) Diremos que S admite Elemento regular o Simplificable si %x, y!A
r es Regular por la izquierda en A si rSx = rSy ' x = y
r es Regular por la derecha en A si xSr = ySr ' x = y
r es regular si y solo si lo es por ambos lados.
6) Diremos que S admite la propiedad idempotente si
%x!A xSx = x
7) Diremos que S admite la propiedad distributiva respecto de otra operacin interna
T de A si:
Por la derecha: (xTx)Sz = (xSz)T(ySz)
Por la izquierda: xS(yTz) = (xSy)T(xSz)
Notacin Dado un conjunto A con una operacin interna S, se denotar por (A, S).
Como ejemplos tenemos (", +) (%, +) (#, ).
15/22
6. 2. Leyes de Composicin Externa.
Segn la definicin, en el conjunto A hay definida una operacin externa si tenemos
un conjunto B que ser el dominio de operadores y una aplicacin de AxB (o BxA) en
A.
Los elementos del dominio de operadores se suelen denotar mediante letras griegas.
Veamos algunas de las propiedades que puede verificar una ley de composicin
externa, que denotaremos por T.
1) Conmutativa.
%8!B %x!A 8Tx = xT8
2) Pseudoasociativa.
( ) ( )
( ) ( )
1
2
3
=
=
! % ! %
! " ! "
! " ! "
! "
R xT T xT
Tx R Tx T
A x B ,
siendo R una operacin interna en B.
3) Elemento Unidad.
,&!B %x!A &Tx = x = xT&
4) Distributiva respecto de S, operacin interna en A.
( ) ( ) ( )
( ) ( ) ( ) " " "
" " "
"
yT S xT T xSy derecha la Por
Ty S Tx xSy T izquierda la Por
A y x y B
=
=
! % ! % ,
5) Distributiva la operacin interna R de B respecto de T.
( ) ( ) ( )
( ) ( ) ( )
1
2
3
=
=
! % ! %
! " ! "
! " ! "
! "
xT S xT R xT derecha la Por
Tx S Tx Tx R izquierda la Por
A x B ,
7. ESTRUCTURAS ALGEBRAICAS.
7.1. Estructuras Algebraicas con una operacin interna.
A lo largo de este punto vamos a denotar la operacin interna mediante el smbolo
9. Entonces, el par (A, 9) denota al conjunto A con la operacin interna 9.
DEF El par (A, 9) es un Semigrupo si la operacin interna es asociativa en A.
DEF El par (A, 9) es un Semigrupo Conmutativo si adems verifica la propiedad
Conmutativa.
DEF Diremos que (A, 9) es un Monoide si es un semigrupo con elemento neutro.
Ejemplos:
1) ("
9
, +) es un semigrupo conmutativo.
16/22
2) (", ) es un Monoide.
DEF Diremos que (G, 9) es un grupo si se cumplen las propiedades asociativa,
existencia de elemento neutro y existencia de elemento simtrico. Si adems se verifica
la propiedad conmutativa, diremos que es un grupo abeliano o conmutativo.
PROP En un grupo (G, 9) el elemento neutro es nico.
Dem.
Sabemos que e!G es el elemento neutro.
Sea e!G un elemento tal que e9x = x9e = x %x!G
Entonces se da que e = e9e = e y por tanto el neutro es nico.
PROP Cada elemento de G admite un nico inverso.
Dem.
%x!G sabemos que ,x
-1
!G / x9x
-1
= e = x
-1
9x
Sea x
-1
!G otro inverso de x.
X
-1
= x
-1
9e = x
-1
9(x9x
-1
) = (x
-1
9x)9x
-1
= e9x
-1
= x
-1
Por tanto el inverso es nico.
PROP Dado (G, 9) un grupo y x, y, z!G elementos cualesquiera, se verifica:
1) Si x9y = e ' x = y
-1
, y = x
-1
2) Si x9y = x9z ' y = z
3) Si para algn y!G x9y = y ' x = e (anlogamente y9x = y)
4) (x9y)
-1
= y
-1
9x
-1
Dem.
1) x9y = e ' (x9y)9y
-1
= e9y
-1
' x9(y9y
-1
) = y
-1
'x9e = y
-1
' x = y
-1
x9y = e ' x
-1
9(x9y) = x
-1
9e ' (x
-1
9x)9y = x
-1
' e9y = x
-1
' y = x
-1
2) x9y = x9z ' x
-1
9(x9y) = x
-1
9(x9z) ' (x
-1
9x)9y = (x
-1
9x)9z ' e9y = e9z '
' y = z
3) x9y = y ' (x9y)9y
-1
= y9y
-1
' x9(y9y
-1
) = e ' x9e = e - x = e
17/22
4) (x9y)9(y
-1
9x
-1
) = (x9(y9y
-1
))9x
-1
= (x9e)9x
-1
= x9x
-1
= e
Aplicando 1) y
-1
9x
-1
= (x9y)
-1
COROLARIO %x!G con (g, 9) grupo, se verifica (x
-1
)
-1
= x
Dem.
Tomando y = x
-1
y aplicando el apartado 1) de la proposicin anterior se obtiene.
DEF Llamaremos Orden del Grupo (G, 9) al nmero de elementos de G, en caso de
que sea finito.
DEF Sea (G, 9) un grupo y HCG un subconjunto no vaco. Diremos que (H, 9) es un
Subgrupo de (G, 9) si
1) %x, y!H ' x9y!H
2) e!H
3) %x!H ,x
-1
!H
PROP Sea (G, 9) un grupo y HCG un subgrupo no vaco. (H, 9) es un subgrupo de
(g, 9) si y solo si %x, y!H x9y
-1
!H.
Dem.
'
Como (H, 9) es subgrupo ' %x, y!H x, y
-1
!H ' x9y
-1
!H.
:
Sea x!H. Entonces por hiptesis x9x
-1
!H ' e!H.
Sea x!H y e!H por hiptesis e9x
-1
!H ' x
-1
!H
Sea x, y!H ' por lo anterior y
-1
!H ' Aplicando la hiptesis x9(y
-1
)
-1
!H '
' x9y!H.
Como (H, 9`) verifica las tres condiciones ' (H, 9) es subgrupo de (G, 9).
7.2. Estructuras Algebraicas con dos operaciones internas.
A lo largo de este punto vamos a denotar las dos operaciones internes mediante
smbolos 9 y o .
7.2.1. Anillos.
DEF La terna (A, 9, o ) es un Semianillo si se verifican
1) (A, 9) es un semigrupo conmutativo con neutro.
18/22
2) (A, o ) es un semigrupo.
3) La operacin o es distributiva respecto de la operacin 9.
DEF (A, 9, o ) es un Semianillo conmutativo si (A, 9, o ) es un semianillo y (A, o ) es
un semigrupo conmutativo.
DEF (A, 9, o ) es un Semianillo con elemento unidad si (A, 9, o ) es un Semianillo y
(A, o ) es un semigrupo con elemento neutro.
Ejemplo.
(", +, )es un semianillo conmutativo con elemento unidad.
DEF Llamamos Anillo a la terna (A, 9, o ) verificando:
1) (A, 9) es un grupo conmutativo.
2) (A, o ) es un semigrupo.
3) La operacin o es distributiva respecto de la suma.
Si adems, la operacin o es conmutativa, el anillo es Conmutativo; si la operacin
o tiene elemento neutro, es un anillo unidad; y si verifica ambas, es un anillo
conmutativo con elemento unidad.
Ejemplo:
Los conjuntos #, $, % y ' con la suma y el producto forman Anillos
Conmutativos con elemento Unidad.
PROP Sea (A, +, ) un anillo. %x, y, z!A se verifican las siguientes propiedades:
1) O x = x O = O
2) (- x) y = x (- y) = - (xy)
3) (- x) (- y) = xy
4) x (y z) = xy xz y (x y) z = x z y z
Dem.
1) x O = x ( O + O) = x O + x O ' x O = O
O x = (O + O) x = O x + O x ' O x = O
2) (- x) y + x y = (- x + x) y = O y = O ' (- x) y = - (xy)
x y + x (- y) = x (y y) = x O = O ' x (- y) = - (xy)
3) (- x) (- y) = - (x (- y)) = - (- (x y)) = x y
19/22
4) x (y z) = x (y + (- z)) = x y + x (- z) = x y + (- x z) = x z y z
(x y) z = (x + (- y)) z = x z + (- y) z = x z + (- y z) = x z y z
DEF Diremos que a, b!A, con (A, 9, o ) anillos, son Divisores de Cero si a ( e
0
, b (
e
0
y a o b = e
0
(con e
0
es neutro de la operacin o .
OBS Si utilizamos las operaciones habituales de suma y producto (al igual que en la
proposicin anterior), la definicin dice que las divisiones de cero son aquellas que
verifican a ( 0, b ( o y a b = 0.
DEF (A, 9, o ) es un Dominio de integridad si es un Anillo conmutativo con elemento
unidad y no posee divisores de cero.
DEF Sea (A, 9, o ) un Anillo y SCA un subconjunto no vaco. Diremos que (S, 9, o )
es un Subanillo de (A, 9, o ) si
1) (S, 9) es un subgrupo de (A, 9)
2) %x, y!S se cumple que xo y!S.
Si adems, (A, 9, o ) es un Anillo con unidad, (S, 9, o ) lo ser si e
0
!S-
Ejemplos:
(#, +, ) es un subanillo conmutativo con unidad de ($, +, ).
DEF Diremos que un subconjunto no vaco I#A, con (A, 9, o ) anillo, es un Ideal de
A si cumple
1) (I, 9) es un subgrupo de (A, 9)
2A) %x!I y %a!A a o x!I
2B) %x!I y %a!A xo a!I
Si slo verifica 1 y 2A diremos que es ideal por la izquierda y si slo verifica 1 y
2B ser ideal por la derecha.
Ejemplo:
Todos los ideales de # son los conjuntos I = (a) con (a) = {a n / n!#}
PROP Sea (A, 9, o ) un anillo. Todo ideal I del anillo es un subanillo.
Dem.
Inmediatamente a partir de ambas definiciones.
20/22
OBS El recproco de la proposicin anterior no es cierto.
DEF Sea (A, 9, o ) un anillo y B#a un subconjunto. Llamamos ideal engendrado por
el subconjunto B al menor ideal que contiene a B.
DEF Diremos que un ideal I es principal si es un ideal engendrado por un subconjunto
con un solo elemento.
DEF Un Anillo (A, 9, o ) es Principal si es un dominio de integridad y todos sus
ideales son principales.
DEF Sea (A, 9, o ) un anillo conmutativo e I un ideal de A. Diremos que I es Ideal
Maximal si I ( A y no est contenido estrictamente en un ideal propio.
DEF Sea (A, 9, o ) un anillo conmutativo e I un ideal de A con I ( A. Diremos que I
es un ideal primo si la relacin xo y!I implica que x!I o y!I.
7.2.2. Cuerpos.
DEF Diremos que un anillo (K, 9, o ) es un Cuerpo si todo elemento no nulo de K
admite inverso para la operacin o . El Cuerpo es conmutativo si la operacin o es
conmutativa.
Tambin podemos prescindir de la nocin de Anillo y dar como definicin de
Cuerpo la siguiente.
DEF Diremos que la terna (K, 9, o ) es un Cuerpo si se verifica:
1) (K, 9) es un grupo conmutativo.
2) (K {o }, o ) es un grupo.
3) La operacin o es distributiva respecto de 9.
Si adems (K { o }, o ) es conmutativo, diremos que (K, 9, o ) es un Cuerpo
Conmutativo.
DEF Un subconjunto K
0
#K con (K, 9, o ) es un subcuerpo si (K
0
, 9, o ) es un cuerpo.
7.2.3. Retculo.
DEF Llamaremos Retculo a la terna (A, 9, o ) verificando:
1) Las dos operaciones internas son asociativas.
2) Las dos operaciones internas son conmutativas.
3) Las dos operaciones internas son idempotentes.
4) Las dos operaciones internas son absorbentes.
OBS Para que una operacin interna sea idempotente debe verificar que %a!A
21/22
a9a = a ao a = a.
Para que 9 y o sean absorbentes (verifiquen la propiedad de absorcin) debe
cumplirse que %a, b!A (a9b) o a = a y (a o b)9a = a
Ejemplo:
Dado un conjunto U, tenemos que (P(U), *, )) es un retculo.
DEF La terna (A, 9, o ) es un retculo distributivo cuando, adems de ser retculo,
ambas operaciones internas verifican la propiedad distributiva de una respecto a la otra.
DEF Llamaremos Elemento Infinito del retculo (A, 9, o ) y lo representaremos por i,
al elemento neutro de al operacin 9.
DEF Llamaremos Elemento Universal del retculo (A, 9, o ), y lo representaremos por
u, al elemento neutro de la operacin o .
PROP Sea (A, 9, o ) un retculo con elemento nfimo y elemento universal. Dado a!A
se verifica
1) ao i = i
2) a9u = u
Dem.
Como i es el elemento neutro de 9 se verifica %a!A a9i = a
Por la propiedad de absorcin
(i9a) o i = i ' a o i = i
Como u es el elemento neutro de o se verifica %a!A a o u = a
Por la propiedad de absorcin
(uo a)9u = u ' a9u = u
DEF Diremos que (A, 9, o ) es un retculo Complementario si es un retculo con
elementos nfimo y universal y adems verifica:
%a!A ,a
c
!A / a9a
c
=u y ao a
c
= i
7.3. Estructuras Algebraicas con una operacin interna y otra externa.
En este punto vamos a denotar por a la operacin externa, teniendo como
subndice el conjunto sobre el que est definida.
7.3.1. Mdulos.
DEF Sea (A, 9, o ) un anillo conmutativo con unidad y M un conjunto sobre el que hay
definida una operacin interna, 9
M
, y una operacin externa
A
, con dominio de
operadores A. Diremos que (M, 9
M
,
A
) es un A-Mdulo si verifica
22/22
1) (M, 9
M
) es un grupo conmutativo.
2) La Ley externa verifica la propiedad distributiva (por ambos lados) respecto de
9
M
, la propiedad pseudoasociativa y existe elemento unidad.
Si adems, la operacin externa es conmutativa, diremos que (M, 9
M
,
A
) es un A-
Mdulo Conmutativo.
DEF Si (M, 9
M
,
A
) es un A-Mdulo y S#M es no vaco, diremos que S es un
submdulo de M si S, con las operaciones de M restringidas, es un A-Mdulo.
7.3.2. Espacios Vectoriales.
DEF Sea (M, 9
M
,
A
) un A-Mdulo. Diremos que es un Espacio Vectorial si el
dominio de operadores A tiene estructura del Cuerpo.
Una definicin alternativa sin que aparezca el concepto de Mdulo sera:
DEF La terna (V, 9
V
,
K
) es un K-Espacio Vectorial si verifica:
1) (K, 9
K)
,o ) es un cuerpo.
2) (V, 9
V
) es un grupo conmutativo.
3) La ley externa verifica la propiedad distributiva (por ambos lados) respecto de 9
V
,
la propiedad pseudoasociativa y existe elemento unidad.
DEF Si (V, 9
V
,
K
) es un K-espacio vectorial y W#V es no vaco, diremos que W es
un subespacio vectorial de V si W, con las operaciones de V restringidas, es un K-
espacio vectorial.
PROP W es un Subespacio vectorial de (V, 9
V)
,
K
) si y solo si verifica:
1) %x, y!W ' x9
V
y !W
2) %8!K %x!W ' 8
K
x!W
1/27
TEMA 12
(Oposiciones de Matemticas)
ESPACIOS VECTORIALES.
1. Espacios Vectoriales.
2. Subespacios Vectoriales.
2.1. Interseccin de Subespacios.
2.2. Unin de Subespacios.
2.3. Suma de Subespacios.
2.4. Suma Directa de Subespacios.
3. Aplicaciones Lineales. Espacio Cociente.
4. Teoremas de Isomorfa.
5. Bases de un Espacio Vectorial.
5.1. Combinaciones Lineales.
5.2. Dependencia e Independencia Lineal.
5.3. Bases y Dimensin.
5.4. Bases y Aplicaciones lineales.
5.5. Dimensin de Subespacios y Espacios Cociente.
6. Subespacios Vectoriales Complementarios.
2/27
TEMA 12
ESPACIOS VECTORIALES.
A lo largo de este tema 12 denotaremos mediante la letra K un cuerpo conmutativo,
(K, +, ).
1. ESPACIOS VECTORIALES.
DEF Llamamos K-espacio vectorial a la terna formada por un conjunto V, una ley de
composicin interna +, y una ley de composicin externa : KxE ! E, verificando las
propiedades:
1) (V, +) es un grupo conmutativo.
2) La ley de composicin externa satisface las propiedades
a) Pseudoasociativa: "( v
r
) = (") v
r
b) Distributiva: "( w v
r r
+ ) = " w v
r r
! +
(" + ) v
r
= v v
r r
! +
c) Elemento Unidad: 1 u u
r r
=
#", $K y V w v $ #
r r
,
Lo denotaremos por (V, +,
K
).
Los elementos de V reciben el nombre de vectores y se suelen denotar con las letras
w v u
r r r
, , . Los elementos de K reciben el nombre de escalares y se representan mediante
letras griegas. La operacin externa se llama producto por escalares.
Denotaremos el neutro de (V, +) por O
r
y el neutro de (K, +) por O.
PROP Si V es un K-espacio vectorial se satisfacen las siguientes propiedades; #",
$K y V v u $ #
r r
, .
1) O O u O
r r
r
= % = % !
2) ( ) ( ) u u u
r r r
! ! ! & = & % = % &
3) ( ) v u v u
r r r r
! ! ! & = &
4) ( ) u u u
r r r
! ! & = &
5) O u O O u
r
r
r
r
= = ' = ! !
Dem.
3/27
1) ( ) O u O u O u O u O O u O
r
r r r r r
= ' + = + = %
( ) O O O O O O O
r
= ' + = + = % ! ! ! ! !
2) ( ) ( ) ( ) u u O u O u u u
r r
r
r r r r
! ! ! ! ! ! & = & ' = = + & = + &
( ) ( ) ( ) u u O O u u u u ! ! ! ! ! ! & = & ' = % = + & = + &
r
r r
r r r r
3) ( ) ( ) ( ) ( ) v u v u v u v u
r r r r r r r r
! ! ! ! ! ! & = & + = & + = &
4) ( ) ( ) ( ) ( ) u u u u u u
r r r r r r
! ! ! ! & = & + = & + = &
5) Si K O y O u $ ( ' ) =
&1
! ! !
r
r
por ser K un cuerpo
( ) ( ) O u O u O u O u = ' = % ' = % ' % = %
& & &
r
r
r
r
r
r
r
1
1 1 1
! ! ! ! !
Ejemplos:
1) Sea el conjunto K
n
= Kx xK. Definimos una operacin interna y otra
externa con cuerpo de operadores K, como sigue:
+: K
n
x K
n
! K
n
(u
1
, u
2
, , u
n
) + (v
1
, v
2
, , v
n
) = (u
1
+ v
1
, u
2
+ v
2
, ., u
n
+ v
n
)
: K x K
n
! K
n
"(u
1
, u
2
, u
n
) = ("u
1
, "u
2
, ."u
n
)
Es inmediato comprobar que (K
n
, +, ) es un K-espacio vectorial.
2) Sea V un K-espacio vectorial y A un conjunto. Definimos
V
A
= {f: A ! E/f es aplicacin}
Si definimos la operacin interna
+: V
A
x V
A
! V
A
(f + g) (x) = f(x) + g(x) #x$A
y la operacin externa
: K x V
A
! V
A
("f) (x) = "f(x) #x$A
entonces (V
A
, +, ) es un K-espacio vectorial.
3) (!, +, ) puede ser un "-espacio vectorial y tambin un #-espacio vectorial, col
las operaciones suma y producto habituales.
PROP Sea V un K-espacio vectorial. Entonces verifica las leyes de simplificacin, que
son:
4/27
1) w v w u v u V w v u
r r r r r r r r r
= ' + = + $ # , ,
2) " # " # " # = ' = $ # $ # u u nulo no V u y K
r r r
,
3) v u v u K v u nulo no K
r r r r r r
= ' = $ # $ # # # # ,
Dem.
1) ' + = + w u v u
r r r r
Como (V, +) es grupo Conmutativo ( ) V u $ & (
r
( ) ( ) ( ) ( ) ( ) ( ) ' + + & = + + & ' + + & = + + & w u u v u u w u u v u u
r r r r r r r r r r r r
w v w O v O
r r r
r
r
r
= ' + = + '
2) ( ) ( ) ' & = & ' & + = & + ' = u u u u u u u u u u
r r r r r r r r r r
" " " # " " " # " #
( ) O u
r
r
= & ' " # y como u
r
es un no nulo ' * - + = O '* = +
3) ' = v u
r r
# # como K es cuerpo y * es no nulo K $ (
&1
# tal que
( ) ( ) ( ) ( ) v u v u v u v u
r r r r r r r r
= ' = ' = ' =
& & & &
1 1
1 1 1 1
# # # # # # # #
2. SUBESPACIOS VECTORIALES.
DEF Sea V un K-espacio vectorial y WCV subconjunto no vaco. Diremos que W es
un Subespacio Vectorial de V si satisface:
1) (W, +) es subgrupo de (V, +)
2) W u W u y K $ ' $ # $ #
r r
! !
Es claro que (W, +, ) es un K-espacio vectorial con la suma de V y el producto
porescalares restringidos a W.
Todo K-espacio vectorial V admite dos subespacios que llamaremos triviales, el { } O
r
y el propio V.
Ejemplo.
(", +, ) es un subespacio vectorial de (!, +, ), siendo el cuerpo de operadores, por
ejemplo, # ".
PROP Sea V un K-espacio vectorial, W,V con W ) . Son equivalentes:
1) W es un subespacio vectorial de V.
2) W u y W v u K y W v u $ % $ + $ # $ #
r r r r r
! ! ,
5/27
3) W v u K y W v u $ + $ # $ #
r r r r
! !, ,
Dem.
1) ' 2)
Como W es un subespacio, las operaciones de suma y producto por un escalar
son cerradas. Luego trivialmente se verifica 2).
2) ' 3)
, , , K y W v u $ # $ # !
r r
por hiptesis W v y W u $ $
r r
! y de nuevo aplicando
2) W v u $ +
r r
!
3) ' 4)
Para ver que W es un subespacio.
(w, +) es subgrupo
W v u $ # , si tomamos " = 1 y = -1 ' W v u $ &
r r
Para comprobar que la operacin externa es cerrada
W v u $ # , tomamos = O ' K W u $ # $ ! !
r
2.1. Interseccin de Subespacios.
DEF Sea V un K-espacio vectorial y {W
i
) i: 1,, n} una familia de subespacios de
V. Definimos la interseccin de subespacios como:
{ } n W u v u W W
i i i
n
i
,...., 1 : /
1
# $ $ = - =
=
r r
PROP Sea V un K-espacio vectorial y {W
i
) i:1,., n} una familia de subespacios de
V. Entonces, la interseccin,
i
n
i
W W
1 =
- = , de subespacios es un subespacio vectorial V.
Dem.
W ) ya que
i i
W O # $
r
por ser un subespacio ' W O$
r
.
Sea W v u K W v u W v u W v u
i i i i
$ + ' # $ # $ + ' # $ ' $
r r r r r r r r
! ! ! , , ,
W es un subespacio.
DEF Sea V un K-espacio vectorial y A,V un subconjunto no vaco. Llamamos
Subespacio Engendrado por A al menor de los subespacios vectoriales que contienen a
A. Se denota por [A].
Es claro que el conjunto [A] es un subespacio de V que contiene al conjunto A, y si
existe otro subespacio W de V que tambin contiene a A, entonces [A],W.
PROP Sea V un K-espacio vectorial y A un subconjunto no vaco de V. Sean {W
i
/W
i
es
subespacio y A,W
i
#
i
$I. Entonces [A] =
i
I i
W
$
-
6/27
Dem.
Inmediata
DEF Sea W un subespacio vectorial de V, K-espacio vectorial, y A,V tal que [A] =
W. Diremos que el conjunto A engendra W o es un Sistema de Generadores de W.
2.2. Unin de Subespacios.
DEF Sea V un K-espacio vectorial y {W
i
/i$I} una familia de subespacios de V.
Definimos la unin de subespacios como:
{ }
i i
W u I i V u W $ $ ( $ = .
r r
, /
No podemos afirmar que la unin de subespacios sea un nuevo subespacio.
Ejemplo.
Sea V = "
2
y U, W subespacios de V con U = "x{o} y W = {o}x".
Entonces (u, o) $U y (o, w)$W. En cambio (u, o) + (o, w) = (u, w) /U.W.
2.3. Suma de Subespacios.
DEF Sea V un K-espacio vectorial y {W
i
/i:1,., n} una familia de subespacios de V.
Definimos la suma de subespacios como:
{ }
0 0
=
# $ = $ =
n
i
i i i i i
n W u con u u V u W
1
,...., 1 : /
r r r
PROP Sea V un K-espacio vectorial y {W
i
/i:1,, n} una familia de subespacios de V.
Entonces la suma de subespacios
0
=
=
n
i
i
W W
1
es un subespacio de V.
Dem.
Vamos a realizar la demostracin por induccin en el nmero de subespacios, n.
Para n = 2 W = W
1
+ W
2
1) Como ) ' $ + = ' $ $ W W O O O W O y W O
r r r r r
2 1

2) W
1
, V y W
2
, V ' W
1
+ W
2
, V ' W , V
3) Sea ' $ $ + = + = ' $
2 2 2 1 1 1 2 1 2 1
, , , W v u y W v u con v v v y u u u W v u
r r r r r r r r r r
7/27
( ) ( )
( ) ( ) W v u W W v u v u
v v u u v u W v u y W v u
$ + ' + $ + + + =
= + + + = + ' $ + $ + '
2 1 2 2 1 1
2 1 2 1 2 2 2 1 1 1
4) Sea "$K y u$W ' u = u
1
+ u
2
con u
1
$W
1
y u
2
$W
2
'
' "u
1
$W
1
y "u
2
$W
2
' "u = "(u
1
+ u
2
) = "u
1
+ "u
2
$W
1
+ W
2
'
' "u$W
Por tanto W es un subespacio.
Para n 1, por hiptesis de Induccin,
0
&
=
=
1
1
n
i
i
W W es subespacio vectorial
Para n
0 0
=
&
=
+ = =
n
i
n
i
n i i
W W W W
1
1
1
Ambos sumandos son subespacios vectoriales, y como la suma de dos subespacios
es otro subespacio (caso n = 2) entonces W es subespacio vectorial de V.
PROP Sea V un K-espacio vectorial y U, W subespacios vectoriales de V. Se verifica
que U + W = [U.W]
Dem.
, Sea v
r
$U + W ' w u v
r r r
+ = con ' $ $ W w y U u
r r
[ ] [ ] W U v W U w u W U w y W U u . $ ' . + ' . $ . $ '
r r r r r
1 Sea [ ] [ ] ' . $ + = $ ( $ ( ' . = W U w u v W w y U u W U v
r r r r r
! /
W U v W U v u W v y U u + $ ' + $ + ! $ $ '
r r r r r
! !
2.4. Suma Directa de Subespacios.
DEF Sea V un K-espacio vectorial y W
1
, W
2
dos subespacios de V. Diremos que el
subespacio W es suma directa de W
1
y W
2
, y lo representaremos por W = W
1
2W
2
, si
se verifica:
1) W = W
1
+ W
2
2) W
1
-W
2
= {o
r
}
PROP Sea V un K-espacio vectorial y W, W
1
, W
2
subespacios de V.
W = W
1
2W
2
3
2 1 2 2 1 1
/ w w w W w y W w W w
r r r r r r
+ = $ ( $ ( $ #

Dem.
8/27
' Como W = W
1
2W
2
, entonces en particular W = W
1
+ W
2
.
Sea W w$
r
' W w y W w con w w w $ $ + =
2 1 1 2 1
r r r r r
Para ver que esa expresin es nica, vamos a suponer que existe otra: Sea
2 2 1 1 2 1
W w y W w con w w w $ $ + =
r r r r
Entonces
2 2 1 1 2 1 2 1
w w w w w w w w
r r r r r r r r
& = & ' + = +
Como
2 2 2 1 1 1
W w w y W w w $ & $ &
r r r r
y ambos son iguales
2 1 1 1
W W w w - $ & '
r r
y
2 1 2 2
W W w w - $ &
r r
Pero como la suma es directa se da que { } o W W
r
= -
2 1
0 0
2 2 1 1
= & = & ' w w y w w
r r r r

2 2 1 1
w w y w w
r r r r
= = '
Por tanto la expresin es nica.
4
1) Como
2 1 2 2 1 2 1
W W W W w y W w con w w w W w + = ' $ $ + = $ #
r r r r r r
2) Sea
5
6
7
+ = ' $
+ = ' $
- $
2 2
1 1
2 1
w o w W w Como
o w w W w Como
W W w r r r r
r r r r
r
Y al ser la expresin nica o w o w o w
r r r r r
= ' = =
2 1
, { } o W W
r
= - '
2 1
Lo visto de suma directa de dos subespacios se puede generalizar fcilmente a un
conjunto de - subespacios.
DEF Sea V un K-espacio vectorial y {W
i
/i:1,.,n} una familia de subespacios de V.
Diremos que el subespacio W es suma directa de los subespacios {W
i
/ i:1,..,n}, y se
representa por
i
n
i
W W
1 =
2 = si se verifica
1)
0
=
=
n
i
i
W W
1
2) { } o W W
n
i j
j
j i
r
=
8
8
8
9
:
;
;
;
<
=
-
0
)
=1
PROP Sea V un K-espacio vectorial y W, {W
i
/i:1,., n} subespacios de V.
9/27
0
=

=
= # $ ( $ # 3 2 =
n
i
i i i i i
n
i
w w n W w W w W W
1
1
/ ,..., 1 :
r r r r
Dem.
Anloga a la anterior
COROLARIO Sea V un K-espacio vectorial y {W
i
/ i:1,., n}, W subespacios de
V.
0
=
=
# = # $ = 3 2 =
n
i
i i i i i i i
n
i
o w implica W w con o w Si W W
1
1
r r r r r
Dem.
Solo hemos de tener en cuenta que o o o o
r r r r
+ + + = ....... .
3. APLICACIONES LINEALES. ESPACIO COCIENTE.
DEF Sean V
1
y V
2
K-espacios vectoriales. Diremos que la aplicacin f: V
1
! V
2
es
un homomorfismo de espacios vectoriales (o simplemente lineal) si:
1) ( ) ( ) ( )
1
, V v u v f u f v u f $ # + = +
r r r r r r
2) ( ) ( )
1
V u K u f u f $ # $ # =
r r r
! ! !
OBS La condicin 1) nos indica que f es un hormomorfismo de grupos entre (V
1
, +)
y (V
2
, +).
PROP Sean V
1
y V
2
K-espacios vectoriales y f: V
1
! V
2
una aplicacin lineal. Si
{ } n i v
i
,....., 1 : /
r
son vectores de V
1
y { } n i ,....., 1 : /
1
! escalares se verifica
( )
0 0
= =
= 8
9
:
;
<
=
n
i
i i
n
i
i i
v f v f
1 1
r r
! !
Dem.
Inmediata.
PROP Sean V
1
y V
2
K-espacios vectoriales y f: V
1
! V
2
una aplicacin lineal. Se
satisfacen las siguientes propiedades.
1) ( ) o o f
r r
=
2) ( ) ( )
1
V v v f v f $ # & = &
r r r
3) ( ) ( ) ( )
1
, V w v w f v f w v f $ # & = &
r r r r r r
Dem.
10/27
1) ( ) ( ) ( ) ( ) ( ) o o f v f o f v o f v f V v
r r r r r r r r
= ' + = + = $ #
1
2) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ) 1
1
por o v f v f v f v f v v f o f V v
r r r r r r r r
= & + ' & + = & + = $ #
( ) ( ) v f v f
r r
& = & '
3) ( ) ( ) ( ) ( ) ( ) ( ) ( ) w f v f w f v f w v f w v f V w v
r r r r r r r r r
& = & + = & + = & $ #
1
, .
PROP Sean V
1
y V
2
K-espacios vectoriales.
F: V
1
! V
2
es lineal ( ) ( ) ( ) w f v f w v f K y V w v
r r r r r r
! ! ! + = + $ # $ # 3 , ,
1
Dem.
' ( ) ( ) ( ) ( ) ( ) w f v f w f v f w v f
r r r r r r
! ! ! + = + = +
4
Si " = = 1 ' ( ) ( ) ( ) ( ) ( ) w f v f w f v f w v f
r r r r r r
+ = + = + 1 1 1 1
Si = 0 ' ( ) ( ) ( ) ( ) v f w f o v f w o v f
r r r r r
! ! ! = + = +
Luego f es lineal.
PROP Sean V
1
y V
2
K-espacios vectoriales y f: V
1
! V
2
una aplicacin lineal. Se
satisfacen:
1) Si W
1
es un subespacio vectorial de V
1
' f(W
1
) es un subespacio vectorial de V
2
.
2) Si W
2
es un subespacio vectorial de V
2
' f
-1
(W
2
) es un subespacio vectorial de
V
1
.
Dem.
1) Como f, en particular, es un homomorfismo de grupos, se verifica que f(W
1
) es
un subgrupo de V
2
.
Sea "$K y ( ) v f
r
$ f(W
1
) con
1
W v $
r
Entonces ( ) ( ) ( )
1
W f v f v f $ =
r r
! !
Luego f(W
1
) es un subespacio vectorial de V
2
.
2) Igualmente, f
-2
(W
2
) es un subgrupo de V
1
.
Sea "$K y ( ) ( ) ( ) ( ) ' = $ ' $
& &
2 2
1
2
1
W W f f v f W f v
r r
( ) ( ) ( )
2
1
2
W f v W v f v f
&
$ ' $ = '
r r r
! ! !
11/27
DEF Si f: V
1
! V
2
es una aplicacin lineal entre K-espacios vectoriales, definimos el
ncleo del f, y se denota por Kerf, al conjunto de los
1
V v $
r
tales que ( ) o v f
r r
= . Y la
Imagen de f, Imf, como el conjunto formado por las imgenes de f.
( ) { } ( ) { } ( )
1 1 2 1
/ Im / V f w v f con V v V w f o v f V v Kerf = = ( $ = = $ =
r r r r r r
COROLARIO Sea f: V
1
! V
2
una aplicacin lineal entre K-espacios vectoriales.
Los conjuntos Kerf e Imf son subespacios vectoriales.
Dem.
Kerf = f
-1
{ } ( ) o
r
y { } o
r
es un subespacio de V
2
Imf = f(V
1
) y V
1
es un subespacio de V
1
.
PROP Si V
1
, V
2
y V
3
son K-espacios vectoriales y f: V
1
! V
2
, g: V
2
! V
3
aplicaciones
lineales, la aplicacin compuesta f g o : V
1
! V
3
es lineal.
Dem.
Inmediata.
PROP Si V
1
y V
2
son K-espacios vectoriales y f: V
1
! V
2
es una aplicacin lineal
biyectiva, la aplicacin inversa f
-1
: V
2
! V
1
es lineal.
Dem.
Sabemos que f
-1
: V
2
! V
1
es un homomorfismo de grupos, luego solo hemos de
probar el producto por un escalar.
Si ( ) w v f V v V w
r r r r
= $ ( $ /
1 2
Sea "$K ( ) ( ) ( ) ( ) ( ) ( ) w f v v f f v f f w f
r r r r r
1 1 1 1 & & & &
% = % = % = % = ! ! ! ! !
DEF Sean V
1
y V
2
K-espacios vectoriales y f: V
1
! V
2
aplicacin lineal.
1) f es monomorfismo si f es inyectiva.
2) F es epimorfismo si f es suprayectiva.
3) F es isomorfismo si f es biyectiva.
4) F es endomorfismo si V
1
= V
2
5) F es automorfismo si es simultneamente isomorfismo y endomorfismo.
PROP Sea V un K-espacio vectorial y N,V un subespacio vectorial. Existe entonces
un K-espacio vectorial, W, y una aplicacin lineal >: V ! W tal que Ker > = N.
Dem.
12/27
Vamos a realizar la demostracin en dos pasos; primero construiremos W y despus
>.
1) Construccin de W.
Por ser N subespacio vectorial de V ' (N, +) es un subgrupo de (N, +) y como es
conmutativa ' N es un divisor normal de V.
Vamos a considerar el conjunto cociente V/N, siendo sus elementos clases de
equivalencias de V respecto de la relacin R definida por
N v v v R v V v v $ & 3 $ # ,
r r r r r r
La suma de clases estara definida por
[ ] [ ] [ ] v v v v
r r r r
+ = +
siendo (V/N, +) grupo conmutativo
Definimos la operacin externa
[ ] [ ] v v K
r r
% = % $ # ! ! !
y esta bien definida ya que si [ ] [ ] ( ) N v v N v v v v $ & % ' $ & ' =
r r r r r r
! al ser subespacio
' [ ] [ ] v v N v v
r r r r
! ! ! ! = ' $ & .
La operacin externa que acabamos de definir verifica las propiedades
Pseudoasociativas, distributivas (de la suma respecto del producto por escalares y
viceversa) y existencia de elemento unidad. Su demostracin es inmediata y no la
hacemos.
Por tanto, el conjunto (V/N, +,
K
) es un K-espacio vectorial. Tomaremos W = V/N.
2) Construccin de >.
Definimos >: V ! V/N como ( ) [ ] V v v v $ # =
r r r
$ . As definida, > es una aplicacin
lineal:
( ) [ ] [ ] [ ] ( ) ( ) V v v v v v v v v v v $ # + = + = + = + ,
r r r r r r r r r r
$ $ $
( ) [ ] [ ] ( ) V v K v v v v $ # $ # % = = =
r r r r r
! $ ! ! ! ! $
Es claro que Ker> = N
( ) [ ] [ ] N v N o v o v o v Ker v $ 3 $ & 3 = 3 = 3 $
r r r r r r r
$ $
DEF El espacio vectorial V/N recibe el nombre de Espacio Vectorial Cociente de V
por N.
13/27
DEF La aplicacin >:V ! V/N recibe el nombre de Proyeccin Natural del espacio
vectorial V sobre V/N.
OBS Si N = { } o
r
' > es inyectiva y
{ }
V
o
V
?
r
4. TEOREMAS DE ISOMORFA.
Teorema: 1
er
Teorema de Isomorfa.
Sean V y W K-espacios vectoriales y f: V ! W aplicacin lineal. Entonces existe
un nico isomorfismo de espacios vectoriales ( ) f
Kerf
V
f Im :
~
! tal que $ o f f
~
= ,
siendo >:V ! V/Kerf la proyeccin natural de V en V/Kerf. Brevemente escribimos
( ) f
Kerf
V
Im ? .
Dem.
Construyamos la aplicacin f
~
y comprobemos que es isomorfismo y nica.
Definimos ( ) f
Kerf
V
f Im :
~
! con [ ] ( ) ( ) [ ]
Kerf
V
v v f v f $ # =
r r ~
f
~
esta bien definida.
Si [ ] [ ] ( ) ( ) ( ) o v f v f o v v f Kerf v v v v = & ' = & ' $ & ' =
r r r r r r r r
'
' ( ) ( ) [ ] ( ) [ ] ( )
~ ~
v f v f v f v f
r r r r
= ' =
f
~
es lineal.
Sean ", $K y [ ] [ ]
Kerf
V
v v $
r r
,
[ ] [ ] ( ) [ ] ( ) ( ) ( ) ( ) [ ] ( ) [ ] ( )
~ ~

~

~
v f v f v f v f v v f v v f v v f
r r r r r r r r r r
! ! ! ! ! + % = + = + = + = +
f
~
es suprayectiva.
Sea ( ) ( ) [ ]
Kerf
V
v v f w V v f w $ ( ' = $ ( ' $
r r r r r
/ Im tal que [ ] ( ) ( ) w v f v f
r r r
= =
~
Luego ( ) f
Kerf
V
f Im :
~
! es un isomorfismo, que adems hace conmutativo el
diagrama
$ o f f
~
=
14/27
( )( ) ( ) ( ) [ ] ( ) ( ) v f v f v f v f
r r r r
o = = =
~ ~ ~
$ $
f
~
es nico.
Supongamos que $ o f f f
Kerf
V
f
~
/ Im :
~
= ! (
Entonces ( )( ) [ ] ( ) ( ) [ ] ( ) ( )( ) v f v f v f v f v f
r
o
r r r r
o $ $
~ ~

~ ~
= = = =
Luego f f
~

~
=
OBS Sea V un K-espacio vectorial y U, W subespacios vectoriales de V con U,W.
Podemos definir una aplicacin @: V/U ! V/W de forma natural con
( ) V v W v U v $ + = +
r r r
, % .
La definicin es correcta pues si ' $ & ' $ & ' + = + W v v U v v U u U v
r r r r r r
( ) ( ) U v U v W v W v + = + ' + = + '
r r r r
% %
Adems, @ es lineal y suprayectiva (epimorfismo) y su ncleo es W/U ya que
( ) { } { } { } U W W v U v W o W v U v W o U v U v Kerf / / / / = $ + = + = + + = + = + + =
r r r r r r r r
% %
COROLARIO 2 Teorema de Isomorfa.
Sea V un K-espacio vectorial y U, W subespacios de V con U,W. Dada
W
V
U
V
! : % lineal, existe un nico isomorfismo
( )
( )
W
V
U
W
U
V
f ! :
~
tal que
$ % o f
~
= donde > es la proyeccin natural de V/W en
( )
( )
V
W
U
V
Dem.
La demostracin es inmediata aplicando el 1
er
teorema de isomorfia y teniendo en
cuenta que Ker@ = W/U.
Teorema. 3
er
Teorema de Isomorfa.
Sea V un K-espacio vectorial y U, W subespacios de V. Entonces los espacios
U
V U +
y
W U
W
-
son isomorfos.
Dem.
Consideremos la proyeccin >: V ! V/U con ( ) [ ] $ $ , v v
r r
= es lineal.
Si lo restringimos a W obtenemos la aplicacin lineal
15/27
( ) [ ] W v v v w
U
V
W w $ # = !
r r r
$ $ :
1) Comprobemos que ( )
U
W U
w
+
= $ Im
Si [ ] ( ) [ ] ( ) [ ] ' $ = & 3 $ = = 3 $ U u w v W w con w w w v w v
r r r r r r r r
$ $ Im
[ ]
U
W U
v W U v W w y U u con w u v
+
$ 3 + $ 3 $ $ + = '
r r r r r r r
2) Comprobemos que ( ) W U w Ker - = $
Si ( )
( ) [ ] [ ] [ ]
'
A
B
C
5
6
7
$ & ' = ' =
$
' $
U o v o v o v w
W v
w Ker v
r r r r r
r
r
$
$
( ) W U w Ker W U v - , ' - $ ' $
r
Si ( ) ( ) [ ] [ ] [ ] ' = ' $ = = ' - $ o v U v como y v v v w W U v
r r r r r r r
$ $
( ) ( ) w Ker W U w Ker v $ $ , - ' $ '
r
Luego ( ) W U w Ker - = $
Aplicando el 1
er
teorema de isomorfia a la aplicacin w $ obtenemos
( ) ( ) w w Ker
W
$ $ Im ?
que resulta ser:
U
W U
W U
W +
?
-
5. BASES. DIMENSIN.
5.1. Combinaciones lineales.
DEF Sea V un K-espacio vectorial y { } n i v
i
,...., 1 : /
r
vectores de V. Diremos que V v $
r
Es combinacin lineal de los vectores { } n i v
i
,..., 1 : / si existen { } n i
i
,..., 1 : / ! escalares
del cuerpo K, tales que
0
=
% =
n
i
i i
v v
1
r r
! . Los "
i
reciben el nombre de coeficientes de la
combinacin Lineal.
PROP El vector nulo es Combinacin lineal de cualquier conjunto de vectores.
Dem.
Sea { }
n
v v v ,..., ,
2 1
un conjunto del K-espacio vectorial V. Basta tomar los
coeficientes todos cero para que
0
=
% =
n
i
i
v o o
1
r r
.
16/27
PROP 1) Un vector cualquiera es combinacin lineal de si mismo. 2) Un vector
pertenece a un conjunto es Combinacin lineal de dicho conjunto.
Dem.
1) v v v
r r r
' % =1 es combinacin lineal de { } v
r
2) Sea { }
n
v v v
r r r
,..., ,
2 1
un conjunto.
0 0
&
= + =
# % + % + % =
1
1 1
,..., 1 : 1
i
j
n
i j
j i j i
n i v o v v o v
r r
Luego
i
v
r
es Combinacin lineal de { }
n
v v
r r
,...,
1
PROP Si un vector w
r
es Combinacin Lineal del conjunto { }
n
v v
r r
,...,
1
y cada uno de los
v
i
es combinacin lineal del conjunto { }
m
u u
r r
,...,
1
, entonces w
r
es combinacin lineal de
{ }
m
u u
r r
....,
1
Dem.
Sabemos que
0
=
=
n
i
i i
v w
1
r r
! y cada
0
=
# =
m
j
i j ij i
n u v
1
,..., 1 :
r r

Entonces
0 0 00 0 0 0
= = = = = = =
% 8
9
:
;
<
=
= % =
8
8
9
:
;
;
<
=
% = =
n
i
n
i
n
i
m
j
m
j
j
n
i
ij i j ij i
m
j
i ij i i i
u u u v w
1 1 1 1 1 1 1
r r r r r
! ! ! !
PROP Sea V un K-espacio vectorial y A un subconjunto no vaco de V. El subespacio
engendrado por A, [A], es el conjunto de todos los vectores V que se pueden escribir
como combinacin lineal de los vectores de A.
Dem.
Sea A = { }
n
v v
r r
,.....,
1
Definimos ( )
A
B
C
5
6
7
= $ ( $ =
0
=
n
i
i i n i i
v v con K V v S
1
,.., 1 :
/
r r r
! !
Hemos de comprobar que S = [A], para lo cual hay que verificar tres condiciones.
S es un subespacio de V.
Sean
0 0
= =
= = ' $
n
i
n
i
i i i i
v v y v u S v u
1 1
,
r r r r r r
!
17/27
( ) ( )
0 0 0
= = =
# $ + $ + = + = +
n
i
n
i
n
i
i i i i i i i i i i
K que ya S v v v v u
1 1 1
! ! !
r r r
( )
0 0
= =
# $ % $ % = % = %
n
i
n
i
i i i i i i
K que ya S v v u
1 1
! ! ! ! ! ! !
r r
Entonces S es subespacio vectorial de V.
A,S
Por una proposicin anterior, todo vector de un conjunto, se puede escribir como
combinacin lineal de dicho conjunto.
S es el ms pequeo que lo verifica.
Sea S un subespacio vectorial de V tal que A,S.
Si
i i i i
S v K y A v # $ % ' $ $
r r
! !
Entonces
0
=
, ' $
n
i
i i
S S S v
1

r
!
OBS El conjunto { }
n
v v A
r r
,....,
1
= es un sistema de generadores de S.
5.2. Dependencia e Independencia Lineal.
DEF Sea V un K-espacio vectorial. El conjunto { }
n
u u
r r
,....,
1
de vectores de V diremos
que es Linealmente Independiente si la relacin
0
=
=
n
i
i i
o u
1
r r
! se verifica solamente para
i i
o # = ! .
DEF El conjunto { }
n
u u
r r
,....
1
es Linealmente Dependiente cuando no es Linealmente
Independiente.
OBS Es lo mismo decir que { }
n
u u
r r
,....
1
es un conjunto Linealmente independiente y
que los vectores { }
n
u u ,....,
1
r
son linealmente independientes.
OBS Si un conjunto de vectores es Linealmente independiente, el vector o
r
se expresa
de forma nica como combinacin lineal de los mismos. En caso de que el vector nulo
no se exprese de forma nica es cuando decimos que el conjunto es linealmente
dependiente.
PROP Sea V un K-espacio vectorial. Se verifica:
1) { } o
r
es un conjunto linealmente dependiente.
18/27
2) { } u
r
con o u
r r
) es un conjunto linealmente independiente.
Dem.
1) o o
r r
= % 1 es una combinacin lineal del o
r
con escalar no nulo ' { } o
r
es
Linealmente Dependiente.
2) Una combinacin lineal de { } u
r
es u
r
! y o u =
r
! si "= 0 ya que { } u o u
r r
' ) es
Linealmente Independiente.
PROP Sea V un K-espacio vectorial. Se verifica
1) Todo subconjunto de un conjunto Linealmente independiente es linealmente
independiente.
2) Un conjunto que contenga un subconjunto linealmente dependiente es
linealmente dependiente.
Dem.
Inmediata.
COROLARIO Sea V un K-espacio vectorial. Se verifica:
1) Todo vector de un conjunto linealmente independiente es no nulo.
2) Si un conjunto contiene al vector o
r
es linealmente dependiente.
Dem.
Inmediata.
PROP Sea V un K-espacio vectorial. El conjunto { }
n
u u
r r
,...,
1
es linealmente dependiente
si y slo si al menos uno de ellos es combinacin lineal del resto.
Dem.
' Si { }
n
u u
r r
,...,
1
son L. D. ' ("
1
,, "
n
$K no todos nulos tal que
0
=
=
n
i
i i
o u
1
r r
!
Sea { } K n j con o j
j
$ ( ' $ )
&1
,..., 1 ! !
( ) ( ) ( )
0 0 0 0
)
=
&
= =
)
=
& & & &
& = ' = + ' = ' % = %
n
j i
i
i i j
n
i
n
i
n
j i
i
j i i j j i i j j i i j
u u o u u o u o u
1
1
1 1 1
1 1 1 1
r r r r r r r
! ! ! ! ! ! ! ! !
4 Supongamos que u
j
es combinacin lineal del resto.
19/27
Entonces ( )
0
)
=
' % = $ (
n
j i
i
i i j i
u u K
1
/
r
! ! Si tomamos "j = -1 podemos escribir
0
=
=
n
i
i i
o u
1
r r
! y no todos los escalares son nulos ' { }
n
u u
r r
,...,
1
son L. D.
PROP Sea V un K-espacio vectorial. Si un vector es combinacin lineal de un conjunto
{ }
n
u u
r r
,...,
1
de vectores linealmente independientes entonces dicha combinacin lineal es
nica.
Dem.
Sea V u $
r
un vector tal que
0
=
=
n
i
i i
u u
1
r r
! con
i i
K # $ ! .
Supongamos que K
n
$ ( ,...,
1
tal que
0
=
=
n
i
i i
u u
1
r r

( )
0 0 0
= = =
& = & = & =
n
i
n
i
n
i
i i i i i i i
u u u u u o
1 1 1
r r r r r
! !
Como { }
n
u u ,.....,
1
son L. I. ' "
i
-
i
= o #
i
' "
i
=
i
#
i
Por tanto, la C. L. es nica.
PROP Si el conjunto { }
n
u u ,....,
1
es linealmente dependiente y es un sistema generador
para el K-espacio vectorial V, entonces existe un vector u
j
${u
1
,.,u
n
} tal que el
conjunto {u
1
,, u
j-1
, u
j+1
,, u
n
} sigue siendo un sistema generador de V.
Dem.
Como { }
n
u u ,.....,
1
es L. D. { }
0
)
=
= $ (
n
j i
i
i i j n j
u u u u u
1
1
/ ,....,
r
!
Vamos a comprobar que { }
n j j
u u u u ,..., , ,....,
1 1 1 + &
es Sist. Generador de V.
0
=
= # $ ( $ #
n
i
i i i
u u n i K V u
1
/ ,...., 1 :
r r r
ya que { }
n
u u ,....,
1
es S. G de V.
( )
0 0 0 0 0
=
)
=
)
=
)
=
)
=
+ = % + = + = =
n
i
n
j i
i
n
j i
j i
n
j i
i
n
j i
i
i i j i i i i i j j i i i i
u u j u u u u u
1 1 1 1
r r r r r r r
! !
Entonces u V u
r r
$ # es C. L. de { }
n j j
u u u u ,...., , ,...,
1 1 1 + &
luego es un sistema de
generadores de V.
20/27
PROP Sea V un K-espacio vectorial, { }
n
u u L
r r
,....,
1
= un conjunto linealmente
independiente y V v $
r
tal que L v /
r
siendo { } v L
r
. un conjunto linealmente
dependiente. Entonces [ ] L v $
r
.
Dem.
Sea
0
=
= +
n
i
o i i
o v u
1
r r r
! ! una combinacin lineal del vector o
r
.
Como { } v L
r
. es L. D. ' K
j
$ (! con j: 0,., n no nulo.
Si "
o
= 0 ' Es escalar no nulo tendra que ser "
j
con j 1,., n pero eso entra en
contradiccin con que L es L. I.
Luego "
o
) 0 ' K
o
$ (
&1
! y por tanto
( ) [ ]
0
=
&
$ % & =
n
i
i i o
L u v
1
1
r r
! !
5.3. Bases y Dimensiones.
DEF Sea un conjunto { }
n
u u B
r r
,.....,
1
= de vectores del K-espacio vectorial V. Diremos
que B es una Base de V si B es un conjunto Linealmente Independiente y Sistema
Generador de V.
OBS Si { }
0
=
= $
n
i
n i i
u u con u v es V v
1
1
,....,
r r r r r
! base de V, la expresin es nica y "
i
recibe el nombre de componente i-sima del vector v
r
en la base { }
n
u u ,....,
1
.
DEF Diremos que el K-espacio vectorial V es finitamente generado si existe
{ }
m
u u
r r
,.....,
1
un conjunto finito sistema generador de V.
PROP Sea V un K-espacio vectorial, S un conjunto finito sistema generador de V y
L,S un subconjunto linealmente independiente. Entonces una base B tal que L,B,S.
Dem.
Vamos a considerar el conjunto de conjuntos ( ) { } . . / I L es G y S G L G G C , , =
Este conjunto es no vaco ya que, al menos, A pertenece a l.
Sea B$C(G) un conjunto tal que Card (B) D Card (G) #G$C(G)
B es L. I. ya que B$C(G)
Si Card (B) = Card (S) ' B = S y B es S. G. de V.
21/27
Supongamos B ) S. Sea v
r
$S B. ' { } v B
r
. es L. D. ' Por una proposicin
anterior [ ] B v $
r
.
0 0 0 0 0 0
$ $ & $ $ & $ $
=
8
8
9
:
;
;
<
=
% + = + = = ' $
S u B u B S u B u B S u B u
j j i i i i i i i i i
i i i i j
u u u u u u V u
r r r r r
r r r r r r
! ! ! ! !
[ ]
0 0 0 0 0
$ $ $ & $ & $
$ %
8
8
9
:
;
;
<
=
+ = %
8
8
9
:
;
;
<
=
+ =
B u B u B u
i
B S u
j K i i
B S u
j i i i
i i i K i
B u u u
r r r r r
r r
! ! ! !
Entonces B es S. G. de V.
Si B es L. I. y S. G. de V ' B es base de V.
COROLARIO Todo K-espacio vectorial V finitamente generado y no nulo (V ) { } o
r
)
posee una base.
Dem.
Como V es finitamente generado, sea S un conjunto finito de generadores de V.
Como { } o u V u o V
r r r r
) $ ( ' = / . Sea { } u L
r
= que es L. I.
Aplicando la proposicin anterior, existe B base tal que L,B,S.
COROLARIO Sea V un K-espacio vectorial finitamente generado y N un
subconjunto finito linealmente independiente de V. Entonces existe un subconjunto
finito N de V tal que N.N es base de E.
Dem.
Como V es finitamente generado, sea S un conjunto S. G. de V. Aplicando la
proposicin anterior tomando S = S.N y L = N entonces (B base tal que N,B,S.N
Basta tomar N = B N para demostrar lo pretendido.
OBS Podemos deducir que este corolario que dado un conjunto de vectores
linealmente independientes de un K-espacio vectorial V finitamente generado, siempre
se puede extender ese conjunto a una base, aadiendole vectores adecuados.
Veamos ahora que relacin existe entre dos conjuntos que sean base de un mismo
K-espacio vectorial V.
22/27
TEOREMA Teorema de la Base.
Todas las bases de un mismo K-espacio vectorial finitamente generado tienen el
mismo nmero de elementos.
Dem.
Sean B y B dos bases de V. Si Card (B) = n y Card (B) = m hemos de
comprobar que n = m.
Sea { } { }
m n
v v B y u u B
r r r
,....., ,.....,
1 1
= =
0
=
= $ #
n
i
j ij j j
u v B v
1

r r r
! por ser { }
n
u u B
r r
,....,
1
= base de V.
Sea el conjunto { }
1
v B . que es S. G. ya que B es S. G. y L. D. ya que
1
v
r
es
combinacin lineal de B.
Podemos extraer una base { }
p
u u v B
r r r
,....., ,
1 1 1
= con p < n y 1 + p E n.
Repitiendo el proceso, el conjunto { }
2 1
v B
r
. es S. G. y L. I.
Podemos extraer una base { }
s
u u v v B
r r r r
,...., , ,
1 2 1 2
= s < p y 2 + s E n.
Reiterando el proceso m veces encontramos una base
{ }
r m m
u u v v v B
r r r r r
,... , ,...., ,
1 2 1
= con m E m + r E n ' m E n.
Si realizamos el mismo razonamiento, pero invirtiendo los papeles de B y B
llegamos, despus de n pasos, a una base
{ }
t n n
v v u u B
r r r r
,..., , ,...,
1 1
= con n E n + t E ' n E m
Luego n = m.
DEF Llamamos dimensin de un K-espacio vectorial finitamente generado al nmero
de vectores de una cualquiera de sus bases. Se representa por dim V.
COROLARIO Si V es un K-espacio vectorial de dimensin n y B es un conjunto de
vectores linealmente independientes tal que Card (B) = n, entonces B es base de V.
Dem.
Por un corolario previo, existe B finito tal que B.B es base de V.
Entonces Card (B.B) = n
23/27
Y como Card (B) = n ' B ) y B es base de V.
COROLARIO Si V es un K-espacio vectorial de dimensin finita y K es un conjunto
de vectores linealmente independientes, entonces Card (L) E dim V.
Dem.
Supongamos que Card (L) > dim V ' (L,L formado por dim V vectores y L. I.
Por el corolario anterior L es base.
Sea v$L L ' v es C. L. de los vectores de L '
' L.{v} es L. D. y como L.{v},' L es L. D.
lo que es una contradiccin con la hiptesis.
Luego la suposicin es falsa y Card (L) E dim V.
5.4. Bases y Aplicaciones Lineales.
PROP Sean V
1
y V
2
K-espacios vectoriales de dimensin finita, { }
n
u u B
r r
,....,
1 1
= una
base de V
1
y { }
n
v v B
r r
,...,
1 2
= un conjunto de vectores que V
2
. Entonces existe una nica
aplicacin lineal f: V
1
! V
2
tal que ( ) n i v u f
i i
,..., 1 = # =
r r
verificndose que f es un
isomorfismo si y solo si B
2
es base de V
2
.
Dem.
Existencia de f.
Sabemos que
0
=
# $ = $ #
n
i
i i i i
K con u u V u
1
1
! !
r r r
Definimos ( )
0
=
=
n
i
i i
v u f
1
r r
!
- f es lineal
Sean
0 0
= =
= =
n
i
n
i
i i i i
u v y u u
1 1
r r r r
! vectores de V
1
y "$K.
( ) ( ) ( ) ( ) ( )
0 0 0 0
= = = =
+ = + = + = 8
9
:
;
<
=
+ = +
n
i
n
i
n
i
i i i i i i i
n
i
i i i
v f u f v v v u f v u f
1 1 1 1
r r r r r r
! ! !
( ) ( ) ( )
0 0 0
= = =
= % = = 8
9
:
;
<
=
% = %
n
i
n
i
i i i i
n
i
i i
u f v v u f u f
1 1 1
r r r r r
! ! ! !! ! ! !
24/27
- Podemos afirmar que ( )
i i i
v u f # =
r r
Unicidad de f.
Sea g: V
1
! V
2
lineal tal que ( )
i i i
v u g # =
r r
Dado
0
=
=
n
i
i i
u u
1
r r
!
( ) ( ) ( )
0 0
= =
= = =
n
i
n
i
i i i i
u f v u g u g
1 1
r r r
! !
Por tanto g = f.
Veamos ahora la segunda parte.
Es fcil comprobar que; * Si quieres comprubalo*
1) f inyectiva 3 B
2
es L. I.
2) f suprayectiva 3 B
2
es S. G.
Por tanto, se deduce que f es biyectiva 3 B
2
es base de V
2
.
COROLARIO Sean V
1
y V
2
K-espacios vectoriales de dimensin finita.
2 1 2 1
dim dim V V V V = 3 ?
Dem.
' Sea f: V
1
! V
2
isomorfismo y { }
n
u u B
r r
,....,
1 1
= base de V
1
.
Por el teorema anterior ( ) ( ) { }
n
u f u f B
r r
,...,
1 2
= es base de V
2
.
Es claro que Card (B
1
) = Card (B
2
) ' dim V
1
= dim V
2
.
4 Sea { }
n
u u B
r r
,....,
1 1
= y { }
n
v v B
r r
,....,
1 2
= bases de V
1
y V
2
respectivamente. El
teorema anterior nos dice que la nica aplicacin lineal f: V
1
! V
2
tal que
( ) n v u f
i i i
,...., 1 : # =
r
tiene que ser isomorfismo. Entonces V
1
y V
2
son isomorfos.
5.5. Dimensin de Subespacios y Espacios Cociente.
PROP Sea V un K-espacio vectorial, B base de V, W el subespacio vectorial
engendrado por un subconjunto B de B con B ) B. Entonces el conjunto B B es
base de V/W.
25/27
Dem.
Sea { }
n
u u B
r r
,....,
1
= y, por ejemplo, { }
s
u u B
r r
,...,
1
= con s < n.
Por hiptesis [ ] B W = y { }
n s
u u B B
r r
,....,
1 +
= &
Comprobemos que B B es S. G. de V/W.
Sea [ ] v
r
$ V/W. Como B es base de V '
0
=
=
n
i
i i
u v
1
r r
!
Por tanto [ ] [ ] [ ]
0 0
= + =
= % =
n
i
n
S i
i i i i
u u v
1 1
r r r
! !
ya que [ ] [ ] S o u
i i
,..., 1 : # =
r r
porque S W u
i i
,..., 1 : # $
r
B B es L. I.
Sea [ ] [ ]
0 0
+ = + =
$ ' =
n
S i
n
S i
i i i i
W u o u
1 1
r r r
! !
Como B es base de W
0 0 0 0
+ = = = + =
= & ' =
n
S i
S
i
S
i
n
S i
i i i i i i i i
o u u u u
1 1 1 1
r r r r r
! ! ! !
Por ser B base de V, en particular son L. I. ' "
i
= 0 #i: 1,..,n
Entonces "
i
= 0 #i: S+1,.,n y B B son L. I.
Por tanto B B es base de V/W.
PROP Sea V un K-espacio vectorial de dimensin finita y W un subespacio vectorial
de V. Se verifica la relacin
dim V = dim W + dim V/W
Dem.
{ }
{ }
{ } W V
W
V
y o
V
V
V W Si
V
W
V
W y V
o
V
o W Si
dim dim , 0 dim
dim dim , 0 dim
= = ? ' =
= = ? ' =
r
r
r
En caso contrario, sea { }
s
u u
r r
,...,
1
base de W y se puede extender a { }
n s
u u u
r r r
,..., ,...,
1
base de V.
Por la proposicin anterior { }
n s
u u ,....,
1 +
es base de V/W y
26/27
dim V = n, dim W = S dim V/W = n S
verificndose la igualdad
dim V = dim W + dim V/W
COROLARIO Si U
1
y U
2
son subespacios de un K-espacio vectorial V, se satisface
la igualdad
dim (U
1
+ U
2
) + dim (U
1
-U
2
) = dimU
1
+ dimU
2
Dem.
Por el 3
er
teorema de isomorfa:
2 1
2
1
2 1
U U
U
U
U U
-
?
+
y podemos afirmar que
2 1
2
1
2 1
dim dim
U U
U
U
U U
-
=
+
Aplicando la proposicin anterior obtenemos
( ) ( )
2 1 2 1 2 1
dim dim dim dim U U U U U U - & = & +
de lo cual se deduce la igualdad a comprobar.
OBS Si la suma es directa ' dim (U
1
2 U
2
) = dim U
1
+ dim U
2
6. ESPACIOS VECTORIALES COMPLEMENTARIOS.
DEF Sea V un K-espacio vectorial y W un subespacio vectorial de V. Diremos que U
es un subespacio vectorial complementario de W si V = W2U.
PROP Sea V un K-espacio vectorial de dimensin finita. Todo subespacio W de V
admite complementario.
Dem.
Denotemos por U el complementario de W.
Si { } V U o W = ' =
r
Si { } o U V W
r
= ' =
Supongamos que W es un subespacio no trivial.
Sea B una base de W (W es una dimensin finita al serlo V).
27/27
(B subconjunto de
B B
V
.
es base de V.
Veamos que U = [B]

0 0
$ $
+ = ' % + % = $ #

B v
v
B v
v
U W V v v u V u
r r
r r r r
! !
( ) ( ) { } o U W U W U W U W
r
= - ' = + & + = - 0 dim dim dim dim
1/28
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 13
POLINOMIOS. OPERACIONES. FRMULAS DE NEWTON. DIVISIBILIDAD
DE POLINOMIOS. FRACCIONES ALGEBRAICAS.
1. El Anillo de los Polinomios de una variable.
1.1. Suma de Polinomios.
1.2. Producto de Polinomios.
1.3. El anillo de los polinomios.
1.4. Otras Estructuras de A[x].
1.5. Notacin Clsica de los Polinomios.
2. Frmulas de Newton.
2.1. Nmeros Combinatorios.
2.2. Frmula de Newton.
2.3. Frmula de Leibniz.
3. Divisibilidad de Polinomios.
3.1. Divisin Enclidea.
3.2. Relaciones de K[x].
3.3. Mximo Comn Divisor y Mnimo Comn Mltiplo de Polinomios.
3.4. Descomposicin factorial en K[x].
4. Razones Algebraicas.
4.1. El cuerpo de las razones algebraicas.
4.1.1. Suma de Razones Algebraicas.
4.1.2. Producto de Razones Algebraicas.
4.1.3. El cuerpo ce las Razones algebraicas.
4.2. Descomposicin en Fracciones Simples.
Bibliografa Recomendada.
2/28
TEMA 13
POLINOMIOS. OPERACIONES. FRMULAS DE NEWTON. DIVISIBILIDAD
DE POLINOMIOS. FRACCIONES ALGEBRAICAS.
1. EL ANILLO DE LOS POLINOMIOS DE UNA VARIABLE.
Vamos a considerar por la letra A un anillo conmutativo con elemento unidad,
(A, +, ). Representaremos por 0 al elemento neutro de (A, +) y por 1 al neutro de (A, ).
Es evidente que todo lo que digamos sobre A, sern vlidas para un cuerpo K (siendo
habitualmente ! ").
DEF Llamaremos Polinomio de una indeterminada con coeficientes en A a toda
sucesin (a
m
)
m!#
de elementos de A verificando que existe un cierto n!# tal que
a
m
= 0 "m > n.
NOTACIN El conjunto de los polinomios de una indeterminada con coef. en A se
denota por A[x].
Ejemplos.
(2, 3, -1, 0, 0,.) y (0, -1, 0, 1, 2, 0, 0,) son dos polinomios con coeficientes en el
anillo de los nmeros enteros, $.
DEF Los elementos a
m
!A de un polinomio reciben el nombre de coeficientes. El
elemento a
o
se llama trmino independiente y el elemento a
n
tal que a
m
= 0 "m > n
recibe el nombre de coeficiente principal.
DEF Llamaremos grado de un polinomio al n n, siempre que a
n
sea el coeficiente
principal del mismo.
1.1. Suma de Polinomios.
DEF Dados P, Q!A[x] polinomios con P = (a
m
)
m!#
y Q = (b
m
)
m!#
definimos la suma
+: A[x] x A[x] # A[x] como
P + Q = (a
o
+ b
o
, a
1
+ b
1
, a
2
+ b
2
,..) = (a
m
+ b
m
)
m!#
La suma est bien definida ya que
$n ! # / a
m
= 0 "m > n
$n ! # / b
m
= 0 "m > n
Entonces a
m
+ b
m
= 0 "m > max (n, n) % P + Q ! A[x]
PROP La suma de polinomios de A[x] verifica las siguientes propiedades, siendo P, Q
y R elementos de A[x]:
3/28
1) Conmutativa: P + Q = Q + P
2) Asociativa: (P + Q) + R = P + (Q + R)
3) Existencia de Elemento neutro: P + 0 = P
4) Existencia de Elemento Simtrico: P + (-P) = 0
Dem.
Sean P = (a
m
)
m!#
, Q = (b
m
)
m!#
y R = (c
m
)
m!#
1) P + Q = (a
m
+ b
m
)
m!#
= (b
m
+ a
m
)
m!#
= Q + P
2) Anlogo
3) Sea 0 = (0, 0, 0,.) el polinomio con todos sus coeficientes nulos.
As definido, el polinomio 0 verifica que es el polinomio neutro para la suma.
4) Sea - P = (- a
m
)
m!#
el polinomio con todos sus coeficientes con signo contrario a
los de P.
Trivialmente verifica que P + (- P) = 0
El conjunto A[x] con la ley de composicin interna as definida (A[x], +) tiene
estructura de grupo conmutativo.
1.2. Producto de polinomios.
DEF Dados P, Q!A[x] polinomios con P = (a
m
)
m!#
y Q = (b
m
)
m!#
definimos el
producto : A[x] x A[x] # A[x] como
P Q = (a
o
b
o
, a
o
b
1
+ a
1
b
o
,.,
&
=
'
(
P
i
i p i
b a
0
,.... ) = (
&
=
'
m
i
i m i
b a
0
)
m!#
El producto est bien definido ya que
$n!# / a
m
= 0 "m>n
$n!# / a
m
= 0 "m>n
Entonces
&
=
'
" =
P
i
i p i
p b a
0
0 > )
*
+
,
-
.
% +
&
=
'
m
i
i m i
b a n n
0

m!#
!A[x]
PROP El producto de polinomios definido en A[x] verifica las siguientes propiedades,
con P, Q, R!A[x].
4/28
1) Conmutativa P Q = Q P
2) Asociativa (PQ)R = P(QR)
3) Existencia de elemento neutro P 1 = P
Dem.
En la demostracin tendremos en cuenta que
& &
= +
'
=
m
i j i
j i i m i
b a b a
0
1)
)
)
*
+
,
,
-
.
= (
&
+ j i
j i
b a Q P
m!#
=
)
)
*
+
,
,
-
.
&
+ j i
i j
a b
m!#
=
)
)
*
+
,
,
-
.
&
= + m j i
j i
a b
m!#
= Q P(
2) ( )
)
)
*
+
,
,
-
.
(
)
)
*
+
,
,
-
.
=
& &
= + = + m p K
K
p j i
j i
c b a R PQ
m!#
=
)
)
*
+
,
,
-
.
& &
= + = + m p K p j i
K j i
c b a
m!#
=
)
)
*
+
,
,
-
.
&
= + + m K j i
K j i
c b a
m!#
=
= ( )
& &
= + = +
( =
)
)
*
+
,
,
-
.
(
m i q q K j
K j i
QR P c b a
3) Sea 1!K[x] definido como 1 = (1, 0, 0, 0,.)
Entonces verifica que P 1 = P "P!A[x].
El conjunto A[x] con la ley de composicin interna as definida (A[x], ) tiene
estructura de semigrupo conmutativo.
1.3. El Anillo de Polinomios.
PROP Dado A[x] con la suma y el producto definidos, se verifica la propiedad
distributiva del producto respecto de la suma.
Dem.
"P, Q, R!A[x], hemos de comprobar P (Q + R) = PQ + PR y
(P + Q)R = PR + QR.
Al verificarse la propiedad conmutativa tanto para la suma como para el producto,
solo es necesario comprobar una de ellas.
( )
& & & & & &
/ ! = + ! / !
= + = + ( =
)
)
*
+
,
,
-
.
+ ( = +
i m j i
j j i j j i
N j k
K j i
c b a c b a c b a R Q P ) ( ) (
5/28
& &
= + = +
+ = + =
m j i m j i
j i j i
PR PQ c a b a
Como conclusin podemos afirmar que (A[x], +, ) tiene estructura del Anillo
conmutativo con elemento unidad.
A[x] recibe el nombre del anillo de los polinomios en una indeterminada.
PROP Si A es un dominio de Integridad % A[x] es un dominio de Integridad.
Dem.
Sean P, Q ! A[x] dos polinomios no nulos.
P = (a
m
)
m!#
= (a
o
, a
1
,.,a
n
, 0,) con a
m
= 0 "m > n y a
n
0 0
Q = (b
m
)
m!#
= (b
o
, b
1
,..,b
p
, 0,) con b
m
= 0 "m > p y b
p
0 0
P Q =
)
)
*
+
,
,
-
.
&
= + m j i
j i
b a
m!#
= (.., a
n
b
p
,.) y a
n
b
p
0 0 % PQ 0 0
OBS Si A[x] es un dominio de integridad, podemos afirmar que
grad (P Q) = grad (P) + grad (Q) "P, Q ! A[x] no nulos.
1.3. Otras Estructuras de A[ [ x] ].
Comprobemos que el anillo A se puede identificar con un subconjunto de A[x].
PROP Sea f: A # A[x] mediante f(a) = (a, 0, 0,.). Entonces f es un monomorfismo.
Dem.
f(a + b) = (a + b, 0, 0,.) = (a, 0, 0, 0,.) + (b, 0, 0,) = f(a) + f(b)
f(a b) = (ab, 0, 0,.) = (a, 0, 0,.) (b, 0, 0,) = f(a) f(b)
f(1) = 1 siendo 1 = (1, 0, 0,.., 0)
f es inyectiva.
f(a) = f(b) % (a, 0, 0,.) = (b, 0, 0,) % a = b
OBS Si identificamos el elemento a con el polinomio (a, 0, 0,.) podemos considerar
que A1A[x]. Los llamaremos polinomios constantes.
Segn lo anterior, los elementos de A son polinomios de grado cero, excepto el
0 = (0, 0, 0,.) que no tiene grado.
6/28
DEF Definimos la operacin externa
A
: AxA[x] # A[x] como "a!A
"(b
m
)
m!#
!A[x] a (b
1
, b
2
, b
3
,.) = (a, 0, 0, 0,) (b
1
, b
2
, b
3
,.) = (ab
1
, ab
2
, ab
3
,).
PROP La operacin externa definida anteriormente verifica las siguientes propiedades;
dados "2, !A y "P, Q!A[x].
1) Distributiva respecto de las Escalares: ( ) P P P ! ! + = ( +
2) Distributiva respecto de los polinomios: ( ) Q P Q P ! ! ! + = +
3) PseudoAsociativa: ( ) ( ) P P ( = ( ! !
4) Elemento Unidad: P P = ( 1
Dem.
Inmediata.
Como A es un anillo y (A[x], +) es un grupo conmutativo, entonces (A[x], +,
A
)
tiene estructura de A-mdulo.
Si A tuviese estructura de cuerpo (habitualmente utilizaremos como dominio de
operadores el cuerpo ! o el cuerpo ") lo denotaremos por K, y entonces (A[x], +,
K
) es
un espacio vectorial sobre K.
Y aun podemos definir otra nueva estructura algebraica sobre A[x]. Como es un
anillo conmutativo y unitario que verifica
( ) ( ) ( ) [ ] x A Q P y A Q P Q P PQ ! " ! " = = , ! ! ! !
entonces A[x] es un A-lgebra, o lgebra de los polinomios con una indeterminada
sobre el anillo A.
1.4. Notacin Clsica de los Polinomios.
DEF Sea X el polinomio de A[x] que tiene todos sus coeficientes nulos menos el
segundo, cuyo valor es 1 (Neutro del producto en A). Es decir, X = (0, 1, 0, 0,.).
PROP X
n
= (0, 0,,0,
1
1
+ n
(
, 0,) "n!#
Dem.
Inmediata.
Dado P!A[x] con P = (a
m
)
m!#
podemos escribirlo como P = (a
0
, a
1
, a
2
,) =
(a
0
, 0, 0,) + (0, a
1
, 0,) + (0, 0, a
2
,) + .=

a
0
+ a
1
(0, 1, 0,) + a
2
(0, 0, 1,) +... =
7/28
= a
0
+ a
1
x + a
2
x
2
+. + a
n
x
n
sabiendo que a
m
= 0 "m > n
PROP Se verifica:
1) a
K
x
K
+ b
K
x
K
= (a
K
+ b
K
)x
K
"k!#
2) (a
K
x
K
) (b
p
x
p
) = a
K
b
p
x
K+p
"k, p!#
Dem.
Inmediata.
Si tomamos X
0
= 1 por convenio, junto con la proposicin anterior, obtenemos una
forma cmoda de realizar la suma y el producto de polinomios.
DEF Un polinomio P!A[x] recibe el nombre de Monomio si todos sus coeficientes
son nulos menos uno.
DEF Llamaremos Polinomio a una suma finita de monomios.
Ejemplo.
1) a
i
x
i
es un monomio y a
0
+ a
1
x +.+ a
n
x
n
un polinomio.
2. FORMULA DE NEWTON.
Antes de llegar a obtener la frmula de Newton para el desarrollo, la potencia de un
binomio, o su generalizacin a la potencia de un polinomio mediante la frmula de
Leibniz, veamos unos resultados previos.
2.1. Nmeros Combinatorios.
Debido a que en la frmula de Newton aparecen los nmeros combinatorios,
comenzaremos el repaso por stos, remitiendo al lector al tema 3 del temario especfico
si desea encontrar las demostraciones de las propiedades que enumeremos.
Sabemos que los nmeros combinatorios se definen como
)! ( !
!
K n K
n
K
n
'
=
)
)
*
+
,
,
-
.
siendo sus propiedades ms importantes:
1) 1 1
0
=
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
n
n
y
n
8/28
2)
)
)
*
+
,
,
-
.
'
=
)
)
*
+
,
,
-
.
K n
n
K
n
3)
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
.
'
'
=
)
)
*
+
,
,
-
.
K
n
K
n
K
n 1
1
1
Llamada frmula de Stiefel.
4)
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
.
'
+ +
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
.
'
'
=
)
)
*
+
,
,
-
.
1
1
1
.....
1
2
1
1
K
K
K
K
K
n
K
n
K
n
Si escribimos los nmeros combinatorios en forma de tringulo
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
1
1
0
1
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
2
2
1
2
0
2
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
3
3
2
3
1
3
0
3
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
4
4
3
4
2
4
1
4
0
4
.
Y aplicando la frmula de Stieffel, obtenemos que cada nmero combinatorio es
suma de los dos que tiene encima, quedando
1 1
1 2 1
1 3 3 1
1 4 6 4 1
..
que se conoce como tringulo de Tartaglia (Nicola de Fontana) o tringulo de Pascal.
2.2. Frmula de Newton.
Vamos ahora a obtener el desarrollo del binomio de Newton, para lo cual
utilizaremos las propiedades de los nmeros combinatorios.
PROP Se verifica ( )
&
=
'
)
)
*
+
,
,
-
.
= +
n
K
K K n n
b a
K
n
b a
0

Dem.
9/28
Realizaremos la demostracin por induccin en el exponente, n.
Para n = 1 ( )
K K
K
b a
K
b a b a b a b a
1
1
1
0
1
1 1
1
1
0
1 '
=
&
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
= + ( = + = +
Para n = 2 ( )
&
=
'
(
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
= + + = +
2
0
2 2 2 2 2 2
2
2
2
1
2
0
2
2
K
K K
b a
K
b ab a b ab a b a
Supongamos que
( )
&
'
=
' '
' ' ' ' '
)
)
*
+
,
,
-
. '
=
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
.
'
'
+ +
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
. '
= +
1
0
1
1 2 2 1 1

1
1
1
2
1
....
1
1 1
n
K
K
K n
n n n n n
b
K
n
b
n
n
ab
n
n
b a
n
a
n
n
b a
Veamos para n ( ) ( ) ( ) ( ) ( ) = + + + = + + = +
' ' '
b b a a b a b a b a b a
n n n n

1 1 1
& &
'
=
'
=
+ ' ' '
=
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
. '
=
1
0
1
0
1 1

1
n
K
n
K
K K n K K n
b a
K
n
b a
K
n
( )
& &
'
=
'
=
+ + ' '
=
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
. '
=
1
1
2
0
1 1
1
1

1
0
1
n
K
n
K
n k K n K K n n
b
n
n
b a
K
n
b a
K
n
a
n
& &
'
=
'
=
' '
=
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
. '
=
1
1
1
1
1
1

1
1

1
0
1
n
K
n
K
n K K n K K n n
b
n
n
b a
K
n
b a
K
n
a
n
&
'
'
=
)
)
*
+
,
,
-
.
'
'
+
3
4
5
6
7
8
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
. '
+
)
)
*
+
,
,
-
. '
=
1
01
1
1

1
1 1
0
1
n
K
n K K n n
b
n
n
b a
K
n
K
n
a
n
Aplicando la frmula de Stiefel.
&
'
=
'
=
)
)
*
+
,
,
-
.
'
'
+
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
. '
=
1
1
1
1
0
1
n
K
n K K n n
b
n
n
b a
K
n
a
n
Y teniendo en cuenta que
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
'
'
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
. '
n
n
n
n
y
n n
1
1
0 0
1
queda
& &
'
= =
' '
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
=
1
1 0
.
0
n
K
n
K
K K n n K K n n
b a
K
n
b
n
n
b a
K
n
a
n
10/28
El resultado anterior lo podemos particularizar a los binomios de A[x].
( )
( )
&
=
'
+ + +
'
+ + =
)
)
*
+
,
,
-
.
= +
n
K
n n K n
x nx x
n n
nx x
K
n
x
0
1 2
.....
2
1
1 1
( )
( )
n n n
n
K
n n K K n n
x nax x a
n n
x na a x a
K
n
x a + + +
'
+ + =
)
)
*
+
,
,
-
.
= +
' '
=
' '
&
1 2 2
0
1
....
2
1

( ) ( )
&
=
' ' ' '
+ + + + =
)
)
*
+
,
,
-
.
= +
n
K
n n n n n n K K n n
x b x nab x b na a bx a
K
n
bx a
0
1 1 1
....
Y en general:
( ) ( ) ( )
nj n j i nj n j i ni n ni n
n
K
K
j
K n
i
n
j i
x b x nab x b na x a bx ax
K
n
bx ax + + + + =
)
)
*
+
,
,
-
.
= +
' + ' + ' '
=
'
&
1 1
0
....
2.3. Frmula de Leibniz.
La frmula de Newton se puede generalizar a un polinomio cualquiera.
Vamos a explicar como se obtiene el desarrollo de la potencia n-sima de un
polinomio formado por m trminos, sin entrar en demostraciones farrangosas.
Sea el polinomio (a
1
+ a
2
+.+ a
m
) que lo expresaremos por
&
=
m
i
i
a
1
. Queremos
calcular su potencia n-sima.
( ) ( ) ( )
m m m
n
m
i
i
a a a a a a a + + + + + + = )
*
+
,
-
.
&
=
..... ..... ..... ....
1 1 1
1
siendo un producto de n factores.
Si aplicamos de forma reiterada la propiedad distributiva obtenemos que cualquier
sumando del desarrollo es de la forma:
i
i
m
i
m
a a a a
m
" " " "
1
2 1
......
2 1
=
9 = (1)
verificndose que la suma de exponentes es n
&
=
=
m
i
i
n
1
"
Para ver el coeficiente que antecede a cada sumando, hemos de contar las veces que
aparece repetido. Para ello, tengamos en cuenta que el trmino (1) proviene de una
11/28
permutacin de los ( )
m i i
a
,..., 1 :
en los que cada a
i
aparece repetido :
i
veces. Ese nmero
de permutaciones es
! !.... !
!
2 1
,..., ,
2 1
m
n
n
P
m
" " "
" " "
=
3. DIVISIBILIDAD DE POLINOMIOS.
A lo largo de este punto, trabajaremos con el cuerpo K en lugar del anillo
conmutativo A. Por tanto, llamaremos K[x] al anillo de los polinomios en una
indeterminada (sobre el cuerpo K).
3.1. Divisin Enclde.
PROP Sean A y B polinomios de K[x] con B 0 0. Existen y son nicos dos polinomios
C y R de K[x] verificando
A = B C + R y grad (R) < grad (B) si R 0 0
Dem.
Existencia.
Consideremos el conjunto de los polinomios de la forma A BQ donde Q recorre
k[x]. Se pueden dar dos casos:
a) Existe C!K[x] tal que A - BC = 0
Entonces A = BC y tenemos demostrada la existencia. En este caso R = 0.
b) " Q!K[x] A BQ 0 0 % $1!K[x] /grad (A BC) ; grad (A BQ) "Q!K[x]
Escribamos A = BC + R. Comprobemos que grad (R) < grad (B).
Supongamos que grad (R) < grad (B).
Si grad (B) = m % grad (R) = m + K con K < 0. Entonces
0 ...
1
0 + + + =
m
m
m o
b con x b x b b B
( ) 0 0 ....
1
< 0 + + + =
+
+
+
K r con x r x r r R
K m
K m
K m o
Si multiplicamos el polinomio B por el monomio ( )
K
m K m
x b r
1

'
+
(llamaremos
1

'
+
=
m K m K
b r c ), obtenemos que B x c R R
K
K
' = es un polinomio tal que grad
(R) < grad (R), de donde
A = BC + R = BC + R + C
K
x
K
B = B(C + C
K
x
K
) + R= BC + R
12/28
que puede escribirse como
A BC = R
Siendo, por hiptesis, R 0 0
Pero grad (R) < grad (R) con lo que
Grad (A BC) < grad (A BC)
lo que es una contradiccin con la eleccin que hemos de C.
Por tanto $C! K[x] / A = BC + R con grad (R) < grad (B)
Unicidad.
Supongamos que $C
1
R
1
!K[x] /A = BC
1
+ R
1
con grad (R
1
) < grad (B)
Entonces R R
1
= B (C
1
C)
Si C
1
0 C % grad (R R
1
) < grad (B)
Y llegamos a una contradiccin.
Entonces C
1
= C y por tanto R
1
= R, siendo nicos.
Si realizamos la divisin euclidea de A entre B, llamamos cociente al polinomio C
y Resto al polinomio R, tal que A = BC + R.
3.2. Relaciones en K[ [ x] ].
DEF Diremos que dos polinomios P, Q!K[x] son Asociados cuando slo se
diferencian en el producto de constantes. Es decir, P = a Q con a! !K.
Podemos definir en K[x] la relacin siguiente:
DEF Dados P, Q!K[x], P = Q si y solo si $a!K / P = a Q. La relacin recibe el
nombre de ser asociado.
PROP La relacin definida anteriormente es una relacin de equivalencia.
Dem.
Inmediata.
DEF Sean P y Q dos polinomios de K[x]. Diremos que Q divide a P si existe C!K[x]
tal que P = QC. Lo denotaremos por Q/P.
13/28
PROP La relacin divide a es una relacin de orden en K[x].
Dem.
Inmediata.
3.3. Mximo Comn Divisor y Mnimo Comn Mltiplo de Polinomios.
Como K[x] es un anillo, definiremos los trminos de MCD y mcm en funcin de
los ideales de K[x].
PROP Sea I un ideal de K[x]. Entonces existe un polinomio P!K[x] tal que I es el
conjunto de todos los mltiplos de P.
Dem.
Si I = {0} % P = 0
Si I 0 {0} % Sea P!I un polinomio tal que grad (P) ; grad (Q) "Q!I.
Entonces P es un polinomio de grado mnimo en I.
"Q!P, al realizar la divisin euclidea.
$C, R!K[x] tal que Q = P C + R con grad (R) < grad (P)
Si R 0 0 sea R = Q P C
P!I, Q!I, C!K[x] % Como I es ideal P C!I % R!I
Contradiccin: Hemos llegado a la conclusin de que R!I con grado menor que
el de P.
Entonces R = 0 y Q = P C % Q!(P) % I1(P)
Como trivialmente P!I % (P) 1 I.
Obtenemos que I = (P).
El polinomio P es nico, salvo asociados.
DEF Llamamos Base de ideal I (con I 0 {0}) al polinomio normalizado P tal que I =
(P). (Polinomio Normalizado es el polinomio de coeficiente principal 1). En caso de que
I = {0}, el polinomio base de I ser P = 0.
DEF Sean P y Q polinomios de K[x]. Llamamos mximo comn divisor de P y Q y se
representa por MCD (P, Q), al polinomio base del ideal (P) + (Q).
14/28
PROP Sea D = MCD (P, Q) siendo P, Q!K[x] dos polinomios. El polinomio D
verifica:
1) $A, B!K[x] dos polinomios tales que D = PA + QB
2) D/P y D/Q.
3) Si $D!K[x] / D/P y D/Q % D/D (D es el mayor de los divisores comunes).
Dem.
1) Sabemos que (P) + (Q) es un ideal de K[x], por lo que existir D!K[x] tal que
(P) + (Q) = (D).
Como D ! (D) ya que D = D 1 % D! (P) + (Q)
Si D ! (P) + (Q) % $A, B!K[x] / D = P A + Q B
D se expresa como un polinomio de (P) ms otro de (Q).
2) P ! (P) + (Q) % P ! (D) % D/P
Q ! (P) + (Q) % Q ! (D) % D/Q
3) Sea D!K[x] tal que D/P y D/Q.
Entonces $G, H!K[x] tales que P = DG y Q = DH
Siendo D = P A + Q B = (DG)A + (DH)B = D(GA + HB)
Y como GA + HB ! K[x] % D/D
DEF Diremos que dos polinomios P, Q!K[x] son primos entre si MCD (P, Q) = 1.
PROP Sean P y Q dos polinomios de K[x] y D = MCD (P, Q). Si D 0 0 y escribimos
P = PD y Q = QD entonces P y Q son primos entres si.
Dem.
Dados P y Q $A, B!K[x] / D = P A + Q B
D = PDA + QDB % 1 = PA + QB % MCD (P, Q) = 1
PROP Sean A, P, Q! K[x]
A/PQ y MCD (A, P) = A/Q
Dem.
15/28
Como MCD (A, P) = 1 % $G, H ! K[x] / 1 = A G + PH
Al multiplicar por Q resulta Q = AQG + PQH
Como A/PQ % $C ! K[x] / PQ = AC
Luego Q = AQG + ACH % A = A (QG + CH)
Y como (QG + CH)! K[x] % A/Q
COROLARIO Si A !K[x] es primo con P, Q ! K[x] entonces A es primo con PQ.
DEF Sea P y Q dos polinomios de K[x]. Llamamos mnimo comn mltiplo de P y Q,
y se re presenta por mcm (P, Q), al polinomio base del ideal (P) > (Q).
PROP Sean P y Q dos polinomios de K[x] y M = mcm (P, Q). El polinomio M
verifica:
1) P/M y Q/M (M es mltiplo de P y Q).
2) Si $M!K[x] / P/M y Q/M % M/M
Dem.
1) Por definicin de M se tiene (P) > (Q) = (M)
M ! (M) % M ! (P) > (Q) %
( )
( )
?
@
A
% !
% !
M Q Q M
M P P M
/
/
2) Si $M!K [x] / P/M y Q/M % M! (P) y M!(Q)
Entonces M!(P) > (Q) % M!(M) % M/M
Dados dos polinomios de K[x], vamos a ver un mtodo para calcular su mximo
comn divisor.
PROP Sean P y Q dos polinomios de K[x]. Si existen C, R!K[x] tales que P = QC + R,
entonces mcd (P, Q).
Dem.
Sean D = mcd (P, Q) y D= mcd (Q, R)
Es claro que D/P y D/Q % D/P y D/QC % D/P-QC % D/R
Entonces D/Q y D/R % D/D. (1)
De forma Anloga; como D/Q y D/R % D/P
16/28
Entonces D/Q y D/P % D/D (2)
Como D y D son dos polinomios normalizados, de (1) y (2) se deduce que D = D.
Una vez que sabemos calcular el mximo comn divisor, podemos calcular el
mnimo comn mltiplo de la siguiente forma.
PROP Sean P, Q!K[x] con
&
=
=
n
i
i
i
x a P
0
y
&
=
=
m
j
j
j
x b Q
0
siendo a
n
0 0 y b
m
0 0. Si
D = MCD (P, Q) y M = mcm (P, Q) entonces se verifica la igualdad
a
n
b
m
MD = PQ
Dem.
Sea M= PQ = PQ ya que P = PD y Q = QD
Es claro que el coeficiente principal de M es a
n
b
m
y que PQ = M D
Por definicin de M se verifica que M es mltiplo de P (P/M) y de Q (Q/M),
por tanto M es mltiplo de M (M/M) (1).
Como M es mltiplo de P y Q % $A, B!K[x] / M = PA = QB
PA = QB % PDA = QDB % PA = QB
Pero como P y Q son primos entre si F % $G, H!K[x] / B = PG y A = QH
Entonces M = PA = QB % M = PQH = QPG % M = MH = MG
Luego M es mltiplo de M (M/M) (2)
De (1) y (2) se obtiene que M= a
n
b
m
M
Como PQ = MD % PQ = a
n
b
m
MD
3.4. Descomposicin Factorial de K[ [ x] ] .
DEF Diremos que un Polinomio P!K[x] es Irreducible o Primo si grad (P) < 1 y no
es posible escribirlo como producto de dos polinomios P
1
, P
2
! K[x] tales que
grad (Pi) < grad (P) i: 1, 2.
En caso contrario diremos que el polinomio es reducible o descomponible en K[x].
PROP Los polinomios de primer grado, X a, con a!K son primos o irreducibles en
K[x] (cualquiera que sea K).
Dem.
17/28
Sea P = X a con grad (P) = 1.
Supongamos que P es reducible: $P
1
P
2
! K[x] / P = P
1
P
2
y
Grad (Pi) < grad (P) "i: 1, 2.
Si P = P
1
P
2
% grad (P) = grad (P
1
) + grad (P
2
)
Entonces 1 = grad (P
1
) + grad (P
2
). Caben dos posibilidades:
Si grad (P
1
) = 1 y grad (P
2
) = 0 % Contradiccin: grad (P) = grad (P
1
)
Si grad (P
1
) = 0 y grad (P
2
) = 1 % Contradiccin: grad (P) = grad (P
2
)
Luego P es irreducible.
DEF Diremos que K[x] es Algebraicamente Cerrado si sus nicos polinomios
irreducibles son de grado 1.
El que K[x] sea algebraicamente cerrado depende del cuerpo K. Es decir, el
concepto de irreducibilidad de un polinomio depende de K.
Por ejemplo, x
2
5 es irreducible en Q[x] pero no en ![x]
( )( ) ( ) 5 5 5
2
' + = ' x x x
Y tambin x
2
+ 5 es irreducible en ![x] pero no en "[x]
( )( ) ( ) 5 5 5
2
i x i x x ' + = + .
"[x] es algebraicamente cerrado.
PROP Para todo polinomio P ! K[x] tal que grad (P) > 0, existe 2!K, P
1
,,P
m
!K[x]
polinomios primos normalizados y :
1
, :
2
,., :
m
enteros mayores de 1 nicos tales que
m
m
P P P
" "
! ( ( ( = .....
1
1
Dem.
Existencia.
Vamos a realizar la demostracin por induccin en el grado de P. Si grad (P) = 1 la
proposicin es trivialmente cierta.
Supongamos cierta la proposicin para todos los polinomios de grado n 1.
Si grad (P) = n
En caso de que P sea irreducible, la descomposicin es inmediata.
Supongamos pues, que P es descomponible o reducible.
18/28
Entonces $Q!K[x] con 0 < grad (Q) < grad (P) y verificando que el grado de Q
es el menor de entre todos los divisores de P que cumplan la condicin anterior para los
grados.
Con esas condiciones podemos decir que Q es irreducible pudiendo escribir
P = Q P
Pero grad (P) < grad (P) y aplicando la hiptesis de induccin tenemos
1
1
.....
m
m
P P P
# #
! ( ( =
donde Q puede coincidir con algn P
i
o no .
Entonces
m
m
P P P Q P
" "
! ( ( = ( = ....
1
1
siendo P
i
polinomios irreducibles
normalizados y 0 < :
i
enteros "i: 1,., m.
Unicidad.
Igualmente realizaremos la demostracin por induccin en el grado de P.
Si grad (P) = 1 la proposicin se cumple de forma evidente.
Supongamos que es cierto para grad (P) = n 1.
Si grad (P) = n
Supongamos
1 1
1 1
.... .....
m m
m m
Q Q P P P
# # " "
! ( ( = ( ( =
Como los polinomios P
i
i: 1,., m y Q
j
j: 1,, m estn normalizados, debe de
ocurrir que 2 = .
Dados dos polinomios A y B que son irreducibles y normalizados, si A 0 B
entonces A y B son primos entre si. Teniendo en cuenta esto,
P
1
es primo, normalizado y
1
1 1
.... /
m
m
Q Q P
# #
( (
Entonces, aplicando una proposicin anterior, P
1
debe coincidir con algn Q
j
1 ; j ; m.
Sea P
1
= Q
1
(Reordenamos si es necesario).
Entonces queda
1 2 1

1
1 2
1
1
.... ....
m m
m m
Q Q P P P
# # " " "
( ( = ( ( (
' '
Como ahora ambos polinomios tienen un grado menos, aplicamos la hiptesis de
induccin.
19/28
P
i
= Q
i
"i: 1,., m, m = m y :
i
= B
i
"i: 1,., m.
Siendo la descomposicin nica.
COROLARIO Sean A y B dos polinomios de K[x] con
m
m
P P A
" "
! ( ( = ....
1
1
y
m
m
P P B
# #
( ( ( = .....
1
1
siendo P
i
polinomios irreducibles normalizados, y :
i
, B
i
! # - {0} para todo i: 1,, m.
Entonces:
Q/P C B
i
; :
i
"i: 1,., m
Hasta ahora hemos estado hablando de polinomios en una indeterminada. Para cada
polinomio podemos definir una funcin como sigue:
"P!K[x] definimos P
*
: K # K aplicacin tal que si P = a
o
+ a
1
X +.+ a
n
X
n
entonces
P
*
(x) = a
o
+ a
1
x +.+ a
n
x
n
"x!K
DEF La aplicacin P
*
recibe el nombre de funcin polinmica asociada al polinomio
P!K[x].
La suma y producto de funciones polinmicas se realiza como sigue:
(P
*
+ Q
*
) (x) = P
*
(x) + Q
*
(x)
(P
*
Q
*
) (x) = P
*
(x) Q
*
(x)
Habitualmente, se escribe P(x) en lugar de P
*
(x). Aun as, debemos ser conscientes
de la diferencia, P(x) es una funcin y P(X) es una funcin del anillo K[x]. Por abuso
de notacin llamaremos polinomio a ambos, y los denotaremos igual.
DEF Llamaremos valor numrico de un polinomio en una indeterminada, al valor que
se obtiene al sustituir la variable por su valor correspondiente.
TEOREMA. Teorema del Resto.
El resto de la divisin de un polinomio es X por el binomio X a coincide con el
valor numrico del polinomio en x = a.
Dem.
Sea P!K[x]. Al dividir P entre (X a) tenemos P = (X a) Q + R con
grad(R) = 0
Tomando ahora P(a) = (a a) Q(a) `R % R = P(a)
20/28
DEF Dado un polinomio P(x), llamaremos races o ceros del polinomio a los valores
de la indeterminada x, para los que el valor numrico de P(x) es cero.
TEOREMA. Teorema del Factor.
Sea P!K[x]. a!K es raz de P(x) C (x a) / P.
Dem.
%
Si a!K es raz de P % P(a) = 0
Como P = (x a) Q + R y P(a) = 0 % R = 0
Luego P = (X a) Q % X a / P
D
Si (X a) / P % P = (X a) Q
Entonces P(a) = (a a) Q(a) % P(a) = 0 % a es raz de P.
PROP Sea P!K[x] con P = a
o
+ a
1
X +..+ a
n
X
n
con a
i
!K i: 1,, n. Si P admite m
races distintas x
1
, x
2
,., x
m
con m ; n, entonces
P = (X x
1
) (X x
2
) (X x
m
)H
con H = a
n
X
n-m
+.
Dem.
Como x
1
!K es una raz de P % X x
1
/ P %
% P = (X x
1
) H
1
siendo H
1
= a
n
X
n-1
+.
Como x
2
!K es otra raz de P % X x
2
/ P % X x
2
/ (X x
1
)H
1
Y como X x
2
no divide a X x
1
% X x
2
/H
1
% H
1
= (X x
2
) H
2
con H
2
= a
n
X
n-2
+.
% P = (X x
1
) (X x
2
) H
2
Reiterando el proceso m veces obtenemos que
P = (X x
1
) . (X x
m
) H con H = a
n
X
n-m
+.
PROP Todo polinomio de grado n de K[x] admite a lo sumo n races.
Dem.
21/28
Si grad (P) = n % P = a
n
X
n
+.+ a
1
X + a
o
Si P admite n races x
1
,., x
n
, por la proposicin anterior
P = a
n
(X x
1
) . (X x
n
)
Veamos que no puede tener ms races.
Sea r otra raz de P. Entonces r 0 x
i
"i: 1,, n.
P(R) = 0 por ser r raz de P
P(r) = a
n
(r x
1
) (r x
2
)(r x
n
) 0 o
% Contradiccin, r no es raz de P, y por tanto P tiene a lo sumo n races.
4. FRACCIONES ALGEBRICAS.
DEF Llamaremos fraccin algebraica a un par de polinomios N, D!K[x] con D 0 0.
El primero, N, recibe el Nombre de Numerador y el segundo, D, de denominador. Se
representa por
D
N
.
DEF Definimos en el conjunto K[x] x K[x]
*
la relacin de equivalencia R dada por
(siendo K[x]
*
= K[x] - {0}):

DN D N
D
N
R
D
N
= ( C
PROP La relacin R definida en K[x] x K[x]
*
es una relacin de equivalencia.
Dem.
Inmediata.
DEF Cada clase de K[x] x K[x]
*
/R recibe el nombre de razn algebraica, siendo
K[x] x [x]
*
/R el conjunto de razones algebraicas.
4.1. El Cuerpo de las Razones Algebraicas.
4.1.1. Suma de razones algebraicas.
DEF Definimos en K[x] x K[x]
*
/ R la ley de composicin interna que llamaremos
suma como
[ ] [ ] R x xK x K
D
C
B
A
/ ,
*
!
3
4
5
6
7
8
3
4
5
6
7
8
"
3
4
5
6
7
8 +
=
3
4
5
6
7
8
+
3
4
5
6
7
8
D B
C B D A
D
C
B
A

22/28
La operacin est bien definida.
AD + BC ! K[x] y B 0 0, D 0 0 % BD 0 0 % BD ! K[x]
*
No depende del representante elegido.
Si
3
4
5
6
7
8 +
=
3
4
5
6
7
8
+
3
4
5
6
7
8
3
4
5
6
7
8 +
=
3
4
5
6
7
8
+
3
4
5
6
7
8
%
3
4
5
6
7
8
3
4
5
6
7
8
3
4
5
6
7
8
3
4
5
6
7
8

D B
C B D A
D
C
B
A
y
BD
BC AD
D
C
B
A
D
C
R
D
C
y
B
A
R
B
A
Como AB = BA y CD = DC
Multiplicando la 1 igualdad por DD ADBD = BDAD
Multiplicando la 2 igualdad por BB BCBD = BDBC
Sumando y sacando factor comn queda
BD (AD + BC) = BD (AD + BC)
Y equivale a
3
4
5
6
7
8 +
3
4
5
6
7
8 +


D B
C B D A
R
BD
BC AD
Luego la suma no depende del representante elegido.
PROP La suma definida en K[x] x K[x]
*
/ R verifica las propiedades
1) Asociativa
2) Conmutativa
3) Existencia de Elemento Neutro
4) Existencia de Elemento Simtrico.
Dem.
Inmediata.
El conjunto (K[x] x K[x]
*
/ R, +) tiene estructura de grupo conmutativo.
4.1.2. Producto de Razones Algebraicas.
DEF Definimos en K[x] x K[x]
*
/ R la ley de composicin interna que llamaremos
producto como
[ ] [ ]
3
4
5
6
7
8 (
=
3
4
5
6
7
8
(
3
4
5
6
7
8
!
3
4
5
6
7
8
3
4
5
6
7
8
"
BD
C A
D
C
B
A
R x xK x K
D
C
B
A
/ ,
*
La operacin est bien definida
23/28
A, C!K[x] % A C!K[x]
B, D!K[x]
*
% B 0 0, D 0 0 % BD 0 0 % BD!K[x]
*
No depende del representante elegido.
% = = %
3
4
5
6
7
8
3
4
5
6
7
8
3
4
5
6
7
8
3
4
5
6
7
8
D C CD y B A AB
D
C
R
D
C
y
B
A
R
B
A

Multiplicando ambas igualdades ACBD = ACBD %

% AC BD = AC BD %
3
4
5
6
7
8
3
4
5
6
7
8


D B
C A
R
BD
AC
PROP El producto definido en K[x] x K[x]
*
/ R verifica las siguientes propiedades:
1) Asociativa.
2) Conmutativa.
3) Existencia de Elemento Neutro.
4) Existencia de Elemento Neutro (si la razn es no nula).
Dem.
Inmediata.
El conjunto (K[x] x K[x]
*
, ) tiene estructura de grupo conmutativo.
4.1.3. El Cuerpo de las Razones Algebraicas.
PROP En el conjunto K[x] x K[x]
*
/ R se verifica la propiedad distributiva del
producto respecto de la suma (por ambos lados).
Dem.
Inmediata.
El conjunto (K[x] x K[x]
*
/R, +, ) tiene estructura de cuerpo conmutativo. Recibe el
nombre de Cuerpo de las Razones Algebraicas, y se representa por K(x).
4.2. Descomposicin en fracciones simples.
PROP Dado ( ) x K
B
A
! y P!K[x] con P 0 0, se verifica que
BP
AP
B
A
= .
Dem.
Inmediata.
24/28
COROLARIO Para cada ( ) x K
B
A
! , existen dos nicos polinomios A, b!K[x]
tales que:

B
A
B
A
= con mcd (A, B) = 1 y B normalizado
Dem.
Existencia.
Sea D = mcd (A, B) % A = AD y B = BD con mcd (A, B) = 1
Trivialmente

B
A
B
A
=
Unicidad.
Si

B
A
B
A
= con mcd (A, B) = 1 y B normalizado % AB = AB %
% A = A y B = B
DEF Sea ( ) x K
B
A
! con mcd (A, B) = 1. Dicha razn algebraica recibe el nombre de
fraccin simple, o forma reducida.
PROP Todo elemento
B
A
(fraccin simple) de K(x) se puede escribir de forma nica
como
R P
B
A
+ =
donde P!K[x] y R es una fraccin simple
B
A
, con grad (A) < grad (B) si R 0 0.
Dem.
Existencia.
Sea
B
A
una fraccin simple.
Por la divisin enclidea $P, A!K[x] / A = B P + A con grad (A) < grad (B)
Entonces
B
A
P
B
A
+ =
25/28
Y como mcd (A, B) = mcd (B, A) %
B
A
es una fraccin simple.
Unicidad.
Sea S Q R P
B
A
+ = + = con Q!K[x] y S!K[x] siendo
D
C
S = fraccin
irreducible y grad (C) < grad (D). Si S 0 0.
Entonces
D
C
Q
B
A
P + = +

Y DB
D A CB
Q P
B
A
D
C
Q P
'
= ' % ' = '
En caso de que P 0 Q % grad (CB AD) = grad ((P Q) DB)
Y grad ((P Q) DB) = grad (P Q) + grad (D) + grad (B) < grad (D) + grad (B)
Siendo grad (CB AD) < grad (D) + grad (B) (1)
Por otro lado
DB
D A CB '
verifica grad (CB AD) < grad (DB) lo que es lo mismo
que grad (CB AD) < grad (D) + grad (B) (2)
De (1) y (2) se deduce una contradiccin, que viene de suponer P 0 Q.
Entonces P = Q y R = S.
DEF El polinomio P que nos da la proposicin anterior se llama parte entera de
B
A
.
LEMA Sea ( ) x K
B
A
! con grad (A) < grad (B) s A 0 0. Sea B = B
1
B
2
con B
1
y
B
2
primos entre s. Entonces
B
A
se descompone de forma nica como
2
2
1
1
B
N
B
N
B
A
+ =
con grad (N
i
) < grad (B
i
) si N
i
0 0 "i: 1, 2.
Dem.
Existencia.
26/28
Como B
1
y B
2
son coprimos, $P, Q!K[x] tales que
1 = B
1
P + B
2
Q
Y entonces A = AB
1
P + AB
2
Q (1)
Si dividimos AP entre B
2
(por ser B
2
0 0) tenemos $C, N!K[x] / AP = B
2
C + N
2
con grad (N
2
) < grad (B
2
) (2)
Al sustituir (2) en (1)
A = (B
2
C + N
2
) B
1
+ AB
2
Q
A = B
1
B
2
C + N
2
B
1
+ AB
2
Q
A = (B
1
C + AQ) B
2
+ N
2
B
1
Llamando N
1
= B
1
C + AQ queda A = N
1
B
2
+ N
2
B
1
(3)
Si grad (N
1
) < grad (B
1
) % grad (A) < grad (B
1
) + grad (B
2
), pues
grad(N
2
) < grad (B
2
) si N
2
0 0, lo que contradice la hiptesis.
Por tanto si N
1
0 0 grad (N
1
) < grad (B
1
)
De la expresin (3) se deduce que
2
2
1
1
B
N
B
N
B
A
+ =
Unicidad.
Supongamos que
2
2
1
1
2
2
1
1

B
N
B
N
B
N
B
N
B
A
+ = + = con grad (N
i
) < grad (B
i
) si N
i
0 0
"i:1, 2.
Entonces
2
2 2
1
1 1

B
N N
B
N N '
=
'
verificndose B
2
(N
1
N
1
= B
1
(N
2
- N
2
)
Y como B
1
y B
2
son coprimos, la igualdad slo puede ser cierta si N
1
= N
1
y
N
2
= N
2
.
LEMA Sea ( ) x K
B
A
! con grad (A) < grad (B) si A 0 0. Sea B = B
1
B
2
. B
p
con B
i
y B
j
coprimos "i 0 j. Entonces
B
A
se descompone de modo nico como
27/28
p
p
B
N
B
N
B
A
+ + = .....
1
1
con grad (N
i
) < grad (B
i
) si N
i
0 0 "i: 1,., p.
Dem.
Inmediata aplicando induccin.
LEMA Sea ( ) x K
B
A
m
! con grad (A) < grad (B
m
) s A 0 0. Entonces
m
B
A
se
descompone de forma nica como
m
m
m
B
N
B
N
B
N
B
A
+ + + = ......
2
2 1
siendo grad (N
i
) < grad (B) si N
i
0 0 "i: 1,, m.
Dem.
Vamos a demostrar el lema mediante induccin en m. Para m = 1. Es evidente,
siendo N
1
= A.
Supongamos cierto el lema cierta para m 1.
Para m.
Existencia.
Si realizamos la divisin enclidea de A entre B
$C, R!K[x] / A = BC + R
con grad (R) < grad (B) si R 0 0.
Entonces
n n n
B
R
B
C
B
A
+ =
'1
(1)
Despejando
n n
B
R A
B
C '
=
'1
y como grad (A) < grad (B
n
) y grad (R) < grad (B
n
),
entonces grad (C) < grad (B
n-1
) si C 0 o.
Aplicamos a
1 ' n
B
C
la hiptesis en induccin y sustituyendo en (1) obtenemos la
descomposicin pedida.
Unicidad.
28/28
Supongamos que
m
m
m
m
m
B
N
B
N
B
N
B
N
B
A
....

....
1 1
+ + = + + = con grad (N
i
) < grad (B)
si N
i
0 0 "i: 1,., m
Si multiplicamos por B
m
la expresin anterior
N
m
+ BP = N
m
+ BQ
con P, Q!K[x], verificndose
N
m
N
m
= B(Q P)
Y teniendo en cuenta las relaciones entre los grados, la igualdad anterior solo es cierta si
N
m
- N
m
= 0 % N
m
= N
m
y P = Q
Aplicando ahora la hiptesis de induccin a
1 1 ' '
=
n n
B
Q
B
P
obtenemos N
i
= N
i

"i:1,, m 1.
TEOREMA. Teorema de Descomposicin.
Sea
B
A
!K[x] fraccin simple. Supongamos que E es la parte entera de
B
A
y que
s
s
B B B
" "
! ......
1
1
= es su descomposicin en factores primos con 2!K. Entonces, la
descomposicin
S
S
S
S
S
S
B
N
B
N
B
N
B
N
B
N
B
N
E
B
A
"
"
"
"
"
"
+ + + + + + + + + + = .... .... .... ......
1
2
2
2
21
1
1
11
2
2
1
1
es nica donde grad (N
ij
) < grad (B
i
) si N
ij
0 0 "j: 1,., :
i
"i:1,., s.
Dem.
Este resultado es una consecuencia inmediata de la ltima proposicin y de los dos
ltimos lemas.
Bibliografa Recomendada.
lgebra. Aut. Serge Lang. Ed. Aguilar.
Algbre. Aut. S. MacLane, G. Birkhoff. Ed. Gauthier Villars.
Curso de lgebra Moderna. Aut. Peter Hilton. Ed.Revert.
lgebra. Aut. Thomas W. Hungerford. Ed. Springer-Verlag.
1/21
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 14
ECUACIONES. RESOLUCIN DE ECUACIONES. APROXIMACIN
NUMRICA DE RACES.
1. Introduccin.
2. Ecuaciones Algebraicas. Races.
2.1. Ecuaciones de Cardano-Vieta.
3. Resolucin de Ecuaciones.
3.1. Ecuaciones de primer grado.
3.2. Ecuaciones de segundo grado.
3.3. Ecuaciones de tercer grado.
4. Aproximacin Numrica de Races.
4.1. Clculo de las races enteras y racionales de un polinomio con coeficientes
Racionales.
4.1.1. Races enteras.
4.1.2. Races Racionales.
4.2. Acotacin de las Races Reales.
4.2.1. Mtodo de Laguerre.
4.2.2. Mtodo de Newton.
4.3. Separacin de las Races Reales.
4.3.1. Separacin de las races de un polinomio por medio de su derivada.
4.3.2. Mtodo de Budan-Fourier.
4.3.3. Mtodo de Sturns.
4.3.4. Mtodo de Harrior-Descartes.
4.4. Aproximacin de las Races Reales.
4.4.1. Mtodo de Newton.
4.4.2. Mtodo de las Regula Falsi.
4.4.3. Mtodo general de Iteracin.
2/21
1. INTRODUCCIN.
Sea K[x] el anillo de los polinomios en una indeterminada, sobre el cuerpo K. Si
P!K[x], P recibe el nombre de Polinomio.
Sabemos que "P!K[x] con P = a
o
+ a
1
X + a
2
X
2
+.+ a
n
X
n
existe una funcin
polinmica
( )
n
n o
x a x a x a a x P K x siendo K P + + + + = ! " # .... :
2
2 1
*
donde el polinomio P sustituimos la indeterminada X por la variable x.
Las funciones polinmicas se pueden sumar y multiplicar siguiendo las reglas:
1) ( )( ) ( ) ( ) K x x Q x P x Q P ! + = +
* * * *
2) ( )
* * *
Q P PQ $ =
Dem.
Sea
%
=
=
n
i
i
i
X a P
1
y
%
=
=
n
i
i
i
X b Q
1
(pudiendo ocurrir que a
n
= 0 b
n
= 0)
1) ( ) ( ) ( ) ( ) ( ) ( )( )
% % %
= = =
! " + = + = + = + = +
n
i
n
i
n
i
n
i
n
i
n
i i
K x x Q P x Q x P x b x a x b a x Q P
1 1 1
* * * * *
2) ( ) ( )
% % % %
= = =
&
=
&
= '
(
)
*
+
,
= '
(
)
*
+
,
=
n
K
n
K
K
l
K
l K l
K
K
l
l K l
x b a x b a x PQ
2
0
2
0 0 0
*
% % % %
= = = =
&
&
=
'
'
(
)
*
*
+
,
'
(
)
*
+
,
= '
(
)
*
+
,
$ $ =
n
K
n
j
j
j
n
i
i
i
K
l
l K
l K
l
l
x b x a x b x a
2
0 0 0 0
( ) ( ) ( )( ) K x x Q P x Q x P ! " = =
* * * *
Como vemos, no es lo mismo P o P(X) que es un elemento de K[x] que P
*
(x) que es
una funcin. En la prctica, llamaremos a P
*
(x) polinomio (en lugar de funcin
polinmica) y lo denotaremos por P(x). Igualmente, cuando hablemos del valor del
polinomio en un punto, estamos queriendo decir el valor de la funcin polinmica en un
punto o elemento de K.
DEF Sea P!K[x] con P = a
o
+ a
1
X +..+a
n
X
n
. Llamaremos Polinomio derivada de
P al polinomio de P!K[x] definido por
P = a
1
+ 2a
2
X +.+ na
n
X
n-1
DEF Sea P!K[x]. Llamaremos Polinomio derivada m-esima a P
n)
= (P
m-1)
)
3/21
OBS A partir de la definicin se puede ver que si P!K[x] con grad(P) = n se verifica
P
n)
= a
n
n! y que P
m)
= 0 "m > n.
PROP Sean P, Q!K[x], se verifica:
1) (P + Q) = P + Q
2) (-P) = -P "-!K
3) (PQ) = PQ + PQ
Dem.
Inmediata.
COROLARIO Sea P!K[x]. (P
m
) = mP
m-1
P
Dem.
Inmediato. Se realiza por induccin.
TEOREMA. Frmula de Taylor.
Sea P!K[x] con P = a
o
+ a
1
X +..+a
n
X
n
, a!K y K un cuerpo de caracterstica
cero. Se verifica la igualdad.
( )
( )
( )
( )
( )
( )
( )
n
n
a X
n
a P
a X
a P
a X
a P
a P P & + + & + & + =
!
.....
! 2

! 1

)
2
Dem.
Sea [ ] ( ) { } n P d x K P V . ! = gra / .
Es inmediato ver que (V, +,
K
) es un K-espacio vectorial, que dim V = n + 1 y que
{ }
n
X X X B ,...., , , 1
2
= es una base.
Probemos que ( ) ( ) { }
4 2
,....., , , 1 a X a X a X B & & & = es tambin base de V.
Sea a
o
+ a
1
(X a) +..+ a
n
(X a)
4
= 0 una combinacin lineal de B del vector
nulo.
El coeficiente de X
n
del polinomio de la izquierda es a
n
, luego a
n
= 0. Queda
a
o
+ a
1
(X a) +.+ a
n-1
(X a)
n-1
= 0.
Repitiendo lo anterior n veces obtenemos que a
j
= 0 "
j
: 0,,n.
Luego B es base de V.
4/21
Entonces podemos escribir P como
( )
%
=
& =
n
i
i
i
a X b P
0
con n i K b
i
,..., 0 : " !
Tomando ahora el valor de P y sus derivadas sucesivas en a!K obtenemos
P(a) = b
o
P(a) = b
1
1!
P
n)
(a) = b
n
n!
Y como K es de caracterstica 0
( )
( )
( )
( )
( )
n
n
a X
n
a P
a X
a P
a P P & + + & + =
!
.....
! 1

)
DEF Sea P!K[x] no nulo. Un elemento a!K se dice que es raz de P si P(a) = 0.
Tambin se llama cero del polinomio.
PROP Sea P!K[x], y a!K
a es raz de P / X a/P
Dem.
0
Si a es raz de P 0 P(a) = 0
Si realizamos la divisin euclidea de P entre (X a)
[ ] ( ) R C a X P x K R C + & = ! 1 / , con grad(R) = 0 0 R!K
Como P(a) = R 0 R = 0 y X a/P
2
Si X a/P 0 P = (X a)Q con Q!K[x]
Trivialmente P(a) = 0 0 a es raz de P.
DEF Sea P!K[x],
m
R!! con R
m
> 0 y a!K. Diremos que a es una raz
mltiple de orden R
m
de P, si P es divisible por (X a)
m
pero no lo es por
(X a)
m+1
.
PROP Sea Car (K) = 0, a!K, P!K[x] y m!! con m > 0.
5/21
a es raz de orden m de P / P(a) = P(a) = .= P
m-1)
(a) = 0 y P
m)
(a) 3 0.
Dem.
0
Como a es raz de orden m de P 0 P = (X a)
m
Q
Q(a) 3 0 ya que en caso contrario X a/Q 0 (X a)
m+1
/P lo cual no en contra de
la hiptesis.
P = m(X a)
m-1
Q + (X a)
m
Q = m(X a)
m-1
Q + R
1
con R
1
(a) = 0
P= m(m - 1)(X a)
m-2
Q + R
2
con R
2
(a) = 0

P
m-1)
= m(m 1).. 2(X a)Q + R
m-1
con R
m-1
(a) = 0
P
m)
= m!: Q + R
m
con R
m
(a) = 0
Y P
m)
(a) = m! Q 3 0 (ya que car(K) = 0)
2
La Frmula de Taylor aplicada a P!K[x] en el punto a!K
( )
( )
( )
( )
n
n
m
m
a X
n
a P
a X
m
a P
P & + + & =
!
.....
!
) )
Es claro que (X a)
m
/ P y P = (X a)
m
Q con Q(a) 3 0 0 (X a)
m+1
no
divide a P. 0 a es raz de orden m de P.
2. ECUACIONES ALGEBRAICAS. RAICES.
DEF Llamamos Ecuacin Algebraica de grado n a toda expresin de la forma
P(x) = 0 donde P(x) es un polinomio de grado n (funcin polinmica) con
coeficientes reales. Los valores reales o complejos que sustituidos en x hacen que la
ecuacin algebraica sea una igualdad numrica las llamamos races o ceros de la
ecuacin. El proceso de clculo de las races recibe el nombre de resolucin de la
ecuacin.
Podemos generalizar la definicin anterior como sigue:
DEF Llamamos ecuacin a toda expresin de la forma f(x) = g(x) que, mediante
transformaciones algebraicas, se puede transformar en la forma P(x) = 0 siendo P(x) un
polinomio.
OBS A partir de la definicin de ecuacin algebraica podemos afirmar que las races
(simples o mltiples) del polinomio P(x) coinciden con las de la ecuacin P(x) = 0. Es
6/21
por ello que hablamos de forma indistinta de races o ceros de un polinomio P(x) y
races o ceros de la ecuacin algebraica P(x) = 0.
En lo que queda de tema vamos a tratar de hallar las races de una ecuacin
algebraica.
A lo largo de toda la historia del Algebra, entre otros, han existido dos problemas
muy importantes ligados entre s. Uno era demostrar la existencia de races de una
ecuacin algebraica, y el otro hallarlas por mtodos algebraicos.
El primer problema lo solucion Gauss en 1799 demostrando el Teorema
fundamental del Algebra: Toda ecuacin algebraica tiene al menos una solucin (real o
compleja). El teorema viene a decir que toda ecuacin algebraica de grado n tiene n
races o ceros.
El segundo problema lo resolvieron simultneamente Niels Henrik Abel y Erariste
Galois demostrando que toda ecuacin algebraica de grado superior a 4 no eran, en
general, resolubles por mtodos algebraicos.
2.1. Ecuaciones de Cardano-Vieta.
El teorema fundamental del lgebra demostrado por Gauss nos dice que dado un
polinomio P(x) de grad (P) = n, P = a
o
+ a
1
x ++a
n
x
n
, existen n races, x
1
,., x
n
,
que pueden ser reales o complejas, pudiendo entonces escribir el polinomio como
( ) ( ) ( )
n n
x x x x a x P & & = ......
1
.
Partiendo de la expresin ( ) ( ) ( )
n n
x x x x a x P & & = ......
1
y multiplicando los
parntesis ( ) ( )
4
4
4
5
6
7
7
7
8
9
& + +
'
'
'
(
)
*
*
*
+
,
+ '
(
)
*
+
,
& =
&
3
=
&
=
% % n
n n
n
j i
j i
j i
n
n
i
i
n
n
x x x x x x x x x a x P .... 1 ....
2 1
2
1 ,
1
1
Como la expresin general de P(x) es ( )
n
n o
x a x a x a a x P + + + + = ....
2
2 1
Igualando ambos polinomios obtenemos
( ) ( )
:
:
:
:
;
:
:
:
:
<
=
& =
'
'
'
(
)
*
*
*
+
,
=
'
(
)
*
+
,
& =
%
%
3
=
&
=
&
n
n
n o
n
j i
j i
j i n n
n
i
i n n
x x x a a
x x a a
x a a
..... 1
. .......... ..........
2 1
1 ,
2
1
1
Estas expresiones se conocen con el nombre de ecuaciones de Cardano-Vieta, y nos
dan una relacin entre coeficientes de un polinomio y sus races.
7/21
Las ecuaciones de Cardano-Vieta adolecen de un defecto: No sabemos si las races
que se obtienen como solucin de ese sistema de ecuaciones son reales o complejas.
Veamos un resultado que nos permitir aclarar un poco este problema.
PROP Sea P(x) = 0 una ecuacin algebraica de grado n, con coeficientes reales. Si
x
j
= a + bi es una raz compleja de orden p de P(x) = 0 entonces a bi es tambin raz
compleja de orden p de la misma ecuacin.
Dem.
Segn el teorema de Gauss, el polinomio P(x) de grado n tiene x
1
,, x
m
races
(reales o complejas), con K
1
,.., K
m
el ndice de multiplicidad y
%
= n K
i
. As, P(x)
se puede escribir como:
( ) ( ) ( ) ( )
m
K
m
K K
n
x x x x x x a x P & & & = ......
2 1
2 1
Como P(x) tiene coeficientes reales (P(x) !"[x]) se verifica que P P = y
( ) ( ) ( ) ( )
m
K
m
K K
n
x x x x x x a x P & & & = .....
2 1
2 1
Y como la descomposicin de P(x) es nica, podemos tener dos situaciones
1) ! 0 =
i i i
x x x " y la raz es real.
2)
j i j j i j i j i
x y x x x x K K j i x x 0 = = 0 = 3 = son races complejas
conjugadas de P(x) y con el mismo ndice de multiplicidad.
Por tanto P(x) = 0 tiene races reales y/o parejas de races complejas conjugadas
con el mismo ndice de multiplicidad.
Se deduce que si (x (a + bi))
P
es un factor de P(x), tambin lo ser (x (a bi))
P
.
Multiplicando ambos queda ((x a)
2
+ b
2
)
P
.
Por tanto, podemos afirmar que "P(x) !"[x], P(x) se puede descomponer como
producto de factores de primer grado y/o de segundo grado con coeficientes reales y
siendo su discriminante negativo.
Es lo mismo decir que los polinomios (X a) y (aX
2
+ bX + c) con b
2
4ac < 0
son los nicos polinomios irreducibles en "[x].
3. RESOLUCIN DE ECUACIONES.
En este punto vamos a resolver por mtodos algebraicos las ecuaciones algebraicas
de grado 1, 2 y 3.
3.1. Ecuacin de primer grado.
Una ecuacin de primer grado es de la forma
8/21
ax + b = 0
y trivialmente
x =
a
b
&
siendo nica la solucin.
3.2. Ecuaciones de segundo grado.
Una ecuacin de segundo grado es de la forma
ax
2
+ bx + c = 0 (1)
Veamos como se resuelve:
Multiplicamos (1) por 4a: 4a
2
x
2
+ 4abx + 4ac = 0
Completamos los dos primeros sumandos para obtener un cuadrado perfecto,
sumando y restando b
2
0 4 4 4
2 2 2 2
= + & + + ac b b abx x a
( ) ac b b ax 4 2
2 2
& = +
ac b b ax 4 2
2
& = +
ac b b ax 4 2
2
& & =
a
ac b b
x
2
4
2
& &
=
Las dos races sern reales si 0 4
2
> & ac b y complejas conjugadas en caso
contrario.
Si ac b 4
2
& < i
a
b ac
a
b
x
2
4
2
0
2
&

&
= 0
3.3. Ecuacin de tercer grado.
Una ecuacin de tercer grado es de la forma:
0
2 3
= + + + d cx bx ax
9/21
Para simplificar las operaciones que vamos a realizar, y puesto que siempre es
posible, vamos a considerar que el polinomio de tercer grado es normalizado, siendo la
ecuacin:
0
2 3
= + + + c bx ax x
Lo primero es cambiar
3

a
x x & = , pudiendo eliminar el trmino de segundo grado de
la ecuacin:
0
3

2 3
= +
'
(
)
*
+
,
& +
'
(
)
*
+
,
& +
'
(
)
*
+
,
& c
a
x b
a
x a
a
x
0
3
1

9
1

3
2

27
1

3
1

3 2 2 3 2 2 3
= + & + + & + & + & c ab bx a x a ax a x a ax x
0
3
1
9
1
27
1

3
2
3
1

3 3 2 2 3
=
'
(
)
*
+
,
+ & & & +
'
(
)
*
+
,
+ & + c ab a a x b a a x
Sea
2
3
1
a b p & = y c ab a q + & =
3
1
27
2
3
0
3
= + + q px x
Realicemos ahora un nuevo cambio de variable
x = u + v ( ) ( ) 0
3
= + + + + q v u p v
Y desarrollando
0 3 3
3 2 2 3
= + + + + + + q pv pu v uv v u u
( ) ( ) 0 3
3 3
= + + + + + + q v u p v u uv v u
( )( ) 0 3
3 3
= + + + + + v u p uv q v u
Como variando los valores de u y v, cualquiera que sea la suma u + v, siempre es
posible fijar u v, tomemos 3uv + p = 0. Entonces
:
;
:
<
=
& =
& = +
0
:
;
:
<
=
& =
& = +
27

3
3
3 2
3 3 3 3
p
v u
q v u
p
uv
q v u
Teniendo en cuenta las relaciones de Cardano-Vieta, podemos afirmar que u
3
y v
3
son races de la ecuacin
10/21
0
27
3
2
= & +
p
qy y
Al ser una ecuacin de 2 grado sabemos resolverla siendo
27 4 2
3 2
3
p q q
u + + & = y
27 4 2
3 2
3
p q q
v + & & =
Entonces
3
3 2
27 4 2
p q q
u + + & = y
3
3 2
27 4 2
p q q
v + & & =
Como x = u + v tenemos
3
3 2
3
3 2
27 4 2 27 4 2

p q q p q q
x + & & + + + & =
Y al ser
3

a
x x & =
2
3
1
a b p & = y c ab a q + & =
3
1
27
2
3
Sustituyendo obtenemos las tres races de la ecuacin.
La ecuacin de cuarto grado, debido a su complejidad y no demasiado inters, no la
vamos a resolver.
4. APROXIMACIN NUMRICA DE RACES.
Dada una ecuacin algebraica P(x) = 0 de grado n con coeficientes reales, vamos
a tratar de resolverla, lo que significa calcular todas sus races o aproximarlas.
4.1. Clculo de las races enteras y racionales de un polinomio con coeficientes
racionales.
Sea P(x) = 0 una ecuacin algebraica de grado n con coeficientes en Q.
Multiplicando por el mnimo comn mltiplo de los denominadores, obtenemos otra
ecuacin con los coeficientes enteros, luego podemos considerar que P(x) = 0 es una
ecuacin algebraica con los coeficientes enteros.
4.1.1. Races Enteras.
Sea ( )
n
n o
x a x a x a a x P + + + + = .....
2
2 1
con a
i
!# "i: 1,, n.
Si m!# es raz de P(x) 0 P(m) = 0
11/21
Como ( )
n
n o
m a m a m a a m P + + + + = ......
2
2 1
n
n o
n
n o
m a m a m a a m a m a m a a & & & & = 0 = + + + + 0 ..... 0 .....
2
2 1
2
2 1
o
a 0 es un mltiplo de m m/a
o
.
Adems P(x) = (x m) Q(x), siendo Q(x) de grado n 1.
P(1) = (1 m) Q(1) 0 P(1) es mltiplo de (1 - m) 1 m/P(1)
P(-1) = (-1 m) Q(-1) 0 P(-1) es mltiplo de (1 + m) 1 + m/P(-1)
Resumiendo, si m!# es un cero de la ecuacin P(x) = 0 con coeficientes enteros,
se debe verificar
1) m/a
o
2) 1 m/P(1)
3) 1 + m/P(-1)
Luego basta descomponer en factores a
o
e ir probando sus posibles divisores como
soluciones de la ecuacin en caso de que verifiquen tambin 2) y 3). Esas sern todas
las soluciones enteras, si las hay.
4.1.2. Races Racionales.
Sea
q
p
una raz o cero de P(x) = 0 (con
q
p
irreducible).
Entonces 0 .....
2
2 1
=
'
'
(
)
*
*
+
,
+ +
'
'
(
)
*
*
+
,
+ +
n
n o
q
p
a
q
p
a
q
p
a a
Y multiplicando por q
n
0 ......
2 2
2
1
1
= + + + +
& & n
n
n n n
o
p a p q a p q a q a
Como mcd (p, q) = 1 por ser
q
p
irreducible tenemos:
1)
o
n
n
n n n
o
a
p
p a p q a p q a q a 0 & & & & =
& &
......
2 2
2
1
1
2)
n
n n n
o
n
n
a
q
p q a p q a q a p a 0 + & & & =
& &
.....
2 2
2
1
1
Adems ( ) ( ) ( ) ( )
( )
q
x Q
p qx x P x Q
q
p
x x P & = 0
'
'
(
)
*
*
+
,
& =
12/21
1) ( ) ( )
( )
( ) 1
1
1
P
p q
q
Q
p q P
&
0 & =
2) ( ) ( )
( )
( ) 1
1
1
&
+
0
&
& & = &
P
p q
q
Q
p q P
Resumiendo, para que
q
p
irreducible sea una raz de la ecuacin P(x) = 0 debe
verificar:
1) p/a
o
2) q/a
n
3) q p/P(1)
4) q + p/P(-1)
Observemos que si el coeficiente principal es 1, a
n
= 1, la ecuacin no tiene races
racionales, ya que no hay ningn nmero q/1 salvo el propio 1 -1, siendo entonces
q
p
un entero.
Para obtener todas las races racionales, descomponemos a
o
y a
1
en factores y
escribimos todas las fracciones posibles formadas por los divisores de a
o
entre los
divisores de a
n
. Comprobamos que verifican 3) y 4) y esas sern las posibles races
racionales.
4.2. Acotacin de las Races Reales.
Una vez visto el caso particular de obtener las races enteras y racionales de una
ecuacin algebraica con coeficientes racionales, vamos a resolver el caso general.
Tenemos una ecuacin algebraica P(x) = 0 con coeficientes reales. Para determinar
sus races, realizaremos tres pasos. El primer paso consiste en acotar las posibles races.
Las races positivas estarn acotadas superiormente por L e inferiormente por l, y
las races negativas lo sern superiormente por L e inferiormente por l.
Es evidente que slo vamos a describir mtodos sobre P(x) para calcular la cota
superior de las races positivas L, ya que l se calcula igual pero sobre P(1/x), l se
calcula sobre P(- x) y L sobre P(-1/x). Veamos pues que esas cuatro cotas se pueden
obtener sobre polinomios distintos.
13/21
4.2.1. Mtodo de Laguerre.
PROP Sea P(x)!". S al dividir P(x) por x L obtenemos un polinomio cociente con
todos sus coeficientes positivos y el resto tambin es positivo, entonces L es una cota
superior para las races positivas de P(x).
Dem.
Sea P(x) = (x L) Q(x) + R siendo ( )
%
&
=
=
1
0
n
i
i
i
x b x Q con b
i
> 0 "i y R > 0.
Entonces "x
o
!" con x
o
> L se verifica que (x
o
L) > 0 y Q(x
o
) > 0 0 P(x
o
) > 0
Luego P(x) no puede tener una raz positiva mayor que L.
L es cota superior de todas las races positivas.
4.2.2. Mtodo de Newton.
PROP Si un n L!"
+
hace positivos P(x)!"[x] y todas sus derivadas, entonces L es
una cota superior de las races positivas de P(x).
Dem.
Consideremos el desarrollo de Taylor para el polinomio P(x) en L.
( ) ( )
( )
( )
( )
( )
( )
( ) L x
n
L P
L x
L P
L x
L P
L P x P
n
& + + & + & + =
!
....
! 2

! 1

)
Como por hiptesis P
K
(L) > 0 0 . K . n, entonces
"x
o
> L P(x
o
) > 0
Por tanto, no hay ninguna raz mayor que L, y L es una cota superior de las races
positivas.
4.3. Separacin de las Races Reales.
Este es el segundo paso en la determinacin de races reales de una ecuacin
algebraica P(x) = 0.
Una vez que sabemos que todas las races negativas estn en el intervalo (l, L) y
las positivas en el (l, L), vamos a tratar de separarlas. Es decir, vamos a dar intervalos
en los que podamos afirmar que hay una raz y solo una.
14/21
4.3.1. Separacin de las races de un polinomio por medio de su derivada.
Para poder desarrollar este apartado vamos a enunciar dos teoremas. La
demostraciones se pueden encontrar en el tema 25 y 26.
TEOREMA. Teorema de Bolzano.
Sea f: " # " una funcin continua en [a, b] con f(a) f(b) < 0, entonces existe
x
o
!(a, b) tal que f(x
o
) = 0.
TEOREMA. Teorema de Rolle.
Sea f: " # " continua en [a, b] y derivable en (a, b) y f(a) = f(b), entonces existe
x
o
!(a, b) tal que f(x
o
) = 0.
Como toda funcin polinmica es continua, podemos aplicar los dos teoremas
anteriores a P(x).
El teorema de Bolzano nos indica que si un polinomio tiene signo contrario en los
extremos de un intervalo, posee una raz dentro de dicho intervalo, pero no afirma que
sea nica.
PROP Dada la ecuacin algebraica P(x) = 0 de grad n, si P(a) P(b) < 0 entonces
existe un nmero impar de races en (a, b).
Dem.
Sabemos que hay una raz, al menos, en (a, b) puesto que es lo que afirma el
teorema de Bolzano.
Supongamos que x
1
, x
2
,.., x
K
son todas las races de P(x) en (a, b), pudiendo
existir repetidas (races mltiples).
Entonces P(x) = (x x
1
).(x x
K
) Q(x).
Sustituyendo P(x) en a y en b tenemos
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) a Q a x a x a Q x a x a a P
K
K
K
& & & = & & = ...... 1 .......
1 1
( ) ( ) ( ) ( ) b Q x b x b b P
K
......
1
& & =
Sabemos que Q(a) y Q(b) tienen el mismo signo, ya que en caso contrario
existira una raz de Q(x) (otra de P(x)) en (a, b) y no es posible.
Tambin P(b) y Q(b) tienen el mismo signo, ya que todos los b x
i
son
positivos.
Entonces P(b) y Q(b) tienen el mismo signo. Como x
i
a son positivos, para que
P(a) y P(b) (o tambin P(a) y Q(a)) tengan signos contrarios, debe suceder que
15/21
(- 1)
K
sea negativo, lo cual solo ocurre si K es impar.
Recprocamente, si K es impar, P(a) y P(b) tendrn signos contrarios.
Al ser K impar, existen un nmero impar de races en (a, b).
PROP 1) Entre cada dos races consecutivas de P(x) hay al menos una raz de P(x).
2) Entre cada dos races consecutivas de P(x) existe a lo sumo una raz de P(x).
Dem.
1) Sean x
1
, x
2
!"/ P(x
1
) = 0 y P(x
2
) = 0
Aplicando el teorema de Rolle a P(x) en [x
1
, x
2
] 1?!(x
1
, x
2
) /P(c) = 0
2) Sean c
1
, c
2
!" dos races consecutivas de P(x).
Supongamos que existen x
1
, x
2
!(c
1
, c
2
) races de P(x).
Entonces, aplicando el apartado anterior
1?!(x
1
, x
2
) ? (c
1
, c
2
) / P(c) = 0
lo cual es una contradiccin con el hecho de ser c
1
y c
2
consecutivas.
Entonces existe a lo sumo una raz de P(x).
Esta ltima proposicin nos permite situar las races de P(x) entre cada dos races de
P(x), estando la primera raz entre la cota inferior y la menor raz de P(x) y la ltima
entre la mayor raz de P(x) y la cota superior.
El problema que tenemos con este mtodo es que para poder separar las races de
P(x) = 0 hemos de resolver la ecuacin P(x) = 0, y a veces tienen ambas ecuaciones
una dificultad similar.
Podemos ver mtodos que esquivan este problema.
4.3.2. Mtodo de Budan-Fourier.
DEF Diremos que el par a, b!" con a < b presentan una variacin si signo
(a) 3 signo (b). Se denotar por V(a, b) = 1.
Generalizando, V(a
1
, a
2
,, a
n
) = ( )
%
&
=
+
1
1
1
,
n
i
i i
a a V
16/21
TEOREMA. Teorema de Budan-Fourier.
Sea P(x) = 0 una ecuacin algebraica de grado n, a, b!" con a < b, P
K
(a) 3 0 y
P
K)
(b) 3 0 0 . K . n. Entonces
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
%
=

+ = &
m
i
i
n n
b P b P b P V a P a P a P V
1
) )
2 ,....., , ,....., , !
siendo
%
=
m
i
i
1
! el n de races de P(x) en (a, b) contadas con sus multiplicidades y

2 un
mltiplo de 2.
4.3.3. Mtodo de Sturns.
TEOREMA. Teorema de Sturns.
Sea P(x) = 0 una ecuacin algebraica de grado n, y P(x) un polinomio sin races
mltiples. Entonces
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = & b P b P b P V a P a P a P V
n n ) )
,...., , ,....., , N de races de P(x) en (a, b)
OBS Si P(x) = 0 tuviese races mltiples, podemos analizar el polinomio que se
obtiene de
( )
( ) ( ) ( ) x P x P
x P
, mcd
.
4.3.4. Mtodo de Harriot-Descartes.
TEOREMA. Regla de los Signos de Harriot-Descartes.
Sea P(x) = 0 una ecuacin algebraica con ( )
%
=
=
n
i
i
i
x a x P
0
entonces:
N de races positivas de P(x) . V(a
o
,.., a
n
).
4.4. Aproximacin de las Races Reales.
Este es el ltimo paso en la determinacin de races reales de una ecuacin
algebraica P(x) = 0.
Una vez que tengamos las races separadas en intervalos, hemos de aproximarlas
con un grado de aproximacin predeterminado. Veremos para ello varios mtodos.
4.4.1. Mtodo de Newton.
Tambin se conoce como mtodo de la tangente.
17/21
Sea @ la nica raz de P(x) en (a, b) con P(a) P(b) < 0.
Vamos a supones tambin que P(x) y P(x) conservan el signo en el intervalo
considerado.
Bajo estas condiciones, la grfica de P(x) en (a, b) tiene cuatro posibilidades.
El mtodo consiste en trazar la recta tangente al punto (a, P(a)) o (b, P(b)).
Elegiremos aquella recta que corte al eje x en el interior de (a, b). Tomaremos como
aproximacin de la raz @ el punto de corte de al recta con el eje, x
1
.
La recta tangente elegida verifica la condicin P(x) P(x) > 0.
Si el error que se comete es superior al fijado de antemano, repetimos el proceso
pero ahora trazando la tangente al punto (x
1
, P(x
1
)), obteniendo as una nueva
aproximacin, x
2
.
Iterando el proceso, construimos una sucesin de aproximaciones a
@
, (x
n
)
n!!
verificando Lim P(x
n
) = 0.
Tenemos que P(a) < 0 y P(a) < 0, luego P(a) P(a) > 0, por esa razn trazamos
la tangente por (a, P(a)).
La ecuacin de la tangente es
( ) ( )( ) a x a P a P y & = &
Entonces, el punto x
1
donde la tangente corta al eje x es
( )
( ) a P
a P
a x

1
& = (1)
a
b
a
b
a
b
a
b
18/21
Si iteramos el proceso, la tangente por (x
1
, P(x
1
)) es
( ) ( )( )
1 1 1
x x x P x p y & = &
siendo (x
2
, 0) el punto de corte de la recta tangente y el eje horizontal
( )
( )
1
1
1 2
x P
x P
x x & =
Y en general
( )
( )
1
1
1

&
&
&
& =
n
n
n n
x P
x P
x x
Comprobemos que cada una de las aproximaciones mejora la anterior.
Escribiendo el polinomio de Taylor de P(x) en x = a, de grado 1
( ) ( )
( )
( )
( )
( )
2
! 2

! 1

a x
P
a x
a P
a P x P & + & + =
"
Sustituyendo x por la raz de P(x), x = @
( )
( )
( )
( )
( )
( )
2

0 a
a aP
P
a
a P
a P
a P & + & + + = !
"
!
Entonces
( )
( )
( )
( )
( )
2
2

a
a P
P
a P
a P
a & & & = !
"
!
Teniendo en cuenta (1)
( )
( )
( )
2
1
2

a
a P
P
x & & = & !
"
! (2)
Tomando ( ) x P < K "x!(a, b) queda
1
x & ! <
( )
( ) a P a
a b K

2
&
Veamos ahora que x
1
mejora la aproximacin dada por a.
signo ( ) = & a x
1
signo
( )
( )
'
'
(
)
*
*
+
,
&
a P
a P

por (1)
19/21
signo
( )
( )
=
'
'
(
)
*
*
+
,
&
a P
a P

signo
( )
( )
( )
'
'
(
)
*
*
+
,
& &
2
2

a
a P
P
!
"
ya que P(a) P(a) > 0 y P(x)
conserva el signo en el intervalo.
signo
( )
( )
( ) =
'
'
(
)
*
*
+
,
& &
2
2

a
a P
P
!
"
signo (@ - x
1
) por (2)
Entonces signo (x
1
a) = signo (@ - x
1
) y eso significa que
a < x
1
< @
Reiterando el proceso a < x
i
< x
j
< @ con i < j lo que significa que (x
n
)
n!!
es una
sucesin creciente y acotada por @, por tanto 1lim x
n
y es lim x
n
= @.
Como
( )
( )
1
1
1

&
&
&
& =
n
n
n n
x P
x P
x x
Tomando lmites
( )
( )
( ) 0 = 0 & =
&
&
0

1
1
n
n
n
limx P
limx p
limx P
! ! por ser P(x) un polinomio
p(lim x
n
) = lim P(x
n
) 0 lim (x
n
) = 0
4.4.2. Mtodo de la Regula Falsi.
El mtodo de la Regula Falsi es muy similar al mtodo de Newton visto antes, pero
en lugar de trabajar con tangentes, lo haremos con la cuerda que une los extremos del
intervalo que consideremos en cada instante.
Sea @ la nica raz de P(x) en (a, b) con P(a) P(b) < 0. Y supongamos que P(x) no
se anula en (a, b).
La ecuacin de la cuerda que une (a, P(a)) y (b, P(b)) es
( )
( ) ( )
( ) a x
a b
a P b P
a P y &
&
&
= &
Y corta al eje x en (x
1
, 0) siendo
( )
( ) ( )
( )
( )( )
( ) ( )
( ) ( )
( ) ( ) a P b P
a bP b aP
x
a P b P
a b a P
a x a x
a b
a P b P
a P
&
&
= 0
&
&
& = 0 &
&
&
= &
1 1 1
0
a
b
20/21
Si queremos obtener una nueva aproximacin a @, repetiremos el proceso tomando
ahora uno de los intervalos (a, x
1
) (x
1
, b). Elegiremos aquel que verifique las
condiciones de partida (en nuestro caso (a, x
1
) ya que P(a) P(x
1
) < 0).
Entonces
( ) ( )
( ) ( ) a P x P
a P x x aP
x
&
&
=
1
1 1
2
Podemos iterar el proceso de sucesin montona (creciente o decreciente) y acotada
por b a respectivamente.
Entonces la sucesin tiene limite y la recurrencia nos dice que dicho lmite es @.
Si queremos hallar un trmino de la sucesin (x
n
)
n!!
cuya distancia a @ sea menor
que un error dado de antemano, hemos de conocer una cota de error que se produce al
sustituir @ por x
m
.
Sea x
m
un valor aproximado de @, raz de P(x). Al ser P(x) un polinomio, es una
funcin continua en [a, b] y derivable en (a, b). Aplicando el teorema de Lagrange en
[@, x
n
].
( ) ( ) ( ) ( ) ( ) ! " ! ! " & = & ! 1
n n n
x P P x P x / ,
Entonces ( ) ( )( )
( )
( ) "
! ! "

P
x P
x x P x P
n
n n n
= & 0 & = <
( )
C
x P
n
siendo C < ( ) ( ) b a x x P , ! "
Luego si queremos calcular, por este mtodo, una aproximacin de la raz @ con un
error menor que e, debemos iterar el proceso m veces hasta que se verifique
( )
C
x P
m
< e.
4.4.3. Mtodo general de Iteracin.
El mtodo de Newton y el mtodo de la Regula Falsi son casos particulares del
llamado mtodo de Iteracin.
Si somos capaces de encontrar una funcin A(x) definida [a, b], que tiene una nica
raz en (a, b) y tal que la ecuacin P(x) = 0 con x la nica raz de P(x) en (a, b) sea
equivalente a x = A(x), entonces la recurrencia x
n
= A(x
n
1) nos proporciona una
sucesin (x
n
)
n!!
, de la que podemos afirmar:
PROP Si A es continua [a, b], derivable en (a, b) y ( ) x A < K< 1 "x!(a, b), entonces
la sucesin definida por la recurrencia x
n
= A(x
n-1
) es convergente a @, siendo @ la nica
raz de P(x) en (a, b).
Dem.
21/21
Consideremos el intervalo [x
n-1
, @] (o [@, x
n-1
] segn sea el caso] y apliquemos a A
en ese intervalo el teorema de Lagrange:
( ) ( ) ( ) ( )( )
1 1 1
/ ,
& & &
& A = A & A ! 1
n n n
x x x ! " ! ! "
Y como A(@) = @ y A(x
n-1
) = x
n
Entonces @ - x
n
= A(B) (@ - x
n-1
)
Teniendo en cuenta que ( ) " A < K < 1 "B!(a, b)
( )
1

&
& A = &
n n
x x ! " ! <
1 &
&
n
x K! <
2
2

&
&
n
x K ! <..< a b K
n
&
Y como b a > 0 y lim K
n
= 0 por ser K< 1
n
x & ! < ( ) ! = 0 &
n
n
limx a b K
Bibliografa Recomendada.
The Beauty of Fractals. Aut. H.O. Peitgen. P.H.Richter. Ed. Springer-Verlag.
Dynamical System and Fractals. Ed. Cambridge University Press.
Introduccin al Clculo Numrico. Aut. Aubanell. Ed. Universidad Autnoma de
Barcelona.
Dynamics of Simple Maps. Aut. Robert L. Devaney.
1/18
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 15
ECUACIONES DIOFANTICAS
1. Introduccin.
2. Ecuaciones Diofnticas Lineales.
2.1. Ecuaciones con una Incgnita.
2.2. Ecuaciones con dos Incgnitas.
2.2.1. La ecuacin ax by = c
2.2.2. La ecuacin ax by = c
2.2.3. Formas de Hallar la solucin Particular.
2.3. Ecuaciones con ms de dos Incgnitas.
3. Sistemas de Ecuaciones Diofanticas Lineales.
4. Ecuaciones Diofnticas no Lineales.
4.1. Ecuaciones con dos incgnitas.
4.1.1. La ecuacin x
2
y
2
= a
4.1.2. La ecuacin de Pell.
4.1.3. La ecuacin P(x) by = c con P(x) polinomio.
4.2. Ecuaciones con ms de dos incgnitas.
4.2.1. La Ecuacin Pitagrica x
2
+ y
2
= z
4.2.2. La Ecuacin de Fermat x
n
+ y
n
= z
n
5. Ecuaciones con Congruencias.
Bibliografa Recomendada.
2/18
TEMA 15
ECUACIONES DIOFANTICAS
1. INTRODUCCIN.
PROP Sea V un K-espacio vectorial de dimensin n. Sea B = {u
1
,..,u
n
} base de V.
Dados a
1
, a
2
,., a
n
!K, definimos f: V " K donde V v !
r
con ( )
n
x x x v ,...., ,
2 1
=
r
coordenadas respecto de B, ( )
#
=
=
n
i
i i
x a v f
1
r
. Entonces f es una aplicacin lineal.
Dem.
( ) ( ) ( ) ( ) = + + + + + = +
n n n n
u y u y u x u x f w v f ..... .......
1 1 1 1
! !
r r
( ) ( ) ( ) = + + + + =
n n n
u y x u y x f ! ! ......
1 1 1
( ) ( ) = + + + + =
n n n
y x a y x a ! ! .....
1 1 1
= + + + + =
n n n n
y a x a y a x a ! ! .....
1 1 1 1
( ) ( ) ( ) ( ) w f v f y a y a x a x a
n n n n
r r
! ! + = + + + + + = ...... ......
1 1 1 1
Dada una aplicacin lineal f: V " K con V K-espacio vectorial, nos planteamos la
necesidad de conocer que vectores de V, V x !
r
verifican ( ) c x f =
r
siendo c!K un
elemento fijo.
DEF Bajo las condiciones anteriores, la expresin ( ) c x f =
r
recibe el nombre de
ecuacin lineal. Cada V x !
r
que verifique la ecuacin anterior es una solucin de al
ecuacin. Los elementos ( ), ,......, ,
2 1 n
x x x coordenadas de x
r
respecto una base B de V,
se llaman incgnitas y los a
1
, a
2
,.., a
n
!K coeficientes.
OBS Aunque sean vectores, es usual representarlos sin la flecha superior, por lo que
escribiremos f(x) = c, para simplificar la notacin.
DEF Una ecuacin diofntica es una ecuacin algebraica con coeficientes enteros y de
la que interesan nicamente las soluciones enteras.
Veremos como resolver las ecuaciones diofnticas, dividindolas en diferentes tipos.
Nos centraremos ms en ecuaciones lineales, aunque tambin veremos ecuaciones
diofnticas no lineales.
2. ECUACIONES DIOFNTICAS LINEALES.
2.1. Ecuaciones con una Incgnita.
Este caso no presenta ninguna dificultad en su resolucin, pues una ecuacin
3/18
ax = c
con a, c!! tiene solucin entera a/c (c es un mltiplo de a).
2.2. Ecuaciones con dos Incognitas.
2.2.1. La ecuacin ax by = c
PROP Sea la ecuacin Ax By = C, siendo A $ 0, B $ 0 y D = mcd (A, B).
Si Ax By = C admite solucin entonces D/C.
Dem.
Como D = mcd (A, B) % A = a D y B = b D
La ecuacin se puede escribir como aDx bDy = C y D(ax by) = C.
Como Ax By = C tiene solucin, la igualdad D(ax by) = C es cierta y por tanto
D/C.
OBS Teniendo en cuenta la proposicin anterior, basta con resolver la ecuacin
ax by = c con mcd (a, b) = 1.
DEF Se llama sistema completo de nmeros incongruentes modulo a, a todo conjunto
de a nmeros cuyos restos al dividir por a son todos distintos.
Dado a!", el conjunto {0, 1,.., a 1} forma un sistema completo de nmeros
incongruentes mdulo a.
PROP Sea ax by = c una ecuacin diofantica con mcd(a, b) = 1. Sea S = {0, 1,., a 1}
un sistema completo de nmeros incongruentes mdulo a. Entonces el conjunto
{ } S x c x b T ! + & = / es un sistema completo de nmeros incongruentes mdulo a.
Dem.
Realicemos la demostracin por reduccin al absurdo.
Sean bi + c y bj + c con i, j!S (es lo mismo que 0 ' i, j ' a 1), i $ j, dos
elementos de T tales que al dividirlos por a dan el mismo resto.
Realizando la divisin euclidea:
(q, r!!/ bi + c = aq + r
(q, r!!/ bj + c = aq + r
Restando ambas ecuaciones b(i j) = a(q q)
4/18
Y como mcd (a, b) = 1 i j/a
Entonces i y j son congruentes mdulo a, lo cual es una contradiccin.
PROP La ecuacin diofantica ax by = c con mcd (a, b) = 1 tiene solucin.
Dem.
Como {0, 1, 2,., a 1} es un sistema completo de nmeros incongruentes mdulo
a, por la proposicin anterior tenemos que {c, b + c, 2b + c,., (a 1)b + c} es
tambin un sistema completo de nmeros incongruentes mdulo a.
Entonces existe un nico b) + c con 0 ' ) ' a 1 tal que al dividir por a
obtengamos de resto 0.
b) + c = a q con q!!
Llamemos al cociente q por la letra * quedando
b) + c = a*
Y a* - b) = c
Siendo (*, )) una solucin particular de ax by = c.
PROP Sea la ecuacin diofntica ax by = c con mcd (a, b) = 1 y sea (*, )) una
solucin particular de la misma. Entonces la ecuacin tiene infinitas soluciones enteras.
Dem.
Dada la ecuacin diofntica ax by = c con (x, y) solucin. Como (*, )) es una
solucin particular a* - b) = c.
Restando ambas expresiones a(x - *) b(y - )) = 0
a(x - *) = b(y -))
Al ser mcd (a, b) = 1 % a/y - ) % y - ) = at con t!!.
Sustituyendo a(x - *) = b at % x - * = bt.
Por tanto, la solucin completa de la ecuacin diofntica es
!
+
,
-
+ =
+ =
t
at y
bt x
"
#
!
2.2.2. La ecuacin ax + by = c.
PROP Sea la ecuacin Ax + By = C, con A $ 0, B $ 0 y D = mcd (A, B).
5/18
Si Ax + By = C admite solucin entonces D/C.
Dem.
Es igual a la primera proposicin del punto 2.2.1.
OBS De nuevo consideraremos la ecuacin ax + by = c con mcd (a, b) = 1.
PROP Sea ax + by = c una ecuacin diofntica con mcd (a, b) = 1. Sea S={0, 1,..,a 1}
un sistema completo de nmeros incongruentes mdulo a. Entonces el conjunto
{ } S x bx c T ! . = / es un sistema completo de nmeros incongruentes mdulo a.
Dem.
Realicemos la demostracin por reduccin al absurdo.
Sean c ib, c - jb!T con i, j!S i $ j, tales que al dividirlos por a se obtiene el
mismo resto
(q, r!!/ c ib = aq + r
(q, e!!/ c jb = aq + r
Restando ambas ecuaciones b(j i) = a(q q)
Y como mcd (a, b) = 1 j i/a
Entonces i y j son congruentes mdulo a, lo cual es una contradiccin.
PROP La ecuacin diofntica ax + by = c con mcd (a, b) = 1 tiene solucin.
Dem.
Sabemos que {c, c b, c 2b,., c (a 1)b} es un sistema completo de nmeros
incongruentes mdulo a.
Entonces existe un nico c - b) con 0 ' ) ' a 1 tal que al dividir por a
obtengamos de resto 0.
(*!!/ c - b) = a *
Entonces a* + b) = c y (*, )) es solucin de la ecuacin.
PROP Sea la ecuacin diofntica ax + by = c con mcd (a, b) = 1 y sea (*, )) una
solucin particular de la misma. Entonces la ecuacin tiene infinitas soluciones enteras.
Dem.
6/18
Sea (x, y) una solucin general de la ecuacin y (*, )) la solucin particular.
( ) ( ) ( ) ( ) y b x a y b x a
c b a
c by ax
. = . % = . + . %
+
,
-
= +
= +
" # " #
" #
0
Como mcd (a, b) = 1 % a/) - y % ) - y = at t!!
Sustituyendo a(x - *) = bat % x - * = bt
La solucin general tiene la forma
!
. =
+ =
t con
at y
bt x
"
#
!
2.2.3. Formas de hallar la solucin particular.
Hemos visto en los dos puntos anteriores que una ecuacin de la forma ax by = c
con mcd (a, b) = 1 tiene solucin particular. Y a partir de ella hemos encontrado todas
las soluciones.
La proposicin que nos afirma que existe solucin particular nos describe una forma
de encontrarla.
1 Forma:
Consiste en despejar la incgnita de menor coeficiente (supongamos que es a). Eso
nos proporciona un conjunto S = {0, 1,., a 1} ms pequeo. Y probamos
secuencialmente los valores de S, siendo solucin aquel que al realizar la operacin
indicada nos da un nmero entero.
Ejemplo.
Sea la ecuacin 39x 5y = 13
Si despejamos
39
5 13 y
x
+
= hemos de ver cual de los nmeros {0, 1,,38} es
solucin.
En cambio si despejamos
5
13 39 .
=
x
y el conjunto se reduce a {0, 1,, 4} slo 5
elementos.
Para x = 2 13
5
65
= = y
La solucin particular sera (2, 13).
7/18
Siendo la solucin general
/
0
1
+ =
+ =
t y
t x
39 13
5 2
Este mtodo que hemos descrito no se puede utilizar en el caso de que ambos
coeficientes de la ecuacin tengan un valor elevado. En caso de que suceda esta
situacin, primero hemos de reducir la ecuacin a otra con menores coeficientes.
2 Forma:
Al encontrarnos con una ecuacin con coeficientes altos,
ax by = c
despejamos aquella incgnita acompaada de menor coeficiente
a
c by
x
+
=
Hacemos la divisin euclidea entre b y a y entre c y a
(q, b!!/ b = aq + b
(q, c!!/ c = aq + c
Y sustituimos
( ) ( )
a
c y b
q qy
a
c aq y b aq
x

+
+ + =
+ + +
=
Obtenemos la ecuacin diofntica
ax - by = c
donde el coeficiente de la incgnita no despejada ha sido reducido. En caso de que esta
nueva ecuacin todava tenga coeficientes altos, se repite el proceso tantas veces como
sea necesario.
Ejemplo.
Sea la ecuacin
5184x 625y = 2001
que claramente tiene solucin ya que mcd (5184, 625) = mcd (3
4
2
6
, 5
4
) = 1
Despejamos la incgnita afectada de menor coeficiente:
625
126 184
3 8
625
2001 5184 .
+ . =
.
=
x
x
x
y (1)
8/18
ya que
5184 = 625 8 + 184
2001 = 625 3 + 126
Sea 126 625 184
625
126 184
= . %
.
= y x
x
y
Repetimos el proceso despejando ahora
184
126 73
3
184
625 126 y
y
y
x + =
+
= (2)
Sea 126 73 184
184
126 73
= . %
+
= y x
y
x
Repetimos, despejando
73
53 38
1 2
73
126 184

.
+ . =
.
=
x
x
x
y (3)
Sea 53 73 38
73
53 38
= . %
.
= y x
x
y
Aplicamos ahora la 1 forma de resolucin para resolver esta ecuacin
38
73 53

y
x
+
=
Y es cierta para x = 11 y y = 5
Sustituyendo en (3)
y = 2 11 1 + 5 = 26
Sustituyendo en (1)
Y = 8 89 3 + 26 = 735
Siendo una solucin particular
X = 89 y = 735
Y la solucin general es:
9/18
!
+
,
-
+ =
+ =
t con
t y
t x
5184 735
625 89
!
3 Forma.
Dada la ecuacin ax by = c, como mcd (a, b) = 1, tenemos que por el Algoritmo
de Euclides
(2, !!/ 2a + b = 1
Y al multiplicar esa expresin por c
c2a + cb = c
a (2c) + b(c) = c
que tambin se puede escribir como
a(2c) b( c) = c
siendo x = 2c e y = c solucin particular de la ecuacin.
OBS Elegiremos el signo de y segn sea el de la ecuacin.
2.3. Ecuaciones con ms de dos incgnitas.
PROP Sea la ecuacin A
1
x
1
+ A
2
x
2
+..+A
n
x
n
= C con A
i
$ 0 3i: 1,, n.
Sea D = mcd (A
1
, A
2
,, A
n
). La ecuacin tiene solucin 4 D/C.
Dem.
Vamos a demostrar el teorema por induccin en el nmero de incgnitas.
Para n = 1 y n = 2 ya hemos visto que es cierto.
Para n 1, por hiptesis de induccin, lo suponemos cierto.
Veamos para n.
Sea la ecuacin A
1
x
1
+..+A
n
x
n
= C
La ecuacin
A
1
x
1
+..+ A
n-1
x
n-1
= Dy
con D = mcd (a
1
, a
2
,, a
n-1
) tiene solucin, por hiptesis de induccin.
Consideremos la ecuacin
10/18
Ay + A
n
x
n
= C
El mcd (D, A
n
) = mcd (A
1
,., A
n-1
, A
n
) que divide a C.
Entonces, esa ecuacin con dos incgnitas tiene solucin.
Hemos encontrado solucin para la ecuacin inicial con n incgnitas.
Esta proposicin que acabamos de demostrar nos proporciona un mtodo prctico
para hallar la solucin de una ecuacin con n incgnitas, reducindola a otra con una
menos hasta llegar a une ecuacin con slo dos incgnitas.
Ejemplo.
Sea 18x
1
+ 45x
2
20x
3
+ 49x
4
= 11
Sabemos que tiene solucin porque mcd (18, 45, 20, 49) = 1 y 1/11.
Sea 18x
1
+ 45x
2
20x
3
= 1 y
1
ya que mcd (18, 45, 20) = 1
Entonces y
1
+ 49x
4
= 11 con solucin particular (60, -1)
Siendo la solucin general
!
+
,
-
. . =
+ =
t
t x
t y
1
49 60
4
1
!
Volvamos a reducir la ecuacin con tres incgnitas:
Sea 18x
1
+ 45x
2
= 9y
2
ya que mcd (18, 45) = 9
Entonces 9y
2
20x
3
= y
1
con solucin particular (9y
1
, 4y
1
)
!
+
,
-
+ + =
+ + =
%
+
,
-
+ =
+ =

0 196 240
20 441 540
9 4
20 9
3
2
1 3
1 2
t
t t x
t t y
t y x
t y y
!
Y nos queda 18x
1
+ 45x
2
= 9y
2
que es 2x
1
+ 5x
2
= y
2
Con solucin particular (3y
1
, - y
1
) y la general
!
+
,
-
. . . . =
+ + + =
%
+
,
-
. . =
+ =

2 20 441 540
5 60 1323 1620
2
5 3
2
1
2 2
2 1
t
t t t x
t t t x
t y x
t y x
!
Siendo la solucin final
11/18
!
5
5
+
5
5
,
-
. . =
+ + =
. . . . =
+ + + =
, ,
1
9 196 240
2 20 441 540
5 60 1323 1620
4
3
2
1
t t t
t x
t t x
t t t x
t t x
!
3. SISTEMAS DE ECUACIONES DIOFANTICAS LINEALES.
De nuevo, cada ecuacin diofntica del sistema de ecuaciones debe verificar que el
mximo comn divisor de los coeficientes ha de dividir al trmino independiente. No lo
vamos a demostrar, por no reiterarnos en exceso.
En los casos anteriores, esta condicin era necesaria y suficiente para garantizar la
existencia de solucin. Pero en el caso que ahora nos compete, vamos a ver mediante
un ejemplo que ya no es suficiente.
Sea el sistema
+
,
-
= . .
= + +
11 3 5 8
7 3 2
z y x
z y x
Aplicando el mtodo de resolucin de Gauss, es equivalente a
+
,
-
= .
= + +
%
+
,
-
= .
= + +
9 2 5
7 3 2
18 4 10
7 3 2
y x
z y x
y x
z y x
La segunda ecuacin es resoluble ya que mcd (5, 2)/9
!
+
,
-
+ . =
+ =
t con
t y
t x
5 2
2 1
!
Sustituyendo en la 1 ecuacin
( ) ( ) 7 3 5 2 2 1 2 = + + . + + z t t
7 3 5 2 4 2 = + + . + z t t
7 3 9 = + z t
Y resulta que mcd (9, 3) = 3 y 3 no divide a 7, por lo que la ecuacin no tiene
solucin, y el sistema tampoco.
12/18
4. ECUACIONES DIOFNTICAS NO LINEALES.
4.1. Ecuaciones con dos Incgnitas.
4.1.1. La ecuacin x
2
y
2
= a.
Dada la ecuacin
x
2
y
2
= a
con a!!, puede escribirse como
(x + y) (x y) = a
Si tomamos m = x + y
n = x y
Entonces m n = a
Y a cada solucin posible le corresponde una descomposicin factorial de a.
Al resolver la ecuacin m n = a en ! podemos deducir que simultneamente m y
n son pares o son impares. Para ello basta tener en cuenta la definicin de m y n.
Eso implica que si a!! tiene un factor 2 con multiplicidad 1, no puede haber una
descomposicin como la indicada en el prrafo anterior. Por tanto la ecuacin no tiene
solucin.
Ejemplos.
1) x
2
y
2
= 98
Como 98 = 2 3 27
2
% m n = 2 7
2
Posibilidades:
a) m = 2 n = 49 % 6
/
0
1
= %
= .
= +
x x
y x
y x
51 2
49
2
! No sirve
b) m = 14 n = 7 %
/
0
1
! = %
= .
= +
x x
y x
y x
21 2
7
14
! No sirve
Como vemos, no hay solucin.
2) x
2
y
2
= 36
Como 36 = 2
2
3
2
% m n = 2
2
3
2
Posibilidades
13/18
a) m = 2 n = 18 % 8 10
18
2
. = = %
+
,
-
= .
= +
y x
y x
y x
b) m = 4 n = 9 % No puede ser
c) m = 6 n = 6 % 0 6
6
6
= = %
+
,
-
= .
= +
y x
y x
y x
d) m = 9 n = 4 % No puede ser
e) m = 18 n = 2 % 8 10
2
18
= =
+
,
-
= .
= +
y x
y x
y x
Las soluciones a la ecuacin x
2
y
2
= 36 son
(10, -8) (6, 0) (10, 8) y tambin (-10, 8) (-10, -8)
4.1.2. La ecuacin de Pell.
La ecuacin de Pell es
X
2
dy
2
= N
Esta ecuacin tiene gran importancia ya que cualquier ecuacin cuadrtica de dos
variables se puede reducir a ella.
Vemoslo:
ax
2
+ bxy + cy
2
+ dx + ey + f = 0 con a, b, c, d, e, f ! !
Si la escribimos como un polinomio en x tenemos
ax
2
+ (by + d)x + (cy
2
+ ey + f) = 0
y es una ecuacin de segundo grado en x. Tendr solucin si el discriminante es un
cuadrado perfecto
(by + d)
2
4a(cy
2
+ ey + f) = w
2
con w!!
(b
2
4ac)y
2
+ (2bd 4ae)y + (d
2
4af w
2
) = 0
Sea p = b
2
4ac
q = 2bd 4ae
r = d
2
4af
Y entonces podemos escribir
14/18
py
2
+ qy + r w
2
= 0
e igualmente es una ecuacin de 2 grado en y, que tendr solucin si su discriminante
es un cuadrado perfecto
q
2
4p(r w
2
) = z
2
con z!!
y la ecuacin anterior, escrita como
z
2
4pw
2
= q
2
4pr
es una ecuacin de Pell con d = 4p y N = q
2
4pr
En 1768, Lagrange demostr que si N =1 y d no es un cuadrado perfecto con d > 0,
la ecuacin tiene solucin no trivial (distinta de x = 1 e y = 0).
La solucin no trivial la calcul mediante fracciones continuas de d . Veamoslo
mediante un ejemplo.
Ejemplo.
X
2
17y
2
= 1
17 4
1
4 17
4 17
1 1
4 17 + =
+
=
.
= % + = z
z
z
z
z
1
8
1
4 17
1
8
+
+ = % + =
A partir de aqu, es fcil comprobar que es peridica. La fraccin reducida de
segundo orden es
17 7
8
33
8
1
4 = +
Una solucin es x = 33 y = 8
Para hallar todas: Se verifica que
( ) y x
n
17 17 6 19 + = +
Basta desarrollar la potencia y tomar como x los sumandos sin 17 y como y los
factores que acompaan a 17 .
Como ( ) y x
n
17 17 6 19 + = +
15/18
( ) y x
n
17 17 6 19 . = .
Multiplicando ambas expresiones
19
2
17 6
2
= x
2
17y
2
Y como 19
2
17 6
2
= 1 tenemos que (x, y) es tambin solucin de la ecuacin.
4.1.3. la ecuacin P(x) by = c con P(x) polinomio.
La ecuacin P(x) by = c con ( )
#
=
=
n
i
n
i
x a x P
0
polinomio, no siempre tiene
solucin.
El mtodo para resolverlas es muy similar al visto para dos variable, siempre que
tengan solucin.
Despejando en la ecuacin la variable y
( )
b
x P c
y
.
=
Si llamamos Q(x) = c P(x) nos queda
( )
b
x Q
y =
Sean m y n dos nmeros enteros tales que dan el mismo resto al dividirlos por b (son
congruentes). Entonces
s b n m + = con s!!
Si ( )
#
=
=
n
i
i
i
n b x Q
0
entonces
( )
#
=
=
n
i
i
i
n b n Q
0
( ) ( ) ( )
# # #
= = =
+ = & + = + = =
n
i
n
i
n
i
i
i
i
i
i
i
K s n Q K s n b bs n b m b m Q
0 0 0

Vemos que Q(n) y Q(m) tambin son congruentes mdulo b. La implicacin

contraria no es cierta.
Para hallar la solucin para y, basta probar {Q(0), Q(1),.., Q(b-1)} y ver cual de
ellos, al dividirlo por b, da como resultado un entero.
16/18
Supongamos que Q(a) con 0 ' a ' b 1 es el mltiplo de b. Entonces la solucin
general sera:
( )
5
+
5
,
-
+
=
+ =
b
bt a Q
y
bt a x
con t!!
Ejemplo.
Sea la ecuacin 4x
3
3x
2
+ x 3y = 3
3
3 3 4
2 3
. + .
=
x x x
y
Q(0) = -3, Q(1) = -1 Q(2) = 19
Entonces
( ) ( )
5
+
5
,
-
. + .
=
. + .
=
=
3
3 3 27 108
3
3 3 3 3 3 4
3
2 3 2 3
t t t t t t
y
t x
t!!
+
,
-
. + . =
=
1 9 36
3
2 3
t t t y
t x
t!!
4.2. Ecuaciones con ms de dos incgnitas.
4.2.1. La ecuacin Pitagrica x
2
+ y
2
= z
2
La definicin completa de la ecuacin pitagrica es
x
2
+ y
2
= z
2
con x, y, z!" - {0}
Esta ecuacin surgi al estudiar el tringulo rectngulo de catetos 3 y 4 e hipotenusa
5. Al ser un tringulo rectngulo verificaba el teorema de Pitgoras
3
2
+ 4
2
= 5
2
Entonces se plante la posibilidad de hallar ms conjuntos de 3 nmeros que
correspondiesen a medidas de un tringulo rectngulo, para lo cual haba que resolver la
ecuacin
x
2
+ y
2
= z
2
con x, y, z!"
Es claro que si x
o
, y
o
, z
o
es una solucin de la ecuacin, entonces 2x
o
, 2y
o
, 2z
o
con
2!" tambin es solucin. El recproco tambin es cierto.
17/18
Entonces, para su resolucin, podemos suponer que los tres nmeros x, y, z son
coprimos tomados de dos en dos. Las soluciones que verifiquen esta condicin reciben
el nombre de soluciones primitivas, ya que no son mltiplos de ninguna otra solucin.
Teniendo en cuenta lo anterior, los nmeros representados por x e y no pueden ser
ambos pares, ya que entonces tambin lo sera z, y hemos excluido esa situacin.
Supongamos entonces que x es impar, y vamos a tratar de resolver la ecuacin.
2 2 2
z y x = +
2 2 2
y z x . =
( )( ) y z y z x . + =
2
Sea y z u + =
2
y v u x y z v
2
= % . =
2
2
2 2
2 2
2
2
v u
y
v u
z
v y z
u y z
.
=
+
=
%
+
,
-
= .
= +
Los factores u y v deben ser impares. Si u y v tuviesen un factor comn, entonces z
e y tambin lo tendran y no seran coprimos, luego u y v adems de impares, deben ser
coprimos.
x
3=31 5=51 7=71 9=91 11=111 13=131 15=151 15=153 17=171 19=191 21=73
y 4 12 24 40 60 84 112 8 144 180 20
z 5 13 25 41 61 85 113 17 145 181 29
4.2.2. La Ecuacin de Fermat x
n
+ y
n
= z
n
.
La ecuacin pitagrica dio lugar a intentar resolver
x
3
+ y
3
= z
3
con x, y, z!"
Y posteriormente a
x
4
+ y
4
= z
4
con x, y, z!"
Y en general a
X
n
+ y
n
= z
n
con x, y, z, n!"
llamada ecuacin de Fermat por ser este quien la resolvi.
18/18
Desde el siglo XVII se ha ido demostrando que para n = 3 la ecuacin era
irresoluble y luego se no para n = 4. Un da dijo Fermat que haba demostrado que la
ecuacin era irresoluble para n 8 3, pero nunca dio la demostracin.
En 1993, el matemtico A. Wiles, public la demostracin de la irresolubilidad de la
ecuacin para n 8 3, pero pronto se vio que haba cometido un fallo.
Hoy en da es uno de los problemas clsicos de la matemtica que sigue sin ser
demostrado.
5. ECUACIONES DE CONGRUENCIAS.
Recordemos que dos nmeros a y b son congruentes mdulo n si al dividirlos por n
(mediante la divisin euclidea) obtenemos el mismo resto. Se representa por
a 9 b (mod n)
y es equivalente a que a b = n t con t!!.
Podemos plantearnos la resolucin de este tipo de expresiones cuando uno de los
miembros lo sustituimos por una expresin, que bien puede ser lineal (con una o varias
incgnitas) o polinmica. Entonces recibe el nombre de ecuacin de congruencias.
Ejemplos.
1) 2x 9 5 (mod 7)
2) 2x
2
+ x + 1 9 3 (mod 11)
3) 2x 3y 9 7 (mod 5)
Toda ecuacin de congruencias puede reducirse a una ecuacin diofantica con una
incgnita ms, y tratar as de resolverla.
Ejemplos.
1) 2x 9 5 (mod 7) % 2x 5 = 7y % 2x 7y = 5
2) 2x
2
+ x + 1 9 3 (mod 11) % 2x
2
+ x + 1 3 = 11y % 2x
2
+ x + 1 11y = 3
3) 2x 3y 9 7 (mod 5) % 2x 3y 7 = 5z % 2x 3y 5z = 7
Bibliografa Recomendada.
lgebra. Aut: Hungerford. Edit: Springer-Verlag.
Algbre. Aut: S. MacLane. Edit: Gauthier-Villars
lgebra. Aut: S. Lang. Edit: Aguilar.
Curso de lgebra Moderna. Aut. P. Hilton. Edit: Revert.
1/19
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 16
DISCUSIN Y RESOLUCIN DE SISTEMAS DE ECUACIONES LINEALES.
TEOREMA DE ROUCHE. REGLA DE CRAMER. MTODO DE GAUSS-
JORDAN.
1. Introduccin.
2. Sistemas de Ecuaciones Lineales.
2.1. Definicin.
2.2. Sistemas Equivalentes.
2.3. Tipos de Sistemas.
2.4. Interpretacin de un Sistema en Trminos de una Aplicacin Lineal.
3. Teorema de Rouch-Frbemus.
4. Regla de Cramer.
5. Mtodo de Gauss-Jordan.
5.1. Mtodos de Gauss.
5.2. Mtodo de Gauss con Pivote Parcial.
5.3. Mtodo de Gauss con Pivote Total.
5.4. Mtodo de Gauss-Jorda.
Bibliografa Recomendada.
2/19
TEMA 16
DISCUSIN Y RESOLUCIN DE SISTEMAS DE ECUACIONES LINEALES.
TEOREMA DE ROUCHE. REGLA DE CRAMER. MTODO DE GAUSS-
JORDAN.
1. INTRODUCCIN.
Por todos es conocida la importancia que tienen los sistemas de ecuaciones lineales
en la resolucin de problemas, tanto en la matemtica pura como en la aplicada.
En este caso vamos a tratar de la resolucin de sistemas de m ecuaciones lineales
con n incgnitas cada uno y con coeficientes en un cuerpo K (que habitualmente ser !,
pero puede ser " o #).
El teorema de Rouch-Frbenius (tambin conocido bajo el nombre de Kronecker)
nos da las condiciones necesarias y suficientes para la existencia de solucin. La Regla
de Cramer nos permite obtener dicha solucin de forma explcita, aunque a costa de
realizar un gran nmero de operaciones. Describiremos por tanto, diferentes mtodos
numricos que nos permitirn de forma directa obtener la solucin exacta.
La teora de espacios vectoriales y de aplicaciones lineales nos va a permitir deducir
resultados sobre el conjunto de las soluciones.
2. SISTEMAS DE ECUACIONES LINEALES.
2.1. Definicin.
Un sistema de m ecuaciones lineales con n incgnitas y con coeficientes en un
cuerpo K es un sistema de m ecuaciones de la forma.
!
"
!
#
$
= + +
= + +
m n mn m
n n
b x a x a
b x a x a
.......
. .......... ..........
........
1 1
1 1 1 11
(1)
donde (a
ij
)%K, b
i
%K 1 & i & m, 1 & j & n. Los a
ij
reciben el nombre de
coeficientes, los b
i
de trminos independientes y las x
j
son las incgnitas.
DEF Dado el sistema de ecuaciones lineales (1), diremos que es homogneo si b
i
= 0
1 & i & m.
El sistema (1) se puede escribir de forma matricial como
'
'
'
(
)
*
*
*
+
,
=
'
'
'
(
)
*
*
*
+
,
'
'
'
(
)
*
*
*
+
,
m n mn m
n
b
b
x
x
a a
a a
M M
1 1
1
1 11
.........
........ ..........
. ..........
o de forma ms sencilla como
3/19
A X

= B
DEF Diremos que
( )
n
n
K % ! ! ! ,....., ,
2 1
es una solucin del sistema (1) si al sustituir cada incgnita x
i
por -
i
las ecuaciones se
transforman en identidades. Al conjunto formado por todas las soluciones lo
llamaremos solucin del sistema.
2.2. Sistemas Equivalentes.
DEF Diremos que dos sistemas de ecuaciones lineales con el mismo nmero de
incgnitas son Equivalentes si toda solucin del primero lo es del segundo, y al revs.
Tambin sern equivalentes si ambos carecen de soluciones.
OBS En la definicin de sistemas equivalentes, en ningn momento se alude a que
deban mantener el mismo nmero de ecuaciones.
NOTACIN A partir de ahora escribiremos la ecuacin de lugar i
i n in i i
b x a x a x a = + + + ......
2 2 1 1
como
e
i
(x) = b
i
o, ms sencillamente, por E
i
DEF Dado el sistema
e
1
(x) = b
1
e
2
(x) = b
2
(2)

e
m
(x) = b
m
diremos que una ecuacin ex = b es combinacin lineal de las ecuaciones del sistema si
existen nmeros .
1
, .
2
,., .
m
en el cuerpo K tales que se verifica
( ) ( ) ( ) x e x e x e
m m
" " + + = .......
1 1
y
m m
b b b " " + + = .....
1 1
PROP Dado un sistema con m ecuaciones lineales E
1
, E
2
,., E
m
y n incgnitas, se
pueden obtener sistemas equivalentes efectuando las siguientes operaciones
elementales.
4/19
a) Permutar el orden de dos ecuaciones.
b) Sustituir una ecuacin E
i
por el resultado de multiplicar todos los elementos de la
ecuacin por un escalar .%K no nulo.
c) Sustituir una ecuacin E
i
por el resultado de sumar a la ecuacin el producto de
un escalar arbitrario .%K por otra ecuacin. Ej (con j / i). Ms generalmente, sustituir
la ecuacin E
i
por
0
/
+
i j
j j i
E E " . Ej para cualesquiera escalares .
j
%K.
d) Aadir al (suprimir del) sistema de una ecuacin que sea combinacin lineal del
resto.
Dem.
a) Al permutar el orden de dos ecuaciones obtenemos un nuevo sistema que tiene las
mismas ecuaciones que el anterior, por tanto una solucin para uno de ellos, tambin lo
es para el otro.
b) Sea el sistema
!
!
"
!
!
#
$
m
E
E
E
M
2
1
con b x a x a x a E
n in i i i
= + + + 1 ......
2 2 1 1
Sea (-
1
,..,-
n
)%K
n
solucin del primer sistema. Entonces, por ser iguales, tambin
es solucin todas las ecuaciones del segundo sistema menos la del lugar i.
Comprobemos que para sta tambin es solucin:
i n in i i
xb a a a = + + + ! " ! " ! " .....
2 2 1 1
( )
i n in i
b a a " ! ! " = + +......
1 1
Como . / 0, 2.
-1
%K
i n in i
b a a = + + ! ! .......
1 1
siendo la expresin cierta al ser (-
1
,.., -
n
) solucin de E
i
.
c) Dado el sistema
5/19
!
!
"
!
!
#
$
m
E
E
E
M
2
1
(3)
sustituimos en el E
m
por
0
3
=
+
1
1
m
j
j j m
E E " (elegimos la ltima por comodidad)
!
!
!
"
!
!
!
#
$
+
0
3
=
3
1
1
1
1
m
j
j j m
m
E E
E
E
"
M
(4)
Ambos sistemas tienen las m 1 primeras ecuaciones iguales, slo la ltima es
diferente, siendo
( ) ( ) ( ) ( )
0
3
=
3 3 3 3
+ + + + = + + + + 1 +
1
1
1 1 2 2 1 1 1 1 2 2 1 1
... .....
m
j
m m m m m m j j m
b b b b x e x e x e x e E E " " " " " " "
Veamos que ambos sistemas son equivalentes.
Si - = (-
1
,., -
n
)%K
n
es solucin de (3), tambin lo es de (4).
Por ser - solucin del primer sistema se verifica
E
i
(-) = b
i
4i:1,., m
y tambin es cierto que .
i
e
i
(-) = .
i
b
i
4i:1,.., m con .
i
%K.
Sumando las m identidades obtenemos que
( ) ( ) ( )
m m m m
b b e e e " " ! " ! " ! " + + = + + + ..... .....
1 1 2 2 1 1
es cierto, y basta tomar .
m
= 1 (neutro de producto en K) para que esa expresin sea
0
3
=
+
1
1
,
m
j
j j m
E E " la cual es cierta para x = -. Como las m 1 primeras de (4) coincidan
con las de (3), tambin son ciertas y - es solucin de (4).
Si - = ( -
1
, -
2
,, -
n
)%K
n
es solucin de (4), tambin lo es de (3).
Por ser - solucin de (4) se verifica que
( ) 1 ,....., 1 : 3 4 = m i b e
i i
!
6/19
( ) ( )
0 0
3
=
3
=
+ = +
1
1
1
1
m
i
m
i
m i i m i i
b b e e " ! ! "
Slo hemos de comprobar que - es solucin de la ltima ecuacin de (3).
( ) ( ) ( ) '
(
)
*
+
,
+ = + =
0 0
3
=
3
=
1
1
1
1
m
i
m
i
m i i m i i m
b b e e e " ! ! " ! =
m m
m
i
m i i
b b b b b = 3 3 3 '
(
)
*
+
,
+
3
3
=
0 1 1
1
1
....... "
Luego e
m
(-) = b
m
y la ecuacin es cierta.
d) Dado el sistema (2), si aadimos una ecuacin que sea combinacin lineal del
resto, obtenemos
( )
( )
( )
( )
!
!
!
"
!
!
!
#
$
=
=
=
=
0 0
= =
m
i
m
i
i i i i
m m
b x e
b x e
b x e
b x e
1 1
2 2
1 1
. ..........
" "
(5)
Es claro que toda solucin (5) es solucin de (2) pues las ecuaciones del primer
sistema son tambin ecuaciones del segundo.
Anlogamente, una solucin de (2) verifica las m primeras ecuaciones de (5), y
tambin la ltima, como es fcil de comprobar, luego es solucin de (5).
2.3. Tipos de sistemas.
Segn el nmero de soluciones de un sistema de ecuaciones lineales, los podemos
clasificar en:
DEF Diremos que un sistema es Compatible si tiene solucin. Si es nica ser
Compatible determinado y si es mltiple Compatible indeterminado. En el caso de no
tener solucin diremos que es incompatible.
!
5
!
6
7
!
5
!
6
7
) (
det
) (
) (
solucin Sin les Incompatib
erminados In
os Determinad
Compatible
Sistemas
Mltiple Solucin
Unica Solucin
2.4. Interpretacin de un Sistema en Trminos de una Aplicacin Lineal.
A partir de ahora consideraremos que el cuerpo K es !.
Dado un sistema de m ecuaciones con n incgnitas, expresado de forma matricial se
escribe como
7/19
A X = B
Consideremos la nica aplicacin
F: !
n
8 !
m
que tiene como matriz asociada a A (por ejemplo, respecto de las bases cannicas).
La matriz columna X es un vector cualquiera x
r
%!
n
y la matriz columna B es un
vector fijo b
r
%!
m
.
Entonces el sistema se puede expresar como
( ) b x f
r
r
=
siendo la solucin al sistema el conjunto ( ) b f
r
1 3
.
La expresin ( ) o x f
r r
= corresponde al sistema homogneo asociado a ( ) b x f
r
r
= .
Las soluciones de un sistema homogneo son los elementos de ( ) o f
r
1 3
que por
definicin es, Kerf, el ncleo de la aplicacin.
PROP El conjunto de soluciones de un sistema homogneo forman un subespacio
vectorial de !
n
.
Dem.
Es debido a que Kerf tiene estructura de subespacio vectorial.
PROP El conjunto de soluciones de un sistema de ecuaciones lineales puede obtenerse
sumando a una solucin particular del sistema todas las soluciones del sistema
homogneo asociado.
Dem.
La suma de una solucin particular -%!
n
con una solucin del sistema homogneo
asociado -
K
%!
n
es solucin:
( ) ( ) ( ) b o b f f f
K K
r
r
r
= + = + = + ! ! ! !
Luego - + -
K
es solucin del sistema.
Toda solucin del sistema puede descomponerse como suma de una solucin
particular -%!
n
y una solucin del sistema homogneo asociado -
K
%!
n
.
Sea 9%!
n
solucin del sistema : f(9) = b
r
8/19
Entonces
( ) ( ) ( ) o b b f f f
r
r r
= 3 = 3 = 3 ! # ! #
Luego 9 - -%Kerf y 9 - - = -
K
%Kerf
Y 9 = - + -
K
como queramos probar.
Podemos ahora caracterizar los diferentes tipos de sistemas en trminos de la
aplicacin lineal asociada.
Si ( ) ( ) = : ;
3
b f f b
r r
1
Im y el sistema es Incompatible.
Si ( ) ! 2 : % f b Im
r
!
n
( ) b f
r
= ! / , dndose dos situaciones
- Si Kerf = { } o
r
, la aplicacin es inyectiva y la solucin es nica. Sistema
Compatible determinado.
- Si Kerf { } o
r
/ , la solucin no es nica y el sistema es Compatible
Indeterminado.
La matriz A asociada a la aplicacin lineal f verifica
Dim (Im (f)) = Rang (A)
lo cual nos permite decir
dim Ker (f) = dim !
n
dim Im (f) = n Rang (A)
y podemos caracterizar un sistema de ecuaciones compatible slo con el nmero de
incgnitas y el rango de la matriz de coeficientes.
OBS Un sistema homogneo siempre es compatible ya que
( ) f O Im %
r
3. TEOREMA DE ROUCH-FRBENIUS
DEF Dado un sistema de ecuaciones lineales A X = B, llamaremos matriz ampliada
a la matriz que se obtiene de aadir la matriz columna B a la matriz A como
(n + 1)- sima columna. Se representa por (A/B).
( )
'
'
'
'
'
(
)
*
*
*
*
*
+
,
=
m mn
n
n
m m
b
b
b
a
a
a
a a
a a
a a
B A
.... ...
....
.... .... ....
....
....
/
2
1
2
1
2 1
22 21
12 11
9/19
TEOREMA. Teorema de Rouch-Frbenius.
Sea A X = B la representacin matricial de un sistema de m ecuaciones lineales
con n incgnitas.
AX = B es compatible < rang (A) = rang (A/B).
Adems, ser compatible determinado si rang (A) = n e indeterminado en caso
contrario.
Dem.
:
Supongamos que el sistema es compatible y sea - = (-
1
,, -
n
)%!
n
una solucin
del mismo. Se tiene las siguientes identidades:
!
!
"
!
!
#
$
= + + +
= + + +
= + + +
m n mn m m
n n
n n
b a a a
b a a a
b a a a
! ! !
! ! !
! ! !
.........
... .......... .......... .......... ..........
........
.......
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
Si llamamos ( )
mi i i i
a a a a ,....., ,
2 1
=
r
con m i & & 1 el sistema lo podemos escribir
como
b a a a
n n
r
r r r
= + + + ! ! ! ......
2 2 1 1
lo cual nos indica que b
r
es combinacin lineal de { }
n
a a a
r r r
,....., ,
2 1
que son las columnas
de A. Entonces
Rang (A) = rang (A/B)
Si el sistema es compatible determinado, la combinacin lineal anterior es nica y se
deduce que { }
n
a a a
r r r
,....., ,
2 1
es un conjunto linealmente Independiente. Y de aqu
podemos afirmar que
Rang (A) = n
=
Como por hiptesis
rang (A) = rang (A/B)
se da que b
r
es combinacin lineal de { }
n
a a a
r r r
,...., ,
2 1
.
% 2
n
! ! ! ,....., ,
2 1
!
0
=
=
n
i
i i
b a
1
/
r
r
!
Entonces - = (-
1
, -
2
,., -
n
)%!
n
es solucin del sistema
10/19
( )
0
=
= =
n
i
i i
b a f
1
r
! !
y el sistema es Compatible.
Si Rang (A) = n : { }
n
a a a
r r r
,....., ,
2 1
es un conjunto Linealmente Independiente lo
cual significa que la combinacin lineal es nica, siendo tambin la solucin al sistema.
COROLARIO Sea AX = B un sistema de m ecuaciones lineales con n incgnitas. Se
verifica
a) AX = B es Compatible Determinado < rang (A) = rang (A/B) = n
b) AX = B es Compatible Indeterminado < rang (A) = rang (A/B) < n
c) AX = B es Incompatible < rang (A) / rang (A/B)
Dem.
Inmediata sin ms que tener en cuenta el teorema anterior.
OBS Si rang (A) = rang (A/B) = K con K < n tenemos que
dim Kerf = dim !
n
dim Imf = n Rang (A) = n
y entonces las soluciones del sistema, al formar un subespacio de dimensin n K, se
expresa en funcin de n K parmetros.
4. REGLA DE CRAMER.
DEF Diremos que un sistema con el mismo nmero de ecuaciones que de incgnitas
es de Cramer si tiene solucin nica (si es compatible determinado).
PROP Un sistema con igual nmero de ecuaciones que de incgnitas es de Cramer si y
solo si 0 / A .
Dem.
Sea el sistema AX = B con A una matriz cuadrada de tamao n. Entonces la matriz
(A/B) es de orden n
x
(n + 1) siendo por tanto rang (A/B) & n.
Sabemos que rang (A) = n 0 / A
y aplicando el teorema de Rouche-Frbenius obtenemos que el sistema es compatible
determinado si y solo si 0 / A .
11/19
Los sistemas de Cramer tienen una forma especial de resolverse, que es aplicando la
llamada Regla de Cramer. Veamos en que consiste:
La condicin 0 / A nos permite garantizar la existencia de A
-1
. Por tanto, dado el
sistema AX = B podemos despejar X como:
AX = B : A
-1
AX = A
-1
B : X = A
-1
B
Siendo la solucin nica. Veamos ahora como desarrollar esa expresin para obtener el
valor de cada incgnita.
Sabemos que
( ) ( )
t
A Adj
A
A
1
1
=
3
y podemos escribir la igualdad X = A
-1
B como:
'
'
'
'
'
(
)
*
*
*
*
*
+
,
'
'
'
'
'
'
'
'
(
)
*
*
*
*
*
*
*
*
+
,
=
'
'
'
'
'
(
)
*
*
*
*
*
+
,
n
nn n n
n
n
n
b
b
b
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
x
x
x
L
L
L L L L
L
L
M
2
1
2 1
2 22 12
1 21 11
2
1
siendo cada A
ij
el adjunto del elemento a
ij
de la matriz A
( )
( ) ( )
( ) ( )
( ) ( ) ( )( ) ( )( ) ( )
( ) ( ) ( )( ) ( )( ) ( )
( ) ( ) nn j n j n n n
n i j i j i i i
n i j i j i i i
n j j
n j j
j i
ij
a a a a a
a a a a a
a a a a a
a a a a a
a a a a a
A
L L
L L L L L L L
L L
L L
L L L L L L L
L L
L L
1 1 2 1
1 1 1 1 1 2 2 1 1
1 1 1 1 1 2 1 1 1
2 1 2 1 2 22 21
1 1 1 1 1 12 11
1
+ 3
+ + + 3 + + +
+ + 3 3 3 3 3
+ 3
+ 3
+
3 =
y detallando las operaciones necesarias para calcular cada incgnita
( )
A
a a b a a a
A
A b A b A b
x
n j j nj n j j
j
r r
r
r r r
,...., , , ,....., , det ...
1 1 2 1 2 2 1 1 + 3
=
+ + +
=
OBS Si un sistema homogneo es de Cramer, la nica solucin es la trivial.
12/19
La regla de Cramer tambin es aplicable a sistemas compatibles indeterminados,
aunque para ello es necesario aplicarla a un sistema equivalente que verifique ser de
Cramer.
Sea
!
!
"
!
!
#
$
= + + +
= + + +
= + + +
m n mn m m
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
........
......... .......... .......... ..........
........
.........
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
un sistema compatible donde
( ) ( ) { } n m K B A rang A rang , / & = =
Supongamos, sin prdida de generalidad, que
{ }
K
a a a
r r r
,...., ,
2 1
es linealmente independiente (donde %
i
a
r
!
n
). Es lo mismo que afirmar
K
a a a
a a a
a a a
rang
KK K K
K
K
=
'
'
'
'
'
(
)
*
*
*
*
*
+
,
L
L L L L
L
L
2 1
2 22 21
1 12 11
Teniendo en cuenta que si en un sistema de ecuaciones se elimina una de ella que
sea combinacin lineal de las dems, el sistema que se obtiene es equivalente, podemos
indicar que el sistema inicial es equivalente a
!
!
"
!
!
#
$
= + + +
= + + +
= + + +
K n Kn K K
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
.....
......... .......... .......... ..........
......
....
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
que se puede escribir como
!
!
!
!
"
!
!
!
!
#
$
3 = + + +
3 = + + +
3 = + + +
0
0
0
+ =
+ =
+ =
n
K j
j Kj K K KK K K
n
K j
j j K K
n
K j
j j K K
x a b x a x a x a
x a b x a x a x a
x a b x a x a x a
1
2 2 1 1
1
2 2 2 2 22 1 21
1
1 1 1 2 12 1 11
......
......... .......... .......... .......... ..........
.....
.....
13/19
y llamando
0
+ =
3 =
n
K j
j ij i i
x a b c
1
nos queda
!
!
"
!
!
#
$
= + + +
= + + +
= + + +
K K KK K K
K K
K K
c x a x a x a
c x a x a x a
c x a x a x a
.....
......... .......... .......... ..........
....
....
2 2 1 1
2 2 2 22 2 21
1 1 2 12 1 11
que es un sistema de Cramer, siendo los trminos independientes funciones respecto de
las incgnitas x
K+1
, x
K+2
,.., x
n
.
Aplicando la regla de Cramer tenemos
( ) K i x x x f x
n K K i i
& & =
+ +
1 ,...., ,
2 1
y las soluciones del sistema inicial vienen dadas por
( )
( )
!
!
!
!
"
!
!
!
!
#
$
=
=
=
=
+ +
+ +
+ +
n n
K K
n K K K K
n K K
x
x
f x
f x
"
"
" " "
" " "
........ .......... ..........
,...., ,
......... .......... ..........
,...., ,
1 1
2 1
2 1 1 1
siendo .
k
,., .
n
%! parmetros.
5. MTODO DE GAUSS-JORDAN.
La regla de Cramer nos permite obtener la solucin de cualquier sistema compatible,
a cambio de realizar una gran cantidad de operaciones. Es por ello que su uso queda
limitado a sistemas con pocas ecuaciones. Afinando un poco ms, para obtener la
solucin de un sistema de n ecuaciones con n incgnitas, la regla de Cramer implica
realizar (n + 1) n! n productos, (n + 1) (n! 1) sumas y n divisiones, lo cual es un
total de (n + 1)
2
! 1 operaciones.
Debido a la ineficacia del mtodo de Cramer con sistemas de 5 o ms ecuaciones,
vamos a estudiar otras formas de resolver un sistema de ecuaciones lineales. Veremos el
mtodo de Gauss, y alguna de sus variantes, que nos dan la solucin exacta gracias a
una serie de operaciones elementales.
El mtodo de Gauss transforma el sistema a resolver en otro equivalente, tal que su
matriz de coeficientes sea triangular superior, siendo as fcilmente resoluble. El
nmero de operaciones que hemos de realizar para resolver un sistema de n ecuaciones
con n incgnitas es n n n
6
7
2
3
3
2
2 3
3 + que es muy inferior al Mtodo de Cramer.
14/19
5.1. Mtodo de Gauss.
El mtodo de Gauss transforma un sistema
!
!
!
"
!
!
!
#
$
= + + + +
= + + + +
= + + + +
= + + + +
m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
......
........ .......... .......... .......... ..........
.....
....
.......
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
en otro equivalente con matriz de coeficiente triangular superior.
Partiendo del sistema de ecuaciones lineales anterior, veamos los pasos a seguir:
Paso 1.
Se consiguen ceros en la primera columna por debajo de la diagonal principal
(suponemos 0
11
/ a reordenando el sistema si fuese necesario). Aplicando al sistema
inicial las ecuaciones:
n j a a
j j
& & = 1
1 1
n j m i
a
a
a a a a
i
j ij ij ij
& & & & 3 3 = 1 2
11
1
1
1
b b =
m i
a
a
b b b
i
i i
& & 3 = 2
11
1
1
obtenemos
!
!
!
"
!
!
!
#
$
= + + +
= + + +
= + + +
= + + + +
m n mn m m
n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
b x a x a x a x a
.......
..... .......... .......... .......... ..........
.....
......
....
3 3 2 2
3 3 3 33 2 32
2 2 3 23 2 22
1 1 3 13 2 12 1 11
Resumiendo, las operaciones realizadas son
m i E
a
a
E E y E E
i
i i
& & 3 = = 2
1
11
1
1 1
15/19
Paso 2.
Se consiguen ceros en la segunda columna por debajo de la diagonal principal
(suponemos 0
22
/ a , reordenando el sistema si fuese necesario). Aplicamos al sistema
obtenido en el paso 1 las ecuaciones:
n j i a a
ij ij
& & & & = 1 2 1
n j m i
a
a
a a a
i
j ij ij
& & & & 3 = 2 1

22
2
2
2 1 & & = i b b
i i
m i
a
a
b b b
i
i i
& & 3 = 3

22
2
2
y obtenemos
!
!
!
"
!
!
!
#
$
= + +
= + +
= + + +
= + + + +
m n mn m
n n
n n
n n
b x a x a
b x a x a
b x a x a x a
b x a x a x a x a
......
........ .......... .......... ..........
....
.....
....
3 3
3 3 3 33
2 2 3 23 2 22
1 1 3 13 2 12 1 11
Este sistema se ha obtenido aplicando al anterior las transformaciones
2 1 & & = i E E
i i
m i E
a
a
E E
i
i i
& & 3 = 3

2
22
2
Paso K.
Se consiguen ceros en la columna K por debajo de la diagonal principal (podemos
suponer que 0 /
KK
a , reordenando si fuese necesario, salvo que todos los 0 =
jK
a con
m j K & & ,siendo innecesario entonces realizar este paso). Aplicamos al sistema
obtenido el paso K 1 las ecuaciones:
n j K i a a
K
ij
K
ij
& & & & =
3
1 1
) 1 )
n j K m i K
a
a
a a a
K
KK
K
iK K
Kj
K
ij
K
ij
& & & & + 3 =
3
3
3
1
) 1
) 1
) 1 ) 1 )
K i b b
K
i
K
i
& & =
3
1
1 )
16/19
m i K
a
a
b b b
K
KK
K
iK K
K
K
i
K
i
& & + 3 =
3
3
3 3
1
1
1
1 ) 1 )
obteniendo un nuevo sistema equivalente al del paso K 1, y por tanto, a todos los
anteriores. Las operaciones elementales aplicadas han sido:
K i E E
K
i
K
i
& & =
3
1
) 1 )
m i K E
a
a
E E
K
K K
KK
K
iK K
i
K
i
& & + 3 =
3
3
3
3
1
1
1
) 1
1 )
Despus de m 1 pasos como mucho, se obtiene un sistema equivalente al inicial
con matriz de coeficientes triangular superior.
El sistema AX = B ser equivalente a TX = C con T triangular superior.
Se verifica
rang (A) = rang (T)
rang (A/B) = rang (T/C)
que resuelve fcilmente sin mas que tener en cuenta:
1) El Sistema es Incompatible si y solo si rang (T) / rang (T/C). Y eso es
equivalente a encontrar en TX = C una ecuacin del tipo 0 = C siendo C / 0.
2) El sistema es Compatible determinado si y solo si rang (T) = rang (T/C) = n, que
es equivalente a que el sistema TX = C sea de la forma:
!
!
!
"
!
!
!
#
$
=
= + +
= + + +
= + + + +
n n nn
n n
n n
n n
c x t
c x t x t
c x t x t x t
c x t x t x t x t
... .......... ..........
........
......
......
3 3 3 33
2 2 3 23 2 22
1 1 3 13 2 12 1 11
siendo los elementos de la diagonal principal todos no nulos. El sistema se resuelve
partiendo de la ltima ecuacin y ascendiendo hasta la primera.
3) El sistema es Compatible Indeterminado si y solo si rang (T) =rang(T/C) = K < n.
Supongamos , sin prdida de generalidad, que
17/19
'
'
'
'
'
(
)
*
*
*
*
*
+
,
=
KK
K
K
t
t t
t t t
rang K
L
L L L L
L
L
0 0
0
2 22
1 12 11
lo que obliga a que todos los elementos de la diagonal principal sean no nulos hasta la
fila K. Entonces el sistema inicial, AX = B, es Compatible Indeterminado si y solo si el
sistema equivalente TX = C puede escribirse como:
( )
( )
( )
!
!
"
!
!
#
$
=
= + +
= + + +
+
+
+
n K K K K KK
n K K K
n K K K
x x c f x t
x x c f x t x t
x x c f x t x t x t
,....., ,
.. .......... .......... .......... .......... ..........
,...., , ......
,....., , .....
1
1 2 2 2 2 22
1 1 1 1 2 12 1 11
siendo las soluciones al sistema:
( ) K i g x
n K i i
& & =
+
1 ,....,
1
" "
n j K x
j j
& & + = 1 "
donde los parmetros
n K
" " ,....,
1 +
son nmeros reales.
OBS En el paso K, siendo 1 1 3 & & m K , el coeficiente
) 1 3 K
KK
a debe ser no nulo para
que las correspondientes ecuaciones tengan sentido. Basta realizar una reordenacin de
las ecuaciones para poder obtener dicha hiptesis, variacin que no afecta a las
incgnitas. Lo que si que es un inconveniente importante es el hecho de que
) 1 3 K
KK
a sea
muy pequeo y, por tanto,
) 1 ) 1
/
3 3 K
KK
K
iK
a a muy grande, pudiendo presentar dificultades el
trabajar con estos nmeros. Los errores de redondeo podran ir reducindose y aumentar
paso a paso, desvirtuando la solucin. A fin de resolver esta dificultad, veremos a
continuacin variantes del mtodo de Gauss.
5.2. Mtodo de Gauss con Pivote Parcial.
Consiste en tomar, en el paso K, en lugar del elemento
) 1 3 K
KK
a el elemento
) 1 3 K
rK
a tal
que
{ } m i K a max a
K
iK
K
rK
& & =
3 3
/
) 1 ) 1
Se trata, en definitiva, de intercambiar la fila K por la r y seguir aplicando en
mtodo de Gauss.
18/19
5.3. Mtodo de Gauss con Pivote Total.
Al igual que el anterior, en el paso K, tomaremos en lugar del elemento
) 1 3 K
KK
a el
elemento
{ } n j K m i K a max
k
ij
& & & &
3
/
) 1
Ahora no slo intercambiamos filas (ecuaciones) si no tambin columnas
(incgnitas). Una vez realizado el intercambio y colocado el elemento elegido en el
lugar de
) 1 3 K
KK
a , se sigue aplicando el mtodo de Gauss.
5.4. Mtodo de Gauss-Jordan.
Dado el sistema AX = B, si A es una matriz cuadrada con 0 / A , el mtodo de
Gauss puede ser completado triangulando tambin la parte superior, convirtiendo as a
la matriz A en una matriz diagonal. Esta variante se conoce con el nombre de Mtodo
de Gauss-Jordan, y consiste en convertir a cero todos los elementos de matriz A menos
los de diagonal principal.
Dado el sistema AX = B se transforma la matriz
( )
'
'
'
'
'
(
)
*
*
*
*
*
+
,
=
n nn n n
n
n
b
b
b
a a a
a a a
a a a
B A
L
L
L L L L
L
L
2
1
2 1
2 22 21
1 12 11
/
por el mtodo de Gauss en
( )
'
'
'
'
'
(
)
*
*
*
*
*
+
,
=
n nn
n
n
c
c
c
t
t t
t t t
C T
L
L
L L L L
L
L
1
2 22
1 12 11
0 0
0
/
obtenindose el sistema TX = C.
Para obtener ceros por encima de la diagonal principal en T, se procede de forma
similar, siguiendo el siguiente algoritmo.
Primer paso.
Se consiguen ceros en la columna de al matriz (T/C) por encima de la diagonal
principal, transformando cada ecuacin E
i
en E
i
mediante
n n
E E =
19/19
1 1 3 & & 3 = n i E
t
t
E E
n
nn
in
i i
Paso K.
Se consiguen ceros en la columna n K + 1 por encima de la diagonal principal,
partiendo del sistema en el paso K 1, transformando cada ecuacin
) 1 3 K
i
E en
) K
i
E
mediante
n i K n E E
K
i
K
i
& & + 3 =
3
1
) 1 )
( )
( )( )
K n i E
t
t
E E
K
K n K
K n K n
K
K n i k
i
K
i
3 & & 3 =
3
+ 3 3
+ 3 + 3
3
+ 3 3
1
) 1
1 ) 1
1 1
) 1
1 ) 1 )
En a lo sumo n 1 pasos obtenemos el sistema
'
'
'
'
'
(
)
*
*
*
*
*
+
,
n nn
p
p
p
d
d
a
L
L
L L L L
L
L
2
1
22
11
0 0
0 0
0 0
obtenindose de forma trivial la solucin como
n j
d
P
x
jj
j
j
& & = 1
Bibliografa Recomendada.
lgebra Lineal. Aut: Alberto Luzrraga.
lgebra y Geometra. Aut: Braulio de Diego. Edit: Deimos.
Curso de lgebra y Geometra. Aut: Juan de Burgos. Edit: Alhambra.
Curso de Matemticas Serie A. Aut: A. Negro, V. Zorio. Edit: Alhambra.
1/24
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 17
PROGRAMACIN LINEAL. APLICACIONES.
1. Introduccin.
1.1. Historia de la Programacin lineal.
2. Terminologa Bsica.
3. Formulacin de un Problema de Programacin Lineal.
4. Mtodo de Resolucin Grfica.
5. Conjuntos Convexos.
6. Mtodo de Resolucin Analtico.
6.1. Teoremas de Resolucin Analtico.
6.2. El mtodo de Simplex.
6.2.1. Generacin de Puntos Extremos.
6.2.2. Criterio de Optimalidad.
7. Soluciones Degeneradas.
8. Dualidad.
9. Aplicaciones.
Bibliografa Recomendada.
2/24
TEMA 17
PROGRAMACIN LINEAL. APLICACIONES.
1. INTRODUCCIN.
La programacin lineal consiste en un conjunto de tcnicas matemticas que
permiten obtener el mayor provecho posible de sistemas econmicos, sociales,
tecnolgicos, etc, cuyo funcionamiento es posible describirlo adecuadamente mediante
un modelo matemtico.
El problema fundamental consiste en optimizar (maximizar o minimizar) una cierta
expresin lineal, sabiendo que sus variables estn sometidas a un conjunto de
restricciones que vienen expresadas por inecuaciones lineales.
1.1. Historia de la Programacin Lineal.
En los siglos XVI y XVII, matemticos como Newton, Leibnitz, Bernovilli o
Lagrauge trabajaron en la obtencin de mximos y mnimos condicionados de
funciones. Un siglo despus, Fourier fue el primero en intuir, aunque de manera un
tanto imprecisa, los mtodos actuales de al programacin lineal.
Exceptuando a G. Monge, que en 1776 se interes por problemas de sta ndole,
hemos de esperar hasta bien entrado el siglo XX para encontrar nuevos estudios
relacionados con lo que hoy en da entendemos por programacin lineal. En 1939, el
matemtico ruso Kantorovitch public Mtodos matemticos de organizacin y
planificacin de la produccin, una extensa monografa en la que por primera vez se
desarrolla una teora matemtica aplicable a una gran cantidad de problemas. Dicha
teora recibe el nombre de Programacin Lineal.
En 1941 y 1942 estudian de forma independiente Koopmans y Lantorovitch el
llamado Problema de transporte. El matemtico Stingler plantea, tres aos despus, el
problema de rgimen alimenticio ptimo.
En EE.UU. se plante, a la finalizacin de la 2 Guerra Mundial, que la
coordinacin de manera eficaz de todas las energas y recursos nacionales era un
problema de tal envergadura, que para poder reducirlo y resolverlo haba que aplicar los
mtodos de optimizacin de la programacin lineal.
Es en esta poca cuando aparecen los primeros computadores, utilizndose para
resolver los problemas descritos.
G. B. Danzing formula, en 1947, el enunciado comn al que se puede reducir
cualquier problema de programacin lineal. Para ello emplea notacin matemtica muy
precisa. Y l mismo, en 1951, desarrolla el mtodo del Simplex apoyndose para ello
en los ordenadores.
Los fundamentos matemticos de la programacin lineal fueron establecidos por
John Von Neumann, que en 1928 publico Teoras de juegos, su trabajo ms
importante. Y en 1947 plantea la posible equivalencia de los problemas de
3/24
programacin lineal con la teora de matrices. Es a partir de este momento cuando otros
matemticos se interesan por esta disciplina, producindose un espectacular desarrollo.
2. TERMINOLOGA BSICA.
DEF Llamaremos variables de eleccin a aquellas variables que aparecen en el
problema de forma independiente y cuyo valor queremos calcular, siendo ste siempre
positivo.
DEF Llamaremos funcin objetivo a la funcin matemtica lineal que relaciona las
variables de eleccin y cuyo valor queremos optimizar (maximizar o minimizar).
DEF Llamaremos restriccin a cada una de las condiciones que deben verificar las
variables de eleccin, siendo estas condiciones expresadas mediante ecuaciones o
inecuaciones lineales.
Un problema de optimizacin se puede clasificar en uno de los siguientes tipos:
Tipo 1: Optimizacin libre o in restricciones.
Los elementos que constituyen el problema son las variables de eleccin y la
funcin objetivo. No posee restricciones. Tambin se conoce por el nombre de
optimizacin clsica sin restricciones.
Tipo 2: Optimizacin con restricciones.
El problema est constituido por variables de eleccin, funcin objetivo y
restricciones. Estas ltimas pueden ser:
a) Restricciones de igualdad.
Estos problemas reciben el nombre de optimizacin clsica con restricciones y
pueden ser resueltos por medio de tcnicas como los multiplicadores de Lagrange.
b) Restricciones de Desigualdad.
La Programacin matemtica es la rama que se encarga del estudio de estos
problemas. Podemos clasificarlos a su vez en:
b.1.) Problemas de programacin lineal.
Todas las expresiones que aparecen en el enunciado del problema son lineales (tanto
la funcin objetivo como las restricciones).
b.2.) Problemas de Programacin no Lineal.
Alguno (o todas) de las expresiones no son lineales.
4/24
3. FORMULACIN DE UN PROBLEMA DE PROGRAMACIN LINEAL.
Un problema de programacin lineal se puede formular fundamentalmente de tres
formas distintas.
a) Forma Completa.
Supongamos que el problema consiste en maximizar la funcin objetivo, que hay n
variables y m restricciones.
n n
x c x c x c z Maximizar + + + = .....
2 2 1 1
Restricciones
( ) ( ) ( )
( ) ( ) ( )
!
!
!
!
!
!
!
"
!
!
!
!
!
!
!
#
$
% &
= + + +
= + + +
& + + +
& + + +
' + + +
' + + +
+ + + +
+ + +
n i x
r x a x a x a
r x a x a x a
r x a x a x a
r x a x a x a
r x a x a x a
r x a x a x a
i
m n mn m m
q n q q q
q n qn q q
p n n p p p
p n pn p p
n n
,...., 1 : 0
.....
....... .......... .......... .......... .......... ..........
.....
.....
........ .......... .......... .......... .......... ..........
.....
....
........ .......... .......... .......... .......... ..........
....
2 2 1 1
1 1 2 2 1 1 1 1
2 2 1 1
1 2 2 1 1 1 1
2 2 1 1
1 1 2 12 1 11
b) Forma Reducida.
Maximizar
(
=
=
n
i
xi Ci z
1
Restricciones
!
"
!
#
$
&
'
(
=
n i x
m j r x a
i
n
i
j i ji
,...., 1 : 0
,...., 1 :
1
c) Forma matricial.
Si definimos
)
)
)
)
)
*
+
,
,
,
,
,
-
.
=
n
c
c
c
C
...
2
1
)
)
)
)
)
*
+
,
,
,
,
,
-
.
=
n
x
x
x
x
...
2
1
)
)
)
)
)
*
+
,
,
,
,
,
-
.
=
mn m m
n
n
a a a
a a a
a a a
A
...
... ... ... ...
...
...
2 1
2 22 21
1 12 11
y
)
)
)
)
)
*
+
,
,
,
,
,
-
.
=
n
r
r
r
R
...
2
1
podemos formular el problema como
Maximizar x c z
z
/ =
5/24
Restricciones
"
#
$
&
'
0 X
R AX
OBS Por no complicar la notacin, en los dos ltimos casos solo hemos escrito en las
restricciones el smbolo de desigualdad '. Pero hemos de dejar constancia de que
ambas formulaciones equivalen a la primera, siendo lo correcto el haber denotado con '
las p primeras restricciones, con & las q p siguientes, y con = las m q ltimas.
DEF Llamaremos forma cannica de un problema de programacin lineal cuando
todas las restricciones del enunciado (excluyendo las que indican que las variables son
no negativas) tienen la misma desigualdad (' &).
Para el caso de maximizar
Maximizar X C Z
t
/ =
Restricciones
"
#
$
&
'
0 X
R AX
y para el caso de Minimizar
Minimizar X C Z
t
/ =
Restricciones
"
#
$
&
&
0 X
R AX
Tengamos en cuenta que una restriccin del tipo
j n jn j j
r x a x a x a = + + + .....
2 2 1 1
es equivalente a las dos restricciones
"
#
$
& + + +
' + + +
j n jn j j
j n jn j j
r x a x a x a
r x a x a x a
........
......
2 2 1 1
2 2 1 1
Todo problema de programacin lineal expresado en forma cannica se puede
escribir en forma estndar sin mas que tener en cuenta:
1) La expresin AX ' R se puede escribir como AX + Y = R siendo
( )
m
t
y y y Y ,...., ,
2 1
= . En las y
j
se recoge todo lo que falta para que se produzca la
igualdad. Por definicin Y & 0.
6/24
2) La expresin AX & R se puede escribir como AX Y = R siendo
( ) ( )
m
t
y y y Y ,....., ,
2 1
= . En las y
j
se recoge todo lo que falta para que se produzca la
igualdad. Tambin Y & 0.
DEF Los elementos y
1
, y
2
,., y
m
de la matriz Y reciben el nombre de variables de
holgura.
DEF Los elementos y
1
, y
2
,..,y
m
de la matriz Y reciben el nombre de variables
de excedente.
4. MTODO DE RESOLUCIN GRFICA.
Dentro de los diferentes mtodos de resolucin, vamos a describir ahora el
funcionamiento del mtodo de resolucin grfica, aplicable a los problemas con dos
variables. Para problemas con ms variables, en un punto posterior trataremos el
mtodo analtico del Simplex.
Supongamos que tenemos el siguiente problema:
Optimizar
2 2 1 1
x c x c Z + =
Restricciones
"
#
$
&
' &
0
) (
X
B AX B AX
Los pasos a seguir en su resolucin son:
1) Al ser todas las variables de eleccin no negativas, consideraremos el plano x
1
x
2
limitado al primer cuadrante.
2) Determinamos la regin factible, o conjunto de los puntos del plano que verifican
todas las restricciones. Se obtiene como interseccin de los subespacios dados por cada
una de las restricciones.
3) Representamos la funcin objetivo. Lo que dibujamos es el vector director de la
recta definida por la funcin objetivo, que es (- c
2
, c
1
).
4) Desplazamos la recta definida por el vector (- c
2
, c
1
) en la direccin (c
1
, c
2
)
obteniendo rectas paralelas a la inicial en el interior de la regin factible hasta alcanzar
el punto o puntos ptimos.
Las soluciones que nos podemos encontrar en la resolucin grfica de un problema
de programacin lineal pueden ser.
a) Solucin finita y nica.
Corresponde con un vrtice de la regin factible, pudiendo ser sta acotada o no.
b) Solucin finita y no nica.
7/24
Se obtiene cuando la pendiente de la recta definida por la funcin objetivo coincida
con la pendiente de uno de los lados donde se presentan todos los puntos ptimos.
En esta situacin, si (a, b) y (c, d) son dos vrtices consecutivos de la regin factible
cuyo segmento que limitan es paralelo a la funcin objetivo, todos los puntos de dicho
segmento son solucin, que llamaremos (x, y).
( )
( )
1 0
1
1
' '
"
#
$
0 + =
0 + =
!
! !
! !
con
d b y
c a x
Esta situacin se puede dar tanto si la regin factible es acotada como si no lo es.
c) Solucin no finita (no acotada).
Se produce cuando la regin factible es no acotada y la recta definida por la funcin
objetivo se puede desplazar indefinidamente de forma paralela encontrando siempre
puntos de la regin factible.
d) Sin solucin.
Un problema de programacin lineal no tiene solucin cuando la regin factible es
vaca.
5. CONJUNTOS CONVEXOS.
DEF Llamaremos Conjunto Convexo al conjunto de puntos que tiene la propiedad de
que para cualquier par de puntos del mismo, el segmento que los une tambin est
incluido en dicho conjunto.
Ejemplos.
Un crculo o una recta son conjuntos convexos. En cambio, una circunferencia o una
elipse no los son.
DEF Llamaremos punto lmite a todo punto que se encuentra en la frontera del
conjunto.
DEF Llamaremos punto interior a todo punto del conjunto convexo que no es punto
lmite.
DEF Llamaremos punto extremo a todo punto lmite que no se encuentra en el
segmento limitado por otros dos puntos lmite. Desde el punto de vista geomtrico
equivalen a los vrtices del conjunto.
DEF Dados n, v 1 V con V K-espacio vectorial de dimensin n, llamaremos
combinacin lineal convexa de n y v a toda expresin de la forma
( ) 1 0 1 ' ' 0 + ! ! ! con v u
8/24
Teniendo en cuenta esta ltima definicin, podemos decir que una combinacin
lineal convexa est formada por todos los puntos del segmento que delimitan u y v (lo
demostraremos a continuacin).
Podemos afirmar, por tanto, que un conjunto es convexo si y solo si para todo par de
puntos del conjunto, su combinacin lineal convexa pertenece a dicho conjunto.
TEOREMA
Dados 1 v u, !
n
, toda combinacin lineal convexa que se d entre ellos es un punto
del segmento que los une.
Dem.
Vamos a realizar la demostracin en !
2
para que se pueda visualizar grficamente.
La demostracin sera anloga para el caso de !
n
.
Tomemos ( )
2 1
,u u u = y ( )
2 1
, v v v = elementos de !
2
.
Hemos de probar que ( ) ( ) 1 0 1 ' ' 0 + = ! ! ! v u w es un punto perteneciente al
segmento PQ con OP u = y OQ v = .
Sea R el punto del plano tal que v u OQ OP OR 0 = 0 = .
Los puntos OPQR definen un paralelogramo, siendo u OP = la diagonal del
paralelogramo. Por tanto se verifica OQ OR OP + = .
Sea ( )v u w ! ! 0 + = 1 tambin ( )OQ OP OS ! ! 0 + = 1 .
( ) OQ OR OQ OQ OP OQ OQ OP OQ OQ OP OS + = + 0 = + 0 = 0 + / = ! ! ! ! ! !
Si v w OQ OS = = 2 = 0 !
Si u w OP OS = = 2 =1 !
Si 0 < 3 < 1 OR ! 2 es un punto intermedio entre O y R y al sumarle OQ da lugar
a un punto intermedio entre P y Q.
PROP La funcin objetivo de un problema de programacin lineal al igual que las m
restricciones y n condiciones de no negatividad definen conjuntos convexos.
Dem.
1) Funcin objetivo.
9/24
Sea
(
=
=
n
i
i i
x c z
1
y sea ( ) { 1 =
n
x x x H ...., ,
, 2 1
!
n
}
(
=
=
n
i
i
z x c
1
1
/
Vamos a demostrar que el conjunto H es convexo.
( )
n
u u u H v u ,...., ,
1
= 2 1 con z u c u c
n n
= + +....
1 1
( )
n
v v v ,....,
1
= con z v c v c
n n
= + +....
1 1
( ) ( ) ( )( ) 1 0 ,..., 1 ,..., 1
1 1
' ' 0 + = 0 + = ! ! ! ! ! con v v u u v u W
n n
Entonces ( ) ( ) ( )
n n
v u v u W ! ! ! ! 0 + 0 + = 1 ,...., 1
1 1
y ( ) ( ) ( ) [ ] ( )
( ( ( (
= = = =
= 0 + = 0 + = 0 +
n
i
n
i
n
i
n
i
i i i i i i i i i i i
v C U C V C u C v u C C
1 1 1 1
1 1 1 ! ! ! ! ! !
( ) H y H W z z z 1 2 = 0 + = ! ! 1 es convexo.
2) Restricciones de Desigualdad.
Las restricciones de desigualdad dividen a !
n
en dos semiespacios cerrados (ya que
las desigualdades no son estrictas). Veamos entonces que un semiespacio cerrado de !
n
es convexo.
Sea la desigualdad r x a x a
n n
& + + .....
1 1
con ( )1
n
x x ,....,
1
!
n
Consideremos ( )1 =
n
x x H ,...., {
1
!
n
} .... /
1 1
r x a x a
n n
& + + es semiespacio de !
n
definido por la desigualdad anterior.
Si r v a v a y r u a u a H v u
n n n n
& + + & + + 2 1 .... ..... ,
1 1 1 1
.
Sea ( ) ( ) ( ) ( )
n n
v u v u v u w ! ! ! ! ! ! 0 + 0 + = 0 + = 1 ,...., 1 1
1 1
( ) ( ) ( ) [ ]
( (
= =
= 0 + = )
*
+
,
-
.
0 + = + +
n
i
i i i i
n
i
i i i n n
v a u a v u a w a w a
1 1
1 1
1 1 .... ! ! ! !
( ) ( )
( (
= =
= 0 + & / 0 + =
n
i
n
i
i i i i
r r r v a u a
1 1
1 1 ! ! ! !
Entonces w 1 H y H es convexo.
3) Las condiciones de no negatividad son un tipo particular de no restricciones y por
tanto le es aplicable la demostracin anterior.
PROP La interseccin de un nmero finito de conjuntos convexos de !
n
es un conjunto
convexo.
10/24
Dem.
Vamos a realizar la demostracin por induccin de el nmero de conjuntos.
Para dos conjuntos:
Sea C
1
y C
2
dos conjuntos convexos de !
n
y sean u,v1C
1
4C
2
.
Como ( ) ( ) 1 0 1 ,
1 1
' ' 1 0 + 2 1 ! ! ! C v u convexo C v u
Como ( ) ( )
2 1 2 2
1 1 , C C y o C v u convexo C v u 4 ' ' 1 0 + 2 1 ! ! ! es convexo.
Para n 1 conjuntos.
Hiptesis de induccin: Ci
n
i
1
1
0
=
4 es un conjunto convexo.
Para n conjuntos.
Sean C
1
, C
2
,.., C
n
n conjuntos convexos.
5 5 5 n
n
i
i
n
i
i
C C C
)
)
*
+
,
,
-
.
=
0
= =
1
1 1
5
1
1
0
=
n
i
i
C es un conjunto convexo por hiptesis de induccin.
C
n
es un conjunto convexo por hiptesis inicial.
Aplicando el caso ya visto para 2 conjuntos, su interseccin es un conjunto convexo.
Por tanto, la interseccin de n conjuntos convexos es un nuevo conj unto convexo.
COROLARIO La Regin Factible de un problema de programacin lineal es un
conjunto convexo.
Podemos generalizar la definicin de combinacin lineal convexa a m vectores
como sigue.
DEF Llamaremos combinacin lineal convexa de los vectores 1
m
u u u ,...., ,
2 1
!
n
a
m m
u u u u ! ! ! + + + = .....
2 2 1 1
con m i
i
,...., 1 : 1 0 % ' ' ! .
DEF Llamaremos envoltura convexa de cualquier conjunto de puntos T de !
n
, y lo
denotaremos por C(T), al conjunto de todas las combinaciones convexas de puntos T.
PROP C (T) es el conjunto convexo ms pequeo que contiene a T.
11/24
Dem.
Trivial.
DEF Un conjunto convexo C es ilimitado si C u 1 % existe 1 v !
n
-{0} tal que los
puntos C v u 1 + ! con 3 > 0. En caso contrario diremos que C es limitado.
DEF Sea T 6 !
n
un conjunto con un nmero finito de puntos. La envoltura convexa
de T la llamaremos poliedro convexa.
Si C es un conjunto cerrado y poliedro convexo, entonces cualquier punto de C se
puede expresar como una combinacin convexa de los puntos extremos. Entonces C
ser la envoltura convexa de sus vrtices.
DEF Llamaremos como a T 6 !
n
que verifica que
0 & 1 2 1 % ! ! con T u T u
Un cono convexo es un cono que es convexo.
DEF Llamaremos Simplex a un poliedro de n dimensiones que tiene exactamente
n+1 vrtices. Las fronteras del Simplex contienen otros simplex de menor dimensin
que reciben el nombre de Caras Simpliciales.
6. MTODO DE RESOLUCIN ANALTICO.
Sea el problema a optimizar.
x C z
t
/ =
Restricciones
"
#
$
&
=
0 x
B Ax
donde las restricciones las hemos convertido en igualdades introduciendo variables de
holgura o de excedente.
DEF Llamaremos solucin factible (SF) a ( )
0
2
0
1
,..., ,
n
o o
x x x x = que verifica las
restricciones del problema. Es por tanto un punto de la regin factible (RF).
DEF Llamaremos Solucin Factible Bsica (SFB) a ( )
o
n
o o o
x x x x ,...., ,
2 1
= que verifica
que es SF y que tiene n m componentes nulas como mnimo.
DEF Llamaremos Solucin Factible Bsica No Degenerada (SFBND) a
( )
o
n
o o o
x x x x ,..., ,
2 1
= que es una Solucin Factible Bsica que tiene exactamente n m
componentes nulas. En caso contrario diremos que es una SFB degenerada.
DEF Llamaremos Solucin Factible Optima (SFO) a ( )
o
n
o o o
x x x x ,..., ,
2 1
= que es una
SFB que optimiza la funcin objetivo.
12/24
6.1. Teoremas Bsicos de la Programacin Lineal.
Vamos a ver ahora una serie de problemas que nos van a permitir llegar a la
solucin del problema.
TEOREMA 1 El conjunto de Soluciones Factibles de un problema de programacin
lineal, caso de no ser vaco, es convexo.
Dem.
Sea { 1 = x S !
n
} 0 , / & = x B Ax y supongamos 7 S
Sea S x x 1
2 1
, y 1 " #, !
+
con 1 = + " #
Como & 2 1
1 1
x S x 0 y 0
1 1
& 2 = x B Ax #
Como 0
2 2
& 2 1 x S x y 0
2 2
& 2 = x B Ax "
Luego 0
2 1
& + x x " # y
( ) ( ) B B B B Ax Ax x x A = + = + = + = + " # " # " # " #
2 1 2 1
Entonces S x x 1 +
2 1
" # y como
2 1
x x " # + es una combinacin lineal convexa de
x
1
y x
2
, dos puntos cualesquiera de S, deducimos que S es un conjunto convexo.
TEOREMA Teorema Fundamental de la Programacin Lineal.
a) La funcin objetivo alcanza su ptimo en un punto extremo del conjunto convexo
S de soluciones factibles.
b) Si el ptimo se alcanza en ms de un vrtice entonces cualquier combinacin
convexa de estos vrtices tambin optimiza la funcin objetivo.
Dem.
a) Vamos a realizar la demostracin por reduccin al absurdo.
Sean x
1
, x
2
,.,x
n
los vrtices del conjunto convexo S y x
o
una solucin factible
optima que no es extremo.
Al ser x
o
solucin factible verifica
"
#
$
&
=
0
0
0
x
B Ax
y por ser ptima S x x c x c
t t
1 % / ' /
0
13/24
Como hemos supuesto que x
o
no es un vrtice de S (Regin factible) entonces lo
podemos expresar como una combinacin lineal convexa de los vrtices de S:
(
=
=
n
i
i i o
x x
1
# con
(
=
=
n
i
i
1
1 # y n i
i
,..., 1 : 1 0 % ' '#
La funcin objetivo en el punto x
o
es
( ) ( )
( ( (
= = =
/ = = )
*
+
,
-
.
/ = / =
n
i
n
i
i i i
t
i
n
i
i i
t
o
t
o
x z x C x C x C x z
1 1 1
# # #
Entre los z(x
i
) con n i ' ' 1 hay uno que ser el ms pequeo de todos (elegimos el
ms pequeo si el problema es minimizar la funcin objetivo y el ms grande si hay que
maximizar). Sea
( ) { } n i x z min
i
' ' = 1 / !
Entonces
n i x C
i
t
' ' ' 1 !
pudindolo expresar como
i i
t
x C !+ = con n i
i
' ' & 1 0
Por tanto
( )
( ( ( (
= = = =
= + / = + = =
n
i
n
i
n
i
n
i
i i i i i i
t
i o
t
x C x C
1 1 1 1
# ! # ! # #
( ( (
= = =
+ = + / =
n
i
n
i
n
i
i i i i i
1 1 1
# ! # # !
Y como
(
=
& 2 &
n
i
o
t
i i
x C
1
0 ! #
Lo que contradice que X
o
sea una SFO (para el caso de minimizar).
b) Supongamos que el ptimo alcanza en x
1
, x
2
,..,x
p
, p vrtices de la regin
factible S.
Vamos a realizar la demostracin para obtener el mnimo (en el caso de maximizar
sera igual).
Sea C
t
x
i
= m p i ' ' 1 con m mnimo de la funcin objetivo.
Entonces S x x C x C
t
i
t
1 % '
14/24
"
#
$
&
=
0
i
i
x
B Ax
Sea
(
=
=
p
i
i i o
x x
1
# una combinacin lineal convexa de los vrtices x
1
,.,x
p
, con
1 0 1
1
' ' =
(
=
i
p
i
i
y # #
Veamos que x
o
es tambin ptimo.
( ( ( (
= = = =
= / = / = / = = =
p
i
p
i
p
i
p
i
i i i
t
i i i
t
o
t
m m m m x C x C x C
1 1 1 1
1 # # # #
( ( ( (
= = = =
= / = / = = = =
p
i
p
i
p
i
i
p
i
i i i i i o
B B B B Ax x A Ax
1 1 1 1
1 # # # #
(
=
& =
p
i
i i o
x x
1
0 #
Luego x
o
tambin optimiza la funcin.
TEOREMA 2
Dada una solucin factible, x
o
1S, sta es un punto extremo del conjunto de
soluciones factibles S si tiene K componentes positivas, n K ' , y las restantes, n K,
nulas, de forma que se satisface
(
=
=
K
i
i oi
B v x
1
8
siendo { }
K
v v
8 8
,....,
1
K vectores linealmente independientes del conjunto de vectores que
se obtienen a partir de las columnas de la matriz A (matriz de coeficientes del conjunto
de restricciones).
Dem.
Sea ( )
on o o o
x x x x ,...., ,
2 1
= es una solucin factible que verifica las condiciones del
enunciado.
Supongamos que x
o
no es un punto extremo.
Entonces x
o
se puede expresar como combinacin lineal convexa de dos puntos
cualesquiera, x
1
y x
2
, de la regin factible (observemos que no decimos que esos puntos
sean extremos)
( ) 1 0 1
2 1
' ' 0 + = ! ! ! x x x
o
15/24
Podemos suponer, sin prdida de generalidad, que las K componentes de x
o
no
nulas son las primeras.
( ) ) 0 ,...., 0 , ,...., ,
2 1 oK o o o
x x x x =
Entonces, los puntos x
1
y x
2
han de ser del mismo tipo:
( ) 0 ,..., 0 , ,..., ) 0 ,..., 0 , ,...., (
2 21 2 1 11 1 K K
x x x y x x x = =
y como Ax
1
= B y Ax
2
= B tenemos
( )
(
(
(
=
=
=
= 0 2
!
!
"
!
!
#
$
= =
= =
K
i
i i i K
i
i i
K
i
i i
v x x
B v x Ax
B v x Ax
1
2 1
1
2 2
1
1 1
0
8
8
8
Los vectores { }
K
v v
8 8
,...,
1
son linealmente independientes
2 1 2 1 2 1
1 1 0 x x K i x x K i x x
i i i i
= 2 ' ' = 2 ' ' = 0
Al no poder expresar x
o
como combinacin lineal convexa de dos puntos S 2 x
o
es
un punto extremo o vrtice de S.
TEOREMA 3 (Recproco del anterior).
Sea x
o
1S un punto extremo del conjunto de soluciones factibles S. Entonces hay a
lo sumo K componentes positivas en x
o
, siendo el resto nulas, y los K vectores columna
de la matriz A que verifican
(
=
= /
K
i
i oi
B v x
1
8
son linealmente independientes.
Dem.
Sin prdida de generalidad, vamos a suponer que son no nulas las K primeras
componentes de x
o
.
(
=
= / 2 = 2 1
K
i
i oi o o
B v x B Ax S x
1
8
Supongamos que { }
K
v v
8 8
,....,
1
es un conjunto Linealmente Dependiente. Podemos
encontrar una combinacin lineal de ellos con algn escalar no nulo.
16/24
Sean 1
K
! !,...,
1
!
(
=
=
K
i
i i
o v
1
/
8 8
! con 0
1
7 ! (elegimos 3
1
como podamos haber
elegido otro). Se verifica
(
=
= /
K
i
i i
o v
1
1
8 8
! !
Generamos los puntos x y x como
( ) 0 ,..., 0 , ,...., ,
1 2 1 2 1 1 1 K oK o o
x x x x ! ! ! ! ! ! 0 0 0 =
( ) 0 ,..., 0 , ,..., ,
1 2 1 2 1 1 1 K oK o o
x x x x ! ! ! ! ! ! + + + =
Es claro que ambos puntos verifican
Ax = B y Ax= B
Todo lo dicho es igualmente vlido si en lugar de 3
1
tomamos un n cualquiera
positivo tan pequeo como sea necesario para que todas las componentes no nulas de x
y x sean positivas. Entonces x y x son soluciones factibles y se verifica:

2
1

2
1
x x x
o
+ =
x
o
sera combinacin lineal convexa de x y x y por hiptesis era un punto
extremo.
Llegamos a una contradiccin siendo por tanto nuestra suposicin falsa y { }
K
v v
8 8
,...,
1
son linealmente independientes.
COROLARIO El punto x
o
1S (solucin factible) es un punto extremo si y slo si los
vectores columna de la matriz A asociados a las componentes positivas de x
o
son
Linealmente Independientes verificando
(
=
=
K
i
i oi
B v x
1
8
.
6.2. El mtodo del Simplex.
Si queremos calcular el punto ptimo (mximo o mnimo) de un problema de
programacin lineal, slo hemos de obtener todos los vrtices de la regin factible y
saber el valor de la funcin objetivo en cada uno de ellos. El problema surge cuando el
n de vrtices puede ser elevado, lo que hace este proceso impracticable.
El mtodo del simplex nos facilitar la obtencin de la solucin ptima mediante la
elaboracin de un criterio que nos va a permitir si una solucin bsica es o no una
solucin ptima. En caso negativo nos dara un procedimiento de aproximacin a dicha
solucin ptima.
El mtodo consiste en:
17/24
a) Partimos del conocimiento de una solucin bsica inicial. Si es ptima (mediante
el criterio de optimalidad) hemos terminado.
b) Pasamos a otra solucin bsica (vrtice contiguo) tal que el valor de la funcin
objetivo es menor (o mayor) que en la anterior. Si el nuevo vrtice no es todava la
solucin ptima, repetiremos el paso.
c) Al ser el n de vrtices finito, en un n finito de repeticiones encontraremos la
solucin (si la hay).
6.2.1. Generacin de Puntos Extremos.
Vamos a suponer que partimos de una solucin factible bsica inicial que tiene K
componentes positivas como mximo.
( )
oi oK o o o
x y x x x x 0 ,...., 0 , ,....., ,
2 1
= > K i ' ' 1 0
En la matriz A tenemos los vectores columna { }
K
v v
8 8
,....,
1
que son linealmente
independientes.
(
=
=
K
i
i oi
B v x
1
8
Cualquier otro vector de A { }
n K
v v
8 8
,...,
1 +
es combinacin lineal de los K vectores
primeros, ya que rang (A) = K.
Llamaremos
(
=
=
K
i
i oi o
v x v
1
8 8
y sea
( ) (
=
+ +
=
K
i
i i K K
v x v
1
1 1
8 8
Elegimos 31! con 3 & 0. Entonces
( ) (
=
+ +
=
K
i
i i K K
v x v
1
1 1
8 8
! !
( )
( )
(
=
+ +
0 = 0
K
i
i i K oi K o
v x x v v
1
1 1
8 8 8
! !
Hemos expresado
o
v
8
como combinacin lineal de los K + 1 primeros vectores
columna de A. La solucin factible asociada es
( ) ( ) ( )
( ) 0 ,..., 0 , , ,....., ,
1 ) 2 1 2 1 1 1
! ! ! !
K K oK K o K o
x x x x x x X
+ + +
0 0 0 =
Se verifica que Ax = B
( )
( )
( ) ( ( (
= = =
+ + + + + +
= + 0 = + 0 = + 0
K
i
K
i
K
i
K K K i i K i oi K i i K oi
B v v B v v x v x v v x x
1 1 1
1 1 1 1 1 1
8 8 8 8 8
! ! ! ! ! !
18/24
Como x ha de ser solucin factible, todas sus componentes han de ser nulas o
positivas:
0 & !
( )
0
1
& 0
+ i K oi
x x ! K i ' ' 1
Excluimos el caso 3 = 0 ya que entonces x = x
o
que sabemos que es solucin
factible bsica.
( )
0
1
& 0
+ i K oi
x x !
( )
( )i K
oi
i K oi
x
x
x x K i
1
1
1
+
+
' 2 & 2 ' ' ! !
Si
( ) oi i K
x x 2 =
+
0
1
> 0
Si
( )i K
x
1 +
< 0 2 x
oi
- 3x
(K+1)i
> 0
Si
( )i K
x
1 +
>
( )
( )i K
oi
i K oi
x
x
x x
1
1
0 0
+
+
' 2 & 0 2 ! !
Por tanto hemos de tomar 3 menor o igual que todos los cocientes
( )i K
oi
x
x
1 +
cuando los
x
(K+1)i
sean positivos.
Adems, si queremos que x sea una solucin factible bsica, no ha de tener ms de
K componentes no nulas. Pero si tomamos los coeficientes
( )
K i x
i K
' ' =
+
1 0
1
.
( ) 0 ,...., 0 , , ,...., ,
2 1
!
oK o o
x x x x =
tendra K + 1 componentes no nulas y por tanto no sera solucin factible ptima.
Si todos los x
(K+1)i
< 0 1' i ' K sucede lo mismo, x volvera a tener K + 1
componentes no nulas.
Por lo tanto, algn x
(K+1)i
ha de ser positivo.
Si tomamos
( )
K i
i K
oi
x
x
min
' '
+
!
"
!
#
$
!
9
!
:
;
=
1
1
! siempre que x
(K+1)i
> 0 podemos asegurar que x
tendr a lo ms K componentes no nulas. Si suponemos que el mnimo se alcanza para
i = 1 tendremos
( )1 1 +
=
K
oi
x
x
! y entonces la primera coordenada de x, x
o1
- 3x
(K+1)1
, ser
nula. Si el mnimo se alcanza en ms de un valor de i, habr ms componentes nulas.
Para afirmar que x es una solucin factible bsica, una vez visto que tiene como
mucho K componentes no nulas, hemos de comprobar que los vectores asociados a
dichas componentes no nulas son linealmente independientes.
19/24
Como hemos supuesto que la primera componente es nula (ya que
( )1 1 +
=
K
oi
x
x
!
tenemos que una combinacin lineal de los vectores asociados quede el vector cero es
(
+
=
=
1
2
K
i
i i
v O
8
8

Podemos expresar
1 + K
v
8
como combinacin lineal de { }
K
v v
8 8
,....,
1
( ) (
=
+ +
=
K
j
j j K K
v x v
1
1 1
8 8
Entonces
( ) ( ) ( )
( )
( ( ( (
+
= = = =
+ + + + + +
+ + / = / + = =
1
2 2 1 2
1 1 1 1 1 1 1
K
i
K
i
K
j
K
i
i i K i K i K K j j K K i i i i
v x v x v x v v o
8 8 8 8 8

Como { }
K
v v
8 8
,...,
1
son linealmente independientes, los escalares deben ser nulos.
( )
0
1 1 1
= /
+ + K K
x y
( )
0
1
= / +
+ + i K i K i
x K i ' ' 2
Si { }
1 2 1
,...., 2 0 0
+ +
2 ' ' = 2 =
K i K
v v K i
8 8
son linealmente independientes
Si
( )
( )1 1
1 1 1
0 0
+
+ +
= 2 = 2 7
K
oi
K K
x
x
Como x ! llegamos a una contradiccin.
As pues 0
1
=
+ K
y los vectores { }
1 2
,....,
+ K
v v
8 8
son L. I.
6.2.2. Criterio de Optimalidad.
Vamos a ver ahora como, a partir de la solucin factible bsica, ir obteniendo otras
soluciones factibles bsicas tales que cada una de ellas mejore el valor de la funcin
objetivo en cada paso.
Sea
( ) o o x x x x
oK o o o
,....., , ,....., ,
2 1
=
la solucin factible bsica inicial con
{ }
K
v v v
8 8 8
,....., ,
2 1
los vectores columna de la matriz A asociados a las componentes no nulas que verifican
ser linealmente independientes. La funcin objetivo es
z = C
t
x
20/24
que aplicada en x = x
o
(
=
=
K
i
oi i o
x C z
1
y sea
(
=
=
K
i
ji i j
x C z
1
con
(
=
=
K
i
i ji j
v x v
1
8 8
n j K ' ' +1
TEOREMA
Si en un problema de minimizacin se verifica
n j c z
j j
' ' ' 0 1 0
entonces x
o
es un punto ptimo. Si el problema fuese de maximizacin el ptimo se
dara cuando
n j c z
j j
' ' & 0 1 0
Dem.
Vamos a demostrar el teorema para el caso de un problema de minimizacin.
Sea ( )
n
y y y y ,...., ,
2 1
= una solucin factible bsica y y c z
t
/ =
*
Se verifica
0 &
i
y n i ' ' 1
(
=
=
n
i
i i
B v y
1
8
Como { }
K
v v
8 8
,....,
1
son L. I. y los
j
v
8
con n j K ' ' +1 pueden expresar como
combinacin lineal de los K primeros tenemos.
(
=
' ' + =
K
i
i ji j
n j K v x v
1
1
8 8
B v x y B v x y
K
i
i
n
j
ji j
n
j
K
i
i ji j ( ( ( (
= = = =
=
)
)
*
+
,
,
-
.
/ 2 = )
*
+
,
-
.
/
1 1 1 1
8 8
con
oi
n
j
ji j
x x y
(
=
=
1
As pues, si
21/24
n j c z n j o c z
j j j j
' ' ' 2 ' ' ' 0 1 1
Por tanto:
( ( ( ( ( ( (
= = = = = = =
= =
)
)
*
+
,
,
-
.
= )
*
+
,
-
.
= & =
n
j
n
j
n
j
K
i
o
K
i
i oi i
n
j
j ji j
K
i
ji i j j j j
z c x c y x y x c y z y c z
1 1 1 1 1 1 1
*
o
z z & 2
*
luego z
o
es mnima.
Qu sucede si la desigualdad
z
j
c
j
' 0
en el caso de un problema de minimizacin no fuese cierta para n j ' ' 1 ?
Existen dos posibilidades:
No hay solucin.
Podemos obtener otra solucin factible bsica ms pequea que la inicial, al no ser
ptima sta.
Veamos como obtenerla.
Sea ( ) 0 ,...., 0 , ,...., ,
2 1 oK o o o
x x x x = una solucin factible bsica tal que existe un
{ } n m ,...., 1 1 con z
m
c
m
> 0.
Sea
(
=
' ' + =
K
i
i ji j
n j i K v x v
1
8 8
(
=
=
K
i
i oi
v x B
1
8
ya que x
o
es solucin
( )
( (
= =
+ 0 = + 0 = 2
K
i
K
i
m i mi oi m m i oi
v v x x v v v x B
1 1
8 8 8 8 8
! ! ! !
Si
m mi
x % & 0 el valor de la funcin objetivo no puede estar acotado inferiormente
ya que el nuevo punto extremo sera
( ) 0 ,..., ,..., 0 , ,.....,
1
! ! !
mK oK m oi
x x x x x 0 0 =
y entonces
( )
( ( (
= = =
= + 0 = + 0 = =
K
i
K
i
K
i
m mi i oi i m mi oi i
t
c x c x c c x x c x c z
1 1 1
*
! ! ! !
( )
m m o m m o
z c z c z z 0 + = + 0 = ! ! ! <
o
z ya que c
m
z
m
< 0
22/24
Por tanto, dndole a 3 valores cada vez mayores el valor de z
*
es tan prximo a - <
como queramos. Luego la funcin objetivo no est acotada inferiormente.
Si algn x
mi
> 0 (por ejemplo i = 1)
1
1
m
o
mi
oi
x
x
x
x
min =
"
#
$
9
:
;
= ! para x
mi
> 0 podemos
obtener otra solucin factible bsica que satisface
)
*
+
,
-
.
0 0 = 0 ,..., ,...., 0 , ,...., , 0
2 02
! ! !
mK oK m
x x x x x
( ) ( )
(
=
0 + = + 0 = + 0 = =
K
i
m m o m m o m mi oi i
t
z c z c z z c x x c x c z
2
*
! ! ! ! ! < z
o
De forma anloga podemos verlo en el caso de un problema de maximizacin.
7. SOLUCIONES DEGENERADAS.
DEF Una solucin factible bsica es degenerada cuando al menos una de las
componentes es nula. Es decir, si tenemos el conjunto linealmente independiente
{ }
K
v v
8 8
,...,
1
tal que
(
=
= /
K
i
i oi
B v x
1
8
, diremos que la solucin factible bsica
( ) 0 ,..., 0 , ,..., ,
2 1 oK o o o
x x x x = es degenerada si al menos x
oi
= 0 para algn { } K i ,..., 1 1 .
Si se da esta situacin no podemos hacer uso del mtodo simplex, ya que la nueva
solucin no mejorara la solucin degenerada inicial.
Para poder resolver este problema, hemos de tener en cuenta que la solucin
degenerada x
o
lleva asociada la base { }
K
v v P
8 8
,...,
1
= de !
K
tal que B P x
o
/ =
01
.
Sea = > 0 suficientemente pequeo y hacemos que las restricciones sean funcin de
=:
( ) $ $ $ $ B v v v B v x v x v x
n
n
n n
= + + + + = + + +
8 8 8 8 8 8
.... .....
2
2
1 2 2 1 1
La solucin vendr dada por
( ) ( ) $ $ B p x
o
/ =
01
Si ( ) ( )
n
n
o o
t
Kj j j j j
L L L x x v p L $ $ $ $ ! ! ! + + + + = 2 = / =
0
.... ....
2
2
1 2 1
1
As los L
j
de los vectores de la base se compondrn de ceros excepto el elemento
j-simo, que ser la unidad. Los L
j
de los vectores que no pertenecen a la base tendrn
la forma general ( ) n j K ' ' +1 .
Para saber el
i
v
8
que eliminaremos de la base, bastara tomar
23/24
( )
!
9
!
:
;
ij
oi
x
min
!
$
> 0 } K i ' ' 1 /
8. DUALIDAD.
DEF Dado un problema de programacin lineal
min z = c
t
x
Ax > B
x & 0
definimos el problema dual del anterior como
max t = y B
y A ' C
y & 0
Anlogamente, si el problema es de maximizar, siendo su dual de minimizar.
TEOREMA. Teorema de dualidad.
Dado un problema de programacin lineal, si posee solucin ptima finita, entonces
el dual tambin posee solucin ptima finita y adems min z = max t. La solucin del
dual es
1 0
/ = p C y
o o
, siendo tambin la solucin ptima del problema inicial.
Con este teorema podemos resolver un problema de programacin lineal a partir de
su dual, y recprocamente.
La dualidad es involuntaria, es decir, el dual del dual es el problema inicial.
9. APLICACIONES.
Actualmente la programacin lineal aborda cuestiones ajenas a la geometra. Un
ejemplo es el problema del transporte, que surge al tener varios puntos de produccin y
varios de distribucin, y se plantea el modo de distribuir los productos para que el coste
sea mnimo.
El problema del transporte se formula por primera vez en 1941 42, por Koopmans
y Kantorovith de forma independiente.
En 1958 se aplicaron mtodos de programacin lineal para obtener el plan ptimo
de transporte de arena para la construccin del edificios en la ciudad de Mosc. Existan
10 puntos de partida y 230 de llegada. Se consigui rebajar en un 11% los gastos
respecto a los costes previstos.
Otro de los problemas ms comunes es el de la dieta. Se trata de determinar las
cantidades diferentes de alimentos que hay que proporcionar a una persona o animal
para poder asegurarle una alimentacin suficiente con un coste mnimo.
24/24
Bibliografa Recomendada.
Programcion lineal. S.J. Gross. Ed: Comp. edit. continental
Programacin matematica. A. Balbs.J.A. Gil. Ed: AC
Programacin Lineal. Simonard
1/19
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 18
MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS
CIENCIAS SOCIALES Y DE LA NATURALEZA.
1. Introduccin.
2. Concepto bsicos.
2.1. Tipos de matrices.
3. M
mxn
(K) es isomorfo a L(K
m
, K
n
).
4. El Espacio Vectorial M
mxn
(K).
4.1. Suma de Matrices.
4.2. Producto de Una Matriz por un escalar.
4.3. El espacio Vectorial M
mxn
(K).
5. El Anillo M
n
(K).
5.1. Producto de Matrices.
5.2. El Anillo M
n
(K).
6. Producto de Matrices generalizado.
7. Matrices Regulares.
8. Transposicin de Matrices.
9. Matrices Simtricas y Hemisimtricas.
10. Rango de una Matriz.
11. Aplicaciones de las Matrices.
11.1. Uso de las Matrices en las Ciencias Psico-sociales.
11.2. Aplicaciones de las matrices al campo de las Ciencias.
11.3. Aplicaciones de las matrices al campo de las Ciencias Sociales y de la
Naturaleza.
Bibliografa Recomendada.
2/19
TEMA 18
MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS
CIENCIAS SOCIALES Y DE LA NATURALEZA.
1. INTRODUCCIN.
En este tema vamos a definir el concepto de matriz y operaciones bsicas entre ellas.
Los coeficientes de las matrices consideraremos que pertenecen a un cuerpo que
denotaremos por K. Muchas de las propiedades y definiciones que aparecern en el
tema son vlidas si en lugar de trabajar con un cuerpo, lo hacemos con un anillo.
Definiremos la nocin de una matriz en relacin con la existencia de matrices
inversas. Tambin estableceremos una correspondencia entre las matrices y los
homomorfismos entre espacios vectoriales.
2. CONCEPTOS BSICOS.
DEF Una matriz con coeficientes en K es una familia de elementos de K, ( )
( ) IxJ j i
aij
! ,
,
siendo I y J conjuntos finitos. El elemento a
ij
de K corresponde con el elemento
(i, j)!IxJ.
Si { } m I ,...., 1 = y ( ) n J ,...., 1 = se suele denotar una matriz por
( )
n j
m i
ij
a
" "
" "
1
1
Si m = n
( )
n j i
ij
a
" " , 1
Tambin se usa la notacin
#
#
#
#
#
$
%
&
&
&
&
&
'
(
mn m m
n
n
a a a
a a a
a a a
)
) ) ) )
)
)
2 1
2 22 21
1 12 11
La familia ( )
n j
ij
a
" " 1
con i fijo se llama fila i-sima de la matriz, y la familia
( )
m i
ij
a
" " 1
con j fijo se llama columna j-sima de la matriz.
Los elementos de cualquier fila i-sima se corresponden con un vector de K
n
.
Anlogamente, los elementos de cualquier columna j-sima se corresponden con un
vector de K
m
. Los primeros se conocen como vectores fila y los segundos como
vectores columna.
3/19
DEF Llamaremos matriz de orden m
x
n a toda matriz de forma ( )
n j
m i
ij
a
" "
" "
1
1 .
DEF Llamaremos M
mxn
(K) al conjunto de todas las matrices de orden mxn con
coeficientes en K. Se suelen denotar por letras maysculas, ( )
n j
m i
ij
a A
" "
" " =
1
1 .
2.1. Tipos de Matrices.
DEF Llamaremos matriz columna a toda matriz de orden mx1.
DEF Llamaremos matriz Fila a toda matriz de orden 1xn.
DEF Llamaremos matriz Nula a aquella que tiene todos sus elementos nulos.
DEF Llamaremos matriz Cuadrada a la matriz con igual nmero de filas que de
columnas (Card(I) = Card(J).
DEF Llamaremos matriz Simtrica a toda matriz cuadrada que verifica
( ) . , IxJ j i a a
ji ij
! * =
DEF Llamaremos diagonal principal a los elementos n i a
ij
" " 1 de una matriz
cuadrada. La diagonal secundaria est formada por los
ij
a con i + j = n + 1.
DEF Llamaremos traza de una matriz cuadrada a la suma de los elementos situados a
lo largo de la diagonal principal.
( )
+
=
=
n
i
ii
a A Traza
1
DEF Llamaremos matriz diagonal a toda matriz simtrica cuyos elementos situados
fuera de la diagonal principal son todos nulos.
DEF Llamaremos matriz escalar a toda matriz diagonal cuyos elementos diagonales
son todos iguales entre si.
DEF Llamaremos matriz identidad a toda matriz escalar cuyos elementos diagonales
son todos iguales a la unidad.
DEF Llamaremos matriz triangular a toda matriz cuadrada que tiene nulos todos los
elementos situados por debajo (o por encima) de la diagonal principal.
3. M
mxn
(K) ES ISOMORFO A L(K
m
, K
n
).
L(K
m
, K
n
) es el conjunto formado por todas las aplicaciones lineales f: K
m
, K
n
.
Podemos definir
-: M
mxn
(K) , L(K
m
, K
n
)
4/19
donde *A!M
mxn
(K), con A = (a
ij
), -(A)!L(K
m
, K
n
) y
-(A): K
m
, K
n
viene dada por
( )( )
+
=
=
n
j
j ij i
e a e A
1
!
con { }
m
e e B ,....,
1
= base de K
m
, { }
n
e e B ,.....,
1
= base de K
n
y los ( )
n j
ij
a
" " 1
los
elementos de la fila i-sima de la matriz A.
PROP La aplicacin - definida anteriormente es biyectiva.
Dem.
- es homomorfismo.
Trivial
- es inyectiva.
Sea -(A)(e
i
)=-(A)(e
k
) .
+ +
= =
=
n
j
j kj
n
j
j ij
e a e a
1 1
' ' . 0 ' '
1 1
= /
+ +
= =
n
j
j kj
n
j
j ij
e a e a
.
+
=
= /
n
j
j kj ij
e a a
1
0 ' ) ( y como B es una base de K
n
.
{ } n j a a
kj ij
,.., 1 0 ! * = / . { } n j a a
kj ij
,.., 1 ! * =
Entonces e
i
=e
k
porque sino B no sera base de K
m
- es suprayectiva.
Sea f!L(K
m
, K
n
) . f(e
i
)!K
n
y ( ) { }
+
=
! * =
n
j
j ij i
m i e a e f
1
,...., 1 ya que
{ }
n
e e ,....,
1
es base de K
n
.
Podemos entonces considerar la matriz ( )
n j
m i
ij
a A
" "
" " =
1
1 y es inmediato comprobar
que ( ) f A = ! pues ( )( ) ( ) m i e f e A
i i
" " = 1 ! .
COROLARIO ( ) ( )
n m
mxn
K K L K M , 0
Dem.
5/19
Es una consecuencia inmediata de la proposicin anterior.
Debido a que la aplicacin - sea un isomorfismo, toda aplicacin lineal
f!K(K
m
, K
n
) se puede escribir como la matriz asociada, fijadas las bases.
Igualmente, todo lo visto es vlido si en lugar de tener K
m
y K
n
tenemos dos
espacios vectoriales cualesquiera V y W de dimensiones m y n respectivamente.
DEF Diremos que las matrices A y B son iguales si las aplicaciones lineales f y g
asociadas a dichas matrices (-(A) = f y -(B) = g) respecto de las mismas bases son
iguales.
Veamos ahora que la estructura de espacio vectorial de L(K
m
, K
n
) y de anillo si
n = m las podemos trasladar de forma natural al conjunto M
mxn
(K).
4. EL ESPACIO VECTORIAL M
mxn
(K).
OBS Todo el desarrollo para L(K
m
, K
n
) sera igual si tomamos L(V, W) con V, W
K-espacios vectoriales con dim V = m y dim W = n.
4.1. Suma de Matrices.
DEF Sean A y B dos matrices de M
mxn
(K) y f y g aplicaciones lineales asociadas
respectivamente. Definimos la matriz suma, A + B, como aquella que tiene por
aplicacin asociada la suma de las aplicaciones asociadas, f + g. Es decir:
A + B = -
-1
(-(A) + -(B) (recordemos que -(A) = f y -(B) = g)
Si ( )
n j
m i
ij
a A
" "
" " =
1
1 y ( )
n j
m i
ij
b B
" "
" " =
1
1 con { }
m
e e B ,....,
1
= base de K
m
y { }
n
e e B ,....,
1
=
en base de K
n
.
( )( ) ( )( ) ( )( ) ( ) ( )
+ +
= =
= + = + = + = +
n
j
n
j
j ij j ij i i i i i
e b e a e g e f e B e A e B A
1 1
! ! !
( )
+
=
+ =
n
j
j ij ij
e b a
1

m i
i
" "
*
1
/
Entonces ( )
n j
m i
ij ij
b a B A
" "
" " + = +
1
1
PROP La operacin de suma as definida verifica las propiedades:
1) Asociativa.
2) Conmutativa.
3) Elemento Neutro.
4) Elemento Opuesto.
6/19
Dem.
Las propiedades 1 y 2 son inmediatas sin ms que tener en cuenta que K es un
cuerpo.
3) Definimos la matriz neutra para la suma como O!M
mxn
(K) siendo aquella que
todos sus elementos son nulos. Es claro que su aplicacin asociada es aplicacin nula.
( ) ( ) ( ) ( ) A a O a O a O A
ij ij ij
= = + = + = +
4) Definimos la matriz opuesta de otra dada como aquella que tiene los mismos
elementos en los mismos sitios pero cambiados de signo. Es claro que si A tiene por
aplicacin asociada a f, entonces - A tendr a - f.
( ) ( ) ( ) ( ) ( ) O O a a a a A A
ij ij ij ij
= = / = / + = / +
Conclusin (M
mxn
, +) es un grupo abeliano.
4.2. Producto de una matriz por un escalar.
DEF Sea A una matriz que tiene por aplicacin asociada f. Sea 1!K un escalar.
Definimos el producto de una matriz por un escalar, 1A, como la matriz que tiene por
aplicacin asociada 1f. Es decir
( ) ( ) A A ! " ! " 2 =
/1
Si ( )
n j
m i
ij
a A
" "
" " =
1
1 y 1!K
( )( ) ( )( ) ( )
+ +
= =
= = =
n
j
n
j
j ij j ij i i
e a e a e a e A
1 1
" " "! " !
Entonces ( )
n j
m i
ij
a A
" "
" " =
1
1 " "
PROP La operacin de producto por un escalar definida en M
mxn
(K) verifica las
propiedades:
1) Conmutativa.
2) PseudoAsociativa.
3) Elemento Unidad.
Dem.
Las propiedades son inmediatas.
Conclusin (M
mxn
(K),
K
) es un
7/19
4.3. El espacio vectorial M
mxn
(K).
PROP En M
mxn
(K) se verifica la propiedad distributiva del producto con respecto a la
suma.
Dem.
La comprobacin de 1(A + B) = 1A + 1B es inmediata.
Conclusin (M
mxn
(K), +,
K
) es un K-espacio vectorial.
Por tanto -: M
mxn
(K) , L(K
m
, K
n
) es un isomorfismo de espacios vectoriales.
5. EL ANILLO M
n
(K).
Ya sabemos que (M
n
(K), +) es un grupo abeliano. Definamos una segunda
operacin interna.
5.1. Producto de Matrices.
DEF Sean A y B dos matrices de M
n
(K) con f y g como aplicaciones asociadas.
Definimos la matriz producto A B como aquella que tiene por aplicacin asociada a
f g 3 . Es decir
( ) ( ) ( ) ( ) ( ) ( ) A B B A B A ! ! ! ! ! ! 3
1 1 / /
= 2 = 2
Si ( )
n j i
ij
a A
" "
=
, 1
y ( )
n j i
ij
b B
" "
=
, 1
con { }
n
e e B ,.....,
1
= base de K
n
, tenemos que
( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( )( ) ( ) = = = 2 =
i i i i
e A B e A B e B A e AB ! ! ! ! ! ! ! 3
( ) ( )( )
+ + + ++ +
= = = = = =
= 2 = =
#
#
$
%
&
&
'
(
=
n
j
n
j
n
K
n
j
n
K
K jK ij K jK ij j ij
n
j
j ij
e b a e b a e B a e a B
1 1 1 1 1 1
! !
Luego
n K i
n
j
jK ij
b a AB
" "
=
#
#
$
%
&
&
'
(
=
+
, 1
1
Tengamos en cuenta que el elemento de AB que ocupa la fila i columna K se
obtiene realizando la suma de productos de los elementos de la fila i de A por la
columna K de B.
PROP La operacin producto de Matrices definida en M
n
(K) verifica las propiedades
1) Asociativa
2) Elemento Neutro.
Dem.
8/19
1) Inmediata.
2) Definimos como neutro a la matriz identidad I!M
n
(K).
Es fcil comprobar que I A = A I = A *A!M
n
(K).
Conclusin (M
n
(K), ) es un semigrupo con unidad.
5.2. El Anillo M
m
(K).
PROP El producto de matrices verifica la propiedad distributiva respecto de la suma.
Dem.
*A, B, C!M
n
(K) con f, g, h aplicaciones lineales asociadas, hemos de comprobar
que A (B + C) = AB + AC y (A + B)C = AC + BC.
Y es cierto ya que sabemos que se verifica
( ) f h f g f h g 3 3 3 + = + y ( ) g h f h g f h 3 3 3 + = +
Conclusin (M
n
(K), +, ) es un anillo y ( ) ( )
n
n
K End K M 0
6. PRODUCTO DE MATRICES GENERALIZADO.
En el punto anterior hemos definido el producto de matrices cuadradas del mismo
orden. Podemos obtener una generalizacin de dicho producto como sigue.
Sea A!M
mxn
(K) y B!M
mxn
(K) y consideremos K
m
, K
n
y K
p
K-espacios
vectoriales.
Sean f!K(K
m
, K
n
) y g!L(K
n
, K
p
) las aplicaciones lineales asociadas a A y B
respectivamente.
{ }
m
e e B ,....,
1
= { }
n
e e B ,....,
1
= y { }
p
e e B ,.....,
1
= las bases respectivas de
K
m
, K
n
y K
p
.
Si ( )
n j
m i
ij
a A
" "
" " =
1
1 y ( )
p K
n j
jK
b B
" "
" " =
1
1 entonces
( ) ( ) ( ) A B AB ! ! ! 3 =
( )( ) ( ) ( ) ( )( ) ( ) ( )( ) ( ) ( ) =
#
#
$
%
&
&
'
(
= = =
+
=
n
j
j ij i i i
e a B e A B e A B e AB
1
! ! ! ! ! ! 3
( )( )
+ + + ++
= = = = =
= = = =
n
j
n
j
p
K
n
j
p
K
K jK ij K jK ij j ij
e b a e b a e B a
1 1 1 1 1
!
9/19
+ +
= =
#
#
$
%
&
&
'
(
=
p
K
K
n
j
jK ij
e b a
1 1

Luego ( ) K M B A b a B A
mxp
p K
m i
n
j
jK ij
! .
#
#
$
%
&
&
'
(
=
" "
" "
=
+

1
1
1
Y su aplicacin asociada ( ). ,
p m
K K L f g ! 3
PROP La operacin producto de matrices generalizado verifica las propiedades
1) Asociativa.
2) Elemento Neutro.
Dem.
1) Fcil.
2) Hay que tener en cuenta que hemos de elegir la matriz identidad
convenientemente para poder realizar el producto.
Si A!M
mxn
(K) . I
m
A = A I
n
= A
OBS Dadas dos matrices A y B, para poder realizar el producto A B debe ocurrir que
el nmero de columnas de A coincida con el de filas de B. La matriz resultante tendr
las mismas filas que A y columnas que B.
A!M
mxn
(K), B!(M
pxq
(K) . {A B!M
mxq
(K) 4 n = p}
7. MATRICES REGULARES.
DEF Diremos que A!M
n
(K) es una matriz regular, invertible o no singular si existe
B!M
n
(K) tal que
A B = I
n
= B A
PROP Si A!M
n
(K) es una matriz regular entonces existe una nica matriz B!M
n
(K)
tal que
A B = I
n
= B A
Dem.
Sean B y B dos matrices que verifican
A B = I
n
= B A
A B = I
n
= B A
10/19
Entonces
B = B I
n
= B (A B) = (B A) B = I
n
B = B
Esta nica matriz se denomina inversa de A, y la representaremos por A
-1
.
Sea { }
n
e e B ,.....,
1
= en la base cannica de K
n
. Sabemos que ( ) ( ). ,
n n
n
K K L K M 0
Veamos ahora que las matrices regulares se corresponden con los automorfismos de
K
n
.
PROP A!M
n
(K
n
) es regular 4 su aplicacin asociada es un automorfismo en K
n
.
Dem.
.
Dada A!M
n
(K
n
) matriz regular -(A) es la aplicacin asociada de A. Como A es
regular, existe A
-1
!M
n
(K
n
) siendo -(A
-1
) su aplicacin asociada.
Para simplificar la escritura, llamaremos f = -(A) y g = -(A
-1
)
( ) ( ) ( )
n
I A A g f f g = = =
/ / / /

1 1 1 1
! ! ! 3
( ) ( ) ( )
n
I A A f g g f = = =
/ / / / 1 1 1 1
! ! ! 3
Y como
n
K
i es la nica aplicacin lineal de L(K
n
, K
n
) tal que ( )
n
K
n
i I = ! , resulta
que
g f i f g
n
K
3 3 = =
Entonces f es biyectiva y al ser lineal es un automorfismo en K
n
.
5
Sea f!l(K
n
, K
n
) un automorfismo . 6g!L(K
n
, K
n
) tal que
f g i g f
n
K
3 3 = =
Sea A, B!M
n
(K
n
) tal que -(A) = f y -(B) = g
( ) ( ) ( ) ( )
n
K
I i f g g f B A
n
= = = =
/ / / / 1 1 1 1
! ! ! ! 3
( ) ( ) ( ) ( )
n
K
I i g f f g A B
n
= = = 2 =
/ / / / 1 1 1 1
! ! ! ! 3
Entonces B = A
-1
y A es regular.
11/19
OBS La eleccin de la base cannica no influye en el desarrollo. Si se hubiese tomado
otra base cualquiera, el resultado seria el mismo.
DEF Sea GL
n
el conjunto formado por
( ) { } regular es A K M A GL
n
n n
/ ! =
Es fcil ver que el producto de matrices es una operacin interna en GL
n
.
PROP Dadas A, B!GL
n
.
(A B)
1
= B
-1
A
-1
Dem.
( ) ( ) ( )
n n
I A A A I A A B B A A B B A = 2 = = 2 2 2 = 2 2 2
/ / / / / / 1 1 1 1 1 1
( ) ( ) ( )
n n
I B B B I B B A A B B A A B = = = = 2 2 2
/ / / / / /

1 1 1 1 1 1
Luego ( )
1 1 1 / / /
2 = A B AB
PROP (GL
n
, ) es un grupo.
Dem.
Por la proposicin anterior, la operacin es interna.
Existencia de Elemento Neutro.
I
n
!GL
n
ya que I
n
-1
= I
n
Existencia de Elemento Inverso.
*A!GL
n
6A
-1
/ A A
-1
= I
n
Entonces ( ) ( )
1
1 1 1
1
1
/
/ / /
/
/
= = 2 A A I A A
n
luego ( )
n
GL A A ! =
/
/
1
1
Por tanto a
-1
!GL
n
OBS Sabemos que ( )
n
n
K Ant GL 0 , por tanto podemos afirmar que
( ) ( ) ( ). , , 3
n
n
K Ant GL 0
8. TRASPOSICIN DE MATRICES.
DEF Sea A!M
mxn
(K). Llamamos matriz traspuesta de A, y se denota por A
t
, a una
matriz que pertenece a M
mxn
(K) tal que si A = (a
ij
) y A
t
= (b
ij
), entonces b
ij
= a
ij
.
12/19
OBS La matriz traspuesta de una dada se obtiene escribiendo por columnas las filas
de la matriz inicial.
La trasposicin de matrices no es una operacin interna, pero verifica las siguientes
propiedades; de inmediata comprobacin:
1) ( )
t t t
B A B A + = +
2) ( ) * K A A
t t
! * 2 = # # #
3) ( ) A A
t
t
=
4) ( )
t t t
A B B A =
Si definimos : M
mxn
(K) , M
mxn
(K) como (A) = A
t
podemos afirmar que
1) es Lineal.
( ) ( ) = + = + = +
t t t
B A B A B A ( ) + A ( ) B
( ) ( ) # # # = =
t
A A ( ) A
2) es una involucin (
2
= I
d
) si est definida en matrices cuadradas.
Si : M
n
(K) , M
n
(K)

2
(A) = ((A)) = (A
t
) = (A
t
)
t
= A = 1
id
(A) .
2
= 1
id
9. MATRICES SIMTRICAS Y HEMISIMTRICAS.
DEF Diremos que una matriz A es simtrica si A = A
t
.
OBS Una matriz simtrica necesariamente debe ser cuadrada.
DEF Diremos que una matriz A es hemisimtrica o antisimtrica si A
t
= - A.
OBS Una matriz antisimtrica debe ser cuadrada y j i a a
ji ij
, * / = luego
i a
ii
* = 0 .
PROP Toda matriz a!M
n
(K) se puede descomponer de forma nica como suma de una
matriz simtrica y otro hemisimtrica.
Dem.
Sean las matrices ( )
t
A A S + =
2
1
y ( )
t
A A H / =
2
1
13/19
Calculemos S
t
y H
t
( ) ( ) ( ) ( ) ( ) S A A A A A A A A S
t
t
t t
t
t
t
t t
= + = + = + =
#
$
%
&
'
(
+ =
2
1
2
1
2
1
2
1
Entonces H es antisimtrica.
( ) ( ) A A A A A H S
t t
= / + + = +
2
1
2
1
( ) ( )
t t t
A A A A A H S = / / + = /
2
1
2
1
Sumando y restando
2
2
2
2
t
t
t
t
A A
H
A A
S
H A A
S A A
/
=
+
=
.
7
8
9
= /
= +
Y S y H son nicas, ya que la descomposicin es nica.
10. RANGO DE UNA MATRIZ.
DEF Dada una matriz A!M
mxn
(K), si consideramos las n columnas como n vectores
de K
m
, definimos el rango por columnas de la matriz A como el rango del conjunto
formado por los n vectores columna.
rang
c
(A) = rang(C
1
, C
2
,..,C
n
)
Siendo C
j
= (a
ij
, a
2j
,.., a
nj
) 1 " i " n
DEF Dada una matriz A!M
mxn
(K), si consideramos las m filas como m vectores de
K
n
, definimos el rango por filas de la matriz A como el rango del conjunto formado por
los m vectores fila.
rang
F
(A) = rang(F
1
, F
2
,, F
n
)
Siendo F
i
= (a
i1
, a
i2
,.., a
in
)
PROP Para cualquier A!M
mxn
(K) se verifica
rang
c
(A) = rang
F
(A)
Dem.
Cualquier relacin de dependencia entre las columnas de la matriz A equivale a
resolver el sistema.
14/19
+
= 7
8
9
= + +
= + +
4 =
n
j n mn m
n n
j j
x a x a
x a x a
o c x
1 1 1
1 1 11
0 .......
0 ....... : :
Si realizamos alguna modificacin en el orden de las filas seguimos obteniendo el
mismo sistema, y no alteramos el rango por columnas, ni por filas.
Supongamos que rang
F
(A) = r. Entonces m r ecuaciones dependen de r de ellas
(supondremos que son las r primeras).
El sistema
;
7
;
8
9
= + +
= + +
0 .....
... .......... .......... ..........
0 .....
1 1
1 1 11
n rn r
n n
x a x a
x a x a
tiene las mismas soluciones que el sistema inicial.
Entonces rang
c
(A) = r = rang
c

#
#
#
$
%
&
&
&
'
(
rn r
n
a a
a a
.......
.... ..........
........
1
1 11
Podemos considerar las columnas de esta ltima matriz vectores de K
r
y como
dimK
r
= r se deduce que:
Rang
c
(A) = rang
F
(A) . c " r
Realizando el mismo razonamiento con la matriz traspuesta como
rang
c
(A) = rang
F
(A
t
)
rang
F
(A) = rang
c
(A
t
)
obtenemos
rang
c
(A
t
) " c = rang
F
(A
t
) . r " c
Por tanto r = c . rang
c
(A) = rang
F
(A)
Al hablar de rango de una matriz no se distingue entre rango por columnas, al ser el
mismo.
OBS Si f: K
m
, K
n
es la aplicacin asociada a la matriz A!M
mxn
(K) se verifica
rang
F
(A) = dim Imf.
15/19
PROP Sea f: K
m
, K
n
una aplicacin lineal entre espacios vectoriales, y sea
A!M
mxn
(K) la matriz asociada a f respecto de bases B y B de K
m
y K
n
respectivamente. Entonces
rang(A) = rang (f)
Dem.
Sea A la matriz asociada a f respecto de las bases { }
m
e e B ,.....,
1
= de K
m
y
{ }
n
e e B ,....,
1
= de K
n
.
Como las filas F
1
, F
2
,., F
m
de A son las coordenadas de los vectores f(e
1
),
f(e
2
),.., f(e
m
) en la base B, y el rango de un sistema de vectores coincide con el rango
del sistema de sus vectores coordenadas, tenemos que
rang(f) = rang(f(e
1
), f(e
2
),.., f(e
m
)) = rang (F
1
, F
2
,., F
m
) = rang (A)
PROP Sea f: K
m
, K
n
una aplicacin lineal entre espacios vectoriales de dimensin
finita y A su matriz asociada. Entonces:
1) f es inyectiva 4 rang (A) = dim (K
m
)
2) f es suprayectiva 4 rang (A) = dim (K
n
)
Dem.
Inmediata
COROLARIO Una matriz A!M
n
(K) es invertible si y solo si rang (A) = n.
Dem.
Basta recordar que A es invertible si f es biyectiva.
11. APLICACIONES DE LAS MATRICES.
Las matrices son en la actualidad una herramienta imprescindible en mltiples
ramas de la matemtica pura y aplicada (lgebra lineal, geometra, estadstica, etc) y en
otras muchas ciencias (mecnica, economa, fsica, etc). Veamos ahora diferentes
aplicaciones de las matrices.
11.1. Uso de las matrices en las ciencias Psico-Sociales.
Una posible utilizacin de las matrices en Psicologa y otras Ciencias Sociales es la
presentacin de las puntuaciones obtenidas por m personas, animales, etc, en n
caractersticas.
La fila i estara constituida por las n puntuaciones
16/19
( )
in i i
a a a ,...., ,
2 1
en las n caractersticas.
La columna j estar constituida por las m puntuaciones
( )
mj j j
a a a ,...., ,
2 1
en la caracterstica j.
La puntuacin
ij
a es la obtenida por la persona, animal, etc, i en la caracterstica j.
11.2. Aplicaciones de las Matrices al campo de las Ciencias.
Actualmente podemos encontrarnos con matrices en diversidad de campos tales
como la fsica, informtica, economa y, en general, siempre que trabajamos con un
gran nmero de datos. Estos datos se organizan y disponen en matrices para su posterior
manipulacin.
a) La principal utilidad del lgebra matricial est en al posibilidad de poder
representar, estudiar y resolver sistemas de ecuaciones con ayuda de nociones como
rango de una matriz, matriz inversa y determinante.
Un sistema de ecuaciones se puede escribir en forma matricial como
AX = B
Si la matriz A es inversible, la solucin al sistema es
X = A
-1
B
b) Dentro del anlisis, y por tanto, en una amplia gama de problemas fsicos, de
ingeniera, etc aparecen las matrices para estudiar las funciones de varias variables y
determinar sus mximo y mnimos.
Si tenemos una funcin f: !
n
, !
m
, se define su derivada por medio de una matriz
de M
mxn
(!) llamada Jacobiana y cuyos elementos son
j
i
ij
x
f
a
<
<
= (derivada de la
componente i-sima respecto de la variable j-sima).
La matriz de las segundas derivadas se llama Hessiana.
Tambin se trabaja con matrices a la hora de aplicar la regla de la cadena en
funciones de varias variables. Veamos un ejemplo:
Sean las funciones g: !
2
, !
2
y f !
2
, !
3
definidas como:
G(x, y) = (xy, y
2
2) f(u, v) = (u, u
2
, u v)
17/19
Calculemos ( ) g f 3 (1, -2) con la regla de la cadena
( ) ( )
#
#
$
%
&
&
'
(
/
/
= / .
#
#
$
%
&
&
'
(
=
4 0
1 2
2 , 1
2 0
, g
y
x y
y x g
( ) ( ) ( ) ( )
#
#
#
$
%
&
&
&
'
(
/
/ = / / = / .
#
#
#
$
%
&
&
&
'
(
/
=
1 1
0 4
1 0
2 , 2 2 , 2 2 , 1
1 1
0 2
1 0
, f g como u v u f
y ( ) ( ) ( ) ( )
#
#
#
$
%
&
&
&
'
(
/
/
/
#
#
$
%
&
&
'
(
/
/
#
#
#
$
%
&
&
&
'
(
/
/ = / 2 / = /
5 2
4 8
4 0
0
4 0
1 2
1 1
0 4
1 0
2 , 1 2 , 2 2 , 1 g f g f 3
con lo que hemos calculado la derivada de la composicin utilizando el producto de
matrices.
La herramienta principal para el estudio de ecuaciones diferenciales lineales es el
anlisis matricial, donde adquiere especial relevancia la llamada matriz de Jordan.
c) En la geometra, las matrices sirven para representar los movimientos y
semejanzas en el espacio, que son de vital importancia en la dinmica, cristalografa e
incluso en la teora de la relatividad. Veamos algunos ejemplos:
Ecuacin de traslacin de vector t = (a, b, c)
#
#
#
$
%
&
&
&
'
(
+
#
#
#
$
%
&
&
&
'
(
#
#
#
$
%
&
&
&
'
(
=
#
#
#
$
%
&
&
&
'
(
c
b
a
z
y
x
z
y
x
1 0 0
0 1 0
0 0 1

Ecuacin del giro de ngulo = y eje z:

#
#
#
$
%
&
&
&
'
(
#
#
#
$
%
&
&
&
'
(
/
=
#
#
#
$
%
&
&
&
'
(
z
y
x
z
y
x
1 0 0
0 cos sen
0 sen cos

# #
# #
Tambin podemos estudiar mediante matrices las simetras axiales, centrales, con
deslizamientos, etc.
d) En la Estadstica tambin empleamos las matrices: matriz de datos para presentar
informacin, matriz de desviaciones, matriz de varianza-covarianza, matriz de
correlaciones,
e) En el campo de la economa, gran cantidad de situaciones competitivas que se
presentan muchas veces, pueden estudiarse con ayuda de las matrices de pago, que
informan de las ganancias o prdidas que pueden darse en determinadas situaciones.
18/19
11.3. Aplicaciones de las matrices al campo de las Ciencias Sociales y de la
Naturaleza.
a) Cadenas de Markov.
Las cadenas de Markov se pueden ver como una aplicacin de las matrices tanto a
las ciencias sociales como de la naturaleza. Se puede aplicar al estudio de la gentica
Mendeliana, por ejemplo, cuando intentamos cruzar individuos de la misma especia
pero con diferentes caracteres. Los resultados posibles a obtener los podemos
representar mediante una cadena de Markov.
DEF Definimos el espacio de estados, S, como el conjunto donde toman valores las
variables de una familia.
DEF Una sucesin de variables aleatorias {x
n
} se denomina Cadena de Markov (en
tiempo discreto con espacio de estados discretos) si
[ ] [ ]
n n n n n n o o n n
i x i x P i x i x i x P n = = == = = = *
+ + + +
/ ,...., /
1 1 1 1
i
K
!S n = presente, n + 1 = futuro, {0,., n 1} = pasado
es decir, el futuro es independiente del pasado conociendo el futuro.
Cadenas de Markov con Probabilidad de Transicin Estacionaria. Matriz de
Transicin.
A cada i!S se le asocia un conjunto E
i
. Hablamos de estado i . S = Conjunto
de estados.
DEF Se denomina probabilidad de Transicin en n pasos a la probabilidad de pasar al
estado E
j
en un tiempo n + m sabiendo que en n estaba en el estado E
i
.
[ ] i x j x P
n m n
= =
+
/
Esta probabilidad de transicin se denomina estacionaria si no dependen del instante
del que parte, n, si no slo del nmero de pasos, m.
En particular si n = 0
[ ] i x j x P
o m
= = /
en este caso se denominan a las probabilidades de transicin.
( ) m
ij
p = probabilidad de pasar del estado i al j en m pasos.
Las cadenas de Markov son las probabilidades de transicin en un paso.
La matriz de transicin en m pasos es
( ) ( )
( ) S j i p P
m
ij
m
! = ,
19/19
Por convenio P
(0)
= I
11.4. Aplicaciones a la Teora de Grafos.
Dado un grafo es posible asociar a l matrices.
a) Matriz de Adyacencia.
Es la matriz A = (a
ij
) definida por

>
?
@
=
contrario caso en
v a adyacente es v si K
a
j i
ij
0
siendo K el nmero de aristas que unen el vrtice v
i
con el v
j
. A!M
m
(!).
La matriz de adyacencia es muy til para decidir cuestiones de conexin, pues si A
es matriz de Adyacencia de un grafo con m vrtices don de m > 1, entonces el trmino
a
ij
de la matriz A
n
nos da el nmero de caminos de longitud n que van del vrtice v
i
al
v
j
.
b) Matriz de Incidencia.
Es la matriz M = (m
ij
) con M!M
m
(!) tal que
>
?
@
=
contrario caso en
e arista la con incidente es v vrtice el si
m
j i
ij
0
1
Bibliografa Recomendada.
Curso de algebra y geometra. Juan de Burgos. Ed: Alhambra
Algebra lineal y geometria. Ed: Univ. de Barcelona
Algebra linea. Juan de Burgos. Ed: McGraw-Hill
Algebra lineal. F. Puerta. Ed: Univ. de Barcelona.1975
Linear Algebra. W. Greub. Ed: Springer-Verlag
1/26
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 19
DETERMINANTES. PROPIEDADES. APLICACIN AL CALCULO DEL RANGO
DE UNA MATRIZ.
1. Introduccin.
1.1. Resultados previos.
2. Formas multilineales alternadas.
3. Determinantes.
3.1. Determinantes de N vectores.
3.2. Determinantes de un Endomorfismo.
3.2.1. Aplicacin Adjunta de un Endomorfismo.
3.3. Determinante de una matriz.
3.3.1. Matriz Asociada a Ad(!).
3.3.2. Desarrollo de un determinante por los adjuntos de una lnea.
4. Aplicacin al clculo del rango de una matriz.
Bibliografa Recomendada.
2/26
TEMA 19
DETERMINANTES. PROPIEDADES. APLICACIN AL CALCULO DEL RANGO
DE UNA MATRIZ.
1. INTRODUCCIN.
El concepto de determinante es posible introducirlo de diferentes formas: Por medio
de aplicaciones multilineales alternadas, por induccin o mediante sumas de n!
sumandos para un determinante de orden n.
El tema se va a desarrollar utilizando la primera forma, ya que es la ms rigurosa de
las tres. Tiene como ventaja sobre las otras que nos permite relacionar diversos
conceptos y presentar de forma sencilla pero rigurosa las propiedades de los
determinantes.
Hemos de destacar que a lo largo del tema la letra K denotar un cuerpo
conmutativo con caracterstica de dos.
1.2. Resultados Previos.
En este apartado vamos a refrescar una serie de resultados sobre permutaciones que
necesitaremos para desarrollar el tema. Para encontrar las demostraciones y evitar
reiteracin, remitimos al lector al tema 3 del temario.
DEF Llamaremos S
n
al conjunto formado por todas las permutaciones posibles de los
elementos del conjunto {a
1
, a
2
,., a
n
}.
Sea {1, 2, 3} un conjunto. Una permutacin de dicho conjunto puede ser
2 3
1 2
3 1
"
"
"
que se puede expresar como
#
#
$
%
&
&
'
(
2 1 3
3 2 1
El conjunto S
n
podemos definir como una operacin como sigue (la representaremos
en S
3
)
#
#
$
%
&
&
'
(
=
#
#
$
%
&
&
'
(
#
#
$
%
&
&
'
(
3 1 2
3 2 1
2 3 1
3 2 1

2 1 3
3 2 1
PROP El conjunto S
n
junto con la operacin de producto de permutaciones tiene
estructura de grupo.
DEF Una transposicin es una permutacin en la que todos los elementos quedan fijos
menos dos que intercambian su posicin.
3/26
Las trasposiciones se pueden representar mediante una matriz de orden 1x2,
indicando los dos nicos elementos que intercambian su posicin
Si (2,3))S
3
se puede escribir como
#
#
$
%
&
&
'
(
2 3 1
3 2 1
PROP Toda permutacin se puede escribir como producto de trasposiciones.
PROP Si una permutacin se descompone de dos formas distintas como producto de
trasposicin, ambas descomposiciones verifican que tienen un nmero par (o impar) de
trasposiciones.
DEF Diremos que una permutacin es par si se descomponen como un nmero par de
trasposiciones (e impar en caso contrario).
Si
( )
( )
*
+
,
- =
=
. )
impar es si E
par es si E
S
n
! !
! !
!
1
1
DEF El nmero E(/) con /)S
n
recibe el nombre de signatura o signo de la
permutacin.
PROP 0/)S
n
con / una trasposicin se verifica que E(/) = -1.
Dada una aplicacin G C C f x
n
x
" .. . ... :
(
siendo C un conjunto cualquiera y G un
grupo, podemos definir
( )( )
( ) ( )
( )
n n n
x x f x x f S
! !
! ! ,......., ,......,
1 1
= 1 ) 0
DEF Diremos que f es simtrica si 0/)S
n
se verifica /f = f
DEF Diremos que f es antisimtrica si 0/)S
n
se verifica /f = E(/) f
PROP 0/, /)S
n
(/ /) f = / (/f)
OBS Para saber si una aplicacin es simtrica o antisimtrica, teniendo en cuenta la
proposicin anterior y que toda permutacin se descompone como producto de
trasposiciones, slo es necesario conocer su actuacin ante las trasposiciones.
PROP Dada
n
x
n
x
S y G C C f ) 0 " " 2
(
. : trasposicin:
1) f es simtrica 3 f f = "
2) f es antisimtrica 3 f f - = "
DEF Diremos que f es no degenerada si es una aplicacin antisimtrica no nula.
4/26
2. FORMAS MULTILINEALES ALTERNADAS.
Sea V un K-espacio vectorial de dimensin n y V
n
= V
x
n
2
(
.
x
V. Sea W otro
K-espacio vectorial.
DEF Diremos que f: V
n
" W n-lineal si es lineal en cada una de sus componentes.
( ) ( ) ( )
n i n i n i i
v v v f v v v f v v v v f ,...., ,...., ,...., ,....., ,....., ,.....,
1 1 1
4 4 4 4 4 4 4 4 4
# $ # $ + = +
Si W = K entonces f es una forma n-lineal sobre V.
PROP Sean V y W K-espacios vectoriales. Si f: V
n
" W es n-lineal, se verifica
i) Si ( ) ( )
n n n n n
v v f v v v f K ,...., .... ,...., , ,....,
1 1 2 2 1 1 1
% % % % % % % = . )
ii) Si { }
5
=
= ) 0
n
j
j ij i
u x v n i
1
,..., 1 (v
i
es combinacin lineal de {u
1
,,u
n
}) .
( ) ( )
5 5 5
= = =
= .
n
j
n
j
n
j
j j nj j j n
n
n n
u u f v v f
1 1 1
2 1 1
1 2
1 2 1
,...., .... ..... ,...., % % %
Dem.
i) ( ) ( ) ( ) = = = = ....... ,...., , ,...., , ,....., ,
2 1 2 1 2 2 1 1 2 2 1 1 n n n n n n
v v v f v v v f v v v f % % % % % % % % %
( )
n n
v v v f ,...., , ......
2 1 2 1
% % % =
Por ser lineal respecto de cada una de las variables.
ii) Como { }
5
=
) 0 =
n
j
j ij i
n i u v
1
,...., 1 %
( ) =
#
#
$
%
&
&
'
(
=
5 5 5
= = =
n
n
n
j
n
j
nj j
n
j
n
j
j j j n
u u u f v v v f
1 1 1
2 1 2 1
,...., , ,....,
2
1 2
2 1 1
% % %
( ) = =
5 5 5
= = =
n
n
n
j j j
n
j
nj
n
j
j
n
j
j
u u u f ,...., , .......
2 1
2
2
1
1
1 1
2
1
1
% % %
( )
5 5 5
= = =
n
j
n
j
n
j
j j j nj j j
n
n n
u u u f
1 1 1
2 1
1 2
2 1 2 1
,...., , ...... ...... % % %
DEF Sea f: V
n
" W n-lineal. Diremos que f es alternada (antisimtrica) si
f(v
1
,, v
n
) = 0 cuando v
i
= v
j
para algn i, j con i 6 j. A estas aplicaciones se las
llama n-lineal alternada.
5/26
PROP Sea f: V
n
" W n-lineal alternada y " )S
n
una trasposicin ( ( ) ij = " ).
Entonces
( ) ( ) ( )
( ) ( ) ( )
n
n n n
V v v v v v f v v v f ) 0 - = ,...., ,...., , ,...., ,
1 2 1 2 1 " " "
Dem.
Supongamos que i < j.
( ) ( )
( ) ( )
n j i j i j i n
v v v v v v v v f v v f ,...., , , ,...., , , ,...., ,....,
1 1 1 1 1 1 + - + -
=
" "
Por haber dos vectores repetidos (v
i
+ v
j
en los lugares i y j) y ser f alternada se
verifica
( ) = + =
+ - + - n j j j i j i i
v v v v v v v v v f ,....., , , ,...., , , ,...., 0
1 1 1 1 1
( ) + =
+ - + - n j i j i i i
v v v v v v v v f ,...., , , ,....., , , ,....,
1 1 1 1 1
( ) + +
+ - + - n j j j i i i
v v v v v v v v f ,...., , , ,...., , , ,....,
1 1 1 1 1
( ) + +
+ - + - n j i j i j i
v v v v v v v v f ,...., , , ,...., , , ,....,
1 1 1 1 1
( ) = +
+ - + - n j j j i j i
v v v v v v v v f ,...., , , ,...., , , ,...,
1 1 1 1 1
( ) ( ) 0 ,...., ,...., ,...., ,...., ,....., ,...., 0
1 1
+ + + =
n i j n j i
v v v v f v v v v f
Entonces
( ) ( )
n j i n i j
v v v v f v v v v f ,....., ,..., ,...., ,...., ,...., ,....,
1 1
- =
PROP Sea f: V
n
" W n-lineal anternada y /)S
n
. Entonces 0(v
1
,, v
n
=)V
n
( ) ( )
( ) ( ) ( )
n n
v v f v v f ,..., ,....,
1 1
! &
! !
=
siendo 7(/) la signatura de la permutacin.
Dem.
( ) ( )
( )
( ) ( )
( ) = =
n n
K K
v v f v v f
" " " " " " ! ! .... 1 .... 1
2 1 2 1
,......., ,....,
K
" " " ! ....
2 1
=
( ) ( )
K
1 - = ! &
6/26
( ) ( )
( ) ( )
( ) ( )
( ) = = - = - = ....... ,....., 1 ,.......,
..... 1 ....
2
..... 1 .....
3 3 2 2
n n
K K K K
v v f v v f
" " " " " " " "
( ) ( ) ( ) ( )
n n
K
v v f v v f ,...., ,...., 1
1 1
! & = - =
PROP Sea f: V
n
" W n-lineal y /)S
n
, 0(v
1
,., v
n
))V
n
se verifica que
( ) ( )
( ) ( ) ( )
n n
v v f v v f ,...., ,......,
1 1
! &
! !
= . f es alternada.
Dem.
Sea (v
1
,, v
n
))V
n
con v
i
= v
j
i 6 j (i < j) y sea
n
S ) " con ( ) ij = "
( )
( ) ( )
( ) ( ) ( )
n j i n i j n n
v v v v f v v v v f v v f v v f ,..., ,..., ,..., ,...., ,...., ,...., ,...., ,....,
1 1 1 1
= = =
" "
"
ya que v
i
= v
j
Por hiptesis
( ) ( )
( ) ( )
n j i n
v v v v f v v f ,...., ,...., ,...., ,.....,
1 1
- =
" "
Luego ( ) ( ) ( ) ( ) 0 ,...., 0 ,...., 2 ,..., ,...,
1 1 1 1
= . = . - =
n n n n
v v f v v f v v f v v f
PROP Sea f: V
n
" W n-lineal alternada. Si {v
1
,, v
n
) es un conjunto linealmente
independiente de V, entonces f(v
1
,, v
n
) = 0
Dem.
Si {v
1
,, v
n
} es L. D . 8i){1,, n}/v
i
es combinacin lineal del resto.
5
6
=
=
n
i j
j
j j i
v v
1
%
( ) =
#
#
#
$
%
&
&
&
'
(
=
5
6
=
+ -
n
j
j
n i j j i n i
v v v v v f v v v f
1
1
1 1 1 1
,...., , , ,...., ,...., ,...., %
( )
5
6
=
+ -
= =
n
i j
j
n i j i j
v v v v v f
1
1 1 1
,...., , , ,...., %
En todos los sumandos aparecen repetidos los v
j
y como f es alternada, los
sumandos son cero.
0 0
1
= =
5
6
=
n
i j
j
j
%
7/26
COROLARIO Si V es un K-espacio vectorial con dimV = p < n, entonces
cualquiera que sea el espacio vectorial W se verifica que toda aplicacin n-lineal
alternada f: V
n
" W es nula.
LEMA Sea f: V
n
" W n-lineal alternada, (v
1
,, v
n
))V
n
y supongamos que
0i){1,., n} v
i
es combinacin lineal de {u
1
,., u
n
},
5
=
=
n
j
j ij i
v v
1
% . Entonces
( ) ( )
( ) ( )
( )
n
S
n n n
u u f v v f
n
,...., ..... ,....,
1 1 1 1
#
#
$
%
&
&
'
(
=
5
) !
! !
% % ! &
Dem.
Sabemos que ( ) ( )
5 5 5
= = =
= =
n
j
n
j
n
j
j j j nj j j n
n
n n
u u u f v v f
1 1 1
2 1 1
1 2
2 1 2 1
,...., , ...... ....... ,....., % % %
Si en el conjunto de ndices {j
1
,.., j
n
} tenemos j
S
= j
K
con S 6 K entonces
( ) 0 ,....., ,....., ,.....,
1
=
n K S
j j j j
u u u u f por ser f alternada.
Luego los sumandos en donde se repita algn u
ji
son cero y los podemos eliminar
de la suma. Al final nos queda ( ) ( ) ( ) n j j j
n
! ! ! = = = ,...., 2 , 1
2 1
con /)S
n
( ) ( ) ( ) ( )
( )
( ) ( )
( ) ( )
5 5
) )
= =
n n
S S
n n n n n n
u u f u u f
! !
! ! ! ! ! !
! & % % % % ,...., ..... ,....., .....
1 1 1 1 1 1
TEOREMA Sea V un K-espacio vectorial de dimensin n. Sea B = {u
1
,.,u
n
} base
de V y de w)W (con W K-espacio vectorial). Existe una nica aplicacin n-lineal
alternada f: V
n
" W tal que f(u
1
,., u
n
) = w.
Dem.
Unicidad.
Sean f, f: V
n
" W n-lineales alternadas / f(u
1
,., u
n
) = w = f(u
1
,., u
n
).
Sea (v
1
,., v
n
))V
n
con
5
=
=
n
j
j ij i
u v
1
%
( ) ( )
( ) ( )
( )
5
)
= =
n
S
n n n n
u u f v v f
!
! !
% % ! & ,...., ...... ,....,
1 1 1 1
( )
( ) ( )
( ) ( )
5
)
= =
n
S
n n n n
v v f u u f
!
! !
% % ! & ,...., ,...., ....
1 1 1 1
Como tienen igual dominio y rango y actan igual sobre todos los elementos, son
iguales: f = f
8/26
Por tanto, de existir la aplicacin, sta es nica.
Definicin de f.
Sea w)W, f: V
n
" W 0(v
1
,.., v
n
))V
n
y 0i){1,.., n},
5
=
=
n
j
j ij i
u v
1
%
( ) ( )
( ) ( )
w v v f
n
S
n n n
..... : ,....,
1 1 1
#
#
$
%
&
&
'
(
=
5
) !
! !
% % ! &
La imagen de la base es
( ) ( )
( ) ( )
w u u f
n
S
n n n
..... ,.....,
1 1 1
#
#
$
%
&
&
'
(
=
5
) !
! !
' ' ! &
Si / 6 1
Id
8i / /(i) 6 i . 9
i/(i)
= 0
Entonces ( ) ( ) w w u u f
nn n
= = ..... ,....,
22 11 1
' ' ' ya que i
ii
0 =1 '
f es n-lineal (elegimos la 1 variable para comprobarlo y es anlogo para el resto).
Sea
5
=
=
n
j
j j
u v
1
1 1
% y ( )
5 5
= =
+ = + . =
n
j
n
j
j j j j j
u v v u v
1 1
1 1 1 1 1
%
( ) ( )
( ) ( ) ( )
( ) =
#
#
$
%
&
&
'
(
+ = +
5
)
w v v v v f
n
S
n n n
...... ,...., ,
2 1 1 1 2 1 1
!
! ! !
% % ! &
Como K es un cuerpo (se verifica la propiedad distributiva)
( )
( ) ( )
( )
( ) ( ) ( )
=
:
:
;
<
=
=
>
?
#
#
$
%
&
&
'
(
+
#
#
$
%
&
&
'
(
=
5 5
) )
w
n n
S
n n
S
n n
..... ......
2 1 1 1 1 1
!
! ! !
!
! !
% % ! & % % ! &
( )
( ) ( )
( )
( ) ( ) ( )
=
#
#
$
%
&
&
'
(
+
#
#
$
%
&
&
'
(
=
5 5
) )
w w
n n
S
n n
S
n n
!
! ! !
!
! !
% % ! & % % ! & ..... .....
2 1 1 1 1 1
( ) ( )
n n
v v v f v v v f ,...., , ,...., ,
2 1 2 1
+ =
De forma anloga se demuestra para el producto por un escalar. Por tanto f es lineal.
f es alternada.
Sea ( )
n
n
V v v ) ,.....,
1
con v
i
= v
j
i 6 j. Sea ( ) ij = "
9/26
( ) ( ) ( ) ( ) ! & " & ! & " ! & ! - = = 1 ) 0
n
S
Como v
i
= v
j
. { } n K
jK iK
,..., 1 ) 0 = % % . Tenemos
( ) ( ) ( ) j j j i i i ! ! !"
% % % = =
( ) ( ) ( ) i i i j j j ! ! !"
% % % = =
( )
( ) ( ) ( ) ( )
= -
n n j j i i !" !" ! !"
% % % % ! & ...... .... ......
1 1
( )
( ) ( ) ( ) ( )
= - =
n n i j j i ! ! ! !
% % % % ! & ..... ...... .....
1 1
Como el producto en el cuerpo es conmutativo se puede escribir
( )
( ) ( ) ( ) ( ) n n j j i i ! ! ! !
% % % % ! & ...... ..... .....
1 1
- =
Luego este sumando es igual pero opuesto a
( )
( ) ( ) n n! !
% % ! & .....
1 1
Pero como ( ) ( )
( ) ( )
( )w v v f
n n n 5
=
! !
% % ! & ..... ,....,
1 1 1
existen varios sumandos. Cmo podemos demostrar que para cada sumando existe su
opuesto?
Pues definiendo la siguiente biyeccin
T: A
n
" I
n
t(/) = /@
siendo A
n
el conjunto de las permutaciones pares e I
n
las impares. Luego
( ) ( )
( ) ( )
( )
( ) ( )
0 ..... ..... ,....,
1 1 1 1 1
=
#
#
$
%
&
&
'
(
+ =
5 5
) )
w v v f
n n
A I
n n n n n
! !
! ! ! !
% % ! & % % ! &
ya que ( ) 0 = ! & si
n
A ) ! y ( ) 1 - = ! & si
n
I ) !
Por tanto f es alternada.
3. DETERMINANTES.
3.1. Determinante de N vectores.
DEF Sea { }
n
u u B ,....,
1
= una base del K-espacio vectorial V. Se define el
determinante respecto de la base B como la nica forma n-lineal alternada
10/26
det
B
: V
n
" K
tal que det
B
(u
1
, u
2
,., u
n
) = 1
DEF Si (v
1
, v
2
,., v
n
))V
n
, el determinante de los n vectores respecto de la base B es
( ) ( )
( ) ( ) ( ) 5
)
=
n
S
n n n B
v v v
!
! ! (
% % % ! & ...... ,...., , det
2 2 1 1 2 1
Podemos definir el conjunto de todas las aplicaciones n-lineales como
( ) { } lineal n W V f f W V L
n
n
- " = : / ,
Este conjunto lo podemos dotar de estructura de K-espacio vectorial de la siguiente
manera:
Si f
1
, f
2
)L
n
(V, W)
Suma: ( )( ) ( ) ( )
n n n
v v v f v v v f v v v f f ,...., , ,...., , ,....., ,
2 1 2 2 1 1 2 1 2 1
+ = +
Producto escalar: ( )( ) ( )
n n
v v v f v v v f ,....., , ,...., ,
2 1 1 2 1 1
1 = % %
PROP Sea { }
n
u u u B ,...., ,
2 1
= una base de V. Se verifica:
i) Si f: V
n
" K es una forma n-lineal alternada, existe a)K tal que f = adet
B
ii) Si f: V
n
" K es una forma n-lineal alternada y f(u
1
, u
2
,., u
n
) = 0 entonces
f = 0.
Dem.
i) Sea (v
1
, v
2
,., v
n
))V
n
( ) ( )
( ) ( )
( ) ( ) ( )
5
)
= = =
n
S
n n B n n n n
u u f v v u u f v v v f
!
! !
% % ! & ,...., ,...., det ,...., .... ,...., ,
1 1 1 1 1 2 1
Si llamamos a = f(u
1
,., u
n
)
( ) ( )( )
n B n B
u u a u u u a ,...., det ,...., , det
1 2 1
1 = 1 =
Luego f = adet
B
ii) Si f(u
1
,., u
n
) = 0 . f(u
1
,., u
n
)

= a = 0
y como f = adet
B
. f = 0
PROP Sea { }
n
u u B ,....,
1
= base de V y sea { } V v v
n
) ,....,
1
. Los vectores { }
n
v v ,....,
1
son
linealmente independientes si y solo si det
B
(v
1
,., v
n
) = 0
11/26
Dem.
.
Si { }
n
v v ,...,
1
es un conjunto linealmente dependiente entonces existe una aplicacin
n-lineal alternada tal que ( ) 0 ,....,
1
=
n
v v f .
Luego si 0 det det = 1 . 1 =
B B
a a f siendo a un escalar no nulo.
Entonces det
B
(v
1
,., v
n
) = 0
A
Sea ( ) 0 ,...., det
1
=
n B
v v y supongamos que { }
n
v v ,....,
1
fuese linealmente
independientes.
Entonces { }
n
v v ,....,
1
seran base de V .

det det /
B B
a K a 1 = ) 8 y como 1 det

=
B
tenemos que ( ) 0 ,...., det
1
= =
n B
v v a
Pero esto es una contradiccin con el hecho de que el determinante de una base es 1,
( ) . 1 ,...., det
1
=
n B
u u
Luego nuestra hiptesis de que los vectores { }
n
v v ,...,
1
son linealmente
independientes es falsa y por tanto son dependientes.
3.2. Determinantes de un endomorfismo.
DEF Sea V un K-espacio vectorial de dimensin n, sea { }
n
u u B ,....,
1
= una base de V
y V V " : ) un endomorfismo. Llamaremos determinante de un endomorfismo a
K V
n
B
" : det
)
n-lineal alternada
definida por ( ) ( ) ( ) ( ) ( )
n B n B
v v v v v v ) ) )
)
,....., , det ,...., , det
2 1 2 1
=
Puesto que ! es lineal, la funcin
)
B
det es n-lineal. Y como det
B
es alternada
tambin lo es
)
B
det (recordemos que si v
i
= v
j
. !(v
i
) = !(v
j
))
Por un resultado anterior, al ser la funcin n-lineal y alternada, sabemos que
B B
K det det / 1 = ) 8 % %
)
siendo B el determinante de ! con respecto a la base B.
Como B n va a depender de la base del espacio que tomemos la llamaremos
determinante de un endomorfismo que tomemos.
12/26
PROP Si B y B son bases de V y ( ) ( ) ( ) ) ) )

det det
B B
V L = . )
Dem.
Sean { }
n
u u B ,....,
1
= y { } ,...,
1 n
u u B = dos bases de V.
Como det
B
y det
B
son n-lineales alternadas, son proporcionales
B B
K det det /

1 = ) 8
( )
( ) ( ) ) %
)
)

det det det det
B B B B
= =
( ) ( ) ( ) ( ) ( ) ( ) 1 ,......, det det ,..., det det ,...., det
1 1 1
= = 1 =
n B B n B B n B
u u u u u u ) )
)
Entonces
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = 1 = = = ,...., det ,....., det ,....., det det
1 1 1 n B n B n B B
u u u u u u ) ) ) ) )
)
( ) ( ) ( ) ( ) ( ) = = 1 = 1 = ,....., det det ,....., det det ,....., det
1 1 1 n B B n B B n B
u u u u u u ) )
)
( ) ( ) ( ) ) )
B n B B
u u det ,....., det det
1
= =
DEF Si !)L(V) con dimV = n, llamamos determinante de !, det(!), a det
B
(!) para
alguna base B se V.
PROP Si ( ) ( ) ( ) ( ) C 1 = C . ) C det det det , ) ) ) D V L
Dem.
Sea { }
n
u u B ,.....,
1
= base de V
( ) ( ) ( ) ( ) ( ) ( ) = C = = C = C
C
n B n B B
u u u u ) ) ) ) )
)
D D D D
D
,....., det ,....., det det det
1 1
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = 1 = C C 1 = C C =
C
n B B n B B n B
u u u u u u ,...., det det ,...., det det ,...., det
1 1 1
) )
)
( ) ( ) ( ) ( ) ( ) ( ) ( ) C 1 = C 1 = 1 C 1 = det det det det ,...., det det det
1
) ) )
B b n B B B
u u
PROP Si ( ) V L ) )
! es automorfismo 3 det(!) 6 0
Dem.
.
Sea ) automorfismo y { }
n
u u B ,....,
1
= base de V-
13/26
( ) ( ) ( ) ( ) ( ) ( ) 0 ,...., det ,. , , , , det det det
1 1
6 = = =
n B n B B
u u u u ) ) ) )
)
Es distinto de cero ya que al ser B base de V y ! automorfismo .
( ) ( ) { }
n
u u ) ) ,....,
1
es base de V . ( ) ( ) { }
n
u u ) ) ,....,
1
es linealmente independiente.
A
Sea ( ) 0 det 6 ) y { }
n
u u B ,....,
1
= base de V.
( ) ( ) ( ) ( ) ( ) ( ) { }
n n B
u u u u ) ) ) ) ) ,...., ,....., det det 0
1 1
. = 6 es linealmente independiente
y como dimV = n . ( ) ( ) { }
n
u u ) ) ,....,
1
es base de V . ! es automorfismo, ya que
transforma una base en otra.
PROP Si ( ) ( )
( ) )
) )
det
1
det
1
= 8 . )
-
V GL
Dem.
( ) ( ) ( ) ( )
1 1
det det det 1 det
- -
1 = = ) ) ) )D
v
.
E
F
G
( ) ( ) ( ) ( ) ( ) ( ) 1 ,...., det 1 ,...., 1 det ,...., det 1 det
1 1 1
1
= = = =
n B n v v B n
v
B v
u u u u u u
( ) ( ) ( )
( ) )
) ) )
det
1
det 1 det det
1 1
= . = 1 .
- -
3.2.1. Aplicacin Adjunta de un Endomorfismo.
NOTACIN La expresin ( )
n j b
v v v v ,....., ,...., , ; det
2 1
Equivale a ( )
n j j B
v v v v v v ,...., , ,....., , ; det
1 1 2 1 + -
LEMA Sea V un K-espacio vectorial de dimensin n, { }
n
u u B ,....,
1
= base de V y
{ } v v v
n
, ,.......,
1
vectores de V. Se verifica.
( ) ( ) ( )
5
=
-
1 = 1 1 -
n
j
n B j n j B
j
v v v v v v v v
1
1 1
1
,...., det ,....., ,...., , det 1
Dem.
Vamos a distinguir dos casos, segn sea el conjunto { }
n
v v ,....,
1
linealmente
independiente o dependiente.
a) Si { }
n
v v ,.....,
1
es L. I. . { }
n
v v ,....,
1
es base .
5
=
= ) 8
n
K
K K n
v v K
1
1
/ ,...., % % %
14/26
( ) ( ) ( )
5 5 5
= = =
- -
= #
$
%
&
'
(
1 - = 1 1 -
n
j
n
j
j
n
K
n j K K B
j
j n j B
j
v v v v v v v v v v
1 1 1
1
1
1
1
,...., ,..., , det 1 ,...., ,...., , det 1 %
( ) ( )
5 5
= =
-
= #
$
%
&
'
(
- =
n
j
j
n
K
n j K B K
j
v v v v v
1 1
1
1
,..., ,...., , det 1 %
Si K = j nos encontramos con dos vectores iguales y el determinante es cero por ser
una aplicacin alternada.
( ) ( ) = - =
5
=
-
n
j
j n j j B j
j
v v v v v
1
1
1
,...., ,....., , det 1 %
Realizamos j 1 trasposiciones y situamos el vector v
j
en su lugar
( ) ( ) ( ) ( ) ( ) ( )
5 5
= =
- - -
= - = - - =
n
j
n
j
j n B j
j
j n j B
j
j
j
v v v v v v v
1 1
1
2
1
1
1 1
,...., det 1 ,...., ,..., det 1 1 % %
( ) ( ) ( )
5 5
= =
= = =
n
j
n
j
n B j j n B j n B j
v v v v v v v v v
1 1
1 1 1
,...., det ,...., det ,...., det % %
b) Si { }
n
v v ,....,
1
es L. D. . ( ) . = 0 ,...., det
1 n B
v v
( ) 0 ,...., det
1
= . v v v
n B
Comprobemos pues, que el primer miembro es nulo
( ) ( )
5
=
-
= -
n
j
j n j B
j
v v v v v
1
1
1
0 ,...., ,...., , det 1 (Comprobar)
Como { }
n
v v ,....,
1
L. D. . 8v
i
que es combinacin lineal del resto.
Supongamos que es el primero .
5
=
=
n
K
K K
v v
2
1
%
( ) ( )
5
=
-
= -
n
j
j n j B
j
v v v v v
1
1
1
,...., ,...., , det 1
( ) ( ) ( )
5
=
-
= - + =
n
j
j n j
j
n B
v v v v v v v v v v
2
1
1
1 2 1
,...., ,..., , det 1 ,...., , , det
( ) ( )
5 5 5
= = =
-
= #
$
%
&
'
(
- + =
n
K
n
j
j
n
K
n j K K B
j
K K n B
v v v v v v v v v v
2 2 2
1
2 1
,..., ,...., , det 1 ,....., , , det % %
15/26
( ) ( ) ( )
5 5 5
= = =
-
= #
$
%
&
'
(
- + =
n
K
n
j
j
n
K
n j K B K
j
K n B K
v v v v v v v v v v
2 2 2
1
2 1
,...., ,...., , det 1 ,...., , , det % %
Si K = j nos encontramos con dos vectores iguales y el determinante es cero por ser
una aplicacin alternada.
( ) ( ) ( )
5 5
= =
-
= - + =
n
K
n
j
j n j j B j
j
K n B K
v v v v v v v v v v v
2 2
2
1
2 1
,..., ,...., , , det 1 ,....., ,. , det % %
Para colocar v
j
en su sitio hemos de realizar j 2 trasposiciones
( ) ( ) ( ) ( )
5 5
= =
- -
= - - + =
n
K
n
j
j n j B
j
j
j
K n B K
v v v v v v v v v v
2 2
2
2 1
2 1
,...., ,...., , det 1 1 ,...., , , det % %
( ) ( ) ( ) ( ) ( )
5 5
= =
-
= - - + =
n
K
n
j
j n j B j
j
K n B K
v v v v v v v v v v
2 2
2
2
2
2 1
,..., ,..., , det 1 1 ,...., , , det % %
( ) ( )
5 5
= =
= - =
n
K
n
j
j n B j K n B K
v v v v v v v v v
2 2
2 2 1
0 ,...., , det ,...., , , det % %
Vamos a construir ahora la aplicacin adjunta.
Sea V un K-espacio vectorial con dimV = n y { }
n
u u B ,....,
1
= base de V.
Tomemos !)L(V) y definamos la aplicacin : V
n
" L(V) como
( )
n
n
V v v ) 0 ,...,
1
( ) ( ) . ) V L v v
n
,...,
1
( ) V V v v
n
" : ,...,
1
V v) 0 ( )( ) ( ) ( ) ( ) ( ) ( )
5
=
-
- =
n
j
j n j B
j
n
v v v v v v v v
1
1
1
1
,...., ,...., ; det 1 ,...., ) ) )
PROP es la nica aplicacin n-lineal alternada que lleva la base a un endomorfismo.
Dem.
Comprobemos que est bien definida (( )
n
v v ,...,
1
es un endomorfismo)
( ) V v v K V v v
n
n
) 0 ) 0 ) 0 , , ,....,
1
%
( )( ) ( ) ( ) ( ) ( ) ( )
5
=
-
= + - = +
n
j
j n j B
j
n
v v v v v v v v v v
1
1
1
1
,...., ,...., , det 1 ,..., ) ) ) % %
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] = + - =
5
=
-
j
n
j
n j B n j B
j
v v v v v v v v v ,...., ,..., , det ,...., ,...., , det 1
1
1 1
1
) ) ) ) ) ) %
16/26
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
5 5
= =
- -
= - + - =
n
j
n
j
j n j B
j
j n j B
j
v v v v v v v v v v
1 1
1
1
1
1
,.., ,.., , det 1 ,.., ,., , det 1 ) ) ) ) ) ) %
% = ( )( ) + v v v
n
,...,
1
( )( ) ,...,
1
v v v
n
es n-lineal.
(Vemoslo para la 1 variable, ya que el resto es anlogo).
V v V v v K ) 0 ) 0 ) 0 , ,
1 1
%
( )( ) ( ) ( ) ( ) ( ) ( ) ( )
5
=
-
= + - +
n
j
j n j B
j
n
v v v v v v v v v v v v
1
2 1 1
1
2 1 1
,..., ,..., , , det 1 0 ,..., , ) ) ) % ) %
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
5
=
-
= + - + + =
n
j
j n j B
j
n B
v v v v v v v v v v v
2
1 1
1
1 1 2
,..., ,..., , det 1 ,..., , det ) ) % ) % ) )
( ) ( ) ( ) ( ) ( ) ( ) + + =
2 2 1 2
,..., , det ,..., , det v v v v v v v v
n B n B
) ) ) ) %
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
5
=
-
= + - +
n
j
j n j B n j B
j
v v v v v v v v v
2
1 1
1
,..., ,..., , det ,..., ,..., , det 1 ) ) ) ) ) ) %
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
5 5
= =
- -
= - + - =
n
j
n
j
j n j B
j
j n j B
j
v v v v v v v v v v
1 1
1
1
1
1
,.., ,.., , det 1 ,.., ,., , det 1 ) ) ) ) ) ) %
% = ( )( ) + v v v
n
,...,
1
( )( ) [% = v v v v
n
,.., ,
2 1
( ) +
n
v v ,...,
1
( ) ]( ) v v v
n
,...,
1
es Alternada.
Sea v
i
= v
K
con i 6 K y i < K
Hemos de comprobar que (v
1
,, v
n
) = 0 (matriz nula)
V v) 0 ( )( ) ( ) ( ) ( ) ( ) ( ) = - =
5
=
-
n
j
j n j B
j
n
v v v v v v v v
1
1
1
1
,..., ,..., , det 1 ,..., ) ) )
Si j 6 i, K . hay dos vectores iguales.
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = - + - =
- -
K n K B
K
i n i B
i
v v v v v v v v v v ,..., ,..., , det 1 ,..., ,..., , det 1
1
1
1
1
) ) ) ) ) )
Ahora desplazamos !(v
i
) al lugar !(v
K
). El nmero de trasposiciones es K-(i 1)
y ambos determinantes son iguales.
17/26
Veamos el signo
( ) ( ) ( ) [ ] ( ) ( ) ( ) = - - + - =
+ - - -
i n i B
i K K i
v v v v ,..., , det 1 1 1
1 1 1
) )
( ) ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) 0 ,..., ,...., , det 1 1 1 1
1
1 1 1
= - - - + - =
- + - -
i n i B
i K K i
v v v v v ) ) )
Ya que: ( ) ( ) ( ) ( ) ( ) ( ) 0 1 1 1 1 1 1
1 1 1 1
= - + - = - - - + -
- - - + - - i i i K K i
DEF Llamaremos adjunta de ! respecto de B a la imagen de de la base de V
ad
B
(!) = (u
1
,., u
n
)
Y ad
B
(!))L(V)
PROP ad
B
(!) no depende de la base tomada
Dem.
Dadas { }
n
u u B ,...,
1
= y { } ,...,
1 n
u u B = bases de V, hemos de comprobar que
ad
B
(!) = ad
B
(!). Sea : V
n
" L(V) respecto de B y : V
n
" L(V) respecto de B.
( )( ) = v ad
B
)

( )( ) ( ) ( ) ( ) ( ) ( )
5
=
-
= - =
n
j
j n j B
j
n
u u u u v v u u
1
1
1
1
,..., ,..., , det 1 ,..., ) ) )
Dadas B y B bases de V
B B
K det det / !

% % = ) 8
( ) ( ) ( ) ( ) ( )
5
=
-
= - =
n
j
j n j B
j
u u u u v
1
1
1
,..., ,..., , det 1 ) ) ) %
( ) ( ) ( ) ( ) ( )
5
=
-
1 = - =
n
j
j n j B
j
u u u u v
1
1
1
,..., ,.., , det 1 % ) ) ) % ( ) ( ) = v u u
n
,...,
1
( ) ( )( ) ( ) ( )( ) ( )( ) v ad v ad u u v ad u u
B B n B B n B
) ) ) % = = = ,..., det ,...., det
1 1
ya que ( ) 1 ,...., det
1
=
n B
u u
Por tanto ad
B
(!) = ad
B
(!) y no depende de la base elegida.
DEF Sea !)L(V). Se define la aplicacin adjunta de !, ad(!), como ad
B
(!) para
alguna base de B de V.
PROP Sea !)L(V), con dimV = n. Se verifica:
1) ( ) ( ) v ad 1 det D D ) ) ) =
18/26
2) ( ) ( ) v ad 1 det D D ) ) ) =
Dem.
1) V v) 0
( ) ( )( ) ( )( ) ( ) = = v ad v ad ) ) ) )D
Sea { }
n
u u B ,...,
1
= una base de V.
) = (( )( ) v u u
n
,...,
1
) ( ) ( ) ( ) ( ) ( ) =
#
#
$
%
&
&
'
(
- =
5
=
-
n
j
j n j B
j
u u u u v
1
1
1
,...., ,...., , det 1 ) ) ) )
( ) ( ) ( ) ( ) ( ) ( )
5
=
-
= - =
n
j
j n j B
j
u u u u v
1
1
1
,..., ,..., , det 1 ) ) ) )
Aplicando el ltimo Lema
( ) ( ) ( ) ( ) ( ) ( ) = = = = v v u u v u u
n B B n B
det ,..., det det ,..., det
1 1
) ) ) )
( ) ( )( ) v v 1 det ) =
Entonces ( ) ( ) v ad 1 det D D ) ) ) =
2) ( ) ( )( ) ( ) ( ) ( ) = = v ad v ad ) ) ) ) D !( ) ( ) ( ) = v u u
n
) ,....,
1
( ) ( ) ( ) ( ) ( ) ( )
5
=
-
= - =
n
j
j n j B
j
u u u u v
1
1
1
,...., ,..., , det 1 ) ) ) )
( ) ( ) ( ) ( ) ( )
5 5
= =
- -
= - = - =
n
j
n
j
j n j B
j
j n j B
j
u u u u v u u u u v
1 1
1
1
1
1
,..., ,..., , det det 1 ,..., ,...., , det 1 )
)
( ) ( )( ) ( ) ( ) ( )( ) v v v v u u
n B
1 det det ,..., det det
1
D ) ) ) = = =
Entonces ( ) ( ) v ad 1 det D D ) ) ) =
COROLARIO Si ! es un automorfismo entonces
( )
( )
( ) ( ) ) )
)
)
) ad
ad
det
det
1 1 - -
= =
19/26
3.3. Determinante de una matriz.
DEF Sea A)M
n
(K). Se define el determinante de la matriz A, A , como el
determinante de las filas de A consideradas como elementos de K
n
y respecto de al base
cannica de K
n
.
Si ( )
ij
a A = la fila i-sima es ( )
in i i i
a a a a ,...., ,
2 1
=

( ) ( )
( ) ( ) ( ) 5
)

= =
n
S
n n n B
a a a a a a A
!
! ! !
! & .... ,...., , det
2 2 1 1 2 1
siendo { }
n
e e e B ,...., ,
2 1
=
En el caso de una matriz cuadrada de orden 2
( ) { }
21 12 12 11
22 21
12 11
2
2 , 1 , 1
2
a a a a
a a
a a
S
S
- =
#
#
$
%
&
&
'
(
. =
y en el caso de una matriz de orden 3
( ) ( ) ( ) ( ) ( ) { }. = 2 , 3 , 1 , 3 , 2 , 1 , 3 , 2 , 3 , 1 , 2 , 1 , 1
3
3 S
S
21 32 13 31 23 12 32 23 11 31 22 13 33 21 12 33 22 11
33 32 31
23 22 21
13 12 11
a a a a a a a a a a a a a a a a a a
a a a
a a a
a a a
+ + - - - =
#
#
#
$
%
&
&
&
'
(
.
PROP Si A)M
n
(K) .
t
A A =
Dem.
Sea ( )
ij
a A = y ( )
ij
t
b A = con n j i a b
ji ij
H H 0 = , 1
( )
( ) ( ) ( ) 5
)
= =
n
S
n n
a a a A
!
! ! !
! & ....
2 2 1 1
Sabemos que
Id n
S 1 /
1 1
= ) 8
- -
! ! ! D
( )
( )( ) ( ) ( )( ) ( ) ( )( ) ( )
5
)
= = - - -
n
S
n n
a a a
!
! ! ! ! ! ! ! ! !
! &
2 2 1 1
1 1 1
.....
Podemos establecer una aplicacin biyectiva
20/26
1 -
"
"
! !
n n
S S
y se verifica ( ) ( )
1 -
= ! & ! &
( )
( ) ( ) ( )
5
)
-
-
- - -
= =
n
S
n n
a a a
1
1 1 1
......
2 2 1 1
1
!
! ! !
! &
Sea
1 -
=! #
( )
( ) ( ) ( )
( )
( ) ( ) ( ) 5 5
) )
= = =
n n
S S
t
n n n n
A b b b a a a
# #
# # # # # #
# & # & ...... .........
2 2 1 1 2 2 1 1
PROP Sea A)M
n
(K). Se verifica
1) Si un determinante tiene dos filas o dos columnas iguales el determinante es cero.
2) Si se multiplica una fila o columna por un escalar, queda el determinante
multiplicado por ese escalar.
3) Si a una fila o columna se le suma una combinacin lineal del resto, el
determinante no vara.
Dem.
Inmediatas, sin ms que tener en cuenta que las filas (o columnas) de A se
consideran vectores de K
n
y que el determinante es una funcin n-lineal alternada.
PROP Sea !)L(V), { }
n
u u B ,....,
1
= base de V y A la matriz asociada a ! respecto de
B. Entonces
( ) A = ) det
Dem.
( ) ( ) ( ) ( ) ( )
( ) ( ) 5
)
= = =
n
S
n n n B
b b u u
!
! !
! & ) ) ) ..... ,...., det det
1 1 1
Siendo (b
j1
, b
j2
,.., b
jn
) las coordenadas de !(u
j
) respecto de B y la fila j-sima de
A.
A =
OBS Si en lugar de escribir !(u
j
) por filas lo hicisemos por columnas tendramos
que es igual, ( ) A A
t
= = ) det
21/26
COROLARIO Si A, B)M
n
(K) . B A B A = 1
Dem.
Sean ( ) V L ) C , ) con A matriz asociada a ! y B a C
( ) ( ) ( ) ) ) ) D det det det = C = B A B A =
COROLARIO A A 3 6 0 es inversible
Dem.
Sea !)L(V) con A matriz asociada.
A es inversible 3 ! es automorfismo 3 ( ) 0 0 det 6 3 6 A )
COROLARIO Si A es inversible, entonces
A
A
1
1
=
-
Dem.
Sea !)L(V) con A matriz asociada
( )
( )
A
A
a asociada matriz la es A
1
det
1
det
1
1 1
1
= .
I
E
I
F
G
=
-
- -
-
)
)
)
3.3.1. Matriz Asociada a Ad( ! !).
Sea !)L(V), A la matriz asociada a ! y denotemos por A(ad(!)) a la matriz
asociada a Ad(!).
Vamos a obtener A(ad(!))
Sabemos que ( ) ( ) v ad 1 det ) ) ) = D
Luego ( ) ( )
n
I A ad A A = )
Sea V un K-espacio vectorial de dimensin n y { }
n
u u B ,...,
1
= base de V. Sabemos
que ( ) = ) ad ( )
n
u u ,....,
1
y sea ( ) ( ) ( )
ij
b ad A = )
22/26
Por una lado tenemos ( )( )
5
=
=
n
i
i ij j
u b u ad
1
) (escribiendo por columnas) y por otro
( )( ) =
j
u ad ) ( )( ) ( ) ( ) ( ) ( ) ( ) = - =
5
=
-
n
i
i n j j B
i
j n
u u u u u u u u
1
1
1
1
,..., ,..., , det 1 ,..., ) ) )
( ) ( ) ( ) ( ) ( ) ( ) ( )
5
=
+ -
- -
- - =
n
i
i n i j i
i i
u u u u u u
1
1 1 1
1 1
,..., , , ,..., det 1 1 ) ) ) )
Hemos obtenido dos expresiones del mismo vector, y como B es base, han de ser
iguales. Entonces
( ) ( ) ( ) ( ) ( ) n j i u u u u u b
n i j i B ij
H H 0 =
- -
, 1 ,..., , , ,..., det
1 1 1
) ) ) )
Ahora vamos a desarrollar el miembro de la derecha para obtener una expresin ms
operativa par b
ij
.
Definimos un endomorfismo auxiliar !
ij
)L(V) n j i H H 0 , 1 como
( )
( )
*
+
,
=
6
=
i K si u
i K si u
u
j
K
K ij
)
)
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = =
+ - + - n ij i ij i ij i ij ij B n i j i B
u u u u u u u u u u ) ) ) ) ) ) ) ) ) ..., , , ,..., det ,..., , , ,.., det
1 1 1 1 1 1
( ) ( )
ij ij
A ) ) = = det
donde por A(!
ij
) representamos la matriz asociada a la aplicacin !
ij
.
Sea ( )
ij
a A = la matriz asociada de !.
La matriz A(!
ij
) es:
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
#
#
#
#
#
$
%
&
&
&
&
&
'
(
=
nn n n
n
n
ij
A A A
A A A
A A A
A
) ) )
) ) )
) ) )
)
.....
..... ..... ..... .....
.....
.....
2 1
2 22 21
1 12 11
y teniendo en cuenta (!
ij
)(u
K
) corresponden a la columna K, tenemos que
( )
#
#
#
#
#
#
$
%
&
&
&
&
&
&
'
(
=
+ -
+ -
+ -
nn i n i n
jn i j i j j
n i i
ij
a a a a
a a a a
a a a a
A
..... 0 .....
..... ..... ..... ..... ..... ..... .....
..... 1 .....
..... ..... ..... ..... ..... ..... .....
..... 0 .....
1 , 1 , 11
1 , 1 , 1
1 1 , 1 1 , 1 11
)
23/26
El determinante es
( ) ( ) ( ) = - - =
+ -
+ -
+ -
- -
nn i n i n n
n i i
jn i j i j j
j i
ij
a a a a
a a a a
a a a a
A
..... ..... 0
..... ..... ..... ..... ..... ..... .....
..... ..... ..... ..... ..... ..... .....
..... ..... 0
..... ..... 1
1 1
1 , 1 , 1
1 1 , 1 1 , 1 11
1 , 1 , 1
1 1
)
Renombremos los elementos de la matriz ( ) ( )
n j i
ij ij
C A
H H
=
, 1
)
( ) ( ) ( )
( ) ( )
=
#
#
$
%
&
&
'
(
- - =
5
)
- +
n
S
n n
j i
C C
!
! !
! & ..... 1 1
1 1
2
Como el determinante de una matriz y su traspuesta coinciden
( ) ( )
( ) ( )
=
#
#
$
%
&
&
'
(
- =
5
)
+
n
S
n n
j i
C C
!
! !
! & ..... 1
1 1
y al ser la primera columna toda nula menos su primer elemento resulta que
( )
( )
( )
*
+
,
=
6
=
1 1 1
1 1 0
1 1
!
!
!
C
( ) ( )
( )
( )
( ) ( )
( ) ( )
=
#
#
$
%
&
&
'
(
- =
#
#
#
$
%
&
&
&
'
(
- =
5 5
-
)
+
=
)
+
1
.... 1 1
2 2
1 1
n n
S
n n
j i
S
n n
j i
C C C
!
! !
!
!
!
! & ! &
( ) Dji
j i
1
+
- =
siendo D
ji
la matriz que se obtiene de A eliminando la fila j y columna i
Por tanto ( )
ij
j i
ij
D b 1
+
- =
DEF Sea A)M
n
(K) con A = (a
ij
). Llamamos menor complementario de a
ij
al
determinante de D
ij
.
DEF Sea A)M
n
(K) con A = (a
ij
). Llamamos adjunto de a
ij
a ( )
ij
j i
ij
D b 1
+
- =
DEF Llamaremos matriz adjunta de A)M
n
(K) a ( )
ij
b A =
Con esta nueva terminolog a tenemos que
24/26
( ) ( )
t
A ad A = )
OBS Si ! es un automorfismo y A es su matriz asociada, sabemos que A es inversible
y
( )
t
A
A
A A
1
1 1
= =
- -
) ya que
( )
( ) )
)
)
det
1
ad
=
-
3.3.2. Desarrollo de un determinante por los adjuntos de una lnea.
PROP Sea A)M
n
(K) con A = (a
ij
). Si (b
ij
) es la matriz de adjuntos se verifica:
1)
5
=
=
n
j
ij ij
b a A
1
(desarrollo por los adjuntos de la fila i)
2)
5
=
=
n
i
ij ij
b a A
1
(desarrollo por los adjuntos de la columna j).
Dem.
Vamos a realizar la demostracin para 2) pues son anlogas ya que
t
A A =
2) ( )
( ) ( ) ( ) 5
)
= =
n
S
n n
a a a A
!
! ! !
! & ....
2 2 1 1
Llevando el elemento que queremos sacar factor comn a la fila 1 y columna 1
tenemos que
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
5 5
=
)
=
)
-
+ + - + - =
j
S
j
S
n n
j
j n n
j
j
n n
a a a a a a a
1 2
3 3 1 1 2 2 2
1
1
.... .... 1 ... 1
!
!
!
!
! ! ! ! !
! & ! &
( ) ( )
( ) ( ) ( )
( )
5
=
)
- -
- +
= - +
j n
S
n n
j n
nj
n
a a a a
!
!
! ! !
! &
1 , 1 2 2 1 1
2
..... 1
Definimos
1 -
)
n i
S ! como ( )
( )
*
+
,
=
6
=
i K i
i K K
K
i
!
!
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( ) 5 5
- -
) )
+ +
+ - + - =
1 1 2
2 2 2 1 1 1
... 1 ..... 1
3 3 1 1 2
2
2 3 3 2 2 1
1
1
n n
S S
n n
j
j n n
j
j
a a a a a a a v a
! !
! ! ! ! ! !
! & &
( ) ( )
( ) ( ) ( ) 5
)
- -
+
= - + +
n n
n n n
S
n n n
j n
nj
a a a a
!
! ! !
! &
2 , 1 2 2 1 1
.... 1 ....
5
=
= + + + =
n
i
ij ij nj nj j j j j
b a b a b a b a
1
2 2 1 1
...
25/26
COROLARIO La suma de los productos de una fila por los adjuntos de una paralela
vale cero.
4. APLICACIN AL CALCULO DEL RANGO DE UNA MATRIZ.
Sabemos que las columnas de una matriz (o filas) de M
n
(K) son linealmente
independientes (consideradas como vectores de K
n
) si y solo si su determinante es no
nulo.
DEF Dada una matriz A)M
mxn
(K) con A = (a
ij
) y m J n se verifica:
rang A = n 3 A tiene al menos un menor de orden n no nulo.
Dem.
.
Si rang(A) = n . En A existen n filas linealmente independientes y por tanto su
determinante es no nulo.
A
Supongamos que A tiene un menor de orden n cuyo determinante es no nulo. Como
el intercambio de filas no altera el rango, podemos suponer sin prdida de generalidad
que
0
.....
..... ..... .....
.....
1
1 11
6
nn n
n
a a
a a
Por tanto las n primeras filas son linealmente independientes y rang (A) J n
Pero como A tiene n columnas . rang(A) H n
Entonces rang(A) = n
DEF Sea A una matriz de orden m x n y D un menor de orden p obtenido de dicha
matriz. Llamamos orlados del menor D a todos los menores de orden p + 1 que
contienen a D.
PROP Sea A)M
mx(n+1)
(K) con A = (a
ij
).
Rang(A) = n 3
*
+
,
nulos son D de orlados los Todos
nulo no n orden de D menor un tiene A
Dem.
.
Si rang(A) = n, por la proposicin anterior A tiene un menor D de orden n no nulo.
26/26
Como A tiene n + 1 columnas, la nica columna que no est en el menor D es
combinacin lineal de las otras. Y como esa columna estar en todos los orlados de D,
stos sern nulos.
A
Por hiptesis, al ser D un menor no nulo de orden n, A tiene n filas linealmente
independientes.
Como todos los orlados son nulos, las dems filas sern combinacin lineal de esas
n.
Luego rang(A) = n.
Bibliografa recomendada.
Curso de algebra y geometra. Juan de Burgos. Ed: Alhambra
Algebra lineal y geometria. Ed: Univ. de Barcelona
Algebra linea. Juan de Burgos. Ed: McGraw-Hill
Algebra lineal. F. Puerta. Ed: Univ. de Barcelona.1975
Linear Algebra. W. Greub. Ed: Springer-Verlag
1/10
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 20
EL LENGUAJE ALGEBRAICO. SMBOLOS Y NMEROS. IMPORTANCIA DE
SU DESARROLLO Y PROBLEMAS QUE RESUELVE. EVOLUCIN HISTRICA
DEL LGEBRA.
1. El Lenguaje Algebraico.
2. Smbolos y Nmeros.
3. Problemas que resuelve.
3.1. lgebra Lineal.
3.2. lgebra Elemental.
3.3. Resolucin de Ecuaciones.
3.4. Programacin Lineal.
3.5. Aplicacin a otras ramas de la Matemtica.
4. Evolucin Histrica del lgebra.
4.1. lgebra Egipcia.
4.2. lgebra Babilnica.
4.3. lgebra Griega.
4.4. lgebra China.
4.5. lgebra India.
4.6. lgebra rabe.
4.7. lgebra Europea medieval y renacentista.
4.8. lgebra europea.
4.9. lgebra Moderna.
Bibliografa Recomendada.
2/10
TEMA 20
EL LENGUAJE ALGEBRAICO. SMBOLOS Y NMEROS. IMPORTANCIA DE
SU DESARROLLO Y PROBLEMAS QUE RESUELVE. EVOLUCIN HISTRICA
DEL LGEBRA.
1. EL LENGUAJE ALGEBRAICO.
La notacin algebraica se ha desarrollado a lo largo de la historia, pasando por tres
etapas sucesivas.
La primera etapa recibe el nombre de lgebra terminolgica. Se caracteriza por una
ausencia total de smbolos. Se utilizan palabras siguiendo su sentido algebraico. As,
cuando se dice que la suma de dos nmeros es independiente del orden de los mismos
se est refiriendo a que a+b=b+a (siguiendo la notacin actual).
En la etapa siguiente aparece el lgebra sincopada. Aquellas palabras de utilizacin
ms habitual se abrevian, apareciendo autnticos ideogramas algebraicos. Dicha
abreviacin fue cada vez a ms, llegando a aparecer smbolos que ya no tenan ninguna
relacin con las palabras que representaban. As fue como la palabra sincopada acab
adquiriendo el valor de un autntico smbolo algebraico.
Por ejemplo, en Europa, la palabra latina minus representaba la sustraccin entre dos
cantidades. En un primer paso se abrevi por m y al final, se prescindi de la m
quedando -.
Los matemticos indios se quedaron en esta etapa, ya que nunca tuvieron intencin
de utilizar otros smbolos que no fuesen las primeras slabas de sus palabras para indicar
las operaciones consideradas.
Fueron los rabes los que realizaron los avances ms espectaculares hacia el lgebra
actual. Gracias a su sentido prctico y capacidad de sntesis, fueron capaces de dirigir la
aritmtica hacia una tcnica de operaciones algebraicas, para convertirla en una ciencia
constructiva y positiva.
La ltima etapa recibe el nombre de lgebra simblica actual. Esta etapa comienza
a partir de los esfuerzos y contribuciones de los matemticos europeos del Renacimiento
y de la poca clsica.
Fibonacci, Gerolamo Cardano, Franois Vite, Ren Descartes, etc., son algunos de
los principales matemticos que proporcionaron, gracias a sus contribuciones, el paso
del raciocinio especfico al raciocinio global. Afirmaba Condillac que el lgebra es a
los nmeros rabes lo que stos son a los romanos, lo cual es debido a que el lgebra es
la nica lengua bien hecha y a que las matemticas actuales son una ciencia bien tratada.
Podemos encontrar una analoga impresionante entre la historia del lgebra y la de
la aritmtica. La humanidad ha chocado durante muchos siglos con numeraciones que
no utilizaban la regla de posicin ni el cero para representar cantidades nulas. En el
lgebra, la falta de una notacin general, ha reducido esta ciencia a una coleccin de
3/10
reglas establecidas al azar para resolver las ecuaciones numricas. Al igual que el
descubrimiento del cero es el inicio de la aritmtica moderna, la notacin literal fue el
comienzo de una nueva era en la historia del lgebra.
Las proposiciones matemticas haban estado, bien encerradas en un lenguaje
terminolgico puro sometido al azar de las interpretaciones, bien bloqueadas en un
pensamiento semiconcreto que sigue una regla general pero que opera sobre casos
concretos. Antes de la notacin general solo se haba trabajado con expresiones
especficas, que no podan ser tratadas ms que por sus propiedades individuales.
Por el contrario, la propia idea de emplear sistemticamente letras para designar
variables, incgnitas o constantes indeterminadas ha liberado al lgebra del yugo
ejercido desde siempre por el verbo. En oposicin con los vocablos y las abreviaturas
heterogneas empleados hasta entonces para expresar ideas preconcebidas como los
nmeros, nuestra x actual es totalmente independiente de la naturaleza de los elementos
particulares que representa.
Todo esto es equivalente a decir que la notacin literal a permitido pasar de lo
individual a lo general. Dicho de otra manera, al realizar la equivalencia entre las
proposiciones matemticas expresadas de manera verbal y literaria y las expresiones
correspondientes formadas exclusivamente por letras y smbolos que representan
nmeros cualesquiera, se ha podido, a partir de entonces, pasar de un razonamiento
individual, referido a propiedades especficas, a un razonamiento global sobre las
propiedades comunes a todos los casos de una misma especie, elevando desde entonces
la ciencia algebraica a un nivel muy superior al de una simple estenografa
circunstanciada.
Y todo esto es lo que ha hecho posible elaborar la teora general de funciones, la
algebraizacin del anlisis y el desarrollo de la geometra analtica.
2. SMBOLOS Y NMEROS.
Ya hemos visto que el lgebra utiliza letras y otros smbolos apropiados para
representar expresiones y resultados generales. Muchos de esos smbolos han
evolucionado a lo largo de la historia hasta alcanzar la forma con que los conocemos
hoy en da. Al utilizar los smbolos hemos de tener en cuenta de forma clara qu
representa cada uno de ellos.
En la representacin de cantidades hacemos uso de letras. Para las letras utilizamos
cualquiera de las que nos encontramos en el alfabeto. Si no tenemos suficiente podemos
aadirles subndices y superndices u otros elementos del lenguaje como para denotar,
por ejemplo, a y se lee a prima. Tambin es comn la utilizacin de las letras del
alfabeto griego, tanto en minsculas como en maysculas.
Para poder relacionar las cantidades anteriores utilizamos operadores como =, <, >,
!, ", #, de los que no es preciso indicar su significado, por todos conocido.
4/10
Las operaciones que podemos realizar con las cantidades expresadas mediante letras
son las mismas que si fuesen nmeros. Tenemos la suma, +, la resta, -, producto,
divisin, potencia, raz, etc.
3. PROBLEMAS QUE RESUELVE.
3.1. lgebra Lineal.
Estudio de los espacios vectoriales, que permite definir los espacios afines
abstractos y en general toda la geometra.
Estudio y desarrollo de determinantes y matrices, que nos va a permitir realizar el
estudio de sistemas de ecuaciones lineales, y tambin como medio para describir
aplicaciones entre espacios vectoriales de dimensin finita y de aplicaciones afines entre
espacios afines.
Estudio de formas bilineales y cuadrticas en espacios normados, que permiten
sistematizar la geometra mtrica.
Al trabajar con subespacios invariantes nos encontramos con el clculo de los
valores propios de una matriz as como el estudio de sus formas normales. Tambin el
estudio de valores propios aparece, por ejemplo, a la hora de clasificar las
hipercudricas.
3.2. lgebra Elemental.
El uso de frmulas sigue siendo uno de los mtodos ms empleados en aquellos
problemas en los que haya dependencia de variables de cualquier tipo.
El mtodo algebraico, aparece en otras reas del conocimiento, no slo en
Matemticas. Nos encontramos aplicaciones en Fsica, Ingeniera, etc. Aquellas partes
del lgebra ms desarrolladas tambin han encontrado aplicacin en la Mecnica
Cuntica.
3.3. Resolucin de Ecuaciones.
La determinacin de soluciones de una ecuacin algebraica de grado n provoc la
aparicin de numerosas tcnicas, muchas de las cuales se utilizan en campos
impensados por los matemticos que las idearon. Entre ellas tenemos la teora de
Galois, extensiones transcendentes de cuerpos, teora de grupos, mtodos de iteracin,
etc.
Muchos problemas de matemticas, fsica, qumica, ingeniera, etc. necesitan para
su resolucin de un clculo algebraico ms o menos complicado. En algunos de esos
problemas, los smbolos no denotan nmeros, sino otro tipo de entidades como pueden
ser vectores.
5/10
3.4. Programacin Lineal.
Es una de las aplicaciones ms modernas del lgebra. Resuelve gran cantidad de
problemas de optimizacin. Se trata de encontrar el mnimo de una determinada funcin
dentro de un subconjunto. En caso de que exista, hay que calcular tanto el mnimo como
en el lugar donde se alcanza. Se dice que el problema es de programacin lineal cuando
la aplicacin es una forma lineal y el subconjunto viene dado por un conjunto de
desigualdades lineales.
3.5. Aplicaciones a otras ramas de la matemtica.
Como consecuencia del proceso de sistematizacin de la matemtica llevado a cabo
a lo largo del siglo pasado, la interrelacin entre las diferentes ramas de la matemtica
es total. As, el lgebra se usa a menudo en campos tan dispares como el Anlisis
Numrico, Teora de Ecuaciones Diferenciales, Anlisis Funcional, Investigacin
Operativa, Topologa Algebraica, etc.
4. EVOLUCIN HISTRICA DEL LGEBRA.
4.1. lgebra Egipcia.
En el papiro de Ahmes nos podemos encontrar con problemas que podemos
clasificarlos como algebraicos. Estos problemas no se refieren a objetos concretos ni
piden el resultado de operaciones con nmeros conocidos. Se trata de resolver
ecuaciones lineales de la forma x+ax=b o x+ax+bx=c siendo a, b, c nmeros conocidos
y x desconocido, que recibe el nombre de aha o montn.
4.2. lgebra Babilnica.
Conocemos una tabla de la que hacan gran uso los babilonios. Se trata de una
tabulacin para valores n naturales de n
3
+n
2
, y que jug un papel esencial en el lgebra
babilnica. La resolucin de la ecuacin de segundo grado no ofreca ninguna dificultad
importante, dada la flexibilidad que haban desarrollado en las operaciones algebraicas.
Podan transponer trminos de una ecuacin sumando igualdades, eliminar factores
multiplicando ambos miembros por cantidades iguales, sumando 4ab a (a-b)
2
lo podan
transformar en (a+b)
2
, etc.
No usaban letras para denotar cantidades desconocidas puesto que todava no tenan
alfabeto, pero utilizaban palabras como longitud, rea, y otras para dicho fin.
El lgebra egipcia se haba centrado en la resolucin de ecuaciones lineales, algo
que los babilonios consideraron elemental. En problemas de la poca nos encontramos
con que resolvan sistemas de dos ecuaciones lineales con dos incgnitas.
La resolucin de ecuaciones cuadrticas completas super en mucho la capacidad
algebraica de los egipcios, pero no as de los babilonios. stos las clasificaron en tres
tipos que reducidas a sus formas cannicas son:
a) x
2
+px=q
b) x
2
=px+q
6/10
c) x
2
+q=px
Los babilonios slo supieron resolver aquellas con soluciones reales, ya que
desconocan los complejos.
El lgebra mesopotmica alcanz un alto grado de flexibilidad, que queda
demostrado al ser capaces de reducir una ecuacin cuadrtica de la forma ax
2
+bx=c a
su forma normal y
2
+by=ac por medio del cambio de variable y=ax.
4.3. lgebra Griega.
En poca de Platn, la dicotoma existente entre nmero y magnitud continua exiga
un nuevo planteamiento del lgebra babilnica que haban heredado los pitagricos.
Haba que construir un lgebra geomtrica que generalizase y ocupase el lugar de la
vieja lgebra aritmtica. En esta nueva lgebra ya no se podran sumar segmentos con
reas o reas con volmenes, como hacan los babilonios, sino que tena que haber una
homogeneidad estricta de los trminos de las ecuaciones. Las formas cannicas
mesopotmicas, xy=A, xy=b, deberan ser interpretadas geomtricamente. As, los
griegos consiguieron resolver las ecuaciones cuadrticas por medio de procedimientos
que formaban parte del lgebra geomtrica, que aparece tratada de manera muy
completa en los Elementos de Euclides. El lgebra geomtrica griega era excesivamente
artificial y difcil, pero era considerada cmoda por aquellos que la manejaron con
asiduidad.
El Libro II es uno de los ms cortos de los que componen la obra de los Elementos
de Euclides. Consista en un lgebra geomtrica que les serva ms o menos para los
mismos fines que nuestra lgebra simblica. Los Elementos fueron la primera obra
matemtica griega de importancia que ha llegado hasta nosotros. Fue escrito hacia el
300 a.C.
La matemtica griega no se mantuvo uniformemente a un nivel alto, sino que el
glorioso periodo del siglo III a.C. fue seguido de una poca de decadencia que no se
recuper hasta la Edad de Plata de la matemtica griega, que abarca desde el ao 250
al 350 aproximadamente.
La Arithmetica de Diofanto constitua un tratado que se caracterizaba por el alto
grado de habilidad matemtica y de ingenio. Este libro no tena nada que ver con la
matemtica griega tradicional, ya que no segua los mtodos geomtricos y recordaba
mucho al lgebra babilnica tradicional. Este tratado est dedicado casi completamente
a la resolucin exacta de ecuaciones determinadas e indeterminadas.
A lo largo de los seis libros que nos han llegado de la Arithmetica, podemos ver que
se hace uso de ciertas abreviaturas par potencias de nmeros y para relaciones y
operaciones entre ellos. Un nmero desconocido o incgnita se representa por un
smbolo que se parece a la letra griega s. Diofanto conoca las reglas de combinacin
equivalentes a nuestras leyes para operar con los exponentes, y tena adems nombres
especiales para los inversos de las seis primeras potencias de la incgnita, lo que
equivale a nuestras potencias negativas. Podemos afirmar que Diofanto ha tenido una
influencia mucho mayor sobre la teora de nmeros moderna que cualquier otro
algebrista no-geomtrico griego.
7/10
4.4. lgebra China.
En el documento Chou Pei (se cree que es del 300 a.C.) nos encontramos con
algunas indicaciones relativas al teorema de Pitgoras, que es tratado algebraicamente
por los chinos.
Casi tan antiguo como el Chou Pei es el Chui-chang suan-shu, o los Nueve
Captulos sobre el Arte Matemtico. El captulo ocho de los Nueve Captulos tiene una
gran importancia por contener problemas que conducen a sistemas de ecuaciones
lineales, utilizando nmeros positivos y negativos.
El matemtico chino Chu Shih-Chieh, escribi dos tratados siendo el segundo, Ssu-
yan y-Chien o Espejo Precioso de los Cuatro Elementos (1303), el que mayor inters
matemtico tiene. Los cuatro elementos a que se refiere el ttulo (el cielo, la tierra, el
hombre y la materia) representan cuatro incgnitas de una ecuacin. Este libro marca la
cota ms alta que alcanz el desarrollo del lgebra china, y en l se estudian tanto
sistemas de ecuaciones simultneas como ecuaciones individuales de grados tan altos
como el 14. El autor explica en el libro un mtodo de transformacin para ecuaciones
que en occidente se conoce como Mtodo Horner, matemtico que vivi 500 aos
despus.
4.5. lgebra India.
Fue el matemtico hind Brahmagupta quien realiz las contribuciones ms
importantes al lgebra. Dio soluciones generales de ecuaciones cuadrticas, incluyendo
las dos races aun en casos en que una de ellas es negativa. Aparece sistematizada la
aritmtica de nmeros negativos y el cero surge por primera vez.
A los hindes les corresponde el mrito de considerar como nmeros las races
irracionales de otros nmeros, algo que no hicieron los griegos. El lgebra hind es
notable por su desarrollo del anlisis indeterminado, al que Brahmagupta hizo varias
contribuciones. Podemos indicar que fue este autor el que dio una solucin general de la
ecuacin diofntica lineal ax+by=c con a, b y c enteros.
Otro matemtico hind digno de mencionar fue Bhaskara (1114-1185). Complet
algunos huecos de la obra de Brahmagupta. Dio una solucin de la ecuacin de Pell y se
enfrent al problema de la divisin por cero. El tratado ms conocido de Bhaskara es el
Lilavati. Contiene numerosos problemas sobre ecuaciones lineales y cuadrticas.
4.6. lgebra rabe.
El matemtico Al-Khowarizmi es al que podemos considerar como Padre del
lgebra. A partir del ttulo de su obra ms importante, Al-jabr wal muqabalah, se ha
derivado el trmino lgebra, cosa natural si se tiene en cuenta que fue de este libro del
que aprendi ms tarde Europa la rama matemtica que lleva ese nombre. Ni Al-
Khowarizmi ni otros matemticos rabes hicieron uso de la sincopacin ni de los
nmeros negativos. No obstante, Al-jabr viene a estar ms prxima al lgebra elemental
moderna que las obras de Diofanto o Brahmagupta, ya que este libro trata de la
exposicin directa y elemental de la resolucin de ecuaciones, especialmente de las de
segundo grado.
8/10
A los rabes les gustaba mucho poder seguir una argumentacin lgica correcta y
clara de las premisas a la conclusin, as como una organizacin sistemtica.
La traduccin latina del Algebra de Al-Khowarizmi comienza con una breve
introduccin acerca del principio de notacin posicional para los nmeros, y a
continuacin se expone, en seis breves captulos, la solucin de los seis tipos de
ecuaciones que resultan al considerar simultneamente en presencia los tres posibles
tipos de cantidades: cuadrados, races, nmeros (es decir, x
2
, x y nmeros). Los seis
tipos de ecuaciones anteriores agotan todas las posibilidades de ecuaciones lineales y
cuadrticas que tengan una raz positiva.
El Algebra de Al-Khowarizmi contiene ms cosas adems de la resolucin de
ecuaciones. Nos encontramos con reglas para operar con expresiones binmicas,
incluyendo productos. Aunque los rabes rechazaban las races negativas y, en general,
todo tipo de magnitudes absolutas negativas, estaban familiarizados con las reglas que
rigen las operaciones con nmeros enteros positivos y negativos, considerados stos
como restas indicadas.
Abul-Wefa tradujo la Arithmetica de Diofanto y su sucesor, Al-Karkhi, utiliz esta
traduccin para convertirse en un discpulo rabe de Diofanto. A l se le atribuye la
primera resolucin numrica de ecuaciones de la forma ax
2n
+bx
n
=c, considerando
nicamente races positivas.
4.7. lgebra Medieval y Renacentista.
Fibonacci escribi en el ao 1202 su obra Liber abaci. Es un tratado muy completo
sobre mtodos y problemas algebraicos, en el que se recomienda el uso de los
numerales hind-arbigos.
Leonardo da Pisa fue sin duda el matemtico ms original y ms importante del
mundo medieval cristiano, pero la mayor parte de su obra era demasiado avanzada para
ser entendida por sus contemporneos. En su obra Liber Cuadratorum encontramos una
gran variedad de problemas, uno de los cuales recuerda los de Diofanto.
El primer libro de lgebra del renacimiento fue el Triparty de Chuquet. Pero fue el
libro Summa de arithmetica, geometrica, proportioni et proportionalita del fraile
italiano Luca Pacioli (1445-1514) el que tuvo mayor importacia, hasta eclipsar al
primero. Las historias del lgebra solan pasar del Liber Abaci de 1202 a la Summa de
1494 sin mencionar ninguna obra intermedia.
En Alemania tambin surgieron algebristas de relevancia. A ellos les debemos los
smbolos + y para denotar la suma y la resta, en lugar de los smbolos italianos p y m.
Las obras ms importantes de esta poca son Coss (1525) de Christoph Rudolff, el
Rechnung (1527) de Peter Apian y la Arithmetica integra (1544) de Michael Stifel. En
la primera de estas tres obras encontramos el uso de fracciones decimales, as como del
smbolo moderno de las raices, en la segunda obra nos encontramos impreso el
Tringulo de Pascal (un siglo antes de su nacimiento). La tercera obra fue la ms
importante, ya que trata de los nmeros negativos, las races y las potencias, pero
ninguno de los problemas que contena conduca a una ecuacin cbica.
9/10
Fue al ao siguiente, 1545, cuando se divulg la solucin de la ecuacin cbica y
tambin de la curtica, gracias a la publicacin del Ars Magna de Jernimo Cardano.
Este avance tan sorprendente e inesperado supuso un impacto tan fuerte que el ao 1545
se suele considerar a menudo el comienzo de la matemtica moderna. Hemos de
especificar que el propio Cardano explica en su obra que la solucin de la ecuacin
cbica la obtuvo de Niccolo Tartaglia, y la curtica de Luigi Ferrari. Una consecuencia
de la solucin de la cbica fue la aparicin de un nuevo tipo de nmero, los complejos.
4.8. lgebra Europea.
La introduccin de la notacin simblica se asocia con el nombre de Vieta, que
comenz a escribir con letras, no slo las incgnitas, sino tambin los coeficientes.
Descartes tambin contribuy al desarrollo de la notacin simblica. A partir de ese
momento podemos afirmar que el lgebra es la ciencia de los clculos simblicos, de las
transformaciones, de las frmulas literales, de las ecuaciones algebraicas, etc.
Esta forma de concebir el lgebra quedo aclarada en el libro Introduccin al
lgebra de Euler, escrito en el ao 1760. El libro de descompone en varias partes.
En la primera parte del libro aparece la teora de los clculos con nmeros enteros,
las fracciones ordinarias, las races cuadradas y cbicas, la teora de los logaritmos, las
progresiones, los clculos con polinomios, el binomio de Newton y sus aplicaciones.
En la segunda parte nos podemos encontrar con la teora de las ecuaciones de primer
grado y de los sistemas de tales ecuaciones, la teora de las ecuaciones cuadrticas, las
soluciones de las ecuaciones de tercer y cuarto grado por radicales, as como diversos
mtodos de resolucin de ecuaciones diofnticas.
A finales del siglo XVIII, un problema comenz a destacar sobre el resto: la teora
de la resolucin de las ecuaciones algebraicas. Solucionadas las de grado tres y cuatro,
aparecieron una gran cantidad de teoremas y resultados para intentar resolver este
problema.
4.9. lgebra Moderna.
Abarca desde el siglo XVIII en adelante. Siendo esta etapa la de menor duracin, es
tambin en la que ms a variado la concepcin original del lgebra.
A principios del siglo XVIII la pujanza del Anlisis era total, hasta el punto de que
la composicin de fuerzas y velocidades (conocidas desde el siglo anterior) no
repercutieron en el lgebra, a pesar de ser la semilla del clculo vectorial.
A principios del XIX la nocin de ley de composicin se extiende a conjuntos que
tienen parecido solo remoto con los nmeros. As destacaramos la teora de las
sustituciones desarrollada a partir de las ideas de Gauss, Vandermonde y Lagrange, y
que dieron lugar a la teora de grupos.
Pero es Galois el verdadero iniciador de esta teora. Es el primero que profundiza en
los grupos de permutaciones y el primero que define subgrupo invariante. Igualmente
10/10
acaba con la controversia sobre las ecuaciones algebraicas al demostrar que las
ecuaciones de grado superior al cuarto no son resolubles por radicales.
Pero fueron los algebristas ingleses los que dieron el empujn claro hacia la
abstraccin, llegaron a la nocin abstracta de ley de composicin y ampliaron as el
campo algebraico: el lgebra de Boole, vectores, cuaterniones y sistemas
hipercomplejos con Hamilton, matrices y leyes no conmutativas con Cayley.
Paralelamente en el continente se inicia la evolucin del clculo vectorial (Moebius)
y lgebra lineal (Grassmann).
La escuela alemana del siglo XIX (Dirichlet, Kronecker, Hilbert) construy la teora
de nmeros algebraicos, iniciada por Gauss. A partir de Gauss se introducen cuerpo,
anillos, ideales,...
A lo largo del siglo XX el desarrollo del lgebra ha continuado gracias a Jordan,
Sylvester, Lie, Klein, Poincar, Sylow, etc.
Bibliografa Recomendada.
Historia de la Matemtica. Carl B. Boyer (Alianza Editorial).
Historia Universal de las Cifras. Georges Ifrah (Espasa)
Elementos de historia de las Matemticas. N. Bourbaki (Alianza Universidad)
1/20
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 21
FUNCIONES REALES DE VARIABLE REAL. FUNCIONES ELEMENTALES.
SITUACIONES EN QUE APARECE. FUNCION COMPUESTA.
1. Introduccin.
1.1. Subconjuntos de !.
1.2. Cotas de subconjuntos.
2. Concepto de funcin.
3. Operaciones con funciones.
3.1. Suma de funciones.
3.2. Producto de funciones.
3.3. Producto de una funcin por un nmero real.
3.4. Composicin de funciones.
4. Funcin Recproca.
5. Relacin de Orden en F (A).
6. Tipos de Funciones.
6.1. Funciones Acotadas.
6.2. Funciones Montonas.
6.3. Funciones Pares e Impares.
6.4. Funciones Peridicas.
7. Funciones Elementales, situaciones reales donde aparecen.
7.1. Funciones Polinmicas de 1
er
grado.
7.2. Funciones Polinmicas de 2 grado.
7.3. Funciones Potenciales.
7.4. Funciones Polinmicas.
7.5. Funciones de Proporcionalidad Inversa.
7.6. Funciones Escalonadas.
7.7. Funciones Exponenciales.
7.8. Funciones Logartmicas.
7.9. Funciones Definidas a trozos.
Bibliografa Recomendada.
2/20
TEMA 21
FUNCIONES REALES DE VARIABLE REAL. FUNCIONES ELEMENTALES.
SITUACIONES EN QUE APARECE. FUNCION COMPUESTA.
1. INTRODUCCIN.
1.1. Subconjuntos de ! !.
Los conjuntos de nmeros que conocemos son
" = Naturales.
# = Enteros.
$ = Racionales.
! = Reales.
% = Complejos.
En este tema vamos a trabajar sobre el conjunto de nmeros reales.
Los subconjuntos de nmeros reales ms simples que no podemos encontrar son los
intervalos.
Intervalos Abierto ( ) { ! = x b a, ! a / <x < } b
Intervalo Cerrado [ ] { ! = x b a, ! } b x a " " /
Como podemos comprobar fcilmente, un intervalo abierto comprende todos los
nmeros reales situados entre los extremos, pero sin incluir a stos. En cambio, un
intervalo cerrado si los incluye.
Tambin podemos encontrar intervalos que son mezcla de ambos.
Intervalos Semiabiertos y Semicerrados.
(a, b] = {x!!/ a < x " b}
[a, b) = {x!!/ a " x < b}
Otro tipo de intervalo son las semirrectas. Estas, a su vez, pueden ser abiertas o
cerradas segn no incluyan o si el extremo, respectivamente.
Semirrectas Abiertas a la derecha (a, #) = {x!!/ a < x}
Semirrectas Abiertas a la izquierda ($, a) = {x!!/ x < b}
3/20
Semirrectas Cerradas a la derecha [a, #) ={x!!/ a " x}
Semirrectas Cerradas a la izquierda ($, b] = {x!!/ x " b}
Podemos observar que las semirrectas cerradas no van entre corchetes. Eso se
explica porque la flecha representa a + % a - % y estos elementos no son nmeros
reales (forman parte de la recta real ampliada).
El ultimo tipo de intervalos que nos podemos encontrar son los entornos reales.
Estos son intervalos con unas caractersticas que los diferencian del resto. Son siempre
intervalos abiertos y estn centrados en un punto.
E(a, r) = {x!!/ a r < x < a + r}
Se dice que E(a, r) es un entorno de centro a y radio r. Equivale a
E(a, r) = (a r, a + r).
Tambin nos podemos encontrar con los subconjuntos de !. Estos son entidades
menos simples que los intervalos vistos antes. Por ejemplo:
A = (- 2, -1) & {0} & [2, 4]
1.2. Cotas de Subconjuntos.
DEF a!! es cota superior de A'! si (x!A se verifica x " a.
DEF a!! es cota inferior de A'! si (x!! se verifica x ) a.
DEF Si a!! es cota superior del subconjunto A'!, entonces, cualquier b!! con
b>a es tambin cota superior. De forma anloga, si a es cota inferior de A'! entonces
dado b!! con b < a tambin es cota inferior.
DEF Diremos que un subconjunto A' r est acotado superiormente si tiene cota
superior.
DEF Diremos que un subconjunto A'! est acotado inferiormente si tiene cota
inferior.
DEF Diremos que un subconjunto A'! est acotado si lo est superior e
inferiormente.
DEF Diremos que a!! es el Supremo del Subconjunto A'! si es la ms pequea de
las cotas superiores. Se representa por a = Sup A.
DEF Diremos que a!! es el Infimo del Subconjunto A'! si es la ms grande de las
cotas Inferiores. Se representa por a = Inf A.
4/20
DEF Diremos que a!! es el Mximo del subconjunto A'! si a = Sup A y a!A. Se
representa por a = Max A.
DEF Diremos que a!! es el Mnimo del subconjunto A'! si a = Inf A y a!A. Se
representa por a = Min A.
2. CONCEPTO DE FUNCIN.
Sean A y B dos conjuntos cualesquiera.
DEF Una correspondencia entre dos conjuntos A y B cualesquiera es una relacin
entre los elementos de ambos conjuntos.
Ejemplo.
Sea A = {Alumnos} y B = {Asignaturas} y definimos la relacin Matriculado
en.
Es fcil ver que un alumno puede estar matriculado en varias asignaturas y que de
una asignatura pueden estar matriculados varios alumnos.
Por tanto un elemento de A puede estar relacionado con varios del B y uno del B
con varios del A.
DEF Una aplicacin entre dos conjuntos es una correspondencia entre ambos donde
cada elemento del primer conjunto est relacionado con un nico elemento del segundo.
Ejemplo.
Sea A = {alumnos} y B = {sillas} y definimos la relacin sentado en. Es
inmediato comprobar que la relacin es una aplicacin ya que un alumno solo puede
estar relacionado con una silla (no puede estar sentado en dos a la vez).
DEF Una funcin es una aplicacin entre conjuntos numricos. Se puede denotar por
( ) x f x
B A f
#
# :
donde
f es la funcin
A es el conjunto inicial
B es el conjunto final
X es la variable independiente
f(x) es al relacin entre ambos conjuntos.
DEF El Dominio de una funcin f es el subconjunto del conjunto inicial formado por
todos los valores que puede tomar la variable independiente. Se representa por Dom f,
es decir, Dom (f) = {x!A/ *f(x)}.
5/20
DEF Diremos que y
o
!B es imagen por f si *x
o
!A tal que f(x
o
) = y
o
.
DEF El Recorrido de una funcin f es el subconjunto del conjunto final formado por
todas las imgenes. Se representa por Rec f. Tambin se conoce por Rango de la
funcin, es decir, Rec (f) = {y!B/ *x!A con f(x) = y}.
OBS Las funciones cuyo conjunto inicial es el conjunto de los nmeros naturales
reciben el nombre de sucesiones.
A partir de ahora vamos a tratar las funciones reales de variable real, f: ! # !.
DEF Dada f: ! # !, llamaremos grafo de f al conjunto
G = {(x, y)!!x!/ y = f(x)}
OBS Conociendo G, tenemos completamente determinada la funcin f.
Si dado x!! disponemos de una frmula que permita calcular f(x), podemos
definir f como y = f(x).
Si lo que tenemos es y = f(x), entenderemos que el dominio de f ser el
subconjunto A'! para el que es posible efectuar las operaciones indicadas en la
frmula f(x). A recibira el nombre de Campo de Existencia o Dominio de Definicin de
f(x).
Al frmula que expresa f(x) puede no tener una expresin analtica. Por ejemplo
f(x)= Mayor nmero primo menor que x.
Resumiendo, el conocimiento de G define la funcin, y como G puede representarse
en un diagrama cartesiano, la funcin puede venir dada por una grfica o por una tabla
de valores, adems de por una frmula.
5. OPERACIONES CON FUNCIONES.
DEF Dadas f: A # ! y g: B # ! con A, B ' !, diremos que f = g si se verifica que
A = B y que f(x) = g(x) (x!A.
3.1. Suma de funciones.
DEF Dadas dos funciones f: A # ! y g: B # ! con A, B ' ! se define la suma,
f + g, como la funcin
f + g: Dom (f) + Dom (g) # !
x # (f + g) (x)
siendo (f + g) (x) = f(x) + g(x) (x!A+B
6/20
PROP La operacin suma definida anteriormente verifica las siguientes propiedades:
1) Conmutativa.
2) Asociativa.
3) Elemento Neutro.
4) Elemento Opuesto.
Dem.
Sean f: A # ! y g: B # ! con A, B ' ! y sea D = Dom (f) + Dom (g)
1) Dada f + g: D # ! definida por (f + g) (x) = f(x) + g(x) (x!
Podemos construir g + f: D # ! tal que (g + g) (x) = g(x) + f(x) (x!D
Es fcil ver que f + g y g + f tienen el mismo dominio, pues
Dom (f + g) = Dom (g + f) = D
Y (x!D (f + g) (x) = f(x) + g(x) =
Como f(x) !! y g(x)!!
= g(x) + f(x) = (g + f) (x)
Luego f + g = g +f.
2) Sean f: A # !, g: B # ! y h: C # ! con A, B, C ' !.
Sean A = Dom (f), B = Dom (g) y C = Dom (h).
Si (f + g) + h: (A+B)+C # ! con [(f + g) + h] (x) = (f(x) + g(x)) + h(x)
(x!(A+B)+C podemos construir.
f + (g + h): A+(B+C) # ! con [f + (g + h)](x) = f(x) + (g(x) + h(x))
(x!A+(B+C).
Veamos que son iguales.
Trivialmente (A+B)+C = A+(B+C)
(x!(A+B)+C se verifica
[(f + g) + h] = (f(x) + g(x)) + h(x) =
como f(x)!!, g(x)!! y h(x)!!
7/20
= f(x) + (g(x) + h(x)) = [f + (g + h)] (x)
Por tanto (f + g) + h = f + (g + h)
3) Definimos O: ! # ! con (x!! O(x) = 0
Se verifica por tanto que f + O = f = O + f
(x!A (f+O)(x) = f(x) + O(x) = f(x) + O = f(x) = O + f(x) = O(x) + f(x) = (O + f)(x)
4) Dada f: A # !, podemos encontrar (- f): A # ! con (- f)(x) = - f(x) (x!A
As pues, f + (- f) = 0
CONCLUSIN Si definimos F (A) = {f: A # !/ f funcin real con Dom f = A'!}
podemos afirmar que ( F (A), +) es un grupo abeliano.
3.2. Producto de funciones.
DEF Dadas dos funciones f: A # ! y g: B # ! con A, B!! se define el producto,
f g, como la funcin:
f g: D # !
x # (f g) (x)
siendo (f g) (x) = f(x) g(x) (x!D donde D = Dom (f) + Dom (g)
PROP Las operaciones producto definida anteriormente verifica las siguientes
propiedades:
1) Conmutativa.
2) Asociativa.
3) Elemento Neutro.
4) Elemento Inverso.
Dem.
Sean f: A # ! y g: B # ! con A, B ' !.
1) Anlogamente a la proposicin anterior.
2) Anlogamente a la proposicin anterior.
3) Definimos 1: ! # ! con 1(x) = 1 (x!!
8/20
Se verifica que (f 1) (x) = f(x) 1(x) = f(x) 1 = f(x)
(1 f) (x) = 1(x) f(x) = 1 f(x) = f(x)
Luego f 1 = f = f 1
4) Podemos definir # =
1
A
f
! con ( )
( )
A x
x f
x
f
! ( =
,
,
-
.
/
/
0
1
1
1
Siendo A el subconjunto de A/ (x!A f(x) 2 0.
Se verifica que ( ) ( ) ( ) ( )
( )
1
1 1 1
= 3 =
,
,
-
.
/
/
0
1
3 =
,
,
-
.
/
/
0
1
3
x f
x f x
f
x f x
f
f
( ) ( ) ( )
( )
( ) 1
1 1 1
= =
,
,
-
.
/
/
0
1
=
,
,
-
.
/
/
0
1
3 x f
x f
x f x
f
x f
f
Luego
f
f f
f
1
1
1
3 = = 3
La funcin 1 tendra dominio A.
CONCLUSIN ( F (A), ) es un semigrupo abeliano multiplicativo.
PROP Se verifica la propiedad distributiva del producto respecto de la suma.
Dem.
Hemos de demostrar que
(f + g) h = f h + g h
siendo f: A # !, g: B # ! y h: C # ! y A= Dom (f), B= Dom (g) y C= Dom (h)
Definimos (f + g) h: A+B+C # ! como ( ) [ ]( ) ( ) ( ) ( ) ( ) x h x g x f x h g f + = + y
definimos ( ) # + + + : C B A gh fh ! como ( )( ) ( ) ( ) ( ) ( ) x h x g x h x f x gh fh + = +
verificndose:
1) El dominio de ambas es el mismo
2) El verificarse en ! la propiedad distributiva
( ) [ ]( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )( ) x gh fh x h x g x h x f x h x g x f x h g f + = + = + = +
Luego (f + g)h = fh + gh
9/20
CONCLUSIN ( F (A), +, ) es un anillo conmutativo con unidad.
3.3. Producto de una funcin por un nmero Real.
DEF Dada la funcin f: A # ! y 4!!, se define el producto de 4 por f, 4f, como la
funcin
4f: A # !
x # (4f)(x)
siendo (4f)(x) = 4 f(x)
PROP La operacin anterior verifica las siguientes propiedades:
1) Distributiva respecto de la suma de funciones.
2) Distributiva respecto de la suma de nmeros reales.
3) Pseudo asociativa.
4) Elemento Unidad.
Dem.
Sea f: A # ! y g: B # ! dos funciones con A, B ' ! y sean 4, 5!! dos
nmeros cualesquiera.
1) Hemos de comprobar que 4(f + g) = 4f + 4g
( ) [ ]( ) ( )( ) ( ) ( ) ( ) = + = + 3 = + x g x f x g f x g f ! ! !
En ! se verifica la propiedad distributiva
( ) ( ) ( )( ) ( )( ) ( )( ) B A x x g f x g x f x g x f + ! ( + = + = 3 + 3 = ! ! ! ! ! !
y como ambas funciones tienen por dominio A+B, se verifica que
4(f + g) = 4f + 4g
2) Hemos de comprobar que ( ) f f f " ! " ! + = 3 +
( ) [ ]( ) ( ) ( ) = 3 + = 3 + x f x f " ! " !
En ! se verifica la propiedad distributiva
( ) ( ) ( )( ) ( )( ) ( )( ) A x x f f x f x f x f x f ! ( + = + = + = " ! " ! " !
Por tanto ( ) f f f " ! " ! + = +
10/20
3) ( ) ( ) f f !" " ! = 3 3
( ) [ ]( ) ( )( ) ( ) ( ) = = = ! ( x f x f x f A x " ! " ! " !
En ! se verifica la propiedad pseudoasociativa
( ) ( ) ( ) [ ]( ) x f x f !" !" = =
Luego ( ) ( ) f f !" " ! =
4) 1 f = f
( )( ) ( ) ( ) f f x f x f x f A x = 6 = = ! ( 1 1 1
CONCLUSIN ( F (A), +,
!
) es un !-espacio vectorial.
3.4. Composicin de funciones.
DEF Dadas las funciones f: A # ! y g: B # ! con A, B ' !, llamamos funcin
compuesta de f y g, y se escribe f g o , a la funcin
f g o : C # !
x # ( )( ) x f g o
siendo ( )( ) ( ) ( ) ( ) { } B x f A x C y x f g x f g ! ! = = / o
PROP La operacin de composicin definida anteriormente verifica las propiedades
1) Asociativa.
2) Elemento Neutro.
Dem.
Sean f: C # !, g: B # ! y h: A # !
1) Comprobemos que ( ) ( ) h g f h g f o o o o =
El dominio de ambas funciones ( ) ( ) h g f y h g f o o o o es
( ) ( ) ( ) { } C x h g y B x h A x D ! ! ! = /
y ( ) [ ]( ) ( ) ( ) ( ) ( ) ( ) ( ) x h g f x h g f x h g f D x = = ! ( o o o
( ) [ ]( ) ( )( ) ( ) ( ) ( ) ( ) x h g f x f g f x h g f = = o o o
2) Definimos I: ! # ! como I(x) = x ! (x !
11/20
Se verifica que ! ( = = f I f f f I o o F (A)
OBS De esta operacin podemos afirmar que, en general, no es conmutativa. Por
ejemplo, sea f: ! # ! definida por f(x) = 2
x
y g: ! # ! como g(x) = x + 1
( )( ) ( ) ( ) ( )
1
2 1
+
= + = =
x
x f x g f x g f o
( )( ) ( ) ( ) ( ) 1 2 2 + = = =
x x
g x f g x f g o
4. FUNCIN RECPROCA.
DEF Dada la funcin f: A # !, llamaremos funcin recproca de f, f
-1
, a una funcin
g: B # ! que verifica
I f g g f = = o o
OBS De la condicin anterior se puede deducir que
1) Rec g = Dom f
2) Rec f = Dom g
La funcin recproca de f, que llamaremos f
-1
, si existe ha de ser inyectiva ya que si
f(x) = f(y) con x 2 y tendremos que ( ) ( ) ( ) ( ) y x y f f x f f = 6 =
7 7 1 1
lo que sera una
contradiccin.
La existencia de la funcin recproca no significa que su clculo sea fcil o posible.
Veamos una forma de calcular la recproca de una funcin:
( )
3
1 4 7
=
x
x f
1) f es inyectiva ya que si ( ) ( )
2 1 2 1
x f x f x x 2 6 2
2) Imf = ! = Dom f
-1
3) ( )
4
1 3
4
1 3
1 4 3
3
1 4
1
+
= 6
+
= 6 7 = 6
7
=
7
x
x f
y
x x y
x
y
5. RELACIN DE ORDEN EN F F (A).
DEF Dadas dos funciones f: A # ! y g: A # ! definimos una relacin en F (A)
como
( ) ( ) A x x g x f g f ! ( " 8 "
12/20
PROP La relacin binaria anterior definida en F (A) verifica las propiedades
1) Reflexiva.
2) Antisimtrica.
3) Transitiva.
Dem.
Inmediata.
CONCLUSIN La relacin binaria anterior es una relacin de orden. Por tanto
( F (A), ") es un conjunto ordenado.
OBS La relacin de orden no es de orden total ya que dadas cualquier par de
funciones f, g!F (A) no podemos garantizar que f " g g " f
DEF Diremos que una funcin f es positiva si f ) 0 (x!Dom f, y estrictamente
positiva si f > 0.
DEF Diremos que una funcin g es negativa si g " 0 (x!Dom g y estrictamente
negativa si g < 0.
A partir de estas definiciones podemos dar otras como
1) ( )
( ) ( )
( )
9
:
;
<
)
=
+
0 0
0
x f si
x f si x f
x f
2) ( )
( )
( ) ( )
9
:
;
"
>
=
7
0
0 0
x f si x f
x f si
x f
DEF Definimos el Valor Absoluto de f, y se representa por f , como
( )
( ) ( )
( ) ( )
9
:
;
< 7
)
=
0
0
x f si x f
x f si x f
x f
PROP
7 +
7 = f f f
Dem.
Inmediata.
PROP Se verifican las siguientes propiedades
1) g f g f + " +
13/20
2) g f g f 3 = 3
3) g f g f 7 " 7
Dem.
1) Como:
( ) ( ) ( ) ( ) f Dom x x f x f x f ! ( " " 7
y ( ) ( ) ( ) ( ) g Dom x x g x g x g ! ( " " 7
Entonces sumando obtenemos que:
( ) ( ) ( ) ( ) ( ) ( ) C x x g x f x g x f x g x f ! ( + " + " 7 7
siendo ( ) ( ) g Dom f Dom C + =
( ) ( ) ( ) ( ) ( ) ( ) ( ) x g x f x g x f x g x f + " + " + 7 6
( ) ( ) ( ) ( ) C x x g x f x g x f ! ( + " + 6
2) Trivial.
3) Sea ( ) ( ) g Dom f Dom C + =
( ) ( ) ( ) ( ) 8 7 " 7 ! ( x g x f x g x f C x
( ) ( ) ( ) ( ) 8 7 " 7 8
2
2
x g x f x g x f
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 8 7 + " 7 + 8 x g x f x g x f x g x f x g x f 2 2
2 2
2 2
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) x g x f x g x f x g x f x g x f " 8 7 " 7 8 2 2
que es cierto trivialmente C x ! (
6. TIPOS DE FUNCIONES.
6.1. Funciones Acotadas.
Dada una funcin f: A # !, sabemos que Imf es un conjunto de nmeros reales
(Im f = f(A))
14/20
DEF Diremos que f: A # ! est acotada inferiormente si el conjunto Imf tambin lo
est.
DEF Diremos que f: A # ! est acotada si lo est superiormente e inferiormente.
Recordemos que todo subconjunto ! que est acotado superiormente tiene supremo
(la ms pequea de las cotas superiores).
DEF Si f est acotada superiormente, con f: A # !, llamaremos extremo superior de
f en A al supremo de f(A), y se denota por ( ) x f
A x!
sup .
DEF Si f: A # ! est acotada inferiormente, llamaremos extremo inferior de f en A
al Infimo de f(A), y se denota por ( ) x f Inf
A x!
.
DEF Si el ( ) x f Sup
A x!
es un elemento de Imf, recibe el nombre de Mximo de f y se
representa por ( ) x f Max
A x!
DEF si el ( ) x f Inf
A x!
es un elemento Imf, recibe el nombre de Mnimo de f y se
representa por ( ) x f Min
A x!
6.2. Funciones Montonas.
DEF Diremos que f: A # ! es una funcin montona creciente si A x x ! (
2 1
, con
x
1
<x
2
se verifica que f(x
1
) " f(x
2
). Y es estrictamente creciente si f(x
1
) < f(x
2
).
DEF Diremos que f: A # ! es una funcin montona decreciente si A x x ! (
2 1
, con
x
1
< x
2
se verifica que f(x
1
) ) f(x
2
). Y es estrictamente decreciente si f(x
1
) > f(x
2
).
6.3. Funciones Pares e Impares.
DEF Dada f: A # ! diremos que es una funcin par si (x!A
1) - x!A
2) f(x) = f(- x)
OBS Las funciones pares tienen una representacin grfica simtrica con respecto al
eje y. Si doblamos el plano respecto al eje OY entonces las grficas de ambos lados
coinciden.
DEF Dada f: A # ! diremos que es una funcin impar si (x!A
1) - x!A
2) f(x) = - f(- x)
15/20
OBS Las funciones impares tienen una representacin grfica donde el origen (0, 0)
es su centro de simetra. Si doblamos el plano respecto de un eje y despus respecto del
otro entonces las grficas coinciden.
6.4. Funciones peridicas.
DEF Dada f: A # ! diremos que una funcin peridica de perodo P si P es menor
nmero positivo que verifica (x!A.
1) x + T!A
2) f(x + T) = f(x)
Ejemplo.
F(x) = sen x o f(x) = cos x que tienen perodo T = 2<
7. FUNCIONES ELEMENTALES. SITUACIONES REALES DONDE
APARECEN.
7.1. Funciones Polinmicas de 1
er
grado.
Las funciones polinmicas de primer grado son
f: (!, +) # (!, +)
con f(x) = ax + b siendo a, b!!.
El dominio de estas funciones es ! y su recorrido tambin. Su representacin
grfica es una recta de pendiente a y ordenada en el origen b.
Segn los valores de a y b podemos distinguir varios casos:
1) b = 0
Son isomorfismos continuos entre el grupo (!, +) y (!, +). Por tanto son
aplicaciones biyectivas, continuas y verifican que f(x
1
+ x
2
) = f(x
1
) + f(x
2
) (x
1
, x
2
!!.
Es fcil comprobar que si f(1) = a entonces f(x) = ax.
Al ser homomorfismo ( ) ( ) am mf f m f
m
= =
,
-
.
/
0
1
+ + + = 1 1 1 1 L
(
( )
( )
( )
m
a
m
f
m
mf
m
m
f
a f
m
m
f
1
1
1
1
= 6
=
=
>
=
=
?
@
=
,
-
.
/
0
1
= = ,
-
.
/
0
1
16/20
( ) ( ) ( ) ( ) ( ) ( ) ( ) x f x f x f x f x x f f 7 7 = 6 7 + = 7 + = 0
Podemos concluir que Q
n
m
a
n
m
n
m
f ! ( =
,
-
.
/
0
1
Y como Q es denso y f es continua podemos extender la definicin de Q a !.
Estas aplicaciones reciben el nombre de Lineales.
2) b 2 0
Estas aplicaciones reciben el nombre de Afines, y su grfica no pasa por el origen de
coordenadas.
3) a > 0
Son funciones estrictamente crecientes en !.
4) a < 0
Son funciones estrictamente decrecientes en !.
Como aplicaciones en la vida real nos podemos encontrar:
1) La distancia recorrida por un mvil en un movimiento rectilneo uniforme viene
dada por
( ) t v e t e
o o
+ =
2) El coste de una determinada cantidad de un producto vendido al peso
c(p) = a p
3) La longitud de una circunferencia es funcin lineal del dimetro de la misma
( ) d d L 3 = #
4) Cambio de escala lineal, por ejemplo para pasar de grados Fahrenheit a grados
centgrados.
7.2. Funciones Polinmicas de 2 grado.
Una funcin polinmica de segundo grado o cuadrtica tiene como expresin
general
f(x) = ax
2
+ bx + c con a, b, c!! y a 2 0.
Estas funciones tienen como dominio todo !, y su representacin grfica es una
parbola.
17/20
Los puntos ms caractersticos de estas funciones son:
1) Los puntos de corte con el eje horizontal. Si existen son
,
,
-
.
/
/
0
1
7 + 7
,
,
-
.
/
/
0
1
7 7 7
0 ,
2
4
0 ,
2
4
2
2
2
1
a
ac b b
P y
a
ac b b
P
2) El punto de corte con el eje vertical
P
3
(0, b)
3) El vrtice de la parbola
( )
,
,
-
.
/
/
0
1 7 7 7
a
ac b
a
b
V
4
4
,
2
2
Si a > 0 tenemos que el vrtice es el mnimo de la funcin y si a < 0 el vrtice es el
mximo de la funcin.
Aplicaciones:
1) La distancia recorrida por un mvil es un movimiento uniformemente acelerado
es
( )
2
2
1
t a t v e t e
o o o
+ + =
2) El rea de un crculo
( )
2
r r a # =
7.3. Funciones Potenciales.
Son isomorfismos continuos entre (!
+
, ) y (!
+
, ). Sus caractersticas son
1) Son funciones biyectivas de !
+
en !
+
.
2) f(x
1
x
2
) = f(x
1
) f(x
2
) (x
1
, x
2
!!
+
3) Son continuas.
Su expresin es f(x) = x
4
con 4!! - {0}
7.4. Funciones Polinmicas.
Las funciones polinmicas son aplicaciones continuas de ! en ! donde
f: ! # !
18/20
y ( )
A
=
=
n
i
i
i
x a x f
0
Como aplicaciones nos encontramos con
1) El volumen de un cubo es
V(l) = l
3
2) Y el de una esfera
( )
3
3
4
r r V # =
7.5. Funciones de Proporcionalidad Inversa.
Las funciones homogrficas tienen como expresin
( )
d cx
b ax
x f
+
+
=
verificando que c 2 0 y ad 2 bc.
El dominio de estas funciones es !- { }
c
d
7 y su representacin grfica es una
hiprbola.
Tambin las podemos expresar como
( )
q x
K
p x f
7
+ =
donde y = p y x = q son las ecuaciones de los ejes de la hiprbola.
Si p = 0 y q = 0 obtenemos ( )
x
K
x f = que son las llamadas funciones de
proporcionalidad inversa.
Aplicaciones:
1) Relacin entre la base y la altura de un rectngulo de rea constante.
2) Ley de Ohm con V constante.
3) Atraccin entre dos cuerpos de masas m
1
y m
2
, siguiendo la ley de Newton:
2
2 1

r
m m
G F =
19/20
4) Atraccin o repulsin entre dos cuerpos con cargas Q
1
y Q
2
siguiendo la ley de
Coulomb
2
2 1

r
Q Q
K F =
7.6. Funciones Escalonadas.
Las ms conocida es f(x) = E(x) donde f(x) es la funcin parte entera x, y f tiene
como dominio ! y recorrido #.
Tambin nos encontramos en informtica con
1) f(x) = BxC 6 Entero ms prximo pero mas pequeo que x.
2) F(X) = DXE 6 Entero ms prximo pero ms pequeo grande que x.
7.7. Funciones Exponenciales.
Son funciones que verifican
f: (!, +) # (!
+
, )
y f(x) = a
x
con a!!
+
.
1) Son aplicaciones biyectivas.
2) f(x
1
+ x
2
) = f(x
1
) f(x
2
) (x
1
, x
2
!!
3) Son Continuas.
Nos encontramos aplicaciones en
1) Clculo del inters compuesto y del inters continuo.
2) Crecimiento de Poblaciones.
3) Desintegracin de Sustancias Radiactivas.
7.8. Funciones Logartmicas.
Son funciones recprocas de las exponenciales,
f: (!
+
, ) # (!, +)
con ( ) x x f
a
log = y a!!
+
. Verifican
1) Son aplicaciones biyectivas
20/20
2) f(x
1
x
2
) = f(x
1
) + f(x
2
) (x
1
, x
2
!!
3) Son Continuas.
Como aplicaciones tenemos las mismas que para las exponenciales, al ser unas
recprocas de otras.
Adems tenemos:
1) La escala de Richter que mide la intensidad de los terremotos es logartmica.
2) Los logaritmos son la base de la construccin de la regla de Clculo.
7.9. Funciones Definidas a Trozos.
Por ejemplo
( )
9
:
;
) 7
< +
=
0
0 1 2
x e
x x
x f
x
Como aplicacin a la vida real nos podemos encontrar con la funcin que nos da la
escala de gravemen del Impuesto sobre la Renta de las Personas Fsicas (IRPF).
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Ed. Labor
1/16
TEMAS DE MATEMATICAS
(Oposiciones de Secundaria)
TEMA 22
LA FUNCIN EXPONENCIAL Y LOGARITMICA DE VARIABLE REAL.
SITUACIONES REALES EN LAS QUE APARECEN.
1. La funcin Exponencial de base a.
1.1. Potencias de exponente natural.
1.2. Potencias de exponente entero.
1.3. Potencias de exponente racional.
1.4. Potencias de exponente real.
2. La funcin logaritmo de base a.
3. Funcin Potencial.
4. Situaciones Reales en las que aparecen.
4.1. Funcin Exponencial.
4.2. Funcin Logartmica.
Bibliografa Recomendada.
2/16
TEMA 22
LA FUNCIN EXPONENCIAL Y LOGARITMICA DE VARIABLE REAL.
SITUACIONES REALES EN LAS QUE APARECEN.
1. LA FUNCIN EXPONENCIAL DE BASE a.
1.1. Potencias de Exponente Natural.
Dado un nmero real positivo, a, podemos definir una funcin
f
a
: ! ! "
+
n ! a
n
siendo a
n
el producto de a por si mismo n veces.
Es fcil comprobar que f
a
: (!, +) ! "
+
, ) es un homomorfismo:
" #
2 1
, n n ! tenemos que ( ) ( ) ( )
2 1 2 1

2 1 2 1
n f n f a a a n n f
a a
n n n n
a
= = = +
+
En los siguientes apartados iremos extendiendo el dominio de la f
a
a # y a $ hasta
llegar a definirla sobre ", y siempre verificando que sigue siendo un homomorfismo.
1.2. Potencias de Exponente Entero.
Sea f
a
: (#, +) ! ("
+
, ) con f
a
homomorfismo de grupos. f
a
verifica que
#z
1
, z
2
"# f
a
(z
1
+ z
2
) = f
a
(z
1
) f
a
(z
2
).
Sabiendo que f
a
es un homomorfismo, se cumple:
1) f
a
(z) = f
a
(z + 0) = f
a
(z) f
a
(0) #z"# $ f
a
(0) = 1
2) 1 = f
a
(0) = f
a
(z z) = f
a
(z) f
a
(- z) $ f
a
(- z) =
( ) z f
a
1
Si escribimos f
a
(z) = a
-z
#z"#
+
, por convenio podemos decir que
( ) " # = = %
%
z a
a
z f
z
z a
1
#
+
.
As conseguimos extender el dominio de f
a
de ! a #.
1.3. Potencias de Exponente Racional.
Sea r"Q un nmero racional. Entonces
q
p
r = siendo
q
p
un representante
cualquiera de r, con p"# y q"#-{0}.
3/16
Sabemos que f
a
(1) = a por ser 1"!, y que f
a
debe ser un homomorfismo.
( )
q
a a a
q
f
q
q f f a
&
'
(
)
*
+
,
,
-
.
/
/
0
1
=
,
,
-
.
/
/
0
1
= =
1 1
1
Entonces f
,
-
.
/
0
1
q
1
debe ser un nmero real tal que su potencia de grado q sea a.
Comprobemos que ese nmero existe.
PROP Sea g: "
+
! "
+
con g(x) = x
n
. Esta funcin verifica:
1) Es continua.
2) Es estrictamente creciente en ".
3) +2 =
+2 !
) ( x g lim
x
4) Es un homomorfismo de grupos.
Dem.
1) La funcin g(x) es continua por ser un polinomio.
2) Sean x
1
, x
2
""
+
con x
1
< x
2
.
( ) ( ) ( )( ) 0 .....
1
1
2
1 2 1
2
2
1
2 1 2 1 2 1 2
> + + + + % = % = %
% % % % n n n n n n
x x x x x x x x x x x g x g
3) Como n"! $ 1 3 n #n"! $ x 3 g(x) #n"!
con x > 1 y como ( ) ( ) +2 = $ 3 +2 =
+2 ! +2 ! +2 !
x g lim x g lim x lim
x x x
4) Hemos de comprobar que (x
1
x
2
)
n
=
n n
x x
2 1

La demostracin la hacemos por induccin.

n = 1 (x
1
x
2
)
1
= x
1
x
2
n = 2 (x
1
x
2
)
2
= (x
1
x
2
) (x
1
x
2
) =
2
2
2
1
x x
Suponemos cierto (x
1
x
2
)
n-1
=
1
2
1
1

% % n n
x x
Para n ( ) ( ) ( ) ( )( )
n n n n n n
x x x x x x x x x x x x
2 1 2 1
1
2
1
1 2 1
1
2 1 2 1
= = =
% % %
Luego la igualdad es cierta y g(x
1
x
2
) = g(x
1
) g(x
2
)
4/16
De todo esto obtenemos como conclusin que g(x) es un isomorfismo, existiendo
por tanto su inversa
H: "
+
! "
+
con ( )( ) ( )( ) x g h x x h g o o = =
Denotaremos como h(x) = x
1/n
Luego #a""
+
h(a) = a
1/n
siendo a
1/n
el nmero que verifica que su potencia de
grado n es a.
Podemos escribir que
q
q
q
q
a
q
f a y a
q
f
,
-
.
/
0
1
=
&
'
(
)
*
+
,
-
.
/
0
1
= = ,
-
.
/
0
1
1 1
1 1
Si r"Q con
q
p
r = tenemos que
( )
p
q
p
a a a a
a
q
f
q
p f
q
p
f r f
,
-
.
/
0
1
=
&
'
(
)
*
+
,
-
.
/
0
1
=
,
,
-
.
/
/
0
1
=
,
,
-
.
/
/
0
1
=
1
1
1

y ahora slo nos queda comprobar que el resultado obtenido no depende del
representante elegido para r.
Sea

q
P
q
p
r = = dos representantes de r. Verifican que pq = pq
( )
p
q
a a
a
q
p
f r f
,
-
.
/
0
1
=
,
,
-
.
/
/
0
1
=
1
( )

p
q
a a
a
q
p
f r f
,
-
.
/
0
1
=
,
,
-
.
/
/
0
1
=
Veamos que ambas expresiones son iguales:

1 1
pq
pq
q
a
pqq
a
qq
a
a
q
f
q
f
q
p
f =
,
,
-
.
/
/
0
1
&
'
(
)
*
+
,
,
-
.
/
/
0
1
=
&
'
(
)
*
+
,
,
-
.
/
/
0
1
=
&
'
(
)
*
+
,
,
-
.
/
/
0
1
q p
q p
q
a
qq p
a
qq
a
a
q
f
q
f
q
p
f

=
,
,
-
.
/
/
0
1
&
'
(
)
*
+
,
,
-
.
/
/
0
1
=
&
'
(
)
*
+
,
,
-
.
/
/
0
1
=
&
'
(
)
*
+
,
,
-
.
/
/
0
1
y como pq = pq, ambas expresiones coinciden.
Por convenio, denotaremos
q
p
a
a
q
p
f =
,
,
-
.
/
/
0
1
con p"# y q"#
*
.
5/16
PROP Si a > 1, entonces +2 =
+2 !
n
n
a lim
Dem.
Si a > 1 $ a = 1 + x con x > 0.
Por tanto ( ) nx x
n
x
n
nx x a
n n
+ > +
,
,
-
.
/
/
0
1
+
,
,
-
.
/
/
0
1
+ + = + = 1 ......
3 2
1 1
3 2
Y como ( ) +2 = $ +2 = +
+2 ! 2 !
n
n n
a lim nx lim 1
PROP La funcin f
a
: Q ! " con f
a
(r) = a
r
verifica las siguientes propiedades:
1) " # =
+
2 1
,
2 1 2 1
r r a a a
r r r r
$ (Es homomorfismo de grupos).
2) ( ) " # =
2 1

,
2 1
2
1
r r a a
r r
r
r
$
3) f
a
es estrictamente creciente si a > 1 y estrictamente decreciente si 0 < a < 1.
4) f
a
es continua #r"Q.
Dem.
1) Sean
2
2
2
1
1
1
q
p
r y
q
p
r = = con p
1
, p
2
"# y q
1
, q
2
"#
*
( ) ( ) ( ) = =
,
,
-
.
/
/
0
1
,
,
-
.
/
/
0
1
= =
1 2 2 1
2 1
2
2
2 1
1
1
2 1
2
2 1
1
2 1
2 1

q p q p
q q
q
p
q q
q
p
q q
r
q q
r
q q
r r
a a a a a a a a
Como p
1
q
2
" y p
2
q
1
"# tenemos
( )
2 1
2 1
2 1
2 1
1 2 2 1
1 2 2 1
q q
r r
q q
q q
q p q p
q p q p
a a a
+
+
+
=
,
,
-
.
/
/
0
1
= =
Por tanto Q r r a a a
r r r r
" # =
+
2 1
,
2 1 2 1
2) Anlogamente a la anterior.
3) Ya hemos comprobado en este mismo apartado que la funcin g(x) = x
n
es
creciente #n"! y g: "
+
! "
+
, e igualmente ( )
n
x x h = es tambin creciente #n"! y
h: "
+
! "
+
.
6/16
Como g(x) y h(x) son crecientes, si 1 1 1 1 1 > $ > = > $ >
m n m n n
a a y a a
Entonces si ( ) $ > $ > $ > $ > % $ <
% % %
1 1 1 2 1 1 1 2 1 2
1 1 0
1 2 2 1
r r r r r r r r r r
a a a a a a a r r r r
" # > $
2 1
,
1 2
r r a a
r r
$ con $ <
2 1
r r f
a
es creciente para asi 1 > a .
De forma anloga, si " < > = $ <
2 1 2 1
, 1
1
1 r r con r r si y
a
d a $ tenemos que
" # > $
,
-
.
/
0
1
<
,
-
.
/
0
1
2 1
,
1 1
2 1
2 1
r r a a
a a
r r
r r
$ $ f
a
es decreciente para . 1 < a
4) Como ( ) 1 % = %
%x y x x y
a a a a tenemos que cuando y ! x, si se verifica que
0 1! %
%x y
a podemos asegurar que .
x y
a a !
Por tanto, para demostrar la continuidad de f
a
en Q, basta demostrarlo en el origen
(r = 0).
Sea 4 > 0 y a > 1 $ 56"! / 1 + n4 > a
(1 + 4)
n
> 1 + n4 > a $ 1 + 4 > a
1/n
Y por tanto 4 > a
1/n
1 > 0
Luego #e"Q con 0 3 r <
n
1
sabiendo que f
a
es creciente tenemos
! < %1
r
a
Adems, como
n n n
a a a
1 1 1
1 0 1 0 ! ! < % < $ < % < .
Y dividiendo por ! < % <
%
n n
a a
1 1
1 0
Entonces Q r " # con 0
1
3 < % r
n
se verifica ! < % 3
r
a 1 0
Uniendo ambas partes:
Q r " # > 5 > # / 0 0 " ! con ! " < % $ < 1
r
a r
Luego f
a
es continua en r = 0 y por lo visto el inicio tambin lo es #r"Q.
Para demostrarlo con a < 1, basta tomar 1
1
> =
a
d y como f
d
es creciente #r"Q
queda que f
a
es continua para todo valor a positivo.
7/16
1.4. Potencias de Exponente Real.
El homomorfismo f
a
: Q ! " definido en el punto anterior vamos a extenderlo de
forma nica de tal manera que su dominio sea ". Tengamos en cuenta que #x""
5(q
i
)"Q con (q
i
)
i"!
un representante de x.
PROP Si (q
i
)
i"!
7Q es una sucesin racional de Cauchy entonces ( )
i
q
a
i"!
7" es una
sucesin de Cauchy.
Dem.
Sea a > 1 (si a = 1 trivial)
Como q
i
es de Cauchy " 5 > #
o
n 0 ! !/ ! < %
j i
q q si
o
n n 8
( ) * 1 1 3 % 3 % = % $
% %
i j i j i j i
q q q q
q
q
q
a K a a a a
porque como q
i
es de Cauchy $ est acotado $ K a
i
q
3
( )
!
a K % 3 1 *
y como 4 es tan pequeo como queramos, entonces a
4
es tan cercano a 1 como nos de la
gana $ ( ) 1 1 !
!
< % a K
0 0 > 5 > # $ ! ! (que verifique la propiedad (1) y por tanto
" 5
o
n !/ ! < %
j i
q
q
a a si
o
n n 8
i
q
a $ es de Cauchy en ". (Anlogamente si a < 1).
Como conclusin tenemos que ( )
i
q
a es de Cauchy y por tanto define un nico
nmero real que denotaremos por a
x
.
Esta definicin no depende del representante elegido, pues si (q
i
)7Q es otra
sucesin de Cauchy que representa a x, se verificar que
1 0

! $ ! %
%
i i
q q
i i
a q q
ya que ( )
i i i i
q q q q
a a a =
%

y por tanto ( )
i
q
a
i"!
y ( )

i
q
a
i"!
tienen el mismo lmite, definiendo el mismo nmero
real.
PROP La funcin f
a
: " ! "
+
definida por f
a
(x) = a
x
verifica las siguientes
propiedades:
8/16
1) f
a
es estrictamente creciente si a > 1 y estrictamente decreciente si a < 1.
2) f
a
: (", +) ! ("
+
, ) es un homomorfismo de grupos.
3) f
a
es continua.
4) ( )
2 1
2
1
x x
x
x
a a = y ( )
x x x
b a ab =
5) Si a > 1
9
:
9
;
<
=
+2 =
%2 !
+2 !
0
x
x
x
x
a lim
a lim
y si a < 1
9
:
9
;
<
+2 =
=
%2 !
+2 !
x
x
x
x
a lim
a lim 0
Dem.
1) Sea a > 1.
Si
2 1 2 1
/ , x s r x Q s r x x < < < " 5 $ <
Sean (q
i
)
i"!
7$ y (q
i
)
i"!
7$ representantes de x
1
y x
2
respectivamente.
Como x
1
= lim q
i
e x
2
= lim q
i
$
5n
o
"! / #i 8 n
o
q
i
< r < s < q
i

Por tanto
o
q s r q
n i a a a a
i i
8 # < < <

Y entonces
2 1
x s r x
a a a a < < <
Siendo f
a
creciente estrictamente.
El caso a < 1 se demuestra de forma anloga, basta tomar
1
1
> =
a
d
2) Sea f
a
: " ! "
+
Si x
1
, x
2
"" sean (q
i
)
i"!
7Q y (q
i
)
i"!
7Q dos representantes de x
1
y x
2
.
Entonces (q
i
+ q
i
)
i"!
es un representante de x
1
+ x
2
Luego ( )
i
q
a
i"!
, ( )

i
q
a
i"!
y ( )

i i
q q
a
+
i"!
son representantes de x
1
, x
2
y x
1
+ x
2
respectivamente.
9/16
Como f
a
: Q ! "
+
es un homomorfismo de grupos, se verifica

i i i i
q q q q
a a a =
+
entonces
" # =
+
2 1
,
2 1 2 1
x x a a a
x x x x
"
Y como ( ) ( ) ( )
2 1 2 1

2 1 2 1
x f x f a a a x x f
a a
x x x x
a
= = = +
+
Entonces f
a
: " ! "
+
es homomorfismo.
3) Anlogamente al caso de la funcin exponencial racional, basta que demostremos
que f
a
es continua x = 0.
Sabemos que ! " " ! < % $ < " # > 5 > # 1 / 0 0
q
a q Q q
" #x " con " " " < < < < % " 5 < s x r Q s r x / ,
Si a > 1
s x r
a a a < <
Entonces ! ! + < < < < % 1 1
s x r
a a a
Y " # > 5 > # x / 0 0 " ! " con ! " < % $ < 1
x
a x
Si a < 1
s x r
a a a > >
Entonces ! ! + < < < < % 1 1
r x s
a a a
Y " # > 5 > # x / 0 0 " ! " con ! " < % $ < 1
x
a x
4) ( )
2 1
2
1
x x
x
x
a a =
Sea (q
i
)
i"!
7Q un representante de x
1
y (q
i
)
i"!
7Q de x
2
.
Entonces lim q
i
= x
1
y lim q
i
= x
2
Como ( )

i i
i
i
q q
q
q
a a = (ya visto en el punto anterior) y si tenemos en cuenta que:
1)
x q
a a lim
i
=
10/16
2) ( )

i
q
x x g = es continua Q q
i
" #
tenemos que
( )

1 1 i
i q x
q
x
a a =
y como f
a
es continua
( )
2 1
2
1
x x
x
x
a a =
( )
x x x
b a ab =
Inmediata.
5) Para a > 1.
Que +2 =
+2 !
x
x
a lim es consecuencia de +2 =
+2 !
n
n
a lim y que f
a
es creciente.
0
1
= = =
+2 !
%
+2 ! %2 !
y
y
y
x
x
x
a
lim a lim a lim
De forma anloga se demuestra para a < 1.
PROP La funcin exponencial de base a (a = 1), f
a
: (", +) ! ("
+
, ) es un isomorfismo
de grupos.
Dem.
1) Como $ =
+
2 1 2 1

x x x x
a a a f
a
es homomorfismo.
2) f
a
(x) = a
x
es estrictamente creciente $ Inyectiva f
a
es continua y Rec f
a
= "
+
$
suprayectiva.
Si f
a
es homomorfismo y biyectiva $ f
a
es Isomorfismo.
2. LA FUNCIN LOGARITMO DE BASE a.
En el punto anterior hemos demostrado que la funcin
f
a
: (", +) ! ("
+
, )
x ! f
a
(x) = a
x
es un isomorfismo de grupos. Por tanto existe la funcin recproca de f
a
, f
1 %
a
, que
llamaremos funcin Logaritmo en base a, y se denota por
a a
f log
1
>
%
.
:
1 %
a
f ("
+
, ) ! (", +)
11/16
x ! ( ) x x f
a a
log
1
=
%
verificndose
( ) x
a
x
a x a
a
log
log
= =
ya que
( )( ) ( )( ) x f f x x f f
a a a a
o o
1 1 % %
= =
PROP La funcin log
a
: "
+
! " verifica las siguientes propiedades:
1) log
a
es estrictamente creciente si a > 1 y estrictamente decreciente si a < 1.
2) log
a
: ("
+
, ) ! (", +) es un homomorfismo de grupos.
3) log
a
es continua.
4) Si a > 1
9
:
9
;
<
%2 =
+2 =
%2 !
+2 !
x lim
x lim
a
x
a
x
log
log
y si a < 1
9
:
9
;
<
+2 =
%2 =
%2 !
+2 !
x lim
x lim
a
x
a
x
log
log
Dem.
1) Sea a > 1 y x
1
< x
2
Sabemos que
2 1
x x
a a < ya que la funcin a
x
es creciente estrictamente.
1 1
log
log
1
x
a
x
a a x
a
= =
2 2
log
log
2
x
a
x
a a x
a
= =
Supongamos que log
a
x
1
8 log
a
x
2
Entonces
2 1
log log
1 1
x x a a
x x
a a
8 $ 8 lo que es una contradiccin.
Luego log
a
x
1
3 log
a
x
2
y la funcin log
a
x es una funcin estrictamente creciente.
De forma anloga se demuestra a < 1.
2) Como a
0
= 1 $ log
a
1 = 0 ( ( ) e e f
a
=
%1
transforma el neutro en el neutro).
#x
1
, x
2
""
+
$ = $
?
@
A
= =
=
+
+
2 1 2 1
2 1 2 1
2 1
log log log
log log log log
2 1
log
2 1

x x x x
x x x x
x x
a a a
a a a a
a
a a
a a a x x
a x x
12/16
Al ser a
x
una funcin inyectiva se verifica
2 1 2 1
log log log x x x x
a a a
+ =
que es lo mismo que:
( ) ( ) ( )
2
1
1
1
2 1
1
x f x f x x f
a a a
% % %
+ =
3) Inmediata.
4) Los lmites son inmediatamente deducibles sin ms que tener en cuenta que
log
a
x y a
x
son funciones recprocas.
PROP Se verifica:
1) " # = x y x y
a
x
a
log log " 0 > #y
2) 0 , , log log log > # = y b a b y y
a b a
Dem.
1) ( )
y x
x
y x
a a
a a y
log log
= =
Entonces
y x a y
a
y x
a
x
a
a
log log log
log
= =
Luego
y x y
a
x
a
log log =
2) Sabemos que
y
b
b y
log
=
Entonces
y
a a
b
b y
log
log log =
Y aplicando el apartado anterior
b y b
a b
y
a
b
log log log
log
=
Luego
b y y
a b a
log log log =
13/16
Hay un caso especial de funciones exponenciales, que son aquellas en las que la
base es el nmero e. Estos son muy tiles a la hora de hacer estudios fsicos ya que
aparecen con gran frecuencia en los problemas de crecimiento de poblaciones.
La funcin recproca de la exponencial f(x) = e
x
, es el logaritmo en base e de x, o
tambin llamado logaritmo neperiano de x (en honor a Juan Neper), Lnx. En concreto,
para los matemticos, el logaritmo en base e es el mas importante debido en gran parte a
que es la integral de la funcin ( )
x
x f
1
= , aunque esto se salga del tema, pero su
utilizacin es muy grande y la tendencia natural es a manejarlos con mayor frecuencia
que ninguno, pudiendo transformar cualquier otro logaritmo en neperiano mediante la
expresin:
a
x
x
a
ln
ln
log =
3. FUNCIN POTENCIAL.
DEF Llamamos funcin potencial a f: "
+
! "
+
con f(x) = x
r
siendo r""
+
.
La definicin tiene sentido ya que r""
+
y como x""
+
el smbolo x
r
podra ser
considerado de forma puntual como la funcin exponencial de base x.
PROP La funcin potencial f(x) = x
r
verifica las siguientes propiedades:
1) Es estrictamente creciente si r > 0 y estrictamente decreciente.
2) Si r < 0 f: ("
+
, ) ! ("
+
, ) f(x) = x
r
es un homomorfismo de grupos.
3) Es continua en todo su dominio.
4) Si
9
:
9
;
<
+2 =
=
>
+2 !
!
+
r
x
r
x
x lim
x lim
r
0
0
0
y si r < 0
9
:
9
;
<
=
+2 =
+2 !
!
+
0
0
r
x
r
x
x lim
x lim
Dem.
Esta proposicin casi en su totalidad la tenemos demostrada antes en el caso de que
r sea un natural. Demostrmosla ahora con r"".
Si tenemos en cuenta que
x r r
a
a x
log
=
Podemos definir ( )
x
a x g = y ( ) x r x h
a
log =
Verificndose que ( ) ( )( ) x h g x f o =
14/16
1) Si elegimos a < 1, g(x) es estrictamente creciente y h(x) tambin en caso de que
r > 0. Si r < 0 entonces h(x) es estrictamente decreciente. Al componer ambas
funciones, se demuestra lo que queramos.
2) f(x) = x
r
es un homomorfismo de grupos por ser composicin de dos
homomorfismos.
Por tanto ( ) ( ) ( )
2 1 2 1
x f x f x x f =
Y es ( )
r r r
x x x x
2 1 2 1
=
3) f(x) = x
r
es continua por ser composicin de funciones continuas en todo su
dominio.
4) Inmediato.
4. SITUACIONES REALES EN LAS QUE APARECEN.
4.1. Funcin Exponencial.
a) La desintegracin atmica.
( )
Kt
o
e N t N
%
= siendo
N
o
= nmero de tomos inicial (t = 0)
K = constante de desintegracin del elemento.
b) Enfriamiento de un cuerpo.
( ) ( )
B
% %
+ =
t
a
Kn kt Kt
dn e n M K e be t f
K = constante.
b = temperatura en t = a.
M(t) = temperatura ambiental.
c) Cada de un cuerpo en un medio resistente.
( )
,
,
-
.
/
/
0
1
% + =
%
1
2
2
m
Kt
e
K
gm
K
mg
t f
d) Crecimiento de Poblaciones.
La funcin exponencial aparece al calcular el crecimiento de una poblacin donde
la tasa de crecimiento se mantiene constante, pudiendo ser positiva o negativa.
15/16
Kt
o
e P P =
P
o
= tamao inicial de la poblacin.
K = tasa de crecimiento.
t = tiempo transcurrido.
Con el paso del tiempo, diversos factores influyen en el crecimiento de la poblacin
haciendo que la funcin exponencial de adapte a la funcin logstica, moderando su
crecimiento (o decrecimiento).
Las funciones logsticas tienen como expresin
( )
Kt
e A
B
t c
%
+
=
1
e) Problemas de Inters Compuesto y Continuo.
En los problemas de inters compuesto, disponemos de un capital inicial que va
incrementndose al aadirle los intereses producidos. Si el capital inicial es C
o
y el
inters es I, el capital C que tendremos al cabo de t aos ser
( )
t
o
I C C + = 1
llamado capital compuesto.
Si los intereses se devengan cada instante (cada infinitsimo de tiempo) la expresin
para el capital C es
rt
o
nt
o
n
e C
n
I
C lim C 1 =
,
-
.
/
0
1
+ =
2 !
llamado capital continuo.
4.2. Funcin Logartmica.
a) La Escala de Richter.
La escala de Richter es una escala logartmica de base 10 que mide la fuerza o
intensidad de los terremotos. Al ser su base 10, un terremoto de intensidad 5 es 10 veces
mayor que otro de intensidad 4, 100 veces mayor que otro de intensidad 3 y as
sucesivamente.
Teniendo en cuenta esto, un terremoto de escala 84 es 501 veces ms intenso que
otro de escala 77, ya que
16/16
01 5 10
10
10
7 0
7 7
4 8
C =
b) pH.
El pH de una solucin es la medida de su acidez, y mide la concentracin de iones
[H
+
], que son los tomos de hidrgeno por litro.
[ ]
+
=
O H
pH
3
10
1
log
c) Regla de Clculo.
La regla de Clculo sirvi, hasta la aparicin de las calculadoras, para simplificar
operaciones complicadas. Se apoya en las propiedades de los logaritmos que permiten
traducir productos en sumas, cocientes en restas, potencias y races en productos y
cocientes, etc.
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Ed. Labor
1/28
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 23
FUNCIONES CIRCULARES E HIPERBLICAS Y SUS RECPROCAS.
SITUACIONES REALES EN LAS QUE APARECEN.
1. Introduccin.
2. Funciones circulares.
2.1. Funciones de Seno y Coseno.
2.1.1. Sen x y Cos x para x![0, "].
2.1.2. Extensin de Sen x y Cos x a todo !.
2.2. Funcin Tangente.
2.3. Funciones Circulares Inversas.
2.4. Funciones Circulares Recprocas.
2.4.1. La Recproca de la funcin Sen x.
2.4.2. La Recproca de la funcin Cos x.
2.4.3. La Recproca de la funcin tg x.
3. Funciones Hiperblicas.
3.1. Funcin Sh x y Ch x
3.1.1. Estudio de la Funcin Sh x.
3.1.2. Estudio de la Funcin Ch x.
3.2. Funcin Th x.
3.2.1. Estudio de la funcin Th x.
3.3. Funciones Hiperblicas Inversas.
3.1.1. Estudio de la funcin Cth x.
3.4. Funciones Hiperblicas Recprocas.
3.4.1. La recproca de la funcin Sh x.
3.4.2. La recproca de la funcin Ch x.
3.4.3. La recproca de la funcin th x.
4. Situaciones Reales en las que aparecen.
Bibliografa Recomendada.
2/28
TEMA 23
FUNCIONES CIRCULARES E HIPERBLICAS Y SUS RECPROCAS.
SITUACIONES REALES EN LAS QUE APARECEN.
Funciones Circulares e Hiperblicas y sus Recprocas. Situaciones reales en las que
Aparecen.
1. INTRODUCCIN.
La trigonometra estudia la relacin entre ngulos y lados en un tringulo. A partir
de este problema aparentemente tan simple, surgen las funciones circulares. Antes de
proceder a su definicin, veremos algunos conceptos previos.
DEF Dos semirectas r y s con origen comn determinan un ngulo. Las dos
semirrectas son los lados y el origen es el vrtice del ngulo.
DEF Un par de semirrectas (r, s) con origen comn determinan un ngulo dirigido,
determinado por el giro de centro del origen, que lleva coincidir la primera con la
segunda, segn el sentido contrario al de las agujas del reloj.
Partiendo de la definicin anterior y suponiendo que tenemos dos ejes de
coordenadas perpendiculares OX y OY, podemos situar todos los ngulos de manera
que la primera de las semirrectas coincida con el semieje OX positivo. A dicho semieje
se le llama origen de ngulos. El ngulo queda determinado dando slo una semirrecta.
fig. 1
DEF Llamaremos Circunferencia trigonomtrica a la que tiene su centro en el origen
de coordenadas y radio unidad.
La nica semirrecta que determina un ngulo en un sistema de ejes coordenados (la
otra es el origen de ngulos) corta a la circunferencia trigonomtrica en un solo punto.
Por tanto, podemos simplificar la determinacin de un ngulo dando simplemente un
punto de la circunferencia.
Los puntos (x, y) pertenecientes a la circunferencia verifican la condicin:
x
2
+ y
2
= 1
DEF Sea # el ngulo dirigido definido por el punto (x
o
, y
o
) perteneciente a la
circunferencia trigonomtrica. Llamaremos seno del ngulo dirigido al valor y
o
y
coseno del ngulo dirigido a x
o
.
3/28
Sen # = y
o
Cos # = x
o
fig. 2
A partir de la definicin anterior podemos obtener el senos y el coseno de un ngulo
cualquiera que podamos representar en la circunferencia trigonomtrica. Pero cmo se
miden los ngulos?.
La forma ms antigua de medir los ngulos es en grados. En un sistema de base 60
que fue heredado por los griegos de los babilonios. Una circunferencia completa tiene
360. Un grado se subdivide en 60 minutos y cada uno de estos en 60 segundos.
La definicin que hemos dado para el senos y el coseno nos permite conocer estos
valores de cualquier ngulo comprendido en una circunferencia.
#![0, 360 ]
Si medimos los ngulos en grados, minutos y segundos, cunto medira un ngulo
de 2 ?.
Como en poca de los babilonios o griegos no conocan los nmeros irracionales, no
se encontraron con la dificultad anterior. Para poder resolverla, surgi otra forma de
medir los ngulos: en radianes.
DEF Un radian es el ngulo que tiene el arco de la misma longitud que el radio, donde
arco y radio corresponden a la misma circunferencia.
Sabiendo que la longitud de la circunferencia es 2"r, siendo r el radio de la misma,
tenemos que el ngulo que abarca toda la circunferencia, 360, equivale a 2" radianes.
Podemos pasar de un ngulo # medido en radianes, R, a medido en grados, G,
mediante la expresin
G R
180
!
=
Con esta nueva frmula de medir ngulos, y teniendo en cuenta que es 1 radian,
concluimos que, al ser 1 el radio de la circunferencia trigonomtrica, medir ngulos es
lo mismo que medir la longitud del arco que abarca.
4/28
Ahora vamos a extender la definicin del seno y coseno a un ngulo # cualquiera
cuyo valor es un nmero real y est medido en radianes. Pero en lugar de realizar la
definicin en trminos de longitud, resulta ms fcil en trminos de reas, las cuales
podemos expresarlas mediante integrales.
Supongamos que # es el ngulo determinado por un punto P de la circunferencia
trigonomtrica
fig. 3
Si P = (x, y) se verifica que x
2
+ y
2
= 1. Si el ngulo # est medido en radianes, su
valor coincide con la longitud del rea que determina. Llamaremos l a la longitud del
arco determinado por # (l = #). Este arco contiene
! 2
l
de la longitud total de la
circunferencia, que es 2". Si llamamos S al sector determinado por las semirrectas OX
positiva, OP y el arco de la circunferencia de longitud l, el rea de S es:
( )
2
l
S A =
que se obtiene fcilmente teniendo en cuenta que el rea del crculo es ".
Podemos, pues, definir sen # y cos # como las coordenadas de un punto P de la
circunferencia trigonomtrica tal que el sector que determina tiene rea
2
"
(con #
medido en radianes).
2. FUNCIONES CIRCULARES.
2.1. Funciones Seno y Coseno.
2.1.1. Sen x y Cos x para x! ![ [ 0, " "] ].
Vamos a iniciar el estudio de las funciones circulares con las funciones Seno y
Coseno.
En principio vamos a definirlas cuando el ngulo # pertenece a la
semicircunferencia positiva (#![0, "]), para luego ir extendiendo la definicin.
Como acabamos de ver que un punto P(x, y) de la circunferencia determina un
ngulo x, siendo x = cos x e y = sen x y que el rea del sector que determina # es
2
"
,
5/28
vamos a tratar de obtener una expresin analtica para el rea de un sector situando en la
semicircunferencia positiva.
Sea ( )
2
1 x x f $ = con x![-1, 1] la semicircunferencia positiva. Un punto
cualquiera de dicha semicircunferencia ser
( )
2
1 , x x P $ con x![-1, 1]
Si x![0, 1]
fig. 4
El rea del sector puede descomponerse como suma del rea del tringulo XOP ms
el rea encerrada bajo la semicircunferencia.
( )
2
1 1
1
2 2
%
$ + $
=
x
dt t x x
x A
Si x![-1, 0]
fig. 5
En este caso el rea del sector es al rea encerrada por al semicircunferencia menos
el rea del tringulo XOP.
( )
( )
%
=
$ $ $
$ $ =
1
2
2
2
1
1
x
x x
dt t x A
recordemos que escribimos - x ya que x![-1, 0]
%
$ +
$
=
1
2
2
1
2
1
x
dt t
x x
El rea del sector de la circunferencia determinado por ( )
2
1 , x x P $ con x![-1, 1]
es
6/28
( )
%
$ +
$
=
1
2
2
1
2
1
x
dt t
x x
x A
PROP La funcin A: [-1, 1] & ! definida por
( )
%
$ +
$
=
1
2
2
1
2
1
x
dt t
x x
x A
verifica:
1) Es continua en todo su dominio.
2) Es derivable en (-1, 1) y A(x) ' 0.
3) ( ) ( ) 0 1
2
1 = = $ A y A
!
Dem.
1) Trivial
2) Si x![-1,1] ( A(x) es derivable y se tiene que:
( )
= $ $
)
*
+
,
-
.
$
$ + $
= $ $
)
*
+
,
-
.
$ +
$
$
=
2
2
2 2
2 2
2
1
1 2
1
2
1
1 1
1 2
2

2
1
) ( ' x
x
x x
x x
x
x
x x A
( )
0 ) ( '
1 2
1
1 2
1 2 2 1
1
1 2
2 1
2 2
2 2
2
2
2
' (
$
$
=
$
$ $ $
= $ $
$
$
= x A
x x
x x
x
x
x
3)
2
1 0 ) 1 (
1
1
2
!
= $ + = $
%
$
dt t A
A(1)=0 Trivialmente
De la proposicin anterior deducimos que A(x) es una funcin estrictamente
decreciente y, por tanto, inyectiva. Podemos decir aun ms; la funcin
A: [-1, 1] & [0,
2
!
]
Es biyectiva.
Retomando nuestro problema inicial, para #![0, "] queremos definir Sen # y Cos
# como las coordenadas de un punto P(cos #, sen #) de la circunferencia
trigonomtrica que determina un sector cuya rea es
2
"
.
7/28
Como [ ] [ ] ( ) ( ).
2
2
, 0
2
, 0 x A Rang ! ( ! ( !
"
!
"
! "
Al ser la funcin A(x) biyectiva, podemos garantizar la existencia de un nico
x
o
![-1, 1] tal que A(x
o
) =
2
"
para un # concreto.
DEF Si #![0, "], definimos cos # como el nico nmero x
o
![-1, 1] tal que
( )
2
"
=
o
x A . Se define sen # como
2
1
o
x $ .
Luego dado #![0, "] se verifica ( )
2
cos
"
" = A y por el teorema de Pitgoras
2
cos 1 sen " " $ =
Si construimos una nueva funcin D(x) como
D: [-1, 1] & [0, "]
X & D(x) = 2A(x)
Podemos afirmar que D(x) es una funcin biyectiva. Y se verifica que
D(cos #) = # /#![0, "]
Por tanto, la funcin coseno es la recproca de la funcin D
Cos x = D
-1
(x)
Y deducimos que
( ) ( )
2
1
1 sen x D x
$
$ =
verificndose en ambas definiciones que x![0, "].
Tenemos pues que
Cos: [0, "] & [-1, 1]
X & cos x = D
-1
(x)
Y teniendo en cuenta que x x
2
cos 1 sen $ =
Sen: [0, "] & [0, 1]
x & x x
2
cos 1 sen $ =
8/28
Podemos observar que la funcin sen x, donde la tenemos definida, es positiva.
Veamos algunas propiedades de ambas funciones.
PROP Si x![0, "] se verifica
1) La derivada de Cos x es - Sen x: (Cos x) = - Sen x
2) La derivada de Sen x es Cos x: (Sen x) = Cos x
Dem.
La derivada de la funcin A(x) es
( )
2
1 2
1

x
x A
$
$
=
siendo entonces
( )
2
1
1

x
x D
$
$
=
y como Cos x = D
-1
(x)
( ) ( ) ( )
( ) ( )
Senx x Cos
x D
x D Cosx $ = $ $ =
$
$
= =
$
$ 2
2
1
1
1
1
1
1

( ) ( )
( )
Cosx
Senx
Senx Cosx
x Cos
Cosx Cosx
x Cos Senx = =
$
$
= $ =

1
2
2
1
1
2
2
OBS La funcin Cos x, donde la tenemos definida, es una funcin decreciente
estrictamente, ya que su derivada es positiva.
Calculemos algunos valores de la funcin cos x:
x = 0 ( ) ( ) 1 0 0 0 0
2
0
0 = ( = ( = = Cos Cos A Cos A ya que A(1) = 0.
x = " ( ) 1
2
$ = ( = !
!
! Cos Cos A ya que ( )
2
1
!
= $ A
x =
2
!
0
2 4 2
= ( =
0
1
2
3
4
5 ! ! !
Cos Cos A ya que ( )
4
0
!
= A
Justifiquemos este ltimo resultado:
9/28
( ) ( )
% %
$ = ( $ +
$
=
1
0
1
0
2 2
2
1 0 1
2
0 1 0
0 dt t A dt t A
% %
% %
$
$
$ = $ ( $
= $
0
1
1
0
1
1
1
0
2 2 2
2
1 2 1 1
1
dt t dt t dt t
dt t
y como
%
$
= $
1
1
2
2
1
!
dt t (rea del semicrculo)
queda que ( )
4
!
= o A
Sabiendo que la funcin Cos x es decreciente y los tres valores calculados antes
podemos representarla, siendo
fig. 6
Para representar la funcin sen x tengamos en cuenta que:
( )
( )
6
7
6
8
9
0
1
2
3
4
5
! <
! >
=
!
!
!
,
2
2
, 0 0

x si
x si
Cosx Senx
Entonces Sen x
( )
( )
6
7
6
8
9
! /
! /
!
!
!
,
2
2
, 0
x e Decrecient nte Estrictame
x Creciente nte Estrictame
Y presenta un mximo en
2
!
= x
0 1 1 0 1 0
2
= $ = $ = Cos Sen
( ) 0 1 1 1
2
2
= $ $ = $ = ! ! Cos Sen
1 0 1
2
1
2
2
= $ = $ =
! !
Cos Sen
10/28
luego su representacin grfica es
fig. 7
2.1.2. Extensin de Sen x y Cos x a todo ! !.
Los valores de las funciones sen x y cos x con x![", 2"] los podemos calcular de
la siguiente forma:
( ) x Sen Senx $ $ = ! 2
( ) x Cos Cosx $ = ! 2
Estas definiciones provienen de observar la circunferencia trigonomtrica y recordar
las definiciones para sen x y cos x con x![0, "] P(cos x, sen x) era un punto de la
circunferencia.
Es fcil extender las grficas de sen x y cos x al intervalo [0, 2"], ya que los valores
para x![", 2"] se basan en los que obtiene el cos x y sen x en [0, "] respectivamente,
los cuales nos son conocidos.
Por tanto tenemos que
Sen x con x![0, 2"]
fig. 8
Cos x con x![0, 2"]
fig. 9
11/28
Al tener en x![0, "]
Rang (sen x) = [0, 1]
Rang (cos x) = [-1, 1]
Entonces en x![", 2"]
Rang (sen x) = [-1, 0]
Rang (cos x) = [-1, 1]
Y deducimos que ambas funciones tienen de rango [-1, 1] cuando x![0, 2"].
Antes de extender la definicin a todo nmero real hemos de tener en cuenta que los
ngulos son medidos modulo 360 o mdulo 2". Eso es debido a que si representamos
un ngulo de 400 en la circunferencia, el punto de la misma que lo determina al ngulo
de 40, y a cualquier otro ngulo que provenga de sumar 40 a un nmero entero de
vueltas de circunferencia.
Por tanto, tenemos que
Si x!! ( x = 2K" + x
o
con K!" y x
o
![0, 2"]
Sen x = Sen x
o
Cos x = Cos x
o
Las construimos de forma que son peridicas de periodo 2". Y por tanto, el rango de
ambas funciones sigue siendo [-1, 1].
Sen: ! & [-1, 1]
x & Sen x
o
siendo x = 2"K + x
o
con x
o
![0, 2"]
Cos: ! & [-1, 1]
x & Cos x
o
siendo x = 2"K + x
o
con x
o
![0, 2"]
Y ( ) x D Cosx y x x
o o o
1 2
cos 1 sen
$
= $ =
PROP Las funciones sen x y cos x con x!! verifican
1) Sen
2
x + Cos
2
x = 1 /x!!
2) (Sen x) = Cos x /x ' K"
3) (Cos x) = - Sen x /x ' K"
12/28
Dem.
1) /x!! :K!" / x = 2"K + x
o
con x
o
![0, 2"]
( ) ( ) 1 2 2
2 2 2 2 2 2
= + = + + + = +
o o o o
x Cos x Sen K x Cos K x Sen x Cos x Sen ! !
Vale 1 porque P(Cos x
o
, Sen x
o
) es un punto de la circunferencia trigonomtrica.
2) Si x!(0, ") sabemos que es cierto.
Si x!(", 2") ( sen x = - sen(2" - x) (
( (sen x) = (- sen(2" - x) y como 2" - x!(0, ")
( (- sen(2" - x) = (- cos(2" - x) (- 1)
( (sen x) = cos (2" - x) = cos x
Si x toma cualquier otro valor (no mltiplo de ") se reduce 3) Anlogo al 2).
OBS Las derivadas de las funciones Sen x y Cos x no estn definidas en los valores
mltiplo entero de ". Ello es debido a que la funcin A(x) no tena derivada para
x = 1.
An as vamos a extender la definicin para que ambas derivadas sean continuas.
Nos basaremos en el siguiente teorema.
TEOREMA Sea f(x) una funcin continua en x = a, existe f(x) /x!E*(a, ;) y
existe ( ) x f lim
a x

&
. Entonces existe f(a) y es f(a) =
a x
lim
&
f(x).
COROLARIO
1) (Sen x) = Cos x /x!!
2) (Cos x) = - Sen x /x!!
PROP Se verifican las siguientes expresiones:
1)
( )
( )
6
6
7
6
6
8
9
= $
$ = $
$ = +
$ = +
Cosx x Cos
Senx x Sen
Cosx x Cos
Senx x Sen
) (
) ( !
!
2) Sen x x cos
2
=
0
1
2
3
4
5
$
!
13/28
3) Cos x x sen
2
=
0
1
2
3
4
5
$
!
Dem.
Inmediatas
2.2. Funcin Tangente.
DEF Definimos la funcin tangente como
tg: ! & !
x & tg x =
x
x
cos
sen
siempre que cos x ' 0.
Veamos ahora donde la funcin tg x no est definida, que ser cuando cos x = 0.
(
<
=
>
=
=
(
<
=
>
=
=
(
<
=
>
= +
=
1 sen
0 cos
1 sen
0 cos
1 cos sen
0 cos
2 2 2
x
x
x
x
x x
x
( Se corresponde con los puntos (0, 1) y (0, -1) de la circunferencia, y esos puntos
definen los ngulos de
2
!
y
2
3!
radianes. Al ser la funcin cos x peridica de periodo
2", resulta que se anula en K x !
!
2
2
+ = y ! / + = K K x !
!
2
2
3
", siendo esos puntos
tambin expresables como ! / + = K K x !
!
2
".
Por tanto, ( ) = x Dom tg !-
<
=
>
7
8
9
! / + = Z K K x x !
!
2
/
Para saber el periodo de la funcin tangente tenemos que
( )
( )
( )
x
Cosx
Senx
x Cos
x Sen
x tg
2
2
2 tg = =
+
+
= +
!
!
!
pero 2" no es el periodo, ya que tambin se verifica
( )
( )
( )
x
Cosx
Senx
x Cos
x Sen
x tg tg =
$
$
=
+
+
= +
!
!
!
y como " es el nmero ms pequeo, estrictamente positivo, tal que
( ) x P x tg tg = +
14/28
podemos afirmar que P = " es el periodo de la funcin tangente.
PROP Se verifica
x
x
2
2
cos
1
tg 1 = +
Dem.
Sabiendo que Sen
2
x + Cos
2
x = 1 y que
x
x
x
cos
sen
tg = tenemos que
x Cos
x
x Cos x Cos
x Sen
2
2
2 2
2
1
1 tg
1
1 = + ( = +
PROP La funcin tg x es derivable en todo su dominio siendo
( )
x
x
2
cos
1
tg =
Dem.
( )
( ) ( )
x Cos x Cos
x Sen x Cos
x Cos
Cosx Senx Cosx Senx
Cosx
Senx
x
2 2
2 2
2
1
tg =
+
=
$
=
0
1
2
3
4
5
=
PROP La funcin tg x verifica
1) tg(- x) = - tg x
2)
x
x
tg
1
2
tg =
0
1
2
3
4
5
$
!
Dem.
1) x
x
x
x
x
x Tg tg
cos
sen
) cos(
) sen(
) ( $ =
$
=
$
$
= $
2)
x x
x
x
x
x Tg
tg
1
sen
cos
2
cos
2
sen
2
= =
0
1
2
3
4
5
$
0
1
2
3
4
5
$
= 0
1
2
3
4
5
$
!
!
!
La representacin de la funcin tg x es
15/28
fig. 10
2.3. Funciones Circulares Inversas.
DEF Las funciones circulares inversas son:
1) Secante !
!
K x
Cosx
Secx + ' / =
2
1
K!"
2) Cosecante ! K x
Senx
Coscx ' / =
1
K!"
3) Cotangente ! K x
Senx
Cosx
Co ' / = tg K!"
PROP Las derivadas de las funciones circulares inversas son
1) ( ) x Secx Secx tg =
2) ( ) x Co Coscx x Co tg sec $ =
3) ( )
x Sen
x Co
2
1
tg
$
=
Dem.
Inmediata.
La representacin grfica de las funciones circulares es
1) Sec x
16/28
fig. 11
2) Cosec x
fig. 12
3) Cotg x
fig. 13
2.4. Funciones Circulares Recprocas.
Las funciones circulares las tenemos definidas de ! en ! y no son biyectivas. Para
poder obtener sus recprocas, primero hay que restringirlas a un intervalo adecuado.
Hablando con propiedad, las funciones circulares no tienen recproca, pero si unas
restricciones suyas adecuadas.
2.4.1. La Recproca de al funcin Sen x.
Definamos f(x) como
17/28
)
*
+
,
-
.
$
2
,
2
:
! !
f & !
x & Sen x
La funcin f(x) definida como la funcin sen x restringida al intervalo
)
*
+
,
-
.
$
2
,
2
! !
es biyectiva.
fig. 14
La recproca de la funcin f(x) recibe el nombre de arco seno y se denota como:
[ ]
)
*
+
,
-
.
$ & $
2
,
2
1 , 1 :
! !
arcse
x & arcsen x
y su representacin grfica es
fig. 15
PROP Si x!(-1, 1) se verifica
( )
2
1
1
cos
x
enx ar
$
=
Dem.
18/28
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
2
1 1
1
1
1
arcsen cos
1
sen
1

1
cos
x
x x f x f f
x f enx ar
$
= = = = =
$ $
$
ya que ( ) ( ) ( ) ( = + ( = + 1 arcsen 1 arcsen arcsen sen
2 2 2 2
x Cos x x Cos x
( )
2
1 arcsen x x Cos $ = (
Tomamos la raz cuadrada positiva porque
0
1
2
3
4
5
$ !
2
,
2
arcsen
! !
x y por tanto su
coseno es positivo.
2.4.2. La Recproca de la funcin Cos x.
Definimos f(x) como
f: [0, "] & [-1, 1]
x & Cos x
As definida, f(x) es una funcin biyectiva y por tanto existe su recproca. Su
representacin grfica es:
fig. 16
La recproca de la funcin f(x) recibe el nombre de arcoseno y se denota como:
arccos: [-1, 1] & [0, "]
x & arccos x
y su grfica es
19/28
fig 17
PROP Si x!(-1, 1) se verifica
( )
2
1
1
arccos
x
x
$
$
=
Dem.
( ) ( ) ( )
( ) ( ) ( )
2
1
1
1
arccos
1
arccos
1
arcsen
x
x Sen x Cos
x f x
$
$
=
$
= = =
$
ya que ( ) ( ) ( )
2 2 2
1 arccos 1 arccos arccos x x Sen x Cos x Sen $ = ( = +
e igualmente tomamos la raz positiva porque arccos x!(0, ") y por tanto su seno es
positivo.
2.4.3. La Recproca de la funcin tg x.
Definimos f(x) como
)
*
+
,
-
.$
2
,
2
:
! !
f & !
x & tg x
As definida, f(x) es una funcin biyectiva y por tanto existe su recproca.
La recproca de la funcin f(x) recibe el nombre de arcotangente y se denota como
: arctg ! &
)
*
+
,
-
.
$
2
,
2
! !
x & arctg x
siendo su grfica
20/28
fig. 18
PROP /x!! se verifica
( )
2
1
1
arctg
x
x
+
=
Dem.
( )
( ) ( ) ( )
2 2
1
1
tg 1
1
tg
1
arctg tg
1
arctg
x y y x
x
+
=
+
= = =
siendo y x y x x y
2 2
tg tg arctg = ? = ? =
OBS De forma anloga obtendramos, en el mayor intervalo posible, las recprocas de
las funciones inversas.
1) La recproca de la sec x es arcosec x.
2) La recproca de la cose x es arcosec x.
3) La recproca de la cotg x es arccotg x.
3. FUNCIONES HIPERBLICAS.
La circunferencia trigonomtrica tiene como ecuacin
x
2
+ y
2
= 1
y sus ecuaciones paramtricas son
<
=
>
=
=
t y
t x
sen
cos
Por eso las funciones Sen x y Cos x reciben el nombre de funciones circulares.
De forma anloga, dada la ecuacin de una hiprbola
1
2
2
2
2
= $
b
y
a
x
21/28
vemos que sus ecuaciones paramtricas son
<
=
>
=
=
Sht b y
Cht a x

siendo Sht el seno hiperblico de t y Cht el coseno hiperblico de t. Estas funciones,

que ahora definiremos, son las llamadas funciones hiperblicas. Aunque no lo vamos a
hacer, podriamos definir estas funciones geomtricamente de forma muy similar a como
lo hemos hecho para el sen x y cos x.
3.1. Funciones Shx y Chx.
DEF Definimos la funcin Seno hiperblico como
2
x x
e e
Shx
$
$
=
y la funcin Coseno hiperblico como
2
x x
e e
Chx
$
+
=
PROP Las funciones Shx y Chx verifican
1) 1
2 2
= $ x Sh x Ch
2) ( ) Shy Shx Chy Chx y x Ch + = +
3) ( ) shy shx chy chx y x Ch $ = $
4) ( ) Shy Chx Chy Shx y x Sh + = +
5) ( ) Shy Chx Chy Shx y x Sh $ = $
6) ShxChx x Sh 2 2 =
7) x Sh x Ch x Ch
2 2
2 + =
8) x Ch x Ch
2
2 2 1 = +
9) x Sh x Ch
2
2 2 1 $ = $
Dem.
1) ( )( ) = $ + = $ Shx Chx Shx Chx x Sh x Ch
2 2
22/28
1
2 2 2 2
= =
0
0
1
2
3
3
4
5 $
$
+
0
0
1
2
3
3
4
5 $
+
+
=
$
$ $ $ $
x x
x x x x x x x x
e e
e e e e e e e e
2) ( ) =
+
=
+
= +
$ $ $ $ +
2 2
y x y x y x y x
e e e e e e
y x Ch
Sabemos que ( ) Shx Chx e
x
+ = y ( ) Shx Chx e
x
$ =
$
( )( ) ( )( )
=
$ $ + + +
=
2
Shy Chy Shx Chx Shy Chy Shx Chx
=
+ $ $ $ + + + +
=
2
ShxShy ShxChy ChxShy Chy Chx ShxShy ShxChy ChxShy ChxChy
ShxShy Chy Chx
ShxShy ChxChy
+ =
+
=
2
2 2
3) 4) 5) Anlogas a la anterior.
6) ( ) ShxChx Shx Chx ShxChx x x Sh x Sh 2 2 = + = + =
7) 8) 9) Anlogas a la anterior.
3.1.1. Estudio de la funcin Shx.
Ahora hemos de tener en cuenta las propiedades de la funcin exponencial, e
x
, la
cual estudiamos en el tema anterior.
Como
2
x x
e e
Shx
$
$
= , podemos decir:
1) Dom(Sh x) = !
2) Corta a los ejes en el origen (0, 0), pues Sh0 = 0
3) Tiene simetra Impar.
( ) Shx
e e e e
x Sh
x x x x
$ =
$
$ =
$
= $
$ $
2 2
4) Es estrictamente Creciente ya que
( ) 0
2

2
> =
0
0
1
2
3
3
4
5 +
=
0
0
1
2
3
3
4
5 $
=
$ $
Chx
e e e e
Shx
x x x x
23/28
su derivada es positiva.
Por tanto no presenta mximos ni mnimos.
5) ( )
( )
( )
7
8
9
@ $
+@
( =
0 ,
, 0

en Concava
en Convexa
Shx Shx
Presenta un punto de inflexin en (0, 0)
6) No tiene asntotas horizontales, ni verticales, ni oblicuas.
3.1.2. Estudio de la funcin Chx.
Realizaremos un estudio anlogo al anterior par la funcin Chx.
1) ( ) = Chx Dom !
2) Corta a los ejes en (0, 1) pues Ch0 = 1.
3) Tiene simetra par
( ) Chx
e e e e
x Ch
x x x x
=
+
=
+
= $
$ $
2 2
4) ( ) ( = Shx Chx Decreciente en (- 0 , @ ), ya que Shx < 0 /x!!
-
Creciente en (0, @ + ), ya que Shx > 0 /x!!
+
5) (Chx) = Chx > 0 /! ( Es siempre convexa.
6) No tiene asntotas de ningn tipo.
3.2. Funcin Thx.
DEF La funcin Tangente hiperblica, que se representa por Thx es
x x
x x
e e
e e
Thx
Chx
Shx
Thx
$
$
+
$
= =
PROP La funcin Thx verifica
1)
x Th
Thx
x Th
2
1
2
2
+
=
2) x th
x Ch
x Ch
2
2 1
2 1
$ =
+
$
24/28
3)
x Th
x Th
x Ch
2
2
1
1
2
$
+
=
4)
x Th
Thx
x Sh
2
1
2
2
$
=
3.2.1. Estudio de la funcin Thx.
1) Dom(Thx) = ! ya que su denominador, Chx, no se anula nunca.
2) Corta a los ejes en (0, 0) ya que th0 = 0.
3) Es simtrica impar:
( )
( )
( )
thx
Chx
Shx
x Ch
x Sh
x th $ =
$
=
$
$
= $
4) Es estrictamente creciente:
( ) ! / > =
$
= x
x Ch x Ch
Shx Shx Chx Chx
thx 0
1

2 2
!.
5) ( ) ( $ =
x Ch
Shx
thx
3
2
Cncava en !
-
Convexa en !
+
6) Tiene asntotas horizontales en y = 1 ya que 1 1 $ = =
$@ & +@ &
thx lim y thx lim
x x
.
3.3. Funciones Hiperblicas Inversas.
DEF La funcin inversa del Shx es la cosecante hiperblica, coschx, y se define como
Shx
hx Co
1
sec =
DEF La funcin inversa del Chx es la Secante hiperblica, Sechx, y se define como
Chx
Sechx
1
=
DEF La funcin inversa de la thx es la cotangente hiperblica.
thx
Cthx
1
=
25/28
Ahora vamos a realizar el estudio de esta ltima funcin. Para no reiterarnos,
omitiremos el estudio de las otras dos.
3.3.1. Estudio de la funcin Cthx.
1) Dom(Cthx) = ! - {0}.
2) No corta a los ejes.
3) Simtrica impar
( ) Cthx x Cth $ = $
4) ( ) ( = / <
$
= 0 0
1

2
x
x Sh
Cthx Es estrictamente decreciente.
5) ( )
( )
( )
7
8
9
+@
@ $
( =
, 0
0 ,
2

2
Convexa
Concava
x Sh
Chx Shx
Cthx
No hay punto de inflexin en x = 0 ya que 0 A Dom(Cthx)
6) 1 =
+@ &
Cthx lim
x
( Asntota Horizontal positiva en y = 1.
1 $ =
$@ &
Cthx lim
x
( Asntota Horizontal negativa en y = -1.
$@ =
$
&
Cthx lim
o x
( Asntota Vertical por la izquierda en x = 0.
+@ =
+
&
Cthx lim
x 0
( Asntota Vertical por la derecha en x = 0.
3.4. Funciones Hiperblicas Recprocas.
3.4.1. La recproca de la funcin Shx.
La funcin Shx sabemos que es una biyectiva de ! en !, luego admite funcin
recproca, que tambin ser una biyeccin de ! en !. Se representa por Argshx.
La grfica de Argshx es simtrica de Shx con respecto de la recta y = x.
Como podemos comprobar, se trata de una funcin estrictamente creciente, que pasa
por el origen, es simtrica impar, no presenta extremos relativos y tiene un punto de
inflexin en (0, 0), siendo convexa en !
-
y cncava en !
+
.
Veamos como podemos expresar esta funcin:
(
$
= (
$
= = ( =
$
y
y y y
e
e
x
e e
Shy x shx y
1
2
2
arg
2
26/28
0 1 2
2
= $ $ (
y y
xe e
( e
y
es solucin de la ecuacin 0 1 2
2
= $ $ z x z
( 1
2
4 4
2
2
+ =
+
= = x x
x zx
e z
y
y tomamos la raz cuadrada positiva ya que e
y
> 0.
( ( ) 1 1
2 2
+ + = ( + + = x x lu y x x e
y
( ) 1 arg
2
+ + = x x lu shx
3.4.2. La recproca de la funcin Chx.
La funcin Chx no es biyectiva. Si nos quedamos con la rama correspondiente a
valores de x positivos, tenemos que la funcin Chx define una biyeccin entre !
+
y
[1, +@). Podemos hablar entonces de su funcin inversa, que recibe el nombre de
y = argchx. Su grfica es simtrica de la rama correspondiente a x B 0 de Chx respecto
de al bisectriz y = x.
Para encontrar otra expresin que nos de argchx realizamos un proceso anlogo al
descrito para argshx, dando
( ) 1 arg
2
$ + = x x lu chx
3.4.3. La recproca de la funcin thx.
La funcin y = thx es una biyeccin de ! en (-1, 1). Su funcin recproca recibe el
nombre de argthx y esta definida de (-1, 1) en !.
Como
Chx
Shx
thx = , vamos a encontrar otra expresin para y = argthx.
(
+
$
=
+
$
= = ( =
$
$
1
1
arg
2
2
y
y
y y
y y
e
e
e e
e e
thy x thx Y
( ) ( ) ( )( )
x
x
e x e x x e x e
y y y y
$
+
= ( + = $ ( + = $
1
1
1 1 1
2 2 2
Nos quedamos con la raz cuadrada positiva ya que e
y
> 0.
( ) 1 , 1
1
1
$ !
0
0
1
2
3
3
4
5
$
+
= x
x
x
lu y
27/28
4. SITUACIONES REALES EN LAS QUE APARECEN.
Las funciones circulares son bsicas para el estudio de las funciones peridicas, ya
que cualquiera de stas se puede expresar en funcin de Sen mx y Cos mx.
Veamos un conjunto de fenmenos naturales peridicos que los podemos expresar
mediante funciones circulares.
a) Movimiento Pendular.
b) La posicin de las agujas de un reloj con relacin a un punto origen.
c) El Movimiento de subida y bajada del mbolo en un motor de explosin.
d) Movimiento de una noria de feria, donde la altura de una persona montada vara a
lo largo de una vuelta, y se repite en todas las dems.
e) Clculos de navegacin o astronoma.
f) Las leyes que rigen el movimiento armnico simple.
g) La actividad elctrica del cerebro.
h) La Intensidad de Corriente alterna de un circuito.
Las funciones hiperblicas tienen aplicacin en situaciones de tipo tcnico.
a) La Catenaria es la curva que forma un cable suspendido en el aire y solo sujeto
por sus extremos (es Chx).
b) Al calcular la longitud de un arco de Catenaria aparece Shx.
c) Las recprocas de las funciones hiperblicas tambin nos las encontramos al
realizar la integracin de funciones donde aparecen expresiones de la forma 1
2
$ x .
28/28
Bibliografa recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Ed. Labor
1/17
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 24
FUNCIONES DADAS EN FORMA DE TABLA. INTERPOLACIN
POLINOMICA. INTERPOLACIN Y EXTRAPOLACIN DE DATOS.
1. Introduccin.
1.1. Formas diversas de expresin de Funciones.
2. Interpolacin Polinomica.
2.1. Descripcin del Problema de Interpolacin.
2.2. Interpolacin Lineal.
2.3. Interpolacin Cuadrtica.
2.4. Interpolacin General.
2.4.1. Frmula de Lagrange.
2.4.2. Frmula de Newton.
2.4.3. Interpolacin Basada en Diferencias.
2.4.4. Error del polinomio de Interpolacin Newton.
2.4.5. Polinomios de Bernstein.
2.5. Interpolacin Inversa.
3. Extrapolacin de datos.
Bibliografa Recomendada.
2/17
TEMA 24
FUNCIONES DADAS EN FORMA DE TABLA. INTERPOLACIN
POLINOMICA. INTERPOLACIN Y EXTRAPOLACIN DE DATOS.
1. INTRODUCCIN.
Al observar los fenmenos que se producen en la naturaleza podemos darnos cuenta
que se pueden elegir dos magnitudes x e y entre las cuales existe una dependencia
funcional que expresa el aspecto cuantitativo del fenmeno estudiado.
Conocidos algunos pares de valores de la relacin, el problema que vamos a tratar
de resolver es hallar una curva que contenga dichos puntos y exprese de forma
matemtica la ley que rige dicha funcin.
La funcin viene a expresar en trminos cuantitativos la dependencia de una de las
magnitudes respecto de la otra. Por ejemplo, la temperatura de una localidad es funcin
del tiempo, el precio de un crdito hipotecario es funcin de los tipos de inters, etc.
Lo cierto es que unos cuantos valores de la funcin no la determinan, a no ser que
impongamos alguna condicin extra, como podra ser la de pertenecer a una
determinada clase. Sin ninguna restriccin extra, podemos encontrar multitud de curvas
que pasen por unos puntos determinados.
Por tanto, para poder resolver el problema de forma completa, debemos fijar de
antemano el tipo de funcin que ha de pasar por los puntos dados, viendo si son
suficientes o no para su determinacin.
La interpolacin consiste en la determinacin de valores dentro del rango de al
variable, a partir de la funcin calculadora. La extrapolacin consiste en evaluar la
funcin de interpolacin obtenida en puntos que no estn dentro del rango de los datos.
Podemos as comprobar si los resultados obtenidos se aproximan a los esperados.
1.1. Formas diversas de expresin de Funciones.
a) Funciones dadas en forma de tabla.
En esta forma de expresar una funcin se disponen los valores del argumento en
cierto orden x
1
, x
2
,., x
n
y de la misma manera se escriben los valores correspondientes
de la funcin y
1
, y
2
,., y
n
.
De este tipo son las tablas de las funciones trigonomtricas, las de logaritmos, etc.
Tablas que expresan la dependencia funcional que existe entre magnitudes medidas
pueden aparecer tambin como resultado del estudio experimental de ciertos
fenmenos.
b) Representacin grfica.
3/17
Dado en el plano del sistema de coordenadas rectangulares o cartesianas un conjunto
de puntos P, tal que ningn par de puntos caiga sobre una recta paralela al eje y,
podemos decir que el conjunto mencionado determina una funcin y = f(x). Las
abscisas de los puntos son los valores del argumento e variable independiente, y los de
la funcin, las ordenadas correspondientes.
Se llama grfica de una funcin al conjunto de puntos del plano cuyas abscisas son
los valores de la variable independiente y las ordenadas, los correspondientes de la
funcin.
c) Representacin Analtica de las funciones.
Se llama expresin analtica a la notacin simblica del conjunto de las operaciones
matemticas conocidas que se han de realizar en cierto orden con los nmeros y letras
que designan magnitudes constantes o variables.
Si la dependencia funcional y = f(x) es tal que f es una expresin analtica, se dice
que la funcin y de x est dada analticamente.
2. INTERPOLACIN POLINMICA.
2.1. Descripcin del problema de Interpolacin.
Gran cantidad de operaciones con funciones exigen un paso al lmite, como
derivacin e integracin. Por tanto, sera conveniente conseguir lo que podramos llamar
aproximacin polinomial, que es sustituir la funcin por un polinomio. Las
operaciones anteriores sobre polinomios son operaciones algebraicas. Adems, dada una
funcin continua en un intervalo, es posible encontrar aproximaciones polinomiales tan
buenas como se quiera.
El problema consiste en, dados n puntos de una funcin de la cual desconocemos su
expresin matemtica, hallar otra funcin real de variable real que tome esos valores. La
funcin obtenida debe permitir calcular el valor correspondiente en un punto intermedio
de los que tenemos, de forma que el resultado obtenido se ajuste con el menor error
posible al esperado. Y tambin hemos de poder comprobar si la funcin se ajusta a los
resultados esperados para valores de x fuera del intervalo.
Si representamos los puntos (x
1
, y
1
),., (x
n
, y
n
) en un sistema de coordenadas
cartesianas, la curva que los une resuelve el problema de la interpolacin. Si llamamos
y = g(x) a la funcin que une dichos puntos, tendremos que el valor de g(x) con
x![x
1
, x
n
] depender de la curva elegida. A veces podemos demostrar que la eleccin de
la curva es la adecuada, pero otras veces slo contaremos con el conocimiento del
fenmeno estudiado que tenga la persona que trata de resolver el problema.
Consideremos una cierta funcin f(x), que puede ser conocida o no, pero de la que
tenemos los puntos (x
1
, y
1
),.., (x
n
, y
n
). Cualquier funcin g(x) que pase por esos
puntos recibe el nombre de funcin interpolacin. Como lo que tratamos es de sustituir
f(x) por g(x), sta ltima ha de ser ms sencilla que f(x). Es por ello que se suelen elegir
las funciones polinmicas, que presentan como ventajas la facilidad de realizar
4/17
operaciones con ellas, son expresiones sencillas, es fcil calcular el error que se comete
al sustituir una por otra, etc.
El error de interpolacin es la diferencia, en valor absoluto, entre el valor de la
funcin dada, f(x), y el que toma la funcin de interpolacin, g(x):
( ) ( ) x g x f E " =
A partir de ahora vamos a tratar de calcular funciones de interpolacin que
verifiquen dos condiciones:
1) Que sean lo ms sencillas posibles.
2) Que el error cometido sea mnimo.
2.2. Interpolacin Lineal.
La expresin de una funcin lineal es
f(x) = ax + b
Debido a que tenemos dos parmetros, a y b, es necesario dar dos condiciones para
determinar completamente la funcin. Las dos condiciones son dos puntos, A(x
1
, y
1
) y
B(x
2
, y
2
), que pertenecen a la grfica de la funcin.
Si sustituimos A y B en f(x) tenemos que
#
$
%
+ =
+ =
b ax y
b ax y
2 2
1 1
Para resolver el sistema aplicamos la regla de Cramer:
2 1
2 1
2
1
2
1
1
1
1
1
x x
y y
x
x
y
y
a
"
"
= =
2 1
1 2 2 1
2
1
2 2
1 1
1
1 x x
y x y x
x
x
y x
y x
b
"
"
= =
y la solucin existe siempre que x
1
& x
2
, siendo nica.
Si f(x) es una funcin cualquiera y [a, b] es un intervalo del dominio de definicin
de f(x), podemos aproximar la funcin de manera lineal con
( )
( ) ( ) ( ) ( )
a b
b af a bf
x
a b
a f b f
x p
"
"
+
"
"
=
donde ambas funciones coinciden en los extremos del intervalo
5/17
A(a, f(a)) y B(b, f(b))
Sustituyendo en p(x) la variable x por un valor intermedio entre a y b se obtiene el
valor aproximado.
2.3. Interpolacin Cuadrtica.
Una funcin cuadrtica es de la forma
p(x) = ax
2
+ bx + c
Dada una funcin f(x), si queremos aproximarla mediante una funcin cuadrtica,
necesitamos conocer tres puntos, ya que hemos de calcular los tres parmetros.
Igualmente, si de la funcin f(x) slo conocemos tres puntos por los que pasa, podremos
aproximarla por un polinomio de grado dos.
Sean A(x
1
, y
1
), B(x
2
, y
2
) y C(x
3
, y
3
) los puntos por los que pasa f(x). Vamos a
suponer que los tres puntos no estn alineados, ya que en caso contrario, el polinomio
ms simple sera de primer grado (una recta) y no el de segundo grado.
Sustituyendo los puntos en p(x) y aplicando la regla de Cramer para resolver el
sistema que se obtiene:
'
#
'
$
%
= + +
= + +
= + +
3 3
2
3
2 2
2
2
1 1
2
1
y c bx ax
y c bx ax
y c bx ax
1
1
1
1
1
1
3
2
3
2
2
2
1
2
1
3 3
2 2
1 1
x x
x x
x x
x y
x y
x y
a =
1
1
1
1
1
1
3
2
3
2
2
2
1
2
1
3
2
3
2
2
2
1
2
1
x x
x x
x x
y x
y x
y x
b =
1
1
1
3
2
3
2
2
2
1
2
1
3 3
2
3
2 2
2
2
1 1
2
1
x x
x x
x x
y x x
y x x
y x x
c =
Y como el denominador es el determinante de Vandermonde, tenemos que
( )( )( )
1 2 2 3 1 3
3
2
3
2
2
2
1
2
1
1
1
1
x x x x x x
x x
x x
x x
" " =
el cual es no nulo ya que los tres puntos son distintos. Por tanto la solucin del sistema
existe y es nica.
Si x
1
< x
2
< x
3
tenemos que podemos sustituir la funcin f(x) en [x
1
, x
3
] por p(x),
coincidiendo ambas en los tres puntos.
6/17
2.4. Interpolacin General.
Si la tabla de valores de la funcin a interpolar tiene n + 1 puntos, (x
o
, y
o
)
(x
1
y
1
) (x
n
y
n
), el polinomio resultante de la interpoblacin ser, como mximo, de
grado n.
Sea ( )
(
=
=
n
i
i
i
x a x p
0
el polinomio interpolador. Los coeficientes (a
i
)
0)i)n
son los
valores que queremos encontrar. Para ello obligamos al polinomio a pasar por los
(n + 1) puntos, obteniendo un sistema de n + 1 ecuaciones con n + 1 incgnitas.
'
'
#
'
'
$
%
= + + + +
= + + + +
= + + + +
n
n
n n n o
n
n o
o
n
o n o o o
y x a x a x a a
y x a x a x a a
y x a x a x a a
......
....... .......... .......... .......... ..........
.......
.......
2
2 1 1
1 1
2
1 2 1 1
2
2 1
El determinante de la matriz de coeficientes es el determinante de Vandermonde.
( )( )( )( ) ( )
1 3 1 2 2 1
2
1
2
1 1
2
........
1
1
1
"
" " " " " =
n n o o o
n
n n n
n
n
o o o
x x x x x x x x x x
x x x
x x x
x x x
L
L L L L L
L
L
y sabemos que es no nulo si x
i
& x
j
para i & j.
Aplicando la regla de Cramer, calculamos el valor de los n + 1 coeficientes,
obteniendo as la expresin del polinomio interpolar.
Veamos ahora otros mtodos que nos van a permitir calcular el polinomio de
interpolacin del grado n de una forma ms rpida y sencilla.
2.4.1. Frmula de Lagrange.
Se trata de conseguir un polinomio de grado n que se anule en los (n + 1) puntos
(x
o
, y
o
), (x
1
, y
1
),.., (x
n
, y
n
). Para ello vamos a construir n + 1 polinomios, donde el
polinomio P
K
(x) tome el valor P
K
(x
K
) = y
K
y se anule en los restantes n puntos,
recorriendo K los valores {0,., n}.
Definiremos ( ) ( )
(
=
=
n
K
K
x P x P
0
donde
( ) ( )( ) ( )
n
j
j
o n o o
x x x x x x x P
0
0
2 1
.......
&
=
* = " " " = ! !
7/17
( ) ( )( ) ( ) ( )
j
n
j
j
n o
x x x x x x x x x P " * = " " " =
&
=
0
0
1 2 1 1
........ ! !
y en general
( ) ( )
j
n
j
j
K K
x x x P " * =
&
=
0
0
!
Para calcular los coeficientes de los polinomios P
K
(x) K!{0,., n} apliquemos las
condiciones que conocemos
{ } ( ) ( )
K j K
n
K j
j
K K K K
y x x y x P n K = " * + = ! ,
&
=0
,..., 0 !
Luego
( )
{ } n K
x x
y
j K
n
o j
j
K
K
,...., 0
0
! ,
" *
=
&
=
!
Si sustituimos en P(x) tenemos
( ) ( ) ( )
( )
( )
( ( (
= = =
&
=
&
=
=
-
-
.
/
0
0
1
2
"
"
* =
-
-
.
/
0
0
1
2
" * = =
n
K
n
K
n
K j K
j
n
j
j
K j
n
K j
j
K K
x x
x x
y x x x P x P
0 0 0
0
0 0
!
( )( ) ( )
( )( ) ( )
( )( ) ( )
( )( ) ( )
+
" " "
" " "
+
" " "
" " "
=
n o
n o
n o o
n
o
x x x x x x
x x x x x x
y
x x x x x x
x x x x x x
y
......
......
.......
......
2 1 1
2
1
2 1
2 1
( )( ) ( )
( )( ) ( )
1 1
1 1
........
.......
.......
"
"
" " "
" " "
+ +
n n n o n
n o
n
x x x x x x
x x x x x x
y
Es fcil ver que P(x
K
) = 0 ,K!{0,., n}, siendo P(x) el nico polinomio de
grado n que pasa por los (n + 1) puntos dados.
DEF Los cocientes
( )
( )
j K
j
n
j
j
x x
x x
"
"
*
&
=
0
0
reciben el nombre de coeficientes de Lagrange.
OBS Si utilizamos la frmula de Lagrange para hallar el polinomio de interpolacin
de grado 1 que pasa por dos puntos, obtenemos el mismo resultado que en 22.
Anlogamente, al aplicar la frmula de Lagrange para hallar el polinomio de
interpolacin de grado 2 que pasa por tres puntos, se obtiene el resultado de 2.3.
Ellos es debido a que el polinomio es nico.
8/17
Este procedimiento de obtencin del polinomio de grado n que pasa por (n + 1)
puntos presenta dos inconvenientes:
1) El polinomio no se presenta ordenado segn potencias de x.
2) Si despus de obtener P(x), aadimos un nuevo punto, para calcular el nuevo
polinomio no nos sirve nada del trabajo anterior, siendo necesario rehacer todas las
cuentas.
DEF Se define el resto de la interpolacin como la funcin
( ) ( ) ( ) x P x f x R
n
" =
siendo P(x) el polinomio de interpolacin de f(x) de grado n.
Si sustituimos P(x) por su expresin mediante la frmula de Lagrange tenemos:
( ) ( )
( )
( )
(
=
&
= -
-
.
/
0
0
1
2
"
"
* " =
n
K j K
j
n
j
j
K n
x x
x x
y x f x R
0
0
0

DEF La magnitud del error cometido viene definido por ( ) x R

n
y que sabemos que es
cero cuando x = x
K
,K!{0,., n}.
Podemos fcilmente comprobar, que tal y como esta definido el resto, depende de
las propiedades de al funcin f(x) (la cual generalmente desconoceremos) as como de
los nodos de interpolacin x
K
con K!{1,.., n}. Es por ello que se han construido
diferentes formas de representar el error. Veamos ahora la que podemos considerar mas
importante.
Si f!C
(n+1)
([a, b]) entonces 34!(a, b) tal que
( )
( )
( )
( ) "
) 1
! 1
+
+
=
n
n
f
n
x w
x R
siendo w(x) = (x x
o
)(x x
1
) (x x
n
)
Dem.
Si x = x
K
con K!{0,., n} el teorema es cierto, ya que R
n
(x
K
) = 0 y
f(x
K
) = P(x
K
)
Supongamos pues que x & x
K
Definimos las funciones
9/17
( )
( )
( )
[ ] { }
K
n
K
n
x b a x
x w
x R
x g
0
,
=
5 " ! , =
( ) ( ) ( ) ( ) [ ] b a y y w x g y R y h
n
, ! , " =
Entonces tenemos:
Si y = x
K
+ ( ) { } n K x w x g x R x h
K K
n
K
,...., 0 0

! , = -
.
/
0
1
2
" -
.
/
0
1
2
= -
.
/
0
1
2
Si y = x & x
K
+ ( ) ( ) ( ) ( ) { } n K x w x g x R x h
n
,..., 0 0 ! , = " =
Por tanto, la funcin h(y) posee (n + 2) ceros en [a, b] (x, x
o
,., x
n
), y aplicando el
teorema de Rolle, h(y) posee, al menos, (n + 1) ceros en (a, b), h posee al menos n
ceros en (a, b) y al final llegamos a que h
n+1)
posee al menos un cero en (a, b).
Llamemos a ese cero 4. Se verifica
( ) 0
) 1
=
+
"
n
h
( ) ( ) ( ) ( )! 1
) 1 ) 1
+ " =
+ +
n x g f h
n n
" "
Y entonces
( )
( )
( ) "
) 1
! 1
1
+
+
=
n
f
n
x g
Y como ( )
( )
( ) x w
x R
x g
n
= nos queda
( ) ( ) ( )
( )
( )
( ) "
) 1
! 1
+
+
= =
n
n
f
n
x w
x w x g x R c.qd.
La expresin que hemos obtenido para el error de interpolacin es poco prctica, ya
que , si habitualmente de f(x) slo vamos a conocer un conjunto de puntos, no podemos
estar en condiciones de saber si es de clase (n + 1), y menos todava saber el valor de 4.
En caso de conocer, al menos, si la derivada del orden (n + 1) est acotada, podramos
dar una cota superior para el error, R
n
(x).
2.4.2. Frmula de Newton.
El objetivo que tenemos sigue siendo el mismo: conseguir un polinomio de grado n
que pase por (n + 1) puntos de la funcin f(x), la cual puede ser desconocida.
Sean los (n + 1) puntos de f(x)
(x
o
, y
o
), (x
1
, y
1
),.., (x
n
, y
n
)
10/17
El polinomio de interpolacin de Newton es
( ) ( ) ( )( ) ( )( ) ( )
1 1 1 2 1
...... .....
"
" " " + + " " + " + =
n o n o o o
x x x x x x A x x x x A x x A A x P
y a partir de las condiciones
P(x
K
) = y
K
,K!{0,, n}
Hemos de hallar los coeficientes A
K
.
Para ello, sustituimos en el polinomio las condiciones:
P(x
o
) = y
o
+ P(x
o
) = A
o
Luego A
o
= y
o
P(x
1
) = y
1
+ P(x
1
) = A
o
+ A
1
(x
1
+ x
o
) + y
o
+ A(x
1
x
o
) = y
1
+
o
o
x x
y y
A
"
"
=
1
1
1
P(x
2
) = y
2
+ P(x
2
) = A
o
+ A
1
(x
1
x
o
) + A
2
(x
2
x
o
)(x
2
x
1
) =
( ) ( )( )
1 2 2 2 2
1
1
x x x x A x x
x x
y y
y
o o
o
o
o
" " + "
"
"
+ =
( ) ( )( )
1 2 2 2 2
1
1
2
x x x x A x x
x x
y y
y y
o o
o
o
o
" " + "
"
"
= "
( )( ) ( )( )
( )( )( )
1 2 2 1
2 1 1 2
2
x x x x x x
x x y y x x y y
A
o o
o o o o
" " "
" " " " "
=
y as sucesivamente obtendramos el valor de todos los coeficientes A
K
.
Otra forma de hallar los coeficientes sera la siguiente:
Escribimos el polinomio de interpolacin como:
( ) ( ) ( ) ( ) ( ) [ ] ( ) ( ) x P x x A x x x x A x x A A x x A x P
o o n n o o 1 1 1 1 2 1
..... ..... " + = " " + + " + " + =
"
Entonces ( )
o o o o
A y A x P = + =
Y ( )
( ) ( )
o
o
x x
x P x P
x P
"
"
=
1
El polinomio P
1
(x) no sabemos cual es, ya que los coeficientes A
1
,.., A
n
no los
conocemos, pero si sabemos su valor en los puntos x
1
,., x
n
11/17
( )
( ) ( )
n k
x x
y y
x x
x P x P
x P
o K
o K
o K
o K
K
,...., 1
1
= ,
"
"
=
"
"
=
De la expresin
( ) ( ) ( ) x P x x A x P
o o 1
" + =
resulta
( ) ( ) ( ) ( ) ( ) [ ] ( ) ( ) x P x x A x x x x A x x A A x x A x P
n n 2 1 1 1 2 2 3 2 1 1 1
.... .... " + = " " + + " + " + =
"
y ( )
1 1 1
A x P =
quedando ( )
( ) ( )
1
1 1 1
2
x x
x P x P
x P
"
"
=
Reiterando el proceso obtenemos que
( )
( )
( )
( )
n n n
o
x P A
x P A
x P A
x P A
=
=
=
=
M
2 2 2
1 1 1
que determina la expresin denominada Frmula de Newton.
2.4.3. Interpolacin Basada en diferencias.
Recordemos el problema que presentaba la frmula de Lagrange: Al construir el
polinomio de grado n que pasa por (n + 1) puntos de y = f(x) si su aproximacin no es
buena y aadimos un nuevo punto, hemos de rehacer todos los clculos para obtener el
polinomio de grado (n + 1), no sirviendo para nada el trabajo anterior.
Por ello es aconsejable conseguir una forma de obtencin de P(x) tal que los
clculos previos no tengan que repetirse si aadimos nuevos puntos, si no que
nicamente hayan de aadirse unos sumandos ms.
Despus de ver la obtencin de los coeficientes en la frmula de Newton, podemos
afirmar que dicho polinomio verifica la condicin anterior.
Vamos ahora a construir dicho polinomio por pasos, donde cada uno de ellos
aadiremos un nuevo punto a los que tengamos.
Construccin de P(x), que pasa por (x
o
, f(x
o
)) y (x
1
, f(x
1
))
12/17
( ) ( ) ( ) x r A x f x P
o 1 1 1
6 + = siendo A
1
una constante y r
1
(x) lineal, ya que P
1
(x) es
lineal.
( ) ( ) ( )
( ) ( )
( ) ( )
o o o
o o
o o o
x x x r x r
x f x P
x r A x f x P
" = + = +
#
$
%
=
+ =
1 1 1
1
1 1 1
0
Es claro que A
1
& 0 ya que en caso contrario P
1
(x) sera constante, lo que no es
cierto.
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
o
o
o i o
o
x x
x f x f
A x x A x f x f
x f x P
x r A x f x P
"
"
= + " + = +
#
$
%
=
+ =
1
1
1 1 1
1 1 1
1 1 1 1 1
Llamaremos a
( ) ( )
( ) ( )
o
o
o
x f D
x x
x f x f
A =
"
"
=
1
1
1
diferencia de f(x
o
)
Nada queda ( ) ( ) ( ) ( )
o o o
x x x Df x f x P " 6 + =
1
Aadimos el punto (x
2
, f(x
2
))
Ahora, al tener tres puntos, el polinomio ha de ser de 2 grado.
Entonces
( ) ( ) ( )
( ) ( )
+
#
$
%
=
+ =
o o
o o o
x f x P
x r A x P x P
2
2 2 1 2
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
#
$
%
= + + =
= + =
0
0
1 2 1 2 2 1 1
2 2 2
x r x r A x f x f
x r x r x f x f
o o o o
+
( ) ( ) ( )
( ) ( )
+
#
$
%
=
+ =
1 1 2
1 2 2 1 1 1 2
x f x P
x r A x P x P
( ) ( )( )
1 2
x x x x x r
o
" " = +
( ) ( ) ( )
( ) ( )
( ) ( )
( )( )
=
" "
"
= +
#
$
%
=
+ =
1 2 2
2 1 2
2
2 2 2
2 2 2 2 1 2 2
x x x x
x P x f
A
x f x P
x r A x P x P
o
Llamaremos a la expresin obtenida para A
2
como D
2
f(x
o
).
En general, al aadir el punto (x
K
, f(x
K
) el nuevo polinomio P
K
(x) coincidir con
P
K-1
(x) para x = x
j
j!{0,.., K 1}
Dicho polinomio ha de satisfacer la relacin de recurrencia
13/17
( ) ( ) ( ) x r A x P x P
K K K K
6 + =
"1
donde A
K
& 0 y r
K
(x) es de grado K.
Se debe verificar que
( ) ( ) ( ) { } 1 ,..., 0
1
" ! , = =
"
K j x P x f x P
j K j j K
Por tanto ( ) ( )
j
K
j
K
x x x r " * =
"
=
1
0
Y
( ) ( ) ( )
( ) ( )
+
'
#
'
$
%
=
" * 6 + =
"
=
"
K K K
j K
K
j
K K K K K
x f x P
x x A x P x P
1
0
1
( ) ( )
( )
j K
K
j
K K K
K
x x
x P x f
A
" *
"
= +
"
=
"
1
0
1
La expresin para A
K
recibe el nombre de D
K
f(x
o
).
Despus de todo el proceso, obtenemos que la expresin para el polinomio de
interpolacin P(x) de grado n es:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
o
n
n o o o o o o
x f D x x x x x f D x x x Df x x x f x P
1
2
...... .....
"
" 6 6 " + + " + " + =
El clculo terico realizado par la obtencin de P(x) es bastante farragoso. Se puede
simplificar considerablemente si elegimos los puntos equidistantes entre si, llamando h
a esa distancia.
Entonces n j h x x
j j
,...., 1 :
1
, = "
"
Y n j h j x x
o j
,..., 0 : , 6 = "
Definimos una nueva notacin como sigue:
( ) ( ) ( ) ( ) ( ) ( ); ;
1 2 1 1
x f x f x Af x f x f x Af
o o
" = " = y en general
( ) ( ) ( )
K K K
x f x f x Af " =
+1
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
o o o o
x Af x Af x f x f x f x f x f x f x f x f A " = " " " = + " =
1 1 1 2 1 2
2
2
( ) ( ) ( ) ( ) ( ) ( ) ( )
o o o
x f A x f A x f x f x f x f x f A
2
1
2
1 2 3
3
3 3 " = " + " =
Y en general
( ) ( ) ( )
o
K K
o
K
x f A x f A x f A
1
1
1 " "
" =
14/17
Esta notacin recibe el nombre de diferencias de primer, segundo, tercer y K-simo
orden, respectivamente.
Con esta nueva notacin podemos expresar
( )
( )
K
o
K
o
K
h K
x f A
x f D
!
=
La comprobacin se hara por induccin.
As, el polinomio de interpolacin, obtenido mediante la frmula de Newton usando
esta notacin, se escribe como
( ) ( ) ( )
( )
( )( )
( )
( ) ( )
( )
n
o
n
n n
o
o
o
o o
h n
x f A
x x x x
h
x f A
x x x x
h
x Af
x x x f x P
!
... ...
! 2
1 1 2
2
1 " "
" 6 6 " + + " " + " + =
Podemos simplificar la expresin de P(x) mediante el siguiente cambio de variable:
x x
o
= hz
Entonces
( ) ( ) ( )
K K o K o K
z z h hz hz x x x x x x " = " = " " " = "
Y sustituyendo
( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )
( )
o
n n o
o
o
o o o n
x f A
n
z z z z z z
x f A
z
z z z z
x Af z z x f z P
!
.....
...
!
1 1 2 1 "
" " "
+ +
" "
+ " + =
Que se suele escribir como:
( ) ( ) ( ) ( ) ( )
o
n
o o o n
x f A
n
z
x f A
z
z
x Af
z
x f z P
-
-
.
/
0
0
1
2
+ +
-
-
.
/
0
0
1
2
+
-
-
.
/
0
0
1
2
+ = ....
1
2
siendo
( )( ) ( )
!
.......
1 1
K
z z z z z z
K
z
K o "
" " "
=
-
-
.
/
0
0
1
2
2.4.4. Error del polinomio de Interpolacin de Newton.
El polinomio de interpolacin es nico, se calcule de la forma que se calcule, por
tanto, el error cometido es
( ) ( ) ( )
( )
( )
( )
( )( ) ( )
( )
( ) " "
) 1 1 ) 1
! 1
......
! 1
+ +
+
" " "
=
+
= " =
n n o n
f
n
x x x x x x
f
n
x W
x P x f x R
Si lo expresamos en trminos de la variable
h
x x
z
o
"
=
15/17
( ) ( ) ( )
( )( ) ( )
( )
( ) ( ) " "
) 1 1 ) 1 1
1

1 ! 1
.......
+ + +
+
-
-
.
/
0
0
1
2
+
=
+
" " "
= " =
n n n n o
n
f h
n
z
f
n
z z z z z z h
z P x f x R
Luego el error puede expresarse como el primer trmino despreciado del polinomio.
2.4.5. Polinomios de Bernstein.
Dada una funcin continua f(x) en el intervalo [a, b]. Puede ser aproximada
mediante un polinomio P(x) con un grado de precisin previa fijado?. O lo que es lo
mismo sera posible encontrar un polinomio P(x) tal que la diferencia en valor absoluto
entre f(x) y P(x) sea inferior, en todo lo puntos del intervalo [a, b], a cualquier nmero
positivo 7 previamente dado?. El teorema que vamos a enunciar nos da una respuesta
afirmativa a la pregunta.
OBS El polinomio de interpolacin de Lagrange no permite responder a la pregunta.
En los puntos x
o
, x
1
, x
2
,, x
n
los valores del polinomio coinciden con los de la funcin,
pero en el resto de puntos, los valores pueden diferir notablemente.
TEOREMA. Teorema de Weierstrass.
Si la funcin f(x) es continua en el intervalo [a, b], entonces para todo 7 > 0 existe
un polinomio P(x) tal que en cada punto de este intervalo se verifica:
# < " ) ( ) ( x P x f
El matemtico sovitico S. N. Bernstein a proporcionado el siguiente mtodo para la
formulacin directa de polinomios aproximadamente iguales a la funcin continua f(x)
en el intervalo dado.
Supongamos que f(x) es continua en [0, 1].
Sea la expresin
( ) ( )
(
=
"
" 6 6 6
-
.
/
0
1
2
=
n
m
m n m m
n
x x C
n
m
f x B
0
1
donde
-
.
/
0
1
2
n
m
f es el valor de la funcin dada en
n
m
x =
Y C
m
son los coeficientes del binomio de Newton
-
-
.
/
0
0
1
2
=
m
n
C
m
Llamamos a B
n
(x) polinomio de Bernstein de grado n.
16/17
Para todo nmero arbitrariamente pequeo 7 > 0, se puede buscar un polinomio de
Bernstein (elegir su grado) de manera que para todos los valores x![0, 1] se cumple:
( ) ( ) # < " x f x B
n
Si en lugar de tener el intervalo [0, 1] basta realizar el cambio de variable
( ) a b t a x " 6 + =
2.5. Interpolacin Inversa.
El problema de interpolacin inversa consiste en obtener, a partir del polinomio de
interpolacin, obtener el valor de la variable independiente a partir de un valor dado de
la variable dependiente.
Aplicando el teorema de la funcin inversa, sabemos que ( ) y f x
1 "
= existe y es
nica si
dx
dy
existe y no se anula en un entorno del punto en el que deseamos obtener la
interpolacin inversa.
Bajo estas hiptesis, existe un mecanismo de interpolacin llamado mtodo de
Aitken que se puede aplicar para obtener la solucin, simplemente intercambiando x e
y.
3. EXTRAPOLACIN DE DATOS.
Supongamos conocida la funcin f(x) para un conjunto finito y ordenado de puntos
x
o
, x
1
, x
2
,.., x
n
. Si queremos estimar la funcin en un punto x tal que se verifica que
[ ]
n o
x x x , 8
estamos ante un problema de extrapolacin de datos.
La diferencia con la interpolacin es que en esta ltima el valor x para el cual se
quiere determinar el valor de la funcin f est incluido en el intervalo [x
o
, x
n
] mientras
que en la extrapolacin el valor est fuera.
La problemtica en cuanto al riesgo en la aproximacin del valor y, por tanto, en su
validez, es idntico a la interpolacin. Incluso en algunos casos se puede ver acentuado
dicho riesgo.
Igualmente, todos los mtodos vistos para obtener el polinomio de interpolacin
tienen su aplicacin en la extrapolacin de datos.
17/17
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Ed. Labor
1/21
TEMA 25
(Oposiciones de Matemticas)
LMITES DE FUNCIONES. CONTINUIDAD Y DISCONTINUIDAD. TEOREMA
DE BOLZANO.
1. Introduccin.
2. Lmites de funciones.
2.1. Lmite de una funcin en un punto.
2.2. Lmites laterales.
2.3. Lmites Infinitos y Lmites en el Infinito.
2.4. Definicin de Lmite mediante Entornos.
2.5. Propiedades de los Lmites.
2.5.1. Acotacin.
2.6. Definicin de lmite mediante sucesiones.
2.7. Criterio de Cauchy.
2.8. Operaciones Aritmticas con Lmites.
2.8.1. Lmites de una suma.
2.8.2. Lmites de un producto.
2.8.3. Lmites de un cociente.
2.9. Infinitsimos.
3. Continuidad y Discontinuidad.
3.1. Continuidad de una funcin en un punto.
3.2. Continuidad Lateral.
3.3. Continuidad en un intervalo.
3.4. Algebra de funciones continuas.
3.5. Composicin de funciones Continuas.
3.6. Propiedades y Teoremas fundamentales.
3.7. Discontinuidades.
3.8. Continuidad de la Funcin Inversa.
3.9. Continuidad Uniforme.
3.10. Asntotas. Ramas Infinitas.
Bibliografa Recomendada.
2/21
TEMA 25
LMITES DE FUNCIONES. CONTINUIDAD Y DISCONTINUIDAD. TEOREMA
DE BOLZANO.
1. INTRODUCCIN.
Entre todos los conceptos con los que nos podemos encontrar en el clculo
infinitesimal, el ms importante es el de lmite. A partir de l podemos definir otros
conceptos como son el de continuidad, derivabilidad, integrabilidad, etc.
Informalmente, podemos decir que la funcin f tiende hacia el lmite l cerca de a, si
se puede conseguir que f(x) est tan cerca como queramos de l tomando x
suficientemente cerca de a, pero siendo distinto en a.
Esta primera aproximacin al concepto de lmite nonos resulta til debido a su falta
de precisin. Por eso, daremos ms adelante otra que nos permita utilizarla en las
demostraciones de los teoremas.
Otro concepto importante es el de continuidad, si bien, tard en aparecer debido a
que cuando comenz a desarrollarse el clculo, casi todas las funciones eran continuas.
Por tanto, no era necesario definir la continuidad.
Poco a poco comenzaron a surgir en Fsica, Qumica y otras ramas del saber
funciones discontinuas.
Una definicin de continuidad, expresada solamente a partir de las propiedades de
los nmeros reales, fue formulada por primera vez en 1821 por Cauchy.
2. LMITES DE FUNCIONES.
2.1. Lmite de una funcin en un punto.
Para formalizar la definicin de lmite vista en la introduccin, tenemos que
concretar las expresiones tan cerca como queramos o suficientemente cerca. El
concepto de distancia entre nmeros reales nos lo da el valor absoluto. El valor absoluto
de la diferencia entre dos nmeros reales nos indica el grado de aproximacin entre los
mismos.
As pues, podemos definir el lmite de una funcin en un punto como sigue.
DEF Sea A!! un intervalo, a"A y f: A # !. Diremos que el lmite de f(x) cuando x
tiende a a es L, y se representa por L x f Lim
a x
=
#
) ( , si
( ) ! " " ! < $ % < $ < > & > ' L x f a x 0 / 0 0
OBS Que x tiende a a se traduce en que x se puede hacer tan prximo al n a como
queramos, pero nunca igual.
3/21
OBS Que ! < $ L x f ) ( es lo mismo que ( ) ( ) ! ! + $ " L L x f , y que " < $ < a x 0
es equivalente a que ( ) " " + $ " a a x , y x ( a.
Ejemplos.
1) Dada la funcin f(x) = 3x + 5, comprobemos que
( ) 8
1
=
#
x f lim
x
0/ 0 > & > ' " ! |3x+5-8|<! si |x-1|<"
|3x+5-8|=|3x-3|=3|x-1|<3" =! %
3
!
" = % 8 ) (
1
=
#
x f lim
x
2) Dada la funcin f(x) = E(x) (parte entera de x) comprobemos que en x=2 no tiene
lmite.
Demostracin anloga
En la definicin de lmite hemos supuesto que A era un intervalo y que x poda
llegar a tomar el valor de a. Podemos dar una definicin ms general suponiendo que A
es un subconjunto, no necesariamente un intervalo, y que a es un punto de acumulacin
de dicho subconjunto.
DEF Sea A!! un subconjunto, a un punto de acumulacin de A y f: A # ! una
funcin. Diremos que el lmite de f(x) cuando x tiende a a es L, y se representa por
L x f lim
a x
=
#
) ( , si
( ) ! " " ! < $ % < $ < > & > ' L x f a x 0 / 0 0
OBS Si f(x) est definida en todos los puntos del subconjunto A!! menos en un
nmero finito de ellos, y a es uno de esos puntos, significa que f(a) no existe. Pero eso
no implica que ) ( x f lim
a x#
no vaya a existir.
2.2. Lmites Laterales.
Vamos a suponer que f: A # ! es una funcin, con A!! un subconjunto y a"! un
punto de acumulacin de A.
DEF Diremos que el lmite de f(x) cuando x tiende a a por al izquierda es L, y se
representa por L x f lim
a x
=
$
#
) ( , si
( ) ! " " ! < $ % + < < > & > ' L x f a x a / 0 0
4/21
PROP ( ) L x f Lim x f Lim L x f Lim
a x a x a x
= = ) =
$ $
# # #
) ( ) (
Dem.
% 0/ 0 > & > ' " ! |3x-a|<" % |f(x)#L|<*
%
+
,
+
-
.
= % < % < < $ > & > '
= % < % + < < > & > '
#
#
+
L x f f(x)-L a x a
L x f f(x)-L a x a
) ( lim / 0 0
) ( lim / 0 0
-
a x
a x
! " !
! " !
% L x f x f = =
$ +
# #
) ( lim ) ( lim
a x a x
/
Si L x f lim
a x
=
+
#
) ( % ' / 0 ' 0 ! " ! < % + < < > & > ' f(x)-L a x a
Si L x f lim
a x
=
$
#
) ( % " / 0 " 0 ! " " ! < % < < $ > & > ' f(x)-L a x a
% Si tomamos { } " , ' " " " min = %
% a - x / 0 0 ! " ! < % < > & > ' f(x)-L % L x f ) ( lim
a x
=
#
Ejemplo.
Dada la funcin f(x) = E(x) calcular los lmites laterales para z = z.
Demostracin anloga
2.3. Lmites Infinitos y Lmites en el Infinito.
De nuevo, sea A!! un subconjunto y a"! un punto de acumulacin de A. Veamos
lo lmites infinitos.
DEF Diremos que el lmite de f(x) cuando x tiende a a es 0 + , y se representa por
+0 =
#
) ( x f lim
a x
, si
( ) K x f a x K > % < $ < > & > ' " " 0 / 0 0
A partir de estas dos definiciones y teniendo en cuenta las vistas para lmites
laterales, podemos mezclarlas obteniendo cuatro nuevas, que seran desglosar cada una
de las dos anteriores en sus laterales. Por ejemplo.
DEF Diremos que el lmite de f(x) cuando x tiende a a por al izquierda es 0 + , y se
representa por ( ) +0 =
$
#
x f lim
a x
, si
5/21
( ) K x f a x a K > % < < $ > & > ' " " / 0 0
Anlogamente para ( ) ( ) ( ) . , $0 = $0 = +0 =
+ $ +
# # #
x f lim y x f lim x f lim
a x a x a x
Ejemplo.
1) Comprobar que
( )
+0 =
$
#
2
1
1
1
x
lim
x
K x K > % < $ < > & > '
2
1) - (x
1
1 0 / 0 0 " "
K >
2
1) - (x
1
%
K
x
1
) 1 (
2
< $ %
K
x
1
) 1 ( + < $ %
%
K
x
1
1 0 + < $ < %
K
1
+ = " %
( )
+0 =
$
#
2
1
1
1
x
lim
x
2) Comprobar que
x
lim
x
1
0 #
no existe
+
+
1
+
+
2
3
+0 =
$0 =
+
$
#
#
x
lim
x
lim
x
x
1
1
0
0
%
x
lim
x
1
0 #
&/
Para definir los lmites en el infinito, es necesario que el subconjunto A!! cumpla
alguna condicin, como es el no estar acotado superiormente o inferiormente, segn
corresponda.
DEF Sea f: A # ! una funcin con A!! subconjunto no acotado superiormente.
Diremos que el lmite de f(x) cuando x tiende a 0 + es L, si se representa por
( ) L x f lim
x
=
+0 #
( ) ! ! < $ % > ' > & > ' L x f H x H / 0 0
OBS En los lmites en el infinito no tiene sentido hablar de lmites laterales.
Ejemplo.
1) Comprobar que 1
1
=
+
+0 #
x
x
lim
x
6/21
! ! < $
+
% > ' > & > ' 1
1
/ 0 0
x
x
H x H %
! < =
$ +
= $
+
%
x x
x x
x
x 1

1
1
1
%
!
1
> x %
!
1
= H % 1
1
=
+
+0 #
x
x
lim
x
Una vez vistos los lmites infinitos y los lmites en el infinito, podemos juntarlos
obteniendo lmites infinitos en el infinito. Su representacin sera:
1) ( ) +0 =
+0 #
x f lim
x
2) ( ) +0 =
$0 #
x f lim
x
3) ( ) $0 =
+0 #
x f lim
x
4) ( ) $0 =
$0 #
x f lim
x
Sus definiciones se obtienen a partir de las definiciones de cada uno de ellos.
2.4. Definicin de Lmite mediante entornos.
Vamos a caracterizar los lmites mediante entornos. Recordemos las definiciones de
entornos
1) ( ) " = x a E { ," !/ } " " + < < $ a x a
2) ( ) ( ) { } a a E a E $ = " " , , *
El primero es el entorno de centro a y radio 4 y es equivalente al intervalo
( ) " " + $ a a , , que tambin se escribe como " < $ a x -
El segundo es el mismo, pero sin incluir el punto central a. Recibe el nombre de
entorno reducido de centro a y radio r.
Con estas consideraciones, podemos dar la siguiente definicin.
DEF Sea A!! un subconjunto, a"! un punto de acumulacin de A y f: A # ! una
funcin. Diremos que el lmite de f(x) cuando x tiende a a es L, y se representa por
( ) L x f lim
a x
=
#
, si
( ) ( ) ( ) ! " " ! , , * / 0 0 L E x f A a E x " % 5 " ' > & > '
Si adems, denotamos como
( ) " = 0 + x r E { , ! } / r x >
7/21
( ) " = 0 $ x r E { , ! } / r x $ <
a las semirectas ( ) +0 , r y ( ) r $ 0 $ , respectivamente, la definicin nos sirve tambin
para los lmites infinitos, lmites en el infinito o ambos.
2.5. Propiedades de los lmites.
2.5.1. Acotacin.
PROP Si ( ) L x f lim
a x
=
#
, con L finito, la funcin f(x) est acotada cuando x tiende a a .
Dem.
! " " ! < $ % < $ > & > ' L x f a x ) ( / 0 0 %
% si ( ) " " + $ " a a x , % ( ) ! ! + $ " L L x f , ) ( % f(x) est acotada.
La siguiente proposicin se conoce comnmente como Regla del Sndwich.
PROP Si tres funciones f(x), g(x) y h(x) estn relacionadas entre si por la desigualdad
doble
f(x) 6 g(x) 6 h(x)
y si ( ) ( ) L x h lim x f lim
a x a x
= =
# #
, entonces ( ) . L x g lim
a x
=
#
Dem.
L x f lim
a x
=
#
) ( ! ! ( ) ' , ' / 0 ' 0 " " " ! + $ " > & > ' a a x ! ! ( ) ! ! + $ " L L x f , ) (
como
L x h lim
a x
=
#
) ( ! ! ( ) " , " / 0 " 0 " " " ! + $ " > & > ' a a x ! ! ( ) ! ! + $ " L L x h , ) (
si tomamos { } " , ' " " " min = y como ) ( ) ( ) ( x h x g x f 6 6 %
% si ( ) " " + $ " a a x , % ( ) ! ! + $ " L L x g , ) ( %
% " " ! < $ > & > ' a x / 0 0 % ! < $ L x g ) ( % L x g lim
a x
=
#
) (
PROP Si f(x) no toma valores negativos cuando x tiende a a y existe ( ) L x f lim
a x
=
#
entonces L 7 0.
Dem.
Supongamos que L<0 % Si tomamos
2
L
= ! se tiene que:
8/21
" " ! < $ > & > ' a x / 0 0 si ( ) ! ! + $ " L L x f , ) ( %
% 0 ) ( < x f ( ) " " + $ " ' a a x , % Contradiccin % L 0 7
PROP Si dos funciones f y g verifican la desigualdad f(x) 6 g(x) para valores de x que
tienden a a y existen ( ) x f lim
a x#
y ( ) x g lim
a x#
entonces ( ) ( ) x g lim x f lim
a x a x # #
6 .
Dem.
Anloga
2.6. Definicin de lmite mediante sucesiones.
PROP Sea A!! un subconjunto, a"! un punto de acumulacin de A y f: A # ! una
funcin.
( ) ( ) ( ) { } L x f lim a x lim con A x L x f lim
n
n
n
n
N n n
a x
= % = ! ' ) =
"
#
Dem.
% Dada x
n
con A x
n
" y a x lim
n
x
=
+0 #
, se trata de probar que L x f lim
n
x
=
+0 #
) ( , es
decir, que dado 0 > ! " &
0
n " / ! < $ L x f
n
) ( si n 7n
0
Para ese 0 > ! 0 > &" / ( ) ) , ( ) , ( ! " L B a B f ! pero % " &
0
n " / ) , ( " a B x
n
"
si
0
n n 7 en cuyo caso ) , ( ) ( ! L B x f
n
" si
0
n n 7
/ Dado 0 > ! se trata de demostrar que 0 > &" tal que ( ) ) , ( ) , ( ! " L B a B f !
Supongamos que " &/ que buscamos que buscamos
Para cada
n
1
= " no vale, luego ( ) n a x x
n n
1 , / " & pero ) , ( ) ( ! L B x f
n
8 .
Pero entonces ) , ( ) ( y ) ( ! L B x f a x f lim
n n
n
8 =
+0 #
%
% L x f lim
n
n
(
+0 #
) ( contradiccin
(ya que estamos admitiendo que si a x
n
# % L x f
n
# ) ( ) % 0 > &" buscado.
2.7. Criterio de Cauchy.
PROP Sea A!! un subconjunto a"! un punto de acumulacin de A y f: A # ! una
funcin.
9/21
Existe ( ) ( ) ( ) ( ) ! " " ! < $ % " > & > ' )
#
2 1 2 1
, * , / 0 0 x f x f a E x x x f lim
a x
Dem.
Realizar como ejercicio
2.8. Operaciones Aritmticas con Lmites.
En este punto, y salvo que se diga lo contrario A!! es un subconjunto y a"! es un
punto de acumulacin de A.
2.8.1. Lmite de una suma.
PROP Sean f: A # ! y g: A # ! dos funciones.
Si existen ( )
1
L x f lim
a x
=
#
y ( )
2
L x g lim
a x
=
#
y son finitos entonces existe:
( ) ( ) ( )
2 1
L L x g x f lim
a x
+ = +
#
Dem.
Como ' / 0 ' 0 ' " " ! < $ > & > ' a x % ' ) (
1
! < $ L x f
y " / 0 " 0 ' " " ! < $ > & > ' a x % ' ) (
2
! < $ L x g
% si tomamos { } " , ' " " " min = entonces:
! ! ! ! = = + < $ + $ 6 $ + $ = $ $ + ' 2 ' ' ) ( ) ( ) ( ) ( ) ( ) (
2 1 2 1 2 1
L x g L x f L x g L x f L L x g x f
% ( ) ( ) ! " ! < + $ + > & > '
2 1
) ( ) ( / 0 0 L L x g x f si " < $ a x %
% ( )
2 1
) ( ) ( L L x g x f lim
a x
+ = +
#
PROP Sean f, g: A # ! dos funciones. Si existen ( )
1
L x f lim
a x
=
#
y ( )
2
L x g lim
a x
=
#
. Y
son finitos, entonces existe ( ) ( ) ( )
2 1
L L x g x f lim
a x
$ = $
#
.
Dem.
Anloga a la anterior.
Si alguno de los dos lmites fuese infinito tenemos
10/21
PROP Sean f, g: A # ! dos funciones. Si existen ( )
1
L x f lim
a x
=
#
y ( ) +0 =
#
x g lim
a x
con
L
1
finito, entonces existe ( ) ( ) ( ) +0 = +
#
x g x f lim
a x
.
Dem.
Realizar como ejercicio
De forma anloga se podra demostrar que:
1) L
1
= + 0 y L
2
finito % L
1
+ L
2
= +0
2) L
1
finito y L
2
= - 0 % L
1
+ L
2
= - 0
3) L
1
= - 0 y L
2
finito % L
1
+ L
2
= + 0
4) L
1
= + 0 y L
2
= + 0 % L
1
+ L
2
= +0
5) L
1
= - 0 y L
2
= - 0 % L
1
+ L
2
= - 0
En el caso de que ambos lmites sean infinitos y de signo contrario no podemos
garantizar la existencia de la suma.
Igualmente se hara para la resta.
2.8.2. Lmite de un producto.
PROP Sean f, g: A # ! dos funciones. Si existen ( )
1
L x f lim
a x
=
#
y ( )
2
L x g lim
a x
=
#
y son
finitos. Entonces existe ( ) ( ) ( )
2 1
L L x g x f lim
a x
= 9
#
Dem.
Como ' / 0 ' 0 ' " " ! < $ > & > ' a x % ( ) ' , ' ) (
1 1
! ! + $ " L L x f
y " / 0 " 0 ' " " ! < $ > & > ' a x % ( ) ' , ' ) (
2 2
! ! + $ " L L x g
= $ + $ = $
2 1 1 1 2 1
) ( ) ( ) ( ) ( ) ( ) ( L L x g L x g L x g x f L L x g x f
6 $ + $ 6 $ + $ =
2 1 1 2 1 1
) ( ) ( ) ( ) ) ( ( ) ( ) ) ( ( L x g L x g L x f L x g L x g L x f
6 ( ) ! ! ! ! = + + 9 ' ' '
1 1
L L si tomamos { } " , ' " " " min =
% ! " ! < $ > & > '
2 1
) ( ). ( / 0 0 L L x g x f si " < $ a x .
11/21
PROP Sean f, g: A # ! dos funciones. Si existen ( ) 0
1
( =
#
L x f lim
a x
y ( ) +0 =
#
x g lim
a x
y
L
1
finito, entonces existe ( ) ( ) ( ) +0 =
#
x g x f lim
a x
si L
1
> 0 ( ) ( ) ( ) $0 =
#
x g x f lim
a x
si L
1
> 0
Dem.
Anloga.
Anlogamente se podra demostrar el resto de combinaciones para L
1
y L
2
menos las
siguientes; que son indeterminadas:
1) L
1
= 0 y L
2
= + 0
2) L
1
= 0 y L
1
= - 0
3) L
1
= + 0 y L
2
= 0
4) L
1
= - 0 y L
2
= 0
OBS Si a = 0 hay que usar lmites laterales.
2.8.3. Lmite de un cociente.
PROP Sea g: A # ! una funcin. Si existe ( ) L x g lim
a x
=
#
y es no nulo, entonces existe
( ) L x g
lim
a x
1 1
=
#
Dem.
Realizar como ejercicio.
PROP Sean f, g: A # ! dos funciones. Si existe ( )
1
L x f lim
a x
=
#
y ( )
2
L x g lim
a x
=
#
con
L
2
( 0 entonces existe
( )
( )
2
1
L
L
x g
x f
lim
a x
=
#
Dem.
Realizar como ejercicio.
Las nicas indeterminaciones que nos encontramos es que ambos lmites sean nulos
o ambos sean infinitos (independientemente del signo).
OBS Si a = 0 hay que usar lmites laterales.
2.9. Infinitsimos.
DEF Llamaremos a la funcin f(x) infinitsimo cuando x tiende a a si ( ) 0 =
#
x f lim
a x
.
12/21
PROP la suma algebraica de un nmero de infinitsimos es un infinitsimo. Cuando x
tiende a a .
Dem.
Utilizando las propiedades anteriores
PROP El producto de un infinitsimo por una funcin acotada es un infinitsimo
cuando x tiende a a .
Dem.
Utilizando las propiedades anteriores
COROLARIO El producto de dos infinitsimos es otro infinitsimo cuando x tiende
a a .
PROP Si I(x) es un infinitsimo cuando x tiende a a , entonces 0 =
#
) (
1
x I
lim
a x
Dem.
Inmediata.
PROP Si I(x) es un infinitsimo cuando x tiende a a y f: A # ! es otra funcin con
( ) L x f lim
a x
=
#
con L finito y no nulo, entonces
) (
) (
x f
x I
es un infinitsimo cuando x tiende
a a .
Dem.
Inmediata
3. CONTINUIDAD Y DISCONTINUIDAD.
3.1. Continuidad de una funcin en un punto.
De forma intuitiva, podemos definir el concepto de continuidad de una funcin en
un punto si al representarse la grfica, en un entorno del punto no se levanta el bolgrafo
de la hoja. Es decir, diremos que f(x) es continua en x 0 a si para todo punto prximo a
x = a, el valor de la funcin es prximo a f(a).
Veamos ahora una definicin ms forma.
DEF Sea A!! un subconjunto y a"! un punto de acumulacin de A. Sea f: A # !
una funcin. Diremos que f(x) es continua en x = a si
1) ( ) a f &
13/21
2) ( ) x f lim
a x#
&
3) ( ) ( ) a f x f lim
a x
=
#
Tambin es posible dar la definicin basndose en la de lmite.
DEF Sea A!! un subconjunto y a"! un punto de acumulacin de A. Sea f: A # !
una funcin. Diremos que f(x) es continua en x = a si
( ) ( ) ! " " ! < $ % < $ > & > ' a f x f a x / 0 0
Y al igual que hicimos con la definicin de lmite, podemos dar la definicin
continuidad en trminos de entornos. Esta definicin sirve cuando la funcin no solo es
real de variable real.
DEF Sea A!! un subconjunto y a"! un punto de acumulacin de A. Sea f: A # !
una funcin. Diremos que f(x) es continua si x = a si
( ) ( ) ( ) ( ) ! " " ! , , / 0 0 a f E x f a E A x " % 5 " ' > & > '
3.2. Continuidad Lateral.
Supondremos A!! un subconjunto, a"! un punto de acumulacin de A y f: A #!
una funcin.
DEF Diremos que f(x) es continua por la derecha en x = a si
( ) ( ) ! " " ! < $ % + < 6 > & > ' a f x f a x a / 0 0
DEF Diremos que f(x) es continua por la izquierda en x = a si
( ) ( ) ! " " ! < $ % 6 < $ > & > ' a f x f a x a / 0 0
OBS Podemos observar que la definicin de continuidad lateral se basa en la de lmite
lateral.
3.3. Continuidad en un Intervalo.
DEF Diremos que f: (a, b) # ! es continua en (a, b) !! si es continua en todo punto
del intervalo.
DEF Diremos que f: [a, b] # ! es continua en [a, b] ! ! si es continua en todo punto
x"(a, b) y adems es continua por la derecha en x = a y continua por la izquierda en
x = b.
14/21
3.4. Algebra de funciones Continuas.
PROP Sean f y g dos funciones continuas en x = a"!. Entonces:
1) ( ) g f es continua en x = a.
2) f g es continua en x = a.
3) Si g(a) ( 0 %
g
f
es continua en x = a.
Dem.
La demostracin es inmediata teniendo en cuenta que el lmite de una suma,
diferencia, producto o cociente es la suma, diferencia, producto o cociente de los
lmites. Slo hay que especificar que el cociente de dos funciones continuas ser otra
funcin continua, exceptuando los puntos en los que el denominador sea nulo.
OBS Sabiendo que las funciones constantes son continuas y que f(x) = x tambin es
continua, podemos demostrar que todo polinomio es una funcin continua.
Es ms, si llamamos funcin racional a r(x) obtenida como cociente de dos
polinomios p(x) y q(x), estar definida en todo x"! tal que q(x) ( 0. Entonces r(x) ser
continua en todo su dominio de definicin.
Sea A!! un subconjunto. Sabemos que f sera continua en A si lo es en todos sus
puntos. Llamamos C (A) al conjunto formado por todas las funciones continuas en A.
(C (A), +, ) tiene estructura de Anillo conmutativo con unidad, con la suma y
producto de funciones visto.
Su demostracin es inmediata.
Tambin podemos indicar que (C (A), +,
!
) es un !-espacio vectorial, siendo
!
el
producto de un nmero real por una funcin.
Como conclusin C (A) es un lgebra.
3.5. Composicin de funciones continuas.
PROP Sean A, B, C!! subconjuntos, f: A # B y g: B # C funciones a"A un punto
que verifica que f es continua en x = a y que g es continua en x = f(a)"B. Entonces la
funcin g f o : A # C es continua en x = a.
Dem.
Inmediata.
15/21
3.6. Propiedades y Teoremas Fundamentales.
Sea f(x) una funcin continua en x = a y f(a) ( 0. Entonces existe " >0 tal que
( ) ( ) 0 > % < $ a f x f a x " .
Dem.
Supongamos 0 ) ( > a f (anlogo si 0 ) ( < a f ) % sea
2
) (a f
= ! %
% Como f(x) es continua en x=a para 0
2
) (
> =
a f
! " " < $ > & a x / 0
% ( ) ! ! + $ " ) ( , ) ( ) ( a f a f x f %
2
) (
) ( ) (
a f
a f x f = $ > ! % 0 ) ( ) ( > a f x f
COROLARIO Si f es continua en x = a y toma valores de signo contrario en todo
entorno de a, entonces f(a) = 0.
Dem.
Anloga
TEOREMA. Teorema de Acotacin.
1) Sea f(x) una funcin continua en x = a. Entonces f(x) est acotada en un entorno
de a.
2) Toda funcin f(x) continua en un intervalo cerrado [a, b] es acotada.
Dem.
1) Como f es continua en x=a % " " ! < $ > & > ' a x / 0 0 %
% ! < $ ) ( ) ( a f x f % ( ) ! ! + $ " ) ( , ) ( ) ( a f a f x f %
% ) (x f est acotado ( ) " " + $ " ' a a x ,
2) Anloga.
TEOREMA. Teorema de Bolzano.
Si f(x) es continua en [a, b] y f(a) f(b) < 0 entonces existe al menos un punto
:"(a, b) tal que f(:) = 0.
Dem.
Denotemos el intervalo [a,b] por I
0
y lo dividimos en dos intervalos de igual
longitud. Si en el punto medio de I
0
(a+b)/2=:
0
la funcin vale cero % FIN
16/21
Si f($
0
)%0 % designamos por I
1
al intervalo en el que la funcin toma en sus
extremos valores de signos opuestos. Hacemos lo mismo que con I
0
; si en el punto
medio de I
1
(3+b)/4=:
1
la funcin vale cero % FIN
Si f($
1
)%0 % construimos I
2
.
Repitiendo el procedimiento en el supuesto de que f no se anule en el punto central
tenemos dos posibilidades:
a) O bien en un nmero finito de pasos habremos encontrado un punto donde f se
anula y entonces hemos acabado.
b) O bien, tendremos una sucesin de intervalos cerradosde la forma I
0
>I
1
>I
2
>
y f toma valores de signo opuesto en los extremos de cada I
n
.
Si tomamos un punto x
n
de cada I
n
obtendremos una sucesin de Cauchy que tendr
un lmite: llammosle L tal que " ' " n I L
n
" (
n
N n
I L
"
5 = por el teorema de encaje
de Cantor)
Veamos si f(L)=0
- Supongamos f(L)>0 % en todo entorno ( ) ! ! + $ L L , la funcin tomara
valores positivos, contradiccin (porque para n suficientemente grande
( ) ! ! + $ ! L L I
n
, y f toma valores de signo opuesto en los extremos de I
n
).
- Supongamos f(L)<0 % en todo entorno ( ) ! ! + $ L L , la funcin tomara
valores negativos, contradiccin (porque para n suficientemente grande
( ) ! ! + $ ! L L I
n
,
'
y f toma valores de signo opuesto en los extremos de I
n
).
% f(L)=0
TEOREMA. Teorema de Weierstrass.
Si f(x) es continua en [a, b], entonces existe :
1
, :
2
"[a, b] tales que f(:
1
) = Sup f(x)
y f(:
2
) = Inf f(x). Es decir, el conjunto {f(x) / x"[a, b]} tiene mximo y mnimo.
Dem.
i) La funcin f es acotada, lo que significa que f([a,b])=Im f es un conjunto de !.
Supongamos que f([a,b]) no fuera acotado %
17/21
+
+
1
+
+
2
3
> &
> &
> &
) ( con
.......... ..........
2 ) ( con
1 ) ( con
2 2
1 1
n x f x
x f x
x f x
n n
[ ] b a x
n n
, ) ( ! & con n x f
n
> ) ( para cada " n "
Como (x
n
)
n
es acotada posee una subsucesin convergente % (x
nk
)
k
#:
f continua % f(x
nk
)
k
# f($) pero entonces f(x
nk
)
k
es acotada.
Tenemos que M x f M
nk
6 & ) ( / pero M x f n
nk k
6 < ) ( Contradiccin
ii) [ ] ( ) ; b a f , ! acotada % [ ] { } & : , ); ( sup = " & b a x x f
[ ] b a x
n
, " & con & & 6 < $ ) ( 1
n
x f n % & =
+0 #
) (
n
n
x f lim
n n
x ) ( es acotada % existe una subsucesin convergente a un punto [ ] b a,
1
" $
) (
nk
x # [ ] b a,
1
" $ como f es continua % ) ( ) (
1
$ f x f
nk
#
como el lmite es nico & $ = ) (
1
f
) ( ) (
1
$ & f x f = 6 % f alcanza un mximo absoluto en
1
$ .
Razonando anlogamente con el nfimo de f[a,b], se prueba que:
[ ] b a,
1
" &$ tal que [ ] { } b a x x f f , / ) ( inf ) (
1
" = $
TEOREMA. Teorema de los valores Intermedios.
Si f(x) es una funcin continua en [a, b] y K"! un nmero comprendido entre f(a) y
f(b). Entonces existe al menos un nmero z"[a, b] tal que f(z) = K.
Dem.
Definimos K x f x g $ = ) ( ) ( que es continua.
1
2
3
> $ =
< $ =
0 ) ( ) (
0 ) ( ) (
K b f b g
K a f a g
% la funcin se anula en algn punto (Bolzano)
[ ] 0 ) ( / , = " & z g b a z
0 ) ( ) ( = $ = K z f z g % K z f = ) (
1
$
18/21
3.7. Discontinuidades.
Sea f: A # ! una funcin y a"A.
DEF Diremos que f presenta una discontinuidad evitable en x = a si existe ( ) x f lim
a x#
y
no existe f(a).
OBS Recibe el nombre de discontinuidad evitable ya que se podra evitar si definimos
( ) ( ) x f lim a f
a x#
= .
DEF Diremos que f presenta una discontinuidad de salto finito en x = a si existen
( ) x f lim
a x
$
#
y ( ) x f lim
a x
+
#
y son finitos pero distintos.
DEF Diremos que f presenta una discontinuidad evitable en x = a si existen f(a) y
( ) x f lim
a x#
y son distintos.
DEF Diremos que f presenta una discontinuidad inevitable de salto finito si
) ( ) ( x f lim x f lim
a x a x
+ $
# #
( y su diferencia es finita.
DEF Diremos que f presenta una discontinuidad inevitable de salto infinito en x = a si
alguno de los lmites laterales no existe o es infinito.
3.8. Continuidad de la Funcin Inversa.
Recordatorio Sea f(x) una funcin continua y estrictamente creciente en el intervalo
[a,b]. Sabemos que si x"[a,b] entonces f(x) toma cada valor y del intervalo [f(a),f(b)]
por lo menos una vez (teorema de los valores intermedios] y solo una vez (por ser
estrictamente creciente). Si f es biyectiva entre [a,b] y [f(a),f(b)], entonces f
-1
tambin lo
es. A f
-1
se le llama funcin inversa.
PROP Si f: [a, b] #! es continua y estrictamente creciente, entonces f es biyectiva
entre [a, b] y [f(a), f(b)].
Dem.
f es continua en [a, b], aplicando el teorema de Weierstrass, f alcanza un mximo
M, un mnimo m y todos los valores comprendidos entre ambos % f([a, b]) = [m, M].
Por ser f estrictamente creciente tenemos que
f(a) = m y f(b) = M
Entonces 'x"[a, b] &

y "[f(a), f(b)] / f(x) = y

PROP Si una funcin y = f(x) es estrictamente creciente (decreciente) y continua en
[a, b], entonces f
-1
(y) tambin es estrictamente creciente y continua en [f(a), f(b)].
19/21
Dem.
f
-1
es estrictamente creciente.
Supongamos que f es estrictamente creciente.
Entonces y < y con y, y"Dom f
-1
.
Entonces &x, x"Dom f tal que f(x) = y y f(x) = y
Como y< y y f es estrictamente creciente tenemos que x < x, ya que lo
contrario sera una contradiccin.
Entonces f
-1
es estrictamente creciente.
f
-1
es continua.
Sea y
o
"(f(a), f(b) y ! > 0.
Sea f
-1
(y
o
) = x
o
f(x
o
- *) = y
f(x
o
+ *) = y
Entonces f
-1
(y) < x
o
< f
-1
(y) % x
o
- * < f
-1
(y) < x
o
+ * %
% f
-1
(y
o
) - * < f
-1
(y) < f
-1
(y
o
) + *
Sea 4 = min {y
o
y, y - y
o
}
Entonces, siempre que ( ) ( ) ! " < $ % < $
$ $
o o
y f y f y y
1 1
3.9. Continuidad Uniforme.
DEF Sea f:!# ! una funcin real de variable real.
Se dice que f(x) es uniformemente continua si:
" " ! < $ > & > ' y x / 0 0 % ! < $ ) ( ) ( y f x f
NOTA Toda funcin uniformemente continua es continua. Pero el recproco no es
cierto.
Teorema. Sea f:[a,b]# ! una funcin continua en el compacto [a,b] % f(x) es
uniformemente continua en [a,b].
20/21
3.10. Asntotas. Ramas Infinitas.
El conjunto {(x, f(x) / x'Dom f} recibe el nombre de grfica de f y se denota por
Graf (f).
DEF Diremos que un punto se aleja infinitamente sobre una curva cuando su abscisa
o su ordenada o ambas coordenadas crecen infinitamente. Podemos afirmar que el
punto recorre una rama infinita.
DEF Si al recorrer un punto P una rama infinita, la recta OP tiende a una posicin
lmite, entonces esa recta lmite y sus paralelas definen una direccin asntota.
DEF Llamaremos a la recta r asntota de la curva Graf (f) si su direccin es una
direccin asntota de la curva y la distancia de un punto P a r tiende a Cero cuando P se
aleja infinitamente.
DEF Llamaremos asntota horizontal de f(x) a la recta y=K que verifica una de las dos
condiciones siguientes:
1) ( ) K x f lim
x
=
+0 #
2) ( ) K x f lim
x
=
$0 #
DEF Llamamos asntota vertical de f(x) a la recta x=a si se verifica alguna de las
condiciones siguientes:
1) ( ) $0 =
$
#
x f lim
a x
2) ( ) $0 =
+
#
x f lim
a x
3) ( ) +0 =
$
#
x f lim
a x
4) ( ) +0 =
+
#
x f lim
a x
DEF Dada una funcin f(x) tal que en el infinito tiene lmite infinito, diremos que
presenta una asntota de ecuacin y=mx+n si verifica una de las dos condiciones
siguientes.
1)
( )
0 ( =
+0 #
m
x
x f
lim
x
y ( ) ( ) n mx x f lim
x
= $
+0 #
2)
( )
0 ( =
$0 #
m
x
x f
lim
x
y ( ) ( ) n mx x f lim
x
= $
$0 #
21/21
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
1/20
TEMA 26
(Oposiciones de Matemticas)
DERIVADA DE UNA FUNCIN EN UN PUNTO. FUNCIN DERIVADA.
DERIVADAS SUCESIVAS. APLICACIONES.
1. Introduccin.
2. Derivada de una funcin en un punto.
2.1 El problema de la tangente a una curva.
2.2 Definicin de derivada de una funcin en un punto.
2.3 Derivadas laterales de una funcin en un punto.
2.4 lgebra de las funciones derivables en un punto.
2.5 Regla de la cadena.
2.6 Derivada en un punto de la funcin inversa.
2.7 Propiedades locales de una funcin derivable en un punto.
3. Funcin derivada.
3.1 Definicin de funcin derivada y derivadas sucesivas.
3.2 lgebra de las funciones derivables.
3.3 Regla de la cadena.
3.4 Derivada de la funcin inversa.
3.5 Propiedades de las funciones derivables en un intervalo cerrado.
4. Aplicaciones.
4.1 Crecimiento y decrecimiento de funciones.
4.2 Concavidad y convexidad de funciones.
4.3 Clculo de lmites: regla de LHpital.
Bibliografa Bsica.
2/20
TEMA 26
DERIVADA DE UNA FUNCIN EN UN PUNTO. FUNCIN DERIVADA.
DERIVADAS SUCESIVAS. APLICACIONES.
1. INTRODUCCIN.
El clculo diferencial trata de la nocin de derivada. Veamos de qu se trata.
Toda funcin y=f(x) puede ser representada grficamente mediante una curva. El
problema de obtener la recta tangente a dicha curva en un punto origin el clculo
diferencial. El concepto de derivada no se lleg a formular hasta comienzos del siglo
XVII. Fue Fermat, cuando trataba de determinar los mximos y mnimos de algunas
funciones. Observ que en los puntos donde se localiza un mximo o un mnimo la
tangente a la curva tiene pendiente nula, es decir, es una recta horizontal. As pues,
surgi el problema de determinar la pendiente de la recta tangente a cualquier punto de
la curva.
El concepto de derivada super el problema que haba dado origen ya que
tambin sirve para estudiar la variacin de una funcin.
Por derivacin entenderemos el proceso a seguir para hallar la derivada de una
funcin. Dicho proceso no siempre partir de la definicin de derivada en un punto,
aunque a veces sera la nica forma.
2. DERIVADA DE UNA FUNCIN EN UN PUNTO.
2.1. El problema de la tangente a una curva.
Para poder obtener la recta tangente a una curva en un punto primero hemos de
definir que se entiende por recta tangente. En poca de los griegos se entenda por
"tangente a un crculo" como "la recta que tiene un punto en comn con el crculo y el
resto fuera de l". Pero esta definicin, aunque aproxima, no es del todo vlida, ya que
una recta perpendicular a y=x verifica la definicin y no es tangente. Por tanto,
necesitamos definir la recta tangente de forma precisa. Lo haremos utilizando rectas
secantes y la nocin de lmite.
Sea y=f(x) con f:A!R continua una curva y a"Domf(x) un punto de la misma.
Sea x"Domf(x) otro punto cualquiera. Para no confundirnos, llamaremos X e Y a las
variables.
La ecuacin de la recta entre (a,f(a)) y (x,f(x)) es
) (
) ( ) (
) (
) ( ) (
) (
a X
a x
a f x f
a f Y
a f x f
a f Y
a x
a X
#
#
#
= # $
#
#
=
#
#
3/20
La ltima ecuacin es la ecuacin de la recta en forma punto-pendiente. La recta
obtenida es secante a la curva, ya que la corta en dos puntos.
DEF Si existe m
a x
a f x f
a x
=
#
#
!
) ( ) (
lim
tenemos que m es la pendiente de la recta tangente a f(x) en x=a siendo su expresin
) ( ) ( a X m a f Y # = #
2.2. Definicin de derivada de una funcin en un punto.
Consideremos que f:A!R es una funcin continua siendo A%R un intervalo
abierto.
DEF Llamaremos derivada de f(x) en el punto x=a y se denotar por f(a), al lmite, si
existe y es finito
f(a) =
h
a f h a f
a x
) ( ) (
lim
# +
!
Segn la interpretacin geomtrica que se ha visto en el punto anterior, podemos
afirmar que el nmero al cual hemos llamado derivada de f(x) en x=a no es ms que la
pendiente de la recta tangente a f(x) en x=a.
DEF Llamamos cociente incremental a
x
f
&
&
siendo
a x x y a f x f f # = & # = & ) ( ) (
Con esta ltima definicin podemos escribir:
f(a)=lim
&x!0
&f/&x
PROP Si f(x) es derivable en x=a $f(x) es continua en x=a.
Dem
Sabemos que 'f(a)= $
#
#
( $
#
#
=
!
a x
a f x f
a f
a x
a f x f
a x
) ( ) (
) (
) ( ) (
lim
) ( ) (
) ( ) (
x O a f
a x
a f x f
+ =
#
#
$ , siendo O(x) una funcin que verifica lim
x!a
O(x)=0.
Entonces f(x) = f(a)+(x-a)(f(a)+O(x)).
Si tomamos lmites cuando x tiene a x=a,
( ) ) ( ) ( ) ( )( ( ) ( lim ) ( lim a f x O a f a x a f x f
a x a x
= + # + =
! !
Por tanto f(x) es continua en x=a.
4/20
2.3. Derivadas laterales de una funcin en un punto.
Como la definicin de derivada est expresada a partir de un lmite, si utilizamos
lmites laterales obtendremos las derivadas laterales.
DEF Llamamos derivada de f por la derecha en x=a, y se denota por f(a
+
), a
h
a f h a f
a x
a f x f
a f
h a x
) ( ) (
lim
) ( ) (
lim ) (
0
# +
=
#
#
=
+ ! + !
+
DEF Llamamos derivada de f por la izquierda en x=a y se denota por f(a
-
), a
h
a f h a f
a x
a f x f
a f
h a x
) ( ) (
lim
) ( ) (
lim ) (
0
# +
=
#
#
=
# ! !
#
PROP f es derivable en x=a )existen las derivadas laterales y son iguales.
Veamos ahora cuando una funcin no presenta derivada en un punto. Tenemos
dos situaciones:
1) Por la suposicin vista en el apartado anterior, si una funcin es derivable en
un punto entonces es continua en ese punto. Si negamos esta proposicin tenemos que
una funcin que no sea continua es un punto no es derivable en l.
2) Sea f(x) una funcin que, siendo continua en x=a presenta un pico. Por
ejemplo f(x)=|x| en x=0. Podemos comprobar que hay infinitas posibilidades para la
recta tangente. Al no ser nica, se conviene en decir que no existe. A nivel analtico,
tenemos que las derivadas laterales existen pero son diferentes, por lo que no existe la
derivada de f(x) en x=a.
2.4. lgebra de las funciones derivables en un punto.
PROP Sean f,g:A!R dos funciones derivables en a"A. Entonces tambin son
derivables en x=a:
1) fg siendo (f+g)(a) = f(a)+f(a)
2) f-g siendo (f-g)(a) = f(a)-f(a)
3) fg siendo (fg)(a) = f(a)g(a)+f(a)g(a)
4) Si g(a)*0, f/g siendo (f/g)(a) =
2
) (
) ( ) ( ) ( ) (
a g
a g a f a g a f #
5) +,"R ,f siendo (,f)(a) = ,f(a)
Dem
1)(f+g)=
5/20
=lim
h!0 =
# # + + +
=
+ # + +
!
h
a g a f h a g h a f
h
a g f h a g f ) ( ) ( ) ( ) (
lim
) )( ( ) )( (
0 h
) ( ) (
) ( ) ( ) ( ) (
lim
0 h
a g a f
h
a g h a g
h
a f h a f
+ =
-
.
/
0
1
2
# +
+
# +
= =
!
2) Anlogo.
3) (fg)(a) =
=
# + +
=
# +
=
! !
h
a g a f h a g h a f
h
a g f h a g f
h h
) ( ) ( ) ( ) (
lim
) )( ( ) )( (
lim
0 0
=
# + + + # + +
=
!
h
a g a f h a g a f h a g a f h a g h a f
h
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
lim
0
[ ]
=
# +
+
+ # +
=
! !
h
a f a g h a g
h
h a g a f h a f
h h
) ( ) ( ) (
lim
) ( ) ( ) ( [
lim
0 0
=f(a)g(a) + f(a)g(a).
4) f:(a,b)!R no se anula, es derivable.
=
+
+ #
=
#
+
=
# +
! ! !
) ( ) (
) ( ) (
lim
) (
1
) (
1
lim
) (
1
) (
1
lim
0 0 0
h a f a hf
h a f a f
h
a f h a f
h
a
f
h a
f
h h h
= =
+
# +
=
!
} {
) ( ) (
1

) ( ) (
lim
0
continua es f
h a f a hf h
a f h a f
h
) (
1
) ( lim ) (
1
) (
2
0
a f h a f a f
a f
h
#
=
+
=
!
2 2
)) ( (
) ( ) ( ) ( ) (
)) ( (
) (
) (
) (
1
) (
) (
1
) (
) (
) (
x g
x g x f x g x f
x g
x g
x f
x g
x f
x g
x f
x g
x f #
=
#
+ =
3
-
-
.
/
0
0
1
2
=
3
-
-
.
/
0
0
1
2
5) Anlogo.
Conclusin:
El conjunto formado por las funciones derivables en x=a con las operaciones de
suma y producto de funciones y producto por un escalar tiene estructura de lgebra.
6/20
f
2.5. Regla de la cadena.
PROP Sea f:A!R una funcin derivable en a"R y f:B!R con Imf%B una funcin
derivable en f(x
0
)"Y. Entonces gf:A!R es una funcin derivable en x
0
"A, siendo
(gf)(x
0
) = g(f(x
0
))f(x
0
).
TEOREMA DE LA FUNCIN COMPUESTA.
Sea f:(a,b)!R derivable en x
0
"(a,b) y sea g:(c,d)!R tal que Imf%(c,d) y g
derivable en f(x
0
). Entonces:
- (gf): (a,b)!R derivable en x
0
.
- (gf)=fg = g(f(x
0
))f( x
0
)
(a,b) ! (c,d)
x
0
! y
0
= f(x
0
)
gf
R
Dem
*Como f es derivable en x
0
.
f(x
0
+h) = f(x
0
)+h f(x
0
) +h4(h) con lim
h!0
4(h) = 0.
*Como g es derivable en y
0
g(y
0
+h) = g(y
0
)+k g(y
0
) +k4(k) con lim
k!0
5(k) = 0.
Para ver que gf es derivable en x
0
tenemos que ver que se puede expresar como:
(gf)(x
0
+h) = (gf)(x
0
) + h(gf)(x
0
)+h6(h)
(gf)(x
0
+h) = g(f(x
0
+h)) = g(y
0
+hf(x
0
)+h4(h)) = como g es derivable en a =
= g(y
0
)+ g(y
0
)[hf(x
0
)+h4(h)] + [hf(x
0
)+h4(h)]5(hf(x
0
)+h4(h)) =
= g(y
0
)+hg(y
0
)f (x
0
) +h [g(y
0
)4(h)+f(x
0
)+4(h) 5 (h f(x
0
)+h4(h))].
[g(y
0
)4(h)+f(x
0
)+4(h) 5 (h f(x
0
)+h4(h))]=M, y tenemos entonces que si M
tiene como lmite:
lim
h!0
[g(y
0
)4(h)+f(x
0
)+4(h) 5 (h f(x
0
)+h4(h))]=g(y
0
)0+ (f(x
0
)+0)0=0
7/20
Luego M tiende a =, y entonces (gf) es derivable en x
0
y (gf)(x
0
) =
g(f(x
0
))f(x
0
).
Ejemplo:
f(x) = xsen1/x para x distinto de cero.
f(x) = (xsen 1/x)= sen 1/x + x(sen 1/x) = sen 1/x +xcos 1/x (-1/x
2
) =
= sen 1/x +xcos 1/x (-1/x
2
) = sen 1/xs -1/xcos 1/x.
x ! 1/x
sen derivada de la funcin compuesta
sen 1/x
2.6. Derivada en un punto de la funcin inversa.
PROP Sea f:A!B una funcin biyectiva, con A,B%R intervalos abiertos, y
0
"B un
punto y f derivable en f
-1
(y
0
) con f(f
-1
(y
0
))*0. Entonces f
-1
es derivable en b siendo:
)) ( (
1
) )( (
0
1
0
1
y f f
y f
#
#
=
Dem
f(x)f(y) = f(c)(xy) si f(z)>0, +z"I y si x<y $f(x)<f(y)
f es estrictamente creciente en I y continua $ J=f(I) es un intervalo
f: I!J biyectiva
x!y
f: J!I continua.
y!x
=
#
#
=
#
#
=
# #
!
# #
!
#
) ( ) (
1
lim
) ( ) (
lim ) )( (
0
1 1
0 0
0
1 1
0
1
0 0
y f y f
y y y y
y f y f
y f
y y y y
=
#
#
=
#
#
=
#
#
=
!
! !
0
0
0
0
0
0
) ( ) (
lim
1
) ( ) (
1
lim
) ( ) (
1
lim
0
0 0
x x
x f x f
x x
x f x f
x x
x f x f
y y
x x y y
8/20
)) ( (
1
) (
1
1 1
0
z f f x f
# #
= =
Si f(z)<0 +z"I f sera estrictamente decreciente y continua:
f
-1
: J!I J = f(I) todo igual
No existen puntos en los que f(x
1
)>0 y f(x
2
)<0, pues en caso contrario aplicando
la proposicin de los valores intermedios de la derivada debera existir un punto en que
f(c) = 0, lo que no ocurre.
2.7. Propiedades locales de una funcin derivable en un punto
DEF Una funcin f(x) es creciente en A7R si +x
1
,x
2
"A con x
1
<x
2
, se verifica
f(x
1
)8f(x
2
).
DEF Una funcin f(x) es decreciente en A7R si +x
1
,x
2
"A con x
1
<x
2
, se verifica
f(x
1
)9f(x
2
).
PROP Si f(x) es derivable en x=c y f(c)>0 f(x) es creciente en un entorno de c.
Dem
Si f(c)>0 como f(c) =
=
h
c f h c f
h si
h
c f h c f
h
) ( ) (
0 | | / 0 0
) ( ) (
lim
0
# +
< > ' $ >
# +
!
! ,que
corresponde con la definicin de estrictamente creciente en c.
PROP Si f(x) es derivable en x=c y f(c)<0 entonces f(x) es decreciente en un entorno de
c.
Dem
Anloga a la anterior.
OBS El recproco de ambas posiciones es falso. Una funcin que sea creciente en un
entorno de un punto no tiene porque tener derivada positiva, ya que ni siquiera podra ser
derivable. Por ejemplo:
a
9/20
DEF La funcin f:A!R presenta en a"A un mximo relativo si existe :>0 tal que
f(x)8f(a) +x"E(a,:);A.
DEF La funcin f:A!R presenta en a"A un mximo relativo si existe :>0 tal que
f(x)9f(a) +x"E(a,:);A.
DEF Diremos que f:A!R presenta en a"A un extremo si es un mximo o un mnimo
relativo.
PROP Si f(x) es derivable en x=a y tiene un extremo relativo en l, entonces f(a) = 0.
Dem
Si en c hay, por ejemplo, un mximo relativo ha de existir un <>0 tal que
=
=
>
=
=
?
@
8 =
# +
$ < 8
# +
8 =
# +
$ > 9
# +
$
=
A
=
B
C
<
< 8 +
> 8 +
#
+
!
!
) (
) ( ) (
lim 0 , 0
) ( ) (
) (
) ( ) (
lim 0 , 0
) ( ) (
| |
0 ), ( ) (
0 ), ( ) (
0
0
c f
h
c f h c f
h
h
c f h c f
c f
h
c f h c f
h
h
c f h c f
h
h c f h c f
h c f h c f
h
h
!
0 ) (
0 ) (
0 ) (
= $
>
?
@
8
9
$ c f
c f
c f
Si hay en c un mnimo relativo se prueba de forma anloga que f(c)=0.
3. FUNCIN DERIVADA.
3.1. Definicin de funcin derivada y derivadas sucesivas.
DEF Si f:[a,b]!R es continua en todo el intervalo, diremos que f(x) es derivable en
(a,b) si lo es en todos sus puntos.
OBS Si nos fijamos en la definicin anterior, vemos que hemos dicho que f(x) es
derivable en el abierto y no en el cerrado. Eso es porque en los puntos a y b no se puede
hablar de derivada ya que a la izquierda de a y a la derecha de b no est definida la
funcin.
DEF Sea f:A!R una funcin continua y tal que +x"A 'f(x). Entonces llamamos
funcin derivada de f y se denota por f, a
f:A!R
x!f(x)
por tanto una funcin es derivable si lo es en todos los puntos de su dominio.
10/ 20
La funcin derivada es una funcin como cualquier otra, por tanto podemos
calcular su dominio, asntotas, continuidad e incluso su derivada.
DEF La funcin derivada de f(x) recibe el nombre de derivada segunda de f(x) y se
denota por f(x). Repitiendo el proceso n veces, siempre que sea posible, obtenemos la
derivada n-sima (o de orden n) de f(x), f
n)
(x).
DEF Si la derivada n-sima de f(x) existe para todo nmero natural, diremos que f(x)
es infinitamente derivable.
3.2 lgebra de las funciones derivables.
PROP Sean f,g:A!R dos funciones derivables en A. Entonces, las siguientes
funciones tambin son derivables:
1) fg siendo (fg)= fg.
2) fg siendo (fg)=fg+fg.
3) Si g(x)*0 +x"A, f/g siendo (f/g)=
2

g
fg g f #
.
4) +,"R ,f siendo (,f)=,f.
Dem
1)(f+g)=
=lim
h!0 =
# # + + +
=
+ # + +
!
h
a g a f h a g h a f
h
a g f h a g f ) ( ) ( ) ( ) (
lim
) )( ( ) )( (
0 h
) ( ) (
) ( ) ( ) ( ) (
lim
0 h
a g a f
h
a g h a g
h
a f h a f
+ =
-
.
/
0
1
2
# +
+
# +
= =
!
2) Anlogo.
3) (fg)(a) =
=
# + +
=
# +
=
! !
h
a g a f h a g h a f
h
a g f h a g f
h h
) ( ) ( ) ( ) (
lim
) )( ( ) )( (
lim
0 0
=
# + + + # + +
=
!
h
a g a f h a g a f h a g a f h a g h a f
h
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
lim
0
[ ]
=
# +
+
+ # +
=
! !
h
a f a g h a g
h
h a g a f h a f
h h
) ( ) ( ) (
lim
) ( ) ( ) ( [
lim
0 0
=f(a)g(a) + f(a)g(a).
11/ 20
4) f:(a,b)!R no se anula, es derivable.
=
+
+ #
=
#
+
=
# +
! ! !
) ( ) (
) ( ) (
lim
) (
1
) (
1
lim
) (
1
) (
1
lim
0 0 0
h a f a hf
h a f a f
h
a f h a f
h
a
f
h a
f
h h h
= =
+
# +
=
!
} {
) ( ) (
1

) ( ) (
lim
0
continua es f
h a f a hf h
a f h a f
h
) (
1
) ( lim ) (
1
) (
2
0
a f h a f a f
a f
h
#
=
+
=
!
2 2
)) ( (
) ( ) ( ) ( ) (
)) ( (
) (
) (
) (
1
) (
) (
1
) (
) (
) (
x g
x g x f x g x f
x g
x g
x f
x g
x f
x g
x f
x g
x f #
=
#
+ =
3
-
-
.
/
0
0
1
2
=
3
-
-
.
/
0
0
1
2
5) Anlogo.
+a"A.
Conclusin:
El conjunto de las funciones derivables en A%R con las operaciones de suma y
producto de funciones y producto de un escalar por una funciones tiene estructura de
lgebra.
3.3. Regla de la cadena.
PROP Sean f:A!R y g:B!R dos funciones derivables, con A,B%R abiertos y f(a)%B.
Entonces gf es derivable siendo
(gf)(x) = g(f(x))f(x) +x"A.
Dem
*Como f es derivable en x
0
.
f(x
0
+h) = f(x
0
)+h f(x
0
) +h4(h) con lim
h!0
4(h) = 0.
*Como g es derivable en y
0
g(y
0
+h) = g(y
0
)+k g(y
0
) +k4(k) con lim
k!0
5(k) = 0.
Para ver que gf es derivable en x
0
tenemos que ver que se puede expresar como:
(gf)(x
0
+h) = (gf)(x
0
) + h(gf)(x
0
)+h6(h)
12/ 20
(gf)(x
0
+h) = g(f(x
0
+h)) = g(y
0
+hf(x
0
)+h4(h)) = como g es derivable en a =
= g(y
0
)+ g(y
0
)[hf(x
0
)+h4(h)] + [hf(x
0
)+h4(h)]5(hf(x
0
)+h4(h)) =
= g(y
0
)+hg(y
0
)f (x
0
) +h [g(y
0
)4(h)+f(x
0
)+4(h) 5 (h f(x
0
)+h4(h))].
[g(y
0
)4(h)+f(x
0
)+4(h) 5 (h f(x
0
)+h4(h))]=M, y tenemos entonces que si M
tiene como lmite:
lim
h!0
[g(y
0
)4(h)+f(x
0
)+4(h) 5 (h f(x
0
)+h4(h))]=g(y
0
)0+ (f(x
0
)+0)0=0
Luego M tiende a =, y entonces (gf) es derivable en x
0
y (gf)(x
0
) =
g(f(x
0
))f(x
0
).
+a"A.
3.4. Derivada de la funcin inversa.
PROP Sea f:A!B una funcin biyectiva y derivable siendo su derivada no nula en
todos sus puntos. Entonces f
-1
es derivable con
B y
y f f
y f " + =
#
#
)) ( (
1
) )( (
1
1
Dem
Si en c hay, por ejemplo, un mximo relativo ha de existir un <>0 tal que
=
=
>
=
=
?
@
8 =
# +
$ < 8
# +
8 =
# +
$ > 9
# +
$
=
A
=
B
C
<
< 8 +
> 8 +
#
+
!
!
) (
) ( ) (
lim 0 , 0
) ( ) (
) (
) ( ) (
lim 0 , 0
) ( ) (
| |
0 ), ( ) (
0 ), ( ) (
0
0
c f
h
c f h c f
h
h
c f h c f
c f
h
c f h c f
h
h
c f h c f
h
h c f h c f
h c f h c f
h
h
!
0 ) (
0 ) (
0 ) (
= $
>
?
@
8
9
$ c f
c f
c f
Si hay en c un mnimo relativo se prueba de forma anloga que f(c)=0.
3.5. Propiedades de las funciones derivables en un intervalo cerrado.
TEOREMA. TEOREMA DE ROLLE.
Sea f:[a,b]!R una funcin continua en [a,b] derivable en (a,b) y f(a)=f(b).
Entonces existe al menos un punto c"(a,b) tal que f(c)=0.
13/ 20
Dem
Sabemos por el teorema de Weierstrass que toda funcin continua definida en un
cerrado alcanza un valor mximo y mnimo en el intervalo.
Segn donde podamos localizar ese mximo y ese mnimo vamos a distinguir
dos casos:
1) Tanto el mximo como el mnimo est en los extremos. Como f(a)=f(b)
$maxf=minf $f es cte. Si el mximo y el mnimo de f son iguales, necesariamente f
tiene que ser constante.
Si f es constante su derivada es cero y entonces c es cualquier punto de (a,b).
Recordemos que a y b no pueden ser ya que f no es derivable en ellos.
2) Al menos uno de ellos se alcanza en el interior. En un teorema anterior vimos
que "si f alcanza un extremo relativo en a y existe f(a) entonces f(a)=0". Al localizarse
el extremo absoluto en el interior tambin es relativo y como en ese punto (al ser
interior) es derivable, su derivada es cero.
Llamaremos a ese punto x=c y se verifica que:
c"(a,b) y f(c)=0.
OBS La interpretacin geomtrica del teorema de Rolle es que una funcin continua es
derivable e igual en sus extremos debe tener un punto cuya recta tangente sea
horizontal.
El siguiente teorema a ver es el del Valor medio o Lagrange.
Su pone una generalizacin del anterior, pues en ste eliminamos la hiptesis de que
f(x) coincida en los extremos del intervalo. Lo que vamos a conseguir ahora es un punto
x=c que va a tener tangente paralela a la recta que une los puntos (a,f(a)) y (b,f(b)).
TEOREMA. TEOREMA DE LAGRANGE.
Sea f:[a,b]!R continua en [a,b] y derivable en (a,b). Entonces c"(a,b) tal que
f(c) = (f(b)-f(a)) / (b-a).
Dem
Definimos D:[a,b]!R
x!D(x)=f(x)+mx, donde m=- "
#
#
a b
a f b f ) ( ) (
para que D(a) = D(b)
[ ]
0 ) ( / ) , (
) ( ) (
) , (
,
= " ' $
=
A
=
B
C
=
c b a c
b a
b a en derivable es
b a en continua es
"
" "
"
"
14/ 20
D(x) = f(x)+m $ D(c) = f(c)+m = 0 $ f(c) = $
# a b
a f b f ) ( ) (
$f(c)(b-a) = f(b)-f(a).
Geomtricamente existe al
menos un punto de la grfica de f,
distinto de sus extremos Ay B en el
que la tangente de la grfica es
paralela a la cuerda AB.
TEOREMA. TEOREMA DELVALOR MEDIO GENERALIZADO (CAUCHY).
Sean f,g: [a,b]!R continua en [a,b] y derivables en (a,b). Entonces existe
c"(a,b) tal que:
f(c)(g(b)-g(a)) = g(c) ( f(b)-f(a))
Dem
Definimos h(x) = f(x)[g(b)-g(a)]-g(x)[f(b)-f(a)] = f(x)h - g(x)k
(*) h: [a,b]!R continua
h(a) = f(a)[g(b)-g(a)]-g(a)[f(b)-f(a)] = f(a)g(b)-f(a)g(a)-g(a)f(b)+g(a)f(a)
h(b) = f(b)[g(b)-g(a)]-g(b)[f(b)-f(a)]=f(b)g(b)-f(b)g(a)-g(b)f(b)+g(b)f(a)
(*) $ h(a) = h(b)
(*) h derivable en (a,b)
(*)+(*)+(*) $ ROLLE $'c"(a,b) / h(c) = 0
$ si h(c) = 0
h(c) = (f(c)h-g(c)k) = f(c)h-g(c)k = 0 $ f(c)h = g(c)k
$ f(c)[g(b)-g(a)] = g(c)[f(b)-f(a)]
OBS Si en el teorema anterior tomamos g(x)=x se obtiene el teorema del valor medio.
OBS En algn libro de texto nos podemos encontrar como tesis del teorema:
) ( ) (
) ( ) (
) (
) (
/ ) , (
a g b g
a f b f
c g
c f
b a c
#
#
= " '
15/ 20
Esta tesis no es correcta. Con las hiptesis de continuidad y derivabilidad para
f(x) y g(x) no podemos asegurar que algunos valores puedan anular los denominadores.
Habra que aadir al teorema la hiptesis
g(x)*0 +x"(a,b) y g(a) * g(b)
y eso no sera el teorema de Cauchy.
Veamos dos consecuencias obtenidas de forma inmediata a partir de estos
teoremas.
PROP Si f(x) = 0 +x"(a,b) $ f=cte.
Dem
+x
1
,x
2
"(a,b) con x
1
,x
2
consideremos [x
1
,x
2
]%(a,b). Como f(x) = 0 $ f es
derivable en (a,b) $ es continua en (a,b) $ f es continua en [x
1
,x
2
] y derivable
en (x
1
,x
2
).
Aplicando el teorema del valor medio:
'c"(x
1
,x
2
) / f(c) 0 ) ( ) ( 0
) ( ) (
0 ) (
) ( ) (
1 2
1 2
1 2
1 2
1 2
= # $ =
#
#
$
=
A
=
B
C
=
#
#
x f x f
x x
x f x f
c f
x x
x f x f
Entonces f(x
1
)=f(x
2
) +x
1
, x
2
"(a,b)
Por tanto f es una funcin constante.
PROP Si f y g son dos funciones que tienen la misma derivada entonces se diferencian
en una constante.
Dem
Sean las funciones f,g:A!R con f(x)=g(x) +x"A siendo A un intervalo
abierto.
Consideremos la funcin f-g. Su derivada:
(f-g)=f-g= 0 $ (f-g)=cte.
4. APLICACIONES.
4.1. Crecimiento y decrecimiento de funciones.
Ahora vamos a ver como, a partir de la primera derivada podemos saber si la
funcin es creciente o decreciente.
16/ 20
TEOREMA. Si f(x)>0 +x"I $ f(x) es estrictamente creciente en I.
Dem
Tomemos un punto cualquiera x
0
"I. Sabemos que la funcin es derivable y que
la derivada es positiva, luego f(x
0
)>0.
Como f(x
0
)= lim
x!xo
>
?
@
< $ <
> $ >
$ >
#
#
) ( ) (
) ( ) (
0
) ( ) (
0 0
0 0
0
0
x f x f x x si
x f x f x x si
x x
x f x f
Por tanto f(x) es creciente cerca de x
0
, tanto antes como despus. Y como eso
ocurre para cualquier punto x
0
"I, entonces la funcin es creciente en I.
TEOREMA. Si f(x)<0 +x"I $ f(x) es estrictamente decreciente en I.
Dem
La demostracin es igual que la anterior.
Sea x
0
"I un punto cualquiera. Sabemos que f(x
0
)>0.
Como f(x
0
)= lim
x!xo
>
?
@
> $ <
< $ >
$ <
#
#
) ( ) (
) ( ) (
0
) ( ) (
0 0
0 0
0
0
x f x f x x si
x f x f x x si
x x
x f x f
Vemos que la funcin es decreciente en x
0
$lo es en todo I.
OBS Con estos teoremas obtenemos un mtodo alternativo para saber si un punto es
mximo o mnimo relativo. Lo que habamos visto era que igualbamos a cero la
primera derivada, y luego esos puntos los sustituamos en la segunda derivada. Si daba
positiva era mnimo y si daba negativa era mximo.
Ahora lo podemos saber sin necesidad de tener que ir a la segunda derivada.
Basta solamente saber el signo de la primera derivada.
Para que haya un mximo la primera derivada tiene que tener antes del punto
signo positivo (f(x) ser creciente) y despus signo negativo (f(x) decreciente); y para
que sea mnimo, al revs.
OBS Ya habamos visto antes que si una funcin es estrictamente creciente, entonces la
derivada es positiva (si no lo hemos visto, se hara estudiando el signo del cociente
incremental). Estos dos teoremas anteriores es lo que llamamos el recproco, ya que son
al revs (si la derivada es positiva $ la funcin es estrictamente creciente).
4.2. Concavidad y convexidad de funciones.
Ahora vamos a manejar la segunda derivada, para ver que informacin podemos
extraer de ella (de la primera veamos el crecimiento y decrecimiento de la funcin).
17/ 20
Aqu estudiaremos la concavidad y convexidad. Para ello, pasamos a definir estos
conceptos.
DEF Se dice que f es convexa en I si +a,b "I se verifica que la recta que une (a,f(a))
con (b,f(b)) queda por encima de la grfica de f(x).
f(b)
f(a)
a b
OBS La recta sabamos que era r(x) = ) ( ) (
) ( ) (
a f a x
a b
a f b f
+ #
#
#
y se tiene que
cumplir que r(x)>f(x).
r(x)>f(x) $ ) ( ) (
) ( ) (
a f a x
a b
a f b f
+ #
#
#
>f(x) $
$ ) ( ) ( ) (
) ( ) (
a f x f a x
a b
a f b f
# > #
#
#
$
a x
a f x f
a b
a f b f
#
#
>
#
# ) ( ) ( ) ( ) (
Esto nos lleva a una nueva definicin de funcin convexa, totalmente anloga a
la anterior.
DEF Se dice que f es convexa en I si +a,b"I se verifica que:
a b
a f b f
#
# ) ( ) (
>
a x
a f x f
#
# ) ( ) (
, +x"(a,b)
Anlogamente podemos definir:
DEF Se dice que f es cncava en I si +a,b"I se verifica que la recta que une (a,f(a))
con (b,f(b)) queda por debajo de la grfica de f(x).
f(x)
E igualmente podemos decir:
DEF Se dice que f es cncava en I si +a,b"I se verifica que:
18/ 20
) , (
) ( ) ( ) ( ) (
b a x
a x
a f x f
a b
a f b f
" +
#
#
<
#
#
Ahora vamos a ver lo que se llama un teorema auxiliar pues slo sirve para
aplicar su resultado en el siguiente, y as, en vez de dar uno grande, se ven dos
pequeos.
TEOREMA. Sea f:[a,b]!R continua en [a,b], derivable en (a,b), f(x) creciente y
f(a)=f(b). Entonces f(x)<f(a) +x"(a,b).
Dem
Como lo que queremos es llegar a demostrar que f(x)<f(a), vamos a hacerlo por
reduccin al absurdo dividindolo en dos casos. Veremos que f(x)>f(a) no puede ser y
que f(x)=f(a) tampoco.
1) Supongamos que existe un x
0
"(a,b) / f(x
0
)>f(a).
Aplicando el teorema de Rolle a f(x) (s se puede, ya que verifica sus
hiptesis), existir un c"(a,b) / f(c)=0 y en x=c tenemos un mximo. (Cmo
f(a)=f(b) y hay un x
0
tal que f(x
0
)>f(a), alguno tendr que ser mayor que todos).
Pero si en x=c hay mximo, la derivada antes es positiva y despus es
negativa, lo cual indica que decrece y por hiptesis f era creciente.
CONTRADICCIN. Entonces f(x)>f(a) no puede ser.
2) Supongamos ahora que hay un valor x
0
"(a,b) tal que f(x
0
)=f(a). Puede ocurrir
que: - f=cte $ f=0 y no sera creciente. NO
- En x
0
hay un mximo $ f(x
0
) = 0 y por ser mximo, antes de x
0
la
derivada es positiva y despus negativa $ f es decreciente. Pero por
hiptesis f es creciente $ CONTRADICCIN.
Por tanto, lo nico posible es que f(x)<f(a) +x"(a,b) que era lo que queramos
demostrar.
19/ 20
TEOREMA. Si f es derivable y f creciente $ f es convexa.
Dem
Como f:[a,b]!R es continua en [a,b] y derivable en (a,b) la funcin
g(x) = f(x) - ) ( ) (
) ( ) (
a f a x
a b
a f b f
# #
#
#
tambin lo es. Tambin tenemos que f es
creciente $ g(x) = f(x) -
a b
a f b f
#
# ) ( ) (
tambin lo es. Si f crece, podemos comprobar
fcilmente que g(x) tambin lo hace, y g(a)=g(b)=0.
Entonces la funcin g(x) verifica las hiptesis del teorema anterior. Por tanto,
aplicndolo tenemos g(x)<g(a)=0. Si g(x)<0 $ f(x)- ) ( ) (
) ( ) (
a f a x
a b
a f b f
# #
#
#
<0 $
$f(x)-f(a) < ) (
) ( ) (
a x
a b
a f b f
#
#
#
$
a b
a f b f
a x
a f x f
#
#
<
#
# ) ( ) ( ) ( ) (
E Definicin de
funcin convexa.
Como f(x) verifica la definicin de funcin convexa, quiere decir que lo es,
como queramos demostrar.
OBS Cuando tenamos que f(x) era creciente era porque f(x)>0. Como ahora f(x) es
creciente, ser porque f(x)>0. As podramos volver a escribir el enunciado del
teorema anterior de esta otra forma.
TEOREMA. Si f:[a,b]!R es derivable dos veces y f(x)>0 $ f convexa.
OBS Por tanto, para ver si una funcin es convexa, bastar con comprobar si su
segunda derivada es positiva.
Anlogamente a estos dos teoremas de convexidad, se pueden dar otros dos de
concavidad, con slo cambiar las desigualdades.
TEOREMA. Sea f:[a,b]!R continua en [a,b], derivable en (a,b), f(x) decreciente y
f(a)=f(b). Entonces f(x)>f(a) +x"(a,b).
TEOREMA. Si f es derivable y f decreciente $ f es cncava.
TEOREMA. Si f:[a,b]!R es derivable dos veces y f(x)<0 $ f cncava.
DEF Llamaremos punto de inflexin a aquel punto donde la funcin cambia de
cncava a convexa o al revs. Por tanto la derivada segunda en ese punto tiene que ser
cero.
20/ 20
4.3. Clculo de lmites: Regla de LHpital.
TEOREMA. Sean f y g derivables en un entorno (a-r, a+r) del pnto a. Si lim
x!a
f(x)=0,
lim
x!a
g(x)=0 y existe lim
x!a
f(x)/g(x), entonces tambin existe el lmite de f(x)/g(x) y
es lim
x!a
f(x)/g(x) = lim
x!a
f(x)/g(x).
Dem
Podemos suponer que f(a)=0 y que g(a)=0, pues para el clculo de lmites
cuando x!a, no es relevante el valor de la funcin en el punto a.
Ahora f y g cumplen las hiptesis del teorema de Cauchy en [a,b] siendo
x"(a,a+r). Por tanto existe c"(a,x) tal que:
f(x)/g(x) = f(a)/g(a).
Cuando x!a tambin c!a. Por tanto:
lim
x!a
f(x)/g(x) = lim
c!a
f(c)/g(c) = lim
x!a
f(x)/g(x).
Como x"(a,a+r) los lmites son por la derecha. Anlogamente por la izquierda.
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Anlisis Matemtico 2 Edicin. Aut. T. M. Apostol. Ed. Revert
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Ed. Labor
1/26
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 27
DESARROLLO DE UNA FUNCIN EN SERIE DE POTENCIAS. TEOREMA DE
TAYLOR APLICACIONES AL ESTUDIO LOCAL DE FUNCIONES.
1. Introduccin.
2. Polinomio de Taylor de grado n.
2.1. Polinomios de Taylor de algunas funciones elementales.
2.2. Propiedades del polinomio de Taylor.
2.3. Teorema de Taylor.
3. Desarrollo de una funcin en serie de Potencias.
4. Aplicaciones al estudio Local de funciones.
4.1. Extremos relativos. Curvatura.
4.2. Clculo de lmites.
4.3. Aproximaciones numricas.
5. Bibliografa Bsica.
2/26
TEMA 27
DESARROLLO DE UNA FUNCIN EN SERIE DE POTENCIAS. TEOREMA DE
TAYLOR APLICACIONES AL ESTUDIO LOCAL DE FUNCIONES.
1. INTRODUCCIN.
Los matemticos consideran como funciones elementales, entre otras, los
polinomios, e
x
, log x, sen x y cos x, las cuales hemos descrito en temas anteriores. Pero
de todas ellas, solo los polinomios pueden calcularse de forma sencilla para cualquier
valor de la variable independiente x. Eso es debido a que si p(x) es un polinomio,
entonces
!
=
=
n
i
i
i
x a x p
0
) (
Recordemos que la funcin e
x
se calcula como inversa de log x. Y esta ltima viene
definida por
"
=
x
dt
t
x
1
1
log
Tambin tenemos que la funcin cos x se define como un nmero y tal que
Y = cos x #
2
) (
x
y A = [ ] ! , 0 $ %x
Y como la funcin A(y) es
"
& +
&
=
1
2
2
1
2
1
) (
y
dt t
y y
y A
tendremos que
2
1
2
1
2
1
2
x
dt t
y y
y
= & +
&
"
OBS Omitimos como extiende la funcin cos x de [ ] ! , 0 a !.
Y recordemos que la definicin de la funcin sen x es
x x
2
cos 1 sen & =
En este tema vamos a tratar de aproximar estas funciones elementales, y en
general todas aquellas que cumplan unas determinadas condiciones, por funciones
polinmicas en las proximidades de un punto.
3/26
2. POLINOMIO DE TAYLOR DE GRADO N.
Sea f(x) una funcin derivable en x = a hasta el orden n inclusive. Vamos a
encontrar un polinomio de grado no superior a n, P
n
(x), cuyo valor x = a coincida con el
valor de f(x) en x = a y los valores de sus derivadas tambin coincidan, en x = a, con las
derivadas de f(x) hasta el orden n-simo.
Entonces tenemos que
P
n
(a) = f(a) P
n
(a) = f(a) P
n
(a) = f(a) . ) ( ) (
) )
a f a P
n n
n
= (1)
Escribamos el polinomio en forma de potencias de (x a):
P
n
(x) = a
o
+ a
1
(x a) + a
2
(x a)
2
+ a
3
(x a)
3
+ .. + a
n
(x a)
n
Los coeficientes de P
n
(x) los calculamos teniendo en cuenta las condiciones (1).
Primero veamos el valor de P
n
(x) y sus derivadas en x = a
P
n
(a) = a
o
P
n
(a) = a
1
P
n
(a) = 2 a
2
P
n
(a) = 3! a
3
.
.
.
P
) n
n
(a) = n! a
n
Y aplicando las condiciones (1) obtenemos
( ) ) (
!
1
, ), (
! 3
1
), (
! 2
1
), ( ,
)
3 2 1
a f
n
a a f a a f a a f a a f a
n
n o
= = = = = L
El polinomio P
n
(x) queda como
( ) ( ) ( )( )
( )
( ) ( ) ( )
n
n
n
a x
n
a f
a x
a f
a x
a f
a x a f a f x P & + + & + & + & + =
!
) (
! 3
) (
! 2

)
3 2
L
DEF Llamamos Polinomio de Taylor de grado n para f en x = a al polinomio
( )
( )
!
=
& =
n
i
i
i
n
a x
i
a f
x P
0
)
!
) (
OBS Siendo riguroso, tendramos que haber denotado al polinomio como P
n,a,f
(x),
aunque nos conformaremos con P
n,a
(a).
4/26
2.1. Polinomios de Taylor de algunas funciones elementales.
En general, las funciones elementales tienen polinomios de Taylor bastante
sencillos, aunque los coeficientes parezcan depender de la funcin f de forma
complicada.
Sea, en primer lugar, f(x) = sen x.
f(0) = sen 0 = 0
f(0) = cos 0 = 1
f(0) = - sen 0 = 0
f(0) = - cos 0 = -1
A partir de f
I V
(0) las derivadas se repiten con un ciclo de 4. Los coeficientes a
K
toman valores
0, 1, 0, ,.....
! 9
1
, 0 ,
! 7
1
, 0 ,
! 5
1
, 0 ,
3
1
& &
Y el polinomio de Taylor de grado 2n + 1 para sen x en x = 0 es
( )! 1 2
) 1 ( .........
! 7 ! 5 ! 3
) (
1 2 7 5 3
0 , 1 2
+
& + + & + & =
+
+
n
x x x x
x x P
n
n
n
Para no reiterarnos, repitiendo los clculos de manera anloga para f(x) = cos x en
x = 0, obtenemos que el polinomio de Taylor de grado 2n de f(x) = cos x es x = 0 es
( )
( )! 2
1 .......
! 6 ! 4 ! 2
1 ) (
2 6 4 2
0 , 2
n
x x x x
x P
n
n
n
& + + & + & =
El polinomio de Taylor de la funcin f(x) = log x no puede calcularse en x = 0 ya
que es un punto que no pertenece al dominio. Tomaremos x = 1.
( ) 0 1 log 1 = = f
1
1
1
) 1 ( = = f
1
1
1
) 1 (
2
& =
&
= f
2
1
2
) 1 (
3
= = f
5/26
Y en general, como
i
i
i
x
i
x f
)! 1 ( ) 1 (
) (
1
)
& &
=
&
tenemos que ( ) ( ) ( )! 1 1 1
1
& & =
&
i f
i i
Siendo el polinomio de Taylor
( )
( ) ( )
( )
( )
n
x x x
x x P
n
n
n
1
1 ......
3
1
2
1
1 ) (
1
3 2
1 ,
&
& + +
&
+
&
& & =
&
Si tomamos la funcin f(x) = log(x + 1) si se puede calcular su polinomio en x = 0 y
es
( )
n
x x x
x x P
n
n
n
1 .....
3 2
) (
1
3 2
0 ,
&
& + + + & =
La inversa de la funcin logaritmo, e
x
, tiene una expresin para el polinomio de
Taylor en x = 0 muy sencilla, debido a que
(e
x
)
K)
= e
x
y entonces
!
.....
! 3 ! 2
1 ) (
3 2
0 ,
n
x x x
x x P
n
n
+ + + + + =
Pero no todas las funciones elementales tienen polinomios de Taylor tan sencillos.
Nos podemos encontrar con otras funciones cuyas derivadas sean complicadas o se
vayan complicando conforme aumentamos el orden. Por ejemplo, la funcin arctgx, que
tiene por derivadas
1 ) 0 arctg(
1
1
arctg
2
= #
+
=
x
x
( )
( ) 0 0 arctg
1
2
arctg
2
2
= #
+
&
=
x
x
x
( ) ( ) ( )
( )
2 ) 0 arctg(
1
2 1 2 2 2 1
arctg
4
2
2
2
2
& = #
+
+ + & +
=
x
x x x x
x
Y conforme aumentamos el orden, mas complicada es la derivada.
2.2. Propiedades del polinomio de Taylor.
De momento tenemos definido el polinomio de Taylor de f(x) en x = a de grado n
como aquel que tiene las n primera derivadas coincidentes en x = a con f(x), adems de
P(a) = f(a). Esta relacin entre el polinomio y f(x), veremos que es mucho mas profunda
de lo que parece.
6/26
Para empezar, sea P
1,a
(x) el polinomio de Taylor de f(x) en x = a de grado 1.
Entonces
( ) ( )( ) a x a f a f x P
a
& + = ) (
, 1
A partir de esta expresin, cambindola de signo y sumando f(x) y despus
dividiendo por x a llegamos a
( )
( ) ( )
( ) a f
a x
a f x f
a x
x P x f
a

) (
, 1
&
&
&
=
&
&
Y como sabemos que la definicin de derivada en un punto es
( ) ( )
a x
a f x f
lim a f
a x
&
&
=
'
) (
obtenemos como conclusin que
( )
0
) (
, 1
=
&
&
'
a x
x P x f
lim
a
a x
De esta expresin deducimos que la distancia entre f(x) y P
1,a
(x) no solo se hace
pequea cuando x ' a sino que incluso es ms pequea comparndola con la distancia
entre x y a. Generalicemos este resultado que hemos obtenido para n = 1 a cualquier
valor del grado del polinomio.
TEOREMA Sea f(x) una funcin n veces derivable en x = a y sea P
n,a
(x) el polinomio
definido como
( )
!
=
& =
n
i
i
i a n
a x a x P
0
,
) ( con
( )
!
)
i
a f
a
i
i
=
Entonces
( ) ( )
( )
0
,
=
&
&
'
n
a n
a x
a x
x P x f
lim
Dem.
Si desarrollamos el cociente tenemos
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
!
!
) (
)
1
0
)
0 ,
n
a f
a x
a x
i
a f
x f
a x
a x a x f
a x
x P x f
n
n
n
i
i
i
n
n
i
i
i
n
a n
&
&
& &
=
&
& &
=
&
&
! !
&
= =
Definamos las funciones
7/26
( )
( )
!
&
=
& =
1
0
)
!
) (
n
i
i
i
a x
i
a f
x Q y g(x) = (x a)
n
Con estas funciones, tenemos que demostrar
( )
!
) (
) (
) (
)
n
a f
x g
x Q x f
lim
n
a x
=
&
'
Si nos fijamos en la definicin de Q(x), vemos que
1 ) ( ) (
) )
& ( % = n i a f a Q
i i
Y la funcin g(x) verifica
( )
( )!
!
) (
)
K n
a x n
x g
k n
i
&
&
=
&
Por tanto, tenemos que se verifica
( ) 0 ) ( ) ( ) ( ) ( = & = &
'
a Q a f x Q x f lim
a x
( ) 0 ) ( ) ( ) ( ) ( = & = &
'
a Q a f x Q x f lim
a x
M
( ) 0 ) ( ) ( ) ( ) (
) 2 ) 2 ) 2 ) 2
= & = &
& & & &
'
a Q a f x Q x f lim
n n n n
a x
y tambin
( ) 0 ) ( ......... ) (
) 2
= = = =
&
' ' '
x g lim x g lim x g lim
n
a x a x a x
Entonces, el lmite a calcular es una indeterminacin de la forma
0
0
, que
resolveremos aplicando la regla de LHpital, hasta un total de n 1 veces.
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
=
&
= =
&
=
&
&
& &
' ' '
x g
x Q x f
lim
x g
x Q x f
lim
x g
x Q x f
lim
n
n n
a x a x a x
) 1
) 1 ) 1
.....

Sabemos que Q
n-1)
(x) = f
n-1)
(a) y que g
n-1)
(x) = n! (x a). Sustituyendo
( ) ( )
( )
( ) ( )
( ) a f
n a x
a f x f
lim
n a x n
a f x f
lim
n
n n
a x
n n
a x
)
) 1 ) 1 ) 1 ) 1

!
1

!
1
!
=
&
&
=
&
&
=
& &
'
& &
'
c.q.d.
8/26
La tesis del teorema anterior nos permite dar la siguiente definicin:
DEF Dos funciones f y g se dice que son iguales hasta el orden n en x = a si
( ) ( )
( )
0 =
&
&
'
n
a x
a x
x g x f
lim
Segn esta definicin, el teorema 1 dice que el polinomio de Taylor de f(x) de grado
n en x = a, P
n,a
(x), y f(x) son iguales hasta el orden n en x = a.
Podramos dar una definicin alternativa para el polinomio de Taylor, como aquel
polinomio de grado ( n que cumpla las propiedad anterior, que sabemos que es nico.
La proposicin siguiente nos demuestra la unicidad.
PROP Sean P y Q dos polinomios en x a, de grado ( n, y supongamos que P y Q son
iguales hasta el orden n en x = a. Entonces P = Q.
Dem.
Definamos el polinomio R(x) = P(x) Q(x).
R(x) es un polinomio de grado ( n:
( )
!
=
& =
n
K
n
i
a x r x R
0
) (
Si demostramos que R(x) verifica
( )
( )
0 =
&
'
n
a x
a x
x R
lim
entonces R = 0.
La hiptesis para R(x) nos garantiza que se verifica
( )
n i
a x
x R
lim
i
a x
( ( =
&
'
0 0
) (
Para i = 0 la condicin es
0 ) ( =
'
x R lim
a x
y como
( )
!
=
' '
= & =
n
i
o
i
i
a x a x
r a x r lim x R lim
0
) (
9/26
entonces r
o
= 0 y
( )
!
=
& =
n
i
i
i
a x r x r
1
) (
Para i = 1
0
) (
=
&
'
a x
x R
lim
a x
y el cociente
( ) ( ) ( )
1
1
2 1
1
......
) ( &
=
&
& + + & + = & =
&
!
n
n
i
n
i
i
a x r a x r r a x r
a x
x R
siendo
1
) (
r
a x
x R
lim
a x
=
&
'
Por tanto r
1
= 0
Reiterando el proceso obtendremos
r
o
= r
1
= r
2
== r
n
= 0
y por tanto R = 0.
COROLARIO Sea f(x) una funcin derivable n veces en x = a y sea P(x) un
polinomio en x a de grado ( n, tan que f(x) y P(x) son iguales hasta el orden n en
x = a. Entonces P(x) = P
n,a
(x).
Dem.
Inmediata.
Si f(x) tiene n derivadas en x = a, el corolario anterior nos muestra un mtodo para
hallar el polinomio de Taylor. Utilicmoslo ahora para hallar el polinomio de Taylor de
la funcin arctg x que dejamos pendiente.
Sabemos que la funcin arctg x se puede expresar por medio de la ecuacin
"
+
=
x
dt
t
x
0
2
1
1
arctg
Si realizamos la divisin que indica el cociente:
10/26
( )
( )
2
2 2 1
2 8 6 4 2
2
1
1
1 ..... 1
1
1
t
t
t t t t t
t
n n
n n
+
&
+ & + + + & + & =
+
+ +
y entonces
( ) ( ) ( )
" "
=
+
& + & + + + & + & =
+
+
x x
n
n n n
dt
t
t
dt t t t t t x
0 0
2
2 2
1 2 8 6 4 2
1
1 1 ...... 1 arctg
( ) ( )
"
+
& +
+
& + + & + & =
+
+
+
x
n
n
n
n
dt
t
t
n
x x x x
x
0
2
2 2
1
1 2 7 5 3
1
1
1 2
1 ......
7 5 3
Aplicando el corolario anterior, el polinomio que acabamos de obtener es el
polinomio de Taylor de grado n en x = 0 para arctg x siempre que se verifique.
0
1
1 2
0
2
2 2
0
=
+
+
+
'
"
n
x
n
x
x
dt
t
t
lim
Y la expresin anterior es cierta si tenemos en cuenta que:
3 2 1
3 2
0
2 2
0
2
2 2
+
= (
+
+
+
+
" "
n
x
dt t dt
t
t
n
x
n
x
n
2.3. Teorema de Taylor.
Volviendo a la expresin obtenida para la funcin arctg x
( ) ( )
"
+
& +
+
& + + & + & =
+
+
+
x
n
n
n
n
dt
t
t
n
x x x x
x x
0
2
2 2
1
1 2 7 5 3
1
1
1 2
1 ........
7 5 3
arctg
y recordando la acotacin obtenida para el ltimo sumando
3 2 1
3 2
0
2
2 2
+
(
+
+
+
"
n
x
dr
t
t
n
x
n
podemos afirmar que si 1 ( x entonces el ltimo sumando tiene un valor mximo de
3 2
1
+ n
, pudindose hacer tan pequeo como se quiera tan slo aumentando n.
Es decir, podemos usar el polinomio de Taylor para calcular el valor de la funcin
arctg x con ( x 1 con tanta aproximacin como queramos.
Los teoremas de Taylor permiten extender el resultado obtenido a otras funciones.
11/26
Los resultados obtenidos en el punto anterior han examinado el comportamiento del
polinomio de Taylor P
n,a
(x) para n fijo, cuando x tiende hacia x = a. A partir de ahora
dejaremos x fijo y variaremos el valor de n.
DEF Llamaremos resto del polinomio de Taylor P
n,a
(x) de la funcin f(x) a la funcin
R
n,a
(x) que verifica
( ) ( ) ( ) x R x P x f
a n a n , ,
+ =
En el caso de la funcin arctg x hemos visto que
( ) ( )
"
+
& =
+
+
+
x
n
n
n
dt
t
t
x R
0
2
2 2
1
0 , 1 2
1
1
Sera deseable obtener una expresin para R
n,a
(x) que nos permitiera estimar
fcilmente su magnitud. Vamos a ver que dicha expresin existe y que encierra una
integral, como en el caso de al arctg x.
Vamos a obtener dicha expresin den dos formas diferentes. La segunda de ellas
recibir el nombre de Teorema de Taylor, y la primera que vamos a ver es la
constructiva.
Para n = 0 tenemos que
) ( ) ( ) (
,
x R a f x f
a o
+ =
y por el teorema fundamental del clculo infinitesimal podemos decir
( )
"
+ =
x
a
dt t f a f x f ) ( ) (
con lo que
"
=
x
a
a
dt t f x R ) ( ) (
, 0
Para obtener R
1,a
(x) partiremos de la frmula anterior aplicando integracin por
partes:
( )
"
= =
x
a
a
dt t f x R ) (
, 0
x t v dt dv
dt t f u t f u
& = =
= = ) ( ) (
Escribimos v(t) = t x ya que - x es una constante al ser x fijo.
[ ] ( )
" "
& & & & = & & & =
x
a
x
a
x
a
dt x t t f x a a f dt x t t f x t t f ) )( ( ) )( ( ) ( ) )( (
12/26
Sustituyendo
"
& + & + = + =
x
a
a
dt t x t f a x a f a f x R a f x f ) )( ( ) )( ( ) ( ) ( ) ( ) (
, 0
por lo tanto
"
& =
x
a
a
dt t x t f x R ) )( ( ) (
, 1
Si repetimos el proceso para R
1,a
(x) tomando
2
) (
) ( ) ( ) (
) ( ) ( ) ( ) (
2
t x
t v dt t x t v
dt t f t u t f t u
& &
= & =
= =
obtenemos
"
& +
&
=
x
a
a
dt t x
t f a x a f
x R
2
2
, 1
) (
2
) (
2
) )( (
) (
siendo
"
& =
x
a
a
dt t x
t f
x R
2
, 2
) (
2
) (
) (
Reiterando el proceso n veces llegamos a que si f
n+1)
(x) es continua [a, x] entonces
"
& =
+
x
a
n
n
a n
dt t x
n
t f
x R ) (
!
) (
) (
) 1
,
El teorema de Taylor es la segunda forma de obtener una expresin para el resto que
vamos a ver. Tiene como ventaja que no exige como hiptesis que f
n+1)
(x) sea continua.
TEOREMA Teorema de Taylor.
Sea f(x) una funcin con derivadas hasta el orden n + 1 en [a, x] y R
n,a
(x) definido
como
) ( ) (
!
) (
........ ) )( ( ) ( ) (
,
)
x R a x
n
a f
a x a f a f x f
a n
n
n
+ & + + & + =
Entonces
1) ) ( ) (
!
) (
) (
) 1
,
a x t x
n
t f
x R
n
n
a n
& & =
+
para algn t$(a, x)
13/26
2)
1
) 1
,
) (
)! 1 (
) (
) (
+
+
&
+
=
n
n
a n
a x
n
t f
x R para algn t$(a, x)
3) Si f
n+1)
(x) es integrable sobre [a, x] entonces
"
& =
+
x
n
n
a n
dt t x
n
t f
x R
0
) 1
,
) (
!
) (
) (
Dem.
1) Sea x un n fijo. Entonces [ ] x a t , $ %
[ ] x a t t S t x
n
t f
t x t f t f x f
n
n
, ) ( ) (
!
) (
........ ) )( ( ) ( ) (
)
$ % + & + + & + =
Derivemos la expresin anterior como funcin de t.
El primer miembro:
0
) (
=
dt
x df
y cada sumando
K
K
t x
K
t f
) (
!
) (
)
& tiene por derivada
( ) = & + & & =
)
)
*
+
,
,
-
.
&
&
& K
K
K
K
K
K
t x
K
t f
t x K
K
t f
dt
t x
K
t f
d
) (
!
) (
) 1 (
!
) (
) (
!
) (
) 1
1
)
)
K
K
K
K
t x
K
t f
t x
K
t f
) (
!
) (
) (
)! 1 (
) (
1
1
)
& + &
&
& =
+
&
Sustituyendo tendremos
+ +
/
0
1
2
3
4
& + & & +
/
0
1
2
3
4
& + + = ......... ) (
! 2
) (
) (
! 1
) (
) (
! 1
) (
) ( ) ( 0
2
t x
t f
t x
t f
t x
t f
t f x f
) ( ) (
!
) (
) (
)! 1 (
) (
) 1
1
)
t S t x
n
t f
t x
n
t f
n
n
n
n
+
/
0
1
2
3
4
& + &
&
& +
+
&
Teniendo en cuenta que se cancela casi todos los sumando, nos queda
n
n
t x
n
t f
t S ) (
!
) (
) (
) 1
& & =
+
Aplicando el teorema de Valor Medio de la funcin S(t) sobre [a, x] existe un
t$(a, x) tal que
14/26
a x
a S x S
t S
&
&
=
) ( ) (
) (
por lo que
n
n
t x
n
t f
a x
a S x S
) (
!
) ( ) ( ) (
) 1
& & =
&
&
+
Si recordamos que
) ( ) (
,
x R t S
t n
=
tenemos que
) ( ) (
0 ) ( ) (
,
,
x R a S
x R x S
a n
x n
=
= =
Por tanto, sustituyendo
n
n
a n
t x
n
t f
a x
x R
) (
!
) (
) ( 0
) 1
,
& & =
&
&
+
y despejando
) ( ) (
!
) (
) (
) 1
,
a x t x
n
t f
x R
n
n
a n
& & =
+
que llamaremos forma de Cauchy del resto.
2) Aplicando el teorema del valor medio de Cauchy a S y g(t) = (x t)
n+1
existe
algn t$(a, x) tal que
( ) ( ) ) ( ) ( ) ( ) ( ) ( ) ( t S a g x g t g a S x S & = &
Sustituyendo g(x) = 0
g(a) = (x a)
n+1
g(t) = - (n + 1) (x t)
n
obtenemos
1
) 1
,
) (
)! 1 (
) (
) (
+
+
&
+
=
n
n
a n
a x
n
t f
x R
que es la forma de Lagrange del Resto.
3) Si f
n+1)
es integrable sobre [a, x] aplicando el teorema fundamental del clculo
integral
15/26
"
= &
x
a
t S a S x S ) ( ) ( ) (
y sustituyendo S(t) por su valor
"
& & = &
+
x
a
n
n
dt t x
n
t f
a S x S ) (
!
) (
) ( ) (
) 1
que nos da
"
& =
+
x
a
n
n
a n
dt t x
n
t f
x R ) (
!
) (
) (
) 1
,
Como aplicacin del teorema anterior, vamos a escribir de nuevo el polinomio de
Taylor con el resto integral para las siguientes funciones:
( )
"
+
+ +
&
+
+
+
& + & + & =
x
n
n n
dt t x
n
t
n
x x x
x x
0
1 2
) 2 2 1 2
4
5 3
) (
)! 1 2 (
) ( sen
! 1 2
) 1 ( ......
! 5 ! 3
sen
( )
"
& + & + & + & =
+
x
n
n n
n
dt t x
n
t
n
x x x
x
0
2
) 2 2 2 4 2
) (
)! 2 (
) ( cos
! 2
) 1 ( .......
! 4 ! 2
1 cos
( )
"
& + + + + + + =
x
n
t n
x
dt t x
n
e
n
x x x
x e
0
3 2
! !
........
! 3 ! 2
1
Las integrales que hemos obtenido son demasiado complicadas como para
resolverlas. Y ms cuando sabemos que su valor ser el de la funcin menos el del
polinomio. Lo que s es fcil de hacer, y lo dejamos como ejercicio, es acotarlas
superiormente.
3. DESARROLLO DE UNA FUNCIN EN SERIE DE POTENCIAS.
DEF Llamaremos serie de potencia a una serie de funciones de la forma
!
5
=0 K
K
K
x a
donde { } ,..... ,........, ,
1 n o
a a a son nmeros constantes llamados coeficientes de al serie.
El dominio de convergencia de una serie de potencias es un cierto intervalo que en
algunos casos podra reducirse a un punto.
TEOREMA. Teorema de Abel.
1) Si una serie de potencias converge para un cierto valor x
o
no nulo, entonces
converge absolutamente
o
x x x < % , .
16/26
2) Si la serie diverge para cierto valor de x
o
, entonces diverge
o
x x x > % .
Dem.
1) Por hiptesis, la serie numrica
K K + + + + +
n
n
x a x a x a a
0
2
0 2 0 1 0
converge, su trmino general
, 0
0
'
n
n
x a cuando 5 ' n
pero esto significa que existe un nmero M positivo tal que todos los trminos de la
serie son menores en valor absoluto que M.
Sea la serie
K K +
)
)
*
+
,
,
-
.
+ +
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
+
n
n
n
x
x
x a
x
x
x a
x
x
x a a
0
0
2
0
2
0 2
0
0 1 0
(1)
y consideremos la serie de valores absolutos de sus trminos
K K + + + + +
n
n
n
x
x
x a
x
x
x a
x
x
x a a
0
0
2
0
2
0 2
0
0 1 0
(2)
Los trminos de esta serie son menores que los trminos correspondientes a la serie
K K + + + + +
n
x
x
M
x
x
M
x
x
M M
0
2
0 0
(3)
Cuando
0
x x < , la serie (3) es una progresin geomtrica de razn 1
0
<
x
x
, siendo
por tanto convergente. Entonces la serie (2) tambin es convergente, por ser menor que
(3). Y de aqu se deduce que la serie (1) tambin es convergente absolutamente.
2) Supongamos que la serie
K K + + + + + x a x a x a a
n 2 1 0
diverge en un cierto punto x
0
. Entonces esta serie tambin ser divergente para
cualquier x que verifique
0
' x x > , ya que si la serie fuese convergente para ese valor
de x, aplicando el apartado 1 tambin sera convergente en x
0
, lo cual sera una
contradiccin.
c.q.d.
17/26
El Teorema de Abel nos permite determinar los puntos tanto de convergencia de la
serie, como de divergencia.
Si la serie converge en x
o
, entonces todos los puntos ( )
o
x x x , & $ son puntos de
convergencia absoluta. Y anlogamente, si x
o
es un punto de divergencia, tambin lo
sern todos ( ) ( ) +5 6 & 5 & $ , ,
o o
x x x .
Por tanto, tenemos
COROLARIO El dominio de convergencia de una serie de potencias es un intervalo
con centro el origen de coordenadas.
DEF Llamaremos radio de convergencia de una serie de potencias a R, que verifica
que %x$E(0, R) la serie es convergente y 7 %x [-R, R] la serie es divergente.
El caso de que x = R x = - R se resuelve de forma particular para cada funcin.
Sea f(x) una funcin derivable hasta el orden n + 1 en un entorno de x = a. Entonces
podemos escribir que
( ) ( )
"
& + & + + & + =
+
x
a
n n n
n
dt t x t f
n
a x
n
a f
a x a f a f x f ) )( (
!
1
) (
!
) (
....... ) )( (
) 1
Si la funcin f(x) es de clase C
5
en un entorno de x = a (tiene infinitas derivadas),
podemos tomar n arbitrariamente grande en la frmula de Taylor.
DEF Dada una funcin f(x) de clase C
5
en un entorno del punto x = a, llamaremos
desarrollo de f(x) en serie de Taylor a la expresin
!
5
=
& =
0
)
) (
!
) (
) (
K
K
K
a x
K
a f
x f
Si en la frmula de Taylor dejamos x fijo y tomamos lmites cuando n tiende a
infinito, la serie converger solo en el caso de que se verifique que . 0 ) (
,
=
5 '
x R lim
a n
n
PROP Si 8 =
5 '
0 ) (
,
x R lim
a n
n
la serie de Taylor de f(x) es convergente para ese x.
Dem.
Sea ) ( ) ( ) (
, ,
x R x P x f
a n a n
+ =
Donde P
n,a
(a) es el polinomio de Taylor de f(x) en x = a de grado n y R
n,a
(x) es el resto.
Tomando lmites en ambos miembros cuando n tiende a infinito tenemos
) ( ) (
,
x P lim x f
a n
x 5 '
=
18/26
ya que por hiptesis 0 ) (
,
=
5 '
x R lim
a n
n
Pero P
n,a
(x) es la n-sima suma parcial de al serie de Taylor, por tanto su lmite es
igual a al suma de al serie y se verifica que
!
5
=
& =
0
) (
!
) (
) (
K
K
K
a x
K
a f
x f
OBS Deducimos que la serie de Taylor representa a la funcin f(x) solo cuando
0 ) (
,
=
5 '
x R lim
a n
n
. Si el lmite no fuese nulo, la serie no es la funcin dada,
independientemente de que converja o no.
Como
"
& =
+
x
a
n n
a n
dt t x t f
n
x R ) )( (
!
1
) (
) 1
,
en cualquier intervalo en torno al punto a en
el que
) 1
) (
+ n
x
f es continua, la condicin suficiente de la proposicin anterior podra ser
expresada como:
PROP )). , ( ( ) ( r a E C x f
5
$ Sea A$! una constante que
) , ( ) (
)
r a E x n A x f
n n
$ % % (
Entonces la serie de Taylor de f(x) en x = a converge hacia ) , ( ) ( r a E x x f $ %
Dem.
Como
"
& =
+
x
a
n n
a n
dt t x t f
n
x R ) )( (
!
1
) (
) 1
,
realizamos el cambio de variable
du a x dt u x a x t ) ( ) ( & & = & + =
quedando
"
& +
&
=
+
+
1
0
) 1
1
,
) ) ( (
!
) (
) ( du u x a x f u
n
a x
x R
n n
n
a n
y ahora
( ) ( )
"
+
=
+
&
=
&
( (
+
+
+
+
+
1
0
1
1
1
1
1
,
! 1 ! 1

!
) ( 0
n
B
n
A a x
du u A
n
a x
x R
n
n
n
n n
n
a n
siendo a x A B & =
19/26
La expresin
! n
B
n
sabemos que verifica
0
!
=
5 '
n
B
lim
n
n
por lo que ) , ( 0 ) (
,
r a E x x R lim
a n
n
$ % =
5 '
Por el teorema anterior, las funciones sen x y cos x son desarrollables en cualquier
punto en serie de potencias (la serie siempre es convergente) ya que todas sus derivadas
estn acotadas por 1.
Por lo que
( )
.......
! 1 2
) 1 ( .........
! 5 ! 3
sen
1 2 5 3
+
+
& + & + & =
+
n
x x x
x x
n
n
( )
.......
! 2
) 1 ( .......
! 4 ! 2
1 cos
2 4 2
+ & + & + & =
n
x x x
x
n
n
En el caso de e
x
, su derivada es ella misma y es una funcin no acotada, pero en el
intervalo [-R, R] est acotada por e
R
%R$!
+
, por lo que tambin podemos decir que
.......
!
......
! 3 ! 2
1
3 2
+ + + + + + =
n
x x x
x e
n
x
4. APLICACIONES AL ESTUDIO LOCAL DE FUNCIONES.
4.1. Extremos relativos. Curvatura.
Recordemos algunas aplicaciones de las derivadas, vistas en el tema anterior. Si a es
un punto del dominio de f tal que f(a) = 0 entonces f tena un mnimo relativo en a si
f(a) > 0 o un mximo relativo si f(a) < 0. En caso de que f(a) = 0 no podramos
deducir nada. Se puede plantear si en ese caso, el signo de f(a) nos aporta algn dato.
O si fuese cero, si el dato lo aporta el signo de f
IV)
(a). Veamos un teorema que nos
resuelve este problema.
TEOREMA Sea f una funcin que verifica, para un cierto a$Dom f.
f(a) = f(a) = . = f
n-1)
(a) = 0
f
n)
(a) 9 0
Se verifica:
1) Si n es par y f
n)
(a) > 0 entonces f tiene un mnimo relativo en a.
2) Si n es par y f
n
(a) < 0 entonces f tiene un mximo relativo en a.
20/26
3) Si n es impar, entonces f no tiene extremo relativo en a.
Dem.
Mediante Taylor podemos expresar f(x) como:
n
(n)
1 n
1) (n
2
0
a) (x
n!
) ( f
a) (x
1)! (n
(a) f
...... a) (x
2!
(a) f"
a) (x
1!
(a) f'
) f(x f(x) & + &
&
+ + & + & + =
&
&
"
pero por las hiptesis iniciales se tiene que
n
(n)
a) (x
n!
) ( f
f(a) f(x) & + =
"
1) Si n es par, se tiene que las expresiones (x-a)
n
>0 y n!>0 (que lo es simplemente
por ser producto de nmeros naturales).
Como adems f
(n)
(a)>0 y f
(n)
(x) es continua # 0 > :# tal que si:
# < & a x # f
(n)
(x)>0
As, si ) a , (a x + & $ # f
(n)
(x)>0 y f
(n)
(;)>0 #
# f(a) a) (x
n!
) ( f
f(a) f(x)
n
(n)
> & + =
"
si ) a , (a x + & $
por lo tanto, en a hay un mnimo relativo estricto.
2) Si n es par, se tiene que (x-a)
n
>0 y n!>0.
Como adems f
(n)
(a)<0 y f
(n)
(x) es continua # 0 > :# tal que si:
# < & a x # f
(n)
(x)<0
As, si ) a , (a x + & $ # f
(n)
(x)<0 y f
(n)
(;)<0 #
# f(a) a) (x
n!
) ( f
f(a) f(x)
n
(n)
< & + =
"
si ) a , (a x + & $
por lo tanto, en a hay un mximo relativo estricto.
3) Si n es impar, se tiene que (x-a)
n
>0 si x>a y (x-a)
n
<0 si x<a. #
# Como
n
(n)
a) (x
n!
) ( f
f(a) f(x) & + =
"
tiene un signo si x<a pero el contrario si x>a,
por lo tanto no hay ningn extremo relativo en x=a. Podemos decir que en este caso
tenemos un punto de inflexin.
21/26
Veamos ahora un teorema similar, pero en lugar de hablar de extremos relativos, lo
haremos con concavidad.
TEOREMA Sea f una funcin que verifica, para un cierto a$Dom f.
f(a) = = f
n-1)
(a) = 0
f
n)
(a) 9 0
Se verifica:
1) Si n es impar entonces f tiene un punto de inflexin en a.
2) Si n es par y f
n)
(a) > 0 # f es convexa.
3) Si n es par y f
n)
(a) < 0 # f es cncava.
Dem.
Anloga a la anterior.
4.2. Clculo de lmites.
Una de las aplicaciones ms importantes del polinomio de Taylor es su utilizacin a
la hora del clculo de lmites mediante equivalencias i infinitsimos equivalentes.
Notacin de Landau
Si 0
) (
) (
0
1
0
=
&
+
'
n
n
x x
x x
x R
lim entonces se expresa diciendo que:
) ; ( ) , ( ) (
0 1 0
x x R x x P x f
n n +
+ = y 0
) (
) ; (
0
0 1
0
=
&
+
'
n
n
x x
x x
x x R
lim
pero tambin lo podemos expresar como:
( )
n
n
x x o x x P x f ) ( ) , ( ) (
0 0
& + =
donde ( )
n
x x o ) (
0
& es la llamada o pequea de la notacin de Landau y representa a
los trminos del polinomio que estn por detrs del ltimo que hemos puesto, indicando
que tienen en comn grado n+1 y que si x tiende a x
0
entonces todos iran a 0 siendo as
un infinitsimo representante del resto.
Ejemplo de Equivalencia.
Dado el desarrollo de McLaurin de la funcin f(x)=senx, tenemos que:
22/26
) (
! 7 ! 5 ! 3
sen
7
7 5 3
x o
x x x
x x + & + & =
)
)
*
+
,
,
-
.
+ & + & = ) (
! 7 ! 5 ! 3
1 sen
6
6 4 2
x o
x x x
x x
) (
! 7 ! 5 ! 3
1
sen
6
6 4 2
x o
x x x
x
x
+ & + & =
Haciendo el lmite cuando x'0, tenemos que:
1 ) (
! 7 ! 5 ! 3
1
sen
6
6 4 2
0 0
=
)
)
*
+
,
,
-
.
+ & + & =
' '
x o
x x x
lim
x
x
lim
x x
por lo tanto: 1
sen
0
=
'
x
x
lim
x
con lo que, cuando x'0 la funcin f(x)=sen x y la funcin
g(x)=x son equivalentes y lo expresamos como:
x sen ~
o
x
Esto quiere decir que si un lmite, cuando x'0 aparece la funcin senx podemos
sustituirla por x. Pero tenemos una salvedad para esto y es cuando aparezca (senx-x), en
cuyo caso, la equivalencia x sen ~
o
x no es suficiente ya que no es lo suficiente fina, es
decir, senx es equivalente a x en cero, pero no es igual, por eso cuando tenemos (senx-x)
debemos aadirle un trmino ms a la equivalencia de manera que sta sea ms fina, es
decir:
) (
! 7 ! 5 ! 3
sen
7
7 5 3
x o
x x x
x x + & + & =
) (
! 7 ! 5 ! 3
sen
7
7 5 3
x o
x x x
x x + & + & = &
)
)
*
+
,
,
-
.
+ + & & = & ) (
840 20
1
! 3
sen
4
4 2 3
x o
x x x
x x
) (
840 20
1
! 3
sen
4
4 2
3
x o
x x
x
x x
+ + & =
&
&
Haciendo el lmite cuando x'0:
1 ) (
840 20
1
! 3
sen
4
4 2
0
3
0
=
)
)
*
+
,
,
-
.
+ + & =
&
&
' '
x o
x x
lim
x
x x
lim
x x
por lo tanto son equivalentes cuando x'0, es decir:
23/26
! 3
~ sen
3
x
x x
o
& & o lo que es lo mismo
! 3
~ sen
3
x
x x
o
&
Ejemplo de Lmites: A)
3
0
sen
x
x x
lim
x
&
'
Tomando x x f sen ) ( =
) ( x
5!
(0) f
x
4!
(0) f
x
3!
(0) ' ' f'
x
2!
(0) f"
x
1!
(0) f'
f(0) f(x)
5 5
V
4
IV
3 2
x o + + + + + + =
) (
! 5 ! 3
sen
5
5 3
x o
x x
x x + + & =
) (
! 5 ! 3
sen
5
5 3
x o
x x
x x + + & = &
)
)
*
+
,
,
-
.
+ & & = & ) (
20
1
! 3
sen
2
2 3
x o
x x
x x # ) (
20
1
! 3
sen
2
2
3
x o
x
x
x x
+ & =
&
&
1 ) (
20
1
! 3
sen
2
2
0
3
0
=
)
)
*
+
,
,
-
.
+ & =
&
&
' '
x o
x
lim
x
x x
lim
x x
por lo tanto,
! 3
~ sen
3
x
x x
o
& & y se tiene que:
3
0
sen
x
x x
lim
x
&
'
=
6
1
! 3
1
! 3
3
3
0
& = & =
&
'
x
x
lim
x
B)
4
2
0
2
cos 1
x
x
x
lim
x
& &
'
Tomando x x f cos ) ( =
) ( x
6!
(0) f
x
5!
(0) f
x
4!
(0) f
x
3!
(0) ' ' f'
x
2!
(0) f"
x
1!
(0) f'
f(0) f(x)
6 6
VI
5
V
4
IV
3 2
x o + + + + + + + =
) (
! 6 ! 4 ! 2
1 cos
6
6 4 2
x o
x x x
x + & + & =
24/26
) (
! 6 ! 4 ! 2
1 cos
6
6 4 2
x o
x x x
x + & + & = &
) (
! 6 ! 4 ! 2
cos 1
6
6 4 2
x o
x x x
x + + & = &
) (
! 6 ! 4 ! 2
cos 1
6
6 4 2
x o
x x x
x + + & = & &
)
)
*
+
,
,
-
.
+ & & = & & ) (
30
1
! 4 ! 2
cos 1
2
2 4 2
x o
x x x
x
) (
30
1
! 4
! 2
cos 1
2
2
4
2
x o
x
x
x
x
+ & =
&
& &
1 ) (
30
1
! 4
! 2
cos 1
2
2
0
4
2
0
=
)
)
*
+
,
,
-
.
+ & =
&
& &
' '
x o
x
lim
x
x
x
lim
x x
Por lo tanto:
! 4
~
2
cos 1
4
o
2
x x
x & & & y se tiene que:
24
1
! 4
1
! 4 ! 2
cos 1
4
4
0
4
2
0
& = & =
&
=
& &
' '
x
x
lim
x
x
x
lim
x x
4.3. Aproximaciones numricas.
Otra aplicacin importante del polinomio de Taylor es la de poder calcular valores
aproximados de funciones con un error menor que un valor predeterminado. Por
ejemplo:
Calcular el valor de ) 02 ' 1 log( con un error menor de 10
-4
.
Tomaremos para ello la funcin ) 1 log( ) ( x x f + = que la evaluaremos en x=002 y
utilizaremos como punto de referencia a=0.
) 1 log( ) ( x x f + =
x
x f
I
+
=
1
1
) (
25/26
2
) 1 (
1
) (
x
x f
II
+
&
=
3
) 1 (
2
) (
x
x f
III
+
=
4
) 1 (
2 3
) (
x
x f
IV
+
< &
=
.
.
.
n
n
n
x
n
x f
) 1 (
)! 1 ( ) 1 (
) (
1
) (
+
& &
=
+
Acotaremos el resto de Lagrange para localizar el menor valor de n, para el cual, el
error cometido en la aproximacin ser menor que 10
-4
.
< =
+ +
=
+
+
&
= &
+
=
+
+
+
+
+
+
+
1
1
1
1
2
1
) 1 (
) 02 ' 0 (
) 1 )( 1 (
1
02 ' 0
)! 1 (
) 1 (
)! ( ) 1 (
) (
)! 1 (
) (
) (
n
n
n
n
n
n
n
n
c n n
c
n
a x
n
c f
x R
a<c<x 0<c<002
<
4 - 1
10 E ) 02 ' 0 (
1
1
< = =
+
+ n
n
Si n=3 ' E= 4.10
-8
<10
-4
Si n=2 ' E=26.10
-6
<10
-4
Si n=1 ' E=2.10
-6
</ <10
-4
Entonces haremos la aproximacin construyendo el polinomio de Taylor hasta n=2.
(x) R ) (x-
!
) f"(
) (x-
!
) f'(
) f( f(x)
2
2
0
2
0
0
1
0
0 + + + =
) (
2
1
) 1 log(
2
2
x R x x x + & = +
) ( ) 02 ' 0 (
2
1
02 ' 0 ) 02 ' 1 log(
2
2
x R + & =
0198 ' 0 ) 02 ' 1 log( >
26/26
NOTA Si nos piden un error menor que
r &
10 es porque el error lo cometemos en la
(r+1)-sima cifra decimal, pero a veces este error afecta a la cifra r-sima, por eso
cuando nos piden que calculemos un valor con r cifras decimales exactas, debemos
calcularlo con un error menor que
) 1 (
10
+ & r
para que el error est en la cifra decimal
(r+2)-sima, y como mucho afecte a la cifra decimal (r+1)-sima, quedando as las r
cifras primeras exactas.
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
1/18
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 28
ESTUDIO GLOBAL DE FUNCIONES. APLICACIONES A LA
REPRESENTACIN GRFICA DE FUNCIONES.
1. Introduccin.
2. Dominio.
3. Continuidad.
4. Puntos de Corte con los Ejes.
5. Simetras.
6. Periodicidad.
7. Asntotas.
7.1. Asntotas Horizontales.
7.2. Asntotas Verticales.
7.3. Asntotas Oblicuas.
8. Regionamiento.
9. Crecimiento y Decrecimiento. Extremos.
9.1. Teorema del Valor Medio.
9.2. Crecimiento y Decrecimiento de una funcin.
9.3. Caracterizacin de los Mximos y Mnimos Locales.
10. Curvatura. Puntos de Inflexin.
11. Representacin Grfica.
Bibliografa Recomendada.
2/18
TEMA 28
ESTUDIO GLOBAL DE FUNCIONES. APLICACIONES A LA
REPRESENTACIN GRFICA DE FUNCIONES.
1. INTRODUCCIN.
En los dos temas anteriores hemos estudiado propiedades de las funciones como la
continuidad, derivabilidad, crecimiento, decrecimiento, curvatura, etc, todas ellas a
nivel local. En este tema tratamos esas mismas propiedades pero a nivel global de la
funcin.
El desarrollo que vamos a realizar del tema ser similar al que sigue cuando
queremos realizar el estudio y representacin de una funcin.
2. DOMINIO
DEF Sea f: A ! una funcin real de variable real. Llamemos grafo de f, y se denota
por G(f), al conjunto de pares de la forma (x, f(x)). Es decir:
G(f) = { (x, f(x)) }
La definicin anterior nos obliga a tener en cuenta para que valores x!A existe su
imagen mediante f. Ello es debido a que no se verifica que para todo elemento x de A
existe f(x). Por tanto nos vemos obligados a definir un conjunto formado por aquellos
elementos de A para los cuales exista f(x).
DEF Sea f: A ! una funcin real de variable real y A"!. Llamamos dominio de f,
y lo representamos por Dom(f) al conjunto formado por los elementos de A para los
cuales existe f(x).Es decir:
Dom(f) = { x!A / #f(x)}
Teniendo en cuenta esta definicin podemos redefinir el conjunto grafo de f como:
G(f) = { (x, f(x)) / x!Dom(f)}
PROP Sean f,g: A ! dos funciones reales de variables real y A"!. Se verifican las
siguientes propiedades:
1) ) ( ) ( ) ( g Dom f Dom g f Dom I =
2) ) ( ) ( ) ( g Dom f Dom g f Dom I = $
3) }) 0 ) ( / ) ( { ) ( ( ) ( ) / ( = ! % = x g g Dom x g Dom f Dom g f Dom I
4) )} ( ) ( / ) ( { ) ( g Dom x f f Dom x f g Dom ! ! = o
Dem.
Inmediata.
3/18
3. CONTINUIDAD
DEF Una funcin f: A ! real de variable real es continua en x
0
!A si se verifica:
1) x
0
) ( f Dom !
2) ) ( lim
0
x f
x x&
# ( 'los limites laterales existen y son iguales)
3) ) ( ) ( lim
0
0
x f x f
x x
=
&
DEF Diremos que la funcin f: A ! real de variable real es continua en todo su
dominio si es continua en x, ) ( f Dom x ! ( .
A la vista de las dos definiciones anteriores nos podemos plantear la siguiente
pregunta: Cundo una funcin no es continua en un punto? La respuesta sera cuando
no se verifique alguna de las tres condiciones de la primera definicin.
Sea f: A ! una funcin real de variable real y A x !
0
.
DEF Diremos que f presenta una discontinuidad evitable en x=x
0
si existe ) ( lim
0
x f
x x&
pero no existe f(x
0
).
OBS Recibe el nombre de discontinuidad evitable ya que se podra evitar si definimos
f(x
0
) como
f(x
0
) = ) ( lim
0
x f
x x&
DEF Diremos que f presenta una discontinuidad inevitable de salto finito en x=x
0
si
existen ) ( lim
0
x f
x x
%
&
y ) ( lim
0
x f
x x
+
&
y son finitos pero distintos.
DEF Diremos que f presenta una discontinuidad inevitable de salto infinito en x=x
0
si
alguno de los limites laterales no existe o es infinito.
4. PUNTOS DE CORTE CON LOS EJES.
Sea f: A ! una funcin real de variable real. Sabemos que el eje de abcisas tiene
por ecuacin y=0, por tanto, los puntos de la funcin que cortan al dicho eje son
aquellos que verifican la ecuacin:
f(x)=0.
Si 0!Dom(f) entonces la funcin f tambin intersectar con el eje de ordenadas,
siendo (0, f(0)) el punto de corte.
4/18
5. SIMETRIAS
DEF Sea f: A ! una funcin real de variable real. Diremos que f es una funcin
simtrica respecto de un cierto eje vertical x=a si se verifica:
f(a+x) = f(a-x) ) ( f dom x ! ( .
Si a=0 entonces f es simtrica respecto del eje de ordenadas y recibe el nombre de
funcin simtrica par, verificndose:
f(x) = f(-x) ) ( f dom x ! ( .
Ser simtrica respecto de un eje vertical x=a, geomtricamente significa que si
doblamos el plano respecto de dicho eje ambos trozos de la grfica se superponen
(coinciden).
DEF Sea f: A ! una funcin real de variable real. Diremos que f tiene simetra
impar si se verifica:
f(-x) = -f(x) ) ( f dom x ! ( .
Geomtricamente, que la funcin tenga simetra impar significa que si doblamos el
plano respecto del eje de ordenadas y a continuacin respecto del eje de abcisas, las
grficas se superponen. Tambin se conoce como ser simtrica respecto del origen de
coordenadas.
En general, para que una funcin f: A IR sea simtrica, par o impar, debe
cumplirse como condicin necesaria que el conjunto Dom(f) sea simtrico respecto del
punto x=0.
OBS Nunca vamos a encontrar una funcin que tenga una grfica que sea simtrica
respecto de un eje horizontal, ya que en ese caso existiran valores de x pertenecientes al
dominio de f que tendran mas de una imagen, lo que entra en conflicto con la propia
definicin de funcin. Este es el caso que nos encontramos con las grficas de la
circunferencia, la elipse, la hiprbole, etc, que no se pueden expresar como funciones.
6. PERIOCIDAD
DEF Sea f: A ! una funcin real de variable real. Diremos que f es una funcin
peridica si existe una constante T>0 tal que f(x + T) = f(x) ) ( f dom x ! ( . Llamaremos
periodo de la funcin f a la menor de dichas constantes.
Si una funcin es peridica de periodo T, para representarla grficamente slo es
necesario hacerlo en un intervalo de la forma [x, x + T], ya que el resto de la grfica
consiste en repetir la representacin anterior a lo largo del dominio.
5/18
Ejemplo
Las funciones f(x)=Sen x, f(x)=Cos x y f(x)=Tg x son peridicas de periodo 2!, 2!,
! respectivamente.
La funcin f(x)=Sen 2x es peridica de periodo ! ya que:
f(x + !) = Sen (2(x + !)) = Sen (2x + 2!) = Sen 2! = f(x)
7. ASNTOTAS
DEF Diremos que un punto se aleja infinitamente sobre una curva cuando su abcisa o
su ordenada o ambas coordenadas crecen infinitamente. Podemos afirmar que el punto
recorre una rama infinita.
DEF Si al recorrer un punto P una rama infinita la recta OP tiende a una posicin
lmite, entonces esa recta lmite y sus paralelas definen una direccin asntota.
DEF Llamaremos a la recta r asntota de la curva y = f(x) si su direccin es una
direccin asntota de la curva y la distancia de un punto P a la recta r tiende a cero
cuando P se aleja infinitamente.
7.1. Asntotas Horizontales.
DEF Llamaremos Asntota Horizontal de f(x) a la recta y = K = cte. que verifica una
de las dos condiciones siguientes:
1) K x f
x
=
+) &
) ( lim
2) K x f
x
=
%) &
) ( lim
El estudio de las asntotas horizontales cuando +) & x es independiente de cuando
%) & x , por tanto no tiene porque existir asntota por ambos lados simultneamente ni
tiene porque ser la misma en los dos lados.
PROP Sea f: ! ! una funcin real de variable real. Cuando x tiende a +) la asntota
horizontal, en caso de existir, es nica.
Dem.
Supongamos que f(x) presenta dos asntotas horizontales en y = K e y = K, con
K* K, cuando x tiende a + ). Entonces, por definicin
K x f
x
=
+) &
) ( lim y K x f
x
=
+) &
) ( lim
Pero obtenemos una contradiccin ya que el lmite, al existir, es nico. Por tanto,
K = K y la asntota horizontal es nica.
6/18
PROP Sea f: ! ! una funcin real de variable real. Cuando x tiende a - ) la asntota
horizontal, en caso de existir, es nica.
Dem.
Anloga a la anterior.
Ejemplos
1) f(x) = arctg x
+ =
+) &
2
lim
!
arctgx
x
Presenta A.H. en y=
2
!
+
%
=
%) &
2
lim
!
arctgx
x
Presenta A.H. en y=
2
!
%
2) f(x) =
x
x ln
+ = =
+) & +) &
0
1
/ 1
lim
ln
lim
x
x
x
x x
Presenta A.H. en y = 0
+ #
%) &
x
x
lim
x
ln
No tiene A.H.
3) f(x) =
3
x
e
%
+ =
%
+) &
0 lim
3
x
x
e Presenta A.H. en y=0
+ +) =
%
%) &
3
lim
x
x
e No presenta A.H.
7.2. Asntotas Verticales.
DEF Sea f: ! ! una funcin real de variable real. Llamamos Asntota Vertical de
f(x) a la recta x=a si se verifica alguna de las condiciones siguientes:
1) %) =
%
&
) ( lim x f
a x
2) +) =
%
&
) ( lim x f
a x
3) %) =
+
&
) ( lim x f
a x
4) +) =
+
&
) ( lim x f
a x
Tambin podramos haber dado como definicin de asntota vertical la siguiente:
Una funcin f(x) tiene como asntota vertical la recta x=a si presenta en el punto
x=a una discontinuidad inevitable de salto infinito.
Es probable, aunque no obligatorio, encontrar asntotas verticales en los puntos de
adherencia del conjunto dom(f) que no pertenecen al interior de dom(f).
7/18
Igualmente, si la funcin est definida a trozos, tambin hemos de buscar
posibles asntotas verticales en los puntos de cambio de trozo.
Ejemplos
1)
,
-
.
=
x
x
x f
ln
) (
si
si
0
0
>
/
x
x
+ = =
% %
& &
0 lim ) ( lim
0 0
x x f
x x
No presenta A.V.
+ %) = =
+ +
& &
x x f
x x
ln lim ) ( lim
0 0
Presenta A.V. en x=0
2) f(x) =
x
x ln
Dom(f) = (0, + ))
Slo podemos estudiar la existencia de asntota vertical a la derecha de
x= 0
+ %) = =
+ +
& &
x
x
x f
x x
ln
lim ) ( lim
0 0
Presenta A.V. a la derecha de x=0
3) f(x) =
2
) 1 (
1
%
%
x
e
Dom(f) = ! {1}
0 lim ) ( lim
2
) 1 (
1
1 1
= = =
) % %
%
& &
% %
e e x f
x
x x
0 lim ) ( lim
2
) 1 (
1
1 1
= = =
) % %
%
& &
+ +
e e x f
x
x x
Por tanto no existe asntota vertical por ninguno de los lados.
7.3 Asntotas Oblicuas.
DEF Sea f: ! ! una funcin real de variable real. Diremos que f presenta una
Asntota de ecuacin y = mx+n con m,n!! m* 0, llamada asntota oblicua, si verifica
una de las dos condiciones siguientes:
1) m
x
x f
x
=
+) &
) (
lim y n mx x f
x
= %
+) &
) ) ( ( lim
2) m
x
x f
x
=
%) &
) (
lim y n mx x f
x
= %
%) &
) ) ( ( lim
8/18
El estudio de la existencia de asntota oblicua cuando x tiende a + ) es
independiente del que se realiza cuando x tiende a -), y no tienen por qu existir
asntotas por ambos lados ni ser iguales.
PROP Sea f: ! ! una funcin real de variable real. La asntota oblicua de f(x)
cuando x tiende a + ), en caso de existir, es nica.
Dem.
La demostracin se realiza de forma anloga a la que vimos con asntotas
horizontales, basndonos en la unicidad del lmite.
PROP Sea f: ! ! una funcin real de variable real. La asntota oblicua de f(x)
cuando x tiende a - ), en caso de existir, es nica.
Dem.
Igual que la anterior.
Otra consecuencia que podemos deducir de la unicidad del lmite es que las
asntotas horizontales y oblicuas de f(x) por el mismo lado ( +) & x %) & x ) son
mutuamente excluyentes. La existencia de una de ellas impide la existencia de la otra.
Ejemplo.
f(x) =
2
3
1
x
x +
1 1
1
lim
1
lim
) (
lim
3
3
2
3
= + =
+
=
+
=
+) & +) & +) &
m
x
x
x
x
x
x
x f
x x x
0 0
1
lim
1
lim )
1
( lim ) ) ( ( lim
2 2
3 3
2
3
= + = =
% +
= %
+
= %
+) & +) & +) & +) &
n
x x
x x
x
x
x
x x f
x x x x
Existe asntota oblicua cuando x %) & en y = x
8. REGIONAMIENTO
Utilizando todos los datos obtenidos hasta este momento, en este paso se trata de
localizar las regiones del plano en las que se va a situar la grfica de la funcin, de
manera que podamos aclarar an ms su forma. Por tanto, estudiando el regionamiento
podemos saber, por ejemplo si nos ajustamos por arriba o por abajo a una asntota
horizontal.
Para aclarar ms el estudio del regionamiento, utilizaremos la informacin que nos
puede ofrecer la primera derivada de f(x).
9/18
9. CRECIMIENTO Y DECRECIMIENTO. EXTREMOS
El estudio de mximos y mnimos de una funcin f(x) consiste en encontrar
puntos que verifiquen alguna de las siguientes propiedades:
1) Algn punto x = a!Dom f tal que existe un entorno centrado en dicho punto,
E(a,r), de manera que f(a) 0 f(x) (x!E(a,r). El punto x = a recibe el nombre de
mximo relativo de f(x).
2) Algn punto x = a!Dom f tal que existe un entorno centrado en dicho punto,
E(a,r), de manera que f(a) / f(x) (x!E(a,r). El punto x= a recibe el nombre de
mnimo relativo de f(x).
3) Un punto x = a tal que f(a) 0 f(x) (x!Dom f. Este punto recibe el nombre de
mximo absoluto de f(x) y no tiene por que ser nico.
4) Un punto x = a tal que f(a) / f(x) (x!Dom f. Este punto recibe el nombre de
mnimo absoluto de f(x) y no tiene por que ser nico.
Los puntos del dominio de f(x) que hay que considerar a la hora de buscar
mximos y mnimos, ya sean relativos o absolutos, deben cumplir alguna de las
siguientes condiciones:
1) Sean puntos crticos de f, es decir, sean solucin de la ecuacin f(x) = 0.
2) Si Dom f = [a,b], entonces los puntos x = a y x = b.
3) Los puntos del Dom f en los que l funcin f(x) no sea derivable.
9.1. Teorema Del Valor Medio.
TEOREMA. TEOREMA DE ROLLE.
Sea f:[a,b]& ! una funcin continua en [a,b] derivable en (a,b) y f(a)=f(b).
Entonces existe al menos un punto c!(a,b) tal que f(c)=0.
Dem
Sabemos por el teorema de Weierstrass que toda funcin continua definida en un
cerrado alcanza un valor mximo y mnimo en el intervalo.
Segn donde podamos localizar ese mximo y ese mnimo vamos a distinguir dos
casos:
1) Tanto el mximo como el mnimo est en los extremos. Como f(a)=f(b)
+maxf=minf +f es cte. Si el mximo y el mnimo de f son iguales, necesariamente f
tiene que ser constante.
Si f es constante su derivada es cero y entonces c es cualquier punto de (a,b).
Recordemos que a y b no pueden ser ya que f no es derivable en ellos.
2) Al menos uno de ellos se alcanza en el interior. En un teorema anterior vimos que
"si f alcanza un extremo relativo en a y existe f(a) entonces f(a)=0". Al localizarse el
extremo absoluto en el interior tambin es relativo y como en ese punto (al ser interior)
es derivable, su derivada es cero.
Llamaremos a ese punto x=c y se verifica que:
c!(a,b) y f(c)=0.
10/18
OBS La interpretacin geomtrica del teorema de Rolle es que una funcin continua es
derivable e igual en sus extremos debe tener un punto cuya recta tangente sea
horizontal.
El siguiente teorema a ver es el del Valor medio o Lagrange.
Supone una generalizacin del anterior, pues en ste eliminamos la hiptesis de que f(x)
coincida en los extremos del intervalo. Lo que vamos a conseguir ahora es un punto x=c
que va a tener tangente paralela a la recta que une los puntos (a,f(a)) y (b,f(b)).
TEOREMA. TEOREMA DE LAGRANGE.
Sea f:[a,b]& ! continua en [a,b] y derivable en (a,b). Entonces c!(a,b) tal que
a b
a f b f
c f
%
%
=
) ( ) (
) ( '
Dem.
Definimos 1:[a,b]& !
x&1(x)=f(x)+mx, donde m=- !
%
%
a b
a f b f ) ( ) (
para que 1(a) = 1(b)
[ ]
0 ) ( / ) , (
) ( ) (
) , (
,
= ! # +
2
3
2
4
5
=
c b a c
b a
b a en derivable es
b a en continua es
"
" "
"
"
1(x) = f(x)+m + 1(c) = f(c)+m = 0 + f(c) = +
% a b
a f b f ) ( ) (
+f(c)(b-a) = f(b)-f(a).
Geomtricamente existe al
menos un punto de la grfica de f,
distinto de sus extremos Ay B en el
que la tangente de la grfica es
paralela a la cuerda AB.
PROP Si f(x) = 0 (x!(a,b) + f=cte.
Dem
(x
1
,x
2
!(a,b) con x
1
,x
2
consideremos [x
1
,x
2
]"(a,b). Como f(x) = 0 + f es
11/18
derivable en (a,b) + es continua en (a,b) + f es continua en [x
1
,x
2
] y derivable
en (x
1
,x
2
).
Aplicando el teorema del valor medio:
#c!(x
1
,x
2
) / f(c) 0 ) ( ) ( 0
) ( ) (
0 ) (
) ( ) (
1 2
1 2
1 2
1 2
1 2
= % + =
%
%
+
2
3
2
4
5
=
%
%
x f x f
x x
x f x f
c f
x x
x f x f
Entonces f(x
1
)=f(x
2
) (x
1
, x
2
!(a,b)
Por tanto f es una funcin constante.
PROP Si f y g son dos funciones que tienen la misma derivada entonces se diferencian
en una constante.
Dem
Sean las funciones f,g:A&R con f(x)=g(x) (x!A siendo A un intervalo abierto.
Consideremos la funcin f-g. Su derivada:
(f-g)=f-g= 0 + (f-g)=cte.
9.2. Crecimiento y Decrecimiento de una funcin.
DEF Diremos que una funcin f: ! 6& 6 ! real de variable real creciente en un
intervalo [a,b] " Dom f. Si (x
1
,x
2
![a,b] con x
1
<x
2
se verifica que f(x
1
) /f(x
2
).
DEF Diremos que una funcin f: R 6& 6 R real de variable real decreciente en un
intervalo [a,b] "Dom f. Si (x
1
,x
2
![a,b] con x
1
<x
2
se verifica que f(x
1
) 0f(x
2
).
TEOREMA. Si f(x)>0 (x!I + f(x) es estrictamente creciente en I.
Dem
Tomemos un punto cualquiera x
0
!I. Sabemos que la funcin es derivable y que
la derivada es positiva, luego f(x
0
)>0.
Como f(x
0
)= lim
x&xo
,
-
.
< + <
> + >
+ >
%
%
) ( ) (
) ( ) (
0
) ( ) (
0 0
0 0
0
0
x f x f x x si
x f x f x x si
x x
x f x f
Por tanto f(x) es creciente cerca de x
0
, tanto antes como despus. Y como eso ocurre
para cualquier punto x
0
!I, entonces la funcin es creciente en I.
12/18
TEOREMA. Si f(x)<0 (x!I + f(x) es estrictamente decreciente en I.
Dem
La demostracin es igual que la anterior.
Sea x
0
!I un punto cualquiera. Sabemos que f(x
0
)>0.
Como f(x
0
)= lim
x&xo
,
-
.
> + <
< + >
+ <
%
%
) ( ) (
) ( ) (
0
) ( ) (
0 0
0 0
0
0
x f x f x x si
x f x f x x si
x x
x f x f
Vemos que la funcin es decreciente en x
0
+lo es en todo I.
El recproco de las dos proposiciones anteriores es falso. Por ejemplo, si f es
creciente es fcil comprobar que f(x)= 0 (por ejemplo para f(x)= x
3
+ 1).
Vamos ahora a dar un mtodo general para poder afirmar si un punto singular es
un mximo o mnimo local, o ninguna de ambas cosas. Para ello tengamos en cuenta las
siguientes grficas:
Si f> 0 en algn intervalo a la izquierda de x
0
y f< 0 en algn intervalo a la
derecha de x
0
entonces x
0
es un mximo relativo.
Si f< 0 en algn intervalo a la izquierda de x
0
y f> 0 en algn intervalo a la
derecha de x
0
entonces x
0
es un mnimo relativo.
Si f tiene el mismo signo en algn intervalo tanto a la derecha como a la
izquierda de x
0
entonces x
0
no es un extremo relativo.
9.3. Caracterizacin de los Mximos y Mnimos locales.
PROP Sea una funcin f: ! 6& 6 ! real de variable real, y ( ) f Dom a ! , un punto en el
que existe f(a) y f(a). Sea f(a)= 0, se verifica
1) Si f(a) > 0 entonces f tiene un mnimo relativo en x = a.
2) Si f(a) < 0 entonces f tiene un mximo relativo en x = a
Dem.
1) Por definicin tenemos que
f>0 f<0 f<0 f>0 f<0 f<0 f>0 f>0
x
1
x
1
x
1
x
1
13/18
( )
h
a f h a f
a f
h
) ( ' ) ( '
lim ' '
0
% +
=
&
y como f(a)= 0
( )
h
h a f
a f
h
) ( '
lim ' '
0
+
=
&
Por hiptesis 0
) ( '
0 ) ( ' ' >
+
+ >
h
h a f
a f para h suficientemente pequeo.
Si f h a f h + > + + &
+
0 ) ( ' 0 crece a la derecha de a.
Si f h a f h + < + + &
%
0 ) ( ' 0 crece a la izquierda de a.
Luego f(x) presenta en x= a un mnimo relativo
2) Anloga.
PROP Sea una funcin f: ! 6& 6 ! real de variable real. Sea ( ) f Dom a ! tal que
existe f(a) y f(a).
1) Si f tiene un mnimo relativo en x = a entonces f(a) 0 0 .
2) Si f tiene un mximo relativo en x = a entonces f(a) 0 / .
Dem.
1) Supongamos que f tiene un mnimo relativo en x = a si f(a) < 0 entonces,
aplicando el teorema anterior, f tendra un mximo local en x = a.
Pero si f presenta en x = a un mximo y un mnimo entonces sera constante y,
por tanto, f(a) = 0 lo cual es una contradiccin.
Por tanto f(a) 0 0 .
2) Anloga a la anterior.
10.CURVATURA. PUNTOS DE INFLEXIN.
DEF Diremos que una funcin f es convexa en un intervalo si para todo par de puntos
x
1
, x
2
de ese intervalo, el segmento rectilneo que une (x
1
, f(x
1
)) con (x
2
, f(x
2
)) queda
por encima de la grfica de f.
La condicin geomtrica en la que basamos la definicin podemos expresarla
analticamente.
La recta que une (x
1
, f(x
1
)) con (x
2
, f(x
2
)) es
x
1
x
2
14/18
) ( ) (
) ( ) (
) (
1 1
1 2
1 2
x f x x
x x
x f x f
x g + %
%
%
=
La recta g(x) quedar por encima de f(x) siempre que se verifique g(x)>f(x), y
es:
) (
) ( ) ( ) ( ) (
2 1
1
1
1 2
1 2
x x x
x x
x f x f
x x
x f x f
% ! (
%
%
>
%
%
obteniendo una definicin equivalente. Por tanto:
DEF Una funcin f: ! 6& 6 ! real de variable real es convexa en un intervalo si para
x
1
, x
2
y x con x
1
< x < x
2
se verifica
1
1
1 2
1 2
) ( ) ( ) ( ) (
x x
x f x f
x x
x f x f
%
%
>
%
%
Anlogamente vamos a definir funcin cncava.
DEF Diremos que una funcin f es cncava en un intervalo si para todo par de puntos
x
1
, x
2
de ese intervalo, el segmento rectilneo que une (x
1
, f(x
1
)) con (x
2
, f(x
2
)) queda
por debajo de la grfica de f.
DEF Una funcin f: ! 6& 6 ! real de variable real es cncava en un intervalo si para
x
1
, x
2
y x con x
1
< x < x
2
se verifica
1
1
1 2
1 2
) ( ) ( ) ( ) (
x x
x f x f
x x
x f x f
%
%
<
%
%
PROP Sea f: ! 6& 6 ! una funcin real de variable real y convexa. Sea ). ( f dom a !
1) Si f es derivable en x = a entonces la grfica de f queda por encima de la
tangente a f en (a, f(a)) excepto en (a, f(a))
2) Si a < b y f es derivable en a y en b, entonces f(a) < f(b)
Dem.
Sea
2 1
0 h h < < y consideremos los puntos
2 1
h a h a a + < + < .
Como f es convexa se verifica
2
2
1
1
) ( ) ( ) ( ) (
h
a f h a f
h
a f h a f % +
<
% +
x
1
x
2
15/18
Si tomamos lmites cuando
+
&0
1
h
2
2
2
2
0
1
1
0
) ( ) (
) ( '
) ( ) (
lim
) ( ) (
lim
1 1
h
a f h a f
a f
h
a f h a f
h
a f h a f
h h
% +
<
% +
<
% +
+ +
& &
llegamos a que la pendiente de la recta tangente es menor que la pendiente de la secante
que pasa por (a, f(a)) y (a + h
2
, f(a + h
2
)) lo cual implica que el punto
(a + h
2
, f(a + h
2
)) queda por encima de la recta tangente.
De forma anloga, si 0
1 2
< < h h y consideramos a h a h a < + < +
1 2
como f es
convexa se verifica:
2
2
1
1
) ( ) ( ) ( ) (
h
a f h a f
h
a f h a f % +
<
% +
Si tomamos lmites cuando
%
&0
1
h
2
2
2
2
0
1
1
0
) ( ) (
) ( '
) ( ) (
lim
) ( ) (
lim
1 1
h
a f h a f
a f
h
a f h a f
h
a f h a f
h h
% +
>
% +
>
% +
% %
& &
y esto nos indica que la pendiente de la recta tangente es mayor que la pendiente
de la secante que pasa por (a, f(a)) y (a + h
2
, f(a + h
2
)) lo cual implica que el punto
(a + h
2
, f(a + h
2
)) queda por encima de la recta tangente en x = a.
3) Sea a < b. Entonces b = a + (b-a)
a b
a f a b a f
a f
%
% % +
<
) ( ) ( (
) ( ' por ser
a b
a f b f
a f a b
%
%
< + > %
) ( ) (
) ( ' 0
b a
b f b a b f
b f
%
% % +
>
) ( ) ( (
) ( ' por ser
b a
b f a f
b f b a
%
%
> + < %
) ( ) (
) ( ' 0
luego, ) ( '
) ( ) (
) ( ' b f
a b
a f b f
a f <
%
%
<
LEMA Supongamos que f: ! 6& 6 ! una funcin real de variable real es derivable y
f creciente. Si a < b y f(a) = f(b) entonces f(x) < f(a) = f(b) para a < x < b.
Dem.
Supongamos que f(x) > f(a) = f(b) para algn ) , ( b a x !
Entonces el mximo de f sobre [a,b] se presenta en algn punto ) , (
0
b a x ! con
f(x
0
) > f(a) y por supuesto f(x
0
) = 0. Por otra parte, aplicando el teorema del valor
medio al intervalo [a,x
0
] encontramos que existe un punto x
1
cib a < x
1
< x
0
y
0
) ( ) (
) ( '
0
0
1
>
%
%
=
a x
a f x f
x f
y eso est en contradiccin con que f sea creciente ya que 0 ) ( ' ) ( '
0 1
= > x f x f y
0 1
x x > .
16/18
Luego hemos demostrado que f(x) / f(a) = f(b) para a < x < b y solo nos queda
por ver que f(x) = f(a) para algn ) , ( b a x ! .
Sabemos que f no es constante sobre [a,x] ya que si lo fuese f no sera creciente,
de modo que existe algn x
1
con a < x
1
< x y f(x
1
) < f(a).
Aplicando el teorema del valor medio a [x
1
,x] deducimos que existe un punto x
2
con x
1
< x
2
< x y
0
) ( ) (
) ( '
1
1
2
>
%
%
=
x x
x f x f
x f
Por otra parte, f(x) = 0, puesto que hay un mximo relativo en x. De nuevo
llegamos a una contradiccin por ser f creciente.
TEOREMA
Sea f: ! 6& 6 ! una funcin real de variable real. Si f es derivable y f
creciente, entonces f es convexa.
Dem.
Sea a<b. Definimos una funcin g como
) (
) ( ) (
) ( ) ( a x
a b
a f b f
x f x g %
%
%
% =
Es fcil ver que g(x) es una funcin creciente, y como g(a)=g(b)=f(a), aplicamos el
Lema anterior a g(x) y
g(x)<f(a) si a<x<b
Que g(x)<f(a) significa que
) ( ) (
) ( ) (
) ( a f a x
a b
a f b f
x f < %
%
%
%
a b
a f b f
a x
a f x f
%
%
<
%
% ) ( ) ( ) ( ) (
Por lo tanto f es convexa.
DEF Llamaremos punto de inflexin de f a x = a si la tangente a la grafica de f en
(a, f(a)) cruza la grfica.
PROP Sea f: ! 6& 6 ! una funcin real de variable real. Si f es derivable de orden dos
en x
0
y f(x
0
) > 0, entonces f es convexa en x
0
.
Dem.
17/18
Inmadiata
PROP Sea f: ! 6& 6 ! una funcin real de variable real. Si f es derivable de orden dos
en x
0
y f(x
0
) < 0, entonces f es cncava en x
0
.
Dem.
Inmediata
PROP Sea f: ! 6& 6 ! una funcin real de variable real. Si f es derivable de orden dos
en x
0
y x
0
es un punto de inflexin entonces f(x
0
) = 0.
Dem.
Inmediata
11. REPRESENTACIN GRFICA.
1)
x
x
x f
ln
) ( =
1. Dominio: + = , 0 ( ) ( f Dom )
2. Puntos de corte con los ejes:
OY: x = 0; no existe
OX: y = 0 ) 0 , 1 ( 1 0 ln 0
ln
0 ) ( P x x
x
x
x f & = & = & = + = &
3. Simetras: No hay
4. Periodicidad: No hay
5. Asntotas
a) Horizontal:
0 0
1
lim } ' {
ln
lim = & = = =
7
8
9
:
;
<
)
)
=
+) & +) &
y
x
x
Hopital L
x
x
x x
b) Vertical:
0
0
ln
lim
0
= & %) =
) %
=
+
&
+
x
x
x
x
c) Oblicua: No hay porque hay horizontal
6. Crecimiento y decrecimiento. Extremos.
2
ln 1
) ( '
x
x
x f
%
=
Mximo e e P e x x x x f ) 1 , ( 1 ln 0 ln 1 0 ) ( ' + = & = + = % & =
Se cumple que
,
-
.
+) ! ( <
! ( >
) , ( 0 ) ( '
) , 0 ( 0 ) ( '
e x x f
e x x f
7. Curvatura. Puntos de inflexin.
18/18
3
ln 2 3
) ( ' '
x
x
x f
+ %
=
:
:
;
<
7
8
9
+ = & = + % & =
2 / 3
2 / 3 2 / 3
2
3
, 0 ln 2 3 0 ) ( ' '
e
e P e x x x f
Se cumple que
2
,
2
-
.
+) ! ' >
! ' <
) , ( 0 ) ( ' '
) , 0 ( 0 ) ( ' '
2 / 3
2 / 3
e x x f
e x x f
8. Grfica:
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Anlisis Matemtico 2 Edicin. Aut. T. M. Apostol. Ed. Revert
Introduccin al Anlisis Matemtico. Aut. J.M. Ortega. Ed. Labor
1/21
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 29
EL PROBLEMA DEL CLCULO DEL REA. INTEGRAL DEFINIDA.
1. Introduccin.
2. Definicin de integral de Riemann.
2.1. Particiones.
2.2. Suma superior y suma inferior.
2.3. Integral de Riemann.
3. Propiedades de la integral.
4. Teorema fundamental del clculo y regla de Barrow.
5. Derivacin de una funcin definida mediante una integral.
6. Sumas de Riemann.
7. Integrales impropias.
Bibliografa Recomendada.
2/21
TEMA 29
EL PROBLEMA DEL CLCULO DEL REA. INTEGRAL DEFINIDA.
1. INTRODUCCIN.
El clculo trata, principalmente, dos problemas geomtricos:
1) Encontrar la recta tangente a una curva.
2) Hallar el rea limitada por una curva.
El primero lo hemos resuelto mediante un paso al lmite, conocido con el nombre de
diferenciacin. El segundo vamos a ver que tambin lo resolveremos mediante un paso
al lmite, y lo llamaremos integracin.
Hasta ahora slo se podan calcular reas encerradas por polgonos que se ueden
formar como composicin de las anteriores.
Si queremos hallar el rea encerrada entre una curva y=f(x), el eje OX y las rectas
verticales x=a y x=b:
lo que haremos ser utilizar la idea anteriormente expuesta, es decir, vamos a usar la
frmula del rea de un rectngulo para aproximar y calcular el rea A.
Si sumamos el rea encerrada en los rectngulos R
1
, R
2
y R
3
obtendremos una
aproximacin del rea A que en este caso ser por defecto.
La pregunta es: Podemos conseguir calcular el rea A usando el rea de
rectngulos? La respuesta es afirmativa, pero para ello debemos encontrar rectngulos
de base infinitesimal, es decir, rectngulos de base puntual. As, al sumar las reas de
todos los rectngulos estamos sumando las longitudes de todas las lneas verticales que
hay entre x=a y x=b (limitadas por el eje OX y la propia curva) y esto formar el rea A.
3/21
Esta idea o concepto lo llamaremos integral de Riemann. Esto nos proporciona una idea
fundamental: la integracin consiste en realizar una suma.
2. DEFINICIN DE INTEGRAL DE RIEMANN.
2.1. PARTICIONES.
DEF Sea [a,b]!R un intervalo cerrado. El conjunto
"={ x
0
,x
1
,...,x
n
}
que satisface todas las desigualdades
a = x
0
<x
1
<...<x
n
= b
recibe el nombre de particin de [a,b].
DEF Designamos por #[a,b] al conjunto formado por todas las particiones del
intervalo [a,b].
DEF Sean "
1
,"
2
$# [a,b]. Diremos que "
2
es ms fina que "
1
y se denotar por "
1
<"
2
,
si todos los puntos de "
1
pertenecen a "
2
("
1
!"
2
).
PROP La relacin "ms fina que" define una relacin de orden en el conjunto # [a,b].
Dem:
Trivial.
OBS Dados "
1
, "
2
$# [a,b] se verifica que "
1
%"
2
es una particin de [a,b] siendo ms
fina que "
1
y que "
2
.
2.2 SUMA SUPERIOR Y SUMA INFERIOR.
Dada una particin "
1
$#[a,b] con "
1
={x
0,
x
1
,...,x
n
} si para cada intervalo [x
i-1
,x
i
]
con i: 1,...,n llamamos:
m
i
= Inf{f(x) / x$[x
i-1
,x
i
]}
M
i
= Sup{f(x) / x$[x
i-1
,x
i
]}
entonces podemos definir:
1) Suma inferior de f(x) en la particin "
1
a:
s(f, "
1
) =
&
=
'
'
n
i
i i i
x x m
1
1
) (
2) Suma superior de f(x) en la particin "
1
a:
4/21
S(f,"
1
) =
&
=
'
'
n
i
i i i
x x M
1
1
) (
y se verifica que:
s(f, "
1
) ( A(S(f, "
1
)
DEF Llamaremos integral inferior de f(x) en [a,b] y se representa por
)
b
a
f al nmero:
)
b
a
f =Sup {s(f,") / "$[a,b] }
DEF Llamaremos integral superior de f(x) en [a,b] y se representa por
)
b
a
f al nmero:
)
b
a
f = Inf {S(f, ") / "$# [a,b]}
PROP Sean "
1
, "
2
$# [a,b]. Se verifica:
s(f, "
1
)(S(f, "
2
)
Dem
s(f, "
1
) ( (f, "
1
%"
2
)(S(f, "
1
%"
2
)(S(f,"
2
)
2.3. INTEGRAL DE RIEMANN.
DEF Sea f:[a,b]*R funcin acotada. Diremos que es integrable en sentido Riemann si:
) )
=
b
a
b
a
f f
y el nmero que resulta se expresa como:
)
b
a
f
PROP Sea f:[a,b]*R acotada. Son equivalentes:
1) f es integrable Riemann.
5/21
2) +,>0 -"$# [a,b] / S(f,") - s(f, ") < ,
Dem
1).2). Llamaremos A=
) ) )
= =
b
a
b
a
b
a
f f f y sea ,>0.
Como A=Sup{s(f,") / "$# [a,b]} . dado ,/2>0 -"
2
$# [a,b] / A+,/2 >S(f, "
2
).
Teniendo en cuenta que "
1
%"
2
es ms fina que "
1
y "
2
:
A-,/2 < s(f, "
1
) (s(f, "
1
%"
2
)(S(f, "
1
%"
2
) < A+,/2
y entonces
A-,/2 < s(f, "
1
%"
2
)(S(,f"
1
%"
2
)<A+,/2
Llamando "
1
%"
2
=" llegamos a que
S(f, ") - s(f, ") < ,
2).1) Sea "$# [a,b] / S(f, ") - s(f, ") <,. Por definicin
)
b
a
f (S(f, ") y
s(f, ") (
)
b
a
f . Entonces
)
b
a
f -
)
b
a
f <,.
Y como por hiptesis la desigualdad es cierta para todo , mayor que cero,
deducimos:
)
b
a
f =
)
b
a
f
PROP Sea f:[a,b]*R una funcin acotada.
1) Si f es contnua . f es integrable Riemann.
2) Si f es montonoa . f es integrable Riemann.
Dem
1) Para ver que f es integrable Riemann basta ver que para cada ,>0 -"$"[a,b] de
modo que S(f, ")-s(f, ") <,. Como f es contnua en un cerrado entonces f es
uniformemente contnua, luego dado ,>0 tomamos:
, = ) ( ) ( / 0 ! " "
!
< ' . < ' > - .
'
x f x f x x
a b
6/21
Sea "$[a,b] una particin para la que dos pntos consecutivos disten menos que /:
"={x
0
,x
1
,....,x
n
} / |x
i
-x
i-1
|</ +i:1...n
Entonces:
S(f, ")-s(f, ") =
&
=
'
'
n
i
i i i
x x M
1
1
) ( -
&
=
'
'
n
i
i i i
x x m
1
1
) ( =
& &
=
'
=
'
' ' = ' ' =
n
i
i i i i
n
i
i i i i
x x f f x x m M
1
1
1
1
) ))( ( ) ( ( ) )( ( # $
donde
f(0
i
) es el valor mximo de la funcin en [x
i-1
,x
i
] y x=0i donde se alcanza.
f(1
i
) es el valor mnimo de la funcion en [x
i-1
,x
i
] y x=1i donde se alcanza.
Como |0
i
-1
i
| < / . |f(0
i
)-f(1
i
)| < ,
( ! ! ! = ' = '
&
=
'
) ( ) (
1
1
a b x x
n
i
i i
Luego f es integrable en sentido Reimann.
2) Veamos el caso de ser f creciente ( si f es decreciente la demostracin es anloga).
Sea "$# [a,b] una particin, "={x
0
,...,x
n
} y |x
i
- x
i-1
|</ +i: 1...n.
S(f, ")-s(f, ") = = ' '
&
=
'
n
i
i i i i
x x m M
1
1
) )( (
como f es montona creciente M
i
=f(x
i
) y m
i
=f(x
i-1
)
= = ' < ' '
& &
=
' '
=
'
" )) ( ) ( ( ) ( )) ( ) ( (
1
1 1
1
1
n
i
i i i i
n
i
i i
x f x f x x x f x f
=/
&
=
'
'
n
i
i i
x f x f
1
1
)) ( ) ( ( = /(f(b)-f(a)) = ,
Tomando / =
) ( ) ( a f b f '
!
DEF Dada una particin "$"[a,b], llamamos suma de Riemann a cualquier suma S(f,
",2) = ) )( (
1
1
'
=
'
& i i
n
i
i
x x f % , donde "={x
0
,...,x
n
} y 2
i
$[x
i-1
,x
i
].
PROP Sea f:[a,b]*R una funcin acotada. Son equivalentes:
7/21
1) f es integrable Riemann en [a,b].
2) -3!R / +,>0 -"
0
$[a,b], si ">"
0
y consideramos una suma de Riemann de ", se
verifica que:
|A-S(f, ",2)| < , y adems A=
)
b
a
f
Dem
1).2). Sea A=
)
b
a
f . Veamos que A cumple 2).
s(f, ")( [ ] b a f S f f f
b
a
b
a
b
a
, ) , ( $ + ( = =
) ) )
& &
Se verifica que s(f,")(S(f, ",2)(S(f, ")
Entonces:
|A-S(f, ",2)| ( S(f, ")-s(f, ")
Como f es integrable Riemann:
Dado ,>0 -"
0
$"[a,b] / S(f, ")-s(f, ")<,
Si ">"
0
. S(f, ")-s(f,") ( S(f, "
0
)-s(f, "
0
) < , . |A-S(f, ",2)| ( S(f, ")-s(f, ") < ,
.|A-S(f, ",2)| < ,
2).1) Veamos que A=
)
b
a
f y A=
)
b
a
f . Para ver que A=
)
b
a
f basta comprobar que dado
,>0 -"$"[a,b] / |A-S(f, ")|<,
Por 2) dado ,>0 -"
0
$# [a,b] / |A- ) )( (
1
1
'
=
'
& i i
n
i
i
x x f % | < ,/2 y +">"
0
M
i
-f(2
i
)< 2 / ) (
) ( 2
!
!
= '
'
a b
a b
Entonces:
|A-S(f, ")| ( |A-S(f, ",2)|+|S(f, ",2)-S(f, ")| < ,/2 + ,/2 = ,.
Luego A=
)
b
a
f .
8/21
De forma anloga se demuestra que A=
)
b
a
f y por tanto A=
)
b
a
f siendo f integrable
Riemann.
3. PROPIEDADES DE LA INTEGRAL.
PROP Sea R[a,b] el conjunto de todas las funciones integrables Riemann en [a,b].
1) Si f,g$R[a,b] . f+g$R[a,b] y
) ) )
+ = +
b
a
b
a
b
a
g f g f ) (
2) Si 4$R y f$R[a,b] .4f$R[a,b] y
) )
=
b
a
b
a
f f ' ' ) ( .
3)Si f50 .
)
b
a
f 50, y por tanto si f(g .
) )
(
b
a
b
a
g f .
Dem
1) f$R[a,b] .+,>0 S(f, "
1
)-s(f, "
2
) < ,/2 con "
1
$ "[a,b].
g$R[a,b] . +,>0 S (f, "
2
)-s(g, "
2
) < ,/2 con "
2
$ "[a,b].
Se verifica S(f, "
1
% "
2
)-s(f, "
1
% "
2
) < ,/2.
S(g, "
1
% "
2
)-s(g, "
1
% "
2
)<,/2,
con "
1
% "
2
= {x
0
,...,x
n
}.
Llamemos m
i
= Inf{f(x) / x$[x
i-1
,x
i
]}, M
i
= Sup{f(x) / x$[x
i-1
,x
i
]},
m
i
= Inf{g(x) / x$[x
i-1
,x
i
]}, M
i
= Sup{g(x) / x$[x
i-1
,x
i
]},
m
i
= Inf{f(x)+g(x) / x$[x
i-1
,x
i
]}, M
i
= Sup{f(x)+g(x) / x$[x
i-1
,x
i
]}
S(f+g,"
1
%"
2
)-s(f+g,"
1
%"
2
) =
&
=
'
' '
n
i
i i i i
x x m M
1
1
) )( ( (
teniendo en cuenta que:
M
i
(M
i
+M
i

m
i
(m
i
+m
i

. M
i
-m
i
( (M
i
- m
i
)+(M
i
-m
i
)
( = ' ' + ' '
& &
=
'
=
'
n
i
i i i i
n
i
i i i i
x x m M x x m M
1
1
1
1
) )( ( ) )( ( S(g,"
1
%"
2
)-s(g,"
1
%"
2
) <
<,/2+,/2 = ,.
Entonces f+g$R[a,b].
9/21
Veamos ahora que
) ) )
+ = +
b
a
b
a
b
a
g f g f ) ( .
Dado ,>0 como f,g,f+g$R[a,b]
-"
0
$# [a,b] / Si ">"
0
. |A-S(f, ",2)|<,/3
-"
0
$# [a,b] / Si ">"
0
. |B-S(g, ",2)|<,/3
-"
0
$# [a,b] / Si ">"
0
. |C-S(f+g, ",2)|<,/3
Consideremos "={x
0
,...,x
n
}:
S(f+g, ",2) = ) )( )( (
1
1
'
=
' +
& i i
n
i
i
x x g f % =
) )( (
1
1
'
=
'
& i i
n
i
i
x x f % + ) )( (
1
1
'
=
'
& i i
n
i
i
x x g % = S(f,",2)+ S(g,",2).
Entonces:
|C-(A+B)| = |C-S(f+g, ",2)+ S(f+g, ",2)-A+ S(f, ",2)- S(f, ",2)-B+ S(g, ",2)- S(g,
",2)| =
aplicando lo anterior
= |C- S(f+g, ",2)|+|-A S(f, ",2)|+|-B+ S(g, ",2)| < ,/3+,/3+,/3 = ,.
Luego C=A+B .
) ) )
+ = +
b
a
b
a
b
a
g f g f ) ( .
2) Sean:
m
i
= Inf{f(x) / x$[x
i-1
,x
i
]}, M
i
= Sup{f(x) / x$[x
i-1
,x
i
]},
m
i
= Inf{4f(x) / x$[x
i-1
,x
i
]}, M
i
= Sup{4f(x) / x$[x
i-1
,x
i
]},
Sea 4$R-{0}.
S(4f,")-s(4f,") = = ' '
'
=
&
) )( (
1
1

i i
n
i
i i
x x m M como M
i
-m
i
= 4(M
i
- m
i
) si 4>0
M
i
-m
i
= 4(m
i
-M
i
) = = ' '
'
=
&
) )( (
1
1

i i
n
i
i i
x x m M ' |4|(S(f,")-s(f,"))
Dado ,>0 tomamos ,=,/|4| y -"$"[a,b] / S(f,")-s(f, ") < ,
S(4f, ")-s(4f, ") . N(S(f, ")-s(f, ")) ( |4|, = |4|,/|4| = ,.
Luego 4f es integrable Riemann.
Si 4=0 .4f = 0 y 0 es integrable Riemann.
10/21
Llamemos A=
)
b
a
f y B=
)
b
a
f ' .
Sea |A-S(f, ",2)| < ,
|B-S(4f, ",2)|<,
. 0(|4A-B|<2, +,50 4A = B y por tanto
) )
=
b
a
b
a
f f ' ' .
3) Sea f50. como f es integrable Riemann
) )
=
b
a
b
a
f f y } ) ( {
1 &
) '
' =
i i i
b
a
x x M Sup f
Cada sumando es mayor o igual a cero (suma de Reimann), luego el supremo tambin
lo es. Y como la funcin es integrable Riemann, su integral es mayor o igual que cero.
Si f5g . f-g 50 .
) ) ) ) )
5 . 5 ' . 5 '
b
a
b
a
b
a
b
a
b
a
g f g f g f 0 0 ) (
PROP Sea f:[a,b]*R una funcin integrable Riemann y c$[a,b]. Entonces:
1) f|
[a,c]
: [a,c] *R es integral Reimann.
2) f|
[c,b]
: [c,b] *R es integrable Reimann.
3)
) ) )
+ =
b
c
c
a
b
a
f f f
Dem
1) f|
[a,c]
:[a,c]*R.
Como f es integrable Reimann en [a,b], dado ,>0 -"$# [a,b] / S(f,")-s(f,")<,
Sea " = "%{c} . S(f, ")-s(f, ") < ,. Por otro lado:
S(f|
[a,c]
, "6[a,c])-s(f|
[a,c]
,"6[a,c]) ( S(f, ")-s(f, "). Uniendo ambas
desigualdades obtenemos que f|
[a,c]
es integrable.
2) Anloga.
3) Inmediata
COROLARIO Si m(f(x)(M +x$[a,b] entonces m(b-a)( ) ( a b M f
b
a
' (
)
Dem
Si m(f(x)(M .
) ) )
( (
b
a
b
a
b
a
M f m .
11/21
[ ] ) ( ) , / ) , 1 ( ( 1 a b m b a S Inf m m m
b
a
b
a
' = $ = =
) )
& & & .
Anlogamente ) ( a b M M
b
a
' =
)
Sustituyendo, obtenemos lo que se quera demostrar.
PROP Si f es integrable Riemann . |f| es integrable Riemann y se verifica:
) )
(
b
a
b
a
f f | |
Dem
Sabemos que si f es integrable Riemann
dado ,>0 -"
0
$"[a,b] / S(f,"
0
)-s(f,"
0
)<,
siendo S(f,"
0
)-s(f,"
0
)= = ' '
'
=
&
) )( (
1
1
i i
n
i
i i
x x m M con
m
i
= Inf{f(x) / x$[x
i-1
,x
i
]}
M
i
= Sup{f(x) / x$[x
i-1
,x
i
]},
Sean t,s$[x
i-1
,x
i
], y m
i
= Inf{|f(x)| / x$[x
i-1
,x
i
]}M
i
= Sup{|f(x)| / x$[x
i-1
,x
i
]}
||f(t)|-|f(s)|| ( |f(t)-f(s)| ( M
i
- m
i
y por tanto
= ' '
'
=
&
) )( (
1
1

i i
n
i
i i
x x m M ) )( (
1
1
'
=
' '
& i i
n
i
i i
x x m M
de lo que deducimos que |f| es integrable Reimann.
Sabemos que -|f|(f(|f|. Entonces
) ) )
( ( '
b
a
b
a
b
a
f f f | | | | y
-
) ) )
( ( '
b
a
b
a
b
a
f f f | | | | y obtenemos
) )
(
b
a
b
a
f f | | .
PROP Sea f integrable riemann y sea c$[a,b]. Si dado un escalar 0, definimos:
7
8
9
=
:
=
c x
c x x f
x f
$
) (
) (
~
entonces f
~
es integrable Riemann y
) )
=
b
a
b
a
f f
~
.
12/21
Dem
Como f$R[a,b] . -"
0
$# [a,b] / S(f, "
0
)-s(f, "
0
) < ,/2.
S( f
~
,")-s( f
~
,") = = ' '
'
=
&
) )( (
1
1

i i
n
i
i i
x x m M
&
:
=
'
' '
n
j i
i
i i i i
x x m M
1
1
) )( ( +
+ ) )( (
1 '
' '
j j j j
x x m M (
siendo c$[x
j-1
,x
j
] para algn j${1,...,n}.
(,/2 + ,/2 = ,.
ya que 2 / ) )( (
1
! < ' '
' j j j j
x x m M eligiendo x
j-1
y x
j
suficientemente cerca.
Veamos ahora que ambas integrales son iguales:
) ) )
+ =
c
a
b
c
b
a
f f f y
) ) )
+ =
b
c
c
a
b
a
f f f
~ ~ ~
) )
'
c
a
c
a
f f
~
es igual al ltimo rectngulo, y se podr hacer tan pequeo como se
quiera, por tanto ambas integrales son iguales.
Anlogamente se demuestra que:
) )
=
b
c
b
c
f f
~
llegando as a comprobar que:
) )
=
b
a
b
a
f f
~
Este resultado nos viene a demostrar que dos funciones que se diferencien en un
punto y una de ellas sea integrable, la otra tambin lo es y la integral coincide.
El resultado puede extenderse a que si f es integrable Riemann y se modifica en un
nmero finito de puntos, la nueva funcin tambin es integrable y ambas integrales son
la misma.
PROP Sean f,g$R[a,b].fg$R[a,b]
Dem
La demostracin la vamos a realizar en varios pasos.
1) Caso f=g50
13/21
S(f
2
,")-s(f
2
,") < s(f
2
,")<,
Sea f: [a,b]*R acotada (por ser integrable Riemann)
entonces |f(x)|(k.
Como f es integrable Riemann
dado ,>0 -"$#[a,b] / S(f, ") - s(f, ") <,/2k
siendo S(f
2
, ") - s(f
2
, ") =
( ' + ' = ' ' = ' '
& & &
=
'
=
'
=
'
n
i
i i i i i i
n
i
i i i i
n
i
i i i i
x x m M m M x x m M x x m M
1
1
1
1
2 2
1
1
) )( )( ( ) )( ( ) )( (
Como f50 M
i
+m
i
( 2k
!
!
& & = < ' = ' ' (
&
=
'
k
k f s f S k x x m M k
n
i
i i i i
2
2 )) , ( ) , ( ( 2 ) )( ( 2
1
1
Luego f
2
es integrable Riemann siempre que f50. O expresado para cualquier f:
|f
2
| es integrable Riemann (ya que |f(x)|50).
2) Caso f=g.
f
2
es integrable Riemann ya que f
2
=|f||f| = |f|
2
y |f|
2
$R[a,b]
3) Caso (f+g)
2
Como f,g$R[a,b] . f+g$R[a,b] y por el caso anterior (f+g)
2
$R[a,b].
Pero si (f+g)
2
$R[a,b] . podemos expresar fg =
2
1
((f+g)
2
-f
2
-g
2
), y como f
2
$R[a,b],
g
2
$R[a,b] y (f+g)
2
$R[a,b] obtenemos que fg$R[a,b].
TEOREMA. Teorema de Lebesgue.
Sea f: [a,b]*R acotada y D el conjunto de las discontinuidades de f en [a,b].
Entonces son equivalentes:
1) f$R[a,b].
2) D tiene medida cero.
Dem
14/21
1) . 2)
Supongamos que D no tiene medida cero. Vamos a demostrar que f no es integrable
legando a una contradiccin.
Podemos escribir D como una reunin numerable de conjuntos D=
U
n
C
r
D
1 =
donde
D
r
={x$[a,b] / w
f
(x)51/r} y w
f
(x) = lim
h*0+
f(x+h)- lim
h*0-
f(x+h) llamada
oscilacin de f en x. Si x$D . w
f
(x)>0 luego D es la unin de los conjuntos D
r
con r=1,2,...
Si D no tiene medida cero .-r
0
/ D
ro
no tiene mediad cero. Por tanto existe un
cierto ,>0 para el que cualquier coleccin numerable de intervalos abiertos que recubra
D
ro
tendr una suma de longitudes 5,.
Dada "$#[a,b] tenemos que:
S(f,") - s(f, ") =
1 2 1 1
1
) )( ( S S S x x m M
i i
n
i
i i
5 + = ' '
'
=
&
con S
1
que contine los trminos que provienen de subintervalos que en su
interior contienen puntos D y S
2
contiene los trminos restantes.
Los intervalos abiertos de S
1
recubren D
ro
, excepto un subconjunto finito en D
r
,
de medida cero, luego la suma de sus longitudes es por lo menos ,. Pero en estos
intervalos tenemos:
M
k
(f) - m
k
(f) 5 1/r . S
1
5 ,/r
y eso significa que
S(f, ")-s(f, ") 5,/r
para cada "$#[a,b].
Por tanto f no es integrable Riemann.
Como llegamos a una contradiccin, nuestra suposicin es falsa y D tiene
medida cero.
2) . 1) Supongamos que D tiene medida cero.
Sea D =
U
n
r
r
D
1 =
, siendo D
r
los mismos que antes. Como D
r
!D +r:1,...,n . D
r
tiene
medida 0 +r: 1,...,n . +r: 1,...,n D
r
se puede recubrir por medio de intervalos
15/21
abiertos cuyas longitudes sean <1/r.
Como D
r
es compacto, se puede recubrir mediante una cantidad finita de dichos
abiertos. La unin de esos abiertos la llamaremos A
r
.
Sea B
r
= [a,b] - A
r
su complementario . B
r
es la unin de un nmero finito de
subintervalos cerrados de [a,b].
Sea I un subintervalo tpico de B
r
. Si x$I . se verifica w
f
(x) < 1/r entonces
-/
r
>0 tal que I puede ser subdivido en un nmero finito de subintervalos T de longitud
menor que /
r
que verifican ;
f
(T) < 1/r siendo ;
f
(T) sup{w
f
(x) / x$T}
Los extremos de todos esos subintervalos definen "
r
$#[a,b].
Sea ">"
r
. S(f, ") - s(f, ") =
2 1
1
1
) )( ( S S x x m M
n
i
i i i i
+ = ' '
&
=
'
donde S
1
contine
los trminos que provienen de los subintervalos que contien puntos de D
r
y S
2
contiene
los trminos restantes. En el k-simo trmino de S
2
tenemos:
M
k
-m
k
< 1/r . S
2
< (b-a)/r
Como A
r
recubre todos los intervalos que intervienen en S
1
tenemos:
S
1
(
r
m M '
donde m= Inf {f(x) / x$[a,b]} y M=Sup {f(x) / x$[a,b]}
por consiguiente
S(f, ")-s(f, ") <
r
a b m M ' + '
Como esto es cierto +r51 . La condicin de Riemann se verifica y f$R[a,b]
c.q.d.
DEF Diremos que una propiedad se verifica "casi en todo" A!R si se verifica en todo
A salvo en un conjunto de medida cero.
El teorema de Lebesgue establece que dada f acotada en [a,b].
f$R[a,b] < f es contnua casi en todo [a,b]
Ejemplos:
1) f
1
(x)=
7
8
9
=
$
Q x si
Q x si
1
0
f
1
:[0,1] * R.
16/21
Sabemos que f
1
(x) no es continua en ningn punto. Entonces, el conjunto de
discontinuidades D=[0,1]. Como D no tiene medida cero . f
1
es integrable.
2) f
2
(x)=
7
8
9
= $
=
e irreducibl q p x con Q x si q
Q x si
/ / 1
0
f
2
(x): [0,1] * R. Sabemos que f
2
(x) es contnua en Q
c
6[0,1]. Entonces, el conjunto de
discontinuidades D=Q6[0,1] es numerable, y por tanto, es de medida cero.
f
2
es integrable.
TEOREMA. Teorema del valor medio.
Sea f continua en [a,b] entonces ->$[a,b] / ) )( ( ) ( a b f dx x f
b
a
' =
)
( .
Dem
Como f es continua en [a,b] . f$R[a,b].
Sean M=max {f(x) / x$[a,b]} y m=Min{f(x)/x[a,b]}.
Entonces:
m(f(x)(M . m(b-a) = ) ( a b M M f m
b
a
b
a
b
a
' = ( (
) ) )
y tenemos m( M f
a b
b
a
(
'
)
1
y como f es continua en [a,b], alcanza todos los
valores entre M y m.
Por tanto ->$[a,b] / f(>) =
)
'
b
a
f
a b
1
4. TEOREMA FUNDAMENTAL DEL CLCULO Y REGLA DE BARROW.
TEOREMA. Primer teorema fundamental del clculo.
Sea f$R[a,b]. Para cada x$[a,b] definimos:
F(x) =
)
x
a
f
entonces se verifica:
1) F es continua en [a,b].
17/21
2) Si f es continua en c$[a,b] . F es derivable en c y F(c)=f(c).
Dem
1) Para demostrar que F es contnua en [a,b] lo haremos comprobando que es continua
en un punto cualquiera c$[a,b].
|F(x)-F(c)| = ) ( | | c x M M f f f f
x
c
x
c
x
c
c
a
x
a
' = ( ( = '
) ) ) ) )
Tomando /= ,/M tenemos
+,>0 -/>0 / |x-c|</ . |F(x)-F(c)|<,
Luego F es continua en [a,b].
2) Si f es continua en c:
f(c) = lim
h*0 0 ) (
) ( ) (
lim
) ( ) (
0
= '
' +
<
' +
*
c f
h
c F h c F
h
c F h c F
h
=
'
=
'
= ' = '
'
) ) ) ) ) )
+ + + + +
g
c f f
h
c f h f
c f
h
f
c f
h
f f
h c
c
h c
c
h c
c
h c
c
c
a
h c
a
) ( ) (
) ( ) (
M
h
h M
h
M
h
c f f
h
c f f
h
c f f
h c
c
h c
c
h c
c
h c
c
= ( (
'
(
'
=
'
) ) )
)
+ + +
+
| |
| |
| | | |
) (
| |
) (
)) ( (
Siendo M=Sup{|f(x)-f(c)| / x$[c,c+h]}.
Como f(x) es continua en x=c
+,>0 -/>0 |x-c| < / . |f(x)-f(c)| < ,
o lo que es lo mismo M(,.
Luego +,>0 -/>0 / |h|</ . ! <
' +
h
c F h c F ) ( ) (
y por tanto F(c)=f(c).
DEF Una funcin g se dice que es una primitiva de f si g es derivable y su derivada
g=f.
TEOREMA. Segundo teorema fundamental del clculo.
Si f es integrable en [a,b] y F es una primitiva de f, entonces
18/21
[ ] b a x a F x F dt t f
x
a
, ) ( ) ( ) ( $ + ' =
)
Dem
Sea x$[a,b] . f es integrable en [a,x] y sea "$#[a,x] con "={a=x
0
,...,x
n
=x}
Aplicando el teorema del valor medio a F en [x
i-1
,x
i
].
F(x
i
)-F(x
i-1
) = F(>
i
)(x
i
- x
i-1
) con >
i
$(x
i-1
,x
i
)
o lo que es lo mismo
F(x
i
)-F(x
i-1
) = f(>
i
)(x
i
-x
i-1
), con >
i
$(x
i-1
-x
i
)
Entonces:
m
i
(x
i
-x
i-1
) ( F(x
i
)-F(x
i-1
) ( M
i
(x
i
-x
i-1
) +i: 1,...,n
por tanto sumando todas las desigualdades para i: 1,...,n
s(f,")(F(x)-F(a) ( S(f, ") +"$#[a,b]
y como f$R[a,b] se deduce que
) ( ) ( a F x F f
x
a
' =
)
COROLARIO. Regla de Barrow.
Sea f integrable en [a,b] y F una primitiva de f. Se cumple:
) ( ) ( a F b F f
b
a
' =
)
Dem
Inmediata.
5. DERIVACIN DE UNA FUNCIN DEFINIDA MEDIANTE UNA
INTEGRAL.
Puede ocurrir que nos definan una funcin mediante una integral:
F(x) =
)
) (
) (
) (
x g
x h
dt t f
y que nos pidan que estudiemos las propiedades de esa funcin, extremos, crecimiento,
decrecimiento, puntos de inflexin, etc. En este caso nos veramos en la obligacin de
tener que derivar F(x) y por lo tanto necesitamos saber como hacerlo.
19/21
TEOREMA. Sea f: R*R una funcin real de variable real, tal que su primitiva viene
definida por T(x), es decir, T(x)=f(x). Entonces si definimos:
F(x) =
)
) (
) (
) (
x g
x h
dt t f
se verifica que:
F(x) = f(g(x))g(x)-f(h(x))h(x).
Dem
F(x) = [ ] )) ( ( )) ( ( ) ( ) (
) (
) (
) (
) (
x h T x g T t T dt t f
x g
x h
x g
x h
' = =
)
entonces si queremos derivar
F(x) se tiene que:
F(x) = (T(g(x))-T(h(x))) = (T(g(x))) - (T(h(x))) = {aplicando la regla
de la cadena}= T(g(x))g(x) - T(h(x))h(x) = {aplicando que T(x)=f(x)} =
= f(g(x)) g(x) - f(h(x))h(x).
Por lo tanto:
F(x) = f(g(x))g(x) - f(h(x))h(x).
Como hemos visto en el teorema anterior, podemos derivar una funcin definida
mediante una integral, sin necesidad de tener que hacer la integral, si no que lo nico
que debemos hacer es evaluar la funcin en los lmites de integracin y estos a su vez
derivarlos.
Ejemplo:
F(x) =
)
2
0
x
sentdt entonces tenemos que:
F(x) = senx
2
2x - sen 0 0 . F(x) = 2xsenx
2
Calcular los extremos relativos de la funcin definida por:
F(x) =
)
'
4
2
0
x
t
dt e , derivando tenemos que:
F(x) = e
-x8
4x
3
-0 = 4x
3
e
-x8
. F(x)=0 . 4x
3
e
-x8
=0 . x
3
=0 . x=0 Punto crtico
F(x) = 4x
3
e
-x8
como 4e
-x8
>0 +x . el signo viene dado por x
3
. F(x)>0 +x>0
y F(x)<0 +x<0 . tenmos un mnimo en x=0.
6. SUMAS DE RIEMANN.
20/21
Como ya hemos visto anteriormente la integral definida se define como la suma de
reas de rectngulos cuando las bases de los rectngulos tienden a cero, es decir, cuando
la particin tiende a ser la ms fina posible. Entonces si tenemos un lmite cuando n
tiende a infinito de un sumatorio en el que la sucesin se puede expresar como el
producto de una sucesin que tiende a cero (b
n
) y que representa a la base de los
rectngulos, por otra que representa a las alturas de los rectngulos (f(j
n
)) entonces
podemos transformar esa expresin en una integral de la funcin f(x), es decir:
lim
n*+? b j a donde dx x f j f b
n
b
a
n
j
n n
( ( =
)
&
=
) ( ) (
1
Ejemplo: calcular:
lim
n*+?
&
=
+
n
j
j n
n
1
2 2
lim
n*+?
&
=
+
n
j
j n
n
1
2 2
= lim
n*+?
&
=
+
n
j
j n
n
n
1
2 2
2
1
= lim
n*+?
&
=
+
n
j
n
j
n
n n
1
2
2
2
2
1 1
=
= lim
n*+?
&
=
@
A
B
C
D
E
+
n
j
n
j
n
1
2
1
1 1
entonces tomando como b
n
=1/n la base de los
rectngulos y como
2
1
1
@
A
B
C
D
E
+
= @
A
B
C
D
E
n
j
n
j
f la altura de los rectngulos, tenemos que como
j/n est entre 0 y 1:
lim
n*+? [ ] . 4 / 0 1
1
1 1
0
1
1
0
2 2 2
& = ' = =
+
=
+
&
)
=
arctg arctg arctg dx
x j n
n
n
j
Por lo tanto:
lim
n*+?
&
=
=
+
n
j
j n
n
1
2 2
4
&
7. INTEGRALES IMPROPIAS.
No podemos terminar el problema del clculo del rea sin antes plantearnos la
siguiente pregunta: qu pasara si el conjunto que encierra el rea que queremos
calcular no es acotado?
La respuesta a esta pregunta viene dada por la definicin de un tipo especial de
integrales que son las integrales impropias, y de las cuales hay dos tipos que ahora
veremos. Con estas integrales lo que pretendemos ver es si el rea encerrada es finita o
21/21
infinita y en caso de que sea finita la calcularemos. Si el rea es finita se dira que la
integral es convergente y si es infinita que la integral es divergente.
Tipos de integrales impropias:
1) Integral impropia de primera especie: se produce una integral impropia de
primera especie cuando queremos calcular la integral a lo largo de un rayo,es decir,
cuando alguno de los lmites de integracin es +? -?.
Ejemplo:
1 1
1
lim
1
lim
1
lim
1
1
1
2
1
2
= @
A
B
C
D
E
+
'
=
F
G
H
I
J
K
' = =
+? * +? * +? *
? +
) )
t x
dt
x
dx
x
t
t
t
t
t
2) Integral impropia de segunda especie: se produce cuando la funcin presenta una
asntota vertical en alguno de los puntos del intervalo de integracin.
Ejemplo:
[ ] . 2 ) 2 2 ( lim 2 lim
1 1
0
1
0
= ' = =
+ +
* * )
t x dx
x
o t
t
t
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
1/27
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 30
PRIMITIVA DE UNA FUNCIN. CLCULO DE ALGUNAS PRIMITIVAS.
APLICACIONES DE LA INTEGRAL AL CLCULO DE MAGNITUDES
GEOMTRICAS.
1. Introduccin.
2. Concepto de Primitiva.
3. Integrales Inmediatas.
3.1. Lista de Integrales Inmediatas.
3.2. Desarrollo de las Integrales Inmediatas.
4. Integracin de Funciones Racionales.
4.1. Caso 1: Grado(P(x))>Grado(Q(x))
4.2. Caso 2: Grado(P(x))=Grado(Q(x))
4.3. Caso 3: Grado(P(x))<Grado(Q(x))
4.3.1. Races Reales Simples.
4.3.2. Races Reales Mltiples.
4.3.3. Races Complejas Simples.
4.3.4. Races Complejas Mltiples.
5. Mtodo de Hermite.
6. Integracin por Partes.
6.1. Integracin por Reduccin.
7. Cambio de Variable.
7.1. Sustitucin en funciones exponenciales, logartmicas e inversas de
trigonomtricas circulares e hiperblicas.
7.2. Sustitucin en integrales de funciones trigonomtricas circulares.
7.3. Sustitucin en integrales de funciones hiperblicas.
8. Frmulas Recurrentes.
9. Integracin de Funciones Irracionales.
9.1. Integracin por sustitucin en funciones irracionales.
9.2. Mtodos especiales de integracin de funciones irracionales.
10. Integrales Binomias.
11. Aplicaciones.
11.1. reas de Figuras planas.
11.2. Volmenes de Cuerpos de Revolucin.
11.3. rea de una superficie de Revolucin.
Bibliografa Recomendada.
2/27
1. INTRODUCCIN.
A lo largo del siglo XVIII se consider a la integracin como el proceso contrario a
la diferenciacin.
El significado geomtrico de la integral indefinida es una familia de curvas, todas
ellas obtenidas por desplazamiento vertical de una cualquiera.
En este tema vamos a tratar de obtener primitivas de funciones. Para ello
estudiaremos diferentes mtodos.
Hemos de tener en cuenta que la derivada de una funcin elemental es siempre una
funcin elemental, en cambio la primitiva de una funcin elemental puede no expresarse
mediante un nmero finito de funciones elementales.
2. CONCEPTO DE PRIMITIVA.
DEF Dada f:[a,b]!R, una primitiva de f es una funcin F:[a,b]!R, derivable
"xe[a,b] y tal que F(x)= f(x) "x# (a,b)
Como toda funcin derivable en un intervalo es continua en dicho intervalo,
entonces toda funcin F primitiva de f es continua en el mismo intervalo.
NOTACION: Representaremos como primitiva (una cualquiera) de f
$
dx x f ) (
y se lee integral indefinida de f.
PROP Sea f:[a,b] ! R y F
1
, F
2
dos primitivas de f. Entonces F
1
-F
2
= cte
dem
Definimos la funcin F
0
(x)= F
1
(x)-F
2
(x) "x#[a,b].
Es claro que F
0
es una funcin continua y derivable, siendo
F
0
(x)=F
1
(x)-F
2
(x)= f(x)- f(x)= 0
Sea x
0
#(a,b)
Dado cualquier otro punto x interior a [a,b] se verifican las hiptesis del teorema del
valor medio del clculo diferencial para F
0
en [x
0
,x] ( [x,x
0
]) siendo
% & #(x
0
,x) / F
0
(x)-F(x
0
)= F
0
(&) (x-x
0
)
Como F
0
(&) = 0 ! F
0
(x)=F
0
(x
0
)
Por tanto F
0
=cte y F
1
-F
2
=cte
3/27
Dadas dos primitivas de f, como se diferencian en una constante, para poder
indicarlas todas, escribiremos
$
+ = C x F dx x f ) ( ) (
PROP Sea f:[a,b] ! R una funcin continua. Entonces tiene primitiva en [a,b].
dem
La demostracin es inmediata sin ms que tener en cuenta que
$
=
x
a
dt t f x F ) ( ) (
es una primitiva de f.
3. INTEGRALES INMEDIATAS.
3.1. Lista de Integrales Inmediatas.
Expresamos a continuacin una lista de integrales inmediatas. Esta lista la
obtenemos sin ms que recordar las derivadas de las funciones de uso ms generalizado.
Si leemos las igualdades de derecha a izquierda, la lista nos puede servir como una lista
de derivadas, teniendo en cuenta el concepto de integral indefinida.
a) Tipo Potencial.
$
' ( +
+
=
+
1
1
1
1
n C x
n
dx x
n n
1 ) (
1
1
) (
1
( + '
+ '
=
'
+ '
$
p C a x
p a x
dx
p
p
C c bx
b c bx
dx
+ + =
+
$
2
b) Tipo Exponencial.
$
+ = C e dx e x f
x f x f ) ( ) (
) ( '
c) Tipo Logartmico.
C Lnx dx
x
+ =
$
1
$
+ ' =
'
C a x Ln
a x
dx
) (
C b ax Ln
a b ax
dx
+ + =
+
$
) (
1
d) Tipo Trigonomtricas circulares e hiperblicas.
4/27
$
+ = C Senx Cosdx
$
+ ' = C Cosx Sendx
$
+ = C Tgx
x Cos
dx
2
$
+ ' = C x Co
x Sen
dx
tg
2
$
+ ' = C x xdx cos ln tg
$
+ = C x gxdx sen ln cot
C x Co dx
x
x
+ ' =
$
sec
sen
cos
2
C x dx
x
x
+ =
$
sec
cos
sen
2
$
+ = C x xdx senh cosh
$
+ = C xdx xdx cosh senh
C x dx
x
+ =
$
tgh
cosh
1
2
C ghx dx
x
+ ' =
$
cot
senh
1
2
C x xdx + =
$
cosh ln tgh
C x ghxdx + =
$
senh ln cot
e) Tipo inversas de Trigonomtricas circulares e hiperblicas.
C x
x
dx
+ =
'
$
arcsen
1
2
( ) C x x C x
x
dx
+ + = + =
+
$
1 ln senh arg
1
2
2
( ) C x x C x
x
dx
+ ' = + =
'
$
1 ln cosh arg
1
2
2
C x dx
x
+ =
+
$
arctg
1
1
2
C
x
x
C x dx
x
+
)
*
+
,
-
.
'
+
= + =
'
$
1
1
ln
2
1
tgh arg
1
1
2
C x
x x
dx
+ =
'
$
arcsen
1
2
3.2. Desarrollo de las integrales inmediatas.
a) Integrales inmediatas de tipo potencial.
5/27
Siempre que bajo el signo integral aparezca una funcin elevada a una constante, si
lo que la multiplica es al menos en su parte variable la derivada de la funcin, podremos
ajustar con constantes y ser una integral inmediata de tipo potencial.
b) Integrales inmediatas de tipo Exponencial.
Siempre que bajo el signo integral aparezca una constante elevada a una funcin, si
lo que la multiplica es, al menos en su parte variable, la derivada de la funcin,
podremos ajustar con constantes, y ser una integral inmediata de tipo exponencial.
c) Integrales Inmediatas de tipo Logartmico.
Siempre que bajo el signo integral aparezca un cociente, si el numerador es al menos
en su parte variable la derivada del denominador, se podr ajustar con constantes, y ser
una integral inmediata de tipo Logartmico.
d) Integrales Inmediatas de tipo Arco o Argumento.
Siempre que bajo el signo integral aparezca una expresin de alguno de estos tres
tipos
$
+ + c bx ax
dx
2
$
+ bx ax
dx
2
$
+ c ax
dx
2
podremos resolver la integral aplicando un mtodo que desarrollaremos en cuatro pasos.
PASO 1: Multiplicamos numerador y denominador por la raiz cuadrada de cuatro
veces el valor absoluto del coeficiente numrico del trmino en x
2
( a 4 )
PASO 2: Se expresa el trmino interior a la raiz obtenido en el paso anterior en la
forma
(mx n)
2
p
identificando coeficientes con esta expresin.
PASO 3: Se divide numerador y denominador por la raiz cuadrada de p.
PASO 4: Se ajusta mediante constantes el resultado obtenido a alguna de las integrales
inmediatas del apartado e) del punto 3.1.
OBS Estas integrales no las podremos resolver dentro del cuerpo de los nmeros
reales cuando los tres (o los dos) coeficientes numricos del polinomio sean negativos.
O tambin porque despus de aplicar el paso 2 obtengamos negativos los dos trminos
bajo el signo integral.
De forma muy similar a la anterior, si tenemos una integral que se asemeja a uno de
estos tres tipos
6/27
$
+ + c bx ax
dx
2 $
+ bx ax
dx
2 $
+ c ax
dx
2
su resolucin es siguendo otro mtodo de cuatro pasos, muy parecido al anterior.
PASO 1: Se multiplican numerador y denominador por cuatro veces el valor absoluto
del coeficiente numrico del trmino en x
2
(4a).
PASO 2: Se expresa el trmino del denominador en la forma
(mx n)
2
p
identificando coeficientes con esta expresin.
PASO 3: Se divide numerador y denominador por p.
PASO 4: Se ajusta por constantes el resultado obtenido a alguna de las integrales
inmediatas del tipo e) del punto 3.1.
4. INTEGRACIN DE FUNCIONES RACIONALES.
Es la integracin de la forma
$
dx
x Q
x P
) (
) (
, siendo P(x) y Q(x) polinomios de
coeficientes reales y exponentes naturales.
OBS Cuando nos encontremos con este tipo de integrales, antes de nada conviene
realizar la comprobacin de que no se trata de una integral inmediata de tipo
Logartmico.
4.1. CASO 1: grado ( P(x)) > > grado ( Q(x)).
En esta situacin, lo primero que hemos de realizar es la divisin de P(x) por Q(x)
quedando
P(x)= Q(x)C(x)+R(x)
siendo C(x) el cociente de la divisin y R(x) el resto ( grado (R(x)< grado (Q(x)).
Entonces la integral nos queda como
$ $ $
+ = dx
x Q
x R
dx x C dx
x Q
x P
) (
) (
) (
) (
) (
La integral
$
dx x C ) ( es de tipo potencial, y por tanto inmediata.
La integral
$
dx
x Q
x R
) (
) (
puede no existir si R(x) =0, siendo la divisin exacta. Si
no es as, obtenemos una integral donde grado (R(x)< grado(Q(x)) que estudiaremos
ms adelante.
7/27
4.2. CASO 2: grado (P(x)) = grado(Q(x)).
El proceso para resolver este caso es el mismo que el anterior. La nica diferencia es
que C(x)=K constante. Entonces la primera integral es tambin es inmediata, siendo
C Kx Kdx + =
$
Todo lo dems es anlogo.
4.3. CASO 3: grado (P(x)) > > grado (Q(x)).
En este caso ya no podemos realizar la divisiln de P(x) por Q(x).
El proceso que debemos seguir sera, en primer lugar, obtener las raices de Q(x), ya
sean del tipo que sean. Hemos de recordar que cualquier polinomio con coeficientes
reales y exponentes naturales puede tener
1) Races Reales Simples
2) Races Reales Mltiples
3) Races Complejas Simples
4) Races Complejas Mltiples
Estudiaremos cada uno de estas cuatro situaciones de forma independiente.
4.3.1. Raices Reales Simples.
En este apartado vamos a suponer que al igualar Q(x) a cero obtenemos slo
raices reales simples.
Vamos a suponer que Q(x)= a
0
(x-/
1
)(x-/
2
)(x-/
3
), siendo a
0
el coefiente
numrico del trmino de mayor grado de Q(x).
El motivo de elegir Q(x) de grado 3 y no de grado n es para no complicar la
escritura con sumatorios y productos. El mtodo de resolucin para el caso de un
polinomio de grado superior a 3 es el mismo, pero ms tedioso.
Para explicar este mtodo vamos a suponer que a
0
=1, ya que si no lo fuera, la
constante 1/a
0
se podra sacar fuera de la integral:
$ $ $
' ' '
=
' ' '
= dx
x x x
x P
a
dx
x x x a
x P
dx
x Q
x P
) )( )( (
) ( 1
) )( )( (
) (
) (
) (
3 2 1 0 3 2 1 0
! ! ! ! ! !
Los pasos a seguir son los siguientes:
Paso1: Descomponer
) (
) (
x Q
x P
en fracciones simples. La descomposicin es nica,
siendo las fracciones de la descomposicin el numerador un coeficiente
indeterminado y el denominador uno de los factores de Q(x).
8/27
) ( ) ( ) ( ) )( )( (
) (
) (
) (
3 2 1 3 2 1
! ! ! ! ! ! '
+
'
+
'
=
' ' '
=
x
C
x
B
x
A
x x x
x P
x Q
x P
con A,B y C constantes.
Paso2: Se expresan ambos trminos con un comn denominador, que siempre ser
Q(x).
) )( )( (
) )( (
) )( )( (
) )( (
) )( )( (
) )( (
) (
) (
3 2 1
2 1
3 2 1
3 1
3 2 1
3 2
! ! !
! !
! ! !
! !
! ! !
! !
' ' '
' '
+
' ' '
' '
+
' ' '
' '
=
x x x
x x C
x x x
x x B
x x x
x x A
x Q
x P
Paso3: Al tener ambos miembros el mismo denominador, igualamos los
numeradores.
P(x)=A(x- /
2
)(x-/
3
) + B(x-/
1
)(x-/
3
) + C(x-/
1
)(x-/
2
)
Paso4: Se calculan los coeficientes A, B y C
hacemos x = /
1
, verificdose
P(/
1
) = A(/
1
-/
2
)(/
1
-/
3
) !
) )( (
) (
3 1 2 1
1
! ! ! !
!
' '
=
P
A
hacemos x = /
2
P(/
2
) = B(/
2
-/
1
)(/
2
-/
3
) !
) )( (
) (
3 2 1 2
2
! ! ! !
!
' '
=
P
B
hacemos x = /
3
P(/
3
) = C(/
3
-/
1
)(/
3
-/
2
) !
) )( (
) (
2 3 1 3
3
! ! ! !
!
' '
=
P
C
Paso 5: Una vez obtenidos los coeficientes, procedemos a la integracin.
K x C x B x A
x
Cdx
x
Bdx
x
Adx
dx
x Q
x P
+ ' + ' + ' =
'
+
'
+
'
=
$ $ $ $
) ln( ) ln( ) ln(
) ( ) ( ) ( ) (
) (
3 2 1
3 2 1
! ! !
! ! !
4.3.2. Races Reales Complejas.
Vamos a suponer que al igualar Q(x) a cero obtenemos raices reales mltiples.
Para simplificar la descripcin del mtodo, pero considerndolo en toda su generalidad,
tomaremos
Q(x)=a
0
(x-/
1
)(x-/
2
)
3
siendo /
1
una raz simple, /
2
una raz mltiple con ndice de multiplicidad 3 y a0 el
coeficiente numrico del trmino de mayor grado de Q(x).
9/27
Anlogamente al caso anterior, vamos a suponer que a
0
=1
Los pasos a seguir son los mismos que en el caso anterior:
Paso1: Descomponer
) (
) (
x Q
x P
en fracciones simples. Las races reales simples se
descomponen de la misma forma. Para las races reales mltiples, el
numerador siempre es un coeficiente indeterminado y el denominador es el
factor mltiple con exponente variando de 1 a su multiplicidad en cada
fraccin.
3
2
2
2 2 1
3
2 1
) ( ) ( ) ( ) ( ) )( (
) (
) (
) (
! ! ! ! ! ! '
+
'
+
'
+
'
=
' '
=
x
D
x
C
x
B
x
A
x x
x P
x Q
x P
con A, B,C y D constantes.
Paso2: Se expresan ambos trminos con un comn denominador, que siempre ser
Q(x).
3
2 1
1
3
2 1
2 1
3
2 1
2
2 1
3
2 1
3
2
) )( (
) (
) )( (
) )( (
) )( (
) )( (
) )( (
) (
) (
) (
! !
!
! !
! !
! !
! !
! !
!
' '
'
+
' '
' '
+
' '
' '
+
' '
'
=
x x
x D
x x
x x C
x x
x x B
x x
x A
x Q
x P
Paso3: Igualamos los numeradores:
) ( ) )( ( ) )( ( ) ( ) (
1 2 1
2
2 1
3
2
! ! ! ! ! ! ' + ' ' + ' ' + ' = x D x x C x x B x A x P
Paso4: La identificacin de coeficientes se puede realizar en este caso de las
siguientes formas:
a) Sustituyendo x por los valores de las races obtendremos tantos coeficientes
indeterminados como races distintas haya.
x=/
1
3
2 1
1 3
2 1 1
) (
) (
) ( ) (
! !
!
! ! !
'
= 0 ' =
P
A A P
x=/
2
) (
) (
) ( ) (
1 2
2
1 2 2
! !
!
! ! !
'
= 0 ' =
P
D D P
El resto de coeficientes los podemos obtener dando a x valores pequeos distintos
de las races /
1
y /
2
. Tantos valores como coeficientes queden por calcular. En nuestro
caso, dos.
x=x
0
) ( ) )( ( ) )( ( ) ( ) (
1 0 2 0 1 0
2
2 0 1 0
3
2 0 0
! ! ! ! ! ! ' + ' ' + ' ' + ' = x D x x C x x B x A x P
x=x
1
10/27
) ( ) )( ( ) )( ( ) ( ) (
1 1 2 1 1 1
2
2 1 1 1
3
2 1 1
! ! ! ! ! ! ' + ' ' + ' ' + ' = x D x x C x x B x A x P
Como A y D son conocidos, llegamos a un sistema de dos ecuaciones con dos
incgnitas, que una vez resuelto nos dar B y C.
b) Si realizamos las operaciones que indica el segundo miembro e igualamos los
coeficientes de ambos miembros del mismo grado, obtenemos un sistema de tantas
ecuaciones como incgnitas.
Paso5: Una vez obtenidos los coeficientes procedemos a la integracin:
K
x
D
x
C
x B x A
x
Ddx
x
Cdx
x
Bdx
x
Adx
dx
x Q
x P
+
'
'
'
' ' + ' =
=
'
+
'
+
'
+
'
=
$ $ $ $ $
2
2 2
2 1
3
2
2
2 2 1
) ( 2 ) (
) ln( ) ln(
) ( ) ( ) ( ) ( ) (
) (
! !
! !
! ! ! !
Las dos primeras integrales son inmediatas de tipo logartmico y las dos ltimas son
inmediatas de tipo potencial:
4.3.3. Races Complejas Simples.
Describiremos el mtodo de resolucin suponiendo que el polinomio Q(x) es de
grado 5, con races x=/
1
(real simple), x=/
2
(real mltiple de orden 2) y x= a+bi, x=a-bi
( races complejas simples). Escogemos as Q(x) por ser el supuesto ms completo de
los que constituyen este caso.
Q(x)=a
0
(x-/
1
)(x-/
2
)
2
(x-(a+bi))(x-(a-bi))
Los dos ltimos factores se pueden escribir como
(x-(a+bi))(x-(a-bi))=(x-a)
2
+b
2
quedando entonces
Q(x)=a
0
(x-/
1
)(x-/
2
)
2
((x-a)
2
+b
2
)
De forma anloga a los dos casos anteriores, supondremos que a
0
=1.
Los pasos a seguir en este mtodo son los mismos que hemos visto en los dos
apartados anteriores.
En la descomposicin de
) (
) (
x Q
x P
en fracciones simples, las fracciones que
corresponden a las races reales simples son de la misma forma que en punto 4.3.1.; las
fracciones correspondientes a las races reales mltiples son de la forma que en el punto
4.3.2.; y las fracciones correspondientes a las races imaginarias simples son: el
numerador un polinomio en x de primer grado completo de coeficientes indeterminados,
y el denominador la expresin (x-a)
2
+b
2
.
11/27
Antes de proseguir con la explicacin de este mtodo, vanos a realizar un inciso,
para explicar como se integran estas fracciones nuevas que hemos obtenido.
) 2 ( ) 1 (
) (
1
) ( ) (
2 2 2 2 2 2
+ =
+ '
+
+ '
=
+ '
+
$ $ $
dx
b a x
N dx
b a x
x
M dx
b a x
N Mx
) ' ' 1 ( ) ' 1 (
) (
2
2 ) (
2 2
2
) (
2 2 2
2 ) (
2
2
) 1 (
2 2 2 2
2 2 2 2
+ =
+ '
+
+ '
'
=
=
+ '
+ '
=
+ '
=
$ $
$ $
dx
b a x
a M
dx
b a x
a x M
dx
b a x
a a x M
dx
b a x
x M
2 2
2 2
) ( ln
2 ) (
2 2
2
) ' 1 ( b a x
M
dx
b a x
a x M
+ ' =
+ '
'
=
$
=
+ '
+ = +
$
dx
b a x
N Ma
2 2
) (
1
) ( ) 2 ( ) ' ' 1 (
Es una integral del tipo arcotangente que se resuelve como sigue:
b
a x
b
N Ma
dx
b
a x
b
N Ma
' +
=
+
'
+ =
$
arctg
1
) (
1
) (
2
2
2
con lo cual la integral a calcular queda como
K b a x
M
b
a x
b
N Ma
dx
b a x
N Mx
+ + ' +
' +
=
+ '
+
$
2 2
2 2
) ( ln
2
arctg
) (
Con esto terminamos el inciso y proseguimos con el mtodo.
Paso1:
2 2 2
2 2 1
2 2 2
2 1
) ( ) ( ) ( ) ( ) ) (( ) )( (
) (
) (
) (
b a x
N Mx
x
C
x
B
x
A
b a x x x
x P
x Q
x P
+ '
+
+
'
+
'
+
'
=
+ ' ' '
=
! ! ! ! !
con A, B, C, M y N constantes.
Paso2: Reducimos a comn denominador. Omitimos la frmula por no ser de
inters.
Paso3: Igualamos los numeradores.
2
2 1
2 2
1
2 2
2 1
2 2 2
2
) )( )( ( ) ) )(( ( ) ) )(( )( ( ) ) (( ) ( ) ( ! ! ! ! ! ! ' ' + + + ' ' + + ' ' ' + + ' ' = x x N Mx b a x x C b a x x x B b a x x A x P
Paso4: En este caso podemos realizar la identificacin de coeficientes de la misma
forma que en 4.3.2.
12/27
Paso5:
K
b
a x
b
N Ma
b a x
M
x
C
x B x A dx
x Q
x P
+
' +
+ + ' +
'
' ' + ' =
$
arctg ) ) ln((
2 ) (
) ln( ) ln(
) (
) (
2 2
2
2 1
!
! !
4.3.4. Races Complejas Mltiples.
Veremos este caso en el supuesto particular de que le polinomio Q(x) sea de noveno
grado, siendo sus races
x=/
1
raz real simple
x=/
2
raz real mltiple de orden 2.
x=a+bi y x=a-bi races complejas simples
x=c+di y x=c-di races complejas mltiples de orden 2.
Entonces
Q(x)=a
0
(x-/
1
)(x-/
2
)
2
((x-a)
2
+b
2
) ((x-c)
2
+d
2
)
2
siendo a
0
el coeficiente principal de Q(x), que supondremos, sin prdida de generalidad
que es a
0
=1.
2 2 2 2 2 2 2 2
2 2 1
) ) (( ) ( ) ( ) ( ) ( ) ( ) (
) (
d c x
V Ux
d c x
T Sx
b a x
N Mx
x
C
x
B
x
A
x Q
x P
+ '
+
+
+ '
+
+
+ '
+
+
'
+
'
+
'
=
! ! !
Hasta el paso 4 se realiza de la misma forma que en 4.3.2 y 4.3.3.
Al llegar al paso 5, una vez obtenidos los coeficientes indeterminados, procedemos a
la integracin de cada una de las fracciones, siendo ya conocido el resultado menos de
la ltima.(Remitimos al lector a la hoja de problemas para conocer su resolucin).
No resolveremos en el tema la integral de la ltima fraccin por no extendernos
innecesariamente, ya que vamos a ver un mtodo alternativo para resolver las integrales
de cocientes de polinomios con denominador con races complejas mltiples, llamado
Mtodo de Hermite.
5. MTODO DE HERMITE.
Para explicar este mtodo, partimos de un cociente de polinomios
) (
) (
x Q
x P
donde las
races de Q(x) pueden ser tanto reales como complejas y simples o mltiples. Por tanto,
estamos en la misma situacin que en el punto 4.3.4
De nuevo supondremos que Q(x) es un polinomio de noveno grado cuya
descomposicin es
13/27
Q(x)=a
0
(x-/
1
)(x-/
2
)
2
((x-a)
2
+b
2
) ((x-c)
2
+d
2
)
2
siendo a
0
el coeficiente principal de Q(x), que supondremos, sin prdida de generalidad
que es a
0
=1.
Paso1:
- Las races reales simples se descomponen como hemos visto en el punto 4, con un
coeficiente indeterminado como numerador y el factor que contiene a la raz como
denominador.
- Las races reales mltiples se descomponen como si fueran simples, sin tener en
cuenta su ndice de multiplicidad.
- Las races complejas simples se descomponen como hemos visto en el punto 4.3.3.
- Las races complejas mltiples se descomponen como si fueran simples, sin tener en
cuenta su ndice de multiplicidad.
- Adems, hay un trmino ms que pasamos a describir:
La derivada de un cociente donde el denominador es el producto de los factores
mltiples con exponentes igual a sus ndices de multiplicidad respectivos menos uno. El
numerador ser un polinomio completo de grado inferior en una unidad del grado del
polinomio del denominador.
OBS Se suelen utilizar letras minsculas para expresar los coeficientes
indeterminados del trmino caracterstico de Hermite.
)
)
*
+
,
,
-
.
+ ' '
+ +
+
+ '
+
+
+ '
+
+
'
+
'
=
) ) )(( ( ) ( ) ( ) ( ) ( ) (
) (
2 2
2
2
2 2 2 2
2 1
d c x x
p nx mx
dx
d
d c x
T Sx
b a x
N Mx
x
B
x
A
x Q
x P
! ! !
siendo A, B, M, N, S, T, m, n y p constantes a determinar.
Paso2: Se deriva le ltimo trmino con respecto a x.
2 2 2 2
2
2
2 2 2 2 2
2
2 2 2 2
2 1
) ) (( ) (
)) ( 2 ) ( ) )(( ( ) ) )(( )( (
) ( ) ( ) ( ) ( ) (
) (
d c x x
c x x d c x p nx mx d c x x n zmx
d c x
T Sx
b a x
N Mx
x
B
x
A
x Q
x P
+ ' '
' ' + + ' + + ' + ' ' +
+
+
+ '
+
+
+ '
+
+
'
+
'
=
!
! !
! !
Paso3: Se expresan ambos miembros con un comn denominador que ser siempre
Q(x).
Paso4: Se igualan los numeradores
14/27
) ) )(( ( 2 ) )( )( (
) ) )(( ) )(( )( (
) ) )(( ) (( ) )( )( 2 (
) ) )(( ) (( ) )( )( ( ) ) (( ) )( )( (
) ) )(( ) (( ) )( ( ) ) )(( ) (( ) ( ) (
2 2 2
2 1
2
2 2 2 2
1
2
2 2 2 2 2
2 1
2 2 2 2 2
2 1
2 2 2 2
2 1
2 2 2 2 2 2
2 1
2 2 2 2 2 2
2
b a x c x x x p nx mx
d c x b a x x p nx mx
d c x b a x x x n mx
d c x b a x x x T Sx d c x x x N Mx
d c x b a x x x B d c x b a x x A x P
+ ' ' ' ' + + '
' + ' + ' ' + + '
' + ' + ' ' ' + +
+ + ' + ' ' ' + + + ' ' ' + +
+ + ' + ' ' ' + + ' + ' ' =
! !
!
! !
! ! ! !
! ! !
Paso5: Clculo de los coeficientes indeterminados, que se har de la misma forma que
en 4.3.2, 4.3.3 4.3.4.
Paso6: Integracin de cada una de las fracciones obtenidas.
En nuestro ejemplo, las integrales primera y segunda son inmediatas de tipo
Logartmico. La tercera y cuarta las hemos resuelto en el punto 4.3.3. y la ltima es
inmediata teniendo en cuenta las propiedades de la integral.
( )
( ) ( ) K
d c x x
p nx mx
d
c x
d
T Sc
d c x
S
b
a x
b
N Ma
b a x
M
x B x A dx
x Q
x P
+
+ ' '
+ +
+
' +
+ + ' +
+
' +
+ + ' + ' + ' =
$
) ) )(( (
arctg ln
2
arctg ) ( ln
2
) ln( ) ln(
) (
) (
2 2
2
2
2 2
2 2
2 1
!
! !
OBS En el mtodo de Hermite, si se realiz correctamente, no aparecen nunca
integrales inmediatas de tipo potencial.
6. INTEGRACIN POR PARTES.
Si u ! v son funciones de x, por ejemplo u=f(x) y v=g(x), aplicando la frmula de la
diferencial de un producto de funciones
d(uv) = udv + vdu
y si de esta expresin despejamos udv
udv = d(uv) - vdu
Integrando ambos miembros de la igualdad
$ $ $
' = vdu uv d udv ) (
que se puede escribir como
$ $
' = vdu uv udv
que es la llamada frmula de integracin por partes.
Si ahora tenemos en cuenta que
15/27
u = f(x) 0 du = f(x)dx
v = g(x) 0 dv = g(x)dx
y los sustituimos en la frmula de integracin por partes, obtenemos
$ $
' = dx x f x g x g x f dx x g x f ) ( ' ) ( ) ( ) ( ) ( ' ) (
Esta nueva forma de expresar la frmula de integracin por partes nos expresa mejor
ste mtodo de integracin, el cual consiste en convertir una integral en una parte ya
integrada ms una nueva integral.
Se trata de descomponer la integral original como producto de dos funciones,
escogiendo stas de tal manera que al aplicar la frmula la nueva integral resulte ms
sencilla que la inicial.
Vamos a ver a continuacin unas recomendaciones que nos pueden servir para
descomponer la integral en dos partes. Partimos del supuesto de que cualquier funcin
se puede expresar como producto de otras dos, aunque una de ellas sea una constante.
Adjuntamos una tabla, en la que llamaremos P(x) y Q(x) a los dos factores en los que
dividimos la funcin a integrar.
P(x) Q(x) u dv
Funcin inversa de Trigonome-
trica circular o hiperblica o
funcin logartmica
La unidad o cualquier cons-
tante P(x) Q(x)dx
Funcin inversa de Trigonome-
trica circular o hiperblica o
funcin logartmica
Polinimio en x o funcin
racional en x P(x) Q(x)dx
Polinomio en x o funcin
racional en x
Funcin Trigonomtrica
circular o hiperblica direc-
ta, o funcin exponencial
(normalmente de integra-
cin inmediata)
P(x) Q(x)dx
Funcin Exponencial (normal-
mente de integracin inmedia-
ta)
Funcin Trigonomtrica
circular o hiperblica direc-
ta.
P(x)
o
Q(x)
Q(x)dx
o
P(x)dx
6.1. Integracin por Reduccin.
La integracin por reduccin la aplicaremos a integrales con funciones de
exponentes habitualmente enteros pero elevados. Se trata de obtener una parte integrada
y otra sin integrar tal que, al aplicar la frmula de integracin por partes, se obtenga una
nueva integral con la funcin con el exponente disminuido.
El mtodo es muy similar en todos los casos. Primero aplicamos la integracin por
partes, obteniendo una parte ya integrada y una integral en la que se debe, u obtener la
integral inicial reducida de exponente, o descomponerla en suma de integrales, siendo
$
vdu
$
vdu
16/27
una de ellas la integral inicial reducida de exponente y la otra la propia integral inicial.
En este segundo caso llegamos a una integral recurrente y trataremos como tal.
Un ejemplo de frmula de reduccin:
$ $
' '
'
+ = xdx
m
m
x x
m
xdx
m m m 2 1
sen
1
cos sen
1
sen
7. CAMBIO DE VARIABLE.
Este mtodo tambin se conoce como integracin por sustitucin. Ante integrales
cuya resolucin no podemos realizar como inmediata, ni racional, ni por partes (o de
cualquier otra forma que veremos despus) se recurre a este mtodo.
Consiste en encontrar una funcin x=g(t) la cual, al sustituirla bajo el signo integral,
convierte a la integral en otra ms sencilla con la nueva variable t.
La sustitucin x=g(t) debe cumplir
a) Ser derivable y con derivada no nula.
dx = g(t)dt
b) Admitir funcin inversa.
x = g(t) 0 t = h(x)
Entonces
$ $
+ = + = = C x h F C t F dt t g t g f dx x f )) ( ( ) ( ) ( ' )) ( ( ) (
Slo nos queda por comprobar, para ver que es correcto, que la derivada de F(h(x))
es f(x):
) ( )) ( (
) ( '
1
) ( ' )) ( (
) ( '
1
) ( '
) ( ) ( )) ( (
x f t g f
t g
t g t g f
t g
t F
dx
dt
dt
t dF
dx
t dF
dx
x h dF
= = = = = =
El mtodo de sustitucin es uno de los ms amplios por la gran variedad de
sustituciones que se pueden dar. Pero hemos de aplicar a cada caso el cambio adecuado,
ya que si no, el cambio nos puede llevar a integrales de mayor dificultad.
El los subapartados siguientes indicaremos las sustituciones para tipos concretos. La
expresin R indicar funcin racional de los elementos entre parntesis (elementos
relacionados entre s por las operaciones racionales de suma, resta, producto y cociente).
7.1. Sustitucin en funciones exponenciales, logartmicas e inversas de trigonom-
tricas circulares e hiperblicas.
17/27
Tipo de Integral Sustitucin Clculo de elementos para la sustitucin.
$
dx a R
x
) (
$
dx a x R
x
) , (
t=a
x
t=a
x

a
t
x
ln
ln
=
a t
dt
dx
ln
=
$
dx e R
x
) (
$
dx e x R
x
) , (
t=e
x
t=e
x
x=ln t
t
dt
dx =
$
dx x x R ) ln , ( t=ln x t=lnx x=e
t
dx=e
t
dt
$
dx x x R ) arctg , (
t=arctg x x=tg t dt
t
dx
2
cos
1
=
$
dx x x R ) arcsen , ( t=arcsen x x=sen t dx=-sen t dt
$
dx x x R ) arccos , ( t=arccos x x=cos t dx=-sen t dt
$
dx x x R ) tgh arg , (
t=argtgh x x=tgh x
t
dt
dx
2
cosh
=
$
dx x x R ) senh arg , ( t=argsenh x x=senh x tdt dx cosh =
$
dx x x R ) cosh arg , ( t=argcosh x x=cosh x tdt dx senh =
7.2. Sustitucin en integrales de funciones trigonomtricas circulares.
Sustitucin Clculo de elementos para la sustitocin
Si R(sen x, cos x) es impar
en sen x, haremos:
t=cos x
t=cos x
2
1 t
dt
dx
'
'
=
2
1 sen t x ' =
Si R(sen x, cos x) es impar
en cos x, haremos:
t=sen x
t=sen x
2
1 t
dt
dx
'
=
2
1 cos t x ' =
Si R(sen x, cos x) es par
en sen x y cos x, hare-
mos:
t=tg x
t=tg x
2
1 t
dt
dx
+
=
2
1
sen
t
t
x
+
=
2
1
cos
t
t
x
+
=
Si R(sen x, cos x) no
cumple con ninguna de las
caractersticas anteriores,
haremos:
2
tg
x
t =
2
1
2
t
dt
dx
+
=
2
1
2
sen
t
t
x
+
=
2
2
1
1
cos
t
t
x
+
'
=
7.3 Sustitucion en integrales de funciones hiperbolicas.
Sustitucin Clculo de elementos para la sustitocin
Si R(senh x, cosh x) es
impar en senh x, haremos:
t=cosh x
1
2
'
=
t
dt
dx 1 senh
2
' = t x
18/27
Si R(senh x, cosh x) es
impar en cosh x, haremos:
t=senh x
1
2
+
=
t
dt
dx 1 cosh
2
+ = t x
Si R(senh x, cosh x) es par
en senh x y cosh x, hare-
mos:
t=tgh x
2
1 t
dt
dx
'
=
2
1
senh
t
t
x
'
=
2
1
cosh
t
t
x
'
=
Si R(senh x, cosh x) no
cumple con ninguna de las
caractersticas anteriores,
haremos:
2
tgh
x
t =
2
1
2
t
dt
dx
'
=
2
1
2
senh
t
t
x
'
=
2
2
1
1
cosh
t
t
x
'
+
=
8. FRMULAS RECURRENTES.
Dada una integral a la cual no podemos aplicar el mtodo de sustitucin, y el
mtodo de integracin por partes nos d una integral similar integral partida, podemos
aplicar la resolucin por recurrencia.
1) dx e x
x n !
$
Llamaremos a la integral a calcular
= =
$
dx e x I
x n
n
!
n
x u =
1 '
=
n
nx du
dx e dv
x !
=
!
!x
e
v =
1
1
1

1 1
'
'
' = + 1
$
n
x n n x n
I
n
e x nx e x
! ! ! !
! !
La ecuacin recurrente es:
1
1
'
' =
n
x n
n
I
n
e x I
! !
!
2) Sea = =
$
'
dx x x I
n m
n m
) ( )cos ( sen
1
,
dx x sen u
m
) (
1 '
= dx x x sen m du
m
) )cos( ( ) 1 (
2 '
' =
dx x x sen dv
n
) ( )cos ( =
1
) ( cos
1
+
' =
+
n
x
v
n
19/27
2 , 2
1 1
2 2
1 1

1
1
1
) ( cos ) ( sen
) ( )cos ( sen
1
1
1
) ( )cos ( sen
+ '
+ '
+ '
+ '
+
'
+
+
' =
+
'
+
+
'
$
n m
n m
n m
n m
I
n
m
n
x x
dx x x
n
m
n
x x
Luego la ecuacin es:
2 , 2
1 1
,

1
1
) ( cos ) (
1
1
+ '
+ '
+
'
+
+
' =
n m
n m
n m
I
n
m
x x sen
n
I
9. INTEGRACIN DE FUNCIONES IRRACIONALES.
9.1. Integracin por sustitucin en funciones irracionales.
En la tabla siguiente aparecen las sustituciones ms importantes para la resolucin
de este tipo de integrales. Daremos el tipo de integral al que se aplica, la sustitucin que
se realiza y el clculo de aquellos elementos necesarios para completar la sustitucin.
Tipo de Integral Sustitucin
$
)
)
*
+
,
,
-
.
)
*
+
,
-
.
+
+
)
*
+
,
-
.
+
+
)
*
+
,
-
.
+
+
dx
d cx
b ax
d cx
b ax
d cx
b ax
x R
s t q p n m
, , , , K
d cx
b ax
t
M
+
+
=
siendo M el m.c.m. de los
denominadores
Clculo de los elementos para la sustitucin
) (t f
c t a
b d t
x
M
M
=
'
'
= funcin racional en t dt t f dx ) ( ' =
Tipo de Integral Sustitucin
( ) ( ) ( ) ( )
$
+ + + dx b ax b ax b ax x R
s t q p n m
, , , , K
(es similar al caso anterior, con c=0 y d=1
b ax t
M
+ =
siendo M el m.c.m. de los
denominadores
Clculo de los elementos para la sustitucin
( ) ) (
1
t f b t
a
x
M
= ' = funcin racional en t dt t f dx ) ( ' =
Tipo de Integral Sustitucin
( )
$
dx x x x x R
s t q p n m
, , , , K
(es similar al caso anterior, con b=0 y a=1
x t
M
=
siendo M el m.c.m. de los
denominadores
Clculo de los elementos para la sustitucin
dt t M dx
M 1

'
=
9.2. Mtodos especiales de integracin de funciones irracionales.
a) Integrales de la forma
$
+ +
dx
c bx ax
x P
2
) (
con grado (P(x)) 2 1
20/27
Vemos los pasos a seguir en la resolucin:
Paso 1: Descomponemos la fraccin como sigue: Un primer trmino que es la
derivada indicada con respecto a x del producto de un polinomio que
llamaremos Q(x), completo en x con coeficientes indeterminados y de grado
menor en una unidad al grado de P(x), multiplicado por la raz cuadrada del
denominador. A esto sumaremos un segundo trmino que ser una fraccin
formada por un coeficiente indeterminado, 3, como numerador, y la raz
como denominador. No demostraremos que la descomposicin es nica.
c bx ax
c bx ax x Q
dx
d
c bx ax
x P
+ +
+ + + =
+ +
2
2
2
) ) ( (
) ( "
Paso 2: Se deriva la expresin que hay indicada.
c bx ax c bx ax
b
ax x Q
c bx ax x Q
c bx ax
x P
+ +
+
+ +
)
*
+
,
-
.
+
+ + + =
+ +
2 2
2
2
2
) (
) ( '
) ( "
Paso 3: Reducimos ambos miembros a comn denominador.
c bx ax c bx ax
b
ax x Q
c bx ax
c bx ax x Q
c bx ax
x P
+ +
+
+ +
+
+
+ +
+ +
=
+ +
2 2 2
2
2
)
2
)( (
) )( ( ' ) ( "
Paso 4: Igualamos los numeradores de ambos miembros y procedemos a la
identificacin de coeficientes.
" + + + + + = )
2
)( ( ) )( ( ' ) (
2
b
ax x Q c bx ax x Q x P
Paso 5: Integramos en ambos miembros de la expresin obtenida en el Paso 1. El
primer trmino queda integrado con slo eliminar la indicacin de derivada,
y el segundo trmino es una integral que ya resolvimos en un apartado
anterior.
$ $
+ +
+ + + =
+ +
dx
c bx ax
c bx ax x Q dx
c bx ax
x P
2
2
2
1
) (
) (
"
21/27
b) Integrales de la forma
$
+ + ' c bx ax a x
dx
p 2
) (
Este tipo de integral es muy especfico, y mediante la siguiente sustitucin que
recomendamos se reduce a integrales ya vistas.
Sustitucin:
a x
t
'
=
1
Elementos necesarios para completar la sustitucin:
a x
t
' =
1
t
a x
1
+ = dt
t
dx
2
1
' =
c) Caso General. Sustitucin en funciones irracionales.
A continuacin exponemos una tabla con sustituciones estndar para resolver
integrales del tipo
dx c bx ax x R
$
+ + ) , (
2
Estas sustituciones se pueden aplicar a los dos casos anteriores, pero no es
aconsejable.
Tipo de Integral Sustitucin
( )
$
+ + dx c bx ax x R
2
, Si a>0 t x a c bx ax + = + +
2
Clculo de los elementos para la sustitucin
) (
2
2
t f
t a b
c t
x =
'
=
m
funcin racional en t
dt t f dx ) ( ' = t t f a c bx ax + = + + ) (
2
Tipo de Integral Sustitucin
( )
$
+ + dx c bx ax x R
2
, Si c>0 t x c c bx ax
2
+ = + +
Clculo de los elementos para la sustitucin
) (
2
2
t f
t a
b t c
x =
'
'
= funcin racional en t
dt t f dx ) ( ' = t t f c c bx ax ) (
2
+ = + +
Tipo de Integral Sustitucin
( )
$
+ + dx c bx ax x R
2
, t x c bx ax ) (
2
! ' = + +
Siendo / una de las dos races que se obtienen al
resolver la ecuacin y la otra 4.
22/27
Clculo de los elementos para la sustitucin
) (

2
2
t f
t a
t a
x =
'
'
=
! #
funcin racional en t
dt t f dx ) ( ' = t t f c bx ax ) ) ( (
2
! ' = + +
Si en la integral anterior tenemos que b = 0 podemos aplicar otras sustituciones ms
fciles que las estndar, usando funciones trigonomtricas circulares.
Tipo de Integral Sustitucin Clculo de elementos para la sustitucin.
$
+ ' dx c ax x R ) , (
2
t
a
c
x sen =
t c ax c cos
2
= '
tdi
a
c
dx cos =
x
c
a
t arcsen =
$
' dx c ax x R ) , (
2
t
a
c
x sec =
t c c ax tg
2
= '
di
t a
t c
dx
2
cos
sen
=
x
c
a
t arcsen =
$
+ dx c ax x R ) , (
2
t
a
c
x tg =
t c c ax sec
2
= +
di
t a
c
dx
2
cos
=
x
c
a
t arctg =
10. INTEGRALES BINMIAS.
Las integrales que llamaremos Binomias son de la forma:
$
+ dx bx a x
p n m
) (
y las sustituciones que hay que realizar son las que aparecen en la tabla siguiente:
23/27
Tipo de Integral Sustitucin
Si p es un nmero entero
n
t x
1
=
Si
n
m 1 +
es un nmero entero
n s
x b a t + = siendo s el
denominador de la fraccin p
( )
$
+ dx bx a x
p
n m

Si p
n
m
+
+1
es un nmero entero b x a t
n s
+ =
'
siendo s
el denominador de la fraccin p
11. APLICACIONES.
11.1. reas de Figuras Planas.
a) rea de la figura limitada por la curva y = f(x) entre x = a, x = b y el eje OX (b > a).
Podemos distinguir dos casos segn la grfica y = f(x) corte al eje OX en algn
punto del intervalo [a, b] o no.
Si no corta al eje en [a,b]
$
=
b
a
dx x f S ) (
Supongamos ahora que f(x) corta a OX en x
1
, x
2
# [a,b]
$ $ $
+ + =
b
x
x
x
x
x
a
dx x f dx x f dx x f S
2
2
1
1
) ( ) ( ) (
b) rea de la figura limitada por la curva y = f(x) y el eje OX.
b.i) Existen dos puntos de corte.
Supongamos que sean x = a y x = b
24/27
$
=
b
a
dx x f S ) (
b.ii) Existen ms de dos puntos de corte.
Supongamos que sean tres: x
1
, x
2
y x
3
$ $
+ =
3
2
2
1
) ( ) (
x
x
x
x
dx x f dx x f S
c) rea de la figura limitada entre las curvas y = f(x), y = g(x), x = a y x = b (con f(x) y
g(x) positivas o negativas en [a,b]).
$
' =
b
a
dx x g x f S )) ( ) ( (
d) rea de la figura limitada entre las curvas y = f(x), y = g(x), x = a y x = b (f(x) > 0 y
g(x) < 0 en [a,b]).
$
' =
b
a
dx x g x f S )) ( ) ( (
25/27
e) rea de la figura limitada entre las curvas y = f(x), y = g(x), x = a y x = b (f(x) y
g(x) positivas o negativas ambas) con un punto de corte.3
Sea x
1
solucin a f(x) = g(x)
$ $
' + ' =
b
x
x
a
dx x g x f dx x g x f S
1
1
)) ( ) ( ( )) ( ) ( (
f) rea limitada entre las curvas y = f(x) e y = g(x)
Se resuelve la ecuacin para f(x) = g(x) para hallar los puntos de corte.
Supongamos que slo salen dos, a y b que f(x) > g(x) " x # [a,b].
$
' =
b
a
dx x g x f S )) ( ) ( (
Si existiesen ms de dos puntos de corte, aplicaremos la frmula para cada dos
puntos consecutivos.
11.2. Volmenes de cuerpos de Revolucin.
a) Volumen del cuerpo engendrado por la revolucin de la curva y = f(x) alrededor del
eje OX entre x = a y x = b.
$
=
b
a
dx x f V ) (
2
$
b) Volumen del cuerpo engendrado por la revolucin de la curva y = f(x) alrededor del
eje OY entre x = a y x = b.
26/27
$
=
b
a
dx x xf V ) ( 2$
c) Volumen del cuerpo engendrado por la revolucin de una figura limitada por las
curvas y = f(x) e y = g(x) (f(x) > g(x)) entre x = a y x = b al girar alrededor del eje
OX
$
' =
b
a
dx x g x f V )) ( ) ( (
2 2
$
d) Volumen del cuerpo engendrado por la revolucin de una figura limitada por las
curvas y = f(x) e y = g(x) (f(x) > g(x)) entre x = a y x = b al girar alrededor del eje
OY.
$
' =
b
a
dx x g x f V )) ( ) ( ( 2$
11.3. Area de una superficie de revolucin.
a) Area de la superficie generada por el giro alrededor del eje OX de l arco de la curva
y = f(x) entre x = a y x = b.
$
+ =
b
a
dx x f x f V
2
)) ( ' ( 1 ) ( 2$
27/27
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Lecciones de Clculo Infinitesimal I. Aut. R. Molina Legaz, M. Franco. Ed.
Universidad de Murcia.
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Calculus. Aut. Apostol. Ed. Revert
1/15
TEMAS DE MATEMTICAS
(Oposiciones de Enseanza Secundaria)
TEMA 31
INTEGRACIN NUMRICA. METODOS Y APLICACIONES.
1. Introduccin.
2. Integracin con abcisas dadas.
2.1. Frmulas de integracin interpolatoria
2.2. Error de las frmulas de integracin interpolatoria.
2.3. Frmula de Simpson
2.4. Error de la Frmula de Simpson
2.5. Frmula del Rectngulo o del punto medio.
2.6. Frmula del Trapecio.
2.7. Regla del Trapecio Corregida.
2.8. Frmula de Newton-Cotes.
3. Reglas Compuestas de Integracin Numrica.
3.1. Regla de los Trapecios.
3.2. Regla de Simpson.
3.3. Regla del Punto Medio.
3.4. Regla del Trapecio Compuesta.
3.5. Regla del Trapecio Corregida.
4. Integracin Gaussiana.
4.1. Ejemplo que motiva las frmulas.
4.2. Frmulas Gaussianas.
4.3. Error de las Frmulas Gaussianas.
5. Mtodo de Romberg.
Bibliografa Recomendada.
2/15
TEMA 31
INTEGRACIN NUMRICA. METODOS Y APLICACIONES.
1. INTRODUCCIN.
Dada una funcin de forma analtica, sabemos por temas anteriores calcular su
integral definida entre a y b siempre que conozcamos una primitiva de ella. El problema
surge cuando no sabemos una primitiva de ella. Esa situacin es muy normal en
problemas prcticos de Fsica, Qumica y otras ciencias.
El problema de la integracin numrica de una funcin consiste en calcular el valor
de una integral definida sobre la base de una serie de valores del integrando.
2. INTEGRACIN CON ABCISAS DADAS.
2.1. Frmulas de Integracin Interpolatoria.
Sean
0
x a ! <
1
x << b x
m
! una particin en m+1 abcisas del segmento [a, b] y
consideramos el polinomio
m
P (x) de grado menor o igual que m verificando:
m
P (
K
x ) = f(
K
x ) con k"A = { 0, 1, , m }
entonces, aproximaremos la integral buscada por:
dx x P x f
b
a
b
a
m
) ( ) (
# #
=
As, integrando la frmula de interpolacin de Lagrange, que viene dada por :
m
P (x) = ) (
0
x l f
K
m
K
K $
=
, donde
%
&
'
'
=
K i i K
i
K
x x
x x
l
obtenemos la frmula de integracin numrica
#
$
=
(
b
a
m
K
K K
f W dx x f
0
) ( donde dx x l W
b
a
K K
) (
#
= con k A " .
Debido a que esta frmula se halla por integracin de un polinomio interpolador,
recibe el nombre de frmula de integracin interpolatoria de m+1 abcisas.
Los elementos
K
W los llamaremos pesos, y hay que tener en cuenta que no
dependen de f, aunque si del intervalo [a, b] y de las abcisas
0
x ,,
m
x .
Para cualquier polinomio de grado menor o igual que m, la frmula es exacta por la
unicidad del polinomio interpolador. Esto nos permite calcular los pesos
K
W sin tener
3/15
que integrar ) ( x l
K
, es decir, para los monomios 1, x,
2
x , ,
m
x la frmula es exacta
resolviendo el sistema resultante.
2.2. Error de las Frmulas de Integracin Interpolatoria.
El error de la aproximacin viene dado por la integral del error de interpolacin,
utilizando como error de interpolacin la expresin:
f(x) - ) ( x p
m
=
)! 1 (
)) ( (
) 1 (
+
+
m
x f
m
!
) ( ) )( (
1 0 m
x x x x x x ' ' ' K
Por lo tanto si
1 +
"
m
C f ( [a, b] ), se tiene que el error de la frmula de integracin
interpolatoria de m+1 abcisas es:
=
m
E
#
$
=
=
b
a
m
K
K K
f W dx x f
0
) ( =
#
b
a
)! 1 (
)) ( (
) 1 (
+
+
m
x f
m
!
) ( ) )( (
1 0 m
x x x x x x ' ' ' K dx
con!(x) "(a, b)
Si tomamos la constante k"R, como la cota superior de la derivada (m+1)-sima de
f, k x f
m
!
+
) (
) 1 (
" )k [a, b], tenemos que:
)! 1 ( +
!
m
k
E
m

#
b
a
) ( ) )( (
1 0 m
x x x x x x ' ' ' K dx
2.3. Frmula de Simpson.
Si tomamos polinomios de grado menor o igual que 2, usamos
k
g = g(k) (k = -1, 0,
1) y la frmula de integracin interpolatoria de m+1 abcisas, podemos calcular los pesos
de integracin
1 '
W ,
0
W y
1
W para que la frmula:
#
'
(
1
1
) ( dt t g
1 1 ' '
g W +
0 0
g W +
1 1
g W
sea exacta.
Interponiendo la exactitud de la frmula para g(t) = 1, t,
2
t obtenemos que
4/15
*
*
*
+
*
*
*
,
-
=
=
=
.
*
*
+
*
*
,
-
= +
= + '
= + +
'
'
'
'
3
1
3
4
3
1
3
2
0
2
1
0
1
1 1
1 1
1 0 1
W
W
W
W W
W W
W W W
Por lo tanto tenemos que la frmula buscada la podemos expresar como:
#
'
(
1
1
) ( dt t g
3
1
(
1 '
g +
0
4g +
1
g ).
Aunque esta frmula podemos expresarla para cualquier intervalo [a, b] solamente
con el cambio:
t = 2
a b
a x
'
'
- 1 o lo que es lo mismo x =
2
a b '
t +
2
b a +
resultando as una frmula nueva de integracin numrica para una funcin f(x) sobre
un intervalo [a, b] que recibir el nombre de frmula de Simpson:
#
b
a
dx x f ) ( (
6
a b '
[ f(a) + 4 f )
2
(
b a +
+ f(b)]
aunque haciendo el ajuste c =
2
b a +
y h =
2
a b '
tenemos que:
#
b
a
dx x f ) ( (
3
h
[ f(c-h) + 4 f(c)+ f(c + h)].
que tambin es vlida y recibe el mismo nombre.
Nota: Estas frmulas resultan tambin exactas sobre polinomios de grado menor o igual
que 3.
2.4. Error de la Frmula de Simpson.
Para poder calcular el error que cometemos en la integracin numrica mediante la
frmula de Simpson vamos a definir:
) (h E
s
=
#
+
'
h c
h c
dx x f ) ( -
3
h
[ f(c-h) + 4 f(c)+ f(c + h)].
donde se verifica que ) 0 (
s
E = ) 0 ( '
s
E = ) 0 (
) 2 (
s
E = 0 y
5/15
) (
) 3 (
0
h E = -
3
h
[
) 3 (
f (c+h) -
) 3 (
f (c-h)].
Si la funcin f(x) verifica que
4
C f " ( [c - h, c + h] ) definimos una funcin F(x)
que viene dada por:
F(x) =
*
+
*
,
- ' ' +
) (
2
) ( ) (
) 4 (
) 3 ( ) 3 (
c f
h
h c f h c f

si
si

0
0
=
&
h
h
y donde se verifica que F(h) es continua, ya que ) ( lim
0
x F
h/
= F(0) y adems por el
teorema del valor medio " )! [0, h], F
) 4 (
) ( f = ! (" ) para algn " " (c h, c + h).
Si utilizamos la frmula del error de interpolacin de Taylor:
) ( x R
n
=
!
1
n
#
'
x
a
n
s x ) ( ds s f
n
) (
) 1 ( +
obtenemos que:
) (h E
s
=
2
1
#
'
h
t h
0
2
) ( dt t E
s
) (
) 3 (
=
3
1
#
'
h
t h
0
2
) (
2
t dt t F ) (
pero como H(t) =
2
) ( t h '
2
t es una funcin estrictamente positiva y continua en (0, h),
el teorema del valor medio para integrales nos asegura que:
) (h E
s
= -
3
1
) (! F
#
'
h
t h
0
2
) (
2
t dt =
5
) 4 (
90
) (
h
f "
' con " " (c h,c + h)
2.5. Frmula del Rectngulo o del punto medio.
Haciendo el mismo proceso que hemos hecho para la frmula de Simpson y con h =
b a, obtenemos la frmula del rectngulo, que se basa en la interpolacin en la abcisa
media nicamente, y que viene dada por:
#
b
a
dx x f ) ( = h f(
2
a b '
) +
3
) 2 (
24
) (
h
f !
con ) , ( b a " !
2.6. Frmula del Trapecio.
Igualmente que antes con b = b a, pero interpolando en las abcisas extremas
obtenemos la frmula del trapecio:
6/15
#
b
a
dx x f ) ( =
2
h
[ f(a) f(b) ] -
3
) 2 (
12
) (
h
f !
con ) , ( b a " !
2.7. Regla del Trapecio Corregida.
Si tomamos la frmula de integracin interpolatoria de 4 abcisas con
0
x =
1
x = a y
2
x =
3
x = b, entonces:
#
b
a
dx x f ) ( (
! 4
1
) (!
IV
f
#
' '
b
a
b x a x
2 2
) ( ) ( dx =
720
) )( (
5
a b f
IV
' !
Como m + 1 = 4 entonces tenemos un polinomio cbico, ) (
3
x P , es decir,
0 ) ( = x P
IV
. Por lo tanto, usando la regla de Simpson:
#
b
a
dx x f ) ( (
6
a b '
[ ) (
3
a P + 4
3
P )
2
(
b a +
+
3
P (b)],
pero como
3
P (x) est interpolado a f(x) en
0
x = a,
1
x = a,
2
x = b y
3
x = b entonces
) (
3
a P = f(a),
3
P (b) = f(b) y
3
P )
2
(
b a +
=
2
1
[ f(a) + f(b) ] +
8
) ( a b '
[ f (a) f (b) ]
entonces:
#
b
a
dx x f ) ( (
2
) ( a b '
[ f(a) + f(b) ] +
12
) (
2
a b '
[ f (a) f (b) ]
siendo su error:
E =
720
) )( (
5
a b f
IV
' !
2.8. Frmulas de Newton-Cotes
Si tomamos ahora m +1 abcisas equidistantes sobre el intervalo [a, b], es decir:
k
x = a + kh con k"A, h =
m
a b '
obtenemos la frmula de Newton-Cotes de m+1 abcisas
#
b
a
dx x f ) ( ( h
$
=
m
k
k k
f
0
# , con
#
%
&
'
'
=
m
k i
k
dt
i k
i t
0
# con k"A y donde ) ( kh a f f
k
+ =
Los coeficientes
k
# solo dependen del grado m, es decir, ni del intervalo [a, b] ni de
la funcin f(x).
El error de la frmula de Newton-Cotes de m +1 abcisas est dado por
7/15
m
E =
#
b
a
dx x f ) ( - h
$
=
m
k
k k
f
0
# =
2
) 1 (
)! 1 (
) (
+
+
+
p
p
h
p
f !
con ) , ( b a " !
y donde:
*
*
+
*
*
,
-
0
0
=
#
#
m
m
m
m
m
dt t t
dt t
K
0
0
) (
) (

1 + =
=
m p
m p
si
si

m
m
es
es
par
impar
siendo ) )...( 1 ( ) ( m t t t t
m
' ' = 0
3. REGLAS COMPUESTAS.
Las formulas de integracin numrica anteriormente expuestas no se aplican
normalmente al intervalo I = [a, b] sobre el cual queramos calcular la integral, sino que
se aplican sobre subintervalos de I, obteniendo as las reglas compuestas de integracin
numrica.
3.1. Regla de los Trapecios.
Si partimos el intervalo I = [a, b] en M partes iguales, y sobre cada una de ellas,
aplicamos la frmula del trapecio, obtendremos la regla compuesta que llamaremos
Regla de los Trapecios
T(h) =
2
h
[ f(a) + 2 f(a + h) + 2 f(a + 2h) + + 2 f(b h) + f(b),
que se forma como suma de la integracin numrica sobre cada uno de los M intervalos
en los que hemos descompuesto el intervalo I = [a, b], siendo cada una de esas M partes
de longitud h =
M
a b '
:
#
b
a
dx x f ) ( =
$
'
=
1
0
M
K
#
b
a
dx x f ) (
#
+1
) (
K
K
x
x
dx x f con
k
x =a+kh con k"A"{0,,M}
y puesto que:
#
+1
) (
K
K
x
x
dx x f =
2
h
[ f(
k
x ) f(
1 + k
x ) ] -
3
) 2 (
12
) (
h
f
k
!
donde ) , (
1 +
"
k k k
x x ! , entonces tenemos que:
#
b
a
dx x f ) ( - T(h) =
$
'
=
= '
1
0
3 ) 2 (
) (
12
1
M
k
k
h f ! -
M
a b
2
) ( '
$
'
=
1
0
2 ) 2 (
) (
M
k
k
h f ! ,
8/15
donde si tenemos que f
2
C " ( [a, b] ), utilizando el teorema del valor medio para sumas,
existe ) , ( b a " ! tal que:
#
b
a
dx x f ) ( - T(h) = -
12
a b '
2 ) 2 (
) ( h f
k
! ,
que es la frmula del error de la regla de los trapecios.
3.2. Regla de Simpson.
Si ahora lo que hacemos es dividir el intervalo I = [a, b] en 2M partes y aplicando la
frmula de Simpson en cada uno de ellos, que de longitud
M
a b
2
'
, y sumndolos
obtenemos la Regla de Simpson.
S(h) =
3
h
[f(a)+ 4f(a + h)+2f(a + 2h)+ 4f(a + 3h)++2f(b 2h)+ 4f(b h)+ f(b)]
y adems tenemos que si f
4
C " ( [a, b] ) obtenemos la siguiente expresin para el error
de la regla Simpson:
#
b
a
dx x f ) ( - S(h) = -
180
a b '
4 ) 4 (
) ( h f ! con ) , ( b a " !
3.3. Regla del punto medio.
Siguiendo un proceso anlogo a los vistos hasta ahora, se obiene:
#
b
a
dx x f ) ( (
$
=
' +
N
i
h i a f h
1
) )
2
1
( (
donde el error obtenido viene dado por:
E =
24
) ( ) (
2 ' '
a b h f ' !
3.4. Regla del Trapecio Compuesta.
Utilizando la regla simple del trapecio y dividiendo el intervalo I = [a, b] en N partes
iguales obtenemos la siguiente expresin:
#
b
a
dx x f ) ( 1
$
'
=
+
1
1
) (
N
i
ih a f h + )) ( ) ( (
2
b f a f
h
+
9/15
siendo h =
N
a b '
La expresin del error para la regla del trapecio compuesta viene dada por:
E = -
12
) ( ) (
2 ' '
a b h f ' !
3.5. Regla del trapecio corregida.
Utilizando la regla del trapecio corregida simple y dividiendo el intervalo I =
[a, b], en N partes de manera que definamos h =
N
a b '
se tiene que la expresin de la
regla del trapecio corregida viene dada por:
#
b
a
dx x f ) ( 1
$
'
=
+
1
1
) (
N
i
ih a f h + ) ( ) (
2
b f a f
h
+ + [ ] ) ( ' ) ( '
12
2
b f a f
h
'
siendo el error que se comete en la aproximacin el siguiente:
E =
72
) ( ) (
4
a b h f
IV
' !
Debemos darnos cuenta que todas las derivadas interiores f(
i
x ) se anulan entre si
una con otra al sumar las frmulas de todos los intervalos (como si fuese una suma
parcial de una serie telescpica).
Por lo tanto la regla del trapecio corregida anteriormente expuesta, es una regla
compuesta del trapecio corregida, que al igual que la simple, obliga, para poder
utilizarla, a que conozcamos la derivada de f(x) o la calculemos.
4. INTEGRACIN GAUSSIANA.
Las frmulas de integracin interpolatoria de m + 1 abcisas anteriormente expuestas
son exactas para los polinomios de grado menor o igual que m, independiente de la
eleccin que hagamos de abcisas dentro del intervalo de integracin. Veamos que una
buena eleccin de estas m + 1 abcisas nos proporcionar frmulas de integracin
numrica de m + 1 abcisas, exacta para polinomios de grado menor o igual que 2m + 1,
y estas frmulas recibirn el nombre de frmulas Gaussianas.
4.1. Ejemplo que motiva las frmulas.
Si aplicamos de forma conveniente la regla de los trapecios sobre polinomios
trigonomtricos nos da el siguiente ejemplo, es decir:
10/15
Sea ) ($
n
t =
2
0
a
+
$
=
n
j
j
Cos a
1
j $ +
$
=
n
j
j
Sen b
1
j$ =
$
' =
n
n j
ij
j
e c
$
un polinomio de grado menor o igual que n, y calculamos
= ) (
n
t J
#
=
%
$ $
2
0
) ( d t
n
%
0
a =2%
0
c
mediante la regla de los trapecios con paso h =
M
% 2
con M>n.
Por culpa de la periodicidad de ) ($
n
t , ) 2 ( % $+
n
t = ) ($
n
t R " )$ por lo tanto para
cualquier R " & se verifica que:
= ) (
n
t J
#
+
=
& %
&
' '
2
) ( d t
n #
= +
%
$ $ &
2
0
) ( d t
n
%
0
a
pero aplicando la regla de los trapecios a esta ltima integral tenemos el siguiente
resultado exacto:
T(
M
% 2
) =
M
% 2
$
'
=
+
1
0
)
2
(
M
k
n
M
k
t
%
& =
M
% 2
$
' =
n
n j
ij
j
e c
&
=
$
'
=
1
0
2
M
k
M
kj
i
e
%
2%
0
c = ) (
n
t J
donde tenemos que :
=
$
'
=
1
0
2
M
k
M
kj
i
e
%
+
,
-
0
M

M n j
j
! ! <
=
0 (
) 0 (
sabiendo que
$
' =
n
n j
ij
j
e c
&
1 & ) 0 ( M n j ! ! <
Si tomamos ahora un polinomio trigonomtrico en cosenos de grado menor o igual
que n
) ($
n
t =
2
0
a
+
$
=
n
j
j
Cos a
1
j $
Si tenemos en cuenta la periodicidad ) 2 ( % $+
n
t = ) ($
n
t y la simetra respecto a
% $ = , es decir, ) ($
n
t = ) 2 ( $ %'
n
t , por lo tanto, si M>n
= ) (
n
t J
#
=
%
$ $
2
0
) ( d t
n #
=
%
$ $
2
0
n
)d ( t
2
1
=
0
2
a
%
2
1
T(
M
% 2
) =
M
%
$
'
=
+
1
0
)
2
(
M
k
n
M
k
t
%
&
Si tomamos M = 2(m + 1) > n y
M
%
& = para que el conjunto de abcisas sea
simtrico respecto a %. Entonces
M
k %
&
2
+ =
2 1
1 2 %
+
+
m
k
con k"{0, , 2m+1} y los
11/15
valores
n
t (
) 1 ( 2
) 1 2 (
+
+
m
k %
) aparecen dos veces: si l = 2m + 1 k, con k"{0, , m} tenemos
que l"{m + 1, , 2m+1}, y
n
t (
) 1 ( 2
) 1 2 (
+
+
m
k %
) =
n
t (2%-
) 1 ( 2
) 1 2 (
+
+
m
k %
) =
n
t (
) 1 ( 2
) 1 2 (
+
+
m
l %
)
Por lo tanto obtenemos as la siguiente frmula de integracin numrica de m +1
abcisas:
#
(
%
$ $
2
0
) ( d F
1 + m
%
$
=
m
k
F
0
(
) 1 ( 2
) 1 2 (
+
+
m
k %
)
que es exacta para los polinomios trigonomtricos en cosenos de grados menor o igual
que 2m +1.
Si hacemos ahora el cambio t = Cos $, que es usual en la aproximacin mediante
polinomios de Chebichev, resulta que f(t) = F(arccos t) ser un polinomio de grado
menor o igual que n si F es un polinomio trigonomtrico en cosenos de grado menor o
igual que n y as obtendremos la siguiente frmula de integracin numrica de m +1
abcisas:
#
'
(
'
1
1
2
1
) (
dt
t
t f
1 + m
%
$
=
m
k
f
0
( Cos
) 1 ( 2
) 1 2 (
+
+
m
k %
)
que es exacta para los polinomios de grado menor o igual que 2m +1, y la llamaremos
Frmula de Gauss-Chebichev.
Podemos escribir tambin las frmulas anteriores como:
#
(
%
$ $
2
0
) ( d F
1 + m
%
$
=
m
k
k
F
0
) ($
#
'
(
'
1
1
2
1
) (
dt
t
t f
1 + m
%
$
=
m
k
k
t f
0
) (
donde
k
$ con k"{0, , m} son las races de
1 + m
( ($) = Cos((m +1)$) y
k
t con k"{0,
, m} las races de la funcin ) (
1
t T
m+
= Cos((m +1) arccos t) =
1 + m
( ( arccos t).
Debemos saber que
1 + m
( ( $) y ) (
1
t T
m+
forman parte de las familias
j
( ($) y
) (t T
j
que son ortogonales respecto de los productos escalares:
= G F,
#
%
$ $ $
0
) ( ) ( d G F , = g f ,
#
' '
1
1
2
1
) ( ) (
dt
t
t g t f
12/15
De la exactitud de la frmula de Gauss-Chebichev resultar que
j
( ( $) =Cos j$ y
) (t T
j
=
j
( (arccos t) son ortogonales respeto a los productos escalares:
=
m
G F,
$
=
m
K
G F
0
) ( ) ( $ $
=
m
g f ,
$
=
m
K
k k
t g t f
0
) ( ) (
4.2. Frmulas Gaussianas.
La eleccin de las abcisas
k
x , con k"{0, , m}, como races de un polinomio
1 + m
( (x), de una frmula de polinomios ortogonales llevar siempre a frmulas de
cuadratura exacta para los polinomios de grado menor o igual que 2m +1.
Sea w:[a, b] /R una funcin peso positiva y continua sobre el intervalo [a, b] y sea
1 + m
( (x) =
1
1
+
+
m
m
x A + el polinomio ortogonal de grado m +1 asociado al producto
escalar:
= g f ,
#
b
a
dx x g x f x w ) ( ) ( ) (
1 + m
( (x) tiene m +1 races simples
k
x con k"{0, , m} que se encuentran en el
intervalo (a, b).
Si
1 + m
( (x) slo cambiase de signo en i abcisas
1
x ,,
i
x de [a, b] con 1!i !m
entonces el polinomio:
) ( x q
i 1 + m
( (x) 2(x-
1
# ),, (x-
i
# )
1 + m
( (x)
de grado m + i +1, no cambiara de signo sobre (a, b) y por lo tanto:
# +
b
a
m
dx x x ) ( ) ( cos(x)q
1 i
( =
1
,
+ m i
q (
la integral sera no nula, en contradiccin con el hecho de que
1 + m
( (x) es ortogonal a
cualquier polinomio de grado menor o igual que m.
Consideramos ahora la frmula de integracin numrica de m +1 abcisas evaluada
sobre las races de
1 + m
( (x):
(
#
b
a
dx x f x w ) ( ) (
$
=
m
K
k k
x W
0
) (
13/15
Por la exactitud de las frmulas de grado menor o igual que m, obtenemos que los
pesos
k
W provienen de:
k
W =
#
b
a
k
dx x w x l ) ( ) ( , ) ( x l
k
=
%
& '
'
i k x k
i
i
x
x x
con k"{0, , m}
Comprobaremos ahora que esta eleccin hace exacta la frmula tambin para los
polinomios de grado menor o igual que 2m +1. A estas frmulas obtenidas las
llamaremos frmulas Gaussianas de m +1 abcisas.
Sea
1 2 + m
P (x) un polinomio de grado menor o igual que 2m +1 y sean
m
q (x) y
m
r (x)
los polinomios de grado menor o igual que m que son el cociente y el resto obtenidos al
dividir
1 2 + m
P (x) por el polinomio
1 2 + m
P (x) por el polinomio
1 + m
( (x) de grado m +1.
1 2 + m
P =
m
q (x)+
1 + m
( (x)+
m
r (x)
Por lo tanto el polinomio
m
q (x) ser ortogonal a
1 + m
( (x), es decir,
1
,
+ m m
q ( =0, es
decir:
# +
b
a
m
dx x P x w ) ( ) (
1 2
=
# +
b
a
(x) + (x) q + w(x)
1 m m
( +
#
b
a
m
dx x r x w ) ( ) ( =
=
#
b
a
m
dx x r x w ) ( ) ( =
$
=
m
K
k m k
x r W
0
) (
puesto que la frmula gaussiana es exacta para el polinomio
m
r (x).
Como
1 + m
( (
k
x ) = 0 con k"{0, , m} obtenemos la exactitud de la frmula
gaussiana para
1 2 + m
P (x):
$
=
+
=
m
k
k k
x W
0
1 2m
) ( P
$
=
+
m
K
k m k m k
x x q W
0
1
) ( ) ( ( +
$
=
m
K
k m k
x r W
0
) ( =
# +
b
a
m
dx x P x W ) ( ) (
1 2
4.3. Error de las frmulas Gaussianas.
Para las funciones f
2 2 +
"
m
C ( [a, b] ) podemos dar una expresin para el error de las
frmulas gaussianas. Para ello tengamos en cuenta el polinomio interpolador de
Hermite
1 2 + m
P (x) a f en las abcisas
k
x con k"{0, , m}, por un lado la frmula
gaussiana es exacta para este polinomio y por otra parte:
f(x) -
1 2 + m
P (x) = ) (
)! 2 2 (
)) ( (
2
) 2 2 (
x w
m
x f
m
m
+
+
!
14/15
donde con { }3 " x x x x
m, 1 0
,..., , ! [a, b] y
) (x w
m
= ) (
0
x x ' ) (
m
x x ' =
1
1
) (
+
+
m
m
A
x (
Multiplicando por w(x) e integrando sobre el intervalo [a, b], obtenemos la frmula
del error de la frmula gaussiana de m +1 abcisas:
#
b
a
dx x f x W ) ( ) ( -
$
=
m
K
k k
x f W
0
) ( =
2
1
) 2 2 (
1

)! 2 2 (
) (
+
+
+
m
m
A m
f !
# +
b
a
m
dx x x ) ( ) ( W
2
1
(
donde ) , ( b a " ! y
1 + m
A es el coeficiente del trmino de mayor grado de
1 + m
( (x).
5. MTODO DE ROMBERG.
El mtodo de Romberg se basa en el error de la frmula trapezoidal compuesta. En
esta,
I(t) 1
$
'
=
+ +
1
1
0
[
2
N
i
n i
f f
h
f ] y E(t) = ) (
2
) ( "
2
a b h
n f
' '
Desde luego h =
N
a b '
. Por tanto si llamamos T(N) =
N
a b '
[
$
'
=
+
+
1
1
0
2
N
i
n
i
f f
f ] a la
aproximacin con (N +1) puntos, dando a N los valores
j
2 (j =0, 1, 2, ) podemos
definir
ij
T =
1 4
4
, 1 , 1
'
'
' ' '
i
j i j i i
i
T T
recurrentemente.
Se demuestra que cualquiera que sea la funcin f continua en [a, b]:
i ) ,
ij
T tiende a
#
b
a
dx x f ) ( cuando j 4 /
j ) ,
ij
T tiende a
#
b
a
dx x f ) ( cuando i 4 /
Por otro lado el error de la aproximacin
ij
T es:
= ) (t E
ij
T
- (b - a)
3 2 + i
) 2 )( 1 (
2 2
2
j i i
i
B
+ +
+

)! 2 2 (
) (
) 2 2 (
+
+
i
f
i
!
con b a, [ " ! ]
siendo B
2 2 + i
el polinomio de Bernstein de f de orden 2i +2.
Esta expresin indica que la convergencia de
ij
T hacia
#
b
a
dx x f ) ( cuando i 4 / es
ms rpida que la de cualquier serie geomtrica.
15/15
La sucesin
00
T ,
10
T ,
20
T ,,
0 i
T proporciona sucesivas frmulas de integracin
Romberg. Tienen la forma:
0 i
T (f) =
$
=
i
j
j j
x f w
2
0
) (
donde
j
x = a +jh y h =
i
a b
2
'
y los pesos
j
w , calculables por recurrencia estn todos en
el intervalo [
3
ch
, ch] con c =
%
4
=
'
1
4 1
1
K
k
Ejemplo.-
Para calcular aproximadamente
#
'
+
3
1
2 10
) 1 ( x
dx
el mtodo de Romberg no daria:
00
T = 0,5
10
T = 0,83
20
T = 1,63
30
T = 1,806
80
T = 1,80926152
90
T =1,80926152
Bibliografa Recomendada
Elementos de Anlisis Numrico. Meter Henrici. Edit: Trillas. Mexico. 1977
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Anlisis Matemtico. Aut. M. de Guzmn, B. Rubio. Ed. Pirmide.
Anlisis Matemtico 2 Edicin. Aut. T. M. Apostol. Ed. Revert
1/32
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 32
APLICACIN DEL ESTUDIO DE FUNCIONES A LA INTERPRETACIN Y
RESOLUCIN DE PROBLEMAS DE LA ECONOMA, LAS CIENCIAS
SOCIALES Y LA NATURALEZA.
1. Introduccin.
2. Las Funciones en las Ciencias Naturales.
2.1. Aplicaciones a la Fsica.
2.1.1. Sistemas de Referencia.
2.1.2. Vector de Posicin de un mvil
2.1.3. Vector Velocidad.
2.1.4. Vector Aceleracin.
2.1.5. 2 Ley de Newton.
2.1.6. Momento Angular.
2.1.7. Trabajo.
2.1.8. Energa.
2.1.9. Potencia.
2.1.10. Momento de una Fuerza y Momento de un Par.
2.1.11. Campos Elctricos y Magnticos.
2.1.12. Flujo Electrosttico y Magntico.
2.1.13. La Ecuacin de Ondas.
2.1.14. Ecuaciones de Maxwell.
2.1.15. Ondas Electromagnticas.
2.2. Aplicaciones a la Qumica.
2.2.1. Cintica de Reacciones.
2.2.2. Termoqumica. Clculos de Calores de Reaccin.
2.3. Aplicaciones a la Biologa.
2.3.1. Leyes de la Desintegracin Radiactiva.
3. Las Funciones en las Ciencias Sociales.
4. Las Funciones en la Economa.
4.1. Funciones en Economa.
4.2. Derivadas en Economa.
4.3. Integrales en Economa.
Bibliografa Recomendada.
2/32
TEMA 32
APLICACIN DEL ESTUDIO DE FUNCIONES A LA INTERPRETACIN Y
RESOLUCIN DE PROBLEMAS DE LA ECONOMA, LAS CIENCIAS
SOCIALES Y LA NATURALEZA.
1. INTRODUCCIN.
Las materias que vamos a ver en este tema podramos situarlas en lo que llamamos
matemticas aplicadas. Aparecen en otras ciencias y han sido las verdaderas impulsoras,
a lo largo de la historia, de las matemticas. Si recordamos, la matemtica ha
evolucionado a velocidad de vrtigo en estos ltimos 500 aos. Y entre los que ms han
contribuido nos encontramos con fsicos, astrnomos, economistas, etc. Estudiando
comportamientos que se producan en la naturaleza se daban cuenta que era necesario
inventar o desarrollar herramientas matemticas que, o no existan o estaban poco
evolucionadas.
Durante la segunda mitad del siglo XX, nuevas tcnicas han sido introducidas a fin
de tratar problemas sociales, industriales, cientficos y militares. No se ha desarrollado
una nueva teora, simplemente se han combinado diferentes tcnicas particulares.
El concepto de funcin es una de las ideas bsicas de las matemticas. Casi
cualquier estudio que se refiera a la aplicacin de las matemticas a problemas de la
vida real emplea las funciones.
Podemos decir que el anlisis matemtico es la parte de las matemticas que se
dedica al estudio de las funciones. Proporciona mtodos para la investigacin
cuantitativa de los distintos procesos de cambio, movimiento y dependencia, de una
magnitud (variable) respecto de otra u otras.
Por tanto, el anlisis proporciona a materias tan dispares como la Fsica, la
Tecnologa, la Economa, la Biologa, la Sociologa y muchas ms, mtodos para la
resolucin de problemas e incluso la posibilidad de formular sus leyes.
En este tema vamos a ver la aplicacin de las funciones matemticas a tres campos
del saber: las Ciencias Naturales, las Ciencias Sociales y la Economa.
2. LAS FUNCIONES EN LAS CIENCIAS NATURALES.
La historia del anlisis ha estado muy ligada con los avances y necesidades de las
ciencias naturales. Grandes personajes como Newton, Leibniz, Kepler, y otros hicieron
avanzar la matemtica para resolver problemas fsicos. Por tanto, vamos ha realizar un
recorrido por las principales aplicaciones a la Fsica y luego veremos aplicaciones a la
Qumica y a la Biologa.
Debido a la gran cantidad de aplicaciones que hay, recomendamos al opositor que
seleccione aquellas que prefiera de entre todas.
3/32
2.1. Aplicaciones a la Fsica.
2.1.1. Sistemas de Referencia.
Para un estudio correcto del movimiento hemos de elegir en primer lugar un siste-
ma de referencia (generalmente establecido por un sistema de coordenadas) al cual
referir la posicin de un punto material mediante unas coordenadas numricas. El punto
estar en reposo cuando las coordenadas respecto al sistema de referencia, no varan con
el tiempo y estar en movimiento cuando al menos una coordenada vara con el tiempo.
2.1.2. Vector de posicin de un Mvil.
La Posicin de un punto mvil en el espacio queda fijada por el vector de posi-
cin, r
r
trazado desde el origen O de coordenadas hasta la posicin del mvil P. Las
componentes del vector r
r
(x, y, z) sern las coordenadas del punto mvil en ese instan-
te. El mvil, en su movimiento describe una curva C llamada trayectoria del punto P,
El movimiento de P queda totalmente especificado y determinado si se conocen
las tres coordenadas del vector como funciones del tiempo:
) (t x x = ) (t y y = ) (t z z =
llamadas ecuaciones paramtricas del movi-miento. En cada instante t, los valores de x,
y, z corresponden a las coordenadas del punto ocupado por el mvil en dicho instante.
Fsi-camente equivale a decir que todo movimien-to puede considerarse descompuesto
en tres movimientos rectilneos sobre los tres ejes coordenados.
De las ecuaciones paramtricas x = x(t), y = y(t), z = z(t) se deduce la ecuacin de la
trayectoria del punto mvil con slo eliminar entre ellas la variable independiente t.
El vector de posicin vendr dado por la expresin vectorial:
k t z j t y i t x t r r
r
r r
r r
) ( ) ( ) ( ) ( + + = =
expresin que determina r
r
para cualquier instante t y se puede escribir de modo
genrico como: ) (t r r
r r
= que es la ecuacin vectorial del movimiento.
La distancia recorrida por el mvil es la suma de todas las longitudes recorridas en
los sucesivos intervalos de tiempo desde el instante inicial (t
o
) al instante final (t). Esta
distancia constituye la trayectoria definida anteriormente y sobre ella, el problema cine-
mtico consiste en determinar el camino recorrido en funcin del tiempo, es decir:
s = s(t)
4/32
2.1.3. Vector velocidad.
Para el estudio del movimiento es necesario conocer la posicin del mvil en cada
instante, que vendr dada por el vector de posicin y la variacin de esta posicin con el
tiempo, que vendr dada por el vector velocidad.
Si un mvil se encuentra en un instante dado, en la posicin P (dada por el vector
de posicin r
r
) y un intervalo !t despus se encuentra en Q (dada por el vector de
posicin r
r
+ r
r
! ) el mvil ha sufrido un desplazamiento vectorial r
r
! y ha recorrido un
intervalo de trayectoria s ! son, por definicin, diferentes y no coincidentes. Slo en el
caso lmite de que el intervalo de tiempo sea infinitesimal, ambos conceptos sern coin-
cidentes en el grfico y el mdulo de r
r
! coincidir con s ! .
Se define el Vector Velocidad Media
m
v
r
como el cociente:
t
r
v
m
!
!
=
r
r
que es un vector de direccin y sentido idntico al vector desplazamiento r
r
! , pues el
escalar !t ser siempre positivo. La direccin del vector desplaza-miento y por ello la
del vector velocidad media es la direccin de la cuerda del arco PQ.
Anlogamente se define la Velocidad Media en la Trayectoria v
m
(magnitud
esca-lar) al cociente de la trayectoria recorrida en el tiempo empleado:

t
s
v
m
!
!
=
Ambas velocidades medias, una vectorial y otra escalar, no son generalmente, de
igual mdulo pues s r ! " !
r
como puede apreciarse en la Fig.2.
Si reducimos el intervalo de tiempo !t hasta valores muy pequeos que tiendan a
cero, el vector velocidad quedar referido a un intervalo infinitamente pequeo, y se
llamar Vector velocidad instantnea o simplemente Vector Velocidad:

dt
r d
t
r
lim v
t
r r
r
=
!
!
=
# ! 0
Anlogamente se definir la Velocidad Instantnea sobre la Trayectoria como:

dt
ds
t
s
lim v
t
=
!
!
=
# ! 0
Teniendo en cuenta la expresin de:
k t z j t y i t x r
r
r r
r
) ( ) ( ) ( + + =
el vector velocidad tambin puede expresarse en un sistema cartesiano mediante la
derivada del vector de posicin:
5/32
k
dt
t dz
j
dt
t dy
i
dt
t dx
dt
r d
v
r r r
r
r ) ( ) ( ) (
+ + = =
y la celeridad, o mdulo de la velocidad, ser:

2 / 1
2 2 2
$
$
%
&
'
'
(
)
*
+
,
-
.
/
+ *
+
,
-
.
/
+ *
+
,
-
.
/
= =
dt
dz
dt
dy
dt
dx
v v
que ser una funcin del tiempo, como lo son las componentes dx/dt, dy/dt y dz/dt.
2.1.4. Vector Aceleracin.
El movimiento de un punto material, en su forma ms general, tiene en cada punto
de la trayectoria un vector de posicin y un vector velocidad diferentes, lo que significa
una variacin de la velocidad tanto en mdulo como en direccin y sentido.
En el instante t la velocidad del
punto mvil situado en P es v
r
y
despus de transcurrido un intervalo de
tiempo !t, es decir en el instante t+!t,
la velocidad del mvil, situado en Q es
v
r
+!v
r
. Definimos el Vector
Aceleracin Media al cociente entre la
variacin del vector velocidad y el
intervalo de tiempo transcurrido. Es un
vector que tiene la misma direccin y
sentido que ! v
r
:

t
v
a
m
!
!
=
r
r
Considerando un intervalo de tiempo infinitamente pequeo, que tienda a cero,
podemos definir el Vector Aceleracin Instantnea o simplemente el Vector Acelera-
cin como el valor en el lmite, de la relacin !V/!t cuando !t tiende a cero, es decir:

2
2
0
dt
r d
dt
r d
dt
d
dt
v d
t
v
lim a
t
r r r r
r
=
*
+
,
-
.
/
= =
!
!
=
# !
El vector aceleracin tendr por componentes:
k
dt
z d
j
dt
y d
i
dt
x d
k
dt
dv
j
dt
dv
i
dt
dv
a
z
y
x
r r r r r r
r
2
2
2
2
2
2
+ + = + + =
y su mdulo ser:

2
2
2
2
2
2
2
2
2
*
*
+
,
-
-
.
/
+
*
*
+
,
-
-
.
/
+
*
*
+
,
-
-
.
/
= =
dt
z d
dt
y d
dt
x d
a a
r
6/32
2.1.5. 2 Ley de Newton.
La segunda ley de Newton se puede enunciar as: "Una fuerza externa actuando
sobre una partcula le produce una variacin de su cantidad de movimiento o Momento
Lineal y matemticamente ser:
) . ( v m
dt
d
dt
p d
F
r
r
r
= =
Si realizamos la derivada de la expresin anterior, tendremos:
a m
dt
v d
m
dt
v d
m v
dt
dm
F
r
r r
r
r
. . 0 . . = + = + =
El primer trmino dm/dt es nulo pues la masa de la partcula es constante, lo que
es vlido en el campo de la Mecnica Clsica. Por tanto, la Segunda Ley de Newton,
a m F
r
r
. = se puede expresar matemticamente como:
dt
p d
F
r
r
=
que viene a expresar que cuanto mayor sea la fuerza aplicada, mayor ser la variacin
del estado dinmico del sistema caracterizado por el momento lineal.
El Momento Lineal (o Cantidad de Movimiento) de un sistema de partculas es la
suma vectorial de los momentos lineales de cada una de las partculas que constituyen el
sistema:
siendo:
i i i
v m p
r r
= resultar
0 0
= =
i i i
v m p p
r r r
y si consideramos que dt r d v
i i
/
r r
= sustituyendo y desarrollando:
0 0
= = = = 1 =
CM
CM
CM i i i
v M
dt
r d
M r M
dt
d
r m
dt
d
dt
r d
m p
r
r
r r
r
r
. . .
1
lo que se expresa diciendo que: El Momento Lineal de un sistema de partculas es igual
al producto de la masa total del sistema por la velocidad de su centro de masa, lo que
llamaremos Momento Lineal del Centro de Masa.
2.1.6. Momento Angular
El Momento Angular (o Momento Cintico) para una partcula se define como el
Momento de su Momento Lineal, o sea:
v m r p r L
r r r r
r
2 = 2 =
Para un sistema de partculas, el Momento Angular ser la suma vectorial de los
momentos angulares de sus partculas componentes:
7/32
0 0 0
2 = 2 = =
i i i i i i
v m r p r L L
r r r r
r r
(15)
La variacin del Momento Angular del sistema se obtiene derivando la expresin
anterior:
( )
( )
0 0 0
= *
+
,
-
.
/
2 + *
+
,
-
.
/
2 = 2 = ...
dt
v m d
r v m
dt
r d
v m r
dt
d
dt
L d
i i
i i i
i
i i i
r
r r
r
r r
r
[ ] ( ) ( )
0 0 0 0 0
= = 2 = 2 + = *
+
,
-
.
/
2 + 2 = M M F r a m r
dt
v d
m r v m v
i i i i i i
i
i i i i i
r r r
r r r
r
r r r
0 ...
Resultando finalmente que: M
dt
L d
r
r
=
El primer trmino de la derivada es cero porque se trata de dos vectores paralelos,
con producto vectorial nulo. El segundo trmino es la suma de los momentos que actan
sobre cada partcula, es decir, el Momento de Fuerza resultante.
En este Momento de Fuerza, se incluyen las fuerzas internas y externas, es decir:
( ) ( ) ( ) ( ) ( )
0 0 0 0 0
2 + 2 = + 2 = 2 = =
Ii i Ei i Ii Ei i i i i
F r F r F F r F r M M
r
r
r
r
r r
r
r
r
r r
pero el trmino correspondiente a las fuerzas internas es nulo, de forma que podemos
decir que son las fuerzas externas las nicas que producen variacin del Momento
Angular del sistema.
2.1.7. Trabajo.
Considerando el caso en que una fuerza no constante acta durante un determinado
trayecto sobre un cuerpo producindole un desplazamiento se define el trabajo realizado
por dicha fuerza sobre el cuerpo como la circulacin de la fuerza a lo largo del
desplazamiento. La circulacin es la integral lineal del producto escalar del vector
Fuerza por el vector desplazamiento diferencial entre el punto inicial y el punto final,
siguiendo una determinada trayectoria:
r F W
r
r
r
=
3
#
2
1
2.1.8. Energa.
Podemos definir la energa como la capacidad de un sistema para realizar un trabajo.
Entonces:
!E=E
2
-E
1
=W
es decir, el trabajo exterior realizado por el sistema es igual a la variacin de la energa
de dicho sistema.
La energa cintica de un sistema de partculas es la suma de las energas cinticas
de las partculas que componen el sistema:
8/32
0 0 0
= = =
2 2
2
1
2
1
i i i i i
v m v m EC EC
En el caso de un cuerpo extenso que se mueve en una trayectoria lineal (movimiento
de traslacin) en la que todo el cuerpo posee la misma velocidad, la energa cintica
puede definirse:
3
= dm v EC
2
2
1
2 2
2
1
2
1
v M dm v
CM
= =
3
En un campo de fuerzas conservativas, se define la Energa Potencial como una
funcin del punto del campo tal que el trabajo realizado para trasladar el cuerpo desde
un punto a otro del campo es igual a la variacin de la energa potencial entre esos dos
puntos, o sea:
B A
r
r
EP EP r F W 4 = =
3
r
r
2
1
de tal forma que la Energa potencial absoluta de un punto del campo conservativo, ee:
3
5
4 =
r
r F r EP
r
r
r
) (
O sea, es el trabajo realizado sobre un cuerpo para desplazarlo desde el infinito
(donde la fuerza del campo es nula) hasta el punto determinado. Dicho trabajo se
acumula en el cuerpo como energa potencial.
2.1.9. Potencia.
Para medir la eficacia de un sistema introducimos el concepto de potencia, que se
define como el trabajo que un sistema puede hacer en la unidad de tiempo.
v F
dt
r d F
dt
dW
t
W
lim P
t
r
r
r
r
=

= =
!
!
=
# ! 0
La potencia es una magnitud fsica de carcter tcnico pues mide la eficacia de una
mquina ya que el trabajo es una funcin que no depende del tiempo
2.1.10. Momento de una fuerza y Momento de un Par.
Cuando una fuerza actuando sobre un cuerpo produce un efecto de rotacin
definimos Momento de una fuerza con respecto a un punto, como el producto vectorial
del vector distancia del punto a la fuerza por el propio vector fuerza:
F r M
r
r
r
2 =
Si se trata de un par de fuerza, definido como dos fuerzas iguales, paralelas y
contrarias que actan sobre un cuerpo producindole un giro, se caracteriza por su
9/32
Momento, dediniendo el Momento del Par de fuerza como el producto vectorial de una
de una de las fuerzas por el vector que une el origen de ambas:
2.1.11. Campos Elctricos y Magnticos.
La fuerza elctrica que mueve a un carga de
prueba dentro del campo elctrico se determina
aplicando la Ley de Coulomb. As, consideremos una
carga Q
1
creadora de un campo y situada en el origen
de coordenadas. Otra carga Q
2
positiva, de prueba,
situada en un punto dado por el vector r
r
sufrir una
fuerza F
r
, por la accin del campo, dada por:
r
r
Q Q
u
r
Q Q
F
r r
r
3
2 1
2
2 1
4
1
4
1
1 = 1 =
"# "#
donde F>0 (positiva), la fuerza F es de repulsin si las cargas son del mismo signo y
F<O (negativa), la fuerza F es de atraccin si las cargas son de signo distinto. El vector:
r
r
u
r
r
=
es un vector unitario en la misma direccin y sentido que el vector r que une ambas
cargas.
Definimos Intensidad del Campo Elctrico E
r
en un punto o simplemente Campo
Elctrico, como la fuerza del campo por unidad de carga de prueba colocada en el
punto.
' Q
F
E
r
r
=
El Campo Elctrico E
r
creado en un punto a una distancia r de una carga puntual
creadora del campo, vendr dado por la expresin vectorial:
r
r
Q
Q
F
E
r
r
r
3
4
1
' "#
= =
La introduccin de este concepto de Campo permite interpretar la interaccin de
dos cargas elctricas Q y Q', como la accin del campo de una de ellas sobre la otra
carga situada en su proximidad:
El campo elctrico creado por cargas en reposo, o campo electrosttico, como
campo newtoniano de fuerza central, es conservativo o sea, la circulacin del campo a
lo largo de una trayectoria cerrada es nula, ecuacin (1) y puede definirse, por tanto, una
funcin escalar del punto llamada "potencial elctrico o electrosttico.
3
5
4 =
r
r d E V
r
r
10/32
Fsicamente se interpreta el potencial en un punto r como "el trabajo realizado
por una fuerza exterior opuesta a la del campo, para trasladar la unidad de carga
positiva desde el infinito hasta el punto".
Se debe cumplir la condicin V E 6 4 =
r
(el vector campo es igual al gradiente de
potencial cambiado de signo), donde el signo negativo significa que el Campo Elctrico
tiene el mismo sentido que el de la disminucin del potencial.
El Campo Magntico se manifiesta por las fuerzas magnticas que se ejercen dos
conductores arbitrarios, por los que circulan corrientes elctricas estacionarias I
a
e I
b
, a
semejanza de las fuerzas que se ejercen entre cargas elctricas. Las fuerzas magnticas
entre conductores es un hecho experimental que estu-di Ampre en el que la fuerza
entre dos hilos rectos paralelos con corrientes I
a
e I
b
es proporcional a I
a
.I
b
/r siendo r la
distancia entre ambos hilos.

En el caso ms general que se describe en la
Fig.1, la fuerza elemental que un elemento de
corriente I
a
dl
a
ejerce sobre otro elemento de
corriente I
b
dl
b
viene dado por:
2
0 2
) (
.
4 r
u l d I l d I
F d
b b a a
r
r r
r
2 2
=
"

e integrando doblemente a lo largo de ambos circuitos, para determinar la fuerza total de

interaccin magntica entre los dos circuitos, resulta:
3 3
2 2
=
a b
b a
b a ab
r
u I d I d
I I F
2
0
) (
.
4
r
r r
r
"

siendo u
r
un vector unitario r r u
r r
= y el vector trazado desde el elemento
a a
l d I
r
al ele-
mento
b b
l d I
r
y
ab
F
r
la fuerza ejercida por A sobre B. La constante
0
es la "permeabili-
dad magntica" del vaco, depende de las unidades empleadas.
Esta fuerza magntica puede expresarse como la interaccin entre la corriente I
a
en el campo magntico creado por la corriente I
b
en el punto de a. Este campo magn-
tico se mide mediante la magnitud vectorial B
r
llamada "Vector Induccin Magntica"
o "Densidad de Flujo Magntico". La ecuacin anterior puede escribirse as:
3 3 3
2 =
$
$
%
&
'
'
(
)
2
2 =
a a
a a
b
b
b a a ab
B l d I
r
r l d
I l d I F
r r
r
r
r r
3
0
.
4"

siendo:
3
2
=
b
b
b
r
r l d
I B
3
0
.
4
r
r
r
"

(*)
11/32
el vector Induccin Magntica B
r
debido al circuito b en la posicin ocupada por el
elemento de corriente
a a
l d I
r
del circuito a, posicin determinada por el vector r
r
. Dicho
vector se dirige siempre desde la fuente al punto.
La ecuacin (*) se conoce como "Ley de Biot y Savart" y su integracin slo puede
realizarse analticamente en aquellos circuitos que tengan formas geomtricas sencillas.
2.1.12. Flujo Electrosttico y Magntico.
Se define el flujo de un campo elctrico en un punto, como el conjunto de lneas
de campo que atraviesan la unidad de superficie colocada en el punto. El flujo de E
r
a
travs de la superficie elemental A d
r
viene dado por:
A d E d
r r
= 7 luego
3 3
= = 7
A A
dA E A d E $ cos . .
r r
En algunos casos, esta magnitud ayuda a calcular la expresin del campo
electrosttico (en todos los puntos del espacio) creado por algunas distribuciones de
carga.
Al igual que en Electrosttica, donde se utilizan las lneas de fuerza para describir
el Campo Elctrico, para un Campo Magntico, se definirn las lneas de fuerza magn-
tica, lneas de flujo magntico o lneas de induccin, como lneas tangentes en cada
punto a la direccin de vector B
s
en dicho punto. El "Flujo Magntico" 7 est
relacionado con el Vector Induccin Magntica mediante la expresin integral:
7=
3

s
A d B
r r
es decir: A d d B
r r
/ 7 = el vector Induccin Magntica en un punto del campo magntico
tiene la direccin y el sentido de la lnea de fuerza que pasa por dicho punto y tiene por
mdulo, el flujo magntico que atraviesa la unidad de superficie colocada en el punto.
2.1.13. La Ecuacin de las Ondas.
Para establecer la ecuacin del movimiento ondulatorio, consideraremos un foco
O origen de una perturbacin armnica dada por la expresin:
t A % & cos .
0
=
donde la elongacin 8
0
representa el desplazamiento de la partcula origen desde la
posicin de equilibrio.
A una distancia x del punto origen, la onda llegar un cierto tiempo despus,
tiempo que vendr dado por: t'=x/v y la partcula P all situada sufrir una oscilacin
armnica idntica a la de la partcula origen, si no hay prdidas de energa, con un
retraso de t=x/v respecto de la partcula origen. La perturbacin 8 de dicha partcula
vendr dada por una ecuacin de M.A.S. idntica a la anterior, o sea:
12/32
( ) ' cos . t t A 4 = % &
siendo t el tiempo contado desde el inicio de la perturbacin en el origen y t' el tiempo
transcurrido hasta iniciarse la perturbacin de la partcula P.
*
+
,
-
.
/
4 =
*
+
,
-
.
/
4 =
*
+
,
-
.
/
4 =
Tv
x
T
t
A
v
x
t
T
A
v
x
t A "
"
% & 2 cos
2
cos . cos
resultando: *
+
,
-
.
/
4 =
'
" &
x
T
t
A 2 cos
que es la ecuacin del Movimiento Ondulatorio que expresa la magnitud 8 de la
perturbacin de la partcula P, de coordenada x, en el instante t..
La ecuacin de onda puede escribirse tambin as:
( ) x t A ( ) " & 4 = 2 cos
donde 9=l/T es la frecuencia y :=1/; es el nmero de ondas u ondas contenidas en una
distancia unidad. Algunos textos llaman Numero de ondas a la expresin 2</; o
nmero de ondas contenidas en la distancia 2<, siendo entonces la ecuacin:
( ) x t A ( % & 4 = cos
Ambas ecuaciones se refieren a la perturbacin ondulatoria a lo largo del eje X,
sin embargo en cualquier otra direccin arbitraria r del espacio ser:
( ) r t A ( ) " & 4 = 2 cos
Si consideramos las derivadas parciales primera y segunda respecto a x y a t
resultar:
( )
( ) x t A
t
x t A
x
( ) " ")
&
( ) " "(
&
4 4 =
=
=
4 =
=
=
2 sen . 2
2 sen . 2

( )
( ) x t A
t
x t A
x
( ) " ) "
&
( ) " ( "
&
4 4 =
=
=
4 4 =
=
=
2 cos . 4
2 cos . 4
2 2
2
2
2 2
2
2
y dividiendo miembro a miembro las segundas derivadas parciales:
( )
( )
2
2
2
2
2
2 2
2 2
2 2
2 2
2 cos 4
2 cos 4
v
T x t A
x t A
x
t
= = =
4 4
4 4
=
= =
= = '
(
)
( ) " ( "
( ) " ) "
&
&
o bien:
2
2
2
2
2
x
v
t =
=
=
=
= & &
13/32
ecuacin diferencial del Movimiento Ondulatorio o ecuacin de d'Alembert que expresa
que toda variacin de la magnitud 8 (elongacin, presin, campo elctrico o magntico,
etc.) que la cumpla resulta ser una perturbacin ondulatoria.
2.1.14. Ecuaciones de Maxwell.
1 Ley de Maxwell.
Expresa la ley de Gauss que nos dice que el flujo del campo elctrico a travs de
una superficie cerrada es igual a las cargas encerradas dentro de la superficie dividida
por la constante dielctrica. Matemticamente es:
3 3 3
= = = 7
*
+
# #
dV dq S d E
v S
.
1 1
0 0
r r
Forma integral
donde * representa el volumen del recinto encerrado por la superficie gausiana S.
La ley de Gauss puede expresarse en forma diferencial empleando el teorema de
la divergencia, que es:
3 3
6 =
*
dV E S d E
S
.
r r r
y aplicndolo a la expresin anterior
resulta:
3 3
= 6
*
+
# *
dV dV E
0
1
.
r
luego se verificar:
0
#
+
= 6 E
r
2 Ley de Maxwell
El campo magntico, dado por el vector B
r
, es un campo solenoidal, es decir, que
viene dado por lneas de campo cerradas sobre s mismas. Esta condicin se expresa por
la ecuacin:
0 = 6 B
r
es decir, la divergencia del vector Induccin Magntica es nula y por tanto la densidad
de flujo magntico por unidad de volumen es nula, lo que se interpreta diciendo que
para cualquier volumen cerrado del Campo Magntico, el flujo entrante es igual al flujo
saliente, y por lo tanto, el flujo neto es nulo.
Por esta expresin, en el Campo Magntico no pueden existir ni fuentes ni
sumideros de lneas de induccin magntica, porque estas lneas de campo son lneas
cerradas que no empieza ni acaban.
El flujo de Induccin Magntica a travs de cualquier superficie cerrada es nulo,
pues todo flujo que entra tambin sale, por ello:
3
=
S
A d B 0
r r
Forma integral
3 Ley de Maxwell
14/32
Expresa la Ley de Faraday-Lenz, que indica que se produce en un circuito
elctrico una corriente inducida cuando en dicho circuito se origina una variacin del
flujo magntico que lo atraviesa. Matemticamente se expresa:
dt
d7
4 = #
que se interpreta diciendo que "se genera una FEM inducida en el circuito cerrado
siempre que se produzca una variacin del flujo magntico y esta FEM es igual a la
rapidez con que vara el flujo, con signo opuesto".
Ya que por definicin, la FEM es:
3
= r d E
r
r
# , la circulacin en trayectoria
cerrada del campo elctrico inducido E
r
en el conductor mvil, siendo r d
r
un elemento
de dicho circuito y como este circuito es atravesado por un flujo dado por:
3
= 7
S
A d B
r r
, la ecuacin de Faraday se escribe:
3 3
4 = =
S C
A d B
dt
d
r d E
r r
r
r
#
siendo C cualquier curva cerrada (circuito o no-circuito) y S la superficie limitada por
ella. Si no existen fuentes en el circuito que consideramos, la corriente que se genera es
igual a la F.E.M. inducida dividida por la resistencia hmica del circuito., igual que si
existiera una batera del mismo voltaje y polaridad que la F.E.M. inducida.
Para poner la Ley de Faraday en forma diferencial, aplicaremos el Teorema de
Stokes, para trasformar una integral curvilnea en una integral de superficie, as el
primer miembro se transformar en:
( )
3 3
2 6 =
S C
A d E r d E
r r
r
r
Forma integral
resultando para la ley de Faraday: ( )
3 3

=
=
4 = 2 6
S S
A d
t
B
A d E
r
r
r r
suponiendo que la trayectoria cerrada de integracin C es estacionaria los integrandos
de ambos miembros sern idnticos y resultar:
t
B
E
=
=
4 = 2 6
r
r
4 Ecuacin de Maxwell.
La cuarta ecuacin de Maxwell corresponde a la Ley de Ampre de la circulacin
o Teorema Circuital y establece que la circulacin del vector Induccin Magntica B
r
,
creado por un conjunto de corrientes, a lo largo de una trayectoria cerrada C, es igual al
producto de la permeabilidad magntica
0
por la suma algebraica de las intensidades de
15/32
corriente que atraviesan la superficie S arbitraria, limitada por la curva cerrada. Se
expresa matemticamente mediante la ecuacin:
3 3
0
= = =
S
i
I I S d J l d B
0 0 0

r r r r
En consecuencia el Campo Magntico no es conservativo y no podemos definir en
cada punto un potencial escalar que nos permita completar el estudio del campo.
Si el circuito incluye algn condensador, la variacin del flujo elctrico por
unidad de tiempo que se produce en el condensador, es generada por una corriente
(variacin de carga por unidad de tiempo) a travs del condensador que es la que
Maxwell llam corriente de desplazamiento.
En el condensador se produce una variacin del flujo magntico #
0
.d,
E
/dt,
producida por la corriente de desplazamiento I
d
=#
0
.d,
E
/dt que se incluye, por ello en la
Ley Circuital de Ampre, tal como:
( )
*
+
,
-
.
/ 7
+ = + =
3
dt
d
I I I l d B
E
d
C
0 0 0
#
r r
(*)
con lo cual la ley se generaliza a todas las posibles situaciones. Esta ecuacin representa
una forma de la Cuarta Ecuacin de Maxwell del Campo Electromagntico.
Consecuencia de esta generalizacin: se llega a la conclusin de que un campo
magntico no slo es creado por una corriente elctrica I sino que tambin puede ser
creado por un campo elctrico que vare con el tiempo.
Como la corriente real puede ponerse en funcin de la Densidad de Corriente:
3
=
S
S d J I
r r
y considerando igualmente el flujo elctrico se puede expresar:
3
= 7
S
E
S d E
r r
su variacin con el tiempo se expresar:
3

=
=
=
7
S
E
S d
t
E
dt
d
r
r
por ello la corriente de desplazamiento, ideada por Maxwell, dada por la anterior
expresin puede escribirse:
3

=
=
=
7
=
S
E
d
S d
t
E
dt
d
I
r
r
0 0
# #
y la ecuacin (*) finalmente quedar de la forma siguiente:
16/32
3 3 3 3

*
*
+
,
-
-
.
/
=
=
+ =
*
*
+
,
-
-
.
/

=
=
+ =
C S S S
S d
t
E
J S d
t
E
S d J l d B
r
r
r r
r
r r r r
0 0 0 0
# #
que es la forma integral de la Cuarta Ecuacin de Maxwell.
Si aplicamos el Teorema de Stokes:
( )
3 3
2 6 =
C S
S d B l d B
r r r r
se obtiene la expresin integral siguiente:
( ) S d
t
E
J S d B
S S
r
r
r r r

*
*
+
,
-
-
.
/
=
=
+ = 2 6
3 3 0 0
#
e igualando los integrandos:
*
*
+
,
-
-
.
/
=
=
+ = 2 6
t
E
J B
r
r r
0 0
#
forma diferencial de la Cuarta Ecuacin de Maxwell del Campo Electromagntico.
2.1.15. Ondas electromagnticas.
Se pueden deducir las propiedades de las ondas electromagnticas, a partir de las
ecuaciones de Maxwell, que recordaremos a continuacin:

3
=
0
#
Q
A d E
r r
(1)
3
= 0 A d B
r r
(2)

dt
d
s d E
m
7
4 =
3
r
r
(3)
3
7
+ =
dt
d
I s d B
e
0 0 0
#
r
r
(4)
Supongamos que la onda electromagntica es una onda plana, es decir, que slo
viaja en una direccin. Supongamos que viaja en la direccin del eje X, el campo
elctrico E est en la direccin Y y el campo magntico B en la direccin Z.
Adems los campos E y B son funciones de x y t
y no dependen de las otras coordenadas y, z. Utilizando
la tercera y cuarta ecuacin de Maxwell, considerando
que en el espacio vaco, Q=0 e I=0, resultar:
dt
d
s d E
m
7
4 =
3
r
r
y
3
7
=
dt
d
s d B
e
0 0
#
r
r

y aplicando el teorema de Stokes y desarrollando las expresiones resultantes, como se
demuestra a continuacin, llegamos a:
17/32
A partir de la 3 y 4 ecuaciones de Maxwell:
dt
d
s d E
m
7
4 =
3
r
r
y
3
7
=
dt
d
s d B
e
0 0
#
r
r
que se escribirn as:
3 3

=
=
4 =
s
A d B
t
s d E
r r
r
r
y A d
t
E
s d B
s
r
r
r
r

=
=
=
3 3
0 0
#
aplicamos el teorema de Stokes, que para el vector genrico T
r
se escribe:
( ) A d T l d T
s
r r r r
2 6 =
3 3
las ecuaciones anteriores quedarn escritas as:
( )
3 3

=
=
4 = 2 6
s s
A d B
t
A d E
r r r r
( ) A d
t
E
A d B
s s
r
r
r r

=
=
= 2 6
3 3
0 0
#
e igualando los integrandos, por ser integrales de superficie extendidas a la misma
superficie, resultar:
t
B
E
=
=
4 = 2 6
r
r
y
t
E
B
=
=
= 2 6
r
r
0 0
#
y desarrollando los rotacionales para j E E
y
r r
= y k B B
z
r r
= resulta:
k
t
B
x
E
k
z
E
i
E
z y x
k j i
z
y y
y
r r r
r r r
*
+
,
-
.
/
=
=
4 =
*
*
+
,
-
-
.
/
=
=
+
*
*
+
,
-
-
.
/
=
=
4 =
=
=
=
=
=
=
0 0
>
t
B
x
E
z
y
=
=
4 =
=
=
j
t
E
x
B
j
y
B
i
B
z y x
k j i
y
z z
z
r r r
r
r r
*
*
+
,
-
-
.
/
=
=
= *
+
,
-
.
/
=
=
4
*
*
+
,
-
-
.
/
=
=
=
=
=
=
=
=
=
0 0
0 0
# >
t
E
x
B y
z
=
=
4 =
=
=
0 0
#
ya que E
r
y B
r
slo son funciones de x y t.
Prescindiendo de los subndices de E y B resultar finalmente:
t
B
x
E
=
=
4 =
=
=
y
t
E
x
B
=
=
4 =
=
=
0 0
#
si derivamos la primera con respecto a x y sustituimos la segunda resultar:
18/32
*
+
,
-
.
/
=
=
4
=
=
4 =
*
+
,
-
.
/
=
=
=
=
4 =
*
+
,
-
.
/
=
=
=
=
4 =
=
=
t
E
t x
B
t t
B
x x
E
0 0
2
2
#
o sea:
2
2
0 0
2
2
t
E
x
E
=
=
=
=
=
#
Anlogamente, derivando la segunda ecuacin de las (5) con respecto a x y
sustituyendo la primera, resultar:
*
+
,
-
.
/
=
=
4
=
=
4 =
*
+
,
-
.
/
=
=
=
=
4 =
*
+
,
-
.
/
=
=
=
=
4 =
=
=
t
B
t x
E
t t
E
x x
B
0 0 0 0 0 0
2
2
# # #
o sea:
2
2
0 0 2
2
t
B
x
B
=
=
=
=
=
#
Las ecuaciones anteriores pueden escribirse as:
2
2
0 0
2
2
1
x
E
t
E
=
=
=
=
=
#
y
2
2
0 0
2
2
1
x
B
t
B
=
=
=
=
=
#
Estas ecuaciones son anlogas a la llamada "ecuacin general de la onda", que
tiene la forma:
2
2
2
2
2
x
f
v
t
f
=
=
=
=
=
donde v es la velocidad de la onda y f es la amplitud de la perturbacin de la onda.
2.2. Aplicaciones a la Qumica.
2.2.1. Cintica de reacciones.
La rapidez o velocidad de una reaccin qumica se expresa en trminos de la
concentracin de uno de los reactivos o de los productos involucrados en la reaccin
general. La rapidez se define como el ndice de cambio con el tiempo, de la
concentracin de un reactivo o de un producto. Si tomamos la reaccin general:
B A B A
2
2 # +
la rapidez o velocidad de desaparicin del reactivo A con respecto al tiempo, puede
expresarse por la derivada siguiente:
[ ]
dt
A d
4
donde el signo negativo (4), indica que la concentracin de A, [A], disminuye conforme
transcurre el tiempo de la reaccin.
De manera alternativa, la rapidez de la reaccin puede expresarse en trminos de
desaparicin del reactivo B, por la derivada siguiente:
19/32
[ ]
dt
B d
4
En trminos de rapidez de formacin del producto de la reaccin A
2
B, la rapidez la
podemos expresar por la derivada siguiente:
[ ]
dt
B A d
2
+
donde, en este caso el signo positivo (+) indica que la concentracin de A
2
B aumenta al
transcurrir el tiempo de la reaccin.
Resulta evidente que las velocidades expresadas por las ecuaciones (1), (2) y (3)
no son iguales, ya que A desaparecer con el doble de rapidez con que disminuye B se
forma A
2
B, por consiguiente, podemos expresar la rapidez de esta reaccin por medio de
cualquiera de las derivadas siguientes:
[ ] [ ] [ ]
dt
B A d
dt
B d
dt
A d
V
2
2 2 = 4 = 4 =
La rapidez o velocidad de la reaccin tiene, pues, unidades de concentracin por
unidad de tiempo.
La expresin matemtica que relaciona la velocidad de una reaccin con las
concentraciones de los reactivos, recibe el nombre de ecuacin de velocidad o Ley
diferencial de la Velocidad que tiene casi siempre la forma general:
Velocidad=K(T).Funcin de concentracin de reactivos
y para una reaccin de carcter general ser:
[ ] [ ] [ ] ... .
- . /
C B A K V =
La constante K que interviene en ella, se denomina coeficiente de velocidad,
constante de velocidad o factor de las concentraciones de los reactivos y depende
considerablemente de la temperatura, siendo constante nicamente para cada valor
concreto de la temperatura y para cada reaccin determinada.
Si suponemos que la velocidad es proporcional a la primera potencia de la
concentracin de A e independiente de las concentraciones de otras sustancias, entonces
la ley de velocidades puede escribirse de la siguiente manera:
[ ]
[ ] A K
dt
A d
. = 4
Puesto que la concentracin de A se eleva a la primera potencia en la ley de
velocidades, se dice que la reaccin es de primer orden en A. Alternativamente, puede
descubrirse que la velocidad de reaccin depende de la primera potencia de [A] y del
cuadrado de la [B], en este caso la ley de velocidades se escribir as:
20/32
[ ]
[ ][ ]
2
. '. B A K
dt
A d
= 4
en donde K0K y se dice que esta reaccin es de primer orden en A y de segundo orden
en B. Tambin sera posible que se descubriera experimentalmente que la rapidez
depende de la tercera potencia de la concentracin de A y de la segunda potencia de la
concentracin de B y la ley de velocidades se escribir as:
[ ]
[ ] [ ]
2 3
. ". B A K
dt
A d
= 4
donde K" es la constante de velocidad especfica y se dice que la reaccin es de tercer
orden en A y de segundo orden en B. Si se encuentra que la velocidad de la reaccin es
independiente tanto de A como de B, la reaccin se dice que es de orden cero en A y en
B y la ley de velocidades es:
[ ]
[ ] [ ]
0 0
. ". B A K
dt
A d
= 4
Si la reaccin productos B A # +
es de segundo orden la velocidad de desaparicin de A viene dada por:
[ ]
[ ]
2
. A K
dt
A d
= 4 [ ] [ ] B A = # [ ][ ] B A K V . . =
e integrando entre condiciones iniciales de [A]
0
para t=0 y las condiciones finales de
[A] para el tiempo t, resulta:
[ ]
[ ]
[ ]
[ ]
3 3
= 4
t
A
A
dt K
A
A d
0
2
0
# [ ]
[ ]
[ ]
[ ]
3 3
4 =
4
t
A
A
dt K A d A
0
2
0
[ ] [ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ] [ ]
t K
A A A
A
A
A
A
A
.
1 1 1
0
1
0
0
4 = 4 =
$
%
&
'
(
) 4
= 4
4
[ ] [ ]
t K
A A
.
1 1
0
+ =
Si tomamos a como concentracin inicial de A y x como concentracin que ha
reaccionado durante el tiempo t, la expresin anterior se escribir as:
dt
dx
x a K
dt
x a d
= 4 =
4
4
2
) (
) (
E integrando entre una situacin inicial para t=0 donde x=0 y una situacin final
para tiempo t y concentracin x, resulta:
3 3
=
4
x t
dt K
x a
dx
0 0
2
.
) (
> t K
x a
x
.
1
0
=
$
%
&
'
(
)
4
> t K
a x a
.
1 1
+ =
4
21/32
y despejando la constante K resulta:
$
%
&
'
(
)
4
=
) (
1
x a a
x
t
K
2.2.2. Termoqumica. Clculos de calores de reaccin.
Las capacidades trmicas de reactivos y productos se pueden usar para calcular el
cambio de entalpa para una reaccin dada, a cierta temperatura T
2
, a partir del
conocimiento del cambio de entalpa para la reaccin a otra temperatura T
1
. Un clculo
de este tipo es muy til, puesto que elimina la necesidad de determinar experimental-
mente !H para la reaccin a cada temperatura. Veamos como se lleva a cabo este
clculo. Para ello, utilicemos la reaccin: A(g) ??# B(g)
A T
1
, el cambio de entalpa medio es !H
1
. A continuacin desearamos conocer el
cambio de entalpa a la temperatura T
2
, cuando T
2
>T
1
. Este resultado se puede obtener
tomando en consideracin el proceso cclico que se muestra en la fig.2.:
Las etapas de este proceso, recorrido en sentido contrario al de las agujas del reloj
de A(g) a T
1
en torno a la trayectoria cerrada y de regreso a este punto, son:
1) La reaccin A(g) ?# B(g) a T
1
se lleva a cabo y cambio de entalpa es !H
1
.
2) A continuacin, el compuesto B(g) se eleva de T
1
a T
2
y el cambio de entalpa
para este proceso est dado por la ecuacin:
3
= !
2
1
) ( 3
T
T
B P
dT C H
en donde C
P(B)
es la capacidad trmica a P=cte del compuesto B.

3) A continuacin, se lleva a cabo la inversa de la reaccin A(g) ?# B(g) a T
2
.
Entonces el cambio de entalpa para esta etapa es el valor negativo de la reaccin
directa, !H
2
.
4) Finalmente, el compuesto A disminuye su temperatura de T
2
a T
1
, volviendo a
nuestro punto de partida. El cambio de entalpa es:
3
= !
1
2
) ( 4
T
T
A P
dT C H
22/32
A partir de la Primera Ley, @!H
i
=0 para una trayectoria cerrada y, para el
ejemplo anterior, se tiene:
( ) 0
4 3 2 1
4
1
= ! + ! + ! 4 + ! = !
0
=
H H H H H
i
i
y al utilizar los valores de !H
3
y !H
4
de las etapas (2) y (3), se obtiene:
3 3
+ + ! = !
2
1
1
2
) ( ) ( 1 2
T
T
T
T
A P B P
dT C dT C H H
3 3
4 + ! = !
2
1
2
1
) ( ) ( 1 2
T
T
T
T
A P B P
dT C dT C H H
( )
3
4 + ! = !
2
1
) ( ) ( 1 2
T
T
A P B P
dT C C H H
o bien:
3
! + ! = !
2
1
1 2
T
T
P
dT C H H
donde !C
P
=C
P(B)
-C
P(A)
, o sea, que !C
P
es la diferencia en las capacidades trmicas del
producto y el reactivo. En el caso de la reaccin general:
aA(g) + bB(g) ?# gG(g) + hH(g)
se calcula !H
2
a T
2
a partir del valor conocido de !H
1
a T
1
y las capacidades trmicas
C
P(A)
, C
P(B)
, C
P(G)
, C
P(H)
de las sustancias A, B, G, y H, respectivamente, a partir de la
ecuacin:
( ) ( ) [ ]dt bC aC hC gC H H
T
T
B P A P H P G P
.
2
1
) ( ) ( ) ( ) ( 1 2
3
+ 4 + + ! = !
2.3. Aplicaciones a la Biologa.
2.3.1. Leyes de la Desintegracin Radiactiva.
La radiactividad es un fenmeno espontneo y aleatorio. El nclido que emite
radiacin en un instante determinado, puede ser cualquiera de los contenidos en la
muestra. Ningn nclido presenta caractersticas especiales sobre otros, que determinen
su desintegracin anterior o posterior a otros nclidos. Todos los nclidos tienen la
misma probabilidad de desintegrarse en un determinado instante, el proceso obedece
leyes estadsticas.
A partir de las observaciones experimentales, Rutherford y Soddy sugirieron que
los tomos de los elementos radiactivos sufren una desintegracin espontnea con
emisin de partculas / o . y formacin de tomos de un nuevo elemento. La intensidad
de la radiactividad que, en su momento, se llam actividad, es proporcional al nmero
de tomos que se desintegran por unidad de tiempo.
23/32
El nmero de desintegraciones, dN, que se producen en un intervalo infinitamente
pequeo de tiempo, dt, para poder considerar el proceso como uniforme, depende de
dicho intervalo de tiempo, dt, y del nmero de nclidos existente en la muestra sin
desintegrar, N, en dicho instante, es decir:
dt N dN . A
e introduciendo una constante de proporcionalidad ', resulta:
dt N dN . . ' 4 = (#)
donde el signo negativo de la constante nos indica que ambas diferenciales son
opuestas, o sea, que N decrece a medida que transcurre t.
La constante ' se llama constante de desintegracin o simplemente constante
radiactiva y representa las desintegraciones que se producen por ncleo y por segundo,
o velocidad de desintegracin por ncleo de sustancia:
N dt
dN 1
1 4 = '
aunque, por tratarse de un proceso aleatorio, debe interpretarse como la probabilidad de
que se desintegre un nclido en la unidad de tiempo. La ecuacin (#) expresa la ley
fundamental de la desintegracin radiactiva.
Si integramos esta ecuacin puesta en la forma:
dt
N
dN
. ' 4 =
entre los lmites t=0, origen de tiempos, en el cual la muestra no se ha desintegrado
nada y por tanto N=N
0
, hasta t en el cual el nmero de nclidos sin desintegrar es N,
resulta:
3 3
4 =
N
N
t
dt
N
dN
0
0
' ?# [ ] [ ]
t N
N
t N
0
0
ln ' 4 =
y desarrollando resulta: t N N ' 4 = 4
0
ln ln ?# t
N
N
' 4 =
0
ln
o sea:
y
e N N
' 4
=
0
Cuando la variable t aumenta en progresin aritmtica, el nmero de tomos del
elemento original N disminuye en progresin geomtrica.
El periodo de semidesintegracin o semivida se define como el tiempo que ha de
transcurrir para que el nmero inicial de nclidos de la muestra radiactiva se reduzca a
la mitad, por desintegracin de la otra mitad, convirtindose en otros nclidos que,
estables o inestables, permanecern presentes en la muestra.
24/32
Si aplicamos la ecuacin anterior a esta definicin, y llamamos T al periodo de
semidesintegracin, resulta:
T
e N
N
' 4
=
0
0
2
?#
T
e
' 4
=
2
1
y tomando logaritmos neperianos, tendremos:
T . 2 ln ' 4 = 4 ?#
' '
693 ' 0 2 ln
= = T
Por ser un fenmeno nuclear, ninguna accin fsica o qumica conocida puede
alterar el periodo de semidesintegracin y por tanto, puede utilizarse, mediante anlisis
cuantitativo de los productos de la reaccin de desintegracin, como reloj para
determinar las edades de las muestras. Tal es el caso de la datacin de fsiles por el
mtodo del Carbono-14.
La vida media de un elemento radiactivo se define como el valor medio de los
tiempos de vida de todos los nclidos.
Cualquier nclido puede desintegrarse en cualquier momento, por ser un proceso
al azar. Igual probabilidad tiene un determinado nclido de desintegrarse pronto o tarde,
al principio o al final, y ningn nclido tiene prioridad alguna de desintegrarse sobre la
que tenga otro. Un nclido puede tener una vida de t=0 (el primero que se desintegra
una vez preparada la muestra) y otro nclido puede tener una vida media de t=1(el
ltimo en desintegrarse), y en este intervalo estn comprendidas las vidas de todos los
dems nclidos. Para hallar la media de los tiempos de vida de todos los nclidos
sumaremos las vidas de todos ellos y la dividiremos por el nmero total de nclidos:
3
=
0
0
0
.
1
N
dN t
N
*
donde dN representa el nmero de nclidos que tienen una vida de t y se desintegran en
el intervalo comprendido entre t y t+dt.
Para resolver la ecuacin anterior, diferenciamos la ecuacin
y
e N N
' 4
=
0
resultando:
( ) dt e N dt e N dN
t t ' '
' '
4 4
4 = 4 =
0 0
y sustituyendo en B tendremos:
3 3 3
5
4 4
4 = 4 = =
0 0
0
0
0
0
0
0
.
1
.
1
N
t t
N
dt e t dt e tN
N
dN t
N
' '
' ' *
25/32
los lmites de integracin de la integral, lgicamente cambian al cambiar la variable en
el integrando, pues: t=0 para N=N
o
(momento inicial) y t=1para N=0 (momento final).
Si resolvemos la integral por partes:
3 3
4 = du v v u dv u . . .
haciendo:
dt e dv
t u
t ' 4
=
=
?#
t
e v
dt du
'
'
4
4 =
=
1
C
D
C
E
F
resulta

0
0
1 1
.
5
4 4
5
4
$
%
&
'
(
)
+ 4 4 = 4 =
3 3
dt e te dt e t
t t t ' ' '
' '
' ' *
0
1 1
5
4 4
$
%
&
'
(
)
+ 4 4 =
3
dt e te
t t ' '
' '
' (*)
La integral 2e
-'t
dt se resuelve mediante el siguiente cambio de variable: -'t=u
diferenciando, resulta -'dt=du y dt=du/-' y sustituyendo:
3 3 3
4 4
4 = 4 = 4 =
4
=
t u u u t
e e du e
du
e dt e
' '
' ' ' '
1 1 1
y sustituyendo la integral ya resuelta en la expresin anterior (*)
=
$
%
&
'
(
)
4 4 4 =
$
%
&
'
(
)
*
+
,
-
.
/
4 + 4 4 =
5
4 4
5
4 4
0
2
0
1 1 1 1 1
t t t t
e te e te
' ' ' '
' '
'
' ' '
' *
=
$
%
&
'
(
)
*
+
,
-
.
/
4 5 4 4 4 4 4 =
5 4 5 4 4 4 .
2
. 0 .
2
0 .
1
.
1 1
. 0
1
' ' ' '
' ' ' '
' e e e e ( )
' '
'
1
0 0
1
0
2
=
$
%
&
'
(
)
4 4 4 4
resultando finalmente:
'
*
1
=
Es decir, la vida media de un nclido es la inversa de la constante radiactiva, y
puede expresarse de la siguiente forma:
T
T
T
. 443 ' 1
693 ' 0 693 ' 0
1 1
= = = =
'
*
o bien: * . 693 ' 0 = T
3. LAS FUNCIONES EN LAS CIENCIAS SOCIALES.
Las aplicaciones ms habituales del Anlisis a las ciencias sociales vienen del
estudio de funciones de densidad de distribuciones, ya que es la Estadstica y Clculo de
Probabilidades la parte de la Matemtica que ms aplicaciones tiene en las Ciencias
Sociales. El estudio de dichas funciones supone continuidad, derivabilidad, integracin,
etc.
Veamos cuales son las funciones de densidad ms comunes:
26/32
Normal: G H I =
4
4
x e x f
x
2
2
) (
2
1
2
1
) (
3

" 3
Exponencial: 0 ) ( > I =
4
x e x f
x '
'
Gamma: 0
) (
) (
1
> I
J
=
4 4
x x e
p
a
x f
p ax
p
Beta: 1 0 ) 1 (
) , (
1
) (
1 1
< < 4 =
4 4
x x x
q p B
x f
q p
K
2
G H I
*
+
,
-
.
/
J
*
+
,
-
.
/
=
4 4
x e x
n
x f
x n
n
2
1
2
2
2
2
1
) (
t de Student: G H I
*
*
+
,
-
-
.
/
+
*
+
,
-
.
/
=
+
4
x
n
x
n
B n
x f
n
2
1
2
1
2
,
2
1
1
) (
F de Snedecor 0 1
2
,
2
) (
2 1
2
2
> I *
+
,
-
.
/
+
*
+
,
-
.
/
*
+
,
-
.
/
=
+
4
4
x
n
mx
x
n m
B
n
m
x f
n m
m
m
Otras aplicaciones que nos podemos encontrar, aparte de las que se derivan de la
Estadistica y Probabilidad, es el estudio de grficas de funciones. Dichas grficas nos
las podemos encontrar en Demografa, Geografa, Sociologa, etc. Algunas de esas
funciones reciben el nombre de Curvas de Crecimiento, siendo las ms conocidas:
Funcin de Crecimiento Ilimitado 0 0 , ) ( > > = x b a e a x f
bx
Funcin de Decrecimiento Limitado 0 0 , ) ( > > =
4
x b a e a x f
bx
Funcin de Crecimiento Limitado ( ) 0 0 , , 1 ) ( > > 4 =
4
x c b a e a x f
bx
Funcin de Crecimiento Logstico 0 0 , ,
1
) ( > >
+
=
4
x c b a
e a
C
x f
bx
La funcin exponencial de crecimiento ilimitado se empleara en el caso de
crecimiento de poblaciones donde no hay lmite para el crecimiento y tampoco hay
restricciones del medio ambiente. Pero esa es una situacin un tanto utpica. Cuando el
hbitat impone limitaciones al crecimiento, esta claro que la poblacin no tendr un
crecimiento ilimitado, por tanto, llegar un momento en el que el tamao se estabilizar.
La funcin ms habitual para describir este proceso es la funcin logstica.
27/32
La ecuacin logstica tambin tiene otras aplicaciones, aparte del crecimiento de
poblaciones. Las caractersticas de la funcin logstica son que para valores pequeos de
la variable, la funcin se parece a la exponencial. En cambio, para valores muy grandes
de la variable, la funcin se acerca a un cierto lmite.
Un ejemplo de aplicacin sera la difusin de informacin a travs de una poblacin.
La informacin puede ser un rumor, trozo de noticia o cualquier otro. Si inicialmente la
noticia la conoce un cierto porcentaje de la poblacin, al principio el crecimiento ser
exponencial para luego irse aproximando al valor 1 sin superarlo.
4. LAS FUNCIONES EN LA ECONOMA.
4.1. Funciones en Economa.
Vamos a describir un modelo de equilibrio esttico. El problema ms sencillo es
considerar un mercado con un nico producto. El modelo tendr tres variables:
Q
d
= Cantidad demandada del Producto.
Q
s
= Cantidad Ofertada del Producto.
P = Precio del Producto.
La condicin de equilibrio ser:
Q
d
Q
s
= 0
que significa que se alcanzar el equilibrio cuando la oferta y la demanda sean la
misma.
Teniendo en cuenta que tanto la oferta como la demanda dependen del precio del
producto, podemos suponer que Q
d
es una funcin lineal de P y decreciente
(evidentemente, a mayor precio menor demanda) y que Q
s
es tambin lineal de P y
creciente. As pues, tenemos:
Q
d
= Q
s
Q
d
= a bP Q
s
= c + dP con a, b, c y d positivos.
OBS Hemos supuesto que el trmino independiente de Q
s
es negativo, c, ya que
habitualmente no habr oferta a menos que el precio inicial sea adecuado.
Si representamos estas funciones tenemos:
28/32
El punto (p,q) nos da la solucin que buscbamos, que es la solucin a las tres
ecuaciones planteadas, y lo llamaremos punto de equilibrio.
Resolviendo tenemos que
d c
b a
p
+
+
= y que
d b
bc ad
q
+
4
=
Si al modelo que hemos descrito le aadimos un segundo producto, las ecuaciones a
plantear cambian, siendo ahora:
C
D
C
E
F
+ + =
+ + =
=
C
D
C
E
F
+ + =
+ + =
=
2 2 1 1 0
2 2 1 1 0
2 2 1 1 0
2 2 1 1 0
' ' '
' ' '
2
2
2 2
1
1
1 1
P b P b b Q
P a P a a Q
Q Q
P b P b b Q
P a P a a Q
Q Q
s
d
s d
s
d
s d
Y su resolucin nos da:
) ' ' )( ( ) ' ' )( (
) ' ' )( ( ) ' ' )( (
) ' ' )( ( ) ' ' )( (
) ' ' )( ( ) ' ' )( (
1 1 2 2 2 2 1 1
0 0 1 1 1 1 0 0
2
1 1 2 2 2 2 1 1
2 2 0 0 0 0 2 2
1
b a b a b a b a
b a b a b a b a
P
b a b a b a b a
b a b a b a b a
P
4 4 4 4 4
4 4 4 4 4
=
4 4 4 4 4
4 4 4 4 4
=
que slo tendr sentido si el denominador es no nulo.
Una vez visto el caso para un solo producto y para dos productos, podemos
generalizar el proceso para n productos.
n i
P a P b P b b Q
P a P a P ai a Q
Q Q
n in i i i s
n in i i d
s d
i
i
i i
, , 1
2 2 1 1 0
2 2 1 1 0
K
K
K =
C
D
C
E
F
+ + + + =
+ + + + =
=
4.2. Derivadas en Economa.
Sea q la cantidad de un bien, y llamemos funcin de demanda a aquella funcin que
relaciona la cantidad que se demanda de un bien con respecto al precio, <(q).
a) Elasticidad.
La nocin de elasticidad de la demanda con respecto al precio, que recibe el nombre
de elasticidad-precio, mide la variacin relativa de la cantidad demandada con respecto
al precio. Si suponemos que la funcin de demanda, <, es continua y derivable,
representamos la elasticidad como:
"
" !
!
=
# !
q
q
Lim E
P 0
Si tenemos en cuenta que la cantidad demandada se mueve en sentido inverso al
precio, el lmite anterior se ve afectado con el signo negativo para que la elasticidad
resulte positiva. Entonces:
29/32
q d
dq
q
q
Lim
q
q
Lim E
P P
"
"
"
"
"
"

0 0
4 =
!
!
4 =
!
!
4 =
# ! # !
A partir de esta definicin podemos clasificar los bienes segn diferentes criterios:
Son Bienes de Demanda Normal los que tienen Elasticidad positiva, E>0.
Son Bienes de Demanda Anormal si la elasticidad es negativa, E<0. Eso
significara que la funcin de demanda es creciente y por tanto, el precio y la
demanda varan de la misma forma.
Si en la primera definicin de elasticidad comparamos el numerador y el
denominador, en valor absoluto, entre si, tenemos las siguientes situaciones:
1 > >
!
>
!
E
q
q
"
"
. Diremos que el bien es de demanda Elstica.
1 = >
!
=
!
E
q
q
"
"
. Diremos que el bien es de demanda Unitaria.
1 < >
!
<
!
E
q
q
"
"
. Diremos que el bien es de demanda Inelstica.
b) Formacin de Precios
Denotemos por q la cantidad de producto, y llamemos I(q) a la funcin de ingresos y
C(q) a la funcin de costes. Podemos definir la funcin Beneficio como:
B(q) = I(q) C(q)
Suponiendo que la funcin beneficio es continua y derivable, para hallar su mximo
tenemos una condicin sobre la primera derivada y otra sobre la segunda derivada.
B(q) = 0. Lo que traduce en I(q) = C(q), donde llamamos ingreso marginal a
I(q) y coste marginal a C(q). Sea q
0
el punto donde se anula la primera
derivada.
B(q
0
) < 0. Entonces I(q
0
) < C(q
0
), y significa que el crecimiento del
ingreso marginal en el punto considerado es menor que el crecimiento del coste
marginal en el mismo punto.
b.1) Mercados de Competencia Perfecta.
Tienen como caracterstica que el precio del bien es constante, independientemente
de la cantidad demandada del mismo:
<(q) = <
Entonces, la funcin de ingresos queda como I(q) = <q, siendo I(q) = <.
30/32
Si la condicin era B(q)=0 entonces se deduce que C(q)=<. Por tanto, el punto q
0
lo obtenemos de resolver esta ltima ecuacin.
Aplicando la segunda condicin, como I(q)=0, deducimos que C(q)>0, lo que
significa que en el punto q
0
los costes marginales son crecientes.
b.2) Mercados Monopolsticos.
En esta situacin, la funcin de ingresos es I(q) = <(q)q. y como I(q) = C(q)
tenemos que
C(q) = <(q) + q<(q) >
) ( '
) ( ) ( '
q
q q C
q
"
" 4
=
ecuacin que nos permite obtener el valor de q
0
que verifica la primera condicin.
La segunda condicin sera:
I(q) = <(q) + q<(q) + <(q) = 2<(q) + q<(q)
Como se tiene que verificar queI(q)<C(q) entonces
2<(q) + q<(q) < C(q)
4.3. Integrales en Economa.
a) Costes.
Si el coste total de fabricar y vender q unidades de un determinado bien es
CT = CT(q)
entonces el coste medio por unidad vendida ser:
q
q CT
q CM
) (
) ( =
y el coste marginal se obtendr a partir de su derivada:
dq
q dCT
q CT
) (
) ( ' =
Por tanto dCT(q) = CT(q)dq >
3
= dq q CT q CT ) ( ' ) (
b) Ingresos.
Dada la funcin de demanda <=<(q), el ingreso total es
I(q) = <(q)q
31/32
El ingreso marginal sabemos que es
dq
q dI
q I
) (
) ( ' = , por lo tanto
3
= dq q I q I ) ( ' ) (
c) Excedente del Consumidor.
Sabemos que la funcin de demanda nos da la cantidad que se vende de un
determinado artculo en funcin del precio. Si el precio de equilibrio es <
0
para la
cantidad demandada q
0
, entonces los consumidores que estuviesen dispuestos a pagar
un precio mayor que el de mercado se beneficiarn por el hecho de que el precio es <
0
.
Segn ciertas hiptesis econmicas, la ganancia total del consumidor est
representada por el rea bajo la curva de demanda y sobre la recta <=<
0
y se conoce
como Excedente del consumidor. Se obtendra como:
0 0
0
0
) ( q dq q E
q
" " 4 =
3
o bien:
3
=
0
0
) (
m
d q E
"
" "
siendo q(<) la funcin inversa de <(q).
d) Excedente del Productor.
Una funcin de oferta representa la cantidad de un producto que se ofrece en el
mercado en funcin del precio. Si el precio de mercado es <
0
y la cantidad ofertada a ese
precio es q
0
, entonces aquellos fabricantes que estuviesen dispuestos a vender dicho
bien a un precio inferior al de mercado se beneficiaran de que el precio es <
0
. Al igual
que en el caso anterior, segn ciertas hiptesis econmicas, la ganancia total del
producto est representada por el rea sobre la curva de oferta y bajo la recta <=<
0
,
recibiendo el nombre de Excedente del productor, y siendo su valor:
3
4 =
0
0
0 0
) (
q
dq q S q E "
expresable tambin como:
3
4
=
0
0
) (
1
"
" "
m
d S E
32/32
Bibliografa Recomendada.
Temas de Oposiciones de Fsica y Qumica. Aut. Antonio Abrisqueta Garca, 1999
Cualquier Manual bsico sobre Economa.
1/12
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 33
EVOLUCIN HISTRICA DEL CLCULO DIFERENCIAL.
1. Introduccin.
2. Orgenes del Anlisis. poca Griega.
3. Siglo XVII.
3.1. Galileo, Kepler y Cavalieri.
3.2. Fermat y Descartes.
3.3. Wallis y Barrow.
3.4. Newton y Leibniz
4. Siglo XVIII.
4.1. La familia Bernoulli y LHospital.
4.2. Cotes, Stirling, Maclaurin, Taylor y Rolle.
4.3. Euler.
4.4. Legendre y Lagrange.
5. Siglo XIX.
5.1. Gauss.
5.2. Cauchy.
5.3. Bolzano.
5.4. Fourier y Dirichlet.
5.5. Riemann
5.6. La Aritmetizacin del Anlisis.
6. Siglo XX.
6.1. Poincar.
6.2. Hilbert.
Bibliografa Recomendada.
2/12
TEMA 33
EVOLUCIN HISTRICA DEL CLCULO DIFERENCIAL.
1. INTRODUCCIN.
El anlisis matemtico va a ser la rama de la matemtica que nos proporcione
mtodos para la investigacin cuantitativa de los procesos de cambio, movimiento y
dependencia de una magnitud con respecto a otras. Inicialmente apareci con un ropaje
geomtrico que le impidi progresar, quiz debido a la influencia de las obras de
Descartes Discurso del Mtodo y Geometra. Cuando pudo desprenderse de dicho
ropaje, avanz rpidamente.
2. ORGENES DEL ANLISIS. POCA GRIEGA.
A finales del siglo V a. C. quedaban en la matemtica griega algunos problemas sin
resolver. Entre ellos podemos destacar el de la comparacin de figuras curvilneas y
rectilneas. Fue Eudoxo quien encontr la solucin. Matemticos anteriores a l haban
propuesto que lo mejor era intentar inscribir y circunscribir figuras rectilneas a la figura
curvilnea, aumentando el nmero de lados convenientemente para una mayor
aproximacin. Pero no saban como terminar el razonamiento, ya que desconocan la
idea de lmite (y sera desconocida durante dos milenios ms). Segn Arqumedes, fue
Eudoxo quien dio el Lema que lleva el nombre de Arqumedes y que sirve como base al
mtodo de exhauscin, el equivalente griego del clculo integral.
Los griegos hicieron uso de esta propiedad para la demostracin de teoremas sobre
reas y volmenes de figuras curvilneas. El propio Eudoxo demostr que el volumen
de un cono es la tercera parte del cilindro de la misma base y altura.
La mtodo de exhauscin se puede considerar como el primer teorema relativo a la
medida de figuras curvilneas conocido, lo cual apunta a que Eudoxo se puede
considerar como el verdadero padre del clculo integral, la mxima contribucin de los
miembros de la Academia platnica hecha a la matemtica.
Arqumedes (siglo III a. C) escribi Sobre las espirales, un libro de difcil
comprensin. En l nos podemos encontrar varios tratados sobre el mtodo de
exhauscin, siendo el ms popular el de La cuadratura de la parbola. Cuando lo
escribi, las secciones cnicas se conocan casi un siglo antes, pero se necesit de su
genio para progresar en el clculo de reas relacionadas con ellas.
Concretamente, en la proposicin 17 de dicho tratado
consigue cuadrar un segmento de parbola. La
demostracin que realiza por el mtodo de exhauscin es
larga y compleja, pero llega a demostrar que el rea de un
segmento parablico APBQC es cuatro tercios de un
tringulo que tenga la misma base y la misma altura.
Parece ser que Arqumedes no pudo hallar el rea de un segmento de elipse o de
hiprbola. En realidad, el clculo del rea de un arco de parbola actualmente no
involucra nada peor que sencillos polinomios de segundo grado. En cambio, las
3/12
integrales que aparecen en los segmentos de elipses o hiprbolas implican funciones
transcendentes.
Tambin podemos decir que Arqumedes, en su trabajo Sobre conoides y esferoides,
calcula el rea de la elipse de semiejes a y b. Y en el mismo tratado muestra cmo
calcular los volmenes de los segmentos que se obtienen al cortar un elipsoide,
paraboloide o hiperboloide de revolucin por un plano perpendicular al eje principal. El
mtodo que utiliza Arqumedes es muy similar al actual.
Y por ltimo, podemos decir que en el tratado Sobre la esfera y el cilindro
encontramos una proposicin equivalente a
2 cos 1 sen
0
= ! =
"
!
!
xdx
y en la siguiente demuestra otra que es equivalente a la integracin de la funcin seno.
3. SIGLO XVII.
3.1. Galileo, Kepler y Cavalieri.
Fueron Galileo, Kepler y Stevin matemticos que necesitaban de los mtodos de
Arqumedes para resolver sus problemas. Pero queran evitar las sutilezas lgicas del
mtodo de Exhauscion. Las modificaciones que realizaron de los antiguos mtodos
infinitesimales llevaron finalmente al clculo infinitesimal propiamente dicho, siendo
Stevin uno de los primeros en sugerir algunas modificaciones. Stevin estaba interesado
en las aplicaciones fsicas de la idea de infinitos elementos infinitamente pequeos,
mientras que Kepler los necesitaba para aplicarlos a la astronoma. En su segunda ley
astronmica (el radio vector que va del Sol a un planeta barre reas iguales en tiempos
iguales) el problema relativo al rea lo resuelve suponiendo que estaba constituida por
tringulos infinitamente pequeos con un vrtice en el Sol y los otros dos en puntos
infinitamente prximos sobre la rbita del planeta. As, Kepler aplic un tipo de clculo
integral muy rudimentario.
Fue en 1612 cuando Kepler, debido a que fue un ao de vino excepcionalmente
bueno, comenz a calcular volmenes de slidos de revolucin, comenzando por los
toneles de vino. Reuni sus investigaciones sobre volmenes de revolucin en un libro
que public en 1615 llamado Medida de los volmenes de toneles (Stereometria
doliorum).
Una de las aportaciones de Galileo fue en el clculo de reas. Estudi la Cicloide, e
intent hallar el rea bajo uno de sus arcos. Lo ms que pudo hacer fue trazar la curva
sobre una chapa metlica, recortarla y pesarla, obteniendo como conclusin que su rea
era aproximadamente tres veces el rea del crculo generador (como luego se demostr).
Cavalieri fue discpulo de Galileo. Se concentr principalmente en un teorema
geomtrico que expresado en notacin moderna sera
1
1
0
+
=
+
"
n
a
dx x
n
a
n
Tanto el enunciado como la demostracin del teorema son muy diferentes de los
actuales, ya que Cavalieri comparaba potencias de segmentos que son paralelos a la
4/12
base de un paralelogramo, con las correspondientes potencias de los segmentos en uno
cualquiera de los dos tringulos en que una diagonal divide al paralelogramo.
3.2. Fermat y Descartes.
Descartes observ que todas las propiedades de una curva, tales como la medida del
rea encerrada por ella o la direccin de su tangente, estaban completamente
determinadas cuando se daba su ecuacin en dos incgnitas. Tena mucha razn al
afirmar que el problema de hallar la tangente a una curva era de gran importancia, pero
el mtodo que desarrolla en La gomtrie no era tan directo ni fcil de aplicar como el
que desarrollo Fermat aproximadamente al mismo tiempo.
Fermat descubri un mtodo muy ingenioso para la obtencin de los puntos en los
que una funcin polinmica de la forma y=f(x) toma valores mximo y mnimo. Fermat
comparaba el valor de f(x) en un cierto punto con el valor de f(x+E) en un punto
prximo. Vio que en general los valores seran claramente diferentes, pero en un
mximo o un mnimo, la diferencia sera casi imperceptible. Por lo tanto, para hallar
dichos puntos, Fermat iguala f(x) a f(x+E), teniendo en cuenta que sern casi iguales.
Cuanto ms pequeo sea E ms se aproximar a ser una verdadera igualdad. As pues,
despus de dividir todo por E hace E=0. El resultado le permite calcular las abcisas de
los puntos mximos y mnimos de la funcin. Esa es la esencia de lo que ahora
conocemos por diferenciacin pues lo que hizo Fermat es equivalente a
E
x f E x f
Lim
E
) ( ) (
0
! +
#
e igualar ese lmite a cero. Tambin descubri como aplicar su procedimiento de los
valores prximos de la variable para hallar la tangente a una curva algebraica de la
forma y=f(x). Por tanto tendramos que darle la razn a Laplace cuando aclamaba a
Fermat como el verdadero descubridor del Clculo Diferencial.
As mismo, Fermat obtuvo un teorema relativo al rea encerrada bajo curvas de la
forma y=x
n
. Ampli los resultados de Cavalieri ya que lo demostr para todo n distinto
de 1, incluyendo valores fraccionarios. La demostracin consista esencialmente, en
aproximar el rea mediante sumas de infinitos rectngulos circunscritos (lo que
consideraramos como suma superior).
3.3. Wallis y Barrow.
Wallis public en 1655 su obra Arithmetica infinitorum. Lleg al resultado
1
1
1
0
+
=
"
m
dx x
m
por induccin incompleta, eliminando el marco geomtrico que haba necesitado
Cavalieri en su demostracin.
Barrow escribi en 1670 el tratado Lectiones geometricae, en el que ocupaban un
lugar importante los problemas de tangentes. En l explic un mtodo de determinacin
de tangentes que es prcticamente idntico al que se usa actualmente en el clculo
5/12
diferencial. El mtodo se parece mucho al de Fermat, pero en l aparecen dos
cantidades, en vez de la nica que usa Fermat representada por la letra E. Dichas
cantidades equivalen a los trminos modernos $x e $y.
De todos los matemticos que anticiparon fragmentos del clculo diferencial e
integral, Barrow fue el que ms se aproxim al nuevo anlisis que se avecinaba.
Ocupaba la ctedra lucasiana en Cambrigde y, cuando fue nombrado capelln del rey
Carlos II de Inglaterra, a propuesta de l mismo le sucedi Newton.
3.4. Newton y Leibniz.
En la obra de Newton De Analysi encontramos la primera exposicin sistemtica del
principal descubrimiento de Newton, el clculo. El ms importante maestro de Newton
fue Barrow, y formul un mtodo sistemtico de diferenciacin similar al que su
maestro public unos aos despus. Tambin demuestra en esa obra que el rea bajo la
curva
n
m
ax y = viene dada por
n
n m
ax
n m
n
A
+
+
=
Dicha rea la calcul al revs. Supuso que el rea era esa y obtuvo que tena que ser de
la funcin y. Parece ser que fue la primera vez en la historia de la matemtica que se
calculaba un rea mediante el proceso inverso de lo que llamamos diferenciacin,
aunque dicho proceso poda ser ya conocido por otros matemticos. Es por ello por lo
que Newton puede ser considerado como el verdadero inventor del clculo, porque fue
capaz de explotar la relacin inversa existente entre pendiente y rea mediante su nuevo
anlisis infinito.
En la exposicin que hace Newton de sus mtodos infinitesimales, consideraba a las
variables x e y como cantidades que fluyen o fluentes y a sus derivadas fluxiones o
velocidades de variacin, denotndolas por

y e x . Duplicando los puntos representaba
fluxiones de fluxiones (derivadas segundas).
Newton no fue el primero en efectuar diferenciaciones e integraciones, ni tampoco
el primero en ver las relaciones que existan entre estas dos operaciones, expresado en el
teorema fundamental del clculo. Su descubrimiento consisti en la consolidacin de
estos elementos en un algoritmo general aplicable a todas las funciones, tanto
algebraicas como trascendentes.
Con el mtodo de las fluxiones Newton resolvi los siguientes problemas:
a) Determinacin del centro y del radio de curvatura de una funcin.
b) Trazado de tangentes.
c) Obtencin de mximos y mnimos, anulando la fluxin.
d) Determinacin de los puntos de inflexin, determinando el mximo o el mnimo
del coeficiente angular de la tangente.
Leibniz lleg a la conclusin de que estaba en posesin de un mtodo de gran
importancia (el mtodo de las fluxiones segn Newton) por su generalidad varios aos
6/12
despus que su colega Newton. Pero sostuvo que era necesario desarrollar un lenguaje y
una notacin adecuados para tratar estos nuevos problemas. La notacin que eligi fue
muy acertada. Se decidi a representar por dx y dy las diferencias ms pequeas
posibles (diferenciales) de la x y de la y. Igualmente, al principio escriba omn.y para
representar la suma de ordenadas bajo una curva, pero ms tarde lo cambi por el
smbolo
"
ydx , siendo el smbolo una S esbelta, inicial de la palabra suma.
Tanto Newton como Leibniz obtuvieron propiedades de las derivadas, cada uno con
su notacin. Newton lleg a saber que
y x y x Z xy Z & &
&
+ = % =
Leibniz se pregunt si d(xy)=dxdy, siendo su respuesta negativa, pero obteniendo a
cambio la expresin correcta a la expresin general
d
n
(xy)
Newton y Leibniz desarrollaron rpidamente los dos su nuevo anlisis hasta incluir
las diferenciales o fluxiones de orden superior.
Pero esas no fueron sus nicas contribuciones a la matemtica. En las publicaciones
de Newton Method of Fluxions y De Analysi nos encontramos con un mtodo de
resolucin aproximada de ecuaciones, conocido actualmente como mtodo de Newton.
Y en la primera de las dos publicaciones anteriores tambin nos encontramos con lo que
ms tarde se llamara el paralelogramos de Newton y que resultaba til para los
desarrollos en series infinitas y para el trazado de curvas.
4. SIGLO XVIII.
4.1. La Familia Bernoulli y LHospital
Nunca, a lo largo de la historia de la matemtica, ha producido una familia tantos
matemticos famosos como la familia Bernoulli. Ms o menos una docena de miembros
de esa familia consiguieron destacar en matemticas y fsica.
Fue Jean Bernoulli quien, en 1692, instruy en la nueva disciplina leibziana a un
joven marqus francs llamado LHospital, firmando con l un pacto por el cual se
comprometa a enviarle a LHospital sus descubrimientos en matemticas a cambio de
un salario. Entre las cosas que public LHospital fruto del acuerdo anterior es una regla
que hoy en da lleva su nombre. Jean Bernoulli haba descubierto que si f(x) y g(x) son
funciones diferenciables en x=a tales que f(a)=g(a)=0 y existe el lmite
) ( '
) ( '
) (
) (
) ( '
) ( '
x g
x f
Lim
x g
x f
Lim
x g
x f
Lim
a x a x a x # # #
= %
Esta conocida regla la incorpor LHospital en el primer texto sobre calculo
diferencial que apareci escrito, Analyse des infiniment petits, publicado en Pars en
1696. Este libro, cuya influencia se extiende a lo largo de la mayor parte del siglo
XVIII, se basa en dos postulados:
7/12
a) Se pueden tomar como iguales dos cantidades que difieren slo en una cantidad
infinitamente pequea.
b) Una curva puede ser considerada como formada por segmentos de lnea recta
infinitamente pequeos de determinan, por medio de los ngulos que forman
unos con otros, la curvatura de la curva.
Las frmulas diferenciales bsicas para las funciones algebraicas las obtiene
LHospital a la manera de Leibniz, y las aplica al clculo de tangentes, mximos y
mnimos, puntos de inflexin, curvaturas y lmites en forma indeterminada.
Jean Bernoulli era consciente de las relaciones que existan entre las funciones
trigonomtricas inversas y los logaritmos de nmeros imaginarios, descubriendo en
1702 la relacin siguiente, al estudiar ciertas ecuaciones diferenciales:
iz
iz
i
z
!
+
=
1
1
ln
1
arctg
4.2. Cotes, Stirling, Maclaurin, Taylor y Rolle.
Roger Cotes fue un matemtico que muri joven dejando gran cantidad de trabajos
incompletos. Uno de ellos versaba sobre integracin de funciones racionales mediante
descomposicin en fracciones parciales.
Stirling complet la clasificacin que realiz Newton sobre las curvas cnicas,
aadiendo algunas ms que se le pasaron a Newton. Tambin obtuvo asntotas verticales
de funciones racionales, igualando el denominador a cero.
Maclaurin obtuvo sorprendentes resultados en geometra y por tanto resulta
sorprendente que se le recuerde en relacin a una parte del anlisis en la que se le
anticiparon varios matemticos. La llamada serie de Maclaurin es slo un caso especial
de la serie ms general de Taylor.
La serie que lleva su nombre la public Taylor en su obra Methodus incrementorum.
En esta obra tambin nos encontramos con otros temas del clculo, como soluciones
singulares de ecuaciones diferenciales, o frmulas que relacionan las derivadas de una
funcin con las derivadas de la funcin inversa, por ejemplo:
3
2
2
2
2
&
'
(
)
*
+
! =
dx
dy
dx
y d
dy
x d
Michel Rolle fue uno de los matemticos que cuestion la validez de los nuevos
mtodos propuestos por LHospital. Pero se le recuerda ms por el teorema que lleva su
nombre, que public en 1691.
8/12
4.3. Euler.
La obra de Euler marc toda una poca. Podemos afirmar que Euler hizo por el
anlisis infinitesimal de Newton y Leibniz lo que Euclides haba hecho por la geometra
de Eudoxo o lo que Vite haba hecho por el lgebra de Al-Khowarizmi. Euler cogi el
clculo diferencial y el mtodo de fluxiones y los integr en una rama ms general de la
matemtica llamada Anlisis o estudio de los procesos infinitos. La obra de Euler
Introductio in analysin infinitorum se puede considerar como la piedra angular del
nuevo anlisis. Este importante tratado en dos volmenes fue la fuente de la que se
nutrieron los matemticos de la segunda mitad del siglo. Desde ese momento, la idea de
funcin pas a ser la idea fundamental del anlisis.
El primer volumen de la obra de Euler trata de procesos infinitos: productos
infinitos, fracciones continuas infinitas y gran cantidad de series infinitas. Esta obra es
una generalizacin de los puntos de vista de Newton, Leibniz y los Bernoulli, los cuales
mostraron un gran inters por las series infinitas. Al contrario que los anteriores, Euler
obtuvo resultados que los anteriores persiguieron sin xito, como por ejemplo obtener la
suma de los inversos de los cuadrados perfectos.
La gran imaginacin que puso Euler en el tratamiento de las series le llev a
descubrir algunas relaciones sorprendentes entre el anlisis y la teora de nmeros.
Demostr que la divergencia de la serie armnica implica el teorema eucldeo de la
existencia de infinitos nmeros primos.
Una de las ms interesantes ecuaciones diferenciales que se estudiaron en el siglo
XVIII es la que DAlembert llam ecuacin de Riccati:
) ( ) ( ) ( '
2
x r y x q y x p y + + =
Esta ecuacin fue estudiada por muchos matemticos entre los que se encontraban
algunos Bernoulli, as como Jacopo Riccati y su hijo Vincenzo. Pero fue Euler el que se
dio cuenta que si se conoce una solucin particular v=f(x), entonces la sustitucin
z
v y
1
+ = convierte a la ecuacin de Ricatti en una ecuacin diferencial lineal en z, de
forma que se puede hallar una solucin general.
4.4. Legendre y Lagrange.
Los campos en los que Legendre hizo contribuciones importantes fueron numerosos,
entre los que encontramos el clculo, la teora de las ecuaciones diferenciales, la teora
de funciones, etc. Escribi un tratado en tres volmenes, Exercises du calcul intgral,
que rivaliz con los de Euler por su amplitud y autoridad. Cre algunas herramientas
muy tiles para los fsicos matemticos, como las funciones que llevan su nombre, que
son soluciones de la ecuacin diferencial de Legendre
( ) ( ) 0 1 ' 2 ' ' 1
2
= + + ! ! y n n xy y x
9/12
Las soluciones polinmicas de esta ecuacin para valores naturales de n se conocen
con el nombre de polinomios de Legendre. Tambin centro parte de sus esfuerzos en
reducir las integrales elpticas a tres formas cannicas que por eso llevan su nombre.
Lagrange escribi dos cursos para sus alumnos. El primero era de lgebra y el
segundo, llamado Thorie des fonctions analytiques, de anlisis. En ese curso nos
encontramos con el nombre de derivada que utilizamos actualmente.
La primera contribucin de Lagrange y quiz la ms importante, fue el clculo de
variaciones. Se trata de una nueva rama de la matemtica y, en su forma ms simple, de
lo que trata es de determinar una cierta relacin funcional y=f(x) tal que una integral
"
b
a
dx y x g ) , (
tome un valor mximo o mnimo.
Tambin introdujo Lagrange el mtodo de variacin de las constantes en la
resolucin de ecuaciones diferenciales no homogneas.
5. SIGLO XIX.
5.1. Gauss
Una de las aportaciones ms importantes de Gauss a la Matemtica fue demostrar
que toda funcin polinmica igualada a cero posee al menos una raz, ya sea real o
compleja.
Su aportacin ms brillante al anlisis fue el siguiente teorema: Si en el plano
complejo o de Gauss dibujamos una curva cerrada simple, y si una funcin f(z) de la
variable compleja z=x+iy es analtica (es decir, tiene derivada) en todo punto de la
curva y en todo punto interior, entonces la integral de lnea de f(z) tomada a lo largo de
la curva es cero.
Tambin aport resultados sobre las funciones elpticas, y consecuentemente, sobre
integrales elpticas.
5.2. Cauchy.
Cauchy escribi, como profesor de la Escuela Politcnica, escribio varios libros
entre los que destacamos tres, que dieron al clculo infinitesimal elemental la forma
actual. Prescindiendo de la geometra y de los infinitsimos que se haban usado hasta
entonces, formul una definicin de lmite casi tan precisa como la definicin moderna:
Cuando los sucesivos valores que toma una variable se aproximan indefinidamente a
un valor fijo, de manera que terminan por diferir de l en tan poco como queramos,
este ltimo valor se llama lmite de todos los dems.
En el clculo de Cauchy, los conceptos de funcin y de lmite de una funcin son los
conceptos fundamentales. Para definir la derivada de la funcin y=f(x) con respecto a x,
le da a la variable x un incremento $x=i y forma el cociente:
10/12
i
x f i x f
x
y ) ( ) ( ! +
=
$
$
y al lmite de este cociente de diferencias cuando i tiende a cero, lo define como la
derivada f(x) de y con respecto a x. La diferencial, que haba desempeado un papel
muy importante, la relega a una posicin secundaria.
Tambin dio una definicin de funcin continua: la funcin f(x) es continua entre
lmites dados de la variable x, si entre estos lmites un incremento infinitamente
pequeo i de la variable x siempre da lugar a un incremento infinitamente pequeo
f(x+i) f(x) de la funcin misma.
5.3. Bolzano.
Ideas muy parecidas a la obra de Cauchy tambin las desarrollaba de forma casi
paralela un cura checoslovaco llamado Bolzano. Las analogas en su aritmetizacin del
clculo, en sus definiciones de lmite, derivada, continuidad y convergencia fueron slo
una coincidencia. Bolzano public en 1817 un libro dedicado a dar una demostracin
puramente aritmtica o analtica del teorema del valor intermedio para funciones
continuas, lo que exiga un planteamiento no geomtrico de la idea de continuidad de
una funcin o una curva.
Tambin descubri que existen funciones patolgicas que no se comportan como
haban supuesto los matemticos que lo haran. As, dio el primer ejemplo de funcin
continua en un intervalo que no posea derivada en ningn punto de dicho intervalo.
Dicho ejemplo pas inadvertido, pasando dicho mrito a Weierstrass 30 aos ms tarde.
5.4. Fourier y Dirichlet.
La contribucin ms importante de Fourier fue la idea de que cualquier funcin se
puede expresar por una serie de la forma
, ,
-
=
-
=
+ + =
1 1
0
sen cos
2
1
i
i
i
i
ix b ix a a y
serie que hoy se conoce por el nombre de serie de Fourier. Los coeficientes del
desarrollo se pueden obtener como
" " "
! ! !
= = =
!
!
!
!
!
!
! ! !
nxdx x f b nxdx x f a dx x f a
n n
sen ) (
1
cos ) (
1
) (
1
0
Dirichlet dio la primera demostracin rigurosa de la convergencia de una serie de
Fourier para una funcin que cumpla ciertas restricciones, conocidas como condiciones
de Dirichlet.
11/12
5.5. Riemann
Riemann fue el sucesor de Dirichlet en la universidad de Gotinga. Obtuvo varios
teoremas que relacionaban la teora de nmeros con el anlisis clsico. En anlisis
contribuy a los refinamientos en la definicin de integral, al nfasis que puso en las
ecuaciones de Cauchy-Riemann y a las superficies de Riemann.
5.6. La Aritmetizacin del Anlisis.
La palabra clave del anlisis es la de funcin, y fue en la clarificacin de este
trmino como fue surgiendo la tendencia de la aritmetizacin. En 1872 se publicaron
importantes trabajos que contribuyeron a la aritmetizacin del anlisis, siendo sus
autores Mray, Weierstrass, Heine, Cantor y Dedekind. Terminaron con medio siglo de
investigaciones entorno a la idea de funcin y de nmero. Durante esos cincuenta aos
hubo dos causas que impidieron un avance efectivo. La primera era la falta de confianza
al realizar operaciones con series infinitas, y la otra era la ausencia de una definicin
precisa del concepto de nmero real. De hecho, la aritmetizacin plena y correcta del
anlisis se hizo posible cuando los matemticos entendieron los nmeros reales como
estructuras intelectuales y no como magnitudes heredadas de la geometra.
Mray fue el primero en comenzar a publicar sus resultados. Hasta ese momento se
defina el lmite de una sucesin como un nmero real y luego se definan los nmeros
reales como lmite de sucesiones de racionales. Este matemtico renunci a usar la
condicin externa de convergencia, y utilizando solamente el criterio de Cauchy
describi la convergencia sin hacer referencia a los irracionales.
Weierstrass tambin trat de separar el anlisis de la geometra y basarlo nicamente
en el concepto de nmero. Pero para ello resultaba necesario dar una definicin de
nmero irracional independiente del concepto de lmite. Solucion el problema de la
existencia del lmite de una sucesin convergente identificando la solucin misma con
el nmero lmite.
La teora de Heine se parece mucho a la de Mray afirmando que las sucesiones que
no convergen a nmeros racionales se las considera que definen nmeros irracionales.
Dedekind introdujo sus cortaduras para definir los nmeros reales. Y Cantor se dio
cuenta de que no todos los conjuntos infinitos son del mismo tamao (por ejemplo los
naturales y los reales), definiendo el concepto de potencia del conjunto.
6. SIGLO XX.
6.1. Poincar.
La tesis doctoral de Poincar vers sobre los teoremas de existencia de soluciones
de ecuaciones diferenciales. Esto le llev al estudio de las propiedades de las funciones
automorfas. Una funcin automorfa f(z), con z variable compleja, es una funcin
analtica en un dominio D, excepto en los polos correspondientes, y que es invariante
bajo un grupo infinito numerable de transformaciones de Mbius.
12/12
6.2. Hilbert.
Hilbert present, en el congreso de Pars de 1900, 23 problemas que segn su
criterio deban de estar entre los que ocupasen la atencin de los matemticos a lo largo
del nuevo siglo que comenzaba. Como ejemplo diremos que el primero de esos 23
problemas se refera a la estructura del continuo de los nmeros reales, que algo ya
haban estudiado anteriormente Cauchy, Bolzano y Cantor, entre otros.
Bibliografa Recomendada.
Anlisis Matemtico I. Aut. J.A. Fernndez Via. Ed. Tecnos
Principios de Anlisis Matemtico. Aut. W. Rudin. Ed. McGraw-Hill
Curso de Anlisis Matemtico I. Aut. E.L. Luna. Ed. Edunsa, 1991.
Calculus. Aut. M. Spivak. Ed. Revert.
Calculus. Aut. Apostol. Ed. Revert
Historia de la Matemtica. Aut.: Carl B. Boyer. Ed.: Alianza Editorial.
1/12
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 34
ANLISIS Y FORMALIZACIN DE LOS CONCEPTOS GEOMTRICOS
INTUITIVOS: INCIDENCIA, PARALELISMO, PERPENDICULARIDAD,
NGULO, ETC.
1. Introduccin.
2. Puntos, Rectas y Plano.
3. Propiedades de la divisin de conjuntos de puntos.
4. Axiomas y teoremas.
5. Intersecciones de conjuntos de puntos en el espacio.
5.1. Interseccin entre dos rectas.
5.2. Interseccin entre dos planos.
5.3. Interseccin entre una recta y plano.
5.4. Interseccin entre tres planos.
6. ngulos.
7. Medida y congruencia.
7.1. Medida y congruencia de segmentos de recta.
7.2. Medida y congruencia de ngulos.
8. Perpendicularidad.
9. Pruebas de paralelismo
Bibliografa Recomendada
2/12
TEMA 34
ANLISIS Y FORMALIZACIN DE LOS CONCEPTOS GEOMTRICOS
INTUITIVOS: INCIDENCIA, PARALELISMO, PERPENDICULARIDAD,
NGULO, ETC.
1. INTRODUCCIN.
En geometra nos podemos permitir no definir determinados trminos y poder
usarlos como primarios, es decir, tomarlos como si fuesen una base para definir otros.
Estos trminos por ejemplo son los conceptos de punto, recta y plano.
Pero este concepto es totalmente moderno, pues Euclides si que intento definir estos
conceptos utilizando nomenclatura no geomtrica. En el libro I de los Elementos de
Euclides, la definicin 1 dice que: Un punto es aquello que no tiene parte, aunque esta
definicin no deja totalmente claro lo que es un punto, pues salvo que tengamos una
idea intuitiva de lo que es un punto esta definicin no nos lo aclarara.
La definicin 2 dice que: Una recta es longitud sin anchura. Pero Euclides en
ningn momento defini lo que era longitud ni anchura.
2. PUNTOS, RECTAS Y PLANO.
Aunque los conceptos de punto, recta y plano son trminos que quedarn
indefinidos, podemos intentar definir un punto de una manera intuitiva como una
localizacin en el espacio.
A los puntos normalmente los denotaremos por las letras P, Q, R, etc.
Igualmente podemos definir una recta, como una lnea recta, es decir, aquella que se
prolonga infinitamente en cada direccin, o mejor dicho, en ambos sentidos.
Representaremos a la recta como una lnea trazada en el papel con flechas en sus
extremos. Denotaremos a las rectas por
2 1
, L L , etc.
Todos los conjuntos que hemos definido, al igual que cualquier conjunto en
geometra, son conjuntos de puntos. Esto nos permite identificar una recta mediante dos
puntos que pertenezcan a ellas, por eso si tenemos una recta L, y dos puntos P y Q que
pertenezcan a ella, podemos representar a L, como PQ.
Podemos definir un Plano, de manera intuitiva, como una superficie plana que se
extiende hacia el infinito y en todas las direcciones. Para representar al plano
utilizaremos letras griegas como ! ", , etc.
Por ltimo definiremos el espacio como el conjunto de todos los puntos, siendo el
plano y la recta subconjuntos del espacio, y el punto son los elementos del espacio.
3/12
3. PROPIEDADES DE LA DIVISIN DE CONJUNTOS DE PUNTOS.
Dada una recta L y un punto P que pertenece a dicha recta se dice que P divide a L
en tres partes, una de ellas es el propio punto P y los otros dos subconjuntos los
llamaremos semirrectas y contienen cada uno a todos los puntos que estn a cada lado
del punto P. Si formamos un subconjunto en el que incluimos una semirrecta y el punto
P tenemos lo que llamaremos un rayo, siendo P el llamado punto extremo del rayo.
Si tenemos dos rayos que verifican que su unin es una recta y que tiene en comn
un punto (el punto extremo de cada rayo) entonces tenemos lo que llamaremos rayos
opuestos.
Dada una recta L y dados dos puntos P y Q de la recta L, definiremos un segmento
como el subconjunto de la recta L formado por todos los puntos que se encuentran entre
P y Q. Denotaremos el segmento formado por todos los puntos que hay entre P y Q por
PQ, y este segmento lo podemos considerar como la interseccin de los dos rayos.
Anlogamente a la idea de que un punto divide a una recta en tres partes iguales,
podemos decir que una recta divide en tres partes iguales a un plano, que son:
a) La propia recta
b) Los puntos que hay a cada lado de la recta y que los llamaremos semiplanos.
Si denotamos por "
1
, y "
2
a los dos semiplanos que hay a cada lado de una recta
L, tenemos que si tomamos dos puntos cualesquiera P y Q tales que P est en "
1
y Q
esta en "
2
entonces el segmento PQ tiene un solo punto en comn con L, mientras que
si tomamos dos puntos P y R que pertenecen ambos al mismo semiplano entonces el
segmento PR no tiene ningn punto en comn con la recta L.
En consonancia con todo lo anterior tenemos que un plano divide al espacio en
dos partes. Estas divisiones estn relacionadas con la idea de dimensin. Por ejemplo si
tomamos el espacio tridimensional, se tendr que un plano tendr dimensin dos, una
recta tendr dimensin uno, y cada punto tiene dimensin cero.
4. AXIOMAS Y TEOREMAS.
Vamos a ofrecer ahora un enfoque formal de la geometra enunciando las siguientes
axiomas, definiciones, teoremas, etc.
Axioma1: Dos puntos diferentes determinan una nica recta. Esto justifica nuestra idea
de que una recta L se puede representar mediante dos puntos P y Q que pertenecen a la
recta. Y adems debemos tener en cuenta que si tenemos una recta L y tres puntos P, Q,
y R que pertenecen a la recta L, se tiene que PQ=PR, es decir, la recta representada por
PQ es la misma que la representada por PR.
DEF Dada un recta L y dos puntos P y Q que estn sobre L, se dice que P y Q son
colineales.
4/12
DEF Dado un plano " y tres puntos P, Q y R que estn sobre el plano ", entonces se
dice que estos puntos son coplanares.
Axioma 2: tres puntos no colineales determinan un plano nico.
Axioma 3: si dos puntos pertenecen a un plano, entonces la recta que los contiene est
en el plano.
Axioma 4: si dos planos diferentes se intersectan, entonces su interseccin es una recta.
Axioma 5: una recta contiene por lo menos dos puntos.
DEF Dadas dos rectas L
1
, L
2
, se dice que L
1
y L
2
son paralelas si estn en un mismo
plano y su interseccin es el conjunto vaco, es decir, si no tienen ningn punto en
comn.
Teorema 1: Dos rectas diferentes se intersectan a lo ms, en un punto.
Dem.
Sean L
1
y L
2
dos rectas diferentes y supongamos que su interseccin no es a lo ms
un punto. Entonces su interseccin contiene dos puntos (o ms), llammosle P y Q. Esto
significa que tenemos dos rectas diferentes L
1
, L
2
, ambas conteniendo a P y Q. Pero por
el axioma 1 esto es imposible ya que hay solamente una recta que contiene a los puntos
P y Q.
Teorema 2: Si una recta L intersecta al plano " y no est contenida en l, entonces la
interseccin es un punto.
Dem.
Hay que probar que L#" es un solo punto, ya que L#" es distinto del vaco por
hiptesis.
Supongamos que L#" contiene ms de un punto, digamos P y Q. Entonces P y Q
estn ambos en L y por el axioma 1 PQ=L. Como P y Q estn ambos en ", por el
axioma 3, L debe estar en el plano ", lo cual contradice nuestra hiptesis, por lo tanto
L#" contiene exactamente un punto.
Teorema 3: Dada una recta L y un punto P que no pertenece a ella, hay exactamente un
plano que contiene a ambos.
Dem.
L
!
P
5/12
Sean Q y R dos puntos diferentes sobre L que existen por el axioma 5. Entonces Q y
R son puntos diferentes de P, ya que P no est sobre L. Por el axioma 2, los puntos P, Q
y R determinan un plano nico ". Como Q y R estn en ", que contiene a P y a L, si
hubiera dos planos, ambos contendran a los tres puntos P, Q y R y esto es imposible
por el axioma 2.
Teorema 4: Si dos rectas se intersectan, entonces su unin est contenida exactamente
en un plano.
Dem.
Sean L
1
y L
2
dos rectas que se intersectan, entonces por el teorema 1, L
1
#L
2
es un
punto P. Por lo tanto P es un punto de L
1
y L
2
. Sea Q un punto de L
2
, Q$P, que existe
por el axioma 5. Por el axioma 1 PQ=L
2
, adems Q%L
1
ya que sino L
1
= L
2
.
Consideremos el punto Q y la recta L
1
, utilizando el teorema 3 hay exactamente un
plano " que contiene a L
1
y Q. Como P es un punto de L
1
, P est contenido en " y por
el axioma 3 PQ=L
2
est contenido en ". Luego L
1
&L
2
estn contenidos en ". Veamos
que dicho plano " es nico. Por el teorema 3 el plano es nico.
Sean P y R contenidos en L
1
y P y Q contenidos en L
2
con P, Q y R distintos (esto
ocurre por el axioma 5). Si existe un plano " que contiene a L
1
&L
2
, entonces "
contiene a P, Q y R, pero esto contradice el axioma 2 ya que hay un nico plano que
contiene a P, Q y R que es ".
Luego no hay ningn otro plano que contenga a L
1
&L
2
y el teorema queda
demostrado.
5. INTERSECCIONES DE CONJUNTOS DE PUNTOS EN EL ESPACIO.
5.1. Interseccin entre dos rectas.
Dadas dos rectas L
1
y L
2
en el espacio puede ocurrir que:
a) Si su interseccin es un punto, entonces ambas rectas estn contenidas en un
mismo plano y se cortan en un punto, este caso se dice que son secantes.
b) Si su interseccin son dos o ms puntos entonces tienen en comn todos sus
puntos y se dice que son coincidentes.
c) Si su interseccin es el vaco y pertenecen a un mismo plano entonces se dice
que ambas rectas son paralelas.
d) Si su interseccin es el vaco y no pertenecen al mismo plano entonces se dice
que ambas rectas son oblicuas, o lo que es igual, las rectas se cruzan.
5.2.- Interseccin entre dos planos.
Dados dos planos "
1
y "
2
en el espacio puede ocurrir que:
a) Ambos planos no tengan en comn ningn punto, y en este caso se dice que
ambos planos son paralelos.
6/12
b) Ambos planos tienen una recta en comn, entonces se dice que los planos se
cortan en una recta.
c) Ambos planos se cortan en una recta y en un punto que no pertenece a la recta,
entonces se dice que ambos planos son coincidentes.
5.3.- Interseccin entre una recta y un plano.
Dados un plano " y una recta L del espacio, se tiene que:
a) Si el plano " y la recta L tienen un punto en comn se dice que son secantes.
b) Si el plano " y la recta L tienen dos o ms puntos en comn entonces se dice
que la recta est contenida en el plano y la interseccin entre ambos es la propia
L.
c) Si el plano " y la recta L no tienen ningn punto en comn entonces se dice que
la recta y el plano son paralelos.
5.4.- Interseccin entre tres planos.
Dados tres planos "
1
, "
2
, "
3
en el espacio se tiene que:
a) Los tres planos son paralelos entre si, no tienen ningn punto en comn.
b) Dos planos son coincidentes y el tercero es paralelo a ellos.
c) Dos planos paralelos y el tercero los corta.
d) Los tres planos se cortan dos a dos.
e) Los tres planos se cortan en una recta, siendo todas distintas.
f) Dos planos coincidentes y uno que los corta, de manera que los tres planos
tienen una recta en comn.
g) Los tres planos son coincidentes entre si.
h) Los tres planos se cortan en un punto.
6. NGULOS.
Sean dos rayos PQ y PR tales que tienen el punto P en comn, y adems se verifica
que el punto P es extremo en ambos casos, entonces puede ocurrir que su unin sea una
recta, en cuyo caso diramos que los rayos son opuestos, pero si no son opuestos,
definen lo que llamaremos ngulo.
DEF Sean dos rayos con el punto extremo en comn y tales que no forman una recta,
se define ngulo como el conjunto de puntos en el plano que verifican esta propiedad y
lo denotaremos por 'QPR.
Como claramente podemos observar un ngulo divide al plano en tres partes:
a) Una es el propio ngulo, es decir, el conjunto de puntos que pertenecen a los
rayos que lo forman.
b) Otra es el interior, que el conjunto de puntos que hay en comn entre los
semiplanos siguientes:
- El semiplano de la recta PQ que contiene al punto R.
7/12
- El semiplano de la recta PR que contiene al punto Q.
c) Y por ltimo el exterior que es el resto de puntos del plano que no son el
interior ni el ngulo.
DEF Dados dos ngulos 'QPR y 'SPT se dice que son opuestos por el vrtice p si su
unin forma dos rectas.
DEF Dos ngulos 'QPR y 'RPS se dice que son adyacentes si tienen el vrtice en
comn y su interseccin es un rayo.
7. MEDIDA Y CONGRUENCIA.
7.1. Medida y congruencia de segmentos de recta.
Sea una recta L, si tomamos en ella un punto cualquiera y lo designamos con el
valor 0, al tomar otro punto cualquiera y denotarlos con el valor 1 (siempre y
cuando sea distinto del anterior) podemos construir una recta numrica de manera que
podamos asignar a cada punto de la recta un nmero real y a cada nmero real un punto
de L, siendo la unidad de medida que tomamos la distancia entre los dos puntos
arbitrarios que hemos denotado por 0 y 1.
Al poder identificar cada punto de L con un nmero real establecemos lo que se
llama un sistema coordenado, y a partir de ahora a cada punto de la recta le asignaremos
un nmero real, dentro de la escala elegida, y a este nmero real lo llamaremos
coordenada del punto, e identificaremos cada punto de la recta mediante su coordenada.
Esto nos permitir medir la longitud de cada segmento PQ, simplemente tendremos
que comparar este segmento con la unidad de la escala elegida siendo su longitud el
nmero de veces que hay que repetir la unidad de la escala para ir desde P hasta Q o
viceversa.
Por lo tanto podemos suponer que toda recta tiene asociado un sistema coordenado,
y a esto lo llamaremos axioma de la regla.
DEF Dada una recta L, que tiene asociado un sistema coordenado tal que asigna al
punto P el nmero real x y al punto Q el nmero real y, tenemos que se define la
distancia o longitud del segmento PQ como:
PQ = (x-y(
Nota: Evidentemente la longitud de un segmento es un nmero real positivo.
PROP Si el segmento PQ AB PQ AB ) * +
PROP Si R es un punto que pertenece al segmento PQ entonces RQ PR PQ + = .
8/12
DEF Dado un segmento PQ se define el punto medio de dicho segmento como el
punto P
m
que pertenece al segmento y tal que: PP
m
=P
m
Q
DEF Dados dos segmentos PQ y AB de una recta, no necesariamente iguales, se
dice que son congruentes, ,, si tienen la misma longitud, es decir:
AB PQ AB PQ = - ,
7.2. Medida y congruencia de ngulos.
Para medir ngulos usamos una semicircunferencia. Consideremos la
semicircunferencia con centro en C. Supondremos que el arco de circunferencia, desde
A hasta B, puede ser dividido en n partes iguales, por cualquier nmero positivo.
Podemos llamar a esta suposicin Axioma del Transportador. Cogemos n =180.
Tenemos entonces una correspondencia de uno a uno entre los puntos sobre una
circunferencia y los nmeros reales entre 0 y 180. Este es un sistema coordenado para la
semicircunferencia.
Podemos usar este sistema coordenado para medir cualquier ngulo. Por ejemplo
'PQR. Para ello colocamos nuestra escala de tal forma que el centro C de la
semicircunferencia quede sobre el vrtice Q del ngulo y el rayo QR sobre el rayo CB.
El rayo QP intersectar al arco en algn punto de coordenada t y decimos que la
medida del 'PQR es t y se escribe m'PQR = t.
Si dividimos la semicircunferencia en 180 partes iguales la unidad de medida se
denomina grado.
Otra medida de medir ngulos consiste en usar la unidad llamada radian.
PROPIEDADES DE LAS MEDIDAS DE NGULOS
1.- La medida de un ngulo en grados es un nmero real positivo entre 0 y 180. Esto es
consecuencia de nuestra definicin de ngulo como unin de rayos.
2.- Si P es un punto interior del 'ABC entonces.
m 'ABP < m 'ABC
3.- Si P es un punto en el interior del 'ABC, entonces:
m 'ABP + m 'PBC = m 'ABC
Clasificacin de ngulos
Podemos clasificar los ngulos de acuerdo con su medida.
Si un ngulo mide 90 se llama recto.
Si un ngulo mide menos de 90 se llama agudo.
Si un ngulo mide ms de 90 se llama obtuso.
9/12
Dos ngulos son complementarios si suma 90 y suplementarios si suman 180.
Congruencia de ngulos.
Dos ngulos son congruentes si tienen la misma medida. Por lo tanto, todos los
ngulos rectos son congruentes. Decir que dos ngulos son congruentes no implica que
sean iguales ya que los ngulos son conjuntos de puntos.
TEOREMA Si dos ngulos son congruentes entonces sus suplementos son
congruentes.
Dem.
(Vamos a representar los ngulos nicamente por su vrtice)
Supongamos 'A , 'B. Entonces m 'A = m 'B y esta medida es algn nmero n,
entre 0 y 180.
Por lo tanto el suplemento de 'a debe medir 180 n. Y como tienen la misma
medida son congruentes.
TEOREMA Los ngulos opuestos por el vrtice con congruentes.
Dem.
Consideremos los ngulos opuestos por el vrtice 'ABC y 'PBR. Como AR es una
recta, 'ABP es suplemento de 'ABC y como tambin CP es una recta 'ABP es
suplemento de 'PBR. Por tanto, 'ABC y 'PBR tienen el mismo ngulo
suplementario, el 'ABP; y como 'ABP es congruente con l mismo, concluimos por el
teorema anterior que 'ABC es congruente con 'PBR.
8. PERPENDICULARIDAD
DEF Decimos que dos rectas que se intersectan son perpendiculares si su unin
contiene un ngulo recto.
Podemos tambin definir la relacin es perpendicular a entre dos rayos, o entre
dos segmentos de recta. Se dice que dos rayos son perpendiculares si las rectas que los
contienen son perpendiculares; y en la misma forma, dos segmentos de recta son
perpendiculares si las rectas que los contienen son perpendiculares. Consecuentemente,
dos rayos o dos segmentos de recta pueden ser perpendiculares an cuando su
interseccin sea vaca.
Utilizando ngulos adyacentes podemos definir las rectas perpendiculares de otra
manera.
DEF Dos rectas que se intersectan son perpendiculares si su unin contiene dos
ngulos adyacentes congruentes.
El axioma de perpendicularidad, establece que, dado un punto y una recta, existe una
y slo una perpendicular a la recta que pase por el punto.
10/12
9. PRUEBAS DE PARALELISMO.
Al definir la relacin de paralelismo entre dos rectas, hemos dicho que dos rectas son
paralelas, si estn en el mismo plano y no se intersectan. Si L
1
y L
2
son rectas paralelas,
lo denotamos por L
1
// L
2
.
Tal como hemos definido perpendicularidad entre rayos o segmentos de recta,
podemos decir que dos rayos o dos segmentos de recta son paralelos, si las rectas que lo
contienen lo son.
Pero esta definicin no es muy til ya que dos segmentos en el plano pueden parecer
paralelos, pero, puesto que las rectas determinada por ellos son infinitas en extensin,
podemos no ser capaces de afirmar si estas rectas se intersectan o no.
Por lo tanto, necesitamos desarrollar algunas pruebas, adems de la definicin de
paralelismo.
TEOREMA Si dos rectas estn en el mismo plano y son perpendiculares a la misma
recta, entonces son paralelas.
Dem.
Para demostrar este teorema hacemos uso del axioma de perpendicularidad que dice
que dada una recta L y un punto P, no contenido en L, una y slo una recta puede ser
trazada pasando por P, y que sea perpendicular a L.
Sean L
1
, L
2
y T tres rectas pertenecientes al mismo plano, tales que L
1
.T y L
2
.T.
Queremos probar que L
1
// L
2
.
Supongamos que L
1
no es paralela a L
2
. Entonces L
1
#L
2
contiene exactamente un
punto P: es decir, hay dos rectas L
1
y L
2
que pasan por P y son perpendiculares a T.
Pero esto contradice el axioma de perpendicularidad. Luego L
1
// L
2
.
DEF Dadas tres rectas,
11/12
los ngulos '1 y '3 son opuestos por el vrtice y '1 y '7 son ngulos alternos
internos, entonces llamaremos '3 y '7 ngulos correspondientes.
LEMA La medida de un ngulo exterior a un tringulo, es mayor que la medida de
cualquiera de los dos ngulos interiores opuestos.
Dem.
Sea el tringulo de vrtices /ABC
Calculamos el punto medio m de CB y trazamos AE , tal que ME AM , .
Trazamos EB.
Ahora MB CM , por construccin, ME AM , por la misma razn y '1 y '2 son
congruentes ya que son ngulos opuestos por el vrtice. Como /AMC , /EMB ya que
podemos establecer una correspondencia de igualdad de ngulos y lados entonces
'CBE ,'C
Pero E est contenido en el ngulo exterior, 'CBD, entonces por las propiedades de
la medida de ngulos m'CBE < m'CBD
Luego concluimos m'C < m'CBD y anlogamente m'A < m'CBD.
TEOREMA Si dos rectas en el plano son cortadas por una transversal de forma que
un par de ngulos correspondientes sean congruentes, entonces estas dos rectas son
paralelas.
Dem.
4 p 3
1 2
8 q 7
5 6
T
L
1
L
2
r
12/12
Sea L
1
y L
2
dos rectas en el plano, cortadas por una transversal T en los puntos P y
Q respectivamente. Y supongamos que L
3
,L
7
. Queremos probar que L
1
// L
2
.
Supongamos que L
1
y L
2
no lo son. Entonces se cortan en algn punto R que
podemos suponer a la derecha de T. Por lo tanto PQR es un tringulo y '8 es un ngulo
exterior a l. Pero '8 , '2 (por ser ngulos alternos internos y ser '3 , '7 y '2 es un
ngulo interior, opuesto al '8. Esto contradice al lema, ya que la medida de un ngulo
exterior debe ser mayor que la media de un ngulo interior opuesto. Luego L
1
es
paralelo a L
2
.
Bibliografa Recomendada.
Margaret Wiscamb Hutchinson Geometra, un enfoque intuitivo. Ed: trilles
Edwin E. Morse Geometra elemental desde un punto de vista avanzado. Ed:
C.E.C.S.A.
1/17
TEMAS DE MATEMTICAS
(Oposiciones de Enseanza Secundaria)
TEMA 35
LAS MAGNITUDES Y SU MEDIDA. FUNDAMENTACIN DE LOS
CONCEPTOS RELACIONADOS CON ELLAS.
1. Introduccin.
2. Magnitudes y Medidas.
3. Tipos de Magnitudes.
3.1. Magnitudes Fundamentales.
3.2. Magnitudes Derivadas.
4. Ecuaciones Dimensionales.
4.1. Anlisis Dimensional.
5. Matematizacin del Concepto de Magnitud.
5.1. Magnitudes Escalares.
5.2. Medida de Magnitud.
5.3. Ejemplo de Magnitud.
6. Incertidumbre en la realizacin de Medidas.
6.1. Conceptos en la Teora de Errores.
6.2. Error Absoluto. Error Relativo.
Bibliografa Recomendada.
2/17
TEMA 35
LAS MAGNITUDES Y SU MEDIDA. FUNDAMENTACIN DE LOS
CONCEPTOS RELACIONADOS CON ELLAS.
1. INTRODUCCIN.
El hombre siempre ha sentido curiosidad por el mundo que le rodea. Como
demuestran los primeros documentos grficos, el hombre siempre ha buscado el modo
de imponer orden en la enmaraada diversidad de los sucesos observados en la
naturaleza. Esta bsqueda del orden ha adquirido una diversidad de formas: una de ellas
es la religin, otra es el arte y una tercera es la ciencia. La palabra ciencia tiene su
origen en un verbo latino que significa "saber" pero ha dejado de significar meramente
un conocimiento para referirse ms bien a un conocimiento especfico del mundo
natural y lo que resulta ms importante a un conocimiento organizado de un modo
especifico y racional.
Aunque las races de la ciencia son tan profundas como las de la religin o las del
arte, sus tradiciones son mucho ms modernas. Solamente en los ltimos siglos se han
desarrollado mtodos para estudiar sistemticamente la naturaleza. En este estudio se
deben incluir las tcnicas de observacin, reglas para el razonamiento y la prediccin,
las ideas para la experimentacin planificada y los modos de comunicar los resultados
experimentales y tericos, todo ello englobado en lo que se denomina mtodo cientfico.
La observacin de un fenmeno es, en general, incompleta a menos que d lugar a
una informacin cuantitativa. Para obtener dicha informacin se requiere la medicin de
una propiedad o atributo de un objeto. Lord Kelvin seal: Nuestro conocimiento es
satisfactorio solamente cuando lo podemos expresar mediante nmeros". La expresin
de una propiedad en trminos de nmeros, requiere no slo que utilicemos las
matemticas para mostrar las relaciones entre las diferentes cantidades, sino tambin
tener el conocimiento para operar con estas relaciones.
2. MAGNITUDES Y MEDIDAS.
Se define la Magnitud como toda aquella entidad que se puede medir entendiendo
por medir como comparar la entidad-magnitud con otra de la misma naturaleza que se
toma arbitrariamente como unidad. Como entidad podemos entender cualquier cualidad
o propiedad de los cuerpos.
Llamaremos Cantidad de Magnitud a la manifestacin concreta de una magnitud.
Para determinar las relaciones matemticas que surgen entre algunas magnitudes,
previamente hemos de cuantificarlas o medirlas, es decir, convertirlas en nmeros. La
medicin es una tcnica por medio de la cual asignamos un valor numrico a una
propiedad, como resultado de una comparacin de dicha propiedad con otra de igual
naturaleza que tomamos como patrn, la cual se ha adoptado como unidad. Las
unidades de las magnitudes se eligen arbitrariamente procurando que stas obedezcan
los siguientes criterios:
3/17
1) Invariabilidad: El patrn es inalterable. Es siempre el mismo en cualquier lugar
o condicin.
2) Fcil Contrastabilidad: Debe ser fcil la fabricacin de copias del patrn y su
comparacin con cualquier cantidad de la magnitud a medir.
3) Carcter Internacional: El patrn se debe usar a nivel internacional, para
facilitar la transmisin de datos.
Establecido el patrn, comparamos ste con la cantidad a medir, diciendo que tiene
medida n si contiene n veces al patrn o unidad. Diremos entonces que n es la medida
de dicha magnitud.
A partir del patrn o unidad establecido para la medicin de magnitudes, podemos
obtener fracciones del mismo para realizar medidas que no sean igual a un nmero
exacto de dicho patrn. Est aceptado internacionalmente que el fraccionamiento siga el
sistema decimal, con lo que cada unidad de un orden es diez veces ms grande que la de
orden inmediatamente inferior.
Hemos definido una magnitud como cualquier cualidad o propiedad de los cuerpos
que es susceptible de ser medida. Por tanto, no todos los atributos de un objeto son
magnitudes. Utilizaremos el criterio de igualdad y suma para distinguir aquellas
entidades que son magnitudes (longitud, tiempo, masa, carga, energa,...) de aquellas
entidades que no son magnitudes (dolor, alegra, inteligencia, voluntad, odio,...). Las
magnitudes pueden igualarse entre s y pueden sumarse para dar magnitudes de igual
naturaleza, por consiguiente se pueden considerar como cantidades algebraicas y se
pueden someter a los clculos y procesos matemticos.
3. TIPOS DE MAGNITUDES.
Las magnitudes se clasifican a menudo en magnitudes fundamentales y magnitudes
derivadas. Tal divisin es arbitraria, puesto que una magnitud determinada puede
considerarse como fundamental en una serie de relaciones (un sistema de unidades) y
como derivada en otra serie de relaciones (otro sistema de unidades).
Las magnitudes derivadas son aquellas cuyas operaciones de definicin se basan en
otras magnitudes (fundamentales o derivadas) y las operaciones de definicin de una
magnitud derivada son conjuntos de operaciones que conducen a un nmero y una
unidad y que pueden incluir clculos matemticos. Ejemplos de magnitudes que
ordinariamente se consideran como derivadas son: velocidad, definida como el espacio
recorrido en un tiempo unidad, aceleracin definida como la variacin de velocidad en
un tiempo unidad, densidad definida como la masa de un cuerpo por unidad de
volumen, etc.
Las magnitudes fundamentales son primarias y no se definen en funcin de otras
magnitudes. En Mecnica, las tres magnitudes fundamentales son: longitud (L), tiempo
(T) y masa (M) y todas las dems magnitudes se deducen a partir de stas, por ejemplo
velocidad (V=L/T=LT
-1
), aceleracin (A=V/T=LT
-2
), fuerza (F=MA=MLT
-2
), trabajo
(W=FL=ML
2
T
-2
), etc. Entre parntesis se han escrito los smbolos que representan las
dimensiones de las magnitudes y como puede verse las dimensiones de las magnitudes
fundamentales se representan por una sola letra L, T y M, mientras que las dimensiones
4/17
de las magnitudes derivadas se representan por combinaciones u operaciones
algebraicas de las dimensiones fundamentales.
Junto a estas magnitudes fundamentales y derivadas, el sistema de unidades se
completa con otras unidades suplementarias o auxiliares como son el ngulo plano y el
ngulo slido.
- Angulo plano, porcin de plano comprendida entre dos semirrectas que tienen un
origen comn, medida segn la apertura de las semirrectas.
- Angulo slido, porcin de espacio limitada por
una superficie cnica de origen en un punto cuyas
generatrices se apoyan en una curva cerrada que
no pasa por el origen, medida segn la apertura
de la superficie cnica. Constituye una
generalizacin a tres dimensiones de la nocin de
ngulo plano
Fig. 1
3.1. Magnitudes Fundamentales.
Es natural que si los resultados de la medicin de un fenmeno fsico deben
proporcionarse a otras personas o deben publicarse, para que puedan ser reproducidos
por otros equipos investigadores, es necesario definir un sistema estndar aceptado
internacionalmente.
En 1960, la XI Conferencia General de Pesas y Medidas (C.G.P.M.), estableci
reglas para decidir un conjunto de patrones correspondientes a las magnitudes
fundamentales y se estableci un sistema de unidades que recibi el nombre de
SISTEMA INTERNACIONAL (SI) de unidades o Sistema MKS. En este sistema, las
unidades de masa, longitud y tiempo son: el Kilogramo (Kg), el metro (m) y el segundo
(s) respectivamente.
Otras unidades fundamentales del SI que estableci la Conferencia son: la
temperatura (K) -el grado Kelvin-, la intensidad de corriente elctrica (A) -el amperio- y
la intensidad luminosa (C) -la Candela-. Estas seis unidades fundamentales son las
unidades bsicas del Sistema Internacional (SI).
Posteriormente la XIV C.G.P.M. de 1971 ampli a siete las magnitudes
fundamentales con la adopcin de la magnitud cantidad de materia y cuya unidad es el
mol.
3.1.1. Longitud.
La magnitud Longitud es la extensin del espacio que ocupan los cuerpos. Las
medidas de dicha magnitud sirven para apreciar la longitud de los objetos en una sola
dimensin.
Desde 1905 en que se celebr en Pars la III C.G.P M. en la que se instituyeron las
unidades patrn, el metro se defina como: El metro (m) es la longitud que hay a 0
o
C
entre dos trazos marcados en una regla de platino iridiado que se conserva en la
5/17
Oficina Museo Internacional de Pesas y Medidas de Svres (Pars) y se denomina
metro patrn.
En 1960 la XI C.G.P.M. sin cambiar el modelo de metro patrn lo defini a partir de
un fenmeno atmico: El metro (m) es igual a 1.650.76373 veces la longitud de onda
de la radiacin electromagntica (raya roja) emitida por el istopo
86
Kr en su
transicin entre los estados 2p
10
y 5d
5
en el vaco cuando se calienta a la temperatura
del punto triple del nitrgeno.
La XVII C.G.P.M. de 1984 ha abolido la definicin dada por la XI Conferencia, que
ha permanecido en vigor desde 1960 y la ha sustituido por la siguiente: El metro es la
longitud del trayecto recorrido por la luz en el vaco durante el tiempo de la fraccin
1/299792456 de segundo. Esta definicin ha permitido una realizacin del metro ms
precisa y exacta mediante la utilizacin del lser y adems tiene la ventaja de ser
indestructible.
3.1.2. Masa.
La Masa, o cantidad de materia que integra los cuerpos, es una magnitud cuya
medida vendr dada a travs de mediciones de volumen o capacidades de lquidos.
Igualmente la III C.G.P.M. estableci como unidad de masa, el kilogramo patrn,
como la masa de un bloque de platino iridiado conservado en el pabelln de Breteuil, de
Svres (Pars). El cilindro de Svres mide 3'9 centmetros de dimetro y 3'9 centmetros
de altura y para todos los propsitos prcticos es igual a la masa de 10
-3
m
3
de agua
destilada a 4C (1 litro).
La XI C.G.P.M. de 1960 ratific como unidad de masa del SI el kilogramo
internacional ya definido. Por analoga con el metro, podemos asociar el kilogramo a
una propiedad atmica diciendo que un kilogramo es igual a la masa de 5'018810
25
tomos del istopo
12
C. En realidad, ste es el criterio adoptado al definir la escala
internacional de masas atmicas.
3.1.3. Tiempo.
El tiempo es la magnitud sobre la duracin de los fenmenos. La unidad de tiempo,
el segundo, se defini inicialmente como: la 86400 ava parte (1/86400) del da solar
medio. El da solar es el intervalo entre dos pasos consecutivos del Sol por el meridiano
de un mismo lugar de la Tierra. Como la velocidad de la Tierra en su traslacin anual
alrededor del Sol no es constante, el da va variando algo en el transcurso del ao, por
eso se toma el promedio de todo el ao como da solar medio. Tambin se ha
comprobado que por la accin de las mareas la velocidad de rotacin de la Tierra
alrededor de su eje tampoco es constante y disminuye de forma que el da aumenta un
0'001 segundos cada siglo.
Por ello, la XI C.G.P.M. de 1960 defini el segundo como la fraccin igual a
1/31.556.925'9747 del ao tropical 1900. El ao tropical se define como el intervalo de
tiempo entre dos pasajes sucesivos de la Tierra a travs del Equinoccio Vernal, el que
tiene lugar aproximadamente el 21 de marzo de cada ao.
6/17
Si bien este patrn de segundo astronmico es ms exacto que el patrn segundo
solar medio, se necesitaba un patrn material de segundo comparable a los estndares de
metro patrn y kilogramo patrn, lo que se ha logrado plenamente con el patrn atmico
de frecuencia, reloj atmico regulado por el comportamiento magntico de los tomos
de cesio.
La XIII C.G.P.M. de 1967-68 adopt para el segundo el patrn atmico de
frecuencia con la definicin actual, provisional: El segundo es la duracin de
9.192.631.770 perodos de la radiacin que corresponde a la transicin de dos niveles
hiperfinos del estado fundamental del tomo de cesio-133.
Los relojes atmicos estaban en esa fecha en etapa de rpido desarrollo y esta es la
razn por la que se adopt el segundo de cesio solo de forma temporal. Por ejemplo, el
Mser de Hidrgeno promete producir un reloj que tenga un error de slo un segundo en
33 millones de aos.
Como complemento de las unidades fundamentales exponemos los prefijos que la
Conferencia de Pesas y Medidas autoriza para designar mltiplos y submltiplos de las
unidades de todas las magnitudes:
MLTIPLO/SUBMLTIPLO PREFIJO ABREVIATURA
10
18
Exa E
10
15
Peta P
10
12
Tera T
10
9
Giga G
10
6
Mega M
10
3
Kilo k
10
2
Hecto h
10
1
Deca da
10
0
=1 Unidad
10
-1
deci d
10
-2
centi c
10
-3
mili m
10
-6
micro
10
-9
nano n
10
-12
pico p
10
-15
femto f
10
-18
atto a
7/17
3.2. Magnitudes Derivadas.
Vamos a ver a continuacin algunas de las magnitudes derivadas ms usuales. La
relacin completa de las mismas no corresponde a este tema.
3.2.1. Superficie.
Es la magnitud que determina la extensin de un objeto en dos dimensiones (largo y
ancho). Su unidad o patrn es el metro cuadrado m
2
, que es la representacin de un
cuadrado que tiene de longitud un metro por cada lado.
A partir de algunos de sus mltiplos se han determinado una serie de medidas
agrarias de uso comn, como son:
El rea, que equivale a un decmetro cuadrado.
La Hectrea, que equivale a un hectmetro cuadrado.
La Centirea, que equivale a un metro cuadrado.
3.2.2. Volmen.
Es la magnitud que determina la extensin de un objeto en sus tres dimensiones
(longitud, anchura y profundidad). La unidad o patrn es el metro cbico, m
3
, que es el
volumen de un cubo de longitud un metro para cada arista.
3.2.3. Capacidad.
Magnitud que permite medir ridos y lquidos. La unidad o patrn es el Litro, que es
la cantidad de lquido que cabe en un decmetro cbico.
4. ECUACIONES DIMENSIONALES.
La ecuacin que relaciona la magnitud derivada con las fundamentales recibe el
nombre de Ecuacin Dimensional. Para la obtencin de estas ecuaciones, partimos de la
expresin de la magnitud derivada en funcin de otras magnitudes, que no tienen
porque ser fundamentales. Esta primera expresin se llama Ecuacin de Definicin. A
partir de ella, realizamos sucesivas sustituciones hasta conseguir que las nicas
magnitudes intervinientes sean todas fundamentales.
Los smbolos que se utilizan para especificar las dimensiones de las magnitudes
fundamentales longitud, masa y tiempo son L, M y T, respectivamente. A menudo se
utilizarn corchetes [] para representar las dimensiones de una magnitud. Por ejemplo,
con esta notacin, las dimensiones de la velocidad, v se escriben [v]=L/T y las
dimensiones de un rea, A sern [A]=L
2
.
Ejemplos de magnitudes y sus ecuaciones de dimensiones son:
Velocidad v [v] = L/T = LT
-1
Aceleracin a [a] = [v]/T = LT
-2
Fuerza F [F] = M[a] = MLT
-2
8/17
Trabajo W [W]= [F]L = ML
2
T
-2
Energa Cintica EC [EC] = M[v]
2
= ML
2
T
-2
Potencia P [P] = [W]/T = ML
2
T
-3
4.1. Anlisis Dimensional.
En muchos casos es posible que se plantee el problema de deducir o verificar una
frmula especfica, a partir de las magnitudes que intervienen. Aunque se hayan olvida-
do los detalles de la deduccin, existe un procedimiento til y poderoso, conocido como
anlisis dimensional, que puede utilizarse con el fin de ayudar en la deduccin o
comprobacin de la expresin final. Tambin se usa para comprobar la homogeneidad
de una ecuacin y para minimizar su memorizacin. El anlisis dimensional hace uso
del hecho de que las dimensiones se pueden tratar como cantidades algebraicas.
5. MATEMATIZACIN DEL CONCEPTO DE MAGNITUD.
5.1. Magnitudes.
DEF Sea C un conjunto y E una relacin de equivalencia sobre C. Si definimos en el
conjunto cociente
E
C
una operacin suma que verifique las propiedades
1) Conmutativa: [ ] [ ] [ ] [ ] [ ] [ ]
E
C
b a a b b a ! " + = + ,
2) Asociativa: [ ] [ ] ( ) [ ] [ ] [ ] [ ] ( ) [ ] [ ] [ ]
E
C
c b a c b a c b a ! " + + = + + , ,
3) Elemento Neutro: [ ] [ ] [ ] [ ] [ ]
E
C
a a a que tal
E
C
! " = + ! # 0 0
siendo (
E
C
,+) un semigrupo conmutativo, entonces hemos definido sobre C una
Magnitud.
DEF Llamaremos Cantidad a los elementos de
E
C
.
Sobre un mismo conjunto C se pueden definir diferentes magnitudes. Por ejemplo, si
C={polgonos convexos del plano}
entonces podramos definir como magnitudes el nmero de lados, permetro o rea.
Por tanto, podemos decir que una magnitud es cualquier cualidad o propiedad de los
objetos que puede ser medida. Y llamamos cantidad a la manifestacin concreta de una
magnitud.
Nos podemos plantear como definir la operacin suma en el conjunto cociente
E
C
,
siendo C un conjunto sobre el que se ha definido una magnitud. Para definir la suma se
suele recurrir a dar algunas reglas que nos sirvan para obtener un elemento de C a partir
9/17
de la suma de otros dos. La clase de equivalencia del elemento suma ser el elemento de
E
C
obtenido como suma de los otros dos. Es decir:
[ ] [ ] [ ] [ ] [ ] [ ] b a b a define se y
E
C
b a C b a C b a
E
C
b a + = + ! + $ ! + $ ! $ ! , ,
Pero para que la suma en el conjunto
E
C
se pueda definir de esta manera se deben
verificar las siguientes condiciones:
1) Dados dos elementos cualesquiera de
E
C
, siempre hay sendos representantes
de ellos en C cuya suma sea posible.
2) La clase de equivalencia a la que pertenece el elemento suma obtenido no
depende de los representantes elegidos en C para las clases que se suman en
E
C
.
Estas dos propiedades reciben el nombre de Propiedad Uniforme de la Adicin.
Partiendo de la definicin de suma que hemos definido en
E
C
, podemos definir el
producto de un nmero n por una cantidad al resultado de sumar n veces la misma
cantidad. El resultado de multiplicar el nmero cero por una cantidad es el neutro de la
adicin.
El inverso del producto no es posible para cualquier magnitud. Si dada una cantidad
[ ]
E
C
a ! y un nmero natural n, existe otro [ ]
E
C
b ! tal que [ ] [ ] a b n = , entonces
[ ] [ ] a
n
b
1
= siendo [ ] b el cociente de dividir [ ] a por n.
Si existe el cociente [ ] a
n
1
, podemos definir el producto de una cantidad por una
fraccin ! !
n
m
como [ ] [ ]
%
&
'
(
)
*
= a
n
m a
n
m 1

Las magnitudes cuyas cantidades son siempre divisibles por cualquier nmero
natural reciben el nombre de magnitudes divisibles.
5.1. Magnitudes Escalares.
DEF Dada una magnitud definida sobre los elemento de un conjunto C mediante una
relacin de equivalencia E y una adicin en
E
C
, diremos que es Escalar si satisface las
siguientes condiciones:
1) Es divisible.
2) Es ordenada.
3) Es arquimediana.
10/17
OBS Recordemos que ser ordenada significa:
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] b a b a b a con
E
C
b a > < $ + ! " ,
y tiene las propiedades siguientes:
1) Transitiva. [ ] [ ] [ ] [ ] [ ] [ ] c a c b y b a < $ < <
2) [ ] [ ] [ ] [ ] [ ] [ ] [ ]
E
C
c c b c a b a ! " + < + $ <
Ser Arquimediana significa que
[ ] [ ] [ ] [ ] [ ] b a n que tal N n b a > ! # $ < < 0
El criterio que nos permite decidir si [ ] [ ] [ ] [ ] b a b a > < suele definirse mediante
un proceso de comparacin de representantes en C de ambas clases elegidos de forma
adecuada. Para que sea vlida la definicin, el resultado no debe depender de los
representantes elegidos.
DEF Diremos que una magnitud escalar es absoluta si satisface la siguiente
condicin:
4) El elemento neutro o cantidad nula es la menor de todas las cantidades.
Es fcilmente deducible de las propiedades de ser ordenada que en una magnitud
absoluta no existen cantidades distintas de la nula que sumen la cantidad nula.
DEF Diremos que una magnitud escalar es relativa si satisface la siguiente condicin:
4) Existencia de Opuesto.
[ ] [ ] [ ] [ ] [ ] [ ] [ ] a b b a que tal
E
C
b
E
C
a , = $ = + ! # ! " 0
OBS Las magnitudes escalares, tal cual las hemos definido satisfacen los requisitos
necesarios para establecer en ellas una teora de la medida con las propiedades
habituales de sta.
DEF Diremos que una magnitud escalar es continua o real si satisface:
5) El Axioma de Continuidad.
Recordemos que el axioma de continuidad aplicado a esta situacin dice: Si las
cantidades o elementos de
E
C
se clasifican en dos clases, de modo que toda cantidad
de la primera sea menor que cualquiera de la segunda, entonces existe una nica
cantidad de separacin de ambas clases. Dicha cantidad verifica que es mayor que todas
las cantidades del primer conjunto y menor que todas las del segundo conjunto.
11/17
Podemos demostrar que el conjunto de cantidades
E
C
de una magnitud escalar
continua es isomorfo al semigrupo aditivo de los nmeros reales positivos o al grupo
aditivo de los nmeros reales, segn sea la magnitud absoluta o relativa,
respectivamente.
5.2. Medida de Magnitud.
DEF Dada una magnitud con la propiedad de ser divisible, llamaremos unidad a una
cantidad [ ] u no nula elegida de forma arbitraria. Si existe, su opuesta ser [ ] u .
DEF Dada una cantidad [ ] a , si existen m,n!" tal que [ ] [ ] [ ] [ ] ( ) u
n
m
a o u
n
m
a , = =
entonces diremos que la medida de la cantidad [ ] a es el nmero racional
n
m
o
n
m
,
respectivamente.
Si tenemos una magnitud divisible y una unidad [ ] u , existirn cantidades cuyas
medidas sean racionales, pero no todas las cantidades han de tener medida racional.
Si la magnitud, adems es ordenada y la unidad es mayor que la cantidad nula, la
desigualdad entre dos cantidades [ ] [ ] u
q
p
y u
n
m
ser cierta siempre y cuando lo sea la
desigualdad numrica entre
q
p
y
n
m
.
DEF Si [ ] a es una cantidad que satisface [ ] [ ] [ ] u
n
m
a u
n
m 1 +
< < , diremos que
n
m
es
una medida por defecto y que
n
m 1 +
es una medida por exceso, ambas con error menor
que
n
1
.
Si podemos obtener dos sucesiones montonas convergentes de medidas racionales
por defecto y por exceso, respectivamente, de la cantidad [ ] a , podramos definir la
medida de [ ] a como el nmero real lmite de ambas sucesiones. El problema que surge
es que la igualdad de medidas no tiene porqu implicar la igualdad de cantidades. Y
tampoco podemos asegurar la existencia de cantidades con medida irracional.
Esta dificultad la vamos a evitar trabajando slo con magnitudes escalares
continuas. En este tipo de magnitudes, elegida una unidad [ ] u >0, toda cantidad [ ] a o
bien posee una medida racional o existen dos sucesiones montonas convergentes por
defecto y por exceso que definen un nmero real, siendo ese nmero real la medida de
la cantidad. Por tanto, dada una cantidad en el conjunto
E
C
existe un nico nmero
real que sea la medida de dicha cantidad, y recprocamente, dado un nmero real, existe
una nica cantidad en
E
C
, que tenga por medida el nmero real.
12/17
DEF Llamaremos medicin a la operacin consistente en determinar las medidas de
las cantidades.
5.3. Ejemplo de Magnitud.
Una vez que hemos establecido el concepto de medida y hemos determinado una
unidad, las normas que rigen el proceso de medicin las debemos de desarrollar de
forma particular para cada magnitud a estudiar.
A modo de ejemplo, vamos a realizar el estudio de la magnitud longitud absoluta en
los segmentos rectilneos, analizando su fundamento matemtico.
Un segmento rectilneo viene determinado por un par no ordenado de puntos, que
llamaremos extremos. Por tanto, el conjunto C de los segmentos rectilneos se puede
identificar con el conjunto de los pares de puntos. El conjunto C tambin contiene a los
segmentos nulos, que son aquellos en los que coinciden ambos extremos.
La relacin que definimos en C viene dada por la congruencia de segmentos. Dos
segmentos son congruentes si existe un movimiento que lleva los extremos de uno a
coincidir con los del otro. La relacin definida la llamaremos E y es fcil comprobar que
es de equivalencia.
Tenemos ya definido el conjunto
E
C
, formado por todas las clases de segmentos
congruentes. El siguiente paso es definir la operacin de suma de segmentos
congruentes. Para ello tendremos en cuenta que fijada una semirrecta de origen O,
cualquiera que sea el segmento AB, se puede determinar un punto X de la semirrecta de
tal forma que los segmentos OX y AB sean congruentes. As pues, una vez que tenemos
determinada una semirrecta queda establecida una correspondencia biunvoca entre las
clases de segmentos congruentes,
E
C
, y los puntos de la semirrecta (o los segmentos
OX siendo X un punto cualquiera de la semirrecta). Ahora vamos a definir la suma en
E
C
apoyndonos en la biyeccin anterior.
Tomemos dos segmentos AB y CD, siendo AB y CD sus clases de equivalencia en
E
C
. Fijemos una semirrecta con origen en el punto O, siendo OX un elemento de C
congruente con AB (OX! AB ). Tomemos otra semirrecta con origen en X,
determinando en ella un punto Y tal que XY es congruente con CD (XY!CD). El
segmento OY define la clase OY , que por definicin es la suma de las cantidades AB y
CD.
Tal y como hemos definido la suma, es fcil demostrar la propiedad uniforme de la
adicin, o lo que es lo mismo, que la clase OY no depende de la semirrecta elegida. Si
elegimos otra semirrecta con origen en O obtenemos otro punto Y que verifica:
OY CD AB Y O = + = ' '
siendo entonces OY congruente con ' 'Y O . Luego no depende de la semirrecta elegida.
13/17
A partir de esta definicin de suma en
E
C
es inmediato comprobar que verifica las
propiedades dadas para que sea (
E
C
,+) un semigrupo conmutativo. Tomamos como
elemento neutro de la operacin la clase de los segmentos nulos.
Acabamos de determinar una magnitud sobre C que llamaremos Longitud.
Tambin verifica la propiedad de Divisibilidad. Para comprobarlo, sea AB un
elemento de
E
C
. Tomemos una semirrecta con origen en O y tal que OX es congruente
con AB . Si el segmento AB lo dividimos en n partes iguales y proyectamos de forma
paralela sobre la semirrecta, obtenemos X
1
, X
2
,..., X
n-1
tales que OX
1
, X
1
X
2
,..., X
n-1
X
son congruentes entre s. Tenemos entonces que:
$ = + + + $ = + + +
,
AB OX OX OX AB X X X X OX
n 1 1 1 1 2 1 1
K K
AB
n
OX AB OX n
1
1 1
= $ = $
Para comprobar que la magnitud satisface la propiedad de Ordenacin, hemos de
representar las cantidades en una recta determinada. Se deduce fcilmente que, dadas
dos cantidades [a] y [b], slo pueden darse dos situaciones: o bien [a] es suma de [b]
ms otra cantidad, o bien [b] es suma de [a] ms otra cantidad.
De la relacin [a]+[0]=[a] deducimos que cualquier elemento no nulo de
E
C
es
mayor que [0]. Por tanto la Longitud es una magnitud Absoluta.
A travs de la representacin de Longitudes sobre una semirrecta, el axioma
geomtrico de la continuidad nos permite obtener la continuidad de la magnitud
Longitud.
Una vez visto que hemos definido sobre C una magnitud con las propiedades
demostradas anteriormente, nos falta por dar una forma de obtener la medida de un
segmento. Para ello necesitamos tomar un segmento como unidad o patrn y establecer
su medida como la unidad. Sea u ese segmento y [u] su cantidad. La medida de una
cantidad de longitud [a] puede obtenerse aplicando el proceso siguiente:
Sea n
1
un nmero natural tal que verifica:
n
1
[u] - [a] < (n
1
+1)[u]
Si se verifica la igualdad n
1
[u] = [a] la medida de [a] ser el nmero natural n
1
y
hemos terminado. Si no se verifica, entonces n
1
es una medida por defecto y
[a] = n
1
[u] + [r
1
] siendo [r
1
]<[u]
Sea entonces n
2
otro nmero natural tal que:
n
2
[r
1
] - [u] < (n
2
+1)[r
1
]
14/17
De nuevo, si se verifica la igualdad n
2
[r
1
] = [u] entonces:
[ ] [ ] u
n
n a
%
%
&
'
(
(
)
*
+ =
2
1
1
siendo
%
%
&
'
(
(
)
*
+
2
1
1
n
n la medida de [a]. En cambio, si no es cierta la igualdad, la medida es
una aproximacin por exceso y
[u] = n
2
[r
1
]+[r
2
] con [r
2
]<[r
1
]
de forma anloga existe un natural n
3
tal que:
n
3
[r
2
] - [r
1
] < (n
3
+1)[r
2
]
y en el caso de ser cierta la igualdad tenemos que
[ ] [ ]
1
3
2
1
r
n
n u
%
%
&
'
(
(
)
*
+ =
y por tanto
[ ] [ ] u
n
n
n a
%
%
%
%
&
'
(
(
(
(
)
*
+
+ =
3
2
1
1
1
siendo la expresin encerrada entre parntesis la medida de [a]. En cambio si la
igualdad no se verifica repetiremos el proceso obteniendo, en el paso i:
n
i
[r
i-1
] - [r
i-2
] < (n
i
+1)[r
i-1
]
y si la igualdad fuese cierta se tendra que:
[ ] [ ] u
n
n
n
n a
%
%
%
%
%
%
%
%
%
%
%
%
%
&
'
(
(
(
(
(
(
(
(
(
(
(
(
(
)
*
+
+
+
+ =
1
3
2
1
1
1
1
K
Si por el contrario no se verifica la desigualdad seguiramos el proceso indefinidamente.
15/17
Si la medida de [a] con respecto a la unidad [u] es racional, al cabo de un nmero
finito de pasos se obtiene su expresin, pudiendo decir entonces que [a] y [u] son
conmensurables.
Si la medida de [a] con respecto a [u] es irracional, este proceso nos da una sucesin
de medidas aproximadas, por defecto y por exceso alternativamente, que son las
sucesivas reducidas de una fraccin continua indefinida, que representa un nmero
irracional que es la medida buscada. Diremos que [a] y [u] son inconmensurables.
6. INCERTIDUMBRE EN LA REALIZACIN DE MEDIDAS.
6.1. Conceptos en la teora de errores.
En todas las ciencias aplicadas se opera con datos numricos obtenidos mediante
medidas y observaciones que nunca pueden ser absolutamente exactas. Medir una
magnitud con una precisin infinita carece de significado, pues por mucho cuidado que
se ponga en la realizacin y por muy perfecto que sea el aparato, siempre existir la
posibilidad de efectuarla con mayor precisin.
Por otro lado, al realizar una medida es porque desconocemos su valor exacto, por
tanto al valor obtenido en la medida experimental nunca podremos saber en qu grado
se acerca al valor exacto o si coincide con l. En muchos casos, en las frmulas
empleadas en las medidas intervienen nmeros irracionales, como ., e, logaritmos,
funciones trigonomtricas, etc., que no pueden tomarse con todas las cifras decimales,
lo que influye que los resultados adolezcan de un cierto error.
El efecto de los errores en las medidas se hace an ms acentuado por el hecho de
que siempre que se realiza una medida, se perturba el sistema que se desea medir y
cambian sus condiciones iniciales.
Todas estas circunstancias nos demuestran que los resultados de las medidas
experimentales vienen afectados de una cierta incertidumbre que es preciso determinar
en cada caso, pues es la que nos indica la calidad de la medida realizada y debe
acompaar siempre al resultado. As, por ejemplo, no es lo mismo dar el resultado de
una pesada en la siguiente forma: 3235 0001 g que en esta otra: 32350 00001 g
pues la primera indica que la pesada tiene dos cifras decimales seguras, mientras que la
segunda tiene tres. En ambos casos 0001 y 00001 g representan el error o
incertidumbre de nuestra medida.
La aproximacin con que ha de efectuarse una medida, esto es, la incertidumbre del
resultado, depende del objetivo que se persiga y de la naturaleza misma de la medida,
pero, en ltimo termino, lo importante es conocerla de antemano, como error mximo
(cota mxima de error) de que puede venir afectado el resultado.
El conocimiento del error cometido en una medida experimental tiene gran
importancia para saber:
1) La exactitud de los resultados obtenidos.
2) El mnimo de cifras decimales que hay que tomar para resolver problemas,
evitando clculos penosos e intiles.
16/17
6.2. Error Absoluto. Error Relativo.
Un error de 1 gramo cometido en la pesada de unos pocos gramos de un metal
precioso, resulta inadmisible, mientras que el mismo error al pesar una tonelada carece
de importancia. De ah la necesidad de definir el error absoluto y el relativo de una
medida.
Se llama error absoluto de una medida o de un nmero aproximado a la diferencia,
con su signo, entre el valor aproximado a e el calor exacto x:
x a x , = /
pero, en general, el valor exacto, x es desconocido y en la prctica se adopta para x el
valor medio de un gran nmero de observaciones, o simplemente se asigna a !x un
cierto valor lmite o cota superior de error. As, por ejemplo, cuando realizamos una
pesada hasta el centigramo, admitimos que:
01 ' 0 - /x g
o bien, cuando tomamos el nmero . = 3141 con tres cifras decimales, sabemos que:
001 ' 0 - /"
El error absoluto no sirve para juzgar el grado de aproximacin o la calidad de una
medida. Para esto es preciso definir el error relativo, que se define como el cociente
entre el error absoluto !x y el valor exacto de la magnitud x, o sea:

x
x /
= #
Como x es, en general, desconocido, se determina el lmite superior de error relativo
0 dividiendo la cota mxima de error absoluto entre el nmero que resulta sustituyendo
por ceros todas las cifras que siguen a la primera significativa del nmero aproximado
de la medida. As, por ejemplo, la cota mxima de error relativo del nmero . cuando
se toma con tres cifras decimales . = 3141, ser:
00033 ' 0
3000
1
3
001 ' 0
= = = #
Con frecuencia, los errores relativos se expresan en tanto por ciento, El resultado
anterior sera de un 0033%. La inversa del error relativo da el grado de precisin de la
medida.
17/17
Bibliografa Recomendada.
Gerald HOLTON y Duane H. ROLLER. Fundamentos de Fsica Moderna.
Editorial. Revert. BARCELONA.
Marcelo ALONSO y Edward J. FINN. Fsica. Vol. 1. Mecnica. Addison-Wesley
Iberoamericana. MJICO.
Joaqun CATALA DE ALEMANY. Fsica General. SABER, Entidad Espaola de
Librera. VALENCIA..
Jos Luis GALN GARCA. Sistemas de Unidades Fsicas. Editorial. Revert.
BARCELONA.
1/10
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 36
PROPORCIONES NOTABLES. EL NMERO UREO.
1. Introduccin.
2. Magnitudes
3. Longitud de segmentos rectilneos.
4. Proporcionalidad de segmentos.
5. Segmentos proporcionales.
6. Proporciones notables.
6.1. Cuarto proporcional.
6.2. Tercero proporcional
6.3. Cuaterna armnica.
6.4. Media proporcional.
7. Seccin urea de un segmento
8. Historia y aplicaciones del nmero ureo.
2/10
TEMA 36
PROPORCIONES NOTABLES. EL NMERO UREO.
1. INTRODUCCIN.
En este tema pretendemos definir el concepto de longitud de un segmento, as como
establecer las relaciones o proporciones ms importantes que existen entre ellos y que
son bsicas para el estudio de la geometra de figuras y en ramas tan importantes como
la geometra proyectiva.
Tambin abordaremos la existencia de una proporcin entre segmentos tan
importante como la proyeccin urea, tanto desde el punto de vista histrico, ya que
para los griegos era la relacin perfecta, como desde el punto de vista cientfico
(biologa, matemticas, etc.).
2. MAGNITUDES.
Definicin
Sea A un conjunto. Diremos que en dicho conjunto A definimos una magnitud si
podemos establecer una relacin de equivalencia, que denominaremos R, en A, de
manera que se defina un conjunto cociente A/R sobre el cual definimos la operacin
suma con las siguientes propiedades.
a) Conmutativa: x y y x + = + R A y x / , ! "
b) Asociativa: ( ) ( ) z y x z y x + + = + + R A z y x / , , ! "
c) Existencia de elemento neutro: existe el elemento R A/ 0! tal que:
a a a = + = + 0 0 R A a / ! "
Nota: A las clases de equivalencia de A/R, [a] se les llama cantidades y todos los
elementos que pertenecen a una misma clase de equivalencia diremos que tienen la
misma cantidad.
Con esta definicin podemos definir, sobre un mismo conjunto, distintas magnitudes,
por ejemplo: sobre el conjunto de polgonos regulares, podemos definir las magnitudes:
rea, nmero de lados, nmero de vrtices, etc.
3. LONGITUD DE SEGMENTOS RECTILNEOS.
Definicin:
Sea R una recta cualquiera. Se define un segmento de dicha recta como los puntos
que unen dos puntos P, Q cualesquiera de dicha recta. Por lo tanto, se define un
segmento cualquiera de extremos P y Q como los puntos de la recta que pasa por P y Q,
que adems estn entre ellos. Lo denotaremos por PQ.
3/10
Diremos que dos segmentos PQ y AB son congruentes si podemos establecer un
movimiento que haga corresponder los puntos inicial y final de uno con los del otro.
Esta congruencia es una relacin de equivalencia y a cada clase de equivalencia la
llamaremos longitud, por eso diremos que dos segmentos son congruentes si tienen la
misma longitud.
Fijada una semirrecta de origen O, si tomamos un segmento cualquiera AB ,
podemos encontrar un punto X sobre la semirrecta de manera que OX y AB sean
congruentes. Adems si OX y OY son segmentos congruentes, se tiene que X=Y.
Utilizando la propiedad que acabamos de exponer podemos definir una suma en el
conjunto cociente A/R de manera que dados dos segmentos cualesquiera AB y CD, si
tomamos una semirrecta con origen O, tenemos que:
AB ~OX y adems XY ~CD y por lo tanto: CD AB OY ~ =
Nota: Lo anterior es cierto siempre y cuando Y no est entre O y X.
La operacin suma verifica las propiedades:
Conmutativa
Asociativa
Existencia de elemento neutro.
La longitud es divisible, es ordenada y es continua.
Si tomamos una unidad de longitud u , tomada una longitud a se tiene que
existe ! ! !
+
tal que ! es la medida de a sobre u . Si ! es un nmero irracional
entonces se dice que a es inconmensurable con u .
4. PROPORCIONALIDAD DE SEGMENTOS.
Definicin:
Se llama proporcionalidad de segmentos a toda aplicacin biyectiva del conjunto de
cantidades de longitud en s mismo de modo que conserve el orden, la igualdad y exista
correspondencia en la suma.
Teorema fundamental de la proporcionalidad:
Dados dos longitudes a y b , si tomamos dos rectas r y s
con un punto comn O y sobre ellas a OA = , b OB = y se
hace corresponder al segmento OX el segmento ' OX tal
que la recta XX sea paralela a la recta AB y adems se
obtiene una proporcionalidad, esta proporcionalidad no
depende de las rectas.
r
s
A
B
X
X'
Z
Z'
O
4/10
Demostracin:
Sean Y, Z puntos de r e Y y Z puntos de s de modo
que YY y ZZ sean paralelas a AB. Entonces el
segmentoYZ le corresponde el segmento ' ' Z Y en la
correspondencia anterior. Haremos YZ OR = y tenemos
R sobre s de modo que RR sea paralela a AB.
Trazamos por Y la recta YM paralela a r. Los
tringulos ORR e YMZ son congruentes luego
' ' ' Z Y OR = r
s
O
R
R'
A
B
Y
Y'
Z
Z'
M
Veamos ahora que a la suma de segmentos le corresponde un segmento que es
suma de los correspondientes a los sumandos. Consideremos:
XY OX OY + = # se verifica ' ' ' ' Y X OX OY + =
La correspondencia en la igualdad es trivial, luego la correspondencia establecida
es una proporcionalidad.
Esta proporcionalidad es independiente de las rectas r y s elegidas.
Si tomamos otro par de rectas r, s que se cortan en O y a A O = ' ' , b B O = ' ' #
OX X O =
1
' veremos que ' ' '
1
OX X O = con lo que quedar probado.
B
O
X
A
B'
O'
X
1
A'

B
O'
X
A
B'
X
1
'
s'
r
O
Llevemos a coincidir, mediante un movimiento, la recta r de modo que O
coincida con O y A coincida con A. Se tiene que X coincide con X
1
Tenemos que: AB es paralelo a XX
1

AB es paralelo a XX
Entonces por el teorema reducido de Desargues se tiene que BB es paralela a
X
1
X y como el tringulo OBB es issceles, tambin lo es el OXX
1
# ' '
1
OX OX = .
Nota. Para demostrar este teorema hemos utilizado el teorema reducido de
Desargues, el cual vamos a demostrar a continuacin.
5/10
Teorema reducido de Desargues.
Si en un plano tenemos dos tringulos ABC y ABC tales que las rectas AA, BB
y CC se cortan en O y adems AB AB, AC AC entonces tambin se cumple que
BC BC.
O
B
B'
A A'
C
C'
Demostracin
Tracemos por O una recta que cumpla que no
est contenida en el plano de los tringulos dados y
en ella marcamos los puntos A
1
y A
1
tales que AA
1
es paralela a AA
1
.
Como se cumple que el plano A
1
AB es paralelo al plano A
1
AB # A
1
B A
1
B
y como el plano A
1
AC es paralelo al plano A
1
AC # A
1
C A
1
C.
Como las rectas A
1
B y A
1
C son paralelas respectivamente a A
1
B y A
1
C # el
plano ABC es paralelo a ABC por lo tanto tenemos que: BC BC
5. SEGMENTOS PROPORCIONALES.
Definicin.
Dados los segmentos
r
a a a ,..., ,
2 1
se dice que son proporcionales a ' ,..., ' , '
2 1 r
a a a si
hay una proporcionalidad que transforma
i
a en '
i
a donde { } r i ,... 1 !
Para comprobarlo basta tomar dos rectas cualesquiera r y s tales que ambas incidan
en un mismo punto O. Tomaremos sobre la recta r, r segmentos de longitudes
r
a a a ,..., ,
2 1
consecutivamente y en la recta s, r segmentos de longitudes ' ,..., ' , '
2 1 r
a a a y
comprobamos que las rectas que unen los puntos
i
a con '
i
a son paralelas.
Teorema Si a y b son proporcionales a ' a y ' b entonces a y ' a son proporcionales
a b y ' b .
Demostracin
Tomaremos sobre r los segmentos a OA = y b OB = y sobre s los segmentos
' ' a OA = y ' ' b OB = . Utilizando la hiptesis AA BB tomaremos ' " OA OA = sobre r y
OB OB = " sobre s. Por ser las rectas AA y BB perpendiculares a la bisectriz del
ngulo AOA tenemos que AA BB. Entonces AB AB por la configuracin de
Pappus, por lo tanto OA y OB son proporcionales a " OB y ' OB si, y slo si a y ' a
son proporcionales a b y ' b .
6/10
Configuracin de Pappus:
Si AB CD y FB CE entonces:
AE FD
A
B
C
D
F
E
6. PROPORCIONES NOTABLES.
6.1. Cuarto proporcional.
Si tomamos 3 segmentos a , b y c , se define el cuarto proporcional de los
segmentos a , b y c como el segmento x , que es nico, que verifica la condicin
siguiente:
x
c
b
a
=
Nota. Se expresa geomtricamente como

O
A
B
r
s
C
X
s c OC
r
b OB
a OA
en
en
=
$
%
$
&
'
=
=
Como se ve, trazando la paralela a la recta AC que pasa por B obtenemos un punto
X de corte con la recta s, tal que x OX = es el segmento buscado.
6.2. Tercero proporcional.
Sean a y b dos segmentos cualesquiera., Se llama tercero proporcional de a y b
al segmento x , que es nico, tal que:
x
b
b
a
=
Nota: Su construccin es igual a la del cuarto proporcional, pero siendo b c = .
6.3. Cuaterna armnica.
Definicin
Sean A, B y X tres puntos alineados. El segmento XA con la unidad XB , que se
escribe:
XB
XA
7/10
es positivo cuando X no est entre A y B y negativo en caso contrario. Este concepto
definido as, lo llamaremos razn simple de 3 puntos.
Definicin
Sean A, B, X, X cuatro puntos alineados. Se dice que estos puntos forman una
cuaterna armnica si:
XB
XA
=
B X
A X
'
'
(
En este caso se dir que X y X estn armnicamente separados por A y B.
Construccin del cuarto armnico:
Sean A, B, X y X los cuatro puntos alineados (con X entre A y B)
A
M
X
B
N'
X'
n
n
N
Tracemos 2 rectas paralelas por A y B y fijemos un punto M en la primera recta. La
recta MX corta a la segunda en N. Determinamos N tal que BN=BN. La recta MN
corta a AB en X que es el cuarto armnico.
En efecto, las rectas MX y AB determinan su proporcionalidad:
n
m
XB
XA
=
pero la recta MN y AB tambin, luego
n
m
B X
A X
=
'
'
#
B X
A X
XB
XA
'
'
( =
6.4. Media proporcional.
Dados dos segmentos a y b , se llama media proporcional de a y b al segmento
x tal que
b
x
x
a
=
La construccin puede hacerse del modo siguiente: se trazan segmentos de longitud
a y b sobre una recta tal que a OA = y b OB = y O separe A y B.
8/10
Se traza la circunferencia de dimetro AB.
La recta perpendicular a AB por O corta a la
circunferencia en X y x OX = pues la semejanza de
los tringulos OBX y OAX garantiza
b
x
x
a
=
B b O a A
X
7. SECCIN UREA DE UN SEGMENTO.
Definicin.
Se dice que un punto X que se encuentra en un segmento AB divide a dicho
segmento en media y extrema razn cuando la parte mayor AX es media proporcional
de la parte menor XB y del segmento total AB .
Definicin
La parte mayor x del segmento que est dividido recibe el nombre de segmento o
seccin urea, es decir:
a
A
X B
x
y donde a y x = + , entonces tendremos
y
x
x
a
=
La parte menor y tambin es segmento ureo de la parte mayor, es decir:
y
x
x
a
= #
y
x
y x
x a
=
(
(
#
y
x
y x
y
=
(
Proporcin urea
La razn de esa proporcin x a = " es conocida por el nombre de seccin desde
la poca de Grecia. En el Renacimiento, el monje Lucca Pacioli la llam durna
proporcin y fue finalmente Leonardo da Vinci el que la llam seccin urea.
Su valor es:
x a
x
x
a
(
= #
2 2
. x x a a = ( # 0 .
2 2
= ( ( x x a a #
# x
x x x
a
)
)
*
+
,
,
-
.
+
=
+
=
2
5 1
2
4
2 2
#
2
5 1+
=
x
a
#
2
5 1+
= "
9/10
8. HISTORIA Y APLICACIONES DEL NMERO UREO.
Desde la antigedad, los filsofos y gemetras creyeron en la existencia de una
proporcin privilegiada, que posteriormente los artistas del Renacimiento denominaron
el nmero de oro. Existe una armona, que algunos estiman perfecta, entre dos
magnitudes, particularmente dos dimensiones, cuando ambas estn entre s, en la misma
proporcin que la mayor de ellas y la suma de las dos.
Si x e y son estas magnitudes, siendo x la menor, se tiene:
y x
y
y
x
+
=
Para encontrar la proporcin que relacione x con y basta resolver la ecuacin
anterior para x=1 resultando, como anteriormente se ha demostrado que:
2
5 1+
= "
Como 5 es irracional, el nmero de oro lo es tambin y vale aproximadamente:
1618033989
El rectngulo cuyos lados guardan esta proporcin tiene propiedades dignas de
mencionar. Se presta prcticamente a una separacin ilimitada de rectngulos
semejantes cada vez menores, es decir, contiene en germen un desarrollo en fracciones
continuas.
Si en un rectngulo ABCD, trazado siguiendo la
proporcin del nmero de oro, se construye sobre el
lado AB, lado menor, un cuadrado ABEF, queda
delimitado un rectngulo FECD semejante al
primero; continuando con el mismo procedimiento,
que puede seguirse indefinidamente, se obtienen
siempre rectngulos IECJ, luego GHCJ, de
proporciones ideales. A la inversa, construyendo un
cuadrado BKLC sobre el lado mayor BC de un
rectngulo perfecto ABCD, se obtiene otro
rectngulo perfecto AKLD, y as sucesivamente.
El nmero de oro parece ser una de las claves
estructurales del universo visible, aunque la ciencia
moderna no comparte esta creencia. Se le encuentra
en la espiral logartmica que a su vez es la forma que
adoptan algunas nebulosas o el perfil de algunas con
D
C
J
G
H
I
E
F
A
B
K
L
1
1'618
chas animales, en la disposicin peridica de las hojas sobre el tallo de los vegetales; en
el cuerpo humano, en el que el ombligo divide a su eje longitudinal en dos partes segn
la proporcin urea., etc.
En la antigedad el nmero de oro fue a la vez smbolo cosmolgico, frmula
mgica y clave de diversas construcciones geomtricas utilizadas sobre todo en
arquitectura. En geometra aparece en varios lugares de la teora de los pentgonos
10/ 10
regulares convexos o estrellados. Se encuentra su trazo tambin en ciertos elementos de
la pirmide de Keops, en el Erecteion, y sobre todo en el Partenn, tanto por las
proporciones del conjunto como por los detalles estructurales, en especial los
concernientes a los capiteles.
El nmero de oro ha sido la clave de la armona numrica de obras maestras de la
escultura y de la pintura. Algunos artistas han extendido estas experiencias a la msica y
a la poesa.
1/19
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 37
LA SEMEJANZA EN EL PLANO. CONSECUENCIAS. TEOREMA DE THALES.
RAZONES TRIGONOMTRICAS.
1. Introduccin.
2. Homotecias: Definicin y propiedades.
3. La semejanza en el plano.
3.1. Definicin y propiedades.
3.2. Tringulos semejantes.
3.3. Descomposicin de una semejanza.
3.4. Semejanzas directas e inversas.
3.5. Obtencin del centro de semejanza directa.
4. Teorema de Thales.
5. Razones trigonomtricas.
5.1. Definicin y relaciones.
5.2. Resolucin de tringulos.
Bibliografa Recomendada.
2/19
TEMA 37
LA SEMEJANZA EN EL PLANO. CONSECUENCIAS. TEOREMA DE THALES.
RAZONES TRIGONOMTRICAS.
1.- INTRODUCCION.
La fundamentacin de la geometra no se consigui hasta el ao 1899, en el que
Hilbert public un libro llamado Grundlagen der Geometrie (Fundamentos de
Geometra). Los elementos de Euclides tenan ya una estructura deductiva muy perfecta,
pero en ellos se utilizaban a menudo implcitamente axiomas no formulados,
definiciones sin sentido e incluso razonamientos lgicamente incorrectos. Hilbert era
perfectamente consciente de que no todos los trminos que se usan en una teora
matemtica se pueden definir y por lo tanto, comenz su tratamiento de la geometra
considerando de entrada tres tipos de objetos indefinidos: puntos, rectas y planos, y sus
relaciones indefinidas: estar sobre, estar en, estar entre, se congruente, ser paralelo y ser
continuo. En lugar de los cinco axiomas (o nociones comunes) y los cinco postulados de
Euclides, Hilbert formula para su geometra un conjunto de 21 axiomas, que se conocen
desde entonces como los Axiomas de Hilbert para la geometra eucldea. Los 21
axiomas se dividen en cinco grupos, que son:
1) Grupo I: 8 axiomas sobre Incidencia
2) Grupo II: 4 axiomas sobre Ordenacin.
3) Grupo III: 5 axiomas sobre Congruencia o Movimiento.
4) Grupo IV: 1 axioma sobre Paralelismo.
5) Grupo V: 3 axiomas sobre Continuidad.
En este tema nos interesan los axiomas de congruencia o movimiento. Esos
cinco axiomas son:
Axioma 1: Los movimientos del plano son aplicaciones biyectivas del plano.
OBS. Por esta biyeccin, a cada punto le corresponde un punto homlogo en la
transformacin.
Axioma 2: Todo movimiento conserva las relaciones de incidencia y ordenacin.
OBS. Si varios puntos estn en una recta y ordenados, tambin lo estn sus
homlogos.
Axioma 3: Ningn movimiento puede transformar un segmento (o ngulo) en una parte
del mismo.
OBS. Si C es un punto entre A y B, ningn movimiento puede transformar AB en BC
y, anlogamente, si la recta r es interior al ngulo ab, ningn movimiento puede
transformar al ngulo ab en bc.
Axioma 4: Los movimientos forman un grupo.
3/19
OBS. Es decir, la composicin de dos movimientos es un movimiento y la
transformacin inversa de un movimiento es otro movimiento.
Axioma 5: Existe un nico movimiento que transforma una semirrecta en otra, y
cualquier semiplano limitado por la primera semirrecta es un semiplano limitado por la
segunda.
DEF Llamaremos movimiento directo del plano a todo movimiento que conserva el
sentido del plano orientado. En caso contrario, el movimiento se dice que es inverso.
OBS. Los movimientos directos forman un subgrupo de los movimientos del plano.
2.- HOMOTECIAS.
DEF. Sea en el plano un punto fijo O y un n real k! 0. Llamaremos Homotecia de
centro O y razn k a toda transformacin del plano en si mismo que verifica:
1) Un punto A y su imagen A estn alineadas con O.
2) k
OA
OA
=
__
__
'
PROP. Las rectas que pasan por el centro de la homotecia (el punto O) se transforman
en si mismas.
Dem.
Se obtiene la demostracin teniendo en cuenta la condicin 1) de la definicin.
PROP. La imagen de una recta que no pasa por el centro de homotecia es otra recta
paralela a la primera.
Dem.
Sean A y B dos puntos y A y B sus imgenes en una homotecia de centro O y
razn k. Queremos ver que la recta r definida por A y B y la recta r definida por A y
B son paralelas.
A
B
A'
B'
k
OA
OA
=
__
__
'
y k
OB
OB
=
__
__
'
"
__
__
__
__
' '
OB
OB
OA
OA
= " AB // AB
PROP. La homotecia transforma puntos alineados en puntos alineados y puntos no
alineados en puntos no alineados.
Dem.
4/19
Sean A, B y C tres puntos y A, B, y C sus imgenes por una homotecia de centro
O y razn k.
1) Si A, B y C estn alineados.
A
B
A'
B'
C C'
Se verifica:
k =
__
__
__
__
' '
OB
OB
OA
OA
= " AB || AB
Por proporcionalidad:
__
__
__
__
' '
OB
OB
OA
OA
= =
__
__
' '
AB
B A
= k
y se obtiene que
__
' ' B A = k
__
AB
__
' OB = k
__
OB
__
' OA = k
__
OA
Como A, B y C estn alineados, uno de los tres puntos ser interior al segmento
determinado por los otros dos. Supongamos que B es interior a
__
AC . Entonces:

__
AC =
__
AB +
__
BC
Si multiplicamos la ecuacin por k
k
__
AC = k
__
AB + k
__
BC "
__
' ' C A =
__
' ' B A +
__
' ' C B
Luego A, B y C estn alineados
2) Si A, B y C no estn alineados
A
A'
B
B'
C
C'
se verifica que:
__
AC <
__
AB +
__
BC
y multiplicando por k
k
__
AC < k
__
AB + k
__
BC "
"
__
' ' C A <
__
' ' B A +
__
' ' C B
y por tanto A, B y C no estn alineados.
PROP. Las homotecias transforman segmentos en segmentos.
Dem.
Es una consecuencia de la proposicin anterior.
5/19
PROP. El producto de dos homotecias de centro O es una homotecia del mismo centro.
Dem.
Sea O el centro de ambas homotecias, siendo A imagen de A respecto de la primera
homotecia y A imagen d A respecto de la segunda tenemos:
Tenemos: O, A y A estn alineados
y O, A y A estn alineados
" O, A y A estn alineados.
Sea k
1
la razn de la primera homotecia "
__
__
'
OA
OA
= k
1
Sea k
2
la razn de la segunda homotecia "
__
__
'
"
OA
OA
= k
2
Y multiplicando ambas expresiones:
__
__
'
OA
OA

__
__
'
"
OA
OA
= k
1
k
2
"
2 1
' '
k k
OA
OA
=
Entonces k
1
k
2
es la razn de la homotecia producto.
PROP. La inversa de una homotecia de centro O y razn k es una homotecia del mismo
centro y razn
k
1
.
Dem.
Si A es la imagen de A por la homotecia de razn k, entonces
k
OA
OA
=
__
__
'
y por tanto
__
__
' OA
OA
=
k
1
La consecuencia de estas dos ltimas proposiciones es que el conjunto de las
homotecias de centro O es un grupo conmutativo, denotndose por (H
O
, o)
3. LA SEMEJANZA EN EL PLANO.
3.1. Definicin y propiedades.
DEF. Llamamos semejanza en el plano a toda correspondencia biunvoca tal que si A y
B son las imgenes de dos puntos cualquiera A y B se verifica que:
6/19
__
__
' '
AB
B A
= k
siendo k un segmento absoluto dado, llamado razn de semejanza.
Al igual que las homotecias, las semejanzas verifican propiedades similares.
PROP. Las semejanzas verifican las siguientes propiedades:
1) Transforman puntos alineados en puntos alineados y puntos no alineados en
puntos alineados
2) Transforman segmentos en segmentos.
3) Transforman ngulos en ngulos iguales (conservan los ngulos)
4) Transforman tringulos semejantes.
Dem.
Trivial.
A la vista de lo anterior, tambin podramos haber definido una semejanza en el
plano como sigue:
Si realizamos el producto de una homotecia por un movimiento, o lo que es lo
mismo, movemos una de las dos figuras homotticas, como el movimiento conserva la
alineacin, el orden y el sentido (en movimientos directos) y transforma segmentos y
ngulos en otros iguales, la transformacin resultante verifica:
1) A puntos alineados le corresponden puntos alineados y en el mismo orden.
2) Los segmentos homlogos son proporcionales.
3) Los ngulos homlogos son iguales.
La transformacin anterior recibe el nombre de semejanza en el plano.
Dos figuras entre cuyos puntos se pueda establecer una correspondencia biunvoca
que cumpla las tres condiciones anteriores diremos que son semejantes.
PROP. El producto de dos semejanzas es otra semejanza.
Dem.
Sean f y g dos semejanzas y A un punto del plano.
#A del plano tal que f(A) = A
#A del plano tal que g(A) = A
por tanto, A es la imagen de A por g f o
Si existiese otro punto B tal que ( f g o )(B) = A entonces
7/19
f(A) = A y f(B) = B " g(A) = A y g(B) = A luego A= B " A = B
Por tanto, para razones k
1
y k
2
de f y g respectivamente se verifica:
__
__
' '
AB
B A
= k
1
y
__
__
' '
" "
B A
B A
= k
2
y multiplicando miembro a miembro
__
__
' '
AB
B A

__
__
' '
" "
B A
B A
=k
1
k
2
"
__
__
" "
AB
B A
= k
1
k
2
Luego la razn de la semejanza producto es igual al producto de las razones de
las semejanzas.
PROP Se Verifica:
1) El producto de las semejanzas es asociativo
2) El elemento neutro, o semejanza unidad, es aquella en la que todos los puntos
son dobles. (la identidad)
3) Toda semejanza admite una inversa.
Dem.
1) y 2) son inmediatas
3) esta propiedad la justificaremos ms adelante, cuando demostremos que toda
semejanza en el plano se puede escribir como producto de un movimiento por una
homotecia.
3.2. Tringulos Semejantes.
DEF. Dados dos tringulos ABC y ABC, diremos que son semejantes si:
1) Existe una biyeccin entre sus lados
2) Las razones de los lados homlogos son iguales.
Llamaremos razn de semejanza de los dos tringulos al n k que verifica:
__
__
' ' B A
AB
=
__
__
' ' C B
BC
=
' '
__
__
C A
AC
= k
TEOREMA
Existe una nica semejanza que transforma un tringulo en otro semejante a l.
Dem.
Sean ABC y ABC dos tringulos semejantes.
8/19
Existencia
La traslacin de vector
___
' AA transforma el tringulo ABC en el tringulo AB
1
C
1
.
El giro de centro A y ngulo orientado $B
1
AB
2
con semirrecta origen AB
1
, y
semirrecta extremo AB transforma el punto B
1
en B
2
y C
1
en C
2
. Por tanto el giro
transforma el tringulo AB
1
C
1
en el tringulo AB
2
C
2
.
Si componemos ambas aplicaciones, la imagen del tringulo ABC es AB
2
C
2
.
Ahora pueden suceder dos casos:
Caso 1. La semirrecta AC
2
coincida con AC
Caso 2. Las semirrectas AC
2
y AC son simtricas respecto de la AB
En este segundo caso, hemos de aplicar una simetra axial de eje AB,
transformando el tringulo AB
2
C
2
en AB
2
C
3
.
En el caso 1 los ngulos $ABC y $AB
2
C
2
son iguales.
En el caso 2 los ngulos $ABC y $AB
2
C
3
son iguales.
Entonces obtenemos las proporcionalidades
Caso 1.
__
__
2
' '
'
B A
B A
=
__
__
2
' '
'
C A
C A
= k
Caso 2.
__
__
2
' '
'
B A
B A
=
__
__
3
' '
'
C A
C A
= k
Y por lo tanto, en ambos casos, existe una homotecia de centro A y razn k que
transforma el tringulo
Caso 1. A B
2
C
2
% ABC
Caso 2. A B
2
C
3
% ABC
Como los movimientos utilizados, (traslaciones, giros y simetras axiales) y las
homotecias son semejanzas, la transformacin del tringulo ABC en el tringulo
ABC es una semejanza.
Unicidad.
Realicemos la demostracin por reduccin al absurdo. Supongamos que f y g son
dos semejanzas que transforman el tringulo ABC en el ABC.
Dado un punto cualquiera P del plano, hemos de demostrar que si f(P) = P y g(P) =
P entonces P= P
Si consideramos la recta BP, cortar a la recta AC en un punto Q.
Sean f(Q) = Q y g(Q) = Q se verifica que
9/19
__
__
QC
QB
=
' '
' '
__
__
C Q
B Q
ya que la semejanza conserva la relacin entre tres puntos. De forma anloga:
__
__
QC
QB
=
' "
' "
__
__
C Q
B Q
y por lo tanto
' '
' '
__
__
C Q
B Q
=
' "
' "
__
__
C Q
B Q
de lo que deducimos que Q = Q
De forma similar
__
__
PQ
PA
=
__
__`
' '
' '
Q P
A P
y
__
__
PQ
PA
=
__
__`
' "
' "
Q P
A P
entonces
__
__`
' '
' '
Q P
A P
=
__
__`
' "
' "
Q P
A P
y deducimos que P = P siendo la semejanza nica.
3.3. Descomposicin de una semejanza.
TEOREMA
Toda semejanza en el plano es el producto de un movimiento por una homotecia.
Dem.
Dada una semejanza del plano, sabemos que queda determinada por tres puntos.
Esos tres puntos determinan un tringulo. La semejanza que transforma un tringulo en
otro, por el teorema anterior existe y es nica y se descompone como producto de un
movimiento por una homotecia. Luego toda semejanza se puede descomponer como
hemos indicado.
3.4. Semejanzas directas e inversas.
DEF. Diremos que una semejanza es directa cuando al descomponerse en un
movimiento por una homotecia, el movimiento es inverso.
10/19
TEOREMA
Sea S una semejanza que transforma el tringulo ABC en ABC. S es una
semejanza directa si y solo si los tringulos tienen la misma orientacin.
Dem.
"
Por ser la semejanza directa, se descompone como producto de una homotecia por
un movimiento directo.
Sea ' ' ' ) ( ) ( ( ) )( ( ) (
1 1 1
C B A C B A H ABC M H ABC M H ABC S M H S
d d d
= = = = " = o o
Por ser el Movimiento directo A
1
B
1
C
1
tiene la misma orientacin que ABC y como
las homotecias tambin la conservan, tenemos que A
1
B
1
C
1
tiene la misma orientacin
que ABC. Luego ABC y ABC tienen la misma orientacin.
&
Si ABC y ABC tienen la misma orientacin, para transformar el primero en el
segundo necesitamos realizar una traslacin de vector ' AA y un giro, pero no es
necesario hacer una simetra axial, y luego una homotecia.
Por tanto, la composicin de la traslacin y el giro nos da un movimiento directo.
3.5. Obtencin del centro de Semejanza Directa.
Sea S una semejanza que transforma el segmento AB en ' ' B A . Se pueden dar dos
situaciones:
Caso 1: Los segmentos AB y ' ' B A estn situados en rectas paralelas.
El punto O, centro de homotecia, se obtiene como interseccin de las rectas que
pasan, una por A y A y la otra por B y B.
Si tomamos un punto C no alineado con A y B obtenemos un tringulo ABC con
imagen, ABC, siendo C la imagen de C por la homotecia. La transformacin del
tringulo ABC en el ABC nos determina una semejanza de centro O.
11/19
Caso 2: Los segmentos AB y ' ' B A estn situados en rectas no paralelas.
Podemos hallar un giro y una homotecia con el mismo centro O, cuyo producto sea
la semejanza S definida por AB y ' ' B A . Dicho centro O ser el centro de semejanza
directa.
Supongamos que el punto O existe y tratemos de determinarlo.
Al ser S una semejanza directa se verifica
' ' A OB OBA $ = $
Si P es el punto de interseccin de la recta AB con AB, y a continuacin
dibujamos las circunferencias que pasan por PAA y por PBB respectivamente, ambas
circunferencias ser cortaran, adems de en el punto P en otro punto , que ser O.
A
B
A'
B'
P
Los tringulos OAB y OAB son
semejantes, pues P OB OBP ' $ = $ ya
que ambos son ngulos inscritos de la
misma circunferencia, y subtender el
arco OP en la circunferencia C
2
, y lo
mismo para P OA OAP ' $ = $ .
Al tener dos ngulos iguales, los
tringulos son semejantes y O es el
centro de la semejanza.
12/19
4. TEOREMA DE THALES.
TEOREMA
Los segmentos limitados por los puntos de interseccin de varias paralelas en dos
rectas son proporcionales.
Dem.
Sean r y s las dos rectas que son cortadas por varias paralelas. Las tres posibilidades
que nos podemos encontrar son:
El teorema quedar demostrado si comprobamos que existe correspondencia en la
igualdad, el orden y en la suma de dichos segmentos.
a) Correspondencia en la Igualdad.
Veamos que: CD AB = en r ' ' ' ' D C B A = " en s.
Caso 1: trivial, por ser r y s paralelas.
Caso 2 y caso 3:
Al ser r y s no paralelas, realizamos la traslacin del trapecio ABAB (o
tringulo en el caso de que A=A) de forma que AB coincida con CD. Entonces ' ' B A
se transforma en ' ' ' ' B A siendo entonces ' ' ' ' ' ' B A B A = por traslacin ' ' ' ' ' ' D C B A = por
segmentos paralelos situados en rectas paralelas, luego ' ' ' ' D C B A = .
b) Correspondencia en el Orden.
Sea M un punto interior del segmento AB . La paralela que pasa por M est
limitada por las paralelas ' AA y ' BB luego M es interior a ' ' B A .
c) Correspondencia en la Suma.
Si MB AM AB + = , aplicando b) ' ' ' ' ' ' B M M A B A + = .
Luego la correspondencia establecida es una proporcionalidad.
13/19
B
x
C A
5. RAZONES TRIGONOMTRICAS.
5.1. Definicin y Relaciones.
Dado un tringulo rectngulo ABC podemos afirmar que las razones entre sus lados
se conservan por una semejanza. Eso es debido a que si ABC es un tringulo
rectngulo homlogo al anterior sabemos que es cierto que
' ' ' ' ' ' C A
AC
C B
BC
B A
AB
= =
y los ngulos son iguales, por tanto, es lgico afirmar que
,...
' '
'
C B
B A
BC
AB
=
As pues, podemos definir las relaciones trigonomtricas independientemente del
tringulo rectngulo considerado.
DEF Dado un tringulo rectngulo ABC, con = $ 90 A llamaremos razones
trigonomtricas del ngulo agudo x a:
1) Seno:
BC
AB
x = sen
2) Coseno:
BC
AC
x = cos
3) Tangente:
AC
AB
x = tan
4) Cotangente:
AB
AC
x = cot
5) Secante:
AB
BC
x = sec
6) Cosecante:
AB
BC
x = csc
Aunque hemos definido seis razones trigonomtricas en funcin de los lados de un
tringulo rectngulo, vamos a ver a continuacin que algunas de ellas dependen de las
otras, y que existen relaciones entre ellas.
TEOREMA Teorema de Pitgoras
Dado un tringulo rectngulo, se verifica
2
2
2
1
2
c c h + =
siendo h la hipotenusa y c
1
y c
2
los dos catetos.
14/19
Dem.
Sea ABC los vrtices del tringulo rectngulo, con = $ 90 A si trazamos la
perpendicular al lado BC que pasa por el punto A, obtenemos el punto M y los dos
nuevos tringulos MAB y MCA son rectngulos.
Los tringulos MAB y ABC son semejantes, entonces
'
'
2
c a c
c
a
c
c
= " =
De igual forma MCA y ABC tambin son semejantes
'
'
2
b a b
b
a
b
b
= " =
Sumando ambas relaciones
2 2 2
2 2
2 2
) ' ' (
' '
a c b
b c a c b
ab ac c b
= +
" + = +
" + = +
cqd
El teorema de Pitgoras nos permite obtener una relacin entre algunas de las
razones trigonomtricas. Aplicando dicho teorema al tringulo ABC anterior
1
2 2
2 2 2
=
'
'
(
)
*
*
+
,
+
'
'
(
)
*
*
+
,
" = +
BC
AC
BC
AB
BC AC AB
y entonces
1 cos sen
2 2
= + x x
siendo x el ngulo C $ .
A partir del resto de las razones trigonomtricas, deducimos que
15/19
a
B
b
B
a
B
x
x
x
x
x
BC
AC
BC
AB
AC
AB
x
cos
sin
tan
cos
sin
tan = " = = =
y de forma anloga obtendramos
x
x
x
x
x
x
x
x
cos
1
sec
sin
1
csc
sin
cos
tan
1
cot
=
=
= =
5.2. Resolucin de Tringulos.
Entendemos por resolver un tringulo el obtener el valor de los tres lados y los tres
ngulos, partiendo de algunos datos conocidos.
Comenzaremos resolviendo tringulos rectngulos. Nos encontramos con cuatro
casos, en funcin de los datos de partida. Consideraremos que el ngulo recto es A.
Caso 1: Los datos de partida son la hipotenusa a y un ngulo agudo B.
Sabemos que, como 90 90 = + " = C B A luego C = 90 - B.
Tambin sabemos que B a b
a
b
B sin sin = " = y por el teorema de Pitgoras
2 2
b a c + = .
Caso 2: Los datos de partida son un ngulo B agudo y un cateto b.
B
b
a
a
b
B
sin
sin = " =
C = 90 - B
2 2
b a c - =
Caso 3: Los datos iniciales son la hipotenusa a y un cateto b.
16/19
b
c
" =
a
b
B sen Podemos determinar B.
A partir de B obtenemos C = 90 - B
2 2
b a c - =
Caso 4: Los datos iniciales son los dos catetos b y c.
Para determinar el ngulo B, lo hacemos a partir de la expresin
2 2
90
tan
c b a
B C
c
b
B
+ =
- =
=
Para poder resolver cualquier tringulo, no slo los rectngulos, necesitamos
previamente generalizar las razones trigonomtricas para ngulos mayores de 90, que
reciben el nombre de ngulos obtusos.
Partiendo de un sistema ortonormal de ejes y de un punto P(x,y) cualquiera del
segundo cuadrante, tracemos la semirrecta que parte del origen de coordenadas y pasa
por el punto P. El semieje positivo OX y la semirrecta OP nos determinan un ngulo
obtuso.
Sea r la longitud del segmento OP. Podemos definir las razones trigonomtricas
como:
x
y
r
y
=
=
!
!
tan
sin
y
x
r
x
=
=
!
!
cot
cos
Las definiciones que hemos dado son independientes del punto p considerado y, en
el caso de estar P en el primer cuadrante, coinciden con las que ya tenamos.
P(x,y)

17/19
Las relaciones entre las razones trigonomtricas se siguen verificando, ya que P
pertenece a una circunferencia de radio r, siendo entonces
1 cos sin
) sin ( ) cos (
2 2
2 2 2
2 2 2
= +
= +
= +
! !
! ! r r r
r y x
y a partir de aqu tendramos el resto.
Una vez realizada la generalizacin de las razones trigonomtricas para un ngulo
obtuso, veamos dos teoremas que nos van a permitir generalizar a un tringulo
cualquiera la resolucin.
TEOREMA Teorema de Los Senos
Dado un tringulo ABC cualquiera se verifica
C
c
B
b
A
a
sin sin sin
= =
Dem
Dado un tringulo ABC, trazamos la altura relativa al vrtice A, h
a
.
Entonces
c
h
B
a
= sen y
b
h
C
a
= sen
Las dos igualdades anteriores no dependen del tringulo elegido. Si la altura que
pasa por A no est entre B y C, basta por aplicar lo visto para ngulos obtusos para
comprobarlo.
Si repetimos el proceso para el punto B, llamando h
b
a su altura obtenemos
c
h
A
b
= sen y
a
h
C
b
= sen
Entonces
C
c
B
b
A
a
C a A c h
C b B c h
b
a
sen sen sen sen sen
sen sen
= = "
.
/
0
= =
= =
TEOREMA Teorema del coseno
Dado un tringulo ABC cualquiera se verifica A bc c b a cos 2
2 2 2
- + =
Dem.
Si A = 90 tenemos un tringulo rectngulo, y podemos aplicar el teorema de
Pitgoras. Y como cos90 = 0, la tesis se verifica.
18/19
Si A 90 nos encontramos con dos situaciones, A<90 o A>90
A
B
C
B
A
C
Si trazamos la altura por el punto B
tenemos
90 ) ' (
90 '
2 2 2
2 2 2
> 1 + + =
< 1 + =
A c b hb a
A a hb a
Del primer caso
' 2 ' 2 ' ) ' (
2 2 2 2 2 2 2 2
bc b c bc c b hb c b hb a - + = - + + = - + =
y como A c c
c
c
A cos '
'
cos = " =
sustituyendo A bc c b a cos 2
2 2 2
- + =
Del segundo caso
' 2 ' 2 ' ) ' (
2 2 2 2 2 2 2 2
bc b c bc c b hb c b hb a + + = + + + = + + =
A c c
c
c
A cos '
'
cos - = "
-
=
luego A bc c b a cos 2
2 2 2
- + =
Ahora ya estamos en condiciones de resolver cualquier tringulo. De nuevo, nos
encontramos con cuatro casos, en funcin de los datos iniciales.
Caso 1: Los datos de partida son los ngulos A y B y un lado a.
Entonces C = 180 - (A+B)

A
C
a c
B
A
a b
sin
sin
sin
sin
=
=
Caso 2: Los datos de partida son los lados a y b y el ngulo opuesto a uno de ellos, por
ejemplo A.
Del teorema de los senos
B
b
A
a
sin sin
=
19/19
obtenemos
a
A b
B
sin
sin =
y de esta expresin podemos calcular B.
A partir de aqu
C = 180 - (A+B) y
A
C a
C
sin
sin
=
Aclaremos que para que el tringulo exista es necesario que 1
sin
2
a
A b
Caso 3: Los datos iniciales son los lados b y c y el ngulo que determinan, A.
C Obtenemos a
A c
C
B Obtenemos
a
A b
B
A bc c b a
% "
=
% " =
- + =
sin
sin
sin
sin
cos 2
2 2 2
Caso 4: Los datos iniciales son los tres lados a, b y c
Por el teorema del coseno
A Obtenemos
bc
a c b
A % "
- +
=
2
cos
2 2 2
C Obtenemos
a
A c
C
B Obtenemos
a
A b
B
% " =
% " =
sin
sin
sin
sin
BIBLIOGRAFA RECOMENDADA
Curso de Geometra Simtrica. Aut.: Puig. Adam.
Cualquier texto de Cou o 2 de Bachillerato para la parte de Razones Trigonomtricas.
1/20
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 38
TRIGONOMETRA PLANA. RESOLUCIN DE TRINGULOS
1. .Conceptos sobre trigonometra.
1.1. Definicin.
1.2. Razones de ngulos complementarios.
1.3. Otra definicin de razn trigonomtrica.
1.4. Razones de ngulos obtusos.
1.5. Angulos suplementarios
1.6. ngulos que difieren en 90.
1.7. ngulos opuestos.
1.8. Razones trigonomtricas de ngulos fundamentales.
2. Resolucin de tringulos.
2.1. Resolucin de tringulos rectngulos.
2.1.1. Conocido un lado y un ngulo del rectngulo.
2.1.2. Conocidos dos lados.
2.2. Resolucin de tringulos oblicungulos.
2.2.1. Expresin trigonomtrica de la altura.
2.2.2. Teorema de los senos.
2.2.3. Teorema del coseno.
2.2.4. Resolucin por teorema del seno
2.3. Radio de la circunferencia circunscrita.
2.4. Resolucin de tringulos con el teorema del coseno.
2.4.1. Conocidos dos lados a y b y el ngulo C.
2.4.2. Conocidos los tres lados.
3. Teorema de las tangentes. Frmulas de Briggs.
3.1. Analogas de Mollweide y de Neper.
3.2. Teorema de las tangentes.
3.3. Resolucin de tringulos.
3.4. Frmulas de Briggs.
4. rea de un tringulo.
5. Frmulas de adicin.
5.1. Coseno de la suma y diferencia.
5.2. Seno de la suma y diferencia.
5.3. Tangente de la suma y diferencia.
5.4. Frmulas del ngulo doble.
5.5. Frmulas del ngulo mitad.
5.6. Transformaciones en productos de sumas y diferencias.
5.7. Expresiones trigonomtricas en funcin de la tangente del ngulo mitad.
6. Aplicaciones.
6.1. Aplicaciones a la topografa.
6.2. Determinacin de la altura de un punto de pie accesible.
6.3. Resolucin de planos inclinados en fsica.
6.4. Resolucin de problemas en esttica y en dinmica.
2/20
TEMA 38
TRIGONOMETRA PLANA. RESOLUCIN DE TRINGULOS
1. CONCEPTOS SOBRE TRIGONOMETRA.
1.1. Definicin
Dados dos tringulos rectngulos PQR y PQR, se dice que son semejantes si tie-
nen un mismo ngulo ! en el vrtice Q
Por ser semejantes se cumple que las relaciones
que hay entre dos lados cualesquiera de uno de los
tringulos son las mismas que las que hay entre los
lados equivalentes del otro tringulo.
Tales relaciones dependen del ngulo !, y si ste
vara, tambin varan las relaciones que se establecen.
Las relaciones los podemos definir de la siguiente
forma:
Q
R
P
!
R'
P'
Q R
P R
RQ
RP
'
' '
sen = = !
Q R
Q P
RQ
PQ
'
'
cos = = !
Q P
P R
PQ
RP
'
' '
tg = = !
RP
RQ
= =
!
!
sen
1
cosec
PQ
RQ
= =
!
!
cos
1
sec
RP
PQ
= =
!
!
tg
1
cotg
Una vez definidas estas relaciones trigonomtricas bsicas podemos intentar esta-
blecer, a su vez, otras relaciones entre ellas.
Utilizando el teorema de Pitgoras tenemos que:
2 2 2
RQ PQ RP = + y dividiendo toda la ecuacin por
2
RQ resulta
1
2 2
=
"
"
#
$
%
%
&
'
+
"
"
#
$
%
%
&
'
RQ
PQ
RQ
RP
( 1 cos sen
2 2
= + ! !
Por otro lado:
!
!
!
cos
sen
tg = = =
RQ
PQ
RQ
RP
PQ
RP
(
!
!
!
cos
sen
tg =
Por ltimo, utilizando la ecuacin 1 cos sen
2 2
= + ! ! y dividindola por
cos
2
!, obtenemos:
3/20
! !
!
!
!
2 2
2
2
2
cos
1
cos
cos
`
cos
sen
= + ( ! !
2 2
sec 1 tg = +
1.2. Razones de ngulos complementarios.
Si tomamos un tringulo rectngulo igual que el anterior y le calculamos las razones
trigonomtricas al otro ngulo distinto del ngulo ! y distinto del ngulo recto (o sea,
del ngulo en R), podemos relacionarlas con las de !, Adems, como el otro ngulo es
de 90)! grados, lo llamaremos ngulo complementario al !, porque la suma de ambos
da 90.
( ) ! ! cos 90 sen = = )
QR
PQ
( ) ! ! sen 90 cos = = )
QR
RP
( ) !
!
!
! cotg
sen
cos
90 tg = = = )
RP
PQ
Q
R
P
!
90-!
1.3. Otra definicin de razn trigonomtrica.
Si trazamos una circunferencia de radio r y sobre ella tomamos un punto P y crea-
mos con ese punto, con el centro de la circunferencia y con el punto del eje OX que es
cada perpendicular de P sobre el eje (punto A) un tringulo, se cumple que:
r
AP
= ! sen
r
AC
= ! cos
AC
AP
= ! tg
r
!
P
A
C
Definicin Definiendo un tringulo de la misma forma que antes, pero sobre
una circunferencia de radio unidad r=1, se tiene que se define el seno de ! como la lon-
gitud del cateto vertival de dicho tringulo y el coseno de ! como la longitud del cateto
horizontal de dicho tringulo.
1.4. Razones de ngulos obtusos.
Si creamos tringulos igual que antes pero tomando puntos de la circunferencia que
no estn en el primer cuadrante, las razones del ngulo que forma la hipotenusa con
respecto a la parte positiva del eje OX, vienen dadas por:
4/20

y
x
r
!
r
y
= ! sen
r
x
= ! cos
x
y
= ! tg
Pero como (x,y) est en el 2
cuadrante, se tiene que, por defini-
cin, el seno es positivo, el coseno
es negativo y la tangente es negati-
va.
Anlogamente podemos com-
probar que:
2 2 2
r y x = + ( 1
2 2
=
"
#
$
%
&
'
+
"
#
$
%
&
'
r
y
r
x
( 1 cos sen
2 2
= + ! !
A todos los ngulos ! definidos de esta forma, es decir, que son superiores a 90 ,
se les llama obtusos
1.5. ngulos suplementarios.
Definicin. Dados dos ngulos x e y, se dice que x e y son suplementarios si su
suma es 180, o sea x+y=180.
Bajo estas condiciones tenemos:

y
x
( ) x x y sen 180 sen sen = ) =
( ) x x y cos 180 cos cos ) = ) =
( ) x x y tg 180 tg tg ) = ) =
1.6. ngulos que difieren en 90.
Definicin. Dados dos ngulos x e y se dice que son ngulos que difieren 90 si
verifican que y=90+x:

x
y
( ) x x y cos 90 sen sen = + =
( ) x x y sen 90 cos cos ) = + =
( ) x x y cotg 90 tg tg ) = + =
5/20
1.7. ngulos opuestos
Definicin. Dados dos ngulos x e y se dice que son ngulos opuestos si se verifi-
can que y="x:

x
y
( ) x x y sen sen sen ) = ) =
( ) x x y cos cos cos = ) =
( ) x x y tg tg tg ) = ) =
1.8. Razones trigonomtricas de ngulos fundamentales.
cos 0 = 1 ; sen 0 = 0 ; tg 0 = 0
Tomando un tringulo equiltero, tenemos que
l
l l/2
l
h
60
30
Como
2
2
2
2
l
l
h =
"
#
$
%
&
'
+ (
4
3
4
2 2
2 2
l l
l h = ) = ( l h
2
3
=
entonces:
2
1 2
30 sen = =
l
l
o

2
1
30 sen =
o
2
3 2 3
30 cos
0
= = =
l
l
l
h
2
3
30 cos
0
=
3
1
2 3
2 1
30 cos
30 sen
30 tg
0
0
= = =
o
3
1
30 tg
0
=
Como
( )
2
3
30 cos 30 90 sen 60 sen = = ) =
o

2
3
60 sen =
o
( )
2
1
30 sen 30 90 cos 60 cos
0
= = ) =
2
1
60 cos
0
=
6/20
3
2 1
2 3
60 cos
60 sen
60 tg
0
0
= = =
o
3 60 tg
0
=
Tomando ahora un cuadrado de lado l resulta:

d
45
45
l
l
2 2 2 2
2l l l d = + = ( l d 2 =
2
2
2
1
2
45 sen = = = =
l
l
d
l
o
(
2
2
45 sen =
o
2
2
2
1
2
45 cos = = = =
l
l
d
l
o
(
2
2
45 sen =
o
1
2 2
2 2
45 cos
45 sen
45 tg
0
= = = ( 1 45 tg
0
=
2. RESOLUCIN DE TRINGULOS.
2.1. Resolucin de tringulos rectngulos.
2.1.1. Conocido un lado y un ngulo del rectngulo.
a) Si conocemos la hipotenusa a y un ngulo agudo, por ejemplos B tenemos que:

a
A
b
B
c
C C=90 " B pues A=90 resultando entonces:
a
b
B = sen ( B a b sen =
a
c
B = cos ( B a c cos =
b) Si conocemos un cateto, el b, y un ngulo agudo, el B, por ejemplo, tendremos:
C= 90 ) B y A=90 luego
a
b
B = sen (
B
b
a
sen
= y
c
b
B = tg (
B
b
c
tg
=
2.1.2. Conocidos dos lados.
a) Conocida la hipotenusa a y un cateto b por ejemplo, tendremos:
a
b
B = sen (
a
b
B sen arc = y como C= 90 ) B. pues A=90 y
2 2
b a C ) =
7/20
b) Conocidos los dos catetos b y c, tenemos que:
2 2
c b A + = y como A=90 tenemos que:
c
b
B = tg (
c
b
B tg arc = y C = 90 ) B
2.2. Resolucin de tringulos oblicungulos.
2.2.1. Expresin trigonomtrica de la altura h.
Dados los tringulos

h
a
b
c
A
B
C
H
En este caso tenemos que:
a
h
B = sen ( B a h sen =

h
C
A B
b
c
a
H
En este caso tenemos que:
b
h
A = sen ( A b h sen =
2.2.2. Teorema de los senos.
Utilizando las expresiones que hemos obtenido, tenemos que, como B a h sen = y
A b h sen = resultar igualando ambas:
B asen = A bsen (
b
B
a
A sen sen
=
y haciendo lo mismo con la altura que parte del vrtice A, obtendramos que esta igual-
dad se puede ampliar a:
c
C
b
B
a
A sen sen sen
= = (
C
c
B
b
A
a
sen sen sen
= =
que es el llamado Teorema de los senos.
8/20
2.2.3. Teorema del coseno.
Si tomamos el teorema de Pitgoras generalizado, tenemos que:
*
+
*
,
-
= =
>
<
+ =
o
o
o
A n
A
A
bn c b a
90 si 0 s tomaremo
90 si ms signo con
90 si menos signo con
2
2 2 2
siendo
h
a
c
b
A
C
B
H
h
B
A C
c
b
a
H
n n
Si tomamos la proyeccin n, de AB sobre la recta AC, tenemos:
c
n
A = cos (1 figura) o
c
n
A A ) = ) ) = ) 180 cos( cos (2 figura)
Si A c n cos = ( A bc c b a cos 2
2 2 2
) + =
pero si A c n cos ) = ( ) cos ( 2
2 2 2
A c b c b a ) + + = = A bc c b cos 2
2 2
) +
resultando en ambos casos: A bc c b a cos 2
2 2 2
) + =
y anlogamente: B ac c a b cos 2
2 2 2
) + = y C ab b a c cos 2
2 2 2
) + =
2.2.4. Resolucin por teorema del seno.
a) Conocidos dos ngulos A y B y el lado a, tenemos que: C=180-A-B
resulta:
C
c
A
a
sen sen
= (
A
C
a c
sen
sen
=
y
B
b
A
a
sen sen
= (
A
B
a b
sen
sen
=
b) Conocidos los lados a y b y el ngulo A opuesto a a:
haciendo:
B
b
A
a
sen sen
= ( A
a
b
B sen sen = (
"
#
$
%
&
'
= A
a
b
B sen sen arc
Ante esta situacin tenemos dos posibilidades:
9/20

o
B 90 0 . <

o o
B 180 90 < <
Pero siempre debe ocurrir que 1
sen
.
a
A b
o sea a A b . sen
1) Si a A b = sen ( 1 sen = B (
o
B 90 =
2) Si a A b < sen ( 1 sen < B entonces:
i) Si
o
A 90 < puede haber dos soluciones o una, dependiendo de que b a < o no.
ii) Si
o
A 90 > slo hay una solucin.
Utilizando lo anterior tenemos que: C = 180 " A " B.
2.3. Radio de la circunferencia circunscrita.
El ngulo D y el ngulo A de los trin-
gulos DCB y ACB respectivamente, son igua-
les por tener el mismo arco, pero por otra par-
te, el ngulo M en el punto C es un ngulo
recto por ser DB el dimetro de la circunferen-
cia. Entonces tenemos que:
90 sen
2
sen
r
D
a
= (
r
a
D
2
sen =
luego:
r
a
A
2
sen =
C
D
B
A
c
b
r
M
a
por tanto:
C
c
B
b
A
a
r
sen sen sen
2 = = =
2.4. Resolucin de tringulos con el teorema del coseno.
2.4.1. Conocidos dos lados a y b y el ngulo C.
Como C ab b a c cos 2
2 2 2
) + = tenemos que C ab b a c cos 2
2 2
) + =
Utilizando el teorema del seno calcularemos los ngulos A y B.
2.4.2. Conocidos los tres lados.
Hacemos:
bc
a c b
A
2
cos
2 2 2
) +
=
ac
b c a
B
2
cos
2 2 2
) +
=
ab
c b a
C
2
cos
2 2 2
) +
=
Obtenemos as los ngulos A, B y C del tringulo.
10/ 20
3. TEOREMA DE LAS TANGENTES. FRMULAS DE BRIGGS.
3.1. Analogas de Mollweide y de Neper.
Sea un tringulo ABC tal que
a>b y llevemos b sobre a y a su vez
sobre su prolongacin a partir de C.
Obtenemos as los puntos N y M y
por lo tanto, el tringulo AMN cu-
yos ngulos queremos calcular.
Tenemos que el ngulo ACM es

A
B
C N M
b
c
a
a-b
b
A+B
igual a A+B puesto que es exterior al tringulo ABC. Tambin el ngulo ANM es
(A+B)/2 y adems AMC=C/2. Finalmente ANB=90+(C/2) por ser exterior al tringulo
ANM.
Entonces si aplicamos a los tringulos ABM y ABN el teorema de los senos resulta:
2
sen
2
90 sen
C
c
B A
b a
o
=
"
#
$
%
&
' )
+
+
(
2
sen
2
cos
2
sen
2
90 sen
C
B A
C
B A
c
b a
o )
=
"
#
$
%
&
' )
+
=
+
"
#
$
%
&
'
+
=
)
)
2
90 sen
2
sen
C
c
B A
b a
o
(
2
cos
2
sen
2
90 sen
2
sen
C
B A
C
B A
c
b a
o
)
=
"
#
$
%
&
'
+
)
=
)
y estas igualdades son las llamadas analogas de Mollweide.
3.2. Teorema de las tangentes.
Teorema de las tangentes: La diferencia de los lados es a su suma como la tangente
de la semidiferencia de los ngulos opuestos es a la tangente de la semisuma de los
mismos ngulos.
Demostracin. Por las analogas de Mollweide, tenemos que:
= /
)
)
=
)
)
=
+
)
=
+
)
2
cos
2
sen
2
cos
2
sen
2
sen
2
cos
2
cos
2
sen
C
C
B A
B A
C
B A
C
B A
c
b a
c
b a
b a
b a
2
tg
2
tg
C B A
/
)
11/ 20
y puesto que:
2
90
2
B A C
o
+
) = resulta:
2
tg
2
tg
B A
B A
b a
b a
+
)
=
+
)
Nota: a esta igualdad la llamamos analoga de Neper.
3.3. Resolucin de tringulos.
Conocidos los lados a y b y el ngulo C de un tringulo, tenemos:
2
tg
2
tg
B A
b a
b a B A +
+
)
=
)
con
2
90
2
B A C
o
+
) = por lo tanto
2
tg
2
B A
- 90 cotg
2
cotg
B A C +
= "
#
$
%
&
'
+
= entonces
2
cotg
2
tg
C
b a
b a B A
+
)
=
)
de donde obtenemos
2
B A )
que junto con
2
90
2
C B A
o
) =
+
resolvemos y calcula-
mos as A y B.
Para calcular c hacemos:
2
sen
2
cos
C
B A
c
b a
)
=
+
(
2
cos
2
sen ) (
B A
C
b a
c
)
+
=
3.4. Frmulas de Briggs.
Si tenemos un tringulo ABC entonces el radio de la circunferencia inscrita en
l, tiene por radio:

A
B
C
O
c
a
b
p-a
p-a p-b
p-b
p-c
p-c
r
p
c p b p a p ) )( )( ( ) ) )
= #
donde
2
c b a
p
+ +
=
entonces:
12/ 20
*
*
*
*
0
*
*
*
*
1
2
)
) )
=
)
=
)
) )
=
)
=
)
) )
=
)
=
) (
) )( (
2
tg
) (
) )( (
2
tg

) (
) )( (
2
tg
c p p
b p a p
c p
C
b p p
c p a p
b p
B
a p p
c p b p
a p
A
#
#
#
Frmulas de Briggs
4. REA DE UN TRINGULO.
Si tomamos la expresin del rea de un tringulo, tenemos:
h a S .
2
1
=
pero sustituyendo en la expresin C b h sen . = = B c sen . resulta:
A c b B c a C b a S sen .
2
1
sen .
2
1
sen .
2
1
= = =
pero si resulta que conocemos A, B y a, podemos hacer C=180 )(A+B) y por lo tanto
tomaremos:
A
B
a b
sen
sen
=
que sustituyendo en la expresin anterior tenemos finalmente:
C
A
B
a a S sen
sen
sen
.
2
1
= (
A
C B
a S
sen
sen sen
2
1
2
/
=
Si conocemos a, b y A calcularemos los ngulos B y C mediante el teorema del
seno y aplicaremos:
C b a S sen .
2
1
=
y por ltimo, si conocemos los tres lados a, b y c del tringulo calcularemos el rea me-
diante la frmula de Hern:
) )( )( ( c p b p a p p S ) ) ) =
5. FRMULAS DE ADICIN.
5.1. Coseno de la suma y diferencia.
Si sobre una circunferencia de radio unidad, construimos dos ngulos que llamare-
mos !=XOA y 3=AOB de manera que !+3=XOB
13/ 20
Se cumple que la proyeccin perpendicular de B
sobre el radio OA es el punto C y la proyeccin so-
bre el eje OX es el punto B, de manera que:
' ) cos( OB = + $ !
OC = $ cos
y BC = $ sen
Por otro lado, el punto C se proyecta sobre el eje
OX en el punto D y sobre la recta BB en el punto E.
Esto implica que el ngulo EBC sea !, por lo tanto:
O X
Y
A
B
C
D
a
b
B'
E
a
BC
EC
= ! sen ( ! sen BC EC =
OC
OD
= ! cos ( ! cos OC OD =
y como OB= OD " BD = OD " EC resulta
! ! $ ! sen . cos . ) cos( BC OC ) = + y sustituyendo las expresiones anteriores:
$ ! $ ! $ ! sen . sen cos . cos ) cos( ) = +
siendo sta la expresin de la suma de los ngulos.
El coseno de la diferencia vendr expresado por:
( ) = ) + = ) ) ( cos ) cos( $ ! $ ! ) sen( . sen ) cos( . cos $ ! $ ! ) ) ) resultando:
$ ! $ ! $ ! sen . sen cos . cos ) cos( + = )
5.2. Seno de la suma y diferencia.
De la misma figura se deduce que ) sen( $ !+ =BB=BE+EB
y como resulta que:
BC
BE
= ! cos ( ! cos BC BE =
siendo: BC
BC
BO
BC
= = =
1
sen $ y sustituyendo en la anterior:
! $ cos . sen = BE
tambin en la figura se deduce que CD EB = '
14/ 20
y como resulta que:
OC
CD
= ! sen ( ! sen . OC CD =
siendo: OC
OC
OB
OC
= = =
1
cos $ sustituyendo en la anterior:
! $ sen . cos = CD
luego: $ ! $ ! $ ! sen . cos cos . sen ) sen( + = +
Anlogamente al caso anterior:
( ) = ) + = ) ) ( sen ) sen( $ ! $ ! ) sen( . cos ) cos( . sen $ ! $ ! ) + ) resultando:
$ ! $ ! $ ! sen . cos cos . sen ) sen( ) = )
5.3. Tangente de la suma y diferencia.
Las frmulas anlogas de tangentes de la suma y diferencia de ngulos son:
$ !
$ ! $ !
$ !
$ ! $ !
$ ! $ !
$ ! $ !
$ !
$ !
$ !
cos . cos
sen . sen cos . cos
cos . cos
sen . cos cos . sen
sen . sen cos . cos
sen . cos cos . sen
) cos(
) sen(
) tg(
)
+
=
)
+
=
+
+
= +
resultando:
$ !
$ !
$ !
tg . tg 1
tg tg
) tg(
)
+
= +
$ !
$ ! $ !
$ !
$ ! $ !
$ ! $ !
$ ! $ !
$ !
$ !
$ !
cos . cos
sen . sen cos . cos
cos . cos
sen . cos cos . sen
sen . sen cos . cos
sen . cos cos . sen
) cos(
) sen(
) tg(
+
)
=
+
)
=
)
)
= )
resultando:
$ !
$ !
$ !
tg . tg 1
tg tg
) tg(
+
)
= )
5.4. Frmulas del ngulo doble.
! ! ! ! ! ! ! sen . cos cos . sen ) sen( 2 sen + = + = ( ! ! ! cos . sen 2 2 sen =
! ! ! ! ! ! ! sen . sen cos . cos ) cos( 2 cos ) = + = ( ! ! !
2 2
sen cos 2 cos ) =
= + = ) tg( 2 tg ! ! !
! !
! !
tg . tg 1
tg tg
)
+
(
!
!
!
2
tg 1
tg 2
2 tg
)
=
15/ 20
5.5. Frmulas del ngulo mitad.
Tomando las expresiones:
*
0
*
1
2
= )
= +
2 cos sen cos
1 cos sen
2 2
2 2
! ! !
! !
sumndolas miembro a miembro tenemos:
! ! 2 cos 1 cos 2
2
+ = (
2
2 cos 1
cos
2
!
!
+
=
por lo tanto, haciendo que
2
A
= ! se tiene finalmente:
2
cos 1
2
cos
A A +
=
pero si las expresiones anteriores:
*
0
*
1
2
= )
= +
2 cos sen cos
1 cos sen
2 2
2 2
! ! !
! !
las restamos miembro a miembro tenemos:
! ! 2 cos 1 sen 2
2
) = (
2
2 cos 1
sen
2
!
!
)
=
y haciendo que
2
A
= ! se tiene finalmente:
2
cos 1
2
sen
A A )
=
La tangente del ngulo mitad ser:
2
cos 1
2
cos 1
2
cos
2
sen
2
tg
A
A
A
A
A
+

= = (
A
A A
cos 1
cos 1
2
tg
+
)
=
5.6. Transformaciones en productos de sumas y diferencias.
Si consideramos las expresiones
+
,
-
) = )
+ = +
$ ! $ ! $ !
$ ! $ ! $ !
sen . cos cos . sen ) sen(
sen . cos cos . sen ) sen(
y sumamos y restamos ambas expresiones, resulta
$ ! $ ! $ !
$ ! $ ! $ !
sen . cos 2 ) sen( ) sen(
cos . sen 2 ) sen( ) sen(
= ) ) +
= ) + +
16/ 20
Haciendo ahora el siguiente cambio:
+
,
-
= )
= +
q
p
$ !
$ !
(
+
,
-
) =
+ =
q p
q p
$
!
2
2
de donde se deduce:
2
q p +
= ! y
2
q p )
= $ y sustituyendo:
2
sen
2
cos 2 sen sen
2
cos
2
sen 2 sen sen
q p q p
q p
q p q p
q p
) +
= )
) +
= +
Haciendo lo mismo con el coseno, tenemos:
*
+
*
,
-
+ = )
) = +
$ ! $ ! $ !
$ ! $ ! $ !
sen . sen cos . cos ) sen(
sen . sen cos . cos ) cos(
que nos proporciona, sumando y restando las expresiones:
$ ! $ ! $ !
$ ! $ ! $ !
sen . sen 2 ) cos( ) cos(
cos . cos 2 ) cos( ) cos(
) = ) ) +
= ) + +
y haciendo el mismo cambio anterior, tal que:
2
q p +
= ! y
2
q p )
= $ y sustituyendo
2
sen
2
sen 2 cos cos
2
cos
2
cos 2 cos cos
q p q p
q p
q p q p
q p
) +
) = )
) +
= +
5.7. Expresiones trigonomtricas en funcin de la tangente del ngulo mitad.
...
2
cos
2
sen
2
cos
2
cos
2
cos
2
sen 2
2
sen
2
cos
2
cos
2
sen 2
sen
2
2 2
2
2 2
=
+
=
+
=
!
! !
!
! !
! !
! !
! luego
2
tg 1
2
tg 2
sen
2
!
!
!
+
=
y
17/ 20
...
2
cos
2
sen
2
cos
2
cos
2
sen
2
cos
2
sen
2
cos
2
sen
2
cos
cos
2
2 2
2
2 2
2 2
2 2
=
+
)
=
+
)
=
!
! !
!
! !
! !
! !
! luego
2
tg 1
2
tg 1
cos
2
2
!
!
!
+
)
=
y
...
2
tg 1
2
tg 1
2
tg 1
2
tg 2
cos
sen
tg
2
2
2
=
+
)
+
= =
!
!
!
!
!
!
! luego
2
tg 1
2
tg 2
tg
2
!
!
!
)
=
6. APLICACIONES.
6.1. Aplicaciones a la Topografa.
Los problemas de trigonometra tienen especial aplicacin en todo lo que afecta a
mediciones sobre el terreno. La medicin de grandes distancias es, en efecto, ms peno-
sa que las mediciones de ngulos, por ello vamos a medir indirectamente las distancias
resolviendo tringulos.
Supongamos que nos interesa conocer la
distancia de un punto A que est a un lado del
ro, con otro punto P que est al otro lado del
ro. Elegimos otro punto B de modo que la dis-
tancia AB sea cmoda de medir y basndonos
en A y en B medimos con un teodolito, los n-
gulos ! y 3 formados entre la recta AB y las
visuales trazadas desde P.
4
5
6
7
8,9
!
3
:
Con estos elementos podemos calcular AP y BP resolviendo el tringulo ABP.
6.2. Determinacin de la altura de un punto de pie accesible.
Consiste en medir la altur a de una torre vertical cuyo pi,
A, es accesible. Se elige una base AC=b.
Si A=A el clculo es inmediato.
Si AC no es horizontal, se puede medir el ngulo BCA,
el ngulo BCA y se tiene que:
!
3
b
h
B
A
A' C
18/ 20
) ( 90 $ !+ ) =
o
B (
) cos(
sen
$ !
$
+
=
b
h
6.3. Resolucin de planos inclinados en fsica.
Dado un cuerpo de masa m que se desliza
sobre un plano inclinado un ngulo ! sobre la
horizontal, podemos calcular la aceleracin que
tiene en su deslizamiento hacia abajo a lo largo
del plano inclinado.
*
0
*
1
2
= ( =
= ) ( =
;
;
!
!
cos 0
sen
mg N F
ma F mg ma F
Y
R X
!
!
<
4= :
:=9>!
:>?@!
A
8
!
y considerando que N F
R
= se resuelve el sistema de ecuaciones planteado y obte-
nemos el valor de la aceleracin de cada del cuerpo.
6.4. Resolucin de problemas en esttica y en dinmica
Aplicaciones importantes tiene la trigonometra en la resolucin de estructuras en
esttica, como el que se expone a continuacin. Un cilindro macizo de peso P se en-
cuentra apoyado sin friccin en el interior de un ngulo diedro formado por dos planos
contiguos inclinados ! y 3 con la horizontal. Para calcular las reacciones sobre los apo-
yos consideraremos las condiciones de equilibrio.
;
= 0
x
F 0 sen sen
2 1
= ) $ ! R R
;
= 0
y
F 0 cos cos
2 1
= ) + P R R $ !
de la 1
$
!
sen
sen
1 2
R R = y sustituyendo en la 2
0 cos
sen
sen
cos
1 1
= ) + P R R $
$
!
!
! 3
!
3
P=mg
R
2
R
2
cos3
R
2
sen3
R
1
cos!
R
1
sen!
( ) $ $ ! ! $ sen cos . sen cos . sen
1
P R = +
( ) $ $ ! sen sen
1
P R = + (
( )
P R
$ !
$
+
=
sen
sen
1
( )
=
+
= =
$
!
$ !
$
$
!
sen
sen
sen
sen
sen
sen
1 2
P R R
( )
2
sen
sen
R P =
+ $ !
!
19/ 20
Otra aplicacin importante de la trigonometra la tenemos en la resolucin del
siguiente problema de dinmica. Un cuerpo de masa m desliza sin rozamiento por un
carril que finaliza en un rizo vertical, partiendo del reposo a altura h. Desciende por el
carril y prosigue por el interior del rizo de radio R. Deseamos ajustar la posicin de P de
manera que el cuerpo abandone el rizo en un punto y en el subsiguiente movimiento
pase por el centro de la circunferencia O. Hallar el ngulo ! correspondiente a la posi-
cin en que el cuerpo abandona el rizo.
Tomemos como sistema de refe-
rencia, el sistema cartesiano XY cen-
trado en el punto M, donde el cuerpo
se despega del rizo vertical. El vector
de posicin de la bolita cuando est en
O (centro del rizo) vendr dado por la
expresin:
j gt t v i t v R
r r r
"
#
$
%
&
'
) + =
2
0 0
2
1
sen . cos ! !
siendo, en la figura: j R i R R
r r r
) cos . ( . sen . ! ! ) + = e identificando ambas:
! !
! !
cos .
2
1
sen .
sen . cos .
2
0
0
R gt t v
R t v
) = )
=
despejando t de la primera:
!
!
cos
sen .
0
v
R
t = y sustituyendo en la segunda, resulta
!
!
!
!
!
!
cos
cos
sen
2
1
sen
cos
sen .
2 2
0
2 2
0
0
R
v
R
g
v
R
v ) =
"
"
#
$
%
%
&
'
)
"
"
#
$
%
%
&
'
Condicin que ha de cumplir la bolita en M para separarse del carril: que la
componente radial del peso sea la fuerza centrpeta para mantener la trayectoria circular:
R
v
m mg
2
0
cos . = ! B ! cos .
2
0
Rg v = sustituyendo en la anterior:
!
! !
!
!
!
cos
cos . cos .
sen
2
1
cos
sen
2
2 2 2
R
Rg
R
g R ) =
"
"
#
$
%
%
&
'
)
!
!
!
!
!
cos
cos 2
sen .
cos
sen
3
2 2
R
R
R ) = ) B !
!
!
!
!
cos
cos 2
sen
cos
sen
3
2 2
) = ) B
B
!
!
!
!
!
3
2 2
cos 2
sen
cos
cos
sen
= + B
20/ 20
B
!
!
!
! !
3
2 2 2
cos 2
sen
cos
cos sen
=
+
B
!
!
!
3
2
cos 2
sen
cos
1
= B
!
!
2
2
cos 2
sen
1=
!
2
tg
2
1
1= B 4142 ' 1 2 tg = = ! B = = =
o
7356 ' 54 4141 ' 1 arctg ! 54448
-------------------------------------------
1/25
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 39
GEOMETRA DEL TRINGULO
1. Generalidades.
1.1. Conceptos Elementales.
1.2. Clases de Tringulos.
1.3. Rectas Notables del Tringulo.
1.4. Resultados Inmediatos.
1.5. Criterios de Igualdad de Tringulos.
1.6. Relaciones entre ngulos y lados.
2. Puntos y Rectas Notables de Tringulo.
2.1. Circunferencia Circunscrita. Circuncentro.
2.2. Ortocentro.
2.3. Circunferencia Inscrita. Incentro.
2.4. Circunferencias Exinscritas. Exincentros.
2.5. Tringulo rtico.
2.6. Seis Puntos Notables de la Circunferencia Circunscrita.
2.7. Circunferencia de Fenerbach.
2.8. Baricentro de un tringulo.
2.9. Recta de Euler.
3. Relaciones Mtricas en un tringulo.
3.1. Rectas Antiparalelas.
3.2. Tringulos Rectngulos.
3.3. Teorema de Pitgoras.
3.4. Generalizacin del Teorema de Pitgoras.
3.5. Suma y Diferencia de los cuadrados de dos lados de un tringulo.
3.6. Teorema de Stewart.
3.7. Propiedad Mtrica de las Bisectrices.
3.8. Radio de la Circunferencia Circunscrita.
4. rea del Tringulo.
Bibliografa Recomendada.
2/25
TEMA 39
GEOMETRA DEL TRINGULO
1. GENERALIDADES.
1.1. Conceptos Elementales.
DEF Tringulo es la figura del plano formada por tres segmentos rectilneos que
tienen, dos a dos, un extremo comn.
Como definiciones equivalentes de tringulo tenemos las dos siguientes:
DEF2 Tringulo es la figura del plano formada por una poligonal cerrada de tres lados.
DEF3 Tringulo es un polgono convexo de tres lados y tres ngulos.
Los ngulos convexos formados por cada dos lados se llaman ngulos del tringulo,
o ngulos internos, y los adyacentes a stos son los ngulos externos. Los segmentos
que forman el tringulo son los lados del mismo. Todos los tringulos, por definicin,
estn compuestos por tres lados y tres ngulos.
Notacin. Los lados de un tringulo se denotarn con letras minsculas y los ngulos
con maysculas, teniendo un ngulo y su lado opuesto la misma letra.
A B
C
b a
c
Fi g. 1.
DEF Llamamos Permetro del tringulo a la suma de las longitudes de sus tres lados.
1.2. Clases de Tringulos.
Podemos realizar dos clasificaciones diferentes de los tringulos, segn nos basemos
en sus lados o en sus ngulos.
1) Clasificacin de los tringulos en funcin de sus lados.
Equiltero. Tienen los tres lados iguales.
Issceles. Tienes dos lados iguales.
Escaleno. Tienen todos los lados de diferente longitud.
2) Clasificacin de los Tringulos en funcin de sus ngulos.
Rectngulos. Tienen un ngulo recto.
3/25
Obtusngulos. Tienen un ngulo obtuso.
Acutngulos. Tienen los tres ngulos agudos.
1.3. Rectas Notables del Tringulo.
DEF Llamaremos Base del tringulo a uno cualquiera de sus lados.
DEF Llamaremos Altura de un tringulo al segmento perpendicular trazado desde el
vrtice opuesto a la base o a su prolongacin.
DEF Llamaremos Mediana al segmento que une un vrtice con el punto medio del
lado opuesto.
DEF Llamaremos Bisectriz Interior a la recta que divide un ngulo cualquiera del
tringulo en dos ngulos iguales y queda limitada por el lado opuesto.
DEF Llamaremos Bisectriz Exterior a la bisectriz de un ngulo exterior.
Dado que un vrtice del tringulo tiene dos ngulos externos, opuestos entre si, sus
bisectrices son parte de una misma recta, la cual es perpendicular a la bisectriz interior
de dicho ngulo.
DEF Llamaremos Mediatriz de un tringulo a toda recta perpendicular a un lado
cualquiera que pasa por su punto medio.
1.4. Resultados inmediatos.
TEOREMA
Un tringulo es issceles si y slo si tiene dos ngulos iguales.
Dem.
!
Sabemos que un tringulo issceles tiene dos lados iguales. Demostraremos que los
dos ngulos opuestos a los dos lados iguales son iguales.
Sea ABC un tringulo issceles, siendo b=c. Consideremos el tringulo ABC
simtrico de ABC respecto de la bisectriz del ngulo A.
A
B
C C'
B'
A'
Este tringulo verifica que b=c
Si realizamos un movimiento de
forma que A coincida con A y AC
con su igual AB, dado que A=A, el
lado AB tambin coincidir con su
igual AC.
4/25
Por tanto, los dos tringulos issceles coincidirn y "C="B. Y como "C="C,
tenemos que "B="C.
#
Supongamos ahora que el tringulo ABC dibujado verifica que "B="C. Sea
ABC igual que antes y mediante un movimiento situamos A sobre A y CB sobre
BC. La recta CA tendr la misma direccin que BA ya que "B="C y la recta BA
tendr la direccin de CA por ser "C="B.
Entonces AB=AC y AC=AC luego AB=AC y por tanto ABC es issceles.
TEOREMA
La bisectriz del ngulo determinado por los dos lados iguales de un tringulo
issceles es a la vez la altura, la mediana y la mediatriz del vrtice que determina al lado
opuesto.
Dem.
Consideremos el tringulo issceles
ABC, donde AB=AC. La bisectriz de
"A forma con los lados AB y AC los
ngulos $
1
y $
2
y corta a BC en el
punto D. Por construccin $
1
=$
2
.
La simetra con respecto a la recta
que contiene al segmento AD
transforma el tringulo en s mismo. De
este resultado podemos deducir:
1) BD=CD, luego D es el punto
medio de BC.
2) "BDA="CDA, luego AD%BC.
Por tanto AD es la mediatriz.
A
B D C
$1
$2
1.5. Criterios de Igualdad de Tringulos.
DEF Dados dos tringulos ABC y ABC, diremos que son congruentes si existe un
movimiento que transforma uno en otro. Obtenemos as que los lados y ngulos
homlogos sern congruentes, pudiendo escribir
AB=AB AC=AC BC=BC "A="A "B="B "C="C
A partir de esta definicin podemos determinar la congruencia de dos tringulos con
slo realizar un movimiento. El problema est en que en gran cantidad de situaciones no
podremos realizar dicho movimiento. Es por ello que la congruencia se deducir
comprobando la igualdad entre los lados y los ngulos de ambos tringulos.
5/25
Para simplificar algo ms el problema de determinar si dos tringulos son
congruentes, vamos a ver cuatro criterios (llamados criterios de igualdad) en los cuales
partiremos de menos igualdades y comprobaremos que se verifican el resto.
Dos tringulos ABC y ABC son congruentes si verifican alguno de los criterios
siguientes:
a) Criterio 1. Tienen iguales dos lados y el ngulo que lo forman.
Supongamos que AB=AB, AC=AC y "A="A
El movimiento que lleva AB sobre AB y el semiplano que contiene a C sobre el
semiplano que contiene a C, transforma "A en "A y la recta AC en AC.
As pues, los tres vrtices se transforman en sus homlogos y por lo tanto los
tringulos son congruentes.
b) Criterio2. Tienen iguales un lado y los dos ngulos contiguos.
Sea AB=AB, "A="A y "B="B
El movimiento que lleva AB sobre AB de forma que coincidan los semiplanos que
contienen a C y C, transforma el primer tringulo en el segundo, por tanto son
congruentes.
c) Criterio 3. Tienen iguales, respectivamente, los tres lados.
Sea AB=AB, AC=AC y BC=BC
Vamos a probar que uno de los tringulos es congruente con el simtrico del otro, y
de aqu deduciremos la congruencia entre ambos.
Apliquemos al tringulo ABC un movimiento tal que el lado AB coincida con
AB y el semiplano que contiene a C sea distinto del semiplano que contiene a C. El
tringulo obtenido del movimiento es ABC, verificndose que
AC=AC=AC y BC=BC=BC
As pues, A equidista de C y C, al igual que B. Por tanto AB es la mediatriz del
segmento CC y la simetra respecto de dicha mediatriz hace coincidir el tringulo
ABC con ABC.
Por tanto ABC es congruente con ABC y este con ABC, Luego ABC es
congruente con ABC.
d) Criterio 4. Tienen iguales dos lados de diferente longitud y el ngulo opuesto al
mayor de ellos.
Sea AB=AB, AC=AC con AC>AB y "B="B
6/25
C
A B A' B'
C'
C''
Apliquemos al tringulo ABC un movimiento que transforme AB en AB y
el semiplano que contiene a C en el semiplano que contiene a C. Como "B="B,
las rectas que contienen a BC y a BC coinciden.
Slo nos queda por demostrar que el punto C se transforma en C. Supongamos
que C se transforma en C. Entonces
AC=AC=AC
El tringulo ACC es issceles, verificndose que "C="C y "C>"B por
ser "C exterior al tringulo ABC. Entonces AB>AC y como AC=AC
obtenemos que AB>AC lo cual es una contradiccin.
En la demostracin hemos aplicado un teorema, que demostraremos ms
adelante, que dice que a ngulos mayores se oponen lados mayores.
Si el punto C, obtenido como transformacin de C, fuese exterior a BC,
llegaramos a deducir que "C>"B, entonces AB>AC, lo cual tambin
contradice la hiptesis.
Por tanto C=C y ambos tringulos son congruentes.
Una vez vistos los cuatro criterios de igualdad, podemos particularizarlos para
tringulos rectngulos, quedando sus enunciados de la siguiente forma:
a) Criterio 1. Dos tringulos rectngulos de catetos respectivamente iguales son
congruentes.
b) Criterio 2. Dos tringulos rectngulos que tienen, respectivamente, un cateto y
un ngulo agudo (contiguo u opuesto), son congruentes.
c) Criterio 3. Dos tringulos rectngulos que tienen, respectivamente, los tres lados
iguales, son congruentes.
d) Criterio 4. Dos tringulos rectngulos que tienen, respectivamente, iguales un
cateto y la hipotenusa, son congruentes.
1.6. Relaciones entre ngulos y Lados.
TEOREMA
Dado un tringulo, se verifica:
7/25
1) Un ngulo externo es mayor que cualquiera de los ngulos internos no
adyacentes.
2) A mayor lado se opone mayor ngulo.
3) A mayor ngulo se opone mayor lado.
Dem.
1) Consideraremos el tringulo ABC de la figura.
B C
A
D
F
D'
F'
E
E'
En primer lugar demostraremos que
el ngulo externo DAC es mayor que el
interno ACB. Trazamos la recta BF que
corta al segmento AC en su punto
medio, E, y determinamos F como
EF=BE. Posteriormente dibujamos el
segmento AF.
Los tringulos AEF y CEB son congruentes ya que tienen iguales los ngulos en E y
los lados que los forman. Por tanto
"ACB = "FAC
y como
"FAC < "DAC
resulta
"ACB < "DAC
En segundo lugar demostraremos que el ngulo externo DAC es tambin mayor que
el ngulo interno ABC
Realizando un proceso similar obtenemos F como CE=EF siendo E el punto
medio de AB. Y llegamos a que
"FAB < "DAB
y como
"FAB = "ABC
obtenemos
"ABC < "DAB
y siendo
"DAB = "DAC
resulta
"ABC < "DAC
2) Consideremos el tringulo ABC de la figura.
C
D
$
&
Supongamos que el lado BC es
mayor que AC, BC > AC. Probemos
que el ngulo A es mayor que el ngulo
B, "A > "B.
Como el segmento BC es mayor que AC, elijamos en l un punto D que verifique
8/25
CD=AC
El tringulo ACD es issceles por construccin, siendo los ngulos $ y & iguales.
Por el apartado anterior, el ngulo & es mayor que B ya que & es externo al tringulo
ABD. Y como el ngulo $ es menor que el ngulo A tenemos
"A > $ = & > "B
Luego
"A > "B
3) La demostracin de este apartado la realizaremos por reduccin al absurdo.
Consideraremos el tringulo del apartado anterior con "A > "B.
Supongamos que BC ' AC
Tenemos dos situaciones:
a) BC=AC. Entonces el tringulo sera issceles y por tanto "A = "B, lo cual
es falso.
b) BC < AC. Aplicando el apartado anterior obtenemos "A < "B, lo cual
tambin es falso.
Por tanto BC > AC
TEOREMA
Todo lado de un tringulo es menor que la suma de los otros dos.
Dem.
Vamos a realizar la demostracin para el lado mayor.
A C B'
B
Supongamos que AB es el lado
mayor. Sobre la prolongacin del
segmento AC situamos un punto B que
verifique CB=CB.
Entonces el tringulo BCB es issceles, y se verifica
"ABB = "CBB
y como
"CBB < "ABB
ya que C es interior al segmento AB, llegamos a que "ABB < "ABB
9/25
Por tanto, en el tringulo ABB, sabiendo que a menor ngulo se opone menor lado,
se tiene
AB < AB ! AB < AC+BC
TEOREMA
Todo lado de un tringulo es mayor que la diferencia de los otros dos.
Dem.
La demostracin es inmediata sin ms que tener en cuenta el teorema anterior.
Si AB < AC+BC ! AC > AB-BC
2. PUNTOS Y RECTAS NOTABLES DEL TRINGULO.
2.1. Circunferencia Circunscrita. Circuncentro.
Sabemos que tres puntos no alineados, A, B y C, determinan una circunferencia que
los contiene. El centro de la circunferencia es el punto de interseccin de las mediatrices
de los segmentos AB, BC y AC.
TEOREMA
Las mediatrices de un tringulo se cortan en un punto equidistante de los tres
vrtices, llamado circuncentro.
Dem.
A B
C
O
D
E
F
Sea el tringulo ABC, y los puntos
D, E y F son los puntos medios de cada
uno de los lados. Como AB y BC no
son paralelos, sus mediatrices se cortan
en un punto, que llamaremos O.
El punto O equidista de A y B, pues
se encuentra en la mediatriz del lado
AB.
Igualmente equidista de B y C por estar en la mediatriz del lado BC. Por tanto,
equidista de A y C y eso significa que se encuentra en la mediatriz del lado AC.
Por tanto, O es la interseccin de las tres medianas, y est a la misma distancia de
los tres vrtices
DEF Llamamos Circuncentro de un tringulo al punto interseccin de sus tres
mediatrices.
10/25
DEF Llamamos Circunferencia Circunscrita de un tringulo a la circunferencia con
centro en el Circuncentro y que pasa por los tres vrtices.
2.2. Ortocentro.
TEOREMA
Las paralelas a los lados de un tringulo ABC que pasan por los vrtices opuestos
forman otro tringulo ABC de lados dobles de los del primero y cuyos puntos medios
son A, B y C.
Dem.
A
C
B
A'
C' B'
Sea BC la paralela a BC que pasa
por A, AC la paralela a AC que pasa
por B y AB la paralela a AB que pasa
por C. Las tres rectas se cortan dos a
dos en los puntos A, B y C
determinando un tringulo.
Los vrtices ABCB determinan un polgono de cuatro lados y como los lados son
paralelos dos a dos tenemos que AB=BC y AB=BC.
De forma anloga ABAC es otro paralelogramo y AB=CA.
Entonces AB=BC=CA, luego 2AB=AB y A es el punto medio de AB.
Igualmente, podemos demostrar para el resto de lados que el tringulo ABC tiene
los lados de longitud doble que los del tringulo ABC, siendo A, B y C sus puntos
medios.
La consecuencia qie obtenemos del teorema anterior es que las alturas del tringulo
ABC se corresponden con las mediatrices de ABC
Debido a que las mediatrices se cortan en un punto, podemos afirmar que las alturas
del tringulo ABC se cortan en un punto.
DEF Llamamos Ortocentro al punto donde se cortan las tres alturas de un tringulo.
2.3. Circunferencia Inscrita. Incentro.
TEOREMA
Sea ABC un tringulo. Las bisectrices de sus ngulos internos se cortan en un punto
interior del mismo y equidistante de sus lados.
Dem.
11/25
A
B C
I
Sean D, E y F los puntos de los lados del tringulo que se obtienen como
interseccin de las bisectrices de un ngulo en el lado opuesto. Se verifica que:
"BAD + "ABE = 05"A + 05"B < "A+"B < 180
Entonces, las bisectrices de los ngulos A y B se cortan, ya que forman con la
secante comn AB ngulos cuya suma es menor de 180. Sea I el punto de corte. Como
el punto I pertenece a la bisectriz AD, equidista de AB y AC, y por estar en la bisectriz
BE tambin equidista de AB y BC, luego est en la bisectriz CF.
DEF Llamaremos Incentro al punto donde se cortan las tres bisectrices de un
tringulo.
DEF Llamaremos Circunferencia Inscrita de un tringulo a la nica circunferencia
interior con centro en el Incentro y tangente a los tres lados.
2.4. Circunferencias Exinscritas. Exincentros.
DEF Llamaremos Exincentros a los puntos exteriores de un tringulo que equidistan
de las rectas que contienen a cada uno de los tres lados.
Para obtener los exincentros, que son tres, realizaremos el siguiente proceso:
Tomemos las bisectrices de los ngulos exteriores A y C. Dado que son ngulos
concexos, sus mitades suman menos de 180 y por tanto las bisectrices se cortan en un
punto I
B
que equidista de las rectas de los tres lados, por tanto pertenece a la bisectriz
del ngulo interior B.
El proceso lo podemos repetir, obteniendo I
A
e I
C
.
Cada dos vrtices exteriores de un tringulo se cortan en un punto con la bisectriz
interior del tercer vrtice. Si, por ejemplo, trazamos por I
B
perpendiculares a los lados o
sus prolongaciones, cortarn al lado AC y a las prolongaciones de AB y BC.
DEF Llamaremos Circunferencia Exinscrita a aquella con centro en un exincentro y
tangente a los lados del tringulo o sus prolongaciones.
12/25
A B
C
O
IA
IB
IC
2.5. Tringulo rtico.
TEOREMA
Las alturas de todo tringulo ABC acutngulo son bisectrices interiores del tringulo
H
A
, H
B
y H
C
, cuyos vrtices son los pies de sus alturas.
Dem.
HB
HC
HA
A
B
C
$'
$
& &'
Comprobemos que "H
C
H
A
A =
"AH
A
H
B
, lo cual es lo mismo que
&=&. Con eso demostraremos que la
recta AH
A
es la bisectriz del vrtice H
A
.
El tringulo BH
C
C es rectngulo, al
igual que BH
B
C, luego los cuatro
puntos estn en una misma
circunferencia, siendo iguales los
ngulos inscritos en ella: $=$.
De forma anloga, el tringulo CH
B
H es rectngulo, al igual que HH
A
C, luego los
cuatro puntos estn en una misma circunferencia, siendo iguales los ngulos inscritos en
ella: $=&. El punto H es la interseccin de las tres alturas.
13/25
Y repitiendo de nuevo el proceso demostraramos que $=&. Por tanto llegamos a
probar que &=&.
DEF Llamaremos Tringulo rtico al tringulo H
A
H
B
H
C
, siendo sus vrtices los
puntos de corte de las alturas de un tringulo ABC acutngulo con sus lados.
La consecuencia de todo del teorema anterior es:
Los lados de un tringulo acutngulo son las bisectrices exteriores de su tringulo
rtico. Los vrtices de un tringulo son los exincentros de su tringulo rtico.
De forma similar a la anterior demostraramos que, si el tringulo es obtusngulo,
las alturas son una bisectriz interior y dos exteriores y los lados son las bisectrices
restantes del tringulo rtico.
En el caso de que el tringulo fuese rectngulo, no existe su tringulo rtico
2.6. Seis Puntos Notables de la Circunferencia Circunscrita.
La circunferencia cincunscrita a un
tringulo ABC contiene los puntos de
interseccin de la mediatriz de cada
lado con las bisectrices que pasan por el
vrtice opuesto.
Sean G
C
y G
C
los puntos medios de
los arcos de la circunferencia con
extremos en A y B. Por dichos puntos
pasan a la vez el dimetro perpendicular
al lado AB (la mediatriz de AB) y las
bisectrices interior y exterior del ngulo
C (aplicando las propiedades de un
ngulo inscrito en una circunferencia).
A
B
C
GC
G' C
Consideremos el tringulo de vrtices I
A
, I
B
e I
C
, siendo dichos puntos los
exincentros del tringulo de vrtices ABC. El tringulo I
B
CI
C
es rectngulo en C y el
tringulo I
B
BI
C
es rectngulo en B. Ambos tringulos estn formados por bisectrices
cuyos lados pasan por I
B
e I
C
. Por tanto, los cuatro puntos estn en una circunferencia de
dimetro I
B
I
C
, y cuyo centro est en la mediatriz de BC, que llamamos G
A
.
Anlogamente I
A
I es el dimetro de una circunferencia que pasa por B y C por ser
rectos los ngulos "ICI
A
y "IBI
A
. El punto de interseccin de la mediatriz de BC con
I
A
I es el centro o punto medio de I
A
I. Por tanto:
La circunferencia circunscrita a un tringulo contiene los puntos medios de los lados
del tringulo de los exincentros, as como los puntos medios de los segmentos que unen
stos con el Incentro.
14/25
A B
C
IA
IB
IC
I
GA
G'C
GB
G'B
G'C
GC
O
2.7. Circunferencia de Fenerbach.
Sea ABC un tringulo no rectngulo (ya que stos no tienen tringulo rtico). Si
aplicamos las propiedades que hemos visto a su tringulo rtico obtenemos que la
circunferencia que pasa por los pies de las alturas de un tringulo contiene los puntos
medios de sus lados as como los puntos medios de los segmentos de altura
comprendidos entre cada vrtice y el ortocentro.
DEF La circunferencia anterior recibe el nombre de Circunferencia de los nueve
puntos, o Circunferencia de Fenerbach o Circunferencia de Euler.
2.8. Baricentro de un tringulo.
TEOREMA
Las medianas de un tringulo se cortan en un punto que dista de cada vrtice el
doble que del punto medio del lado opuesto.
Dem.
C
B A
MB MA
MC
G
P
Q
Consideremos las medianas del
tringulo que pasan por los vrtices A y
B. La mediana que pasa por A
determina un punto M
A
en el lado
opuesto, y la mediana que pasa por B
determina M
B
en su lado opuesto.
Ambas medianas se cortan en G.
15/25
Si tenemos en cuenta los segmentos AG y BG, sean P y Q, respectivamente, sus
puntos medios. Demostremos que PG=GM
A
y que QG=GM
B
.
En el tringulo ABC, el segmento de extremos M
A
M
B
es la paralela media a AB, lo
cual significa que es paralelo a AB y de longitud mitad que AB. Si consideramos el
tringulo ABG, deducimos algo similar. El segmento PQ es la paralela media a AB. Por
tanto, el cuadriltero determinado por los puntos PQM
A
M
B
es un paralelogramo, ya que
tiene dos lados iguales y paralelos. El punto G es el punto donde se cruzan las
diagonales de dicho paralelogramo. Por tanto se verifica que PG=QM
A
y que QG=GM
B
,
por tanto PG=2GM
A
y QG=GM
B
.
Aplicando el mismo razonamiento para una de estas medianas y la tercera no
considerada, obtenemos que se cortan en el mismo punto G y verifica la misma relacin,
demostrando as la tesis del teorema.
DEF Llamaremos Baricentro al punto donde se cortan las tres medianas de un
tringulo.
2.9. La Recta de Euler.
TEOREMA
Dado un tringulo ABC cualquiera, se verifica que el Baricentro est alineado con el
ortocentro y el circuncentro y a doble distancia del primero que del segundo.
Dem.
C
B
A
MB
MA
MC
G
P
Q
H
HA
HB
M'
M
Vamos a trazar la recta que pasa
por dos de ellos y comprobaremos
que tambin pasa por el tercero,
verificando entre ellos las distancias
que se indican.
Tracemos por A y B las alturas correspondientes, que sabemos que se cortan en el
ortocentro H, e igualmente tracemos las medianas, que se cortan en baricentro G. Sean
P y Q los puntos medios respectivamente de AG y BG. Si trazamos por P una paralela a
la altura de A y por Q una paralela a la altura de B, se cortan en un punto M de
GH,siendo adems su punto medio, ya que son las paralelas medias de AGH y GBH.
Si ahora, de forma simtrica, trazamos por M
A
otra paralela a la altura de A y por
M
B
otra paralela a la altura de B, se cortan en M, coincidiendo esas rectas con las
mediatrices del tringulo, y por tanto M es el circuncentro del tringulo.
16/25
Por simetra se obtiene que M y M estn a la misma distancia de G GM=GM y
como M era el punto medio de GH tenemos GM= !GH, luego obtenemos que
GH GM
2
1
=
estando los tres puntos alineados.
3. RELACIONES MTRICAS EN UN TRINGULO.
3.1. Rectas Antiparalelas.
O
A
B
B'
A'
r
r'
a
b
Sean a y b dos rectas secantes,
cortndose en un punto O. Sean r y r
otras dos rectas que cortan a las dos
anteriores, respectivamente en A y B y
en A y B, verificndose que los dos
pares AA y BB estn a un mismo lado
o a distinto lado de O y que los ngulos
"OAB y "OBA son iguales.
Verificndose todas las condiciones anteriores, diremos que las rectas r y r son
antiparalelas de a y b.
Adems se verifica que los ngulos "OBA y "OAB son iguales, por ser
suplementarios de los anteriores respecto de "AOB.
Por todo lo anterior podemos ver que la recta r forma con las rectas a y b ngulos
iguales a los que forma la recta r con b y a. Por tanto la relacin de antipralelismo es
recproca: las rectas a y b son tambin antiparalelas de r y r.
Si consideramos los tringulos AOB y BOA, vemos que son semejantes por tener
iguales los ngulos homlogos, y entonces:
'
'
OA
OB
OB
OA
= o tambin ' ' OB OB OA OA =
Visto lo anterior, podemos enunciar la siguiente proposicin, la cual ya estara
demostrada.
PROP Dos rectas concurrentes en O, a y b, son cortadas por dos antiparalelas respecto
de ellas, r y r, en puntos, A y B y tambin A y B, cuyo producto de distancias a O es
el mismo en ambas rectas, ' ' OB OB OA OA = .
17/25
3.2. Tringulos Rectngulos.
A
B C H
En el tringulo rectngulo ABC, rectngulo en A, las dos rectas determinadas, una
de ellas por los puntos de la altura AH sobre la hipotenusa BC y la otra por el cateto
AC, son antiparalelas respecto de las rectas determinadas por la propia hipotenusa y el
otro cateto, ya que "AHB="CAB=90
Por tanto, si lo anterior tambin lo aplicamos a los tringulos ABH y ACH, los
cuales son rectngulos, se verifica que BH BC BA
2
= y CB CH CA
2
=
As pues, a partir de lo anterior podemos enunciar el siguiente teorema:
TEOREMA. Teorema del Cateto.
Cada cateto de un tringulo rectngulo es medio proporcional entre la hipotenusa y
su proyeccin sobre ella.
TEOREMA. Teorema de la Altura.
La altura sobre la hipotenusa de un tringulo rectngulo es media proporcional entre
los segmentos en que divide a sta.
Dem.
De la semejanza entre los tringulos ABH y CAH , que tienen iguales los ngulos
homlogos "ABH y "CAH se deduce:
HC
HA
HA
HB
= y por tanto HC HB HA
2
=
TEOREMA
Si se verifica que HC HB HA
2
= siendo ABH y CAH dos tringulos rectngulos,
entonces el tringulo ABC es rectngulo.
Dem.
De la igualdad se deduce que los tringulos ABH y CAH son semejantes y por tanto
18/25
"BAH = "ACH = 90 - "CAH ! "BAC = 90
3.3. Teorema de Pitgoras.
TEOREMA. Teorema de Pitgoras.
El cuadrado de la longitud de la hipotenusa es igual a la suma de los cuadrados de
las longitudes de los catetos.
Dem.
Si el tringulo ABC es rectngulo en A se verifica que:
( )
2 2 2
2
2

BC BC BC HC BH BC CA BA
CH CB CA
BH BC BA
= = + = + !
(
)
(
*
+
=
=
3.4. Generalizacin del Teorema de Pitgoras.
Vamos a tratar ahora de generalizar el teorema de Pitgoras que acabamos de ver
para cualquier tipo de tringulo, no necesariamente rectngulo.
TEOREMA
El cuadrado de un lado opuesto a un ngulo (agudo u obtuso) de un tringulo
oblicungulo es igual a la suma de los cuadrados de los otros dos mas o menos el doble
producto de uno de ellos por la proyeccin del otro sobre l. El signo depender del
ngulo elegido.
Dem.
Sean los tringulos 1-2-3 de la figura, numerados de izquierda a derecha.
C
C
C
A
A
A
B B B
m n m
n
m
n
H H H
hB
Llamemos a cada lado por la letra de su vrtice opuesto, en minscula. Sean m y n
las medidas de los segmentos CH y AH, con H el pie de la altura sobre la base del
tringulo y h la longitud de dicha altura. Entonces tenemos que:
Figuras 1 y 2: ( ) bn c b n c n b h m a 2
2 2 2 2 2 2 2 2
, + = , + , = + =
Figura 3: ( ) bn c b n c n b h m a 2
2 2 2 2 2 2 2 2
+ + = , + + = + =
19/25
Es decir
(
-
(
.
/
= " =
< " ,
> " +
+ =
90 0
90
90
2
2 2 2
A si n
A si
A si
siendo bn c b a
COROLARIO
Dadas las medidas de los tres lados de un tringulo, se verifica:
1) Ser acutngulo si el cuadrado del lado mayor es menor que la suma de los
cuadrados de los otros dos.
2) Ser recto si el cuadrado del lado mayor es igual que la suma de los cuadrados
de los otros dos.
3) Ser obtusngulo si el cuadrado del lado mayor es mayor que la suma de los
cuadrados de los otros dos
3.5. Suma y Diferencia de los cuadrados de dos lados de un tringulo.
PROP Se verifica:
1) La suma de los cuadrados de dos lados es igual al doble de la suma de los
cuadrados de la mitad del tercer lado y de la mediana correspondiente.
2) La diferencia de los cuadrados de dos lados es igual al doble del producto del
tercer lado por la distancia de su punto medio al pie de la altura correspondiente.
Dem.
C
B A H M
Aplicando el teorema anterior para
expresar los cuadrados de los dos lados
a y b, con a mayor que b, de un
tringulo ABC, en funcin de la mitad
del tercer lado c y de la mediana
correspondiente, m
c
, tenemos:
En el tringulo BMC ! MH
c
m
c
a
c

2
2
2
2
2
2
+ +
0
1
2
3
4
5
=
En el tringulo MCA ! MH
c
m
c
b
c

2
2
2
2
2
2
, +
0
1
2
3
4
5
=
De ambas expresiones deducimos que
MH c b a
m
c
b a
c
2
2
2
2
2 2
2
2
2 2
= ,
+ 0
1
2
3
4
5
= +
20/25
3.6. Teorema de Stewart.
C
B A H N
c1 c2
n
a
b
Podemos obtener una fcil
generalizacin del resultado del punto
anterior aplicando clculos anlogos a
una oblicua cualquiera al lado c, CN=c
interior al tringulo y distinta de la
mediana.
Si llamamos c
1
=BN y c
2
=NA, tenemos que:
!
)
*
+
, + =
+ + =
!
)
*
+
, + =
+ + =
NH c c n c c c b c
NH c c n c c c a c
NH c n c b
NH c n c a
2 1
2
1
2
2 1
2
1
2 1
2
2
2
1 2
2
2
2
2 2
2
2
1
2 2
1
2
2
2
2
2
! + + + = + + + = + ) ( ) (
2 1
2
2 1 2 1
2
2
2
1 1
2
2
2
1 2
2
2
2
1
c c n c c c c n c n c c c c c a c b c
c n c c a c b c ) (
2
2 1
2
2
2
1
+ = +
Si asignamos signos a los segmentos sobre la recta AB y designamos por AB la
longitud de AB con signo, la igualdad se convierte en:
0
2 2 2
= + + + AB NA BN CN AB CB NA CA BN
la cual se conoce como Teorema de Stewart.
3.7. Propiedad Mtrica de las Bisectrices.
TEOREMA
1) Toda bisectriz interior divide al lado opuesto en dos segmentos proporcionales a los
lados que concurren con ella.
2) Si una bisectriz exterior de un tringulo corta al lado opuesto, las distancias de su
pie a los extremos de dicho lado son proporcionales a los lados concurrentes con la
bisectriz y que pasan por ellos.
Dem.
B N C M
A
v'
v
b a
Sea el tringulo ABC. Llevemos
sobre la prolongacin del lado a, y a
continuacin de C, el segmento CM=b.
El tringulo ACM es issceles. La
bisectriz v es perpendicular a AM y a
la bisectriz v de ACB, que es paralela a
AM.
21/25
Por el teorema de Thales
b a
c
b
VA
a
BV
+
= =
Por tanto, toda bisectriz interior divide al lado opuesto en dos segmentos
proporcionales a los lados que concurren con ella, cuya expresin en funcin de los
lados es:
b a
bc
VA y
b a
ac
BV
+
=
+
=
Llevando sobre el lado a, y a partir de C, el segmento CN=b, ahora AN es paralela a
la bisectriz exterior v y tendremos:
b a
c
b
AV
a
BV
,
= =
' '
por tanto, si una bisectriz exterior de un tringulo corta al lado opuesto, las distancias de
su pie a los extremos de dicho lado son proporcionales a los lados concurrentes con la
bisectriz y que pasan por ellos y una expresin en funcin de los lados es:
b a
bc
AV y
b a
ac
BV
,
=
,
= ' '
3.8. Radio de la Circunferencia Circunscrita.
B
A
C
O
M
H
h
b
El ngulo "BAC es mitad del
ngulo central "BOC, y por tanto, igual
al "MOC, limitado por OC y el
dimetro perpendicular a BC. De aqu
resulta la semejanza de tringulos
rectngulos MOC y HAC. Por tanto:
h
ab
r
h
b
a
r
2 2
= ! =
Sabiendo que la altura:
) )( )( (
2
c p b p a p p
c
h , , , =
siendo:
2
c b a
p
+ +
=
resulta:
) )( )( ( 4 c p b p a p p
abc
r
, , ,
=
22/25
Demostremos ahora la expresin que hemos utilizado para la altura h.
A
N B C
M
c
c
b
b
I
Llevando los lados c y b a la
prolongacin del lado a,
respectivamente, a partir de los vrtices
B y C, obtenemos NM=a+b+c. Sea P el
punto de corte de la altura del tringulo
ABC con la base BC.
Por ser AM y AN paralelas a las bisectrices interiores de C y B, el tringulo ANM
es semejante al IBC. Por tanto, sus alturas H=AP y h=IP son proporcionales a sus
respectivas bases MN=2p y BC=a. Luego:
h
a
p
H
a
p
h
H 2 2
= ! =
y como:
p
c p b p a p
h
) )( )( ( , , ,
=
tenemos:
) )( )( (
2
c p b p a p p
a
H , , , =
Adems se verifica que h es el radio de la circunferencia circunscrita.
Comprobemoslo:
A
C B
I
A'
B'
C'
p-b p-c
p-a
Los tres puntos de contacto A, B y
C de la circunferencia inscrita en un
tringulo ABC divide a sus lados en seis
segmentos cuya suma es el permetro
2p=a+b+c. Como AC=AB, CB=CA
y BA=BC, tenemos que:
p=BC+AC+CA=c+CA luego
CA=p-c AC=p-a y BA= p-b
Considerando la circunferencia exinscrita tangente al lado AC en B, siendo A y
C los puntos de tangencia con las rectas AB y BC, se tiene, anlogamente
BC = BA ! BA + AB = BC + CB
y como la suma de ambos miembros es el permetro, cada uno de ellos vale p. Por tanto
BA = BC = p
de donde
CB = CA = p-a
23/25
y anlogamente:
CC = AA = p-(p-b) = b
BB = CB-CB = (p-c)-(p-a) = a-c
A
C B
I
A'
p-b p-c
C''
A''
p-a
C'
IB
B'=B''
Por otra parte, los tringulos IBA e I
B
BA son semejantes. Llamando r al radio de
la circunferencia inscrita y 6 al de la exinscrita, tenemos:
p
b p r ,
=
!
Los tringulos IAC y CAI
B
tambin son semejantes por tener iguales los ngulos
"ICA y "CI
B
A. Entonces:
) )( ( c p a p r
a p
c p
r
, , = !
,
=
,
!
!
sustituyendo en la expresin anterior tenemos que
) )( )( (
2
c p b p a p p r , , , =
luego
p
c p b p a p
r
) )( )( ( , , ,
=
4. REA DEL TRINGULO.
TEOREMA
Toda rea de un tringulo es equivalente a un paralelogramo de igual base y mitad
de altura.
Dem.
A
B H C
M'
M
N
Sea ABC un tringulo cualquiera. Sean M y N los puntos medios de los lados AB y
AC respectivamente. El tringulo MAN es congruente con MCN, y por suma de reas,
el tringulo ABC ser equivalente al paralelogramo BMMC de igual base y mitad de
altura.
24/25
Como el rea de un paralelogramo es igual al producto de su base y se altura,
obtenemos que el rea del tringulo es:
2
AH BC
A
T
=
COROLARIO
El rea de un tringulo es equivalente a la de un paralelogramo de igual altura y
mitad de base.
COROLARIO
El rea de un tringulo es equivalente a la mitad del rea de un paralelogramo de
igual altura e igual base.
FRMULA DE HERN
A
C B
I
A'
B'
C'
p-b p-c
p-a
El rea del tringulo ABC puede expresarse como suma de las reas de los tringulo
IBC, IAC e IAB.
( ) ( ) [ ]
[ ]
( ) ( ) [ ]
[ ]
( ) ( ) [ ]
[ ] ) ( 2
2 2

) ( 2
2 2

) ( 2
2 2

b a p
r r b p a p
A
c a p
r r c p a p
A
c b p
r r c p b p
A
IAB
IAC
IBC
+ , =
, + ,
=
+ , =
, + ,
=
+ , =
, + ,
=
Por tanto
( ) [ ] [ ] p r p p
r
c b a p
r
A
ABC
4 6
2
2 2 2 6
2
= , = + + , =
y como:
p
c p b p a p
r
) )( )( ( , , ,
=
resulta:
) )( )( ( c p b p a p p A
ABC
, , , =
25/25
Bibliografa Recomendada.
Elementos de Geometra Racional. Tomo 1. Rey Pastor, Puig Adam.
Curso de Geometra Mtrica. Volumen 1. Puig Adam.
1/14
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 40
GEOMETRA DE LA CIRCUNFERENCIA.
1. Generalidades.
1.1. Teorema fundamental.
2. Posiciones relativas de una recta y una circunferencia.
2.1. Rectas secantes
2.2. Rectas tangentes.
2.3. Rectas exteriores.
3. Distancia de un punto a una circunferencia
4. Posiciones relativas de dos circunferencias.
4.1. Circunferencias exteriores.
4.2. Circunferencias tangentes exteriormente.
4.3. Circunferencias secantes.
4.4. Circunferencias exteriores tangentes interiormente.
4.5. Circunferencias interiores.
5. ngulos en la circunferencia.
5.1. ngulo central. Arcos. Cuerdas.
5.2. Dimetro perpendicular a una cuerda.
5.3. ngulos inscritos, semiinscritos y no inscritos.
5.4. Arco capaz de un ngulo.
6. Relaciones mtricas en la circunferencia.
6.1. Potencia de un punto respecto a una circunferencia.
6.2. Eje radial de dos circunferencias. Determinacin.
6.3. Centro radical de tres circunferencias.
7. Circunferencias ortogonales.
Bibliografa Recomendada.
2/14
TEMA 40
GEOMETRA DE LA CIRCUNFERENCIA.
1. GENERALIDADES.
El conjunto de los puntos del plano cuya distancia a un punto O de ste es igual a
un segmento r, se llama circunferencia de centro O y radio r.
Si A es un punto de la circunferencia, el segmento OA es un radio. Cada segmento
AA, cuyos extremos pertenecen a la circunferencia, y que contiene O, es un dimetro.
El conjunto de los puntos cuya distancia a O es menor de r se llama crculo, y los
puntos de ste, puntos interiores.
Aquellos puntos cuya distancia a O es mayor de r se llaman puntos exteriores.
1.1. Teorema fundamental.
Todo segmento cuyos extremos son uno interior y otro exterior a una circunferen-
cia, tiene con ella un punto comn y uno solo.
M
A A'
P
B' N
O
C
En efecto, clasifiquemos los puntos del segmento MN
donde M es interior y N exterior en dos clases C
1
y C
2
.
C
1
formada por los puntos interiores a C.
C
2
formada por los puntos no interiores a C.
a) Existen en el segmento MN puntos de ambas clases.
b) Todo punto del segmento MN es interior o no interior.
c) Todo punto de C
1
precede a todo punto de C
2
(propiedad de los oblicuos).
Por el axioma de continuidad (o de las cortaduras de Dedekiud), existe en MN un
punto P y uno solo tal que todo punto que le precede es de C
1
y todo punto que se le
sigue es de C
2
, pero P pertenece a la circunferencia, pues en caso contrario si fuera inte-
rior, podramos encontrar otro interior A que le sigue, y si fuera exterior podramos
encontrar otro exterior B que le precede.
As pues: La circunferencia divide al plano en dos regiones (al igual que una recta
divide al plano en dos semiplanos). La nica diferencia es que en este caso una regin
es convexa, y la otra no.
3/14
2. POSICIONES RELATIVAS DE UNA RECTA Y UNA CIRCUNFERENCIA.
2.1. Rectas secantes.
I - Proposicin:
Si una recta tiene un punto interior a una circunferencia, tiene dos puntos comunes
y solo dos, con ella.

N
N'
A
Q
P
M
O
Demostracin:
Si la recta pasa por el centro, en cada semirrecta
de origen O hay un punto y slo uno cuya distancia
de O es r, luego pertenece a la circunferencia.
Si la recta no pasa por O (origen), llevamos sobre cada semirrecta de origen M un
segmento igual a 2r, determinando N y N, ambos exteriores, pues se tiene:
NO>MN-OM>2r!OM>r y NO>r anlogamente.
Entonces por el teorema fundamental podemos determinar P y Q nicos sobre la
circunferencia.
Definicin:
Llamamos recta secante con una circunferencia a toda recta que tiene dos puntos
comunes con ella. Si adems pasa por el centro, la recta se llama diametral.
2.2. Rectas tangentes.
II- Proposicin:
Si la distancia del centro de una circunferencia a una recta es igual al radio, la recta
tiene un nico punto comn con la circunferencia, y los dems son exteriores.
Demostracin:
Si H es el pie de la perpendicular a la recta se tiene OH=r luego H pertenece a la
circunferencia. Cualquier otro punto P verifica OP>OH=r, y es exterior.
Definicin:
Dicha recta se llama tangente a la circunferencia.
4/14
2.3. Rectas exteriores.
III- Proposicin:
Si la distancia del centro de una circunferencia a una recta es mayor de r, la recta
tiene todos sus puntos exteriores a la circunferencia.
Demostracin: Trivial.
Definicin:
Toda recta que no tiene punto alguno comn con la circunferencia se llama ext erior.
3. DISTANCIA DE UN PUNTO A UNA CIRCUNFERENCIA.
Dado un punto P, la recta OP, donde O es el centro de una circunferencia, corta a
sta en dos puntos A y B.
B A B A
B P=A
M
M
M
O O O
P
P
Caso 1 Caso 2 Caso 3
Caso1.
Llamamos d OP = entonces
"
#
"
$
%
+ = + =
! = ! =
r d OA OP PB
r d OA OP PA
y cualquier otro punto M verifica
r d OM OP PM
r d OM OP PM
+ = + <
! = ! >
Caso 2.
"
#
"
$
%
+ =
! =
d r PB
d r PA
y cualquier otro punto M de C verifica
d r OP OM PM
d r OP OM PM
+ = + <
! = ! >
Caso 3.
"
#
"
$
%
=
=
r PB
PA
2
0
cualquier otro punto M verifica
2
0
r PM
PM
<
>
(trivial)
5/14
As pues, tiene sentido definir:
d(P,C) = min {d(P,M)} donde M recorre la circunferencia
= min { PB PA, } donde PA es una recta dimetro(A,B puntos de la cir-
cunferencia)
Definicin:
Llamamos cuerda a todo segmento que une dos puntos de una circunferencia. La
mayor de las cuerdas es el dimetro.
4. POSICIONES RELATIVAS DE DOS CIRCUNFERENCIA.
Supongamos dos circunferencias C y C de centros O, O y radios r, r supongamos,
de momento que r>r y sea OO=d.
Se presentan los siguientes casos posibles:
4.1. Circunferencias exteriores.
' ' r r r r d ! > + >
En este primer caso, todos los puntos de C sern exteriores a C y recprocamente.
Las circunferencias son exteriores entre s
4.2. Circunferencias tangentes exteriormente.
' ' r r r r d ! > + =
En este caso, las circunferencias no tendrn mas que un punto comn en la recta de
centros, siendo los dems puntos exteriores. Las circunferencias son tangentes exterior-
mente.
4.3. Circunferencias secantes.
' ' r r d r r ! > > +
En ste caso se tiene

r r d
r r d
! >
+ <
&

r r d
r r d
> +
< !
luego el punto de C ms cercano a O es interior a C, y el punto de C mas alejado de O
es exterior. Las circunferencias son secantes, se cortan en dos puntos.
6/14
4.4. Circunferencias tangentes interiormente.
d r r r r = ! > + ' '
En este caso r r d ! = , & r r d = +
luego el punto de C mas alejado de O esta en C, y todos los dems son interiores. Las
circunferencias son tangentes interiormente.
4.5. Circunferencias interiores.
d r r r r > ! > + ' '
En este caso: d r r > ! & r d r < +
luego todos los puntos de C son interiores a C. La circunferencia C es interior a C.
En el caso que r=r, el caso 4 se reduce a que la circunferencias coinciden y el caso
5 no tiene sentido.
5. ANGULOS EN LA CIRCUNFERENCIA.
5.1. ngulo central. Arcos. Cuerdas.
Angulo central
Se llama ngulo central en una circunferencia al que tiene su vrtice en el centro, es
decir a cada uno de los ngulos determinados por dos semirrectas de origen O.
El conjunto de los puntos de la circunferencia situados en un ngulo central se lla-
ma arco abarcado por dicho ngulo, y el conjunto de puntos del circulo situados en un
ngulo central se llama sector circular correspondiente a dicho ngulo.
Definicin:
Dos ngulos (o dos sectores) de una misma circunferencia son equivalentes si sus
ngulos centrales son iguales.
Puede establecerse una suma de arcos y un orden en los arcos pues para ello basta
hacerlo con los ngulos centrales correspondientes.
Cada cuerda determina 2 arcos y se dice que la cuerda subtiende cada uno de estos
arcos. Es claro que dado un arco solo hay una cuerda que lo subtiende.
Proposicin.
En una misma circunferencia, entre dos arcos menores que una semicircunferencia,
a menor arco corresponde menor cuerda y recprocamente.
7/14
A
B'
O
A'
Demostracin.
Supongamos:
Arco AB < Arco AB. entonces:
( ) ( ) ' ' OB A AOB ' < ' .
Hagamos coincidir mediante un
O
A'
B'
B"
D
movimiento OA con OA obteniendo un nuevo tringulo. OAB congruente con OAB.
La bisectriz del ngulo 'BOB corta a AB en un punto D. Se tiene BD=DB
pues BOD=BOD (al tener iguales 2 lados y el ngulo comprendido).
Entonces.
AB = AB < AD + DB = AD + DB = AB.
5.2. Dimetro perpendicular a una cuerda.
El dimetro perpendicular a una cuerda la corta en su punto medio e igualmente a
los arcos que subtiende en dos arcos iguales (trivial).
En una circunferencia, las cuerdas iguales equidistan del centro y recprocamente
(trivial).
Si una cuerda es menor que otra, su distancia al centro
es mayor pues los tringulos AOM y CON son rectngulos y
tienen igual hipotenusa, luego si un cateto es menor que su
correspondiente, el otro es mayor.
A
B
C
D
O
M
N
5.3. Angulos inscritos, semiinscritos y no inscritos.
Definicin:
Se llama ngulo inscrito en una circunferencia a un ngulo cuyo vrtice esta en ella
y cuyos lados son secantes con la circunferencia.
Proposicin:
La medida de un ngulo inscrito es igual a la mitad del ngulo central que abarca el
mismo arco.
Demostracin: Pueden presentarse 3 casos.
8/14
1 El centro de la circunferencia est sobre un lado del
ngulo. El ngulo AOB es exterior al tringulo POA, que es
issceles pues OP=OA, y vale la suma de los dos ngulos
iguales de dicho tringulo.
A
B
P
O
2 El centro de la circunferencia es interior al ngulo
APB. Basta trazar el dimetro PM, y el ngulo APB se des-
compone en otros dos que son mitad respectivamente de los
ngulos centrales que abarcan los arcos AM y MB.
A
M
P
O
B
3 Se traza el dimetro PM y el ngulo APB es diferen-
cia de APM y BPM luego
2 2 2
AOB BOM AOM
APB
'
=
'
!
'
= '
A
M
P
O
B
Definicin:
Se llama ngulo semiinscrito en una circunferencia a aquel que tiene su vrtice so-
bre ella, y que tiene un lado secante.
Proposicin:
Un ngulo semiinscrito tiene el mismo valor que cualquier inscrito que abarca el
mismo arco.
Demostracin
Si el lado secante pasa por el centro, el ngulo abarca
media circunferencia y es recta, como cualquiera de los
inscritos que abarcan, dividen semicircunferencia.
O
P
A B
Si el centro O es interior al ngulo, el ngulo APB es
suma de un recto y un ngulo inscrito de donde
( ) MOB MOP APB + =
2
1
.
O
P
A M
B
9/14
Si el centro O es exterior al ngulo, el ngulo APB es
diferencia de un recto y un ngulo inscrito, de donde
( ) MOB MOP APB ! =
2
1
O
P
A M
B
Definicin:
Si el vrtice del ngulo es interior o exterior a la circunferencia y sus lados cortan a
la circunferencia, el ngulo se llama no inscrito.
A
A'
P
B' B
Si el punto P es exterior y A, B son los puntos de la circunferencia ms cercanos a
P situados en sus lados resulta.
BP A PB A B AA ' ' ' ' + ' = '
AAB= Angulo inscrito que subtiende AB
ABP= Angulo inscrito que subtiende AB
de donde APB= diferencia de los ngulos inscritos correspondientes a los dos arcos
que abarcan sus lados.
Si el punto P es interior, entonces
= ' + ' = ' = ' ' ' ' ' ' AB A B AA PB A APB
= suma de los ngulos inscritos correspondientes a los
dos arcos que abarcan sus lados.
A
B A'
B'
P
5.4. Arco capaz de un ngulo.
Definicin:
Dado un segmento AB y un ngulo ( se llama arco ca-
paz del ngulo ( sobre el segmento AB al conjunto de
puntos P del plano tal que APB=( (incluyendo A y B).
Todos los puntos P del lugar geomtrico estarn sobre
dos circunferencias de las que AB es una cuerda y APB es
una ngulo inscrito o semiinscrito.
P
B
A
(
10/ 14
Construccin de una ngulo capaz:
Es fcil determinar los centros de las circunferencias sobre las que estn los arcos
capaces.
O
B A
C
(
Basta construir el ngulo BAC=(, y trazar la perpendi-
cular a la recta AC por A, que contendr el centro. El punto
de corte de dicha recta con la mediatriz de AB determina un-
vocamente O.
(En efecto la recta AC ser tangente a una de las circun-
ferencias buscada, y el ngulo semiinscrito BAC vale ()
Repitiendo la construccin desde B se determina el otro centro que ser simtrico
respecto AB.
Aplicaciones.
El arco capaz de un ngulo tiene muchas aplicaciones en problemas de construccio-
nes geomtricas e incluso en ramas tan dispares como navegacin.
Problema de la carta o de Pothenot:
Desde un cierto punto P se determinan los ngulos APB=( y BPC=). Podemos
determinar el punto P mediante la interseccin de los dos arcos capaces correspondien-
tes.
6. RELACIONES METRICAS EN LA CIRCUNFERENCIA.
Proposicin:
Si por un punto P del plano se trazan secantes a una circunferencia, el producto de
los segmentos determinantes por dicho punto y los de interseccin de cada secante con
la circunferencia, es constante.
Demostracin:
Caso1.
P
A
B
C
D
Los tringulos PAD y PBC tienen 2angulos
iguales, luego son semejantes. Se tiene:
cte PD PC PB PA
PB
PD
PC
PA
= * = * & =
11/ 14
Caso2.
A
B
C
D
P
Los tringulos PDB y PAC son semejantes porque tienen 2
ngulos iguales. Luego:
PD PC PB PA
PA
PC
PD
PB
* = * & =
Caso3.
A
P
B
Trivial porque uno de los dos segmentos es nulo en todos los
casos.
6.1. Potencia de un punto respecto a una circunferencia.
Definicin:
Dada una circunferencia C y un punto P del plano, se llama potencia de P respecto
C al valor constante PB PA* donde A y B son los puntos de interseccin de una secante
que pasa por P con la circunferencia, y con signo positivo si P no separa A y B, y nega-
tivo en caso contrario.
Calculo de la potencia.
Caso1.
P exterior. Tracemos la recta PO, que corte a la circunferencia en A y B. Entonces
2 2
) )( ( r d OA PO OA PO PB PA P ! = + ! = * =
llamando PO=d como siempre la potencia ser positiva.
Caso2.
P interior. d d r OP OB OP OA PB PA P = ! ! = + ! ! = * ! = ) ( ) )( ( ) (
2 2
en este caso la potencia ser negativa.
Caso3.
P en la circunferencia & la potencia ser 0.
12/ 14
Propiedad de la tangente.
Si P es exterior el segmento PM de tangente a la circunferencia trazado desde P es
la raz cuadrada de la potencia, y trivialmente tambin, dicho segmento es media pro-
porcional de cualquier par de segmentos PA, PB donde A y B son interseccin de una
recta secante que pasa por P con la circunferencia.
6.2. Eje radical de dos circunferencias.
Definicin:
Se llama eje radical de dos circunferencias al lugar geomtrico de los puntos que
tienen igual potencia respecto a dichas circunferencias.
Si P es un punto del lugar geomtrico y O,O son centros de las circunferencias de
radios r y r se verifica
2 2 2 2
r d r d ! = !
+
+
,
-
.
.
/
0
=
=
P O d
OP d

. & cte r r d d = ! = !
2 2 2 2

Luego los puntos del lugar geomtrico verifican cte d d = !
2 2
.
Proposicin:
El eje radical de dos circunferencias es una recta perpendicular a la lnea de centros.
Demostracin:
P
O
O' M H
d' d
Llamamos M a la proyeccin de P sobre OO
y H al punto medio del segmento OO. Se veri-
fica en OPH y OHP el teorema del coseno.

2
2
2 2 2
2 2 2
"
#
"
$
%
* ! + =
* ! + =
MH H O PH H O d
MH OH PH OH d
HM OH d d * * ! = ! 4
2 2
y siendo OH fijo, si cte d d = !
2 2
debe ser el punto M fijo, luego P esta sobre una recta
cuyos puntos se proyectan todos en M.
Determinacin del eje radical.
Si las circunferencias son secantes, los puntos de interseccin
de ambas tienen potencia O respecto a ambas, luego son del eje
radical, que ser la recta que pasa por dichos puntos.
O O'
13/ 14
Si las circunferencia son tangentes interior o
exteriormente, el eje radical ser el tangente co-
mn.
Si las circunferencias son exteriores, los puntos medios
de los segmentos de tangente AB y CD tienen igual potencia
respecto a ambas circunferencias (propiedad de la tangente),
luego el eje radical ser la recta que los une.
A
B
C
D
En el caso que una sea interior a la otra basta
trazar una circunferencia auxiliar secante con am-
bas (O,O,O no alineados) y determinar los ejes
radicales de cada una de ellas, que se cortaran en
un punto P. El eje radical es la recta perpendicular
por P a la lnea de centros.
P
O
O'
6.3. Centro radical de tres circunferencias.
Dadas 3 circunferencias C, C, C se llama centro radical de las 3 circunferencias
(si existe) al punto que tiene igual potencia respecto a las 3 circunferencias.
Obviamente, el centro radical no siempre existe, pero en caso de que exista, la
construccin grfica es trivial (mirar caso anterior). Para que exista basta que los centros
de las circunferencias no estn alineados.
7. CIRCUNFERENCIAS ORTOGONALES.
Las circunferencias secantes se llaman ortogonales si las tangentes en los puntos de
interseccin son perpendiculares entre si.
Obviamente se cumple:
a) Los radios de una y otra circunferencia correspondientes a cada punto de inter-
seccin son perpendiculares entre s.
b) Si d es la distancia entre los centros y r, r los radios.
2 2 2
r r d + = .
c) La potencia del centro de cada circunferencia, respecto otra es el cuadrado de su
propio radio pues
2 2 2
r r d = ! ,
2 2 2
r r d = ! .
(El concepto de circunferencia ortogonal se utiliza para la definicin de polaridad,
que por su extensin no es adecuado tratarla aqu).
14/ 14
Bibliografa Recomendada.
Elementos de Geometra Racional. Tomo 1. Rey Pastor, Puig Adam.
Curso de Geometra Mtrica. Volumen 1. Puig Adam.
1/24
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 41
MOVIMIENTOS EN EL PLANO. COMPOSICIN DE MOVIMIENTOS.
APLICACIN AL ESTUDIO DE LAS TESELACIONES DEL PLANO. FRISOS Y
MOSAICOS.
1. Introduccin.
2. Conceptos Bsicos.
3. Movimientos en el Plano.
3.1. Traslaciones.
3.2. Giros.
3.3. Simetras.
3.3.1. Simetra Central.
3.3.2. Simetra Axial
4. Composicin de Movimientos.
4.1. Producto de Simetra Axial por Traslacin.
4.2. Producto de Simetras Axiales.
4.2.1. Ejes Paralelos.
4.2.2. Ejes no Paralelos.
4.3. Producto de Giros.
4.4. Producto de Simetras Centrales.
4.5. Producto de una Traslacin por un Giro.
4.6. Producto de un Giro por una Traslacin.
5. Movimientos.
6. Teselaciones del Plano.
6.1. Frisos.
6.1.1. Tipos de Movimientos en los Frisos.
6.1.2. Clasificacin de Frisos.
6.2. Mosaicos.
6.2.1. Tipos de Mosaicos.
Bibliografa Recomendada.
2/24
TEMA 41
MOVIMIENTOS EN EL PLANO. COMPOSICIN DE MOVIMIENTOS.
APLICACIN AL ESTUDIO DE LAS TESELACIONES DEL PLANO. FRISOS Y
MOSAICOS.
1. INTRODUCCIN.
En este tema vamos a tratar un tipo particular de transformaciones en el plano:
aquellas que hacen corresponder a cada figura otra de igual forma y tamao. Estas
transformaciones reciben el nombre de movimientos, y son aplicaciones biyectivas del
plano en s mismo.
De los axiomas de movimiento tambin podemos deducir que son transformaciones
biyectivas del plano que conservan la alineacin y el orden, y que transforman
segmentos y ngulos en otros iguales.
Para definir un movimiento es suficiente determinar las imgenes de dos puntos del
plano e indicar la clase del movimiento (directo o inverso). De esta manera, cualquier
otro punto del plano tiene determinada de forma unvoca su imagen. Recordemos que
una transformacin es directa si conserva la orientacin e inversa en caso contrario.
Los movimientos del plano que vamos a estudiar son las traslaciones, los giros y las
simetras, y sus correspondientes composiciones.
2. CONCEPTOS BSICOS.
DEF Llamaremos Vector Fijo a u par ordenado de puntos A y B. El punto A recibe el
nombre de Origen y el punto B de Extremo.
Un vector fijo es equivalente a un segmento dotado de orden.
Como caractersticas de los vectores vamos a definir la direccin, el sentido y el
mdulo.
DEF Diremos que dos vectores fijos (A,B) y (C,D) tienen la misma direccin si estn
situados sobre la misma recta o sobre rectas paralelas.
DEF Diremos que dos vectores (A,B) y (C,D) con la misma direccin tienen el mismo
sentido si se verifica una de las dos condiciones siguientes:
a) Si los vectores estn situados en rectas paralelas y trazamos la recta que pasa por
A y C (el origen de ambos vectores), los puntos extremos, B y D, estn en el
mismo semiplano.
b) Si los vectores estn situados en la misma recta, ambos tienen el mismo sentido
que un tercer vector con la misma direccin y situado en otra recta paralela.
DEF Dos vectores fijos (A,B) y (C,D) tienen el mismo mdulo si los segmentos que
definen son iguales.
3/24
Si definimos el conjunto de los vectores fijos del plano, podemos definir sobre dicho
conjunto una relacin de equivalencia de la siguiente manera:
DEF Sean (A,B) y (C,D) dos vectores cualesquiera del conjunto de los vectores fijos
del plano. Diremos que dichos vectores estn relacionados si y slo si tienen la misma
direccin, sentido y mdulo.
(A,B) ! (C,D) " (A,B) y (C,D) tienen igual direccin, sentido y mdulo.
PROP La relacin anterior es de equivalencia (tambin llamada de Equipolencia).
Dem.
Inmediata.
La relacin de equivalencia, o equipolencia, que hemos definido sobre el conjunto
de los vectores fijos del plano nos define un conjunto de clases de equivalencia. Cada
clase de equivalencia recibe el nombre de vector libre, y se representa mediante una
letra en minscula con una flecha sobre ella, en contraposicin con los vectores fijos,
que se representan por sus dos letras (origen y extremo por ese orden) con una flecha
sobre ambas letras.
[ ] { } AB XY XY AB v ~ / = =
r
Los conjunto de los vectores libres del plano se representa por V
2
. Veamos algunas
propiedades de los vectores libres.
PROP Si v
r
es un vector libre y P un punto cualquiera del plano, existe un nico
representante de v
r
con origen en P.
Dem.
Sea AB un representante cualquiera de v
r
. Vamos a distinguir dos situaciones:
1) El punto P no pertenece a la recta que define el vector AB .
A
B
P
Q
Trazamos por el punto P una
paralela a la recta AB y por B una
paralela a la recta AP. El punto de
interseccin, que llamaremos Q, es
nico. Es trivial comprobar que por
construccin obtenemos AB PQ~ .
El vector fijo que definen los puntos P y Q es el nico representante de v
r
que
tiene origen en P
2) El punto P pertenece a la recta que define el vector AB .
4/24
En este caso, elegimos un punto O no perteneciente a la recta AB. A continuacin
obtenemos el nico representante de v
r
que tiene origen en O aplicando el caso 1. Por
ltimo, obtenemos el representante de v
r
que tiene origen en P aplicando el caso 1 al
vector fijo conseguido en el paso anterior.
Veamos ahora diferentes operaciones que podemos definir sobre el conjunto de
vectores libres del plano.
DEF Sean u
r
y v
r
vectores libres. Definimos la suma de ambos vectores como
[ ] OB v u = +
r r
siendo O un punto cualquiera del plano, OA un representante de u
r
y AB un
representante de v
r
.
PROP La definicin dada de suma de vectores no depende del punto O elegido.
Dem.
O
A
B
O'
B'
A'
u
v
u'
v'
u+v
u'+v'
Sea O otro punto cualquiera del plano.
Los puntos OAAO forman un
paralelogramo, al igual que los puntos
ABBA. Entonces los puntos OBBO
tambin forman un paralelogramo,
deducindose que ' ' ~ B O OB . Por
tanto, la suma no depende del punto O
elegido.
PROP La operacin suma de vectores libres verifica las siguientes propiedades:
1) Conmutativa.
2) Asociativa.
3) Elemento Neutro.
4) Elemento Opuesto.
Dem.
1) y 2) son inmediatas.
3) Llamaremos 0
r
al neutro de la suma siendo [ ] AA = 0
r
. Es fcil comprobar con esa
definicin que es el neutro.
5/24
4) Dado un vector [ ] AB u =
r
definimos su opuesto como [ ] BA u = #
r
. Tambin es
inmediato comprobar que esa definicin verifica la propiedad de ser elemento opuesto.
Conclusin. El conjunto V
2
con la operacin de suma definida tiene estructura de grupo
abeliano. (V
2
, +) Grupo Abeliano.
DEF Dado un vector [ ] AB u =
r
definimos su producto por un escalar $%!, y se
representa por u
r
! , como aquel vector libre que verifica:
1) La direccin de los vectores fijos que componen la clase u
r
! es la misma que la de
los vectores u
r
.
2) El sentido de los vectores fijos que componen la clase u
r
! es el mismo si $>0 y
contrario si $<0.
3) El mdulo de cualquier vector fijo que representa la clase u
r
! es &$& multiplicado
por el mdulo del vector u
r
, AB .
PROP La operacin de producto de un vector por un escalar verifica las siguientes
propiedades:
1) Distributiva respecto de los vectores: ( ) v u v u
r r r r
! ! ! + = +
2) Distributiva respecto de los escalares: ( ) u u u
r r r
" ! " ! + = +
3) Pseudoasociativa: ( ) ( )u u
r r
!" " ! =
4) Elemento Unidad: u u
r r
= 1
Dem.
Las demostraciones son inmediatas y no corresponden al objetivo del tema.
Conclusin: El conjunto de los vectores del plano, V
2
, con las operaciones interna y
externa definidas tiene estructura de espacio vectorial. (V
2
,+,) es un espacio vectorial.
3. MOVIMIENTOS EN EL PLANO.
3.1. Traslaciones.
DEF Sea u
r
un vector cualquiera de V
2
. Llamaremos traslacin de vector u
r
a la
aplicacin
'
:
2 2
A A
E E T
u
a
r '
del conjunto de los puntos del plano en s mismo que transforma cualquier punto A en
otro A verificndose que u AA
r
= '
En general, el vector u
r
(0 y por tanto A y A sern puntos diferentes. En el caso de
que el vector fuese nulo, A=A para todo punto del plano, y la aplicacin sera la
identidad.
6/24
Podemos definir el conjunto de las traslaciones de vectores del plano como:
{ }
2
/ V u T T
u
% =
r
r
PROP Las traslaciones son transformaciones biunvocas del plano en s mismo.
Dem.
Trivial
PROP Las traslaciones conservan las distancias y transforman rectas paralelas en rectas
paralelas.
Dem.
Conservan las distancias.
Sean A y B dos puntos cualesquiera del plano y A y B sus imgenes por la
aplicacin
u
Tr . Entonces se verifica que u AA
r
= ' y u BB
r
= ' .
A
A'
B
B' A partir de la figura podemos
deducir que:
u AB BB AB AB
r
# = # = ' ' '
u AB AA AB B A
r
# = # = ' ' ' ' '
Por tanto ' ' ~ B A AB
Y obtenemos que el mdulo de ambos es el mismo. O lo que es lo mismo, la distancia
de A a B se mantiene por la aplicacin.
Transforma rectas paralelas en rectas paralelas.
Partiendo de lo obtenido anteriormente, los puntos ABBA determinan un
paralelogramo pues ' ' ~ B A AB y ' ' BB AA = .
Por tanto tambin transforma rectas paralelas en rectas paralelas (y conserva los
ngulos).
PROP Una traslacin de vector no nulo no tiene puntos invariantes.
Dem.
Inmediata.
7/24
En el conjunto T de las traslaciones de vectores del plano, podemos definir una
operacin interna, llamada composicin o producto, de la siguiente forma:
DEF Sean T T T
v u
% r r , . Llamaremos composicin o producto de
u
Tr y
v
Tr a la traslacin
definida por ( ) ( ) ) ( ) ( A T T A T T
u v u v
r r r r o = .
Comprobemos que la definicin es consistente y que la aplicacin obtenida como
composicin de traslaciones es una traslacin.
Si tenemos en cuenta que:
( ) ( ) ' ' ) ' ( ) ( ) ( A A T A T T A T T
v u v u v
= = = r r r r r o
y que:
v u AA
r r
+ = ' '
obtenemos que la composicin de las traslaciones
u
Tr y
v
Tr nos da como resultado otra
traslacin de vector suma de los anteriores
v u
T r r
+
PROP La operacin de composicin de traslaciones verifica las siguientes propiedades:
1) Asociativa
2) Conmutativa.
3) Elemento Neutro.
4) Elemento Opuesto.
Dem.
La demostracin es inmediata ya que esas propiedades las verifica la suma de
vectores en V
2
y slo hemos de tener en cuenta que la composicin de traslaciones se
reduce a la traslacin de la suma de los vectores asociados.
El elemento opuesto es
0
r
T y el elemento inverso es
u u
T T r r
#
#
=
1
Conclusin: El conjunto T con la operacin de composicin definida tiene estructura de
grupo conmutativo. ( ) o , T Grupo Conmutativo.
PROP Los grupos (V
2
,+) y ( ) o , T son isomorfos.
Dem.
Basta comprobar que la aplicacin
f: V
2
' T
definida como
u
T u f r
r
= ) ( es un isomorfismo, lo cual es inmediato.
3.2. Giros.
DEF Llamaremos giro de centro el punto O y ngulo $ a una aplicacin delplano en s
mismo que transforma cada punto A en otro A verificando las condiciones:
8/24
1) Los vectores OA y OA tienen el mismo mdulo.
2) )AOA = $
La aplicacin se denota por G
O,$
PROP Los giros verifican las siguientes propiedades:
1) Conservan las distancias, es decir, son Isometras
2) Transforman puntos alineados en puntos alineados.
Dem.
1)
O
A
A'
B
B'
$
$
*
Sean A y B dos puntos del plano y
A y B sus imgenes por G
O,$
Se trata
de comprobar que el mdulo de los
vectores AB y AB es el mismo,
mantenindose as la distancia entre dos
puntos por medio del giro. Para ello
necesitamos demostrar que los
tringulos AOB y AOB son
semejantes.
Los tringulos AOB y AOB tienen dos lados iguales y un ngulo, que son
OA=OA OB=OB )AOB = $-* = )AOB
Por tanto, el tercer lado tambin coincide y AB=AB, luego el mdulo de ambos
vectores es el mismo y la aplicacin G
O,$
conserva las distancias.
2)
O
A
A'
B
B'
C
C'
Sean A, B y C tres puntos alineados
del plano y sean A, B y C sus
imgenes respecto del giro G
O,$
.
Por el apartado anterior tenemos que
se conservan las distancias entre los
puntos, por tanto
' ' ' ' ' ' C A C B B A BC AB AC = + = + =
De aqu obtenemos que si el punto B est en el segmento que forman A y C,
entonces el punto B tambin est en el segmento determinado por los puntos A y C.
As pues transforma puntos alineados en puntos alineados.
9/24
PROP Los giros transforman circunferencias en circunferencias del mismo radio.
Dem.
Sea G
O,$
un giro de centro O y ngulo $. Sea tambin una circunferencia de centro
el punto C y radio r.
La imagen de C ser un punto G
O,$
(C)=C y teniendo en cuenta que conserva las
distancias, transforma una circunferencia en otra.
Como consecuencia de estas propiedades podemos deducir que los giros son
transformaciones directas, ya que mantienen el sentido de los ngulos.
Podemos definir el conjunto de todos los giros de centro O como:
G
O
={ G
O,$
/ $%!}
DEF En el conjunto G
O
definimos la operacin interna llamada composicin o
producto como:
" ! ! " +
=
, , , O O O
G G G o
La operacin es interna, ya que dado un punto A cualquiera del plano tenemos que
al aplicarle la composicin, la primera aplicacin lo gira un ngulo $ y la segunda lo
gira un ngulo *. Por tanto el resultado final ha sido un giro suma de ngulos, que es
otra aplicacin que est en el conjunto G
O
.
PROP El conjunto G
O
con la operacin de composicin o producto verifica las
siguientes propiedades:
1) Conmutativa.
2) Asociativa.
3) Elemento Neutro, G
O,0
.
4) Elemento Opuesto, dado G
O,$
su opuesto es G
O,-$
.
Dem.
Inmediata.
Conclusin: El conjunto de todos los giros con el mismo centro con la operacin de
composicin o producto tiene estructura de grupo conmutativo. ( ) o ,
O
G Grupo
Conmutativo.
3.3. Simetras.
3.3.1. Simetra Central.
DEF Dada una recta r, consideremos una semirrecta suya con origen en el punto O.
Llamaremos Simetra Central de centro O al movimiento que transforma la semirrecta
10/24
de origen en O en su semirrecta opuesta, y cada semiplano determinado por la
semirrecta en el semiplano opuesto.
Podemos dar como definicin equivalente de simetra central la siguiente:
DEF2 Llamamos simetra central de centro O a una aplicacin del plano en s mismo
que transforma cada punto A en otro A verificando que el segmento AA tiene como
punto medio a O
CARACTERSTICAS.
1) Las simetras centrales son movimientos directos, ya que los semiplanos quedan
ambos a la derecha o a la izquierda de las semirrectas consideradas.
2) El punto O es el nico punto invariante de la aplicacin, tambin llamado punto
doble.
O
R R'
A
B
B'
A'
3) Si A es un punto cualquiera del
plano y A su imagen, se verifica
que OA OA # = ' . Si B es otro punto
del plano, tambin se verifica que
OB OB # = ' y de aqu deducimos
que
AB OA OB OA OB B A # = + # = # = ' ' ' '
PROP Las Simetras Centrales verifican las siguientes propiedades:
1) Las rectas que pasan por el centro de simetra se transforman en ellas mismas, es
decir, son invariantes.
2) Las rectas que no pasan por el centro de simetra se transforman en rectas paralelas.
3) Conservan las distancias y los ngulos.
4) Son aplicaciones involutivas, lo cual significa que aplicadas dos veces se convierten
en la aplicacin unidad o identidad.
Dem.
La demostracin es inmediata sin ms que tener en cuenta que una simetra central
de centro O es equivalente a un giro de centro O y ngulo 180.
En general, las simetras centrales verifican las mismas propiedades que los giros, ya
que son un caso especial de stos.
3.3.2. Simetra Axial.
DEF Llamaremos Simetra Axial de eje r al movimiento del plano que deja invariante
una semirrecta OR situada en la recta r, cambiando los semiplanos que determina.
11/24
Otra definicin alternativa de simetra axial podra ser la siguiente:
DEF2 Dada una recta r, llamaremos Simetra Axial de eje r a la aplicacin del plano en
s mismo que asocia a cada punto A del plano otro punto A tal que el segmento AA
tiene como mediatriz a la recta r.
PROP Las simetras axiales son transformaciones involutivas, es decir, aplicadas dos
veces se convierten en la aplicacin identidad.
PROP Los puntos que forman el eje de una simetra axial son invariantes por la
simetra.
Dem.
Supongamos que no es cierto. Sea P un punto del eje r y P su imagen por la
simetra. Por la primera definicin, el segmento OP se transforma en OP, siendo uno
parte del otro. Y eso es una contradiccin con los axiomas de movimiento.
PROP Toda recta perpendicular al eje r de una simetra, se transforma en s misma.
Dem.
Dado un punto A no perteneciente al eje r de la simetra se transforma en A
verificando que el eje r es la mediatriz del segmento que determinan. Por tanto, la recta
que contiene al segmento AA es perpendicular al eje (por definicin de mediatriz).
Luego todo punto de una recta perpendicular se transforma en otro punto de la propia
recta. Como conclusin obtenemos que las rectas perpendiculares al eje son invariantes.
PROP Toda simetra axial es una isometra, es decir, conserva las distancias.
Dem.
r
B
B'
A
A'
P
Q
M N
Tenemos que demostrar que el
mdulo del vector AB coincide con el
del vector AB. Para ello
demostraremos que los tringulos
rectngulos APB y AQB son
semejantes. Obtenemos los puntos P y
Q trazando paralelas a r por B y B
respectivamente, y estn situados en la
recta que contiene a los puntos A y A.
Por definicin de simetra tenemos que AM=MA, BN=NB y PM=MQ
Por la manera de obtener P tenemos que PM=BN y MQ=NB.
Entonces AM = AP + PM = AP + BN
MA = MQ + QA = NB + QA = BN + QA
12/24
Y deducimos que AP = QA
Como B y B estn en la misma recta perpendicular a r y P y Q tambin estn en
otra recta perpendicular a r, tenemos que los cuatro puntos BBQP determinan un
paralelogramo, por lo que PB=QB.
As pues tenemos que ambos tringulos tienen dos lados iguales y el ngulo
rectngulo tambin, por tanto, aplicando un criterio de semejanza de tringulos tenemos
que ambos tringulos son semejantes. De lo cual se deduce que el tercer lado de ambos
tringulos tambin coincide, verificndose que
AB = AB
PROP Las Simetras Axiales transforman puntos alineados en puntos alineados.
Dem.
Sea r el eje de simetra y sean A, B y C tres puntos alineados, situados en el mismo
semiplano. Sus imgenes por la simetra son, respectivamente, A, B y C.
Por la proposicin anterior se conservan las distancias, luego:
AB = AB BC = BC AC = AC
Y como AC = AB + BC = AB + BC
Entonces AC = AB + BC
siendo B un punto interior del segmento AC. Por tanto A, B y C estn alineados.
COROLARIO Las simetras axiales transforman rectas en rectas.
COROLARIO Las simetras axiales transforman circunferencias en circunferencias
del mismo radio.
PROP Las simetras axiales transforman ngulos en ngulos iguales pero de sentido
contrario.
Dem.
Una semirrecta s con origen en un punto O del eje de simetra r se transforma en
otra semirrecta s con el mismo origen, pues O es un punto invariante. El ngulo que
forma s con el eje r se transforma en el que forma s con el propio eje, que son iguales
pero de sentido contrario, pues estn en distinto semiplano.
Conclusin: Las simetras axiales son movimientos inversos.
13/24
4. COMPOSICIN DE MOVIMIENTOS.
4.1. Producto de Simetra axial por Traslacin.
DEF Llamaremos Antitraslacin o Deslizamiento a todo movimiento que sea igual a
la composicin o producto de una simetra axial de eje r por una traslacin paralela al
eje r. El eje r recibe el nombre de eje de la antitraslacin o eje del deslizamiento.
El eje de una antitraslacin o deslizamiento es la nica recta invariante.
A
B
A'
B'
A''
B''
u
Dado un vector AB, su imagen por
la simetra axial es el vector AB y
aplicando la traslacin de vector u nos
da el vector AB
Cuando la traslacin no es paralela al eje r de la simetra se obtiene tambin una
antitraslacin, pero de eje r paralelo al eje r. A partir de un vector AB se obtiene por la
simetra un vector AB y aplicando la traslacin de vector u obtenemos AB.
Para hallar el eje de simetra de la
antitraslacin r, ste viene dado como
mediatriz del segmento que une el punto
A con el punto que se obtiene como
interseccin de una paralela a r que pasa
por Acon la perpendicular a r que pasa
por A.
A
B
A'
B'
A''
B''
r
r'
4.2. Producto de Simetras Axiales.
4.2.1. Ejes paralelos.
Sean dos simetras axiales de ejes r y r respectivamente. Dado un punto cualquiera
A, por la primera simetra obtenemos A, y este punto tiene como imagen A por la
segunda simetra.
Por tanto, la imagen de A por la composicin de las dos simetras es A, que est en
la recta perpendicular a ambos ejes. Se verifica que u AA
r
2 ' ' = , donde u
r
es el vector
determinado por dos puntos, uno de cada eje, contenidos en una perpendicular a los
mismos.
Como esto sucede para todos los puntos, el producto de dos simetras axiales de ejes
paralelos es una traslacin de vector 2 u
r
.
14/24
4.2.2. Ejes no Paralelos.
A
A'
A''
O
r
r'
$
Sean dos simetras axiales de ejes r
y r respectivamente y A un punto
cualquiera del plano. Como los dos ejes
no son paralelos, se cortan en un punto
que llamaremos O y determinan un
ngulo $.
La imagen de A por la simetra de eje r es A, y la imagen de este punto por la otra
simetra es A. El ngulo )AOA=2$, ya que el eje r es la bisectriz de )AOA y el
eje r es la bisectriz de )AOA.
Luego la composicin de dos simetras axiales de ejes no paralelos equivale a un
giro de centro O y ngulo 2$.
4.3. Producto de Giros.
Vamos a considerar la composicin
o producto de giros de distinto centro,
ya que si tienen el mismo centro ya lo
hemos visto (como una operacin
interna en el conjunto de los giros de
centro O).
Sean los giros G
O,$
y G
O,*
.
Supongamos que ambos ngulos son
positivos.
O
O'
C
r
s
s'
$/2
*/2
($+*)/2
Trazamos la recta que pasa por los puntos OO y la llamamos r. Como el primer giro
tiene amplitud $, trazamos una recta s que forma con la recta r un ngulo $/2. Entonces
el giro G
O,$
se puede descomponer como producto de dos simetras de ejes r y s
respectivamente;
s r O
S S G o =
! ,
De forma anloga trazamos un eje s que forma con el eje r un ngulo */2. Luego
r s O
S S G o
' ,
=
"
Entonces ( ) ( ) ( )
s s s r r s s r r s O O
S S S S S S S S S S G G o o o o o o o o
' ' ' , ,
= = =
! "
Y como la composicin de las simetras de ejes s y s es un giro de centro C y
ngulo $+*, tenemos que la composicin de dos giros de diferente centro es otro giro
con otro centro y ngulo suma de los otros dos.
15/24
4.4. Producto de Simetras Centrales.
A
A'
A''
O O'
Sea la primera simetra central la
semirrecta con origen en O y la segunda
simetra central con origen en O.
Se verifica:
' 2 ' ' 2 ' 2 ' ' ' ' ' '
' ' ' ' '
'
OO O A OA A A AA AA
A O A O
OA OA
= + = + =
+
,
-
# =
# =
Como la imagen de un punto por ambas simetras no depende del punto elegido,
tenemos que el producto de dos simetras centrales de centros O y O es una traslacin
de vector ' 2OO
4.5. Producto de una Traslacin por un Giro.
u
s'
O
O'
$/2
$/2
Sea
u
Tr una traslacin de vector u
r
y
G
O,$
un giro de centro O y ngulo $.
Sea r una recta perpendicular al
vector u
r
que pasa por el centro de Giro
O. Sea s una recta paralela a r, que
verifica que mediante una traslacin de
vector u
r
/2 se transforma en r. Sea s la
recta obtenida a partir de r al aplicarle el
giro de centro O y ngulo $/2..
Entonces podemos descomponer:
s r u
S S T o r =
r s O
S S G o
' ,
=
.
Entonces: ( ) ( )
! ! , ' ' ' , O s s s r r s u O
G S S S S S S T G = = = o o o o o r
Por tanto, la composicin de una traslacin con un giro es otro giro con el mismo
ngulo que el anterior y distinto centro.
4.6. Producto de un Giro por una Traslacin.
Sea G
O,$
un giro de centro O y ngulo $ y
u
Tr una traslacin de vector u
r
.
Descomponemos el giro en producto de las simetras S
r
y S
r
, siendo r una recta
16/24
perpendicular al vector u
r
por el punto
O. Descomponemos la traslacin como
producto de las simetras S
r
y S
r
, cuya
distancia es la mitad del vector u
r
.
r r O
S S G o
' ,
=
!
' ' ' r r u
S S T o r =
Sustituyendo:
! ! , ' ' ' , O r r O u
G S S G T = = o o r
u
O
r
O'
$/2
$/2
r'
r''
El producto de ambas aplicaciones es un giro de centro O y ngulo $.
Podemos observar que el producto de giros y traslaciones no es una operacin
conmutativa, ya que vara el centro de Giro.
5. MOVIMIENTOS.
DEF Llamaremos Movimiento a toda transformacin geomtrica que se puede
descomponer en un nmero finito de simetras. Si el nmero de simetras es par el
movimiento es directo y si es impar diremos que es inverso.
La definicin tiene sentido pues acabamos de ver que las traslaciones y los giros se
pueden expresar como producto de dos simetras axiales. Por tanto, las traslaciones y los
giros son movimientos directos. Igualmente, una simetra central es tambin un
movimiento directo, pues se puede interpretar como un giro de ngulo /.
PROP Todo movimiento directo puede reducirse a un producto de una traslacin por un
giro.
Dem.
Sean dos tringulos ABC y ABC dos tringulos homlogos en el movimiento.
Una traslacin de vector AA transforma el tringulo ABC en el tringulo ABC. Si
ahora aplicamos un giro de centro el punto A y ngulo $ (siendo $ el ngulo formado
por los lados AB y AB) transformamos el tringulo ABC en ABC.
Si el movimiento fuese inverso, tendramos que aadir a la traslacin y al giro una
simetra axial de eje AB.
OBS La descomposicin anterior no es nica ya que podemos encontrar otras con una
reduccin mayor.
TEOREMA. Teorema de Chasles.
Sean A y B dos puntos del plano y A y B sus imgenes por un movimiento.
1) Si los vectores AB y AB no son equipolentes y tienen distinta direccin pero igual
mdulo, el movimiento puede reducirse a un giro.
17/24
2) Si tienen la misma direccin y mdulo, pero no son equipolentes, se reduce a una
simetra central.
3) Si son equipolentes, se reduce a una traslacin.
Dem.
1)
A
B
A'
B'
O
$
Las mediatrices de los segmentos
AB y AB se cortan en un cierto punto
O, que ser invariante por la aplicacin
y centro de un giro de amplitud
)AOA.
2)
A
B
A'
O
B'
En este caso los dos segmentos
determinan univocamente una simetra
central que tendr de centro el punto
medio de AA o de BB.
3)
A
B
A'
B'
En este caso, la aplicacin que
transforma uno en otro es una traslacin
de vector AA.
Como conclusin a todo lo que hemos visto, podemos resumir que:
Todo movimiento directo se puede reducir a una composicin de un nmero par de
simetras axiales, que podemos limitar a dos.
Todo movimiento inverso se puede reducir a una composicin de un nmero impar
de simetras axiales, que podemos limitar a tres.
Las simetras axiales son las transformaciones elementales del grupo de los
movimientos.
Un movimiento sin puntos dobles es una traslacin o una composicin de traslacin
y simetra axial (dependiendo que que existan dos o ms rectas invariantes o slo
una).
Un movimiento con tres puntos invariantes no alineados es la identidad.
Un movimiento (excluyendo la identidad) con al menos dos puntos invariantes es
una simetra axial.
18/24
Un movimiento con un nico punto invariante es un giro o rotacin.
6. TESELACIONES DEL PLANO.
DEF Llamamos Teselacin del plano a una o varias figuras planas que al repetirse con
regularidad pueden llenar el plano.
Los movimientos que se pueden aplicar a la figura o figuras del plano son:
1) Simetras axiales.
2) Traslaciones.
3) Giros.
4) Antitraslaciones o Deslizamientos.
Las aplicaciones de las teselaciones nos las podemos encontrar en los frisos y
mosaicos.
6.1. Frisos.
Los frisos son tambin conocidos con el nombre de cenefas y son figuras donde el
autor utiliza su ingenio geomtrico para crear belleza por medio de la repeticin.
Podemos afirmar que los primeros frisos fueron las hileras de dlmenes prehistricos,
luego los podemos encontrar en las decoraciones de los templos egipcios y griegos, en
las decoraciones textiles romanas, etc. En Espaa los podemos encontrar en su mximo
esplendor en la edificacin musulmana de la Alhambra (Granada).
DEF Sea una cierta figura F y sea S(F) el grupo de simetra de F (S(F)=conjunto de
isometras que dejan invariante F). Diremos que F es un Friso si verifica las dos
condiciones siguientes:
1) Existe una recta r (que puede estar o no dibujada) que indica la accin y
desarrollo del friso y que permanece invariante por todas las isometras de S(F).
2) Existe una traslacin
u
Tr de vector no nulo y paralelo a r que verifica que dada
cualquier otra traslacin
v
Tr que deja invariante el friso, el vector v
r
es un
mltiplo entero de u
r
.
6.1.1. Tipos de Movimientos en los Frisos.
a) Simetras Axiales en Frisos.
Nos podemos encontrar una simetra axial respecto de la recta r, S
r
, y otra simetras
S
r
, siendo r una recta perpendicular a r. Tambin es posible tener ms simetras S
r
,
siendo r rectas paralela a r y situadas a una distancia mitad del vector u
r
o mltiplos
enteros de u
r
.
b) Giros en Frisos.
19/24
Son posibles todos los giros de centro un punto O situado en la recta r y ngulo
180.. Puede existir ms de un giro, pero todos debes de verificar que sus centros se
obtienen como traslacin de vector mltiplo entero de u
r
de uno cualquiera de ellos.
c) Antitraslaciones en Frisos.
Las nicas antitraslaciones posibles son las que se obtienen de multiplicar la
simetra axial de eje r, S
r
, con traslaciones de vector u n
r
2
1
,
u n
T
r
1
1
.
6.1.2. Clasificacin de Frisos.
La clasificacin la vamos a realizar en funcin de los movimientos que se efecten
para la obtencin del Friso.
a) Traslacin.
Disponemos de una figura que desplazamos a la derecha por medio de una
traslacin de vector u
r
.
b) Traslacin y simetra axial de eje paralelo al vector de la traslacin.
A partir de una figura obtenemos el friso por medio de una traslacin de vector u
r
y
sus mltiplos enteros y luego aplicamos una simetra axial. respecto de un determinado
eje paralelo a u
r
.
c) Simetra axial y traslacin de vector perpendicular al eje de la simetra.
Dada una figura, realizamos una simetra de eje r y luego sucesivas traslaciones de
vector u
r
perpendicular al eje de simetra. Aparecen as infinitas simetras obtenidas por
traslacin del eje r segn mltiplos enteros de u
r
.
d) Traslacin y antitraslacin.
20/24
Dada una determinada figura, se realiza una traslacin
u
Tr y una antitraslacin de
vector u n
r
0
1
2
3
4
5
+
2
1
y eje r,
r
u n
S T o
r
0
1
2
3
4
5
+
2
1
.
e) Giro de 180 y traslacin.
Dada una figura, realizamos un giro de centro C situado en una recta r y 180. A
continuacin aplicamos traslaciones de vector mltiplos de u
r
, siendo ste paralelo a la
recta r.
f) Simetra Axial, Giro de 180 y Traslacin.
Se basa en el friso anterior, al que le aadimos una simetra axial de eje r.
g) Giro, Antitraslacin y Traslacin.
Aplicando estos movimientos surgen simetras axiales respecto de ejes verticales,
pero no aparece la simetra axial de eje paralelo al vector u
r
de la traslacin.
6.2. Mosaicos.
Los Mosaicos aparecen al intentar recubrir el plano de forma que no queden
agujeros ni se produzcan solapamientos. A lo largo de la historia se han utilizado unos
pocos diseos geomtricos bsicos. Se piensa que en el viejo Egipto ya conocan de la
existencia de 17 formas de recubrir el plano mediante mosaicos peridicos, y en la
Alhambra de Granada existe una representacin de 17 modelos.
Fue el cristalgrafo ruso Fedorov quien demostr en 1981 que slo hay 17
estructuras bsicas en mosaicos peridicos.
21/24
6.2.1. Tipos de Mosaicos.
a) Mosaicos Regulares.
DEF Son aquellos formados por baldosas iguales con forma de polgono regular. Los
casos que nos podemos encontrar son baldosas con forma de:
Tringulos equilteros.
Cuadrados.
Hexgonos regulares.
Para que estas baldosas recubran completamente el plano, basta con que verifiquen
la siguiente propiedad: Si giramos el polgono regular con centro en uno de sus vrtices
y ngulo igual al ngulo interior del polgono, al cabo de un nmero finito de giros, n,
alcanzamos la posicin inicial, siendo el producto de n por el ngulo de giro igual a
360.
Otra forma de obtener mosaicos es desplazando unas filas con respecto a otras,
siempre que se pueda.
Tambin podemos obtener otros mosaicos sin que verifiquen la propiedad anterior.
Basta con que estn formados por paralelogramos y tringulos issceles con una cierta
equiangularidad o equilateralidad. Son, por ejemplo:
22/24
b) Polgonos Cuasirregulares.
DEF Diremos que un polgono es Cuasirregular si est formado con baldosas iguales
y los polgonos que se forman al unir los puntos medios de sus lados o unir sus centros
determinan nuevos polgonos regulares.
Como ejemplo de obtencin uniendo sus puntos medios tenemos:
c) Mosaicos Semirregulares.
DEF Diremos que un mosaico es semirregular si est compuesto por dos o ms tipos
de polgonos regulares en los que existe un nico tipo de polgono regular obtenido al
unir sus puntos medios.
23/24
DEF Diremos que un mosaico es semirregular si est compuesto por dos o ms tipos
de polgonos regulares en los que su distribucin alrededor de cualquier vrtice del
mosaico es siempre la misma.
Los ocho mosaicos semirregulares que existen son:
d) Mosaicos Pararregulares.
Son mosaicos formados por polgonos no regulares.
e) Mosaicos de Escher.
El matemtico holands Maurits Escher, conocido por sus configuraciones
imposibles, tambin intervino en el proceso de construccin de mosaidos. A partir de
una cierta loseta bsica, realizaba modificaciones pero manteniendo el rea de la misma.
Un ejemplo es el siguiente mosaico, en el que utiliza figuras de animales:
24/24
Bibliografa Recomendada.
Curso de lgebra y Geometra. Aut. Juan de Burgos. Ed. Alhambra Universidad.
Geometra Mtrica y Proyectiva. Aut. Puig Adam.
Matemticas de 4 de E.S.O. Diferentes editoriales.
1/19
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)

TEMA 42

HOMOTECIA Y SEMEJANZA EN EL PLANO.



1. Introduccin.
2. Homotecias en el plano.
2.1. Propiedades de la homotecia en el plano.
2.2. Producto de homotecias.
2.2.1. Producto de homotecias del mismo centro.
2.2.2. Producto de dos homotecias de distinto centro.
3. Semejanza en el plano
3.1. Propiedades de la semejanza.
3.2. Producto de semejanzas.
3.3. Construccin del centro de semejanza directa.
3.4. Ecuaciones de la semejanza.
Bibliografa Recomendada.




2/19
TEMA 42

HOMOTECIA Y SEMEJANZA EN EL PLANO.


1. INTRODUCCIN.

Vamos a indicar algunos teoremas y propiedades de los que haremos uso a lo largo
del tema

Teorema de Thales.

Los segmentos limitados por los puntos de interseccin de varias paralelas en dos
secantes, son proporcionales.

Teorema recproco al de Thales.

Si los segmentos AB y AC son
proporcionales a AB y AC siendo las rectas a y b
paralelas, se verifica que la recta c es paralela a la
b, o bien los puntos A y A coincidentes.
A A'
B
B'
C
C'
a
b
c
r
s

Razn simple de tres puntos.

Dados tres puntos A,B,C de una recta se determina el cociente, AB/AC que se
representa (ABC) de las distancias del primero al segundo y al tercero. A este cociente
se le llama razn simple. Ya que AC=tAB (ABC)=t

Movimientos.

En toda aplicacin biyectiva que conserva la distancia

- Los movimientos transforman rectas en rectas
- Conservan los ngulos.


2. HOMOTECIAS EN EL PLANO.

Definicin.

Sea O un punto del plano y k un nmero real, k 0 ! . Llamaremos homotecia de
centro O y razn k, y la designaremos por H
o,k
a la aplicacin del plano en s mismo que
hace corresponder a cada punto P distinto de O, otro punto P tal que OP=kOP.

Al punto P se le llama homotetico de P y se escribe



3/19

H
o,k
(P)=P

De la definicin se deduce que O, P, P estn alienados.

Si k>0 P y P estn en la misma semirrecta de origen O.

O
P
P'


Si k<0 P y P estn separados por el centro O

P'
O
P


Cuando k=1 OP=-OP es decir P y P coinciden. Por lo tanto la homotecia H
o,k
=I
identidad.

Cuando k=-1 OP=-OP la homotecia es una simetra de centro C.

Proposicin.

a) Si k=1 todos los puntos son invariantes.

b) Si k 1 ! el nico punto invariante es el centro de la homotecia.

c) Las rectas que pasan por el centro de la homotecia son invariantes globalmente.

Demostracin.

a) Si k=1 H
o,k
=I y la identidad mantiene todos los puntos invariantes.

b) Si P es un punto invariante y P es su homotetico tal que P=P " = kOP OP
0 ) 1 ( 0 = # " = # OP k kOP OP y como k 1 ! " OP=0 luego P=0

c) Es inmediata por la definicin de homotecia.

Proposicin.

Sea H
o,k
una homotecia. Entonces se verifica que H
o,k
es una biyeccin.

Demostracin.

Por la definicin tenemos que H
o,k
es una aplicacin. Demostraremos que H
o,k
es
una biyeccin, probando la existencia de una aplicacin inversa de H
o,k
.

Sea
1
,
#
k o
H la homotecia de centro O y razn
1 #
k .

Sea P un punto P 0 ! y probemos que
1
,
#
k o
H o H
o,k
=I




4/19
1
,
#
k o
H (H
o,k
(P))=
1
,
#
k o
H (P)=P

Como H
o,k
(P)=P O,P,P estn alineados y OP=k OP.

Como
1
,
#
k o
H (P)=P O, P,P estn alineados y OP=
1 #
k OP.

Como O, P, P estn alineados y O, P, P estn alineados entonces O,P,P,P estn
alineados entonces O,P,P estn alineados y

OP=
1 #
k OP=
1 #
k kOP=OP $ P=P

y como P es un punto cualquiera del plano, se deduce
1
,
#
k o
H o H
o,k
=I. De forma
anloga se demuestra H
o,k
o
1
,
#
k o
H =I.

Por lo tanto %
1
,
#
k Ho tal que
I H H
I H H
k o
k o
k o
k o
=
=
#
#
,
,
,
,
1
1
o
o
H
o,k
es una biyeccin


2.1. Propiedades de la homotecia en el plano.

Proposicin 1.

La razn de las distancias entre dos puntos homlogos y sus originales es igual a la
razn de la homotecia en valor absoluto.

Demostracin.

Sea P, Q dos puntos cualesquiera del plano P, Q sus transformadas por una
homotecia de centro O y razn k.
Entonces se cumple
OP=kOP OQ=kOQ luego k
OQ
OQ
OP
OP
= =



P
P'
Q
Q'
C
O


Sea C el punto en el que la paralela a OP
trazada por Q corta a la recta PQ. Por el teorema
de Thales se deduce que (QPC)=(QOQ)

Utilizando las propiedades de las razones
simples (PCQ)=(OQQ)=k es decir

k
OQ
OQ
PQ
PC
= =

k
PQ
PC
=

Pero como PCQP es un paralelogramo ya que PQ//PQ (por el reciproco del
teorema de Thales) y PP//CQ por construccin resulta que PC=PQ



5/19

Luego k
PQ
Q P
=

o k
Q P d
Q P d
=
) , (
) , (


Proposicin 2.

Si P, Q son dos puntos del plano y P, Q son sus homlogos es una transformacin
H en el plano tal que PQ=k PQ, entonces H es una homotecia si k 1 ! y una traslacin
si k=1.

Demostracin.

Si k=1 PQ=PQ y como los segmentos PQ y PQ son paralelos y

1
) , (
) , (
QQ PP
Q P d
Q P d
= " =

lo cual indica que H es una traslacin del vector PP.

Si k 1 ! PP no es paralela a QQ y por lo tanto se cortan en un punto que llamamos O.

Como PQ=k PQ tenemos que k
Q P d
Q P d
=
) , (
) , (
y como los puntos O, P, P y O, Q,
Q estn alineados la transformacin es una homotecia de centro O y razn k.

Proposicin 3.

Las homotecias transforman puntos alineados en puntos alineados.

Demostracin.

En efecto. Sean P, Q, R tres puntos alineados y sean P, Q, y R sus homlogos
mediante H
o,k
. Se trata de demostrar que P, Q y R estn alineados.

De acuerdo con la Proposicin 1 se tiene:

PQ= PQ k Pr= PR k QR= QR k

Si P, Q y R estn alineados, uno de los tres puntos estar situado entre los dos
restantes. Sea por ejemplo Q&PR. Entonces se tiene:

PR=PQ+QR

Luego QR k PQ k QR PQ k PR k + = + = ) ( esto es PR=PQ+QR

Con esto queda demostrado no solo que P, Q, y R forman una recta, sino que
adems, si Q esta entre P y R, Q esta entre P y R. Es decir las homotecias trans forman
rectas en rectas y conservan la posicin relativa de los puntos.



6/19

Nota. Cuando decimos que las homotecias forman rectas en rectas queremos decir
que transforman puntos de una recta en puntos de una recta ya que una homotecia es
una aplicacin entre puntos.

Proposicin 4.

Las homotecias transforman rectas paralelas en rectas paralelas.

Demostracin.

Sea H
o,k
una homotecia, sean P y Q los puntos que determinan la recta y P, Q sus
transformadas por H
o,k
. Se trata de demostrar que la recta PQ es paralela a la recta
PQ.

a) Q&OP. Como por la definicin de homotecia O,P,P estn alineado y O,Q,Q
tambin. Tenemos que P,Q&PQ. Entonces las rectas PQ y PQ, son paralelas, porque
coinciden.
b) Q'OP. Como OP=k OP y OQ=k OQ, tenemos que k
OP
OP
OQ
OQ
= =

y por el
reciproco del teorema de Thales se tiene que las rectas PQ y PQ son paralelas.

Proposicin 5.

Los homotecios transforman puntos no alineados en puntos no alineados.

Demostracion.

Si P,Q,R no estan alineados, debera tenerse que:

QR PQ PR + < QR PQ PR # >

Sean P,Q y R los transformados por la homotecia H
o,k
entonces se tiene que:

PR K R P = PQ K Q P = QR K R Q = (Prop1)

Como K >0, multiplicando las desigualdades por K

QR K PQ K PR K + < QR K PQ K PR K # >

luego R Q Q P R P + < R Q Q P R P # > esto es P,R y Q no estan alineados.


Proposicin 6.

Las homotecias transforman segmentos en segmentos.




7/19
Demostracion.

Como consecuencia de la proposicin 3.

Proposicin 7.

Las homotecias transforman triangulos en triangulos semejantes.

Demostracion.

(Dos tringulos son semejantes si tienen sus ngulos homlogos iguales y sus lados
correspondientes proporcionales).

Sea ABC un triangulo y sean A= H
o,k
(A), B= H
o,k
(B), y C= H
o,k
(C). Se trata de
demostrar que ABC es un triangulo semejante al ABC.

Por la proposicion 5 A,B,C no alineados " A,B,C no alineados.

luego ABC constituyen un triangulo.

Por la proposicion 1 se tiene que

AB= K AB BC= K BC AC= K AC.

luego los triangulos ABC y ABC tienen sus lados proporcionales. Bastara por tanto
demostrar que tienen sus angulos homologos iguales.

Consideremos, por ejemplo, el angulo CAB.

A'
A
B
B'
C'
C
O
B"
C"


Trazando por C una recta paralela a la AA se obtiene en su interseccion con AC, el
punto C tal que AC=AC.

Del mismo modo, en la semirecta de origen A que contiene a B existe un punto B
tal que AB=AB Por lo tanto se tiene

K
AB
B A
AB
AB
K
AC
C A
AC
AC
= =
= =




Luego K
AB
AB
AC
AC
= =





8/19

Esto nos indica que B y C son las transformaciones respectivas de B y C, en la
homotecia de cnetro A y razon K , luego por la proposicion 1 se tiene:


C B BC K C B K
BC
C B
= = $ =

Por tanto, los triangulos ABC y ABC son iguales por tener sus lados iguales:

AB=AB y AC=AC por construccion y

BC=BCsegn hemos visto en .

Luego ABC y ABC tendran sus angulos correspondientes, respectivamente
iguales. En particular
BAC=BAC.

Pero la eleccion de B y Cse tiene que BAC=BAC.

Analogamente probariamos la igualdad de los otros angulos. Con lo que queda
demostrado que los homotecios tranforman triangulos en triangulos semejantes.

Proposicin 8.

Los homotecios transforman circunferencias en circunferencias.

Demostracion.

Sea una circunferencia de centro C y radio r. Su transformada por una homotecia de
centro O y razon k es otra circunferencia de centro C=Ho,k(C) y radio r= K r, pues se
verifica que

d(C,P) K d(C,P)
O
P
P'
r
r'
C C'


KOC OC
KOP OP
=
=

K
OC
OC
OP
OP
= =

Por la propiedad 1 K
CP
P C
=




Proposicin 9.

Dadas dos circunferencias cualesquiera siempre hay dos homotecias, una de razon
k>0 y otra de razon k<0, respecto de los cuales las dos circunferencias son
homoteticas.



9/19
Demostracin.

P
P'
r'
r
C C'
P"
O' O


Sean las circunferencias de radios r y r y centros C y C, tracemos sobre la primera
circunferencia un radio CP y sobre la segunda, los radios opuestos CP y CP
paralelos a CP.

Las rectas PP y CC se cortan en el punto O, que es el cnetro de una homotecia de
razon k>0 que transforma la primera circunferencia en la segunda ya que:

K
OC
OC
OP
OP
= =

siendo K>0 la razon de la homotecia.

Las rectas que determinan CC y PP se cortan en el punto O, que es el centro de
la homotecia de razon K<0, K=-K que transforma la primera circunferencia en la
segunda. En efecto

K
C O
C O
P O
P O
= = siendo K la razon. K=-K ya que K
CP
P C
CP
P C
K # =
#
=



Proposicin 10.

Sean AB, CD dos segmentos paralelos distintos, no situados en la misma recta.
Entonces existen dos homotecios h
1
y h
2
que transforman AB en CD.

Demostracin.

Sean O=AC(BD y O=AD(BC.
Demostramos que la homotecia de centro O y
razon
OA
OC
k = transforma AB en CD. Para ello
teniendo en cuenta las propiedades anteriores, bastara
demostrar que H
o,k
(A)=C H
o,k
(B)=D.
A
B
C D
O'
O


Sea H
o,k
(A)=A por definicin de H
o,k
, O, A, A estan alineados y verifican

C A OC OA
OA
OC
k
OA
OA
= " = $ = =

luego H
o,k
(A)=C

Sea H
o,k
(B)=B " O, B, B estan alineados
D B OD OB
OB
OD
OA
OC
k
OB
OB
= " = " = = =

Luego H
o,k
(B)=D



10/19
Demostraremos ahora que la homotecia de centro O y razon
B O
C O
k

= transforman
AB en CD, para ello probaremos que H
o,k
(A)=D y H
o,k
(B)=C

Sea H
o,k
(A)=A y O, A, A estan alineados y cumplen que

D A D O A O
A O
C O
k
A O
A O
= " = " = =

luego H
o,k
(A)=D

De forma anloga H
o,k
(B)=C

Por tanto existen dos homotecias que transforman el segmento AB en el CD

Proposicin 11.

Sean AB y CD dos segmentos de la misma recta y tales que AC ! BD. Entonces se
verifica que existe una unica homotecia que transforman AB en CD.

Demostracin.

Supongamos que exista la homotecia y sea O su centro. Entonces

H
o,k
(A)=C y H
o,k
(B)=D " k
OB
OD
OA
OC
= =

De acuerdo con las propiedades de las proporciones


DB
CA
BO DO
AO CO
BO
AO
BO DB
AO CA
DO
CO
BO
AO
DO
BO
CO
AO
=
+
+
= "
+
+
= = " =

Por lo tanto se tiene
BD
AC
OB
OA
DB
CA
BO
AO
= " =

Como AC ! BD 1 ! "
BD
AC
Sea
BD
AC
=k

Por tanto kBO AO k
BO
AO
= $ =
Es decir, O es unico. La homotecia es pues una homotecia de centro O y razon
OC
OA


2.2 Producto de homotecias.

2.2.1. Producto de homotecias del mismo centro.

El producto de dos homotecias del mismo centro es otra homotecia del mismo
centro y de razon el producto de las razones de las homotecias.




11/19
Demostracin.

Sean H
o,k1
y H
o,k2
dos homotecias. Si P es un punto del plano, H
o,k1
(P)=P y
H
o
,
k2
(P)=P se cumple OP= k
1
OP OP= k
2
OP

Luego OP= k
2
OP= k
2
k
1
OP"P es el transformado de P por una homotecia de
centro O y razon k
1
k
2
. Luego H
o, k2
H
o, k1
=H
o, k1 k2
.

Proposicin.

La inversa de H
o,k
es H
o,1/k
.

Demostracin.

Si P y P son puntos homoteticos tendremos

k OP
OP
k
OP
OP 1

= $ = H
o,k
H
o,1/k
=H
o,1


Consecuencia: el conjunto de las homtecias de centro un punto dado, con el
producto definido forma un grupo abeliano.

2.2.2 Producto de dos homotecias de distinto centro.

El producto de dos homotecias de distinto centro es otra homotecia cuyo centro esta
alineado con los anteriores y cuya razon es el producto de las razones de las homotecias
dadas.

Demostracin.

Sean H
o1,k1
y H
o2,k2
, dos homotecias.
O
3
P'
P
O
1
O
2
Q
Q'
P"
Q"



Consideremos los puntos P y Q del plano, que se transforman por H
o1,k1
en P, Q.
Estos ultimos se transforman a su vez en A, B por H
o2,k2
.

Se verifica que:




12/19
)
)
*
)
)
+
,
= = =
= = =
2
2
2
2
2
1
1
1
1
1

k
Q P
Q P
Q O
Q O
P O
P O
k
PQ
Q P
Q O
Q O
P O
P O

2 1

k k
PQ
Q P
- = "

que define una homotecia de razon
2 1
k k - .

Como la recta O
1
O
2
es homologa a las dos homotecias, tambien lo sera a su
producto y por tanto estara en ella el centro O
3
de la homotecia producto.

Luego H
o2
,k
2
H
o1,k1
= H
o3,k1k2
.

Si k
1
k
2
=1. la homotecia es una traslacin.

2.3 Ecuaciones de la homotecia.

Sea R= { } j i O
r r
, , un sistema de referencia ortonormal del plano.

i
j
O
O'(a,b)
P'(x',y')
P(x,y)


Consideramos la homotecia H
o,k
con centro O(a,b) y razn k que transforma P(x,y)
en P(x,y)
OP=k OP

OP=OO+OP=OO+k OP

Sustituyendo sus componentes queda

(x,y)=(a,b)+k(x-a,y-b)

*
+
,
# + =
# + =
) ( '
) ( '
b y k b y
a x k a x
o bien
*
+
,
# + =
# + =
b k ky y
a k kx x
) 1 ( '
) 1 ( '

Que son las ecuaciones de la homotecia con centro O(a,b) y razon k. Si aadimos
1=1 se puede escribir en forma matricial.




13/19
(1,x,y)= ( )
.
.
.
/
0
1
1
1
2
3
# #
k
k
b k b k
y x
0 0
0 0
) 1 ( ) 1 ( 1
1

3 SEMEJANZA EN EL PLANO

Definicin.

Se llama semjanza en el plano a toda aplicacin del plano en si mismo, que puede
descomponer en producto de una homotecia por un movimiento o de un movimiento por
una homotecia.

Si el movimiento es directo, la semejanza se llama directa y si el movimiento es
inverso, la semejanza se llama inversa.

En particular, si consideramosn la homotecia identidad. Las semejanzas son
movimientos.

3.1 Propiedades de las semejanzas.

Proposicin 1.

La razon de las longitudes de dos segmentos homologos es una semejanza es
constante. A esa constante le llamaremos razon de semejanza.

Demostracin.

Consideremos una semejanzas S igual al producto de una homotecia H
o,k
y de un
movimiento M, es decir, S=mo H
o,k
.

Sea A y B dos puntos del plano cuyas transformadas por la homotecia son A y B,
y que se transforman a su vez en A, B por el movimiento M.

Se verifica entonces que:

AB=AB y AB=k AB de donde

k
B A d
B A d
B A D k B A d AB k B A = " = " - =
) , (
) , (
) , ( ) , (

siendo k la razon de la homotecia, k es la razon de la semejanza.
Nota: Cuando se habla de razon de semejanza se supone k>0.



Proposicin 2.




14/19
Las semejanzas transforman puntos alineados en puntos alineados y como
consecuencia rectas en rectas.

Demostracin.

Sean A, B, C tres puntos alineados, para los puntos semejantes tenemos que aplicar
una homotecia y un movimiento. Como la homotecia y el movimiento conservan la
alineacin, los puntos semejantes estan alineados.

Proposicin 3.

Las semejanzas transforman angulos en angulos iguales, del mismo sentido si la
semejanza es directa y de sentido contrario si esinversa.

Demostracion.

Las homotecias conservan angulos y el sentido, por lo tanto, si la semejanza es
directa, el movimiento es directo y conserva angulos y sentido. Si la semejanza es
inversa, el movimiento tambien y cambia el sentido de los angulos.

Observacin.

Teniendo en cuenta las propiedades anteriores se dice que dos figuras son
semejantes cuando tienen los angulos correspondientes iguales y los lados homologos
proporcionales.

3.2 Producto de semejanzas

Proposicin.

El producto de dos semejanzas de razones k
1
, y k
2
es otra semejanza de razn
2 1
k k - .

Demostracin.

En efecto, sean A, B dos puntos del plano que se transforman en A, B
respectivamente, por una semejanza de razn k
1
y sean A, B las transformadas de
A, B por la semejanza de razon k
2
.

Se verifica que

*
+
,
=
=
) , ( ) , (
) , ( ) , (
2
1
B A d k B A d
B A d k B A d
) , ( ) , (
1 2
B A d k k B A d = "

lo que indica que el producto de semejanzas de razon
2 1
k k - .



Proposicin.



15/19

Existe el elemento inverso de una semejanza.

Demostracin.

Supongamos que S es igual al producto de una homotecia H por un movimiento M,
es decir S=MH. Tanto H como M tienen inversos
1 #
H y
1 #
M y por tanto
1 1 # #
M H o
existe. Veremos que
1 1 1 # # #
= S M H o

I H H H I H H M M H S S
I M M M I M M H H M S S
= = =
= = =
# # # # #
# # # # #
o o o o o o o
o o o o o o o
1 1 1 1 1
1 1 1 1 1
) ( ) (
) ( ) (


Conclusin: el conjunto de las semejanzas del plano, con el producto definido,
forman un grupo no conmutativo.

El grupo se llama equiforme porque las semejanzas conservan la forma de las
figuras.

El conjunto de las emejanzas directas es un subgrupo del anterior, no asi el de las
semejanzas inversas ya que el producto de dos semejanzas inversas es un directa.

Teorema fundamental de la semejanza.

Existe una unica semejanza que transforma un triangulo en otro semejante a el.

Demostracin
A
B
C
P
x
B
C'
A'
B
1
B
2
C
1
C
2
4
4


Existencia.

Sea el triangulo ABC, semejante al A,B,C, es decir, ambos triangulos tienen sus
angulos respectivamente iguales y sus lados proporcionales.

La traslacin
' AA
t de vector AA, transforma el triangulo ABC en el triangulo
AB
1
C
1
, por tanto



16/19

ABC 55
' AA
t 56 A B
1
C
1


El giro de centro A y ngulo orientado B
1
AB
2
de semirrecta origen AB
1
y de
semirrecta extremo AB, transforma
B
1
en B
2
.

Luego el triangulo AB
1
C
1
, 55 ) B A' ' (
2 1
B A G 56 AB
2
C
2
,

En la composicin G(A)o
' AA
t

ABC A'B
1
C
1
A'B
2
C
2
G(A',B
1
A'B
2
)
o
t
AA'
G(A',B
1
A'B
2
) t
AA'


Puede ocurrir que en el G(A,B,AB
2
), la semirrecta A C
2
coincida cona la AC
(como indica en la figura), o bien estas dos semirrectas pudieran ser simtricas respecto
de la AB. En este ultimo caso es necesario aplicar al AB
2
C
2
una simetra axial de eje
AB con lo que se obtendra un AB
2
C
3
igual al AB
2
C
2
que tendra el angulo B
2
AC
2

coincidiendo como ocurre en nuestro caso, con el BAC.

Situados ya los dos triangulos.

1 caso ABC y AB
2
C
2
.

2 caso ABC y AB
2
C
3
.

con estos dos angulos coincidiendo, esto es

1 caso ABC coincidiria con AB
2
C
2
.

2 caso ABC coincidiria con AB
2
C
3
.

se tiene que la proporcionalidad
1 caso

2 2
C A
C A
B A
B A
=

2 caso

3 2
C A
C A
B A
B A
=

Existe por tanto en ambos caso una homotecia de centro A y razon k (la obtenida
anteriormente) que nos transforma el triangulo.

AB
2
C
2
. 556 ABC

o bien AB
2
C
3
. 55H(A ' ' '
3
C A C A )56 ABC



17/19
La transformacin producto

H(A,k) o G(A,4) o
' AA
t transforma el triangulo ABC en el ABC

y como los movimientos y las homotecias son semejantes, el producto de dos
semejanzas es una semejanza. Luego existe una semejanza que transforma el triangulo
ABC en el ABC.

Unicidad ( por reduccin al absurdo)

Supongamos que existiesen dos semejanzas f y g que nos transforman el triangulo
ABC en ABC.

Sea x un punto cualquiera, que tendra

f(x)=x
g(x)=x.

La recta BX corta a AC en un punto P y sean

" ) (
' ) (
P P g
P P f
=
=
se verifica que


C P
B P
PC
PB
=

ya que la semejanza conserva las razones simples (PBC)=(PBC)

Anlogamente



C P
B P
PC
PB
= por ser (PBC)=(PBC)

luego es evidente (PBC) (PBC)




= " =
C P
B P
C P
B P


Lo cual obliga por las propiedades de las razones simples P 7P

Del mismo modo

(XAP)=(X,A,P)


P X
A X
XP
XA
= "

(XAP)=(X,A,P)


P X
A X
XP
XA
= "

por tanto (XAP)=(XAP) X X 7 "

luego la semejanza es nica.







18/19
3.3 Construccion del centro de semejanza directa.

En el producto de un giro por una homotecia es interesante determinar o hallar el
punto O que sea a la vez centro de giro y centro de homotecia, que transforma un
segundo AB en otro AB siendo estos segmentos directamente semejantes.

B
A
P
B'
A'
O
8
9

Prolongar AB hasta que corte la recta AB al
segmento AB en un punto P.

Construir

-La circunferencia 9 que pasa por P, A y A

-La circunferencia 8 que pasa por P, B y B

El segundo punto de interseccin de 9 con 8, el
O, es el buscado.

En efecto

Deberan ser iguales OAB=OAB siendo A y B los transformados de los A y B.

Sobre la circunferencia 8, OAB abarca el OP en 9 y OAB abarca tambien el OP,
luego OAB=OAB

Tambien puede verificarse que OBA=OBA

En efecto
)
*
)
+
,
= +
= +
o
180 P OB' PBO en y
180 ' ' '
!
o
P OB O B A
" ABO=PBO

El angulo PBO, sobre 8 abarca el arco PO (que contiene B)

El angulo OBA, sobre 8 abarca el arco PO

Luego PBO=OBA por tanto OBA=PBO=OBA OBA=OBA


3.4 Ecuaciones de la semejanza

Como semejanza se puede descomponer en una homotecia y un movimiento o
viceversa, las ecuaciones se obtienen aplicando en cada caso las ecuaciones
correspondientes del movimiento y de la homotecia.

Veamos el caso en que la semejanza S se puede descomponer en producto de una
homotecia Ho,k de centro O(a,b) y razon k, y una traslacin Tu de vector (a,b), es
decir S=Tu o Ho,k

Sea A(x,y) un punto que se trans forma en A(x,y) mediante la homotecia y este en
A(x,y) por la traslacin.




19/19
Entonces se obtiene

aplicando Ho,k
*
+
,
# + =
# + =
) ( '
) ( '
b y k b y
a x k a x


y si aplicamos T
u

*
+
,
+ # + = + =
+ # + = + =
' ) ( ' ' "
' ) ( ' ' "
b b y k b b y y
a a x k a a x x
o bien

:
;
<
+ # + =
+ # + =
' ) 1 ( "
' ) 1 ( "
b b k ky y
a a k kx x


que son las ecuaciones de la semejanza dada. Si aadimos 1=1 se puede expresar en
forma matricial
.
.
.
/
0
1
1
1
2
3
+ # + #
=
k
k
b b k a a k
y x y x
0 0
0 0
) 1 ( ) 1 ( 1
) 1 ( ) " , " , 1 (






Bibliografa Recomendada.

Puig Adam, P. Curso de Geometra Mtrica. Ed.Biblioteca Matemtica.

Queysannne, H y Revuz,A. Geometra. Ed.C.E.C.S.A.

Tuduri, Fortuni, Jovellanos. Matemticas COU

Angel Primo Martnez. Matemticas COU. Ed.S.M.




1/10
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 43
PROYECCIONES EN EL PLANO. MAPAS. PLANISFERIOS TERRESTRES:
PRINCIPALES SISTEMAS DE REPRESENTACIN.
1. Introduccin.
2. Conceptos Elementales.
3. Proyecciones en el Plano.
3.1. Clasificacin de las Proyecciones Geomtricas.
3.1.1. Proyecciones Cilndricas.
3.1.2. Proyecciones Cnicas.
3.1.3. Proyecciones Acimutales o Cenitales.
3.2. Tipos de Proyecciones.
4. Mapas.
4.1. Indicatriz de Tissot.
4.2. Clases de Mapas.
5. Planisferios Terrestres: Sistemas de Representacin.
5.1. La Proyeccin de Mercator.
5.2. La Proyeccin de Gauss.
5.3. La Proyeccin de Gall.
5.4. La Proyeccin de Lambert.
5.5. La Proyeccin Estereogrfica Polar.



2/10
TEMA 43
PROYECCIONES EN EL PLANO. MAPAS. PLANISFERIOS TERRESTRES:
PRINCIPALES SISTEMAS DE REPRESENTACIN.
1. INTRODUCCIN.
Para representar la Tierra de forma exacta, al ser una superficie esfrica, slo
podemos conseguirlo mediante otra esfera o un globo. Estos elementos han sido
instrumentos habituales desde que se supo que la Tierra era esfrica. Aun as presentan
un problema y es su manejabilidad. Si son pequeos se pueden manejar con facilidad
pero no son capaces de representar detalles ms o menos importantes. Si son grandes
ganamos en representacin de detalles pero perdemos la posibilidad de manejarlos.
Por lo tanto, resulta necesario representar las superficies esfricas sobre un plano.
Pero esto no es posible salvo que permitamos a la superficie esfrica que se deforme o
se rompa. Entonces slo conseguimos su representacin de modo aproximado.
A lo largo de la historia reciente se han desarrollado diferentes sistemas de
representacin de superficies esfricas en el plano. Todos estos sistemas se basan en el
concepto de proyeccin, y dan lugar a distintos tipos de proyecciones cartogrficas.
2. CONCEPTOS ELEMENTALES.
DEF La Cartografa es la parte de la Ciencia que se dedica al trazado, estudio e
interpretacin de los mapas.
DEF Llamaremos Mapa a la representacin en el plano y a menor tamao de la
superficie terrestre, ya sea toda o una parte.
DEF La Escala es la relacin entre la imagen representada en el Mapa y su tamao
verdadero.
DEF El Eje de la Tierra es una lnea imaginaria que cruza el planeta de Norte a Sur,
siendo el eje de revolucin del planeta.
DEF El Ecuador es la circunferencia mxima de la Tierra, equidistante de ambos
polos y perpendicular al eje de la Tierra. Divide al planeta en dos mitades, llamadas
Hemisferios. Su radio es de 6378 km. y su longitud de 40.076 km.
DEF Los Trpicos son otras circunferencias paralelas al ecuador. En el hemisferio
norte est el Trpico de Cncer y en el hemisferio sur el Trpico de Capricornio.
Tomando como referencia el centro de la Tierra, estn a 2327 del ecuador y 2327
respectivamente.
DEF Llamaremos Meridianos a las semicircunferencias con origen en el Polo Norte y
final en el Polo Sur.



3/10
DEF Los Paralelos son circunferencias paralelas al ecuador. La separacin entre ellos
es constante y determinan un ngulo esfrico recto con los meridianos.
Para determinar un punto sobre la superficie de la Tierra, primero hemos de
determinar un origen para las mediciones. Al ser una superficie, daremos dos
coordenadas, una respecto de un Meridiano y otra respecto de un paralelo. El meridiano
origen ser el ecuador. Como paralelo origen consideraremos aquel que pasa por la
poblacin inglesa de Greenwich. Las coordenadas sern los ngulos que forman el
meridiano y el paralelo que pasan por el punto respecto de las lneas de origen.
DEF La Longitud de un lugar es el ngulo que forma el meridiano que pasa por ese
sitio con respecto al meridiano de Greenwich. La distancia se mide de 0 a 180. y
puede ser hacia el este, E, o hacia el Oeste, W.
DEF La Latitud de un lugar es el ngulo que forma el meridiano que pasa por ese sitio
con respecto al Ecuador. Se mide de 0 a 90 y puede ser hacia el Norte o hacia el Sur.
3. PROYECCIONES EN EL PLANO.
Ya hemos comentado en la introduccin del tema que la forma de representar una
superficie esfrica era sobre un plano, aunque no reflejara fielmente la realidad. Las
diferentes representaciones de la Tierra se basan en proyectar su superficie directamente
sobre un plano o sobre otras figuras geomtricas que se puedan desarrollar de forma
sencilla sobre el plano. Las figuras habituales sern el cilindro, el cono o directamente
un plano tangencial a la superficie esfrica. Una vez realizada la proyeccin sobre la
figura geomtrica auxiliar extenderemos sta sobre el plano, cortndola previamente a
lo largo de una generatriz.
Cada punto de la esfera terrestre lo tenemos determinado por medio de dos
coordenadas, que son la longitud y la latitud. Al ser ngulos, las vamos a expresar en
radianes. Entonces, cualquier punto de la Tierra viene determinado por un par de
nmeros reales (L,M) verificando que:
( ) ] ( ) A M L =
!
!
"
#
$ %
&
'
(
$ ) ! !
! !
,
2
.
2
,
DEF Sea !
2
un plano eucldeo. . Llamaremos Proyeccin a una aplicacin p:A*!
2
de tal forma que existe un abierto D+A no vaco y conexo verificando que p:D*p(D)
es un homeomorfismo. El conjunto D es el dominio de valores de las coordenadas
geogrficas de la porcin D de la esfera terrestre S que se desea representar.
A veces, por abuso de lenguaje, se llama proyeccin a la aplicacin p:D*p(D),
donde p(D) es el trozo del plano donde se va a representar la porcin de esfera
seleccionada. Este trozo del plano ser una unin de grafos de restricciones de p a
puntos y lneas de D, a los que se les aadirn smbolos convencionales, nombres,
coloraciones, etc.



4/10
3.1. Clasificacin de las Proyecciones Geomtricas.
Desde el punto de vista matemtico son interesantes las proyecciones geomtricas.
stas las podemos clasificar en funcin del modo en el que se obtienen, o lo que es lo
mismo, teniendo en cuenta la figura geomtrica en la que se apoyan para realizar la
proyeccin.
3.1.1. Proyecciones Cilndricas.
Son proyecciones que se realizan sobre un cilindro,
cuyo eje pasa por el centro de la Esfera. Posteriormente
se desarrolla la superficie del cilindro, obtenindose un
plano. Las nicas condiciones son que el centro de la
proyeccin ha de coincidir con el de la esfera y el radio
del cilindro debe ser menor o igual que el de la esfera.
De ah que el cilindro sea tangencial a la esfera o la
atraviese.
Como caractersticas de estas proyecciones,
podemos decir que los paralelos de la esfera se
convierten en lneas horizontales y los meridianos en
lneas verticales.
Debido a que los paralelos cortan a los meridianos a distancias iguales, y esas
distancias se conservan por la proyeccin, estas lneas determinan en el plano un
sistema de rectngulos.
Teniendo en cuenta que una esfera, en este caso la Tierra, no tiene una
representacin perfecta en un plano, toda proyeccin presenta limitaciones. En el caso
de la proyeccin cilndrica, tenemos que en el plano la superficie de las zonas
representadas crece a medida que nos separamos de los puntos de contacto entre la
esfera y el cilindro.
Este tipo de proyecciones se aplica de forma habitual en la representacin de zonas
prximas al ecuador o de regiones a las cuales el cilindro no es normal.
Como caso particular de este tipo de proyecciones tenemos las llamadas
Proyecciones Planas, en las cuales el cilindro corta al mapa en el centro segn los
crculos paralelos. Se aplica fundamentalmente para representar trozos de superficie
pequeos. Aunque sabemos que no conservan las reas, al ser porciones pequeas, las
deformaciones estn dentro de unos lmites aceptables.
3.1.2. Proyecciones cnicas.
Las proyecciones cnicas son las que se realizan utilizando como figura geomtrica
un cono. Al desarrollar el cono se obtiene el mapa. El centro de proyeccin es el punto
medio de la esfera.



5/10
Como caractersticas fundamentales de
este tipo de proyecciones tenemos que los
paralelos son circunferencias paralelas a la
base del cono y los meridianos son
generatrices del cono. Al desarrollar el cono,
estas lneas se convierten en lneas circulares y
lneas radiales, respectivamente.
La aplicacin ms importante es la
confeccin de atlas, dado que la proyeccin
tiene facilidad para dividirse en secciones,
cada una de las cuales ser una hoja del atlas.
Existen diferentes variantes de esta proyeccin, que son:
a) Proyeccin Cnica Simple.
b) Proyeccin Cnica con dos paralelos Base.
c) Proyeccin Cnica Equivalente.
d) Proyeccin Policnica.
3.1.3. Proyecciones Acimutales o cenitales.
Son aquellas en las que la
proyeccin se realiza sobre un plano
tangente en algn punto de la esfera
terrestre. El centro de proyeccin
coincide con el centro de la esfera o con
el punto diametralmente opuesto al
punto de contacto. El mapa que
obtenemos est concebido
concentricamente alrededor del punto
de contacto.
Como caractersticas principales de estas proyecciones tenemos:
Los crculos mximos que pasan por el punto de contacto de la esfera con el plano
se proyectan en lneas rectas, y su acimut es verdadero. Recordemos que el acimut
es el ngulo que forma el meridiano con el crculo vertical que pasa por un punto de
la superficie terrestre.
Todas las reas situadas a la misma distancia del punto de contacto presentan la
misma deformacin.
Los puntos de la esfera equidistantes del punto de contacto verifican que sus
proyecciones tambin son equidistantes de dicho punto.



6/10
En funcin de cmo se produzca el contacto del plano de tangencia con la esfera,
tenemos distintas proyecciones acimutales.
Proyeccin Polar. El contacto se produce en el polo de la esfera.
Proyeccin Ecuatorial. El punto de contacto es algn punto del ecuador.
Proyeccin Transversal. El punto de contacto es cualquier otro.
Proyeccin Estereogrfica: El punto de mira est situado en la superficie de la
Tierra, justamente en las antpodas del punto de contacto.
Un cierto tipo especial de proyecciones acimutales son las que no poseen punto de
contacto o tangencia entre el plano y la esfera. Podemos destacar varios tipos:
Proyeccin Ortogrfica: La proyeccin se realiza mediante rayos paralelos a un
plano perpendicular a los mismos. El punto de mira se situara en el infinito.
Proyeccin Gnomnica: Proyectamos sobre un plano desde el centro de la esfera,
pudiendo estar dicho plano a cierta distancia de la Tierra. Los mrgenes del mapa
aparecen aumentados, por lo que no es posible representar un hemisferio completo.
3.2. Tipos de Proyecciones.
Sabiendo que p:D*p(D) es una aplicacin, podemos considerar los siguientes tipos
de proyecciones.
a) Proyecciones Conformes.
Son las que conservan los ngulos, pero no las reas. Son tiles en aquellas
aplicaciones en las que la conservacin de los ngulos y direcciones es primordial,
como puede ser en la navegacin. Las proyecciones geomtricas son conformes.
b) Proyecciones Equivalentes.
Son las proyecciones que conservan las reas pero no los ngulos. Las figuras
proyectadas quedan deformadas, principalmente en los bordes de la zona representada.
Entre sus aplicaciones nos encontramos que sirven para poner de relieve la distribucin
de productos en los estudios econmicos o industriales.
c) Proyecciones Afilcticas.
Desde el punto de vista matemtico, la igualdad de superficie y la igualdad de
ngulos constituyen propiedades de las proyecciones muy dignas de tenerse en cuenta.
Desde el punto de vista prctico, ambas propiedades no se pueden dar a la vez (salvo en
la propia esfera). Por tanto, el cartgrafo prefiere proyecciones intermedias entre las
equivalentes y las conformes, de tal forma que no se alteren en modo excesivo la forma
ni el tamao. Este tipo de proyecciones reciben el nombre de proyecciones afilcticas o
hbridas. Podemos destacar la proyeccin equidistante, en la cual los paralelos son
equidistantes y los meridianos son ortogonales a los paralelos.



7/10
4. MAPAS.
DEF Llamaremos Mapa a la proyeccin de un dominio abierto y conexo de una esfera
sobre un plano. Esta esfera ser habitualmente la esfera terrestre. En Mapas
astronmicos ser la esfera celeste.
DEF Llamaremos Escala de un mapa a la razn entre la distancia de dos puntos de un
mapa y la distancia de sus respectivas antiimgenes sobre la esfera terrestre.
Como no existe ninguna isometra de un dominio abierto y conexo de la esfera en un
dominio del plano (no existen proyecciones que sean a la vez conformes y equivalentes)
las escalas slo pueden ser locales.
La escala se puede indicar en un mapa de diferentes formas:
a) Escala Numrica.
Establece la relacin entre las distancias mediante una razn o fraccin. As nos
podemos encontrar con 1:100.000 lo cual significa que dos puntos separados por 1 cm
en el mapa realmente se encuentran a una distancia de 100.000 cm en la esfera terrestre.
b) Escala Grfica.
La relacin entre las distancias se representa por medio de una escala graduada.
c) Escala centmetro por kilmetro.
Esta escala permite disminuir el nmero de ceros en la escala numrica. La razn
expresa el nmero de kilmetros en la esfera terrestre por cada centmetro del mapa.
4.1. Indicatriz de Tissot.
Para poder apreciar la deformacin producida por una proyeccin utilizamos la
Indicatriz de Tissot. Consiste en una elipse obtenida como proyeccin de una
circunferencia de la esfera terrestre. Las deformaciones que produce la aplicacin
utilizada son concretadas por la longitud y la orientacin de los ejes de la elipse. Si la
circunferencia que proyectamos es de radio unidad, entonces los semiejes de la
indicatriz designan las escalas locales mxima y mnima. Ms concretamente, si a y b
son los semiejes de la elipse y a"b tenemos que a es la escala mxima y b es la mnima.
Adems tambin nos determina las diferentes alteraciones que produce la proyeccin.
As, tenemos que:
Las alteraciones lineales correspondientes son a-1 y b-1.
La alteracin de superficie es !(ab-1).
La alteracin local de ngulos se mide por transportacin de un ngulo central
de la circunferencia y aumenta con la excentricidad de la indicatriz.
Aplicando la indicatriz de Tissot a algunas de las proyecciones que ya hemos
estudiado, se verifica que:



8/10
Proyecciones Conformes: Son circunferencias de radios distintos.
Proyecciones Equivalentes: Son elipses de superficie constante y excentricidad
variable.
Proyecciones Afilcticas: Son elipses de superficie variable en las proyecciones
equidistantes. En este caso, los valores de las alteraciones o deformaciones se
reducen a la mitad, aproximadamente, en comparacin con las anteriores.
4.2. Clases de Mapas.
Los mapas que nos podemos encontrar los podemos clasificar en tres tipos:
a) Mapas Celestes.
Tambin llamados mapas astronomicos. Representan la esfera celeste, es decir,
como es la distribucin de estrellas. Tambin pueden representar otros objetos como
planetas, satlites, cometas, etc.
b) Mapas Marinos.
Tambin conocidos con el nombre de Cartas Marinas. Existen de dos clases:
Tenemos los que nos muestran diferentes accidentes fsicos del mar, salinidad,
corrientes, profundidad, etc. y aquellas que se usan para navegar, en las que aparecen
todos los datos necesarios para la navegacin. Entre estos datos tenemos los accidentes
costeros, faros, boyas, etc.
c) Mapas Terrestres.
Los mapas terrestres son una representacin de todo o parte de la superficie de la
esfera terrestre.
Segn los temas o detalles que aparezcan, tenemos distintas clases:
Mapas Geogrficos. Tratan de representar la superficie terrestre de la forma ms
exacta posible, incluyendo todos sus aspectos.
Mapas Fsicos: Representan fundamentalmente los accidentes fsicos de la
superficie terrestre. Los podemos subdividir en hidrogrficos, sismotectnicos,
geolgicos , orogrficos, etc.
Mapas Biolgicos: Se representan datos relativos a la distribucin de animales o
plantas.
Mapas de Trfico: Representan carreteras, lneas frreas, de navegacin, de
telecomunicaciones, etc.
Mapas Polticos: Se representan los diferentes pases, regiones, provincias,
capitales o ciudades, etc.
Mapas Estadsticos: Representan datos de poblacin economa, industria,
comercio y otros.



9/10
5. PLANISFERIOS TERRESTRES: SISTEMAS DE REPRESENTACIN.
Llamamos planisferios terrestres a la representacin en el plano de la esfera terrestre
completa. Teniendo en cuenta las distintas proyecciones vistas al principio del tema,
veamos ahora algunas de las representaciones en el plano de la esfera terrestre.
5.1. La Proyeccin de Mercator.
Esta proyeccin aparece para mejorar la proyeccin cilndrica, pretendiendo
conservar la exactitud angular. Sobre una esfera de radio R se tiene:
&
'
(
,
-
.
/
/
0
1
!
!
"
#
/
0
1
!
"
#
+ =
2 4
, ) , (
L
Tg Log R M R M L p
!
siendo la escala local k = Sec L
Por abuso de lenguaje se llaman meridianos y paralelos a las respectivas
proyecciones de estas lneas de la esfera. En esta proyeccin tenemos que los
meridianos son rectas paralelas y equidistantes, y los paralelos son rectas
perpendiculares a los meridianos. El intervalo de separacin entre dos paralelos
consecutivos es funcin de la latitud, y verifica la condicin de conformidad.
Las curvas que forman ngulo constante con los meridianos reciben el nombre de
Loxdromas, y en esta proyeccin se representan mediante rectas. Debido a esta
caracterstica, esta proyeccin es muy utilizada para la representacin de cartas de
navegacin.
Como inconvenientes de esta proyeccin nos encontramos que los polos no pueden
ser representados ya que al ser los meridianos paralelos entre s no se cortan. Sabemos
que en la esfera los paralelos son ms cortos a medida que se aproximan a los polos
siendo su longitud proporcional al coseno de la latitud. Como en la proyeccin Mercator
los paralelos disponen todos de la misma longitud, tenemos entonces que stos han sido
aumentados proporcionalmente al seno de la latitud, expresada en grados.
5.2. Proyeccin de Gauss.
La proyeccin de Gauss es otro caso particular de proyeccin cilndrica. Sobre una
esfera de radio R tenemos definida la proyeccin como:
( ) ( )
&
'
(
,
-
.
/
0
1
!
"
#
$
+
= M L R
M L
M L
Log
R
M L p sen tg arctg ,
sen cos 1
sen cos 1
2
) , (
La escala local es
M L
k
2 2
sen cos 1
1
$
=
La proyeccin de Gauss verifica que el ecuador y el meridiano central son rectas
ortogonales. El resto de meridianos y paralelos son curvas trascendentes ortogonales
entre s.



10/10
5.3. La Proyeccin de Gall.
Esta es una proyeccin cilndrica, donde el cilindro corta a la esfera en los paralelos
45 N. y 45 S. Los meridianos son rectas verticales, verificando que la distancia no
presenta ninguna deformacin en los paralelos nombrados. Los paralelos son rectas
horizontales, no mantenindose invariante la distancia entre ellos. En las zonas
ecuatoriales las reas son menores que las reales y en las zonas polares son mayores
(siempre teniendo en cuenta la escala).
5.4. La Proyeccin de Lambert.
La proyeccin de Lambert es una proyeccin Cnica. Dado un paralelo L
0
que
tomaremos como origen, tenemos que la imagen en coordenadas polares de un punto de
la esfera son:
( ) L $ =
=
0 0 0
0
sen
sen
L L e r r
L M #
donde r
0
es el radio de las imgenes de los puntos del paralelo L=L
0
y L es la funcin
de Mercator:
/
/
0
1
!
!
"
#
/
0
1
!
"
#
+ =
2 4
tg ln ) (
L
L
!
L
La escala local es
2
2
2
1
R
y
k + =
Los meridianos son rectas concurrentes que determinan ngulos proporcionales a la
longitud. Los paralelos son arcos de circunferencias concntricas, siendo su centro el
punto de interseccin de los meridianos. Los radios de dichos arcos verifican la
condicin de conformidad.
5.5. Proyeccin Estereogrfica Polar.
Para una esfera de radio R, las coordenadas polares del punto imagen vienen dados
por:
/
0
1
!
"
#
$ =
=
2 4
tg 2
L
R r
M
!
#
y la escala es
2
2 2
2
2
4
1
4
1
R
y x
R
r
k
+
+ = + =
La proyeccin estereogrfica es una proyeccin acimutal o cenital conforme en la
que el punto del que parten los rayos proyectantes se encuentra en una posicin
diametralmente opuesta al punto de contacto del plano tangente con el globo; en ella, la
distancia entre meridianos y paralelos contiguos aumenta desde el centro hasta los
mrgenes del mapa; se utiliza mucho para la confeccin de mapas de las zonas polares.



1/14
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 44
SEMEJANZAS Y MOVIMIENTOS EN EL ESPACIO
1. Generalidades.
2. Movimientos de E
3
.
3. Aplicacin lineal asociada a un movimiento.
4. Caracterizacin del movimiento.
5. Movimientos con algn punto doble.
6. Movimientos sin puntos dobles.
6.1. La traslacin
6.2. Composicin de simetra especular y traslacin.
6.3. Composicin de giro y traslacin.
6.4. Composicin de simetras especulares.
6.5. Composicin de giros.
6.6. Composicin de simetras axiales.
6.7. Resumen
7. Homotecias.
8. Semejanzas.



2/14
TEMA 44
SEMEJANZAS Y MOVIMIENTOS EN EL ESPACIO
1. GENERALIDADES.
Suponemos construido el espacio vectorial de los vectores libre del espacio
3
V .
DEF Llamaremos espacio afn ordinario a una terna formada por un conjunto
3
E (el
conjunto de puntos del espacio), el espacio vectorial
3
V y una aplicacin:
: !
AB n B A
V E E
= !
! "
) , (
3 3
(el vector libre de representante de AB)
tal que se verifique: 1) ), , ( ) , ( ) , ( C A C B B A ! ! ! = + esto es AC+AB=AC
#A,B,C$E
3
2) Fijado A, la aplicacin
n AB B
V E
A
= !
!

:
3 3
!
es biyectiva.
DEF Si sobre
3
V hay definido un producto escalar, entonces
3
V se dice que es el
espacio vectorial eucldeo de los vectores libres del espacio
3
E (por abuso del lenguaje)
el espacio afn eucldeo ordinario.
Dicho producto escalar permite introducir la distancia:
AB AB AB B A d % = = ) , (
y los ngulos, a travs de:
AC AB
AC AB
AC AB
%
%
= ) , cos(
2. MOVIMIENTOS DE E
3
.
DEF Se llama movimiento a toda aplicacin biyectiva
3 3
: E E f ! que conserve la
distancia, esto es si A=f(A), B=f(B) se verifica:
d(A,B)=d(A,B)=d(f(A),f(B)).
Con esta definicin se verifica que
PROP Los movimientos transforman puntos alineados en puntos alineados y en el
mismo orden.
Dem



3/14
En efecto, dados A,B,C puntos alineados, uno de ellos pertenece al suplemento
formado por los otros dos (p. ej. B entre A y C) luego
d(A,B)+d(B,C)=d(A,C)
Tambin ser: d(A,B)+d(B,C)=d(A,C)
luego A,B,C alineados y B entre A y C.
COROLARIO
Con ello resulta obvio que los movimientos transforman rectas en rectas y tambin
planos en planos (puesto que un plano esta determinado por 3 puntos no alineados)
PROP Los movimientos conservan los ngulos.
Dem
Si el ngulo " esta determinado por 2 semirrectas OA y OB los puntos O,A,B
formaran un tringulo (si no es trivial) y sus transformados O, A, B tambin.
En el primero se tiene: " cos ) ( ) ( 2 ) ( ) ( ) , (
2 2 2
OB d OA d OB d OA d B A d ! + =
y en el segmento: cos ) ( ) ( 2 ) ( ) ( ) , (
2 2 2
" B O d A O d B O d A O d B A d ! + =
y por la igualdad de distancias " "=
3. APLICACIN LINEAL ASOCIADA A UN MOVIMIENTO.
DEF Dado un movimiento f, definiremos:

:
3 3
B A AB
V V
!
! !
siendo A=f(A) B=f(B).
PROP La aplicacin ! esta bien definida, pues si AB&CD tambin es AB &CD
Dem.
Si A,B,C,D estn alineados, sus transformados tambin y en el mismo orden y como
se conservan la distancia
AB&CD' AB &CD
Si AB y CD estn situados en lneas paralelas, determinarn un paralelogramo, y sus
transformadas verifican (al conservarse distancias y ngulos por f)
d(A,B)=d(C,D), d(A,D)=d(B,C), d (A,C)d=(B,D),



4/14
luego A,B,C,D
determinan tambin un paralelogramo AB (CD
La aplicacin ! es lineal, pues eligiendo representantes adecuadas:
) ( ) ( ) ( ) ( BC AB C B B A C A AC BC AB ! ! ! ! + = + = = = +
luego ) ( ) ( ) ( v u v u ! ! ! + = +
3
, V v u $ #
) ( ) ( AB B A AB "! " " ! = % = % R E B A $ # $ # " , ,
3
luego ) ( ) ( u u "! " ! =
3
, V u R $ # $ #"
la aplicacin ! es biyectiva (por tanto un endomorfismo biyectivo =automorfismo de
3
V )
Dem.
Pues por ser endomorfismo, basta probar que { } o Ker = !
entonces si B A B A d B A d O B A AB = ' = = ' = = ) , ( 0 ) , ( ) ( ! y por tanto AB=O
4. CARACTERIZACION DEL MOVIMIENTO
Si { }
3 2 1
, , , u u u O es una referencia ortonormal de
3
E se tiene que
3
E x $ # , X=f(x)
3
E $ y OX=OO+OX=OO+ ) (OX ! .
Como los componentes de OX en la referencia son las coordenadas de X=f(x)
f(x)=f(O)+ !(OX)
Si llamamos
)
)
)
*
+
,
,
,
-
.
=
3
2
1
x
x
x
X ,
)
)
)
*
+
,
,
,
-
.
=

3
2
1
x
x
x
X ,
)
)
)
*
+
,
,
,
-
.
=
3
2
1
) (
a
a
a
o f y
)
)
)
*
+
,
,
,
-
.
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
M
La matriz de ! en la base de la referencia:
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
+
)
)
)
*
+
,
,
,
-
.
=
)
)
)
*
+
,
,
,
-
.
3
2
1
33 32 31
23 22 21
13 12 11
3
2
1
3
2
1

x
x
x
a a a
a a a
a a a
a
a
a
x
x
x
Ecuacin del movimiento en la referencia considerada.



5/14
Hasta ahora nada distingue estas ecuaciones de las ecuaciones de una transformacin
afn a cualquiera, pero ! tiene una particularidad: conserva el producto escalar, pues:
=
/ / +
=
/ / +
= %
4
) ( ) (
4
) ( ) ( ) ( ) (
) ( ) (
2 2 2 2
v u v u v u v u
v u
! ! ! ! ! !
! !
v u
v u v u
% =
/ / +
=
4
2 2
3
, V v u $ #
Entonces: u M u % = ) ( ! (notacin matricial)
v M v % = ) ( ! (natacin matricial)
y como el producto escalar de dos vectores (en base ortonormal) ) , , (
3 2 1
u u u ,
) , , (
3 2 1
v v v es:
3 3 2 2 1 1
3
2
1
3 2 1
) , , ( v u v u v u
v
v
v
u u u + + =
)
)
)
*
+
,
,
,
-
.
se tiene: I M M M v u M v u Mv Mu
T T T T T
= % ' % = % = ) ( ) ( ) )( (
y tambin I M M
T
= % , luego M es un matriz ortogonal.
De aqu: 1 det 1 det det = ' = % M M M
T
Aquellos movimientos en los que la aplicacin lineal asociada tiene una matriz con
determinante igual a 1, la llamaremos movimientos directos y los movimientos que lo
tienen igual a 1, movimientos inversos o pseudomovimientos.
Vamos a estudiar los movimientos, clasificndolos en primer lugar en dos grupos: los
que tienen algn punto doble y los que no.
5. MOVIMIENTOS CON ALGN PUNTO DOBLE.
Tomando una referencia ortonormal R= { }
3 2 1
, , , u u u O las ecuaciones de movimiento
quedaran, en dicha referencia (al tener al menos un punto doble, tomamos como tal al
O=f(o)
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
=
)
)
)
*
+
,
,
,
-
.
3
2
1
33 32 31
23 22 21
13 12 11
3
2
1

x
x
x
a a a
a a a
a a a
x
x
x
,
con lo que es totalmente anlogo en este caso estudiar ! que el movimiento f.



6/14
Estudiaremos ahora los vectores invariantes por !:
Un vector u
r
invariante por !, cumplir: !( u
r
)=u
r
=I u
r
luego (!-I)( u
r
)= O
r
, y como !-I es tambin una aplicacin lineal estudiar los vectores
invariantes por ! equivale a hallar Ker(!-I). Pueden suceder 3 casos:
a) dim ker( !-I)=3, y en este caso todos los vectores serian invariantes, luego todos
los puntos serian dobles. El movimientos es la identidad.
b) dim Ker(!-I)=2. en este caso hay un subespecie V (plano vectorial) de vectores
invariantes, luego el plano # determinado por A y V es todo de puntos dobles.
u
1
=0(u
1
)
0(u
3
)
u
2
=0(u
2
)
u
3
Elijamos ahora una referencia mejor:
{ }
3 2 1
, , , u u u A donde
2 1
, u u son una base
ortonormal de V y
3
u un vector
3
u normal
al plano, de modulo 1 y bien orientado.
Entonces
3 3
2 2
1 1
) (
) (
) (
u u
u u
u u
=
=
=
!
!
!
(recuerda que se conserva el producto escalar) como no puede ser
3 3
) ( u u = ! entonces
3 3
) ( u u / = ! .
La matriz de f seria
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
/
=
)
)
)
*
+
,
,
,
-
.
3
2
1
3
2
1
1 0 0
0 1 0
0 0 1

x
x
x
x
x
x
,
y el movimiento se llama simetra especular, o simetra respecto al plano A+V= #.
Obviamente es un movimiento inverso pues detM=-1 (adems invierte el sentido de
la referencia)
c) dim ker( !-I)=1. En este caso hay un subespacio V (resta vectorial de vectores
invariantes), y la recta A+V=r es toda de puntos dobles.
u
1
=0(u
1
)
0(u
3
)
0(u
2
)
u
3
u
2
1
Tomemos una referencia { }
3 2 1
, , , u u u A donde
1
u es un vector director normal de la recta V,
3 2
, u u dos vectores que sean ortogonales entre s
y ortogonales
1
u de mdulo A.
Cualquier combinacin lineal de
2
u y
3
u es ortogonal a
1
u , luego tambin sern
) (
2
u ! y ) (
3
u ! ortogonales a ) (
1 1
u u ! = .



7/14
0 ) ( ) (
1 ) ( ) (

) (
) (
3 2
2 2
2
3
2 2
2
2
3 2 3
3 2 2
= + =
= + = = + =
2
3
4
+ =
+ =
bd ac u u
d c u b a u
du cu u
bu au u
! !
! !
!
!
de aqu
3 2 3
3 2 2
) (
) (
au bu u
bu au u
+ / =
+ =
!
!
1
2 2
= + b a
tomando # $ 2 0 < 5 tal que cos6=a seria sen6=b
y la matriz de f es
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
/
=
)
)
)
*
+
,
,
,
-
.
3
2
1
3
2
1
cos 0
cos 0
0 0 1

x
x
x
sen
sen
x
x
x
$ $
$ $
el movimientos es un giro de eje r y amplitud 6. Se trata de un movimiento directo.
d) dim Ker(!-I)=0. En este caso hay vectores invariantes. Sea X
3
V $ no nulo y
consideremos la simetra
#
S respecto al plano bisectriz del ngulo determinado por X y
!(X). El movimiento
#
S o!(X) (hemos identificado el movimiento con su aplicacin
lineal asociada). Verifica
#
S o!(X)=X, luego dim ker(
#
S o!-I) 1 7
si fuese la dimensin igual a 2, entonces
#
S o!=
#
S y de aqu:
#
S o
#
S o!=
#
S o
#
S
# #
! S S o = ' .
y ! seria un giro, contradiccin pues ! no tiene puntos dobles. Luego:
dim Ker((
#
S o!-I)=1
Entonces
#
S o! es un giro que se puede escribir como comparacin de dos simetras
respecto a planos ,# # . De donde
# # #
! S S S o o = (todos estos movimientos son
inversos).
De todos estos movimientos el ms interesante es la simetra central de centro A. En
este movimientos, ! verifica:
3 3
2 2
1 1
) (
) (
) (
u u
u u
u u
/ =
/ =
/ =
!
!
!
y las ecuaciones
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
/
/
/
=
)
)
)
*
+
,
,
,
-
.
3
2
1
3
2
1
1 0 0
0 1 0
0 0 1

x
x
x
x
x
x
Es evidentemente un movimiento inverso.



8/14
6. MOVIMIENTOS SIN PUNTOS DOBLES
Estudiaremos en primer lugar un movimiento especial.
6.1 La traslacin
DEF Se llama traslacin a todo movimiento en el que la aplicacin lineal asociada es
la identidad.
Sus ecuaciones serian, en una referencia ortonormal { }
3 2 1
, , , u u u O
)
)
)
*
+
,
,
,
-
.
+
)
)
)
*
+
,
,
,
-
.
=
)
)
)
*
+
,
,
,
-
.
3
2
1
3
2
1
3
2
1

x
x
x
a
a
a
x
x
x
OBS Obviamente la traslacin queda definida cuando se conoce la imagen de un
punto, por ejemplo O, pues entonces
OX=OO+OX=OO+!(OX)=OO+OX'OX-OX=XX=OO
DEF Entonces tambin puede definirse la traslacin de vector u
r
como el movimiento
que transforma x en x siendo xx=u
r
.
PROP Todo movimiento f puede considerarse como una composicin de un
movimiento f con un punto doble O seguido de una traslacin de vector OO
(O=f(O)).
Dem.
Consideramos f como el movimiento con un punto fijo O, y aplicacin lineal
asociada l aplicacin ! asociada a f.
Entonces en una referencia A= { }
3 2 1
, , , u u u O las ecuaciones de f son:
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
=
)
)
)
*
+
,
,
,
-
.
3
2
1
33 32 31
23 22 21
13 12 11
3
2
1

x
x
x
a a a
a a a
a a a
x
x
x
la traslacin
OO
t tiene R= { }
3 2 1
, , , u u u O las ecuaciones
)
)
)
*
+
,
,
,
-
.
+
)
)
)
*
+
,
,
,
-
.
=
)
)
)
*
+
,
,
,
-
.

3
2
1
3
2
1
3
2
1
x
x
x
a
a
a
x
x
x
) (
3
2
1
O f
a
a
a
=
)
)
)
*
+
,
,
,
-
.
y evidentemente f=

f t
OO
o .
Esto nos simplifica la tarea, pues basta estudiar las composiciones de los
movimientos anteriores con traslaciones para tener estudiadas todos los movimientos.



9/14
6.2 Composicin de simetra especular y traslacin.
Probaremos que, en este caso, el movimiento se puede reducir a la composicin de
una simetra respecto a un plano 8 y una traslacin de vector u paralelo a la direccin de
8.
El vector de la traslacin u
r
se puede descomponer de forma nica como u
r
=u
r
+u
r

donde u
r
es paralelo a la direccin de 8 y u
r
paralelo a la direccin perpendicular a 8.
As la traslacin de vector u
r
/2 transforma la simetra especular S
8
en una simetra
S
8
(8 plano paralelo a 8 resultante de la traslacin). Seguidamente la traslacin de
vector u
r
completa el movimiento.

# # S t S t
u u
o o = es un movimiento inverso y
adems la composicin es conmutativa.
6.3. Composicin de giro y traslacin
Probaremos que, en este caso, el movimiento se reduce a un giro de cierto eje, que
determinaremos, y traslacin de vector paralelo a la direccin del eje de giro.
El vector u
r
de la traslacin se descompone igualmente como
1
u
r
+ u
r
(u
r
de la
direccin de e,
1
u
r
de la direccin perpendicular.) la traslacin
2 /
1
u
t transforma el giro de
eje e, en otro giro de eje e (paralelo de e) y la misma amplitud y seguidamente la
traslacin de vector u
r
completa el movimiento ) , ( ) , (

" " e G t e G t
u u
o o = .
Es un movimiento directo, y recibe el nombre especial de movimiento helicoidal.
Igualmente la composicin es conmutativa.
6.4 Composicin de simetras especulares.
A) De planos paralelos.

X
M
X'
M'
X"
8
8'
Si llamamos M a la proyeccin de X sobre 8 y
M la proyeccin de X sobre 8, se tiene que
XX=2MM, luego la comparacin de
M
S S o
#
es
una traslacin de vector 2MM.



10/14
B) De planos secantes.
e
8'
8
M
X
X"
X'
En este caso los planos 8 y 8 se cortaran en una recta e, y
determinaran un ngulo diedro % .
Si por x y
n
x trazamos perpendiculares al eje e, se cortaran en
un punto M, ang(MX,MX)=2% , siendo su orientacin la
determinada por la composicin (de 8 a 8).
) 2 , (

%
#
l o G S S
M
= .
Reciproco.
Recprocamente, toda traslacin de vector u
r
puede escribirse como una composicin
de simetras respecto a planos paralelos (los planos sern perpendiculares a la direccin
u
r
, y distaran entre si
2
u
r
).
Igualmente, todo giro de eje e y amplitud " puede escribirse como una composicin
de simetras respecto a planos secantes en e. En este caso uno de los planos puede
fijarse a voluntad. El otro, formara con el anterior un diedro de ngulo
2
"
, en el sentido
de la composicin.
OBS SIMETRAS AXIALES. Son giros de ngulo 8, y por lo anterior, basta
determinarlas como composicin de simetras respecto a planos perpendiculares.
6.5 Composicin de giros.
A) Del mismo eje.
En este caso es trivial que ) , ( ) , ( ) , ( & " " & + = l l o l G G G
B) De ejes paralelos.
Si ) , ( " l G y ) , ( & l G son los giros en cuestin, como podemos elegir uno de los
planos que por composicin determinan los giros, tomaremos el plano 8 que contiene a
l y l .



11/14
e"
e
e'
8
8'
8"
1/2
9/2
1+9/2
:
Hallamos ahora planos 8 y 8 tales que:
# #
" S S G o l

) , ( =

) , (
# #
& S S G o l =
= =

) , ( ) , (
# # # #
& " S S S S G G o o o l o l
;
;
;
<
;
;
;
=
>
= =
paralelos son
" y ' si Traslacin * *
e" en cortan se " y ' si
) 2 , ( *
# #
# #
%
# #
l
o
G
S S
) 2 , ( % l G si 8 y 8 se cortan en l . ) ( 2
2
& " %
& "
# % + / = '
+
/ =
(**) Esto ocurrir cuando # & " k 2 = + siendo k entero.
B) De ejes que se cortan.
En este caso la composicin es un movimiento directo trivialmente con un punto
doble, el de corte, y sabemos que si esto es as debe haber una recta de puntos dobles. El
movimientos resultante (de enorme complejidad) es un giro, como eje es una recta que
pasa por el punto de corte.
C) De ejes que se cruzan.
En este caso trazando la perpendicular PP, y aplicar una traslacin de vector PP con
lo que el giro de eje l y ngulo " se transformara en otro giro de eje l (paralelo a l )
y el mismo ngulo. La composicin de los giros de ejes l y l es otro giro. El
movimiento resultante es composicin de un giro y una traslacin. Es un movimiento
helicoidal.
Es fcil sin embargo determinar la composicin de las simetras asociadas (giros de
180) cuando los ejes se cortan o se cruzan.
6.6 Composicin de simetras axiales.
A) De ejes que se cortan.
En este caso, si las simetras axiales son de eje r y r y se cortan podemos determinar



12/14
1
8"
8'
e
r'
8
r
# #
# #
S S S
S S S
r
r
o
o

=
=
= =
# # # #
S S S S S S
r r
o o o o
) 2 , (

"
# #
l o G S S = =
l es la perpendicular comn a las dos rectas por el punto de corte, " ngulo de r y r.
(en ese orden).
B) De ejes que se cruzan.
Basta trazar planos 8 y 8 que contengan respectivamente a r y r y paralelos. 8 y 8
son perpendiculares a 8 y 8 que contienen respectivamente a r y r. Luego el
movimiento es composicin de una traslacin y un giro. (movimiento helicoidal).
En efecto
= = =

) ( ) ( ) (
# # # # # # # #
S S S S S S S S S S
r r
o o o o o o o
) 2 , ( ...
2 2 2
"
# # # #
l o o o o
l l l
G T S S T S T S = = =
6.7. Resumen.
De todo lo dicho resulta que:
Las simetras a un plano son las transformaciones fundamentales puesto que
cualquier movimiento pueda reducirse a una composicin de ellas.
Resultara el siguiente cuadro resumen:
Movimientos directos Movimientos inversos
No hay
puntos fijos
Traslacin o movimiento
helicoidal (gira + traslacin)
Simetra + traslacin (composicin
de 3 simetras especulares)
Un punto
fijo
No hay
Composicin de tres simetras
especulares (los planos se cortan en
un punto)
Una recta de
puntos fijos
Giro No hay
Un plano de
puntos fijos
No hay
Simetra respecto a un plano o sin
especular
Todo el
espacio de
puntos fijos
Identidad No hay



13/14
7. HOMOTECIAS.
DEF Se llama homotecia de centro C y razn k a la aplicacin
H(c,k):
A A
E E
B B
!
!
tal que CA= CA k % .
Si k>0 la homotecia se llama directa, y en caso contrario inversa. Obviamente no son
movimientos salvo si 1 = k , pero trivialmente transforman rectas de la misma direccin
y plano en plano de la misma direccin. Luego conserva los ngulos.
Ecuaciones
En la referencia ortonormal { }
3 2 1
, , , u u u O , sea ) , , (
3 2 1
x x x X ) , , (
3 2 1
x x x X su
transformada por la homotecia.
Entonces OX k OC k OX OC OX k OC OX CX k CX % + / = ' / = / ' % = ) 1 ( ) ( .
luego si ) , , (
3 2 1
c c c C queda:
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
+
)
)
)
*
+
,
,
,
-
.
=
)
)
)
*
+
,
,
,
-
.
?
)
)
)
*
+
,
,
,
-
.
+
)
)
)
*
+
,
,
,
-
.
/
/
/
=
)
)
)
*
+
,
,
,
-
.
3
2
1
3
2
1
3
2
1
3
2
1
3
2
1
3
2
1
16 0 0
0 0
0 0

) 1 (
) 1 (
) 1 (

x
x
x
k
k
c
c
c
x
x
x
kx
kx
kx
k c
k c
k c
x
x
x
Producto de homotecias.
a) Del mismo centro.
Sean H(C,
1
k ), H(C,
2
k ) dos homotecias del mismo centro:

) , ( ) , (
2 1
x x x
k C H k C H
@ @ @ ! @ @ @ @ ! @ CX k k CX CX k CX CX k CX % = ' % = % =
2 1 2 1
,
luego H(C,
2
k ) o H(C,
1
k ) en otra homotecia de centro C y razn
2 1
k k % .
b) De distinto centro.
Probaremos que el producto de dos homotecias de distinto centro es otra homotecia
cuyo centro esta alineado con los centros de las homotecias dadas, y su razn el
producto de las razones de ambas, o bien una traslacin de vector paralelo a la lnea de
centros.
Sea X el transformado de X por H(C,
1
k ) CX k CX % = ?
1
y X el transformado
de X por H(C,
2
k )
2
X C k X C % = ? .
Se tiene:



14/14
X'
C C'
C
1
X"
X
= + + = + + = % + = + = CX k k C C k C C CX C C k C C X C k C C X C C C X C
1 2 2 1 2 1 2 1 1 1
) (
X C k k CC k k CC k C C X C X C CC k k C C k C C
1 1 2 1 1 2 2 1 1 1 1 1 2 2 1
) ( ) ( % + + + = ' + + + (*)
Como
1
X C y X C
1
tiene la misma direccin, y la expresin entre parmetros la
direccin de CC, en el caso que sean independientes ser O CC k k C C k C C = + +
1 1 2 2 1

y X C k k X C
1 1 2 1
= (homotecia de centro
1
C y razn
2 1
k k ).
1
C esta relacionado con C y C por la igualdad:
2 1
1 2
1
1
) 1 (

k k
CC k k
C C
/
/
= pues O C C CC k k C C k C C = + + + ) (
1 2 1 2 1
) 1 ( ) 1 (
1 2 2 1 1
CC k k k k C C / = / 1
2 1
A k k
Si 1
2 1
= k k , de (*) se deduce que X C CC C C k C C X C
1 1 2 1 1
) ( + + + = .
X
C
1
X"
Traslacin de vector:
) 1 (
2 1 2 1
CC k CC C C k C C / = + + .
Todava puede simplificarse mas pero es tedioso.
8. SEMEJANZAS.
Se llama semejanza de razn k a toda comparacin de homotecia de razn k y un
movimiento.
Igualmente puede definirse semejanza de razn k como la aplicacin
B B
E E f ! :
tal que d(f(A),f(B))=kd(A,B).
Las propiedades de las semejanzas se deducen trivialmente de las de las homotecias
y de los movimientos



1/22
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 46
COORDENADAS DEL PLANO Y DEL ESPACIO
1. Coordenadas cartesianas en el plano
2. Cambio de sistemas de coordenadas.
2.1. Traslacin de ejes
2.2. Giro de ejes
2.3. Movimiento de ejes coordenados
3. Coordenadas polares.
3.1. Paso de coordenadas cartesianas a polares.
4. Ecuaciones de curvas en el plano.
4.1. Curvas en coordenadas cartesianas explcitas.
4.2. Curvas en forma paramtrica.
4.2.1. Circunferencia.
4.2.2. Cicloides
4.2.3. Hipocicloides.
4.3. Curvas en coordenadas polares.
4.3.1. Ecuacin de la recta
4.3.2. Ecuacin de la circunferencia.
4.3.3. Estrofoide.
4.4. Curvas en forma cartesiana implcita.
4.4.1. Ejemplos de curvas en implcitas
4.4.1.1. Circunferencia
4.4.1.2. Estrofoide
4.4.1.3. Lemniscata.
5. Coordenadas en el espacio.
5.1. Coordenadas cartesianas.
5.2. Coordenadas polares.
5.3. Coordenadas esfricas.
5.4. Coordenadas cilndricas.
6. Curvas en el espacio.
6.1. Representacin paramtrica.
6.2. Como interseccin de superficies.
7. Superficies en el espacio.
7.1. Ejemplos de superficies.
7.1.1. Esfera.
7.1.2. Cudricas.
7.1.3. Superficies regladas.
7.1.4. Superficies de revolucin.
Bibliografa Recomendada.



2/22
TEMA 46
COORDENADAS DEL PLANO Y DEL ESPACIO
1. COORDENADAS CARTESIANAS EN EL PLANO.
Se trata en este primer apartado de conseguir un sistema de representacin para los
puntos de un plano, as como para los diversos subconjuntos de puntos de dicho plano
que reciben habitualmente el nombre genrico de curvas planas.
Para ello, un primer mtodo es el denominado de coordenadas cartesianas. Dado un
plano determinado, consideremos en l un conjunto de dos rectas que se cortan en un
punto O, que llamaremos origen y sobre cada una de las rectas un punto que
denominaremos punto unidad.
El punto O y el punto unidad en cada recta
(definidos en la figura como u
1
y u
2
), que no
tienen por qu estar a la misma distancia de O,
determinan sobre cada recta un sistema de
abscisas. Sobre cada recta, todo punto P
determina un segmento OP. El cociente entre la
distancia OP y la distancia Ou
1
se denomina
abscisa del punto P en ese sistema (colocando el
signo + a ese cociente si P est en la recta de
forma que u
1
est entre 0 y P, y el signo si 0
est entre u
1
y P.
El sistema formado por las dos rectas, el punto O y los puntos u
1
y u
2
se suele
denominar sistema de ejes cartesianos. Definido este sistema, vamos a establecer una
correspondencia biunvoca entre los puntos del plano y los pares de nmeros reales.
Supongamos para ello el punto P
1
del plano y tracemos por dicho punto una paralela
a cada eje de coordenadas. Cada paralela cortar a cada eje en un punto, denominado A
1
y A
2
respectivamente.
Como
1 1 1
Ou x OA = y
2 2 2
Ou x OA = los puntos A
1
y A
2
determinan dos nmeros
reales x
1
y x
2
. Decimos que el par (x
1
, x
2
) son las coordenadas del punto P
1
en el sistema
de coordenadas dado. Por la construccin de los puntos A
1
y A
2
se observa fcilmente
que los nmeros x
1
y x
2
son nicos, dado P
1
y el sistema de coordenadas (por los
axiomas de la geometra).
Recprocamente, los nmeros (x
1
, x
2
) determinan, dado el sistema coordenado, de
forma nica los puntos A
1
y A
2
. Trazando por ellos rectas paralelas a los ejes de
coordenadas, el punto interseccin de ambas es nico, y se llama afijo del par (x
1
, x
2
).
Establecida as la correspondencia biunvoca vemos que el origen O se corresponde
con el par (0, 0). A los puntos del eje OX
1
(denominado eje de abscisas), le
corresponden pares de la forma (x
1
, 0) y a los puntos del eje OX
2
(denominado eje de
coordenadas), le corresponden pares de la forma (0, x
2
).



3/22
El punto u(1, 1) se dice que es el punto unidad del sistema.
Como casos particulares de los sistemas de coordenadas cartesianas tenemos:
a) Los ejes de coordenadas son rectas perpendiculares y los puntos unidad de cada
eje estn a distancias distintas de 0. Decimos que tenemos un sistema ortogonal
de coordenadas.
b) Los ejes de coordenadas son perpendiculares y los puntos unidad de cada eje
estn a la misma distancia de 0. Estamos ante un sistema ortonormal de
coordenadas.
En cualquier caso, los puntos P(x
1
, x
2
) tales que:
!
"
#
$
%
&
>
>
0
0
2
1
x
x
se dice que forman el primer cuadrante
!
"
#
$
%
&
>
<
0
0
2
1
x
x
forman el segundo cuadrante
!
"
#
$
%
&
<
<
0
0
2
1
x
x
forman el tercer cuadrante
!
"
#
$
%
&
<
>
0
0
2
1
x
x
forman el cuarto cuadrante
2. CAMBIO DE SISTEMAS DE COORDENADAS.
En ciertas cuestiones es conveniente utilizar dos sistemas de coordenadas
cartesianas (ortonormales) OXY y OXY, que podemos distinguir llamando OXY al
antiguo y OXY al nuevo.
El problema fundamental que plantea el uso de dos sistemas de coordenadas es el
siguiente: cada punto P del plano tiene unas coordenadas (x, y) en el sistema OXY y
otras coordenadas (x, y) en el sistema OXY. Es, pues, necesario conocer el modo de
pasar de unas a otras de estas coordenadas, con lo cual los problemas planteados en un
sistema se podrn traducir a problemas en el otro sistema.
Para pasar de las coordenadas (x, y) de P en el sistema OXY a las (x, y) de P en el
sistema OXY debemos encontrar las frmulas de transformacin:
!
"
#
=
=
) , ( '
) , ( '
y x g y
y x f x
(1)
o sus inversas:
!
"
#
=
=
) ' , ' (
) ' , ' (
y x k y
y x h x
(2)



4/22
Para poder encontrar estas frmulas de transformacin de coordenadas es preciso
conocer la situacin de un sistema respecto del otro.
Si en (1) damos a (x, y) todos los pares de valores posibles, entonces para (x, y)
aparecen tambin todos los pares de valores posibles y cada uno una sola vez. Las (1)
constituyen, pues, una sustitucin definida en el conjunto de los pares de nmeros (x,
y).
2.1. Traslacin de ejes.
Sean OXY y OXY dos sistemas de
ejes coordenados ortonormales tales que
los ejes OX y OY son paralelos, con
el mismo sentido respectivamente, que
los ejes OX y OY.
En estas condiciones se dice que el
sistema de ejes OXY se obtiene del
OXY por traslacin.
La posicin de OXY quedar conocida dando las coordenadas del origen O en el
sistema OXY. Sean pues:
O(a, b) referido al sistema OXY
P(x, y) referido al sistema OXY
P(x, y) referido al sistema OXY
Proyectando O sobre OX se obtiene O, y proyectando P sobre OX obtenemos P
1
y
sobre OX, obtenemos P
1
. La igualdad:
1 1 1 1 1 1
' ' ' ' ' P O OO P O OO OP + = + = equivale a:
' x a x + =
Del mismo modo,
2 2 2 2 2 2
' ' ' ' ' P O OO P O OO OP + = + = equivale a:
' y b y + =
Las frmulas de traslacin de ejes son, por tanto:
!
"
#
+ =
+ =
y b y
x a x '
y sus inversas



5/22
!
"
#
' =
' =
b y y
a x x
'
'
2.2. Giro de ejes.
Supongamos ahora que tenemos dos
sistemas ortonormales OXY y OXY
con el mismo origen, y por tanto con el
ngulo entre OX y OX igual al ngulo
entre OY y OY, que llamaremos .
En estas condiciones, el sistema
OXY se dice que se ha obtenido a
partir del OXY por un giro (rotacin) de
ngulo alrededor del origen.
Sean (x, y) y (x, y), como siempre, las coordenadas de un punto P en los sistemas
OXY y OXY, respectivamente.
Proyectando P sobre OX y sobre OX obtenemos P
1
y P
1
respectivamente,
proyectando P sobre OY y sobre OY obtenemos P
2
y P
2
respectivamente.
De la figura obtenemos:
1 1 1 1
" " OP P P OP = +
siendo P
1
la proyeccin de P
1
sobre OX.
Entonces:
(
(
!
(
(
"
#
=
= = =
=
x OP
sinx y sin PP QP P P
x OP
1
1 1 1 1
1
' ' ' "
cos ' "
!
!
)
) ! ! ! ! sin y x x sin y x x ' cos ' ' cos ' ' = * + =
Por otro lado: QP Q P P P OP + = =
1 1 2
.
Ahora bien: ! !
!
cos ' '
cos '
' ' "
1 1 1
2
y sin x y
y QP
sinx x P P Q P
y OP
+ = )
(
(
!
(
(
"
#
=
= =
=
As pues, las frmulas de la transformacin en el giro son:



6/22
!
"
#
+ =
' =
! !
! !
cos ' sin '
sin ' cos '
y x y
y x x
que pueden escribirse matricialmente como:
+
+
,
-
.
.
/
0
+
+
+
,
-
.
.
/
0 '
=
+
+
,
-
.
.
/
0
'
'
cos sin
sin cos
y
x
y
x
! !
! !
Calculando la inversa de la matriz
+
+
,
-
.
.
/
0 '
! !
! !
cos sin
sin cos
, que es,
+
+
,
-
.
.
/
0
' ! !
! !
cos sin
sin cos
,
obtenemos las expresiones inversas:
!
"
#
+ ' =
+ =
! !
! !
cos sin
sin cos
y x y
y x x
2.3. Movimiento de ejes coordenados
Sean ahora OXY y OXY dos
sistemas de ejes coordenados
ortonormales tales que trazando por O
unos ejes auxiliares OX y OY con
la misma direccin y sentido que los
OX y OY, demuestre que OXY se
obtenga de OXY por un giro de
ngulo ! alrededor de O. Es decir, que
los ejes OXY se obtienen, a partir de
OXY, mediante una traslacin y un
giro.
Sea O(a, b) referido al sistema OXY y P(x, y) un punto cualquiera del plano
referido a dicho sistema. Sea adems P(x,y) el punto P referido al sistema OXY y
P(x,y) referido al OXY. Tendremos:
!
"
#
+ =
+ =
' '
' '
y b y
x a x
Adems:
!
"
#
' =
' =
! !
! !
cos ' sin ' ' '
sin ' cos ' ' '
y x y
y x x
Juntando ambas, obtenemos:



7/22
!
"
#
+ ' =
+ ' =
b y x y
a y x x
! !
! !
cos ' sin '
sin ' cos '
Frmulas del movimiento de ejes.
Estas expresiones se pueden escribir matricialmente como:
+
+
,
-
.
.
/
0
+
+
+
,
-
.
.
/
0 '
=
+
+
,
-
.
.
/
0
b
a
y
x
y
x
'
'
cos sin
sin cos
! !
! !
o bien
+
+
+
,
-
.
.
.
/
0
+
+
+
,
-
.
.
.
/
0
'
=
+
+
+
,
-
.
.
.
/
0
1
'
'
1 0 0
0 cos sin
0 sin cos
1
y
x
y
x
! !
! !
Las inversas pueden obtenerse de forma sencilla.
3. COORDENADAS POLARES.
En un plano queda determinado un sistema de
coordenadas polares si se da un punto O, que se
denomina polo, una semirrecta de origen O, que se
denomina eje polar, y las unidades que se utilizan
para medir longitudes y ngulos, adems del
sentido que se utiliza como positivo para medir ngulos orientados, o con sentido.
Comnmente se utiliza en el dibujo el eje OX paralelo al margen inferior del papel
del dibujo y como sentido positivo el contrario al del movimiento de las agujas del reloj.
Una vez fijado un sistema de coordenadas polares, cada punto P del plano,
determina dos nmeros y llamados coordenadas polares de P.
El primero, , es la medida del ngulo (OX, OP) y se llama argumento de P. Este
ngulo queda indeterminado si P=0.
El segundo nmero, , es la distancia OP y se llama radio polar o mdulo de OP.
Recprocamente, si damos un par de nmeros (, ) tales que " # 2 0 1 1 y 0 2 $ ,
no hay un punto que posea como argumento y como radio polar . El punto P con
estas coordenadas polares puede representarse como P(, ).
Conviene, sin embargo, establecer un convenio que permite que las coordenadas
polares de un punto tomen cualquier valor.
Seas y y par de nmeros cualesquiera. Hay una semirrecta OA que forma con
OX un ngulo de medida . En esta recta OA hay un solo punto P cuya abscisa es .
Este punto estar en la semirrecta OA si es positivo y en la opuesta si es negativo. El
punto P se dice que tiene las coordenadas polares (, ). Si el punto P tiene tambin las
coordenadas (
0
,
0
) con:



8/22


" # 2 0
0
< 1 0
0
> $
entonces: si >0 se verifica:
$
%
&
=
+ =
0
0
2
$ $
" # # k
Si <0, entonces:
$
%
&
' =
+ + =
0
0
) 1 2 (
$ $
" # # k
Con este convenio puede representarse grficamente cualquier funcin ) (# $ f =
como conjunto de puntos de la forma ( ) ) ( , # # f .
3.1. Paso de coordenadas cartesianas a polares.
Si tenemos un sistema ortonormal OXY y tomamos OX como eje polar y como
sentido positivo para medir ngulos el del ngulo (OX, OY), cada punto P del plano
tendr unas coordenadas cartesianas P(x, y) y unas coordenadas polares P(, ).
De la figura se obtiene, sin dificultad:
!
"
#
=
=
# $
# $
sin
cos
y
x
o bien,
(
!
(
"
#
+
= =
+ =
2 2
2 2
arccos arctan
y x
x
x
y
y x
#
$
4. ECUACIONES DE CURVAS EN EL PLANO.
4.1. Curvas en coordenadas cartesianas explcitas.
Son aquellas curvas que vienen determinadas por la grfica de una expresin de la
forma ) (x f y = . Es decir, una curva as definida viene determinada como:
{ } ) ( ) , ( x f y y x G = =
Representando grficamente los pares (x, y) se obtiene una grfica, que suele
denominarse curva de la funcin ) (x f y = , en el supuesto que f(x) sea la expresin de
una funcin R R f 3 : .
Las curvas dadas de esta forma han sido estudiadas con detalle en los temas de
clculo, sobretodo en el Tema 28.



9/22
La representacin grfica de la funcin ) (x f y = se dice que constituye una curva
uniforme y continua si la funcin ) (x f y = es uniforme y continua. La igualdad
) (x f y = se llama ecuacin de dicha curva.
Si ) (x f y = est definida en el intervalo (a, b), la curva que resulta de limitar en
) (x f y = el campo de variabilidad de x a un subintervalo ( ) ( ) b a, , 4 % ! se dice que es
un arco de curva (incluso puede ser ( ) ( ) b a, , = % ! ).
4.2. Curvas en forma paramtrica.
Dadas dos funciones uniformes y continuas:
) , (
) (
) (
b a t
t y y
t x x
5
!
"
#
=
=
al conjunto de puntos de la forma ( ) { } ) , ( , ) ( ), (
1
b a t t y t x G 5 6 = se llama curva de
ecuaciones paramtricas.
!
"
#
=
=
) (
) (
t y y
t x x
Un arco de la curva anterior de extremos ( ) ) ( ), (
1 1 1
t y t x P y ( ) ) ( ), (
2 2 2
t y t x P es la
curva que se obtiene con los puntos ( ) { } ) , ( , ) ( ), (
1
b a t t y t x 4 6 .
Un punto ( ) ) ' ( ), ' ( t y t x se dice que es un punto mltiple de la curva de ecuaciones
) , (
) (
) (
b a t
t y y
t x x
5
!
"
#
=
=
si existe (por lo menos) otro valor ' " t t 7 tal que:
) ' ( ) " (
) ' ( ) " (
t y t y
t x t x
=
=
Los dems puntos de dicha curva se llaman simples. Si los puntos extremos
( ) ) ( ), ( a y a x y ( ) ) ( ), ( b y b x coinciden, pero no se obtiene dicho punto para ningn otro
valor del parmetro t, dicho punto se considera simple.
La curva se dice cerrada o un arco de curva cerrada cuando coinciden los dos puntos
que resultan para t =a y t =b.
Una curva de ecuaciones paramtricas
) , (
) (
) (
b a t
t y y
t x x
5
!
"
#
=
=



10/22
se llama de Jordan si adems de ser estas funciones uniformes y continuas, la curva
carece de puntos mltiples.
Una curva de Jordan decimos que tiene tangente en el punto (x(c), y(c)) si existe el
lmite:
) ( ) (
) ( ) (
lim
c x t x
c y t y
c t
'
'
3
Una curva de Jordan se dice que tiene tangente en todos sus puntos si el lmite
anterior existe ). , ( b a c 5 6
En las curvas elementales se excluye la existencia de infinitos puntos de
discontinuidad, de infinitos puntos mltiples y de infinitos puntos sin tangente. Es decir,
una curva elemental o regular puede considerarse como la unin de un nmero finito de
curvas de Jordan con tangente en todos sus puntos.
Como ejemplos de curvas paramtricas tenemos:
4.2.1. Circunferencia
Si el centro de la circunferencia de radio r es el
origen de coordenadas, las ecuaciones paramtricas
de la circunferencia, en funcin del ngulo que
forme un punto genrico con el eje OX es:
[ ] " 2 , 0
sin
cos
5
!
"
#
=
=
t
t r y
t r x
Si el centro es el punto de coordenadas (x
0
, y
0
) las ecuaciones sern ahora:
[ ] " 2 , 0
sin
cos
0
0
5
!
"
#
+ =
+ =
t
t r y y
t r x x
4.2.2. Cicloide
Es la curva descrita por un punto M de una
circunferencia c que rueda sin deslizarse sobre
una recta indefinida.
Tomando por eje OX la recta dada y por
eje OY la perpendicular a la anterior trazada
por el punto O en que se supone que el punto
M coincide con la recta, las ecuaciones se
obtienen as:




11/22
Las coordenadas de un punto M cualquiera de la curva verifica que:
!
"
#
' = =
' = =
C AC MP y
MB OA OP x
Llamando r al radio de la circunferencia mvil y t al ngulo MCA, por la definicin
de la curva se sabe que el arco AM es igual en longitud al segmento OA. Segn esto:
OA= arco AM= Z
De todo ello resulta:
!
"
#
' = ) ' =
' = ) ' =
) cos 1 ( cos
) sin ( sin
t r y t r r y
t t r x z r rt x
Estas dos ecuaciones son las ecuaciones paramtricas de la cicloide. De ellas se
deduce la forma de la curva:
El valor de x crece continuamente al mismo tiempo que t mientras que la ordenada y
crece desde t= 0 hasta t= ! en que adquiera el valor mximo EF= 2r, correspondiente a
x= !r, disminuyendo luego hasta t= 2! en que y= 0 cuando x= 2!r. Para valores de t
superiores a 2! se obtienen ramas sucesivas de curvas iguales a la primera. Los puntos
O y M se llaman puntos de retroceso.
4.2.3. Hipocicloides
Si al rodar una circunferencia sobre otra el contacto es interior, las curvas descritas
por los distintos puntos unidos invariablemente a la curva mvil describen
hipocicloides.
Las ecuaciones de las hipocicloides son:
8
9
:
;
<
=
+
,
-
.
/
0
' ' ' =
8
9
:
;
<
=
+
,
-
.
/
0
' + ' =
! !
! !
1 sin sin ) (
1 cos cos ) (
a
r
a a r y
a
r
a a r x



12/22

- Para r= 3a tenemos la hipocicloide natural de Steimer de tres retrocesos.
- Para r= 4a tenemos la astroide o hipocicloide de cuatro retrocesos.
- Cuando a>r tenemos las pericicloides y en ellas el crculo fijo es interior al
mvil.
4.3. Curvas en coordenadas polares.
4.3.1. Ecuacin de la recta
Sea la ecuacin normal de la recta:
P y x = + ! ! sin cos
Si en esta ecuacin ponemos:
!
"
#
=
=
# $
# $
sin
cos
y
x
obtenemos:
P = + ! # $ ! # $ sin sin cos cos ,
o sea: P = ' ) cos( ! # $
que es la ecuacin de la recta en coordenadas polares. Si se quiere esta ecuacin se
puede poner de la forma:
) cos( ! #
$
'
=
P
4.3.2 Ecuacin de la circunferencia
Sea la circunferencia de centro (a, b) y radio r en un
sistema de coordenadas ortonormal. Si en su ecuacin
2 2 2
) ( ) ( r b y a x = ' + '
hacemos el cambio a polares
$
%
&
=
=
# $
# $
sin
cos
y
x
y sustituimos adems: ! cos d a = ! sin d b = obtenemos:
) cos( 2
2 2 2
! # $ $ ' ' + = d d r
si el punto (a, b) es el origen de coordenadas entonces d= 0 y la ecuacin queda s:



13/22
r = $
4.3.3. Estrofoide
Dado el sistema cartesiano ortonormal OXY sea A un punto sobre el eje x. Trazando
por A una recta cualquiera AD que corte a OY en D, se lleva sobre esta recta, a un lado
y otro de D los segmentos DM = DN = OD. El lugar geomtrico de los puntos M y N se
llama estrofoide.
Tomando por polo el punto O y por eje polar el eje OX, las
coordenadas de M son:
!
"
#
> =
=
MDA
OM
#
$
Por construccin sabemos que el tringulo OMD es
issceles, de donde se deducen las siguientes relaciones:
#
#
#
2 90
2
90
' = >
= >
' = > = >
OAM
ODM
DMO DOM
En el tringulo OAM se verifica:
#
#
#
#
cos
2 cos
) 90 sin(
) 2 90 sin(
sin
sin
=
'
'
=
>
>
=
OMA
OAM
OA
OM
Como OM= , resulta: (haciendo OA= a=
#
#
$
cos
2 cos
a =
que es la ecuacin de la estrofoide en coordenadas polares. Las coordenadas de N
verifican la misma ecuacin.
4.4. Curvas en forma cartesiana implcita.
En general, cuando tratemos de representar una curva dada por una ecuacin en
forma implcita, de la forma f(x, y)= 0, no podemos expresarla explcitamente (en la
forma y= g(x)), por lo que el estudio de una representacin es muy distinto al conocido.
Cuando a partir de f(x, y)= 0 es posible encontrar una o varias funciones uniformes
y continuas
) ( ),..., ( ), (
2 1
x f y x f y x f y
n
= = =



14/22
que contienen todas las soluciones de f(x, y)= 0 decimos que las curvas ) (x f y
i
=
( ) n i ... 1 = componen una curva de ecuacin implcita f(x, y)= 0. Las curvas representan
todas las soluciones de f(x, y)= 0 en la forma paramtrica
$
%
&
=
=
) (
) (
t y y
t x x
de modo que ( ) 0 ) ( ), (
1
= t y t x f t 6
En este caso queda expresada la curva f(x, y) = 0 en forma paramtrica.
4.4.1. Ejemplo de curvas en implcitas:
4.4.1.1. Circunferencia
Sabemos que la ecuacin de la circunferencia de centro (a, b) y radio r puede
expresarse como:
( ) ( )
2 2 2
r b y a x = ' + '
que proviene de expresar la distancia de un punto cualquiera (x, y) al centro (a, b) e
igualarla a r.
4.4.1.2. Estrofoide
En la ecuacin vista antes:
#
#
$
cos
2 cos
a = , haciendo:
$
%
&
=
=
# $
# $
sin
cos
y
x
obtenemos:
[ ]
$
$ $
#
# #
$
x
y x
a
a
8
9
:
;
<
=
'
=
'
=
2
2
2
2
2 2
cos
sin cos
o sea:
0
) (
2
2 2
=
'
=
$
$
$
y x
a
x
) ) (
2 2 2
y x a x ' = $ .
Como
2 2 2
y x + = $ resulta: 0 ) ( 2 ) (
2 2 2 2 2 2
= ' ' + y x a y x x
que es la ecuacin implcita de la estrofoide.
4.4.1.3. Lemniscata
La ecuacin de esta curva en implcitas es:
0 ) ( 2 ) (
2 2 2 2 2 2
= ' ' + y x a y x
El origen de coordenadas es el centro de la curva, y los ejes de coordenadas son ejes
de simetra. Se compone de dos ramas cerradas que se unen en el centro , que es un
punto doble.



15/22
5. COORDENADAS EN EL ESPACIO.
5.1. Coordenadas cartesianas.
Sean OX, OY, OZ tres rectas del espacio concurrentes en un punto O y no
coplanarias. En la recta OX tomemos un sistema de abscisas con origen en el punto Oy
otro punto U
1
como punto unidad. Del mismo modo, en OY y OZ tomemos sendos
sistemas de abscisas con origen O y puntos unidad U
2
y U
3
, respectivamente.
Diremos que estas tres rectas OX, OY, OZ con los sistemas de abscisas
considerados forman un sistema de coordenadas OXYZ, del espacio tridimensional.
En este sistema de coordenadas el punto O se llama origen de coordenadas, las
rectas OX, OY y OZ, ejes de coordenadas y los planos OXY, OXZ y OYZ, planos de
coordenadas.
Dado ahora un punto P del espacio, trazamos por l un plano paralelo al plano OYZ,
el cual corte al eje OX en un punto P
1
. De modo anlogo, el plano trazado por P paralelo
a OXZ corta al eje OY en un punto P
2
, y el paralelo a OXZ corta a OZ en P
3
. Los tres
puntos P
1
, P
2
, P
3
tendrn ciertas coordenadas x, y, z en los sistemas de abscisas de los
ejes OX, OY, OZ respectivamente. Estos tres nmeros (x, y, z) as obtenidos se llaman
coordenadas del punto P en el sistema de coordenadas OXYZ.
Estas coordenadas dadas en este orden determinan el punto P. Por ello, este punto P
lo designaremos por (x, y, z) o bien P(x, y, z).
Z
P
3
P
O y
1
Y
P
1
P
X



16/22
En el caso de que las rectas sean perpendiculares (los ejes de coordenadas), decimos
que el sistema de coordenadas es ortogonal.
En el caso de que la distancia al origen O a cada punto unidad sobre cada eje sea
igual, decimos que el sistema de coordenadas cartesiano es ortonormal.
5.2. Coordenadas polares.
Consideremos un sistema cartesiano
ortonormal OX
1
X
2
X
3
. Denominando polo al
punto O y plano polar al plano OX
1
X
3
, el
punto P viene determinado por los tres
nmeros siguientes:
= OP, llamado radio vector
= ngulo POX
3
, denominado distancia
cenital.
= ngulo que forma el plano POX
3
con el
plano polar.
A todo punto del espacio corresponde una
terna de nmeros y recprocamente, a toda terna de nmeros corresponde un punto
(excepto al origen), si hacemos variar:
? < 1 $ 0 " # 2 0 1 1 " & < 1 0
existiendo as una correspondencia ente los puntos del espacio y las ternas de puntos
con tales limitaciones, llamadas coordenadas polares.
El paso a coordenadas cartesianas se hace de la siguiente forma:
& $
# & $
# & $
cos
sin sin
cos sin
3
2
1
=
=
=
x
x
x
y recprocamente, elevando al cuadrado y sumando el paso a polares es:
X
3
P

x
3
O X
2

x
1

r
X
1
P



17/22
1
2
2
3
2
2
2
1
2
2
2
1
2
3
2
2
2
1
x
x
tan
x x x
x x
sin
x x x
=
+ +
+
=
+ + =
#
&
$
o bien
2
3
2
2
2
1
3
cos
x x x
x
+ +
= &
5.3. Coordenadas esfricas.
Coinciden con las anteriores sin ms que tomar, en vez del ngulo , su
complementario , que se denomina latitud.
5.4. Coordenadas cilndricas.
Referido a un sistema cartesiano
ortonormal, un punto P cualquiera del
espacio viene determinado por:
- Su altura z sobre el plano OXZ, es decir,
la coordenada de la proyeccin P sobre el eje
OZ.
- Las coordenadas polares (, ) de la
proyeccin P de P sobre el plano OXY.
Los nmeros (, , z) reciben el nombre
de coordenadas cilndricas de P.
Las restricciones de tales coordenadas
para la existencia de una correspondencia
biyectiva (salvo el origen) entre puntos del espacio y ternas de nmeros es:
? 1 1 $ 0 " # 2 0 < 1 ? < < ? ' z
La relacin entre coordenadas cilndricas y rectangulares es:
# $cos = x # $sin = y z z =
y recprocamente:
2 2
y x + = $
y
x
= # tan z z =




18/22
6. CURVAS EN EL ESPACIO.
Una curva en el espacio puede representarse de dos maneras distintas:
6.1. Representacin paramtrica.
o sea por ecuaciones de la forma:
R I t
t z z
t y y
t x x
4 5
(
!
(
"
#
=
=
=
) (
) (
) (
Ejemplos.
1. Una recta en el espacio viene expresada por:
(
!
(
"
#
+ =
+ =
+ =
ut c z
wt b y
vt a x
donde P(a, b, c) es un punto de la recta y (v, w, u) es un vector director.
2. Una hlice circular o cilindro:
Es la curva descrita por un punto que gira alrededor
de un eje con velocidad angular constante y al propio
tiempo se desplaza en la direccin de este eje con
velocidad lineal constante.
Si tomamos como eje el OZ, llamamos R al radio
de giro, a la velocidad angular y v a la lineal,
tenemos:
(
!
(
"
#
=
=
=
vt z
t R y
t R x
'
'
sin
cos
que son las ecuaciones paramtricas de la hlice, siendo t (el tiempo) el parmetro.
6.2. Como interseccin de dos superficies
Segn veremos en el apartado siguiente, una superficie en R
3
puede expresarse
mediante una ecuacin de la forma:
f(x, y, z) = 0
Si las superficies S
1
y S
2
vienen dadas por sus ecuaciones:



19/22
0 ) , , (
0 ) , , (
=
=
z y x g
z y x f
la curva, en este caso, es el conjunto de puntos M cuyas coordenadas (x, y, z) satisfacen
las dos ecuaciones simultneamente.
Ejemplos
La hlice anterior puede expresarse como interseccin de las dos superficies
siguientes:
(
!
(
"
#
=
=
=
vt z
t R y
t R x
'
'
sin
cos
= 0 )
(
$
(
%
&
=
= +
v
z
R x
R y x
'
cos
2 2 2
Una recta puede expresarse como interseccin de dos planos:
!
"
#
= + + +
= + + +
0 ' ' ' '
0
D z X y B x A
D Cz By Ax
7. SUPERFICIES EN EL ESPACIO.
Una superficie S en el espacio tridimensional puede representarse de distintas
formas.
a) Expresando la condicin necesaria y suficiente que deben cumplir las
coordenadas
(x, y, z) de un punto P para pertenecer a S. Ello da lugar a una ecuacin de la
forma:
0 ) , , ( = z y x f
que se denomina ecuacin implcita de la superficie.
b) Tambin puede representarse la superficie S paramtricamente, mediante dos
variables independientes (por ejemplo u y v), denominadas parmetros y tres
funciones, cada una de las cuales define cada coordenada. As:
(
!
(
"
#
=
=
=
) , (
) , (
) , (
v u h z
v u g y
v u f x
ecuaciones paramtricas de S



20/22
7.1. Ejemplos de superficies
7.1.1. Esfera
Los puntos P(x, y, z) pertenecen a la esfera de centro C(a, b, c) y radio R si y slo si
d(P, c) = R, o lo que es lo mismo:
R c z b y a x = ' + ' + '
2 2 2
) ( ) ( ) ( .
Por lo tanto, la esfera se define as:
{ }
2 2 2 2 3
) ( ) ( ) /( ) , , ( R c z b y a x R z y x S = ' + ' + ' 5 =
En coordenadas esfricas viene expresada por:
(
!
(
"
#
+ =
+ =
+ =
&
! &
! &
sin
sin cos
cos cos
R c z
R b y
R a x
7.1.2. Cudricas
En el Tema 49 se estudiarn con detalle. Basta aqu sealar las siguientes
ecuaciones:
- Elipsoide de ecuacin: 1
2
2
2
2
2
2
= + +
c
z
b
y
a
x
- Hiperboloide de una hoja: 1
2
2
2
2
2
2
= ' +
c
z
b
y
a
x
- Hiperboloide de dos hojas: 1
2
2
2
2
2
2
= ' '
c
z
b
y
a
x
- Cono elptico: 0
2
2
2
2
2
2
= + +
c
z
b
y
a
x
- Paraboloide elptico: 0
2
2
2
2
= ' + z
b
y
a
x
- Paraboloide hiperblico: 0
2
2
2
2
= ' ' z
b
y
a
x
7.1.3. Superficies reglada
Sea R

una recta que depende de un parmetro . Cuando este parmetro vara, la

recta (generatriz) describe, en general, una cierta superficie que se llama superficie
reglada.



21/22
Si la recta tiene una direccin fija y se apoya en una curva fija (directriz), se
originan las superficies cilndricas.
Si la recta pasa por un punto fijo (vrtice) y su apoyo en una curva fija (directriz), se
originan las superficies cnicas.
Se analizan con detalle en el Tema 49.
7.1.4. Superficie de revolucin
Una superficie de revolucin S es la superficie engendrada por una curva c que gira
alrededor de un eje E.
Puede definirse tambin como el lugar geomtrico de las circunferencias situadas
en planos perpendiculares a E, con centro en E, que pasan por un punto de c. Estas
circunferencias se llaman paralelos de la superficie. Las secciones de S por planos del
haz de eje E se llaman meridianos de E. Estos meridianos son curvas que tienen a E por
eje de simetra.
S puede considerarse engendrada con el giro, alrededor de E, de cualquier
meridiano.
Si tomamos por eje E el eje OZ y definimos la superficie por el meridiano c situado
en el plano OYZ, la curva tendr de ecuaciones:
(
!
(
"
#
=
=
=
) (
) (
0
#
#
g z
f y
x
luego la circunferencia engendrada por el giro de un punto c de dicha curva alrededor
del eje OZ tendr por ecuaciones:
(
!
(
"
#
=
=
=
) (
sin ) (
cos ) (
#
#
#
g z
t f y
t f x
que son las ecuaciones paramtricas de la superficie S.
Se analizan con detalle en el Tema 49.



22/22
Bibliografa Recomendada.
Curso de Geometra, Vol I. Aut. Puig Adam.
Exercices de GEOMETRIE, Cours de Mathmatiques lmentaires. Autor: F.G.M.
Edicin de 1912 por MALSON A MAME ET FILS. PARIS
Exercices de TRIGONOMETRIE. Autor: F.G.M. Edicin de 1915 por MALSON A
MAME ET FILS. PARIS.



1/22
TEMAS DE MATEMATICAS
(Oposiciones de Secundaria)
TEMA 47
GENERACIN DE CURVAS COMO ENVOLVENTES.
1. Introduccin.
2. Envolvente.
2.1. Definicin de Envolvente.
2.2. Existencia de Envolvente en el Plano.
2.3. Determinacin Prctica de la envolvente en el Plano.
2.4. La Astroide.
3. Evoluta y Envolventes.
3.1. Evoluta de una curva Plana.
3.2. Ejemplos de Evolutas.
3.2.1. Evoluta de la Elipse.
3.2.2. Rectas del Plano dadas en forma Polar.
3.3. Evolventes de una curva plana.
4. Envolvente de una Familia de Curvas.
4.1. Curvas en Forma Paramtrica.
4.2. Curvas en Forma Explcita.
4.3. Curvas en Forma Implcita.
4.4. Propiedades de la envolvente.
5. Construccin de Algunas Curvas.
5.1. Trazado de la Evolvente del Crculo.
5.2. Trazado de la Curva Pericicloide.
5.3. Trazado de la Curva Epicicloide.
5.4. Trazado de la Curva Cardioide.
5.5. Trazado de la Curva Hipocicloide.
Bibliografa Recomendada.



2/22
TEMA 47
GENERACIN DE CURVAS COMO ENVOLVENTES.
1. INTRODUCCIN.
En este tema vamos a describir un tipo especial de curvas: las curvas generadas
como envolventes. Son curvas de gran inters ya que tienen gran cantidad de
aplicaciones.
2. ENVOLVENTE DE UNA FAMILIA DE RECTAS.
2.1. Definicin de Envolvente.
Sea D el conjunto formado por todas las rectas del plano.
! + = = b a b ax y D , / { !}
DEF Llamaremos Familia de Rectas dependientes de un Parmetro a la imagen de una
aplicacin.
" I : ! ! # D
y designaremos a la familia como ( )
I t t
D
!
Ejemplos
1. Dado el plano cartesiano, podemos definir tres funciones numricas
( ) ( ) ( ) t y t t " # $ , con t!I.
Entonces, las rectas
( ) ( ) ( ) 0 = + + $ t y t x t D
t
" # $
determinan una familia en funcin del parmetro t !I.
2. Tambin podemos determinar una familia de rectas por su ecuacin vectorial.
( ) ( ) t v t r D
t
r r r
% $ + = $
siendo # I v : ,
r r
$ !
2
dos funciones vectoriales y ! % ! una variable independiente de t.
( ) t $
r
es un punto del plano y ( ) t v
r
el vector director que determina la recta r D
t
r
$ en
funcin del parmetro t I ! .
DEF Llamaremos envolvente de una familia de rectas dependientes de un parmetro,
( )
I t t
D
!
,a un arco parametrizado ( ) f I
r
, tal que, en todo punto ( ) ( ) t f t
r
, , la recta D
t
sea
tangente al arco.



3/22
El par ( ) f I
r
, tambin recibe el nombre de curve en paremtricas.
DEF Llamaremos Punto Caracterstico de la recta D
t
a ( ) ( ) t f t
r
, .
2.2. Existencias de Envolvente en el Plano.
PROP Una familia de rectas del plano dependientes de un parmetro posee, en general,
un envolvente.
Dem
Sea ( )
I t t
D
!
la familia de rectas definidas como
( ) ( ) t v t r
r r r
% $ + =
siendo las funciones ( ) t $
r
y ( ) t v
r
derivables en I.
El arco ( ) f I
r
, es la envolvente de la familia de rectas ( )
I t
t
D
!
si para todo t!I, el
punto caracterstico ( ) t f
r
pertenece a D
t
y el vector ( ) t f
r
que define la tangente al arco
en ese punto, tiene la direccin de D
t
.
Supongamos que existe una funcin # I f :
r
!
2
tal que el arco ( ) f I
r
, sea la
envolvente de la familia dada. Entonces:
1) I t ! % el punto ( )
t
D t f r ! =
r
r
.
Existe, por tanto, un nmero real ( ) t % tal que
( ) ( ) ( ) ( ) t v t t t f
r r
r
& + = % $ (1)
La determinacin de la funcin f equivale a hallar la funcin # I : % !
2) El vector derivada ( ) t f
r
(que en general ser distinto de cero) debe ser vector
director de D
t
. Ahora bien, si derivamos (1)
( ) ( ) ( ) ( ) ( ) ( ) t v t t v t t t f
r r r
r
% % $ + + =
Y como ( ) t v
r
es el vector director de D
t
, ha de existir un ( )! t ! tal que:
( ) ( ) ( ) ( ) ( ) o t v t t v t t
r r r r
= + + % $ (2)
Recprocamente, si existe # I : , % ! funciones numricas que satisfacen la
expresin (2), y si %es derivable, la funcin vectorial f
r
dada por (1) es derivable, y su
derivada verifica la ecuacin:



4/22
( ) ( ) ( ) [ ] ( ) t v t t t f
r
r
& ' = %
por tanto, el vector ( ) t f
r
es nulo o colineal con ( ) t v
r
.
Por tanto, la existencia de la envolvente estn ligada a la existencia de dos funciones
numricas % y que satisfagan (2).
Y (2) exige que los vectores ( ) ( ) t v t ,
r r
$ y ( ) t v sean Linealmente Dependientes,
condicin que trivialmente se verifica en el plano relacin (2) se puede obtener las
funciones ( y como sigue:
Multiplicando escalarmente por ( ) t w
r
( ) ( ) ( ) ( ) ( ) o t w t v t t w t
r r r r r
= & & + & % $
( )
( ) ( )
( ) ( ) t w t v
t w t
t
r r
r r
&
& '
=

$
% (3)
Multiplicando por ( ) t u
r
, perpendicularmente a ( ) t v
r
resulta:
( ) ( ) ( ) ( ) o t u t v t u t
r r r r r
= & & + $
( )
( ) ( )
( ) ( ) t u t v
t u t
t
r r
r r
&
&
' =
$
(4)
En trminos generales, estos dos valores existirn siempre, salvo ( ) t v
r
y ( ) t v
r
sean
colineales, en cuyo caso se anulan los denominadores. Si ( ) t v
r
y ( ) t v
r
son linealmente
independientes, para todo t!I existe un nico par de funciones ((t) y (t) que satisfacen
(3) y (4). Este par nico de funciones constituye la nica solucin de (2). La funcin
((t), as determinada, define la funcin f
r
.
En el caso general, para la mayora de valores de t!I, se tiene tambin ( ) ( ) t t % ) ,
de donde se deduce ( ) o t f
r
r
) . Tal punto t!I es un punto ordinario del arco ( ) f I
r
, . La
tangente al arco en ese punto es la recta D
t
.
Si para cierto valor t
o
!I se tiene ( ) ( )
o o
t t % = entonces ( ) o t f
o
r
r
= .
El punto ( ) ( )
o o
t f t
r
, del arco ( ) f I
r
, es un punto singular, y no es posible afirmar que
la tangente al arco en ese punto sea la recta D
t
.
Si la situacin anterior nos la encontramos en puntos aislados, diremos tambin que
( )
o
t f
r
es un punto caracterstico de D
to
. Teniendo en cuenta esto, la envolvente de la



5/22
familia (D
t
)
t !I
es el arco ( ) f I
r
, , incluidos los puntos singulares. As, es posible evitar el
clculo de la funcin .
Si ( ) t v
r
y ( ) t v
r
son linealmente dependientes, tenemos:
1) Si ( )
o
t $
r
no es colineal con ( )
o
t v
r
, la expresin (3) no tiene solucin para ( ya que
( ) t w
r
, que es perpendicular a ( ) t v
r
, tambin lo ser a ( ) t v
r
y por tanto
( ) ( ) ( ) o t w t
r r r
= & * 3 $
lo cual es imposible.
2) Si ( )
o
t $
r
es colineal con ( )
o
t v
r
es colineal con ( )
o
t v
r
, todo nmero real ( verifica
(3) y todos los puntos de la recta D
to
satisfacen las condiciones de punto caracterstico.
Diremos que D
to
es una recta estacionaria de la familia.
Como casos singulares tenemos:
a) Si el par de funciones ( y verifican
( ) ( ) I t t t ! % = %
Entonces, se tiene
( ) ( ) C t f I t o t f
r r
r
r
= * ! % =
siendo c
r
un vector fijo.
As pues, todas las rectas de la familia (F
t
)
t !I
pasan por el punto fijo c
r
. La familia
forma una radicacin de rectas concurrentes en c
r
.
b) Supongamos que ( ) t v
r
satisface que ( ) ( ) { } t v t v ,
r r
son linealmente dependientes
I t ! % . Entonces v
r
ha de tener una orientacin fija.
La familia (D
t
)
t !I
forma una radicacin de rectas paralelas de la misma direccin que
v
r
.
Como conclusin a todo lo anterior podemos enunciar
TEOREMA La familia de rectas del plano dependientes de un parmetro (D
t
)
t !I
( ) ( ) t v t r
r r r
& + = % $ con # I v : ,
r r
$ !
2
admite, en general, una envolvente ( ) f I
r
, con
( ) ( ) ( ) ( ) t v t t t f
r r
r
% $ + =
donde la funcin ((t) es la solucin de la ecuacin



6/22
( ) ( ) ( ) ( ) ( ) o t v t t v t t
r r r r
= & + + % $
2.3. Determinacin Prctica de la Envolvente en el Plano.
TEOREMA La envolvente de la familia de rectas del plano,
( )
I t t
D
!
( ) ( ) ( ) 0 = + + & t y t x t " # $
con +, ,, -: I # ! y derivables %t!I, se obtiene derivando primero esta relacin
respecto de la variable t:
( ) ( ) ( ) 0 = + & + & t t x t " # $
y resolviendo a continuacin con el sistema formado por las dos ecuaciones. La
solucin (c, y) sern las coordenadas de ( ) t f
r
que define la envolvente ( ) f I
r
, .
Dem.
Determinaremos la envolvente ( ) f I
r
, mediante las coordenadas
( )
( )
.
/
0
=
=
t y
t x
!
!
de ( ) t f
r
Lo vamos a hacer basndonos en el razonamiento desarrollado en el punto anterior.
a) El punto ( ) ( ) ( ) ( ) t t t f & ! , =
r
ha de pertenecer a D
t
. entonces
( ) ( ) ( ) ( ) ( ) I t t t t t t ! % = + + 0 " & # ! $ (5)
b) El vector tangente ( ) ( ) ( ) ( ) t t t f , & ! =
r
ha de ser paralelo a D
t
, entonces
( ) ( ) ( ) ( ) I t t t t t ! % = + 0 & # ! $ (6)
Si derivamos la expresin (5) y tenemos en cuenta la expresin (6) obtendremos
( ) ( ) ( ) ( ) ( ) I t t t t t t ! % = + + 0 " & # ! $ (7)
Recprocamente, toda solucin ( ) & !, del sistema de ecuaciones formado por las
expresiones (5) y (7) es tambin solucin de la expresin (6) y representa, por tanto, la
envolvente buscada.
2.4. La Astroide.
Sea un sistema de referencia ortonormal del plano y l!!
+
un nmero dado.
Consideremos la familia de rectas que cortan a los ejes en dos puntos, siendo la
distancia entre estos constante de valor 2l.



7/22
Vamos a obtener ecuaciones de estas rectas, que dependern de un parmetro.
Una recta cortar a los ejes en dos puntos que llamaremos P y Q, verificndose
d(P,Q) = 2l. Sea A el punto medio del segmento que une P y Q. Definimos el parmetro
t como
( ) OA OX L t , = con [ ) ' 2 , 0 ! t
Si d(P,Q) = 2l entonces d(0,A) = l siendo entonces las coordenadas del punto A
A(lcost, lsent)
Es fcil ahora obtener las coordenadas de P y Q
P(2lcost, 0) y Q(0, 2lsent)
Y de aqu conseguimos la ecuacin de la recta que pasa por P y Q
1
sen 2 cos 2
= +
t l
y
t l
x
Para obtener la familia de rectas, vamos a limitarnos a tomar [ ] ' 2 , 0 = I , siendo
( ) lSentCost t y t x D
I t t
2 cos sen = +
!
(8)
Ahora ya estamos en condiciones de hallar la envolvente a esta familia de rectas.
Para ello aplicamos el teorema anterior.
Derivando los dos miembros de la expresin (8) con respecto al parmetro t
( ) t Sen t Cos l t y t x
2 2
2 sen cos ' = ' (9)
Ahora hemos de resolver el sistema formado por (8) y (9) siendo
( )
( ) t lSen t y
t lCos t x
3
3
2
2
=
=
y definimos ( ) ( ) ( ) ( ) t y t x t f , =
r
.
La envolvente ( ) f I
r
, que acabamos de obtener recibe el nombre de Astroide.
Esta ecuacin representa la recta trazada por W(2lcost, 2lSent) perpendicular al
segmento PQ, cuyo vector q p
r r
es linealmente dependiente con (cost sent).
El punto caracterstico m sobre D
t
es el pie de dicha perpendicular.



8/22
3. EVOLUTAS Y EVOLVENTES.
3.1. Evoluta de una curva Plana.
DEF Llamaremos Evoluta de una curve paramtrica ( ) f I
r
, , con f: I # !
2
derivable
dos veces, a la envoltura de la familia de rectas normales a la curva paramtrica.
Sea el sistema de referencia de Frenet correspondiente a un punto S!I, determinado
por
( ) s f
r
, como origen de coordenadas
( ) s f T
r r
= como vector que define un eje de coordenadas que pasa por ( ) s f
r
.
N
r
= vector normal a f
r
en ( ) s f
r
, y perpendicular a ( ) s f
r
DEF Definimos el radio de curvatura 1 del arco ( ) f I
r
, en s como
N
ds
T d
r
r
(
1
= y T
ds
N d
r
r
( (
1 1
= =
TEOREMA La envoltura ce una curva plana es el conjunto de los centros de
curvatura.
Dem.
La ecuacin vectorial de la normal a f
r
en cada punto viene determinada por
N f p
r
r
% + = `
Para determinar el punto caracterstico de esta recta calculamos la funcin ((s) de
forma que ( ) s p
r
y ( ) s p
r
sean linealmente dependientes. %s!I. Entonces



9/22
( ) N
ds
d
T N
ds
d
T T N
ds
d
ds
N s
ds
f d
ds
p d
s p
r r r r r r
r r
r
r %
(
% %
(
%
%
% +
2
2
3
4
5
5
6
7
' = & +
2
2
3
4
5
5
6
7
' + = & + + = = 1
1

Para que ( ) s p
r
y N
r
sean colineales basta con
0 1 = '
(
%
( = 1
Queda as determinado el punto caracterstico de la normal, el cual es precisamente
el centro de curvatura en el punto s!I.
3.2. Ejemplos de Evolutas.
3.2.1. Evoluta de la Elipse.
La elipse ( ) f I
r
, viene dada por
[ ] ' 2 , 0 = I ( )
8
9
:
=
=
=
)
)
)
bSen y
aCos x
f
r
En el punto ;!I la ecuacin de la normal es
( ) 0 ) sen ( cos = ' + ' ' ) ) ) ) b y bCos a x aSen
Haciendo c
2
= a
2
b
2
obtenemos la familia de rectas normales a la elipse
0 sen ) (
2
= + & + & '
!
) ) ) )
) )
Cos Sen c y bCos x a D
I
Para hallar la envolvente de esta familia se calcula primero
( ) 0 ) (
2 2 2
= ' + & ' '
!
) ) ) )
) )
Sen Cos c y bSen x Cos D
I
Resolviendo el sistema formado por las dos ecuaciones anteriores tenemos:
( ) ) ) )
3
2
3
2
: Sen
b
c
y y Cos
a
c
x c ' = =
r
La evoluta es ( ) c I
r
, , que es la transformacin de la Astroide:
<
<
.
<
<
/
0
=
=
)
)
3
2
3
2
Sen
a
c
Y
Cos
a
c
X
al aplicarle la afinidad se eje OX y de razn
b
a
' , es decir



10/22
<
.
<
/
0
' =
=
y
b
a
y
X x
Los puntos de retroceso de la evoluta
2
2
3
4
5
5
6
7
0 ,
2
a
c
y
2
2
3
4
5
5
6
7
'
b
c
2
, 0 se obtienen trazando, por
el cuarto vrtice d del rectngulo construido sobre los semiejes OX y Ob positivos de la
elipse, la normal a la diagonal ab. La ecuacin de esta recta normal es
0
2
= + + ' c b ax
Por tanto, encuentra a los ejes OX y OY respectivamente, en los puntos de retroceso
en cuestin. Los restantes se deducen por simetra.
3.2.2. Rectas del plano dadas en forma polar.
Sea ( )
I
D
! ) )
una familia de rectas del plano, siendo el parmetro ; su ngulo polar:
( ) u i L
r
r
, = )
donde u
r
es un vector unitario normal de la recta
)
D . Vamos a calcular la envolvente
( ) v I
r
, de la familia ( )
I
D
! ) )
y la evoluta ( ) c I
r
, del arco ( ) f I
r
, .



11/22
El pie de la normal a
)
D trazada por el origen O, que denotaremos por h, describe
un arco ( ) h I
r
, , denominado Podaria del arco ( ) f I
r
, con relacin al punto O. Sea u r h
r
r
=
la ecuacin de la Podaria en coordenadas polares, con ( ) ) r una funcin
# I r : !
La ecuacin cartesiana de la familia de rectas es:
( ) ( ) ) ) )
) )
r ySen xCos D
I
= +
!
Aplicando lo visto ya para el clculo de la envolvente, basta resolver el sistema
formado por la ecuacin y su derivada respecto del parmetro ;:
( ) ( ) ) ) )
) )
r yCos xSen D
I
= + '
!
La recta D
;
es normal al vector ( ) ) u
r
y pasa por el punto h
1
, definido como
( )
1
u r h
r
& = ) .
El punto caracterstico m de
)
D es
) )
D D m = =
La envolvente ( ) f I
r
, de la familia ( )
I
D
! ) )
tiene a ( )
I
D
! ) )
como familia de
normales.
La evoluta del arco ( ) f I
r
, coincide, por consiguiente, con al propio arco (I, f). Es la
evolvente de la familia ( )
I
D
! ) )
.
Para hallar esta evolvente, derivamos de nuevo
( ) ( ) ) ) )
) )
r ySen xCos D
I
= ' '
!
La recta
)
D es normal al vector u
r
y pasa por el punto h
2
tal que ( ) u r h
r
r
& ' = )
2
.
El centro de curvatura del arco ( ) f I
r
, es
) )
D D c = = . La evoluta ( ) c I
r
, del arco
( ) f I
r
, est definida por las coordenadas de c
r
, solucin del sistema ( )
) )
, D D .
3.3. Evolventes de una curva plana.
DEF Llamamos Evolvente de un arco ( ) f I
r
, a otro arco ( ) p I
r
, que admite a ( ) f I
r
,
como Evoluta.
Sea el arco ( ) f I
r
, dado en representacin normal. La ecuacin vectorial de la
tangente en m
r
es:
T f p
v
r
r
% + =



12/22
Vamos a obtener la funcin (: I # ! de forma que el arco ( ) p I
r
, admite la recta
anterior como normal, %s!I.
N T
ds
d
ds
T d
T
ds
d
T
ds
p d
r
r
r r
r
(
% %
%
%
+
2
3
4
5
6
7
+ = + + = 1
con 1 el radio de curvatura en el punto s!I.
Para que
ds
p d
r
sea normal a T
r
basta con que
0 1 = +
ds
d%
de donde se deduce
k s ds d + ' = * ' = % % (con k = cte)
Obtenemos una familia parametrizada de los arcos ( )
k
p I ,
k!!
siendo k el
parmetro, y su ecuacin.
( )T s k f p
k
r r
r
' + =
%k, k!! %s!I, los arcos ( )
k
p I
r
, e ( )

,
k
p I
r
admiten tangentes paralelas, ya que:
N
ds
p d
r
r
(
%
= (10)
Aun ms, sobre la normal comn a los dos arcos, los puntos ( ) s p
k
r
y ( ) s p
k
r
determinan un segmento de longitud constante k k ' ya que:
( )T k k p p
k k
r
r r

' = '
Decimos que las evolventes ( )
k
p I
r
,
k!!
son curvas paralelas.
La expresin (10) prueba que ( = 0 implica que ( ) 0 = s p
r
. Es decir, si una
evolvente del arco ( ) f I
r
, encuentra a este arco, el punto de interseccin es un punto
singular de la evolvente (en general, un punto de retroceso).



13/22
4. EVOLVENTE DE UNA FAMILIA DE CURVAS.
4.1 Curvas en Forma Paramtrica.
Sea la ecuacin ( ) % , t x x
r r
= . Dando al parmetro ( todos los valores posibles
obtenemos, para cada valor, un vector de posicin que ser funcin de la variable t, que
representar una curva. El conjunto de Curvas obtenidas ser funcin de la variable t,
que representar una curva. El conjunto de Curvas obtenidas ser una familia de curvas
dependientes del parmetro (.
Sea una recta tangente a cada curva de la familia en uno de sus puntos. Diremos que
esta lnea es la Envolvente de la familia de curvas.
Si queremos determinar la anterior envolvente, se M un punto de la curva de la
familia que corresponde a un valor de ( y supongamos que a este punto le corresponde
un cierto valor de t.
Para que el punto M sea de contacto de la curva con la envolvente, es necesario que
los valores de t y ( existan una relacin que se expresa como ( = ((t) y la ecuacin de la
envolvente ser:
( ) ( ) t t x x % ,
r r
=
Al ser M un punto en el que coinciden las rectas tangentes a la curva de la familia y
a la envolvente, resulta que el vector tangente a la envolvente
dt
d x
t
x %
%
&
>
>
+
>
>
r r
ha de ser igual al vector tangente a la curva.
t
x
>
>
r
Por tanto, las componentes de ambos vectores deben ser proporcionales
t
x
k
dt
d x
t
x
>
>
& = &
>
>
+
>
>
r r r
%
%
y entonces
( )
t
x
k
x
dt
d
>
>
' =
>
>
&
r r
1
%
%
obteniendo que los vectores
t
x
>
>
r
y
% >
>x
r
son linealmente dependientes.
Si hacemos



14/22
0 , det =
2
3
4
5
6
7
>
>
>
>
%
x
t
x
r r
(11)
y eliminamos ( entre las ecuaciones ( ) % , t x x
r r
= y (11) obtenemos la ecuacin implcita
de la envolvente.
4.2. Curvas en Forma Explcita.
Sea la familia de curvas parametrizadas dada como
( ) % ,
1 2
x f x =
Podemos convertirla a forma paramtrica introduciendo la ecuacin
x
1
= x
1
reducindose as al caso anterior.
La ecuacin (11) se transforma en:
( ) 0 , 0
0 1
1
1
=
>
>
* =
>
>
>
>
%
%
%
x
f
f
x
f
(12)
y eliminando ( entre las ecuaciones (12) y x
2
= f(x
1
, () obtenemos la ecuacin
implcita de la envolvente.
4.3. Curvas en Forma Implcita.
Si la familia de curvas viene dada por la ecuacin
( ) 0 , ,
2 1
= % x x f (13)
entonces, para ciertas condiciones
( ) % ! ,
1 2
x x =
luego, por la condicin (12)
0 =
>
>
%
!
y por tanto
0
2
2
=
>
>
+
>
>
&
>
>
% %
f x
x
f
lo que implica



15/22
0 =
>
>
%
f
(14)
que es la condicin de envolvente. Por tanto, basta eliminar el parmetro ( entre las
ecuaciones (13) y (14) para obtener la ecuacin de envolvente.
4.4. Propiedades de la Envolvente.
PROP La envolvente es el lugar geomtrico de las posiciones lmites de la interseccin
de cada dos curvas de la familia cuando tienden a confundirse.
Dem.
Sea la familia de curvas
( ) 0 , ,
2 1
= % x x f
y consideremos las curvas
( )
( )
.
/
0
= ? +
=
0 , ,
0 , ,
2 1
2 1
% %
%
x x f
x x f
La curva
( ) ( )
0
, , , ,
2 1 2 1
=
?
' ? +
%
% % % x x f x x f
pasa por el punto comn a ambas curvas consideradas (punto caracterstico) y cuando
?( # 0 el movimiento que lleva a la segunda a confundirse con la primera desplaza a
ste, de forma que la posicin lmite del punto comn ser:
( )
<
.
<
/
0
=
>
>
=
0
0 ,
2 1
%
%
f
x x f
que son las condiciones de envolvente de una familia de curvas.
PROP La envolvente contiene al lugar geomtrico de los puntos singulares de las
curvas.
Dem.
Sea la familia de curvas ( ) 0 , ,
2 1
= % x x f .
Los puntos singulares vienen dados por las condiciones



16/22
0 0
2 1
=
>
>
=
>
>
x
f
y
x
f
(15)
Si de estas dos ecuaciones despejamos x
1
y x
2
en funcin de (, tendremos un punto
singular para cada valor de (, el cual debe satisfacer la ecuacin de la familia. O sea:
( ) ( ) ( ) 0 , ,
2 1
= % % % x x f
y derivando respecto a (:
0
2
2
1
1
=
>
>
+ &
>
>
+
>
&
>
>
% % %
f
d
dx
x
f dx
x
f
y teniendo en cuenta (15) queda
0 =
>
>
%
f
que es la condicin de envolvente.
Por tanto, resulta interesante al hallar la envolvente de una familia eliminar el lugar
de los posibles puntos singulares de las curvas de la familia.
Recprocamente, de las relaciones
( ) 0 , ,
2 1
=
>
>
%
%
f
y x x f
deducimos las ecuaciones paramtricas de la lnea
( ) ( ) % %
2 2 1 1
x x x x = =
cuyos puntos satisfacen la ecuacin de la familia, es decir:
( ) ( ) ( ) 0 , ,
2 1
= % % % x x f
y derivando respecto a (:
0
2
2
1
1
=
>
>
+ &
>
>
+ &
>
>
% % %
f
d
dx
x
f
d
dx
x
f
y como
0 =
>
>
%
f
resulta



17/22
%
%
d
dx
d
dx
x
f
x
f
1
2
2
1
=
>
>
>
>
que nos dice que la lnea obtenida y cada una de las curvas de la familia son tangentes.
6. CONSTRUCCIN DE ALGUNAS CURVAS.
TEOREMA El arco de evoluta es igual a la diferencia entre los radios de curvatura
correspondientes a los extremos del arco de evoluta.
Dem
Sea la curva ( ) s x x
r r
= y la ecuacin de su evoluta
( ) ( ) s N p t x x
r
r r
& + = (16)
Vamos a demostrar que el arco CD de la evoluta
es igual a la diferencia de los radios de curvatura en
A y B.
Derivando (16) tenemos
( ) ( ) ( ) ( ) ( ) T s N s T
ds
N d
s s N s T
ds
x d
r r r
r
r r
r
' & + = + & + = ( ( (
luego
( ) ( ) s N s
ds
x d
r
r
& = (
Si llamamos @ al arco de evoluta
ds
d
ds
x d *
=
r
luego
A
' = = * =
B
A
A B CD
d
d
d
ds
d
( ( *
*
( *
(
c.q.d.
Del teorema anterior deducimos la manera de construir de forma prctica la
evolvente: Bastara suponer una lnea arrollada sobre la evoluta e irla extendiendo
mantenindola tensa. El punto tomado como origen para tal desarrollo describe la



18/22
evolvente. Ahora bien, al variar ese punto obtenemos diferentes evolventes, todas ellas
paralelas, de la misma curva evoluta.
Por otra parte, la podaria de una curva respecto de un punto C es el lugar geomtrico
de los pies de las perpendiculares trazadas por C a las tangentes de la curva.
Puede considerarse la podaria como envolvente de las circunferencias de dimetro
CA donde A es el punto de la curva donde se traza la tangente y la normal.
En efecto, si la curva es ( ) s x x
r r
= , la tangente en uno de sus puntos es
( ) T s x x
r
r r
% + =
La perpendicular por C a esta recta es
N c x
r
r r
+ =
Si entre estas ecuaciones eliminamos s, ( y obtenemos la ecuacin de la podaria.
Si la curva viene dada por ( )
1 2
x f x = se procesa de forma anloga obteniendo
como normal en C:
( )
( )
1 1
1
2 2

1
c x
a f
c x ' ' = '
Si consideramos la circunferencia de dimetro AC:
( )( ) ( )( ) 0
2 2 2 2 1 1 1 1
= ' ' + ' ' a x c x a x c x
y queremos hallar la envolvente, derivamos respecto de a
1
( ) ( ) 0
1
2
2 2 1 1
= & ' + '
da
da
c x c x
y dividiendo ambas ecuaciones, despus de transformar los trminos
( )
2 2
2
1 1

1
a x
a
a x ' = '
que con ( )
1 2
a f a = nos dan las ecuaciones obtenidas anteriormente.
5.1. Trazado de la Evolvente de la circunferencia.
La evolvente de la circunferencia es la curva engendrada por un punto de una recta
que se mueve, apoyndose sin desplazamientos sobre una circunferencia. Las
ecuaciones paramtricas son



19/22
( )
( )
.
/
0
' & =
+ & =
$ $ $
$ $ $
cos sen
sen cos
h r r y
h r r x
Veamos cual es el procedimiento para su trazado.
Paso 1: Trazamos la circunferencia evoluta con radio r.
Paso 2: Dividimos la circunferencia en n partes iguales. En el dibujo tomamos n = 12.
Paso 3: Por cada punto obtenido de la divisin anterior, trazamos rectas tangentes a la
circunferencia.
Paso 4: Si el punto de tangencia C correspondiente a la particin O es punto de la
evolvente, trazamos el arco de centro el punto 1 y radio la distancia del punto 1 al O.
Paso 5: Repetimos el proceso haciendo centro en el resto de puntos y como radio la
distancia de dichos puntos al O.
5.2. Trazado de la curva Pericicloide.
Esta curva presenta caractersticas muy similares a la anterior. La diferencia est en
que las tangentes a la circunferencia, que van a apoyar la construccin de la evolvente
sern de circunferencias en lugar de rectas. Los lados cncavos del dichos arcos tocarn
al lado convexo de la circunferencia inicial e evoluta, siendo los radios de aquellos
mayores que los de esta.



20/22
5.3. Trazado de la curva Epicicloide.
Un punto P de una circunferencia que rueda sobre otra fija describe la curva
epicicloide.
De su construccin grfica obtenemos sus ecuaciones paramtricas
( )
( )
<
<
.
<
<
/
0
&
&
2
3
4
5
6
7
+ & ' & + =
2
3
4
5
6
7
+ & ' & + =
$
$ $
$
1 sen sen
1 cos cos
a
r
a a r y
a
r
a a r x
Su construccin grfica es:



21/22
5.4. Trazado de la curva Cardioide.
Si en el trazado de la Epicicloide, ambas circunferencias, la mvil y la fija, son de la
misma dimensin, obtenemos la Cardioide.
5.5. Trazado de la curva hipocicloide.
Si al rodar una circunferencia sobre otra fija el contacto es interior, las curvas
descritas por los distintos puntos, unidos invariablemente a la curva mvil, describen
hipocicloides. Las ecuaciones paramtricas son:
( )
( )
<
<
.
<
<
/
0
&
2
3
4
5
6
7
' & ' ' =
& 2
3
4
5
6
7
' & + ' =
$ $
$ $
1 sen sen
1 cos cos
a
r
a a r y
a
r
a a r x



22/22
Bibliografa recomendada.
Curso de Matemticas. Anlisis y Geometra Diferencia. Aut: A. Donnddu. Edit:
Aguilar.
Algebra. Aut: L. Thomas Ara.
Geometra Analtica. Aut: M. De Lanuza. Edit: Gredos.
Geometra Analtica. Aut: L. Crusat. Edit: Bosch.



1/8
TEMAS DE MATEMTICAS
(OPOSICIONES DE SECUNDARIA)
TEMA 48
ESPIRALES Y HLICES. PRESENCIA EN LA NATUTALEZA, LA TCNICA Y
EL ARTE.
1. Introduccin.
2. La espiral de Arqumedes: Descripcin y ecuacin. Actividades.
3. La espiral equiangular: Descripcin y ecuacin. Propiedades.
4. Otras espirales.
4.1. Hiperblica.
4.2. De dos, tres, cuatro centros o de paso 2
4.3. De Durero.
5. Hlices.
5.1. Ecuaciones de la Hlice.
6. Helicoides. Descripcin y construccin.
Bibliografa Recomendada.



2/8
TEMA 48
ESPIRALES Y HLICES. PRESENCIA EN LA NATUTALEZA, LA TCNICA Y
EL ARTE
1.- INTRODUCCIN.
Existen en la Naturaleza numerosos ejemplos de formas enrolladas cuya representa-
cin grfica es una espiral o una hlice.
Se trata en casi todos los casos de un crecimiento en forma de giro ligado a una ex-
pansin, por ejemplo: las galaxias espirales, las conchas de las caracolas y otros molus-
cos, el crecimiento de una planta trepadora a lo largo de un soporte, las astas de los car-
neros, etc.
Igualmente, el hombre ha necesitado tambin estas formas unas veces por necesida-
des prcticas y otras por necesidades estticas. El diseo de una escalera de caracol,
construccin de muelles y solenoides son ejemplos prcticos; las espirales en vasos, los
volantes en arquitectura, etc., son manifestaciones artsticas.
El estudio de ellas se dificulta siempre porque las coordenadas rectangulares no son
idneas. Se precisan coordenadas polares. No obstante puede conseguirse una aproxi-
macin a ellos vlida para ltimo curso de ESO (con muchas reservas y prescindiendo
de ecuaciones), y sobre todo para las matemticas de la forma, del futuro Bachillerato
artstico.
Estudiaremos en primer lugar las espirales, en especial las de Arqumedes, y la loga-
rtmica o equiangular. Se citaran tambin otras espirales y falsas espirales.
2.- LA ESPIRAL DE ARQUMEDES.
Es la ms antigua conocida. Ya Arqumedes la citaba como ejemplo de la trayectoria
que sufre un punto mvil sometido a un giro a velocidad angular constante y a un cre-
cimiento del radio tambin constante.
Se puede determinar su ecuacin fcilmente:
Si es el ngulo de giro en radianes, V
a
la velocidad angular y t el tiempo, se tiene:
t V
a
= !
Si r es el radio de giro, V
1
la velocidad constante de crecimiento del radio, se tiene:
t V r
1
= .
eliminando t :
a
V
V r
!
1
= = k!



3/8
! k r = Ecuacin espiral de Arqumedes en c. polares.
Es curioso el parecido que existe entre una recta que
pase por el origen en coordenadas rectangulares y = mx,
y la espiral de Arqumedes en coordenadas polares
! k r = .
La forma de la espiral de Arqumedes la determina el
valor de k pues la distancia entre dos espiras se obtiene
restando los radios de dos espiras consecutivas al dar una
vuelta completa.

"
!
" !
k r r
k r
k r
2 '
) 2 ( '
= !
"
#
$
=
+ =
lo que prueba que la anchura de la espiral es constante.
Es claro tambin que al aumentar el radio las espiras se vayan pareciendo cada vez
ms a circunferencias.
Actividades:
1.- Puede tantearse la forma de la espiral usando papel polar, o marcando con ayuda
de un semicrculo graduado ngulos cada 5 y determinando los radios correspondien-
tes.
2.- Igualmente, un procedimiento en LOGO muy sencillo permite simular espirales de
forma muy aproximada
PARA ESPIRAL :LADO :INC :ANGULO
AV :LADO GD :ANGULO
ESPIRAL :LADO + :INC :INC :ANGULO
FIN
(Es conveniente indicar valores pequeos, por ejemplo ESPIRAL 1 1 20 constru-
ye una poligonal que ya se parece a una espiral). Como el incremento de lado es cons-
tante tambin lo es el del radio.
3.- Un procedimiento dinmico ms til, es el de los alfareros. Sobre el pivote central se
coloca una regla fija, y se desplaza un lpiz a velocidad constante de dentro afuera. El
lpiz describe una espiral, y la forma de la espiral depende de la velocidad del torno, y
de la velocidad con que se desplaza el lpiz.
Este mtodo, que explica por qu se utiliza tanto la espiral de Arqumedes como
motivo artesanal, puede simularse tambin con un tocadiscos y un papel colocado sobre
l.



4/8
3.- LA ESPIRAL EQUIANGULAR.
La Naturaleza no entiende de velocidades constantes, y as el crecimiento suele de-
pender de lo crecido hasta entonces. As, las espirales en la Naturaleza no suelen mante-
ner la distancia entre espiras.
Como introduccin, modifiquemos el procedimiento LOGO anterior as:
PARA ESPIRAL2 :LADO :RAZON :ANGULO
AV :LADO GD :ANGULO
ESPIRAL2 :LADO*:RAZON :RAZON :ANGULO
FIN
y probemos, por ejemplo con ESPIRAL2 1 101 5.
Al describir la tortuga de LOGO un seg-
mento forma con 0 un tringulo. El siguiente
segmento dibujado forma con 0 otro trin-
gulo semejante al anterior siendo la razn de
semejanza 101. Entonces
01 ' 1
1
=
+ n
n
r
r
P
n-1
P
n
P
n-2
P
n-3
r
n-2
r
n-1
r
n
5
o
5
o
L
L.1'01
O
En este tipo de espirales el radio no se incrementa cada vez una longitud constan-
te, sino que aumenta un porcentaje del valor anterior.
Supongamos ahora que el radio aumenta cada 10 un porcentaje del 20%, e intent e-
mos hallar una frmula que mida r (la lnea descrita ser poligonal).
2
0 0 0
0 0 0
0
) 2 ' 0 1 ( 2 ' 0 ) 2 ' 0 1 ( ) 2 ' 0 1 ( 20
) 2 ' 0 1 ( 2 ' 0 10
0
+ = + + + %
+ = + %
%
r r r
r r r
r
Para un ngulo x (mltiplo de 10) ser:
10
0
) 2 ' 0 1 (
x
r r + =
Intentemos hallar una expresin para cualquier valor de x, aunque no sea mltiplo
de 10.
Si dividimos el intervalo [x, x + 10] anterior en n partes, y as mismo que aproxi-
mamos cada
n
10
el porcentaje de crecimiento sea
'
2 ' 0
n
, se tendra
10
0
2 ' 0
1
nx
n
r r
&
'
(
)
*
+
+ =



5/8
La expresin real del radio debera ser
10
2 ' 0
0
10
2 ' 0
2 ' 0
0
10
0
2 ' 0
1
1 lim
2 ' 0
1 lim
x
x
n
n
nx
n
e r
n
r
n
r r =
,
,
,
,
-
.
/
/
/
/
0
1
&
&
&
'
(
)
)
)
*
+
+ =
&
'
(
)
*
+
+ =
2 % 2 %
La ecuacin en polares de la espiral equiangular es:
# k
e r r
0
=
siendo k constante.
Expliquemos lo que significa k. Entre dos vueltas consecutivas:
.
'

'
2
0
) 2 (
0
) 2 (
0
0
cte e
e r
e r
r
r
e r r
e r r
k
k
k
k
k
= = = 3
4
"
4
#
$
=
=
+
+
"
#
" #
" #
#
Adems, si fijamos un ngulo , se tiene
'
0
'
# k
e r r = , y cualquier ngulo >
( = + h) verifica:
kh kh k h k k
e r r e e r e r e r r '
'
0
) ' (
0 0
= 3 = = =
+ # # #
.
Luego a partir del punto (, r) la espiral es una copia ampliada (razn de semejan-
za r) de la espiral inicial. Por eso se dice que la espiral equiangular es una curva de
crecimiento armonioso.
4.- OTRAS ESPIRALES.
4.1. Hiperblicas.
Cualquier ecuacin en polares donde r no sea peridica (es decir, que dependa di-
rectamente de ) puede proporcionar una espiral. Por ejemplo
#
k
r = representa una
espiral hiperblica, cuya forma depende mucho de los intervalos de ngulo considerado.
4.2. De dos, tres o cuatro centros o de paso 2 .
Pueden considerarse otras falsas espirales: espirales de dos centros, de tres centros ,
de cuatro centros, etc., o construidas mediante arcos de circunferencias cuyas longitudes
y radios estn en una proporcin dada, por ejemplo 2 , el nmero ureo (espiral de
Durero, etc.).



6/8
A B

A
B
C
4.3. Espiral de Durero
Espiral urea o de Durero.
Variantes de ella son, por ejemplo,
la de paso gnmico 2 , donde
dos radios consecutivos estn en
esa proporcin.
5.- HLICES.
La hlice es una forma muy abundante en la Naturaleza: la forma de crecimiento de
las plantas trepadoras, la disposicin de las brcteas de una pia, los cuernos de muchos
rumiantes.
En otros casos es menos accesible pero quizs ms importante: la doble hlice de la
cadena de ADN.
Tambin en la tcnica se utiliza la hlice y sus propiedades: muelles, sacacorchos,
tornillos, escalera de caracol, etc.
Puede considerarse la hlice como generada por un punto del espacio que gira alr e-
dedor de un eje, y se desplaza paralelamente al mismo.
Actividades:
1.- Puede construirse una hlice con una experiencia. Se coloca un cilindro de cartn
hueco sujeto sobre un plato giradiscos y bien centrado. Fijamos una regla a lo largo de
una de las generatrices y desplazamos el lpiz sobre el cilindro apoyado en la regla que
ha de quedar fija.
2.- Como puede que el exponente anterior resulte muy pequeo, se sugiere esto otro:
sobre un vaso cilndrico gotea un poco de miel. Hay una mosca situada en otra genera-
triz. Cul es el camino ms corto para la mosca para llegar a la miel?.



7/8
Si hacemos un desarrollo plano, vemos que dicho camino es la lnea recta. Trazando
de nuevo obtenemos un arco de hlice.
3.- Es posible construir una hlice trazando sobre un folio lneas paralelas a longitud
constante (solo es preciso que al fabricar el cilindro casen las lneas).
5.1. Ecuaciones de la Hlice.
IR
k z
r y
r x
5
4
"
4
#
$
=
=
=
!
!
!
!
sin
cos
los puntos de la hlice estn contenidos en el cilindro de ecuacin
2 2 2
r y x = + .
Al describir un giro completo, si P(x, y, z) es un punto de hlice para un valor ,
P(x, y, z) es un punto de la hlice situado sobre la generatriz para el valor " ! 2 +
siendo k z ) 2 ( ' " !+ = , luego el paso de la hlice es, entonces, 2!k.
Es fcil medir la longitud de una espiral (recorrida por la hlice entre dos pasos con-
secutivos por la misma generatriz si recurrimos nuevamente a los desarrollos planos.
Ejemplo:
4
"
4
#
$
=
=
=
!
!
!
2
sin 3
cos 3
z
y
x
La longitud de una espira es " " " 52 16 36
2 2
= + = L
7.- HELICOIDES.
La misma idea de hlice sugiere otra posibilidad, qu ocurre cuando r no es cons-
tante y depende de
Ejemplo:
IR a
a z
a a y
a a x
5
4
"
4
#
$
=
=
=
sin
cos
Representa una lnea, pero los puntos de L lnea verifican 0
2 2 2
= ! + z y x . Est por
tanto contenida en un cono y recibe el nombre de helicoide.
En la Naturaleza existen numerosas muestras de helicoides, por ejemplo, en ciertos
caracoles.



8/8
Estos movimientos son generados por 3 elementos: un giro alrededor del eje, una
traslacin vertical paralela al eje y un alejamiento del eje. Sin embargo, son muy com-
plejas por lo que se recurre a otras tcnicas. Puede ocurrir que la distancia entre espiras
se mantenga a lo largo de una generatriz o que no (al igual que ocurra con las espira-
les).
Actividad:
Si desarrollamos el cono en el plano y dibujamos espirales con una plantilla polar
(espirales incompletas por supuesto) al construir el cono se reproduce la helicoide (tn-
gase en cuenta que las dos generatrices deben unir).
Bibliografa Recomendada.
No existe bibliografa matemtica adecuada para un tema tan novedoso. Casi todas
las actividades son repescadas de aqu y all. Podramos citar:
Mathemtica vielle realit de Inma Castelnuovo de 12 a 16: un proyecto de curriculo
de matemticas, grupo Cero. Publicaciones de los centros de profesores y grupos de
trabajo de matemticas.
Dibujo Tcnico con varias editoriales, en especial Bruo.



1/18
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 49
SUPERFICIES DE REVOLUCIN. CUADRICAS. SUPERFICIES REGLADAS.
PRESENCIA EN LA NATURALEZA, EL ARTE Y EN LA TCNICA.
1. Definicin de superficies. Conceptos bsicos.
2. Clasificacin de superficies.
3. Superficies de revolucin.
3.1. Generalidades.
3.2. Revolucin de Curvas.
3.2.1. Esfera.
3.2.2. Toro circular.
3.2.3. Elipsoide y Paraboloide de Revolucin.
3.3. Revolucin de Rectas.
3.3.1. Cilindro.
3.3.2. Cono.
3.3.3. Hiperboloide de Revolucin.
4. Cudricas.
4.1. Cudricas con Centro.
4.1.1. Elipsoide.
4.1.2. Hiperboloide de una hoja.
4.1.3. Hiperboloide de dos hojas.
4.1.4. Cono.
4.1.5. Cilindro Elptico.
4.1.6. Cilindro hiperblico.
4.2. Cudricas sin Centro.
4.2.1. Cilindro Parablico.
4.2.2. Paraboloide Elptico.
4.2.3. Paraboloide hiperblico.
5. Superficies Regladas.
5.1. Superficies Regladas Desarrolladas.
5.1.1. Superficies Cnicas.
5.1.2. Superficies Cilndricas.
5.2. Otras superficies Regladas.
6. Aplicaciones.
6.1. Superficies de Revolucin.
6.2. Cudricas.
6.3. Superficies Regladas.
Bibliografa Recomendada.



2/18
TEMA 49
SUPERFICIES DE REVOLUCIN. CUADRICAS. SUPERFICIES REGLADAS.
PRESENCIA EN LA NATURALEZA, EL ARTE Y EN LA TCNICA.
1. DEFINICIN DE SUPERFICIE.
De manera geomtrica, podemos definir una superficie como el lugar geomtrico de
las posiciones sucesivas de una lnea, indeformable o no, que se mueve en el espacio
siguiendo una ley determinada y continua. La lnea anterior recibe el nombre de
generatriz.
Supongamos que { }
3 2 1
, , , u u u O R
r r r
= es una referencia ortonormal del espacio
eucldeo. Un tipo especial de superficie son los planos, que expresados en ecuaciones
paramtricas son:
!
"
!
#
$
+ + =
+ + =
+ + =
!
!
!
3 3
2 2
1 1
b a z z
b a y y
b a x x
o
o
o
%,&!
De forma analtica, una superficie se puede definir como sigue:
DEF Llamaremos superficie al conjunto de puntos del espacio E
3
que tiene por
ecuaciones paramtricas, segn la referencia ortonormal R:
( )
( )
( )
!
"
!
#
$
=
=
=
!
!
!
,
,
,
3
2
1
f z
f y
f x
donde f
1
, f
2
y f
3
son funciones continuas en los parmetros % y .
Si fuese posible eliminar los parmetros % y , se obtendra una ecuacin de la
forma
( ) 0 , , = z y x F
llamada ecuacin implcita de la superficie.
Si de la ecuacin implcita podemos despejar z
( ) y x f z , =
la ecuacin obtenida recibe el nombre de ecuacin explcita de la superficie.
Teniendo en cuenta la forma geomtrica de definir la superficie, la lnea mvil o
generatriz puede ser recta o curva y al moverse, suele apoyarse sobre una o ms lneas



3/18
que llamaremos directrices. En general, la directriz puede ser un punto, una lnea u otra
superficie.
As pues, podemos clasificar las superficies engendradas de la siguiente manera:
1) Como el lugar geomtrico de las posiciones sucesivas de una lnea que se mueve
en el espacio cambiando de posicin, pero no de forma, segn una determinada ley.
2) Como el lugar geomtrico de las posiciones sucesivas de una lnea que cambia
tanto de posicin como de forma.
3) Como la envolvente de las distintas posiciones de otra superficie que puede
mantener su forma o no, y sigue en su movimiento una determinada ley.
Como elementos caractersticos de una superficie tenemos:
DEF Llamaremos Tangente de una superficie en un punto a la tangente en ese punto a
una curva cualquiera que pase por el punto y est contenida en la superficie.
DEF Si el lugar geomtrico de las tangentes a todas las curvas contenidas en la
superficie que pasan punto es un plano, ste recibe el nombre de Plano Tangente a la
superficie en el punto considerado, y el punto lo llamaremos Punto Ordinario. En caso
contrario habr ms de un plano tangente y el punto lo llamaremos Punto Singular.
DEF Diremos que una recta es Normal a la superficie en un punto si es perpendicular
al plano tangente a la superficie en el punto considerado.
DEF Llamaremos Plano Normal a la superficie en un punto cualquiera del plano que
contenga una recta normal a la superficie en dicho plano.
DEF Llamaremos Seccin Normal a la interseccin entre el plano normal a la
superficie en un punto y al propia superficie. La curvatura de las seccin Normal la
llamaremos Curvatura Normal.
2. CLASIFICACIN DE SUPERFICIES.
Segn el criterio que tengamos en cuenta, podemos clasificar de distintas formas las
superficies.
a) Segn el movimiento de la generatriz.
Si la generatriz describe un giro alrededor de una recta obtenemos las superficies de
revolucin.
b) Segn la forma de la generatriz.
Si la generatriz es una recta las llamaremos Superficies Regladas y si es una curva
Superficies No Regladas.



4/18
Adems, si son desarrollables en un plano diremos que son superficies
desarrollables. En caso contrario son no desarrollables o alabeadas.
Todas las superficies no regladas son no desarrollables.
c) Segn el Orden de la superficie.
DEF Llamamos Orden de una Superficie al nmero mximo de puntos que una recta
corta a la superficie.
Si el Orden es 2 las superficies se llaman Cudricas, si es 3 son Cbicas, si es 4
Curticas, etc.
Vamos a desarrollar el tema destacando las superficies ms importantes de cada
clasificacin.
3. SUPERFICIES DE REVOLUCIN.
3.1. Superficies de Revolucin.
DEF Una superficie de revolucin es la engendrada por una cura C generatriz, al girar
alrededor de una recta llamada eje de revolucin.
Los planos perpendiculares al eje de revolucin cortan a la superficie en
circunferencias. Los planos que contienen al eje de revolucin cortan a la superficie en
curvas y pueden considerarse a su vez generatrices de la superficie.
Por convenio, tomaremos un sistema de referencia en el que coincidan uno de los
ejes, por ejemplo en OZ, con el eje de revolucin de la superficie.
As, si ( ) z y x P , , es un punto de la superficie, un giro de eje OZ y ngulo ' lo
transforma en ( ) , , z y x P siendo
!
"
!
#
$
=
+ =
( =
z z
yCos xSen y
ySen xCos x

" "
" "
y si la curva generatriz C tiene por ecuaciones paramtricas
( )
( )
( )
!
"
!
#
$
=
=
=
t f z
t f y
t f x
3
2
1
tenemos entonces que la ecuacin en forma paramtrica de la superficie es



5/18
( ) ( )
( ) ( )
( )
!
"
!
#
$
=
+ =
( =
t f z
Cos t f Sen t f y
Sen t f Cos t f x
3
2 1
2 1
" "
" "
t, '&!
Como caso particular tenemos la situacin en la que la curva est contenida en un
plano. Entonces elegiremos un sistema de referencia que, adems de la condicin
anterior, verifique que el plano OYZ contiene a C. Entonces, la ecuacin de la curva
sera
"
#
$
=
=
0 ) , (
0
z y f
x
Como cada punto de C describe al girar una circunferencia de ecuacin
!
"
!
#
$
=
= +

!
z
y x
2 2
eliminando x, y, z de ambas ecuaciones, llegamos a la ecuacin de la superficie
( ) 0 , = ! F
o tambin
( ) 0 ,
2 2
= + z y x F
3.2. Revolucin de Curvas.
3.2.1. Esfera.
Es la superficie de revolucin obtenida al girar una circunferencia alrededor de uno
de sus dimetros.
La circunferencia generatriz
podemos suponer que es
"
#
$
= +
=
2 2 2
0
R z y
x
De la expresin
"
#
$
=
= +

!
z
y x
2 2
y la anterior obtenemos



6/18
2 2 2 2 2 2
2
R z y x R
z
y
= + + ) = + )
"
#
$
=
=
!

!
(1)
Luego
( )
2 2
, R F ( + = ! !
o tambin
( )
2 2 2 2 2 2
, R z y x z y x F ( + + = +
La ecuacin (1) expresa la definicin clsica de esfera como:
( ) { } R P O d E P = & , /
3
siendo O el centro de la esfera y R su radio.
DEF Llamamos dimetro de la esfera a cualquier segmento que une dos puntos de la
misma pasando por el centro.
El plano tangente en un punto es la perpendicular al radio que pasa por ese punto.
Cualquier plano normal a la esfera pasa por su centro.
Si cortamos la superficie esfrica por un plano secante a la misma, obtenemos dos
cuerpos llamados segmentos esfricos de una base y las dos partes de la superficie
esfrica reciben el nombre de casquetes esfricos.
3.2.2. Toro Circular.
El toro circular es la superficie de revolucin obtenida al girar una circunferencia
alrededor de una recta exterior a la misma y situada en su mismo plano.
Z
X
Y
La ecuacin de la circunferencia
generatriz es
( )
"
#
$
= + (
=
2 2 2
0
r z R y
x
con r < R
Si tenemos en cuenta que
"
#
$
=
= +

!
x
y x
2 2
podemos obtener la ecuacin de la superficie como sigue:
( ) ) = + ( ) = ) = +
2 2
2
2 2
R R y y x ! ! !
) + = ) = + + ( )
2 2 2 2
2 2 ! ! ! ! R R R R



7/18
) + + = )
2 4 2 2
2 4 ! ! ! R
( ) ( ) ( )
2 2 2 4
2
2 2 2 2 2
2 4 y x z z y x y x R + + + + = +
que es una ecuacin algebraica de cuatro grados.
Generalizando, si en lugar de girar una circunferencia, gira otra curva, nos podemos
encontrar otros tipos de revolucin. Por ejemplo, Toros elpticos, parablicos o
hiperblicos.
Es ms, si la recta generatriz no est en el plano de la curva, la superficie generada
recibe el nombre de Toroide.
3.2.3. Elipsoide y Paraboloide de Revolucin.
Una elipse o una parablica engendran al girar alrededor de uno de sus ejes (la
elipse) o de su nico eje (la parbola) superficies que llamaremos, respectivamente,
elipsoide de revolucin.
La elipse de ecuacin
1
2
2
2
2
= +
b
y
a
x
engendra, al girar alrededor del eje z, el
elipsoide de ecuacin
1
2
2
2
2
2
2
= + +
b
z
b
y
a
x
La parbola de ecuacin
px y 2
2
=
engendra al paraboloide de revolucin
de ecuacin
px z y 2
2 2
= +



8/18
3.3. Revolucin de Rectas.
3.3.1. Cilindro.
El Cilindro es la superficie de
revolucin obtenida al girar una recta
alrededor de un eje paralelo a la misma.
Es decir, ambas rectas, la generatriz y el
eje de revolucin, estarn contenidas en
el mismo plano.
Sea el eje revolucin el eje OZ y la recta generatriz C tiene por ecuaciones
"
#
$
=
=
a y
x 0
Teniendo en cuenta
"
#
$
=
= +

!
z
y x
2 2
entonces
a y = ) = ! !
y la ecuacin del cilindro es
2 2 2
a y x = +
La forma de la ecuacin nos dice que estos cilindros tambin se pueden obtener
realizando traslaciones de la circunferencia
2 2 2
a y x = +
contenida en el plano z = 0 (OXY) paralelamente al eje z.
3.3.2. Cono.
Elegimos una referencia
{ }
3 2 1
, , , u u u O R
r r r
= en la que el eje de
rotacin sea el eje OZ ( )
3
u
r
y la recta
generatriz C es
"
#
$
=
=
mz y
x 0
la cual corta al eje de revolucin en el
punto O que llamaremos Vrtice.



9/18
De
"
#
$
=
= +

!
z
y x
2 2
obtenemos
2 2
! ! ! m m y = ) = ) =
Y la ecuacin del Cono es
0
2 2 2 2
= ( + z m y x
Al ser la generatriz indefinida, como cualquier recta, generar un cono formado por
dos ramas unidas por el vrtice.
El cono que se obtiene es recto ya que su base es circular.
3.3.3. Hiperboloide de Revolucin.
Elegimos un Sistema de Referencia
{ }
3 2 1
, , , u u u O R
r r r
= en la que el eje de revolucin sea
el eje OZ y la recta generatriz se cruce con el eje
OZ, siendo la perpendicular comn al eje X.
As, la recta generatriz tiene por ecuacin
"
#
$
=
=
mz y
a x
Como
"
#
$
=
= +

!
z
y x
2 2
entonces
2 2 2
2 2
z m a
z
a y
= ( )
"
#
$
=
( =
!

!
y la ecuacin del hiperboloide de revolucin es
2 2 2 2 2
a z m y x = ( +
Si cortamos la superficie por planos perpendiculares al eje obtenemos
circunferencias, siendo la de menor radio la que obtenemos con el plano z = 0.
Si cortamos la superficie por planos que contengan al eje Z, que tienen por
ecuaciones x = Ky, las intersecciones verifican



10/18
( )
2 2 2 2 2
2 2 2 2 2
1 a z m y K
Ky x
a z m y x
= ( + )
"
#
$
=
= + +
que es una hiprbole contenida en el plano x = Ky.
En particular, cualquiera de estas hiprbolas puede servirnos para generar la
superficie.
4. CUDRICAS.
Al clasificar las superficies segn su orden, las cuadricas corresponderan a aquellas
que eran de 2 grado. Cualquier cambio de sistema de referencia cambiara la ecuacin,
pero no su grado. As pues, elijamos un sistema de referencia { }
3 2 1
, , , u u u O R
r r r
=
ortonormal,
DEF Llamaremos Cudrica a toda superficie cuya ecuacin es de la forma
0 2 2 2 2 2
23 13 12
2
33
2
22
2
11
= + + + + + + + + + d cz by ax yz a xz za xy a z a y a x a
Todas las superficies de revolucin en el apartado anterior son cudrigas, menos el
toro circular, que es de cuarto grado.
4.1. Cudricas con Centro.
Elegido convenientemente un sistema de referencia, diremos que una cudrica tiene
como centro de simetra el origen si al sustituir (x, y, z) por (-x, -y, -z) en la ecuacin,
se obtiene la misma.
4.1.1. Elipsoide.
La ecuacin de la superficie (en un
sistema elegido convenientemente)
es
1
2
2
2
2
2
2
= + +
c
z
b
y
a
x
La superficie corta a los ejes coordenados en los puntos
( ) ( )
( ) ( )
( ) ( ) c c
b b
a a
(
(
(
, 0 , 0 , 0 , 0
0 , , 0 0 , , 0
0 , 0 , 0 , 0 ,
y verifica que el origen es su centro de simetra.



11/18
La interseccin con un plano paralelo al plano OXY, por ejemplo x = %, nos da
Interseccin vaca si % > c % < - c
Un solo punto si % = c % = - c
Una elipse de ecuacin
2
2
2
2
2
2
1
c b
y
a
x !
( = + si - c < % < c.
Por simetra, el resultado es el mismo si el elipsoide es intersectado por planos de
ecuaciones x = % o y = %.
En el caso de que a = b, a = c o b = c, las intersecciones con planos de ecuaciones
z = %, y = % x = % respectivamente dan, si existen, circunferencias, siendo el elipsoide
de revolucin.
Si a = b = c el elipsoide degenera en una circunferencia de radio O.
4.1.2. Hiperboloide de una hoja.
La ecuacin de esta superficie en un
sistema de referencia convenientemente
elegido es
1
2
2
2
2
2
2
= ( +
c
z
b
y
a
x
Corta a los ejes en
( ) ( )
( ) ( ) 0 , , 0 , ,
0 , 0 , 0 , 0 ,
b o b o
a a
(
(
y no corta al eje Z. Tambin verifica que el origen es su centro de simetra.
La interseccin con planos paralelos al plano OXY, de ecuacin z = %, da elipses.
En cambio, si los planos son paralelos al OXZ o al OYZ, por ejemplo y = % x = %
respectivamente, obtenemos hiprbolas.
Si escribimos
*
+
,
-
.
/
(
*
+
,
-
.
/
+ =
*
+
,
-
.
/
(
*
+
,
-
.
/
+ ) ( = (
b
y
b
y
c
z
a
x
c
z
a
x
b
y
c
z
a
x
1 1 1
2
2
2
2
2
2
=
(
(
=
+
+
)
c
z
a
x
b
y
b
y
c
z
a
x
1
1
y
1
1
=
(
+
=
(
+
c
z
a
x
b
y
b
y
c
z
a
x
As tenemos que



12/18
0 1
0 1
= *
+
,
-
.
/
( ( *
+
,
-
.
/
(
= *
+
,
-
.
/
+ ( *
+
,
-
.
/
+
c
z
a
x
b
y
b
y
c
z
a
x

4.1.3. Hiperboloide de dos hojas.

Su ecuacin es
1
2
2
2
2
2
2
= + ( (
c
z
b
y
a
x
Solo corta al eje Z en los puntos
( ) ( ) c y c ( , 0 , 0 , 0 , 0
Los planos de ecuacin x = % y y = % cortan a
la superficie en hiprbolas.
En cambio, los planos de ecuacin z = %
cortan a la superficie si %0(-a, a).
Si % = a % = -a, la corta en un punto.
Si % > a % < -a, la corta en elipses de ecuacin 1
2
2
2
2
2
2
( = +
c b
y
a
x !
Igual que las anteriores, el origen es centro de simetra.
4.1.4. Cono.
La ecuacin del cono, es un sistema
de referencia elegido convenientemente,
es
0
2
2
2
2
2
2
= ( +
c
z
b
y
a
x
Corta a los ejes en el punto (0, 0, 0),
siendo adems su centro de simetra.
Cualquier plano de la forma z = %
(paralelo al plano OXY) corta a la
superficie en elipses.



13/18
Los planos de la forma x = % e y = %, paralelos a OYZ y a OXZ respectivamente,
cortan al cono determinando hiprbolas. Excepto si pasan por el origen, en el que
obtenemos un par de rectas.
Dadas las generatrices
!
"
!
#
$
=
=
z
c
b
y
x 0

!
"
!
#
$
( =
=
z
c
b
y
x 0
los planos paralelos a ellas, que son de la forma
0 = + h bz cy con 0 1 h
cortan al cono en parbolas.
4.1.5. Cilindro Elptico.
Su ecuacin es
1
2
2
2
2
= +
b
z
a
y
y lo vimos con ms detalle en el caso
a = b, que es el cilindro de revolucin.
Los planos de la forma x = % cortan
al cilindro en elipses, pudindose
obtener ste por traslacin de la elipse a
lo lardo del eje X.
4.1.6. Cilindro hiperblico.
Al igual que el anterior, elegido
convenientemente un sistema de referencia,
podemos escribir su ecuacin como
1
2
2
2
2
= (
b
y
a
x
Los planos z = % cortan a esta superficie en
hiprbolas.



14/18
4.2. Cudricas sin Centro.
4.2.1. Cilindro Parablico.
Tiene por ecuacin
px y 2
2
=
y como es fcil comprobar, no tiene centro de
simetra.
Los planos z = % cortan a este cilindro en
parbolas Concretamente, el plano z = 0 (o tambin,
el OXY) determinan una parbola de ecuacin
px y 2
2
=
4.2.2. Paraboloide Elptico.
Su ecuacin se puede escribir como
cz
b
y
a
x
2
2
2
2
2
= +
y corta a los tres ejes en el origen (0, 0, 0).
Cualquier plano z = % corta a la superficie en elipses siempre que
% c > 0
En cambio, dado un plano paralelo a OXZ o a OYZ cortar a la superficie en
parbolas.
Si a = b, el paraboloide es de revolucin.
4.2.3. Paraboloide hiperblico.
Su ecuacin es de la forma
cz
b
y
a
x
2
2
2
2
2
= (
y corta a los ejes en el origen de
coordenadas.



15/18
Cualquier plano de ecuacin z = % cortar a la superficie en hiprbolas, y los planos
x = % e y = % la cortan en parbolas.
Corrientemente, es conocida como Silla de Montar.
5. SUPERFICIES REGLADAS.
Si clasificamos las superficies segn la forma de la generatriz, obtenamos las
superficies regladas cuando la generatriz era una recta, y las no regladas cuando era una
curva.
Dentro de las superficies regladas podemos distinguir:
5.1. Superficies Regladas Desarrollables.
Son superficies cuya caracterstica ms importante es que el plano tangente a
cualquier recta contenida en la superficie no vara, pudiendo ser desarrollables en el
plano.
El caso ms sencillo de superficie reglada desarrollable es el plano. Otras superficies
son poliedros, que ya los estudiamos en el tema 45. Veamos pues otras:
5.1.1. Superficies Cnicas.
DEF Sea V un punto y C una curva. Una superficie cnica es el conjunto P de todas
las rectas que pasan por V y se apoyan en C.
Si V ( )
o o o
z y x , , y
( )
( )
( )
!
2
!
3
4
=
=
=
t f z
t f y
t f x
C
3
2
1
entonces, las rectas que pasan por V y se
apoyan en C tienen por ecuaciones paramtricas
( ) ( )
( ) ( )
( ) ( )
!
"
!
#
$
( + =
( + =
( + =
!
!
!

3
2
1
o o
o o
o o
z t f z z
y t f y y
x t f x x
t,%&!
Si se puede eliminar t y % obtenemos una ecuacin de la forma
( ) 0 , , = z y x F
llamada ecuacin implcita de la superficie.
5.1.2. Superficies Cilndricas.
DEF Una superficie Cilndrica es el conjunto P de rectas que se apoyan en una curva
C y son paralelas a una recta de direccin u
r
.



16/18
Si ( ) c b a u , , =
r
y
( )
( )
( )
!
2
!
3
4
=
=
=
=
t f z
t f y
t f x
C
3
2
1
entonces se verifica que para todo punto P de la
superficie existe un punto Q de la curva tal que
u QP
r
! =
Entonces, las ecuaciones paramtricas de la superficie son
( )
( )
( )
!
"
!
#
$
+ =
+ =
+ =
c t f z
b t f y
a t f x
!
!
!
3
2
1
con t, %&!
y de nuevo, si es posible eliminar % y t llegamos a la forma implcita.
5.2. Otras Superficies Regladas.
Una superficie puede generarse tambin mediante una recta que se apoye en dos curvas,
de modo que sea paralela a un plano director.
El caso ms destacable es aquel que una de las curvas es una recta. Estas superficies
reciben el nombre de Conoides.
Entre estos podemos destacar:
Conoide de Wallis, que tiene la forma de sombrero de un legionario.
La superficie helicoidal, que est generada por una recta que se apoya en una
hlice y su eje, siendo la recta perpendicular al eje.
6. APLICACIONES.
Son mltiples las aplicaciones que nos podemos encontrar de los distintos tipos de
superficies.
6.1. Superficies de Revolucin.
a) Paraboloides de Revolucin.
Quiz sea una de las aplicaciones ms interesantes. Nos los podemos encontrar en
las antenas parablicas, aunque tambin en los hornos solares o los reflectores. Todos
siguen el mismo principio. La antena recibe las ondas, las cuales se proyectan en el foco
o polarizador, lo que amplifica la seal.
El fundamento tcnico consiste en que los planos que contienen al eje del
paraboloide intersecan formando parbolas iguales, y todas ellas con el mismo foco.



17/18
b) Esfera.
La esfera est omnipresente en nuestra vida. Los planetas, satlites, estrellas, tienen
formas ms o menos esfricas.
Tambin a nivel microscpico nos la encontramos. Las clulas huevo adoptan la
forma esfrica para guardar el mximo de reserva en el mismo espacio. La tensin
superficial de los lquidos tambin propicia la forma esfrica, por ejemplo, las gotas de
roco.
c) Toro.
El toro nos lo podemos encontrar en el arte para formar anillos, en la tcnica en las
ruedas, ciclotrones o aceleradores de partculas. Incluso en la alimentacin lo vemos en
los donuts.
d) Otras superficies.
En arquitectura nos encontramos muchas aplicaciones, como por ejemplo para
cubrir o cerrar un espacio (bvedas o cpulas) o para dar luz a stas (lunetas). Existen
bvedas cilndricas o de can y de revolucin de eje vertical o cpulas. El luneto es
una bveda pequea, abierta en otra mayor, para dar luz a sta. Segn la forma de la
bveda tenemos lunetos cilndricos, cnicos o esfricos.
6.2. Cudricas.
Una conocida propiedad de la elipse nos proporciona aplicaciones para el elipsoide.
PROP Si M es un punto de la elipse de focos F y F, la bisectriz exterior del ngulo
LFMF es tangente a la elipse.
Dem
F F'
M
M'
S
a
b
T
Si T es la bisectriz de dicho ngulo
y S es un punto Simtrico de F respecto
de T, se tiene que FS =2a.
Adems, si M es otro punto de T,
se tiene que
a FS F M S M F M F M 2 = > + = +
luego M no es de la elipse. Entonces el nico punto comn a la elipse y a T es M, lo
que significa que T es tangente.
De esta proposicin deducimos que cualquier rayo, ya sea luminoso o sonoro, que
proceda de un foco se proyecta en el otro.



18/18
Esta propiedad ha sido utilizada desde antiguo en la construccin de bvedas y
teatros. Por ejemplo, la concha del apuntador suele construirse teniendo esto en cuenta.
La forma elipsoidal es una variacin de los planetas. Los dirigibles se construyeron
con esta forma para ganar penetracin, partiendo de la utilidad de la forma esfrica.
6.3. Superficies Regladas.
Las aplicaciones ms importantes nos las encontramos en ingeniera y arquitectura,
dada su sencillez.
Por ejemplo, la cubierta piramidal de torre, formada por al interseccin de dos
pirmides hexagonales.
Tambin nos encontramos estas superficies en las Pirmides de Egipto
Bibliografa Recomendada.
Geometra y Cnicas. Grupo Cero. Universidad de Valencia.
Geometra Descriptiva. Aut. Izquierdo Asensi, F. Ed. Dossat. S.A.
Matemticas COU. Aut. Varios. Ed. Ecir.
Matemticas COU. Aut. Marqus. Ed. Bello.
Curso de Geometra Mtrica, Tomo II. Aut. Fernndez Gonzlez, F. Editado por al
ctedra de Dibujo Tcnico.



1/10
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 50
GEOMETRA ESFRICA.
1. Geometras no eucldeas.
1.1. Geometra hiperblica de Lobatchevsky.
1.2. Geometra elptica de Riemann.
1.3. Comparaciones entre la geometra eucldea y no eucldea.
2. Geometra sobre la superficie esfrica.
2.1. Superficie esfrica y esfera.
2.2. Crculos mximos y menores.
2.3. Simetras en la superficie esfrica.
2.4. Plano tangente: ngulos en la superficie esfrica.
2.5. Tringulos esfricos.
2.5.1. Propiedades.
2.6. Triedro suplementario
Bibliografa recomendada.



2/10
TEMA 50
GEOMETRA ESFRICA.
1. GEOMETRAS NO EUCLDEAS.
Durante dos mil aos la geometra de Euclides fue considerada como una verdad ab-
soluta. Basada en diez axiomas, tan evidentes que nadie los negara. Desde hace siglos
los Elementos de Euclides permanecieron inviolables.
No obstante, todo no era correcto. Algunos pensadores, Euclides mismo fueron
perturbados por el axioma 5: el axioma de las paralelas de Euclides.
Axioma de las Paralelas:
Dada una recta L y un punto P no contenido en L, una y solo una recta puede ser
trazada, pasando por P y paralela a L.
Este axioma no puede ser verificado experimentalmente. Podemos trazar dos o ms
rectas que pasen por P y no intersecten a L, sobre una pagina, sin importarnos lo grande
que sea la hoja que usemos. Debemos suponer que todas, excepto una de estas rectas,
interesan a L en alguna parte indefinidamente lejana.
Por lo tanto como los otros axiomas son simples, claros e intuitivamente razonables,
surgi el afn de deducir el axioma de las paralelas a partir de los otros nueve axiomas.
Tres hombres: Gauss, Lobatchevsky y Bolyac, independientes y con pocos aos
entre si, descubrieron el sistema geomtrico que llamamos geometra no euclidiana y
probaron que el axioma de los paralelos no puede deducirse de los otros nueve.
Al intentar probar el axioma de las paralelas, el argumento que dieron fue: supon-
gamos que los otros nueve axiomas son vlidos, pero el axioma de los paralelos no; en-
tonces si por una deduccin lgica podemos llegar a una contradiccin, el axioma de los
paralelos esta probado.
La negacin del axioma de las paralelas puede tomar dos formas:
a) Dadas una recta L y un punto P no perteneciente a L, no existen rectas que pasen
por P y sean paralelas a L.
b) Dadas una recta L y un punto P no perteneciente a L, al menos dos rectas pueden
trazarse, pasando por el punto P y paralelas a L.
Con cada una de estas formas surgen dos tipos de geometras no eucldeas.
1. La geometra hiperblica de Lobatchevsky y Bolya.
2. La geometra elptica de Riemann.



3/10
1.1. Geometra hiperblica de Lobatchevsky.
Gauss, Lobatchevsky y Bolayac eligen la forma (b) de negacin del axioma de las
paralelas, que es frecuentemente llamado, axioma de las paralelas de Lobatchevsky.
Ellos supusieron (b), junto con los nueve axiomas de Euclides. A partir de ellos de-
dujeron muchos teoremas totalmente diferentes de los de la geometra euclidiana, pero
no encontraron ninguna contradiccin a los axiomas, con lo que afirmaron que haba
geometras distintas a la Eucldea.
Algunos de los teoremas, los que estn basados en los nueve axiomas, son los mis-
mos que en la geometra euclidiana. Por ejemplo el teorema: Los ngulos opuestos por
el vrtice son congruentes, es comn a ambas geometras. Sin embargo los teoremas
basados en el axioma de las paralelas toman una forma totalmente diferente.
En la geometra de Lobatchevsky se establece que la suma de los ngulos de un
tringulo es siempre menor que 180. Adems no todos los tringulos tienen la misma
suma angular. Cuanto mayor sea el rea del tringulo menor ser la suma de sus ngu-
los. Puesto que los tringulos ms grandes tienen sumas de ngulos diferentes no hay
tringulos semejantes, tringulos que tienen la misma forma, pero diferente medida. En
la nueva geometra, si dos tringulos tienen sus ngulos congruentes, entonces los trin-
gulos tambin los son.
En esta geometra no hay rectngulos, ya que si tres ngulos de un cuadriltero mi-
den 90 , el cuarto debe tener una medida menor. Ya que al dividirlo en dos tringulos
deben ser <180.
Un modelo para la geometra eucldea es el plano con las nociones de puntos y
recta.
La siguiente superficie
es llamada pseudoesfera y es un modelo para esta nueva geometra.
Las rectas sobre esta superficie son las lneas mas cortas entre puntos de ella, es-
tas distancias se denominan geodsicas. El comportamiento de puntos y rectas sobre
esta superficie da origen a los axiomas de la geometra de Lobatchevsky. Dados una
recta L y un punto P no perteneciente a L, un numero infinito de rectas pueden ser tra-
zadas por P, paralelas a L. Sobre esta superficie las rectas paralelas no son equidistantes
en todos sus partes, como lo exige el teorema de la geometra euclidiana.
La suma de las medidas de los ngulos de abc es menor de 180.



4/10
1.2. Geometra elptica de Riemann.
Poco despus de la construccin de la geometra de Lobatchevsky un matemtico
Bernhurd Riemann construy otra geometra no euclidiana, empleando el axioma (a) y
algunas veces (no todas) los otros axiomas de Euclides.
Su geometra fue diferente de las de Lobatchevsky y Euclides. En la geometra de
Riemann no hay rectas paralelas y la suma de las medidas de los ngulos de un trin-
gulo es mayor de 180.
Un modelo para la geometra de Riemann, es la superficie de una esfera.

Las rectas en este modelo, son circunferencias ma-
yores, las geodsicas de la esfera. Todas las rectas se inter-
sectan y el tringulo abc contiene dos ngulos rectos, de tal
forma que la suma de sus ngulos es mayor que 180. En
esta geometra, cuanto mayor es el rea de un tringulo,
mayor es su suma angular y solamente son semejantes
aqullos que son congruentes.
1.3 Comparaciones entre la geometra eucldea y no eucldea.
Vamos a comparar algunos resultados en la geometra de Euclides, Lobatchevsky y
Riemann.
En la geometra eucldea, dos rectas distintas se intersectan en un punto, a lo ms,
de igual forma ocurre en la de Lobatchevsky, mientras que en la de Riemann, lo puede
hacer en un punto o en dos.
Dada la recta L y un punto P no perteneciente a L, segn Euclides existe una nica
recta paralela a L que pase por P, segn Lobatchevsky existen al menos dos y segn
Riemann no existe ninguno.
Segn Euclides las rectas paralelas son equidistantes mientras que Lobatchevsky
asegura que no lo son.
La suma de los ngulos de un tringulo, para Euclides es 180, para Lobatchevsky
es menor de 180 y para Riemann es mayor de 180.
Si en una recta consideramos un punto de ella, esta queda dividida en dos partes pa-
ra Euclides y Lobatchevsky mientras que no queda dividida en dos partes para Rie-
mann.
Dos tringulos con ngulos homlogos iguales para Euclides son semejantes,
mientras que para Lobatchevsky y Riemann son congruentes.



5/10
2. GEOMETRIA SOBRE LA SUPERFICIE ESFERICA.
2.1 Superficie esfrica y esfera.
El conjunto de todos los puntos del espacio que equidista de un punto fijo O llama-
do centro, recibe el nombre de superficie esfrica.
La distancia del centro a uno cualquiera de sus puntos se llama radio.
La superficie esfrica descompone al espacio en dos partes. El conjunto de puntos,
A, cuya distancia al centro es menor o igual que el radio se denomina esfera.
El conjunto de puntos, B, cuya distancia al centro es mayor que el radio constituye
la parte de espacio exterior a la esfera.
Una parametrizacin de la superficie esfrica es la siguiente.

!
"
!
#
$
=
=
=
=
!
" !
" !
" !
rsen z
sen r y
r x
f cos
cos cos
) , (
siendo r el radio de la esfera y:
# "% < 0 y # ! 2 0 % %
2.2 Crculos mximos y menores.
Un plano que pase por el centro determina sobre la superficie esfrica una circunfe-
rencia, pues la seccin ser el conjunto de puntos de dicho plano que equidisten del
centro. Esta circunferencia se llama circunferencia mxima.
Se deduce de aqu, que en una circunferencia mxima
queda determinada por dos puntos que no sean diametral-
mente opuestos P, Q, y junto con el punto O determinan el
plano del cual obtenemos la circunferencia (como interseccin
de ese plano con la esfera)
Si un plano # no pasa por el centro, pero tiene mas de un punto comn A con la
superficie esfrica, determina sobre esta una circunferencia que se llama circunferencia
menor.
En efecto: la perpendicular por el centro O al plano #, corta a este punto C si A es
un punto cualquiera de la seccin.
Como el tringulo AOC es rectngulo en C, se verificara
cte d r OC r CA = & = & =
2 2 2 2 2
y como
2 2
d r & es un nume-
ro fijo, ser AC un segmento de longitud constante indepen-
diente del punto A elegido. Los puntos de esta seccin equi-
distan por tanto, de C.



6/10
Adems los puntos del plano # que equidistan de C estn en la superficie esfrica
que su distancia a O es r.
Luego la seccin de la superficie esfrica por el plano # es una circunferencia.
Esta circunferencia queda determinada por tres puntos y no por dos como las cir-
cunferencias mximas.
Por lo tanto podemos hacer una distincin entre ella. Mientras unas se comportan
en una geometra sobre la superficie esfrica como las rectas en el plano las otras se
comportan como verdaderas circunferencias. Podemos por tanto considerar a las prime-
ras como las rectas de la superficie esfrica y a las segundas como las circunferencias de
la misma.
Veamos que, tomando como modelo esta geometra, fue como Riemann hizo su
geometra elptica.
Teorema.
Dos circunferencias mximas se cortan en dos puntos diametralmente opuestos.
Dem.
Es inmediata ya que los planos $ %, que pasan por un punto comn O, se cortan
en una recta d que pasa por O.
Sean
1
C y
2
C las circunferencias que se forman al inter-
sectar los planos $ %, sobre la superficie esfrica E, es decir:
E C ' =%
1
E C ' = $
2
pero d corta a ambas circunferencias en dos puntos A y B
diametralmente opuesto.
Se deduce de aqu que dos rectas de esta geometra sobre la esfera tienen dos pun-
tos comunes. La geometra sobre la superficie esfrica carece de rectas paralelas.
2.3. Simetras en la superficie esfrica.
Un plano diametral, es decir, que pase por el centro de una superficie esfrica, des-
compone a la esfera en dos partes llamadas semiesferas.
Consideremos una de estas partes y la porcin de superficie esfrica que la limita.
Su simetra respecto al plano estar constituida por puntos equidistantes del centro, lue-
go coinciden con la otra parte de la superficie esfrica. Todo plano diametral es por
tanto, plano de simetra de la superficie esfrica.
Las rectas que pasan por el centro de la superficie esfrica se llaman dimetros.



7/10
Todos los planos # que pasan por un dimetro AB son
planos diametrales de la superficie esfrica y determinan so-
bre stas, circunferencias E ' # . AB es eje de simetra de
estas circunferencias y por tanto de la superficie esfrica.
Luego todo dimetro es eje de simetra de la superficie esfri-
ca.
2.4. Plano tangente: ngulos en la superficie esfrica.
Sea E una superficie esfrica y A uno de sus pun-
tos. El plano # perpendicular a OA en A tiene el punto
A comn con la superficie esfrica y todos los dems
son exteriores puesto que OB>OA=r
DEF Se dice que este punto es tangente a la superficie esfrica. Luego en cada punto
de la superficie esfrica podemos, por consigna determinar un plano tangente y sola-
mente uno.
Sean C y C dos circunferencias de una superficie
esfrica E, que se cortan en T. En sus planos podemos
trazar las tangentes t y t, respectivamente.
TEOREMA t y t # (
Dem.
OC es perpendicular al plano de C que contiene a t, y CT perpendicular a t por lo
que t ser perpendicular al plano OCT y por tanto perpendicular a OT, luego t pertenece
al plano # tangente a E en T.
De la misma forma se demuestra que t # ( . Luego las tangentes t y t pertenecen
por tanto, al plano tangente # en T.
DEF Definimos el ngulo de dos circunferencias de una superficie esfrica como el
formado por dos tangentes a ellas en sus puntos comunes.
Cuando el ngulo de dos circunferencias de una superficie esfrica es recto, ambas
circunferencias se dice que son ortogonales y si en particular son circunferencias mxi-
mas se dice que ambas son perpendiculares.
Sea E una esfera y e y e dos rectas sobre la superficie esfrica perpendicular, es
decir dos circunferencias mximas ortogonales.
Los planos de cada una son planos de simetra de E y por tanto de la otra.
Sea P un punto de e. Si A y A son puntos de e simtricas
respecto del plano de e, los arcos de circulo mximo sobre la
superficie esfrica
PA y PA son sim-



8/10
tricas y por tanto iguales. Esto nos va a permitir resolver el pro-
blema de perpendicularidad sobre la superficie esfrica.
Sea E una superficie esfrica y c una recta sobre ella o
sea una circunferencia mxima.
Si A y B son dos puntos de c y trazamos con arcos
iguales dos circunferencias de centros A y B y radios cuales-
quiera pero iguales que se corten en P y Q, la recta PQ sobre la
superficie esfrica es perpendicular a c y mediatriz de AB.
2.5. Tringulos esfricos.
DEF Un tringulo esfrico es una porcin de superficie esfrica limitado por tres rec-
tas sobre ella, o sea por tres circunferencias mximas.
Estas tres circunferencias se cortan en tres puntos llamados vrtices y los ngulos
que forman cada dos de dichas circunferencias se denominan ngulos de tringulo esf-
rico. Los arcos limitado por cada dos vrtices son los lados del tringulo esfrico.
Ahora bien tres rectas sobre una superficie esfrica deter-
minan 8 tringulos esfricos:
ABC, BDC, BDF, FAE, DEF, AEC, EDC, BAF
Es preciso por tanto determinar de qu tringulo se trata.
Si unimos el centro de la superficie esfrica con los vrtices
ABC de un tringulo esfrico, obtenemos un ngulo triedro cu-
yas caras tienen la misma medida que los lados del tringulo esfrico, por ser ngulos
centrales y los diedros tienen la misma medida que los ngulos del triangular por ser sus
caras los planos de los crculos mximos que define el tringulo.
Existe, por consiguiente una correspondencia biunvoca entre los tringulos esfri-
cos de una superficie esfrica y los triedros que resultan de proyectarlas desde el centro
de la esfera. Esta correspondencia conserva los ngulos, lo que permite trabajar indis-
tintamente con tringulos esfricos o triedros, trasladando a la otra las propiedades de-
ducidas de una de estas figuras.
2.5.1. Propiedades.
PROP En todo ngulo triedro, una cara es menor que la suma de los otros dos.
Dem.
Sea la cara AVC la mayor del ngulo triedro, vamos a demostrar que la suma de
AVB y BVC es mayor que dicha cara.



9/10
Para ello llevamos sobre AVC la
cara AVB de modo que VB tomara la
posicin VB y sobre estas rectas lle-
vemos VA=VB=VB. Unimos luego A
con B y con B de modo que AB corta
a VC en C. Se forma as el tringulo
ABC en el cual se verifica
AC<AB+BC.
Pero BVC y BVC tienen VC comn y VB=VB y como BC<BC esta relacin se
conservar entre los ngulos opuestos, luego BVC<BVC y como AVB=AVB suman-
do AVC<BVC+AVB.
PROP En todo tringulo esfrico a mayor ngulo se opone mayor lado.
Dem.
Sea el tringulo esfrico ABC y supongamos A>B. Si
construimos el ngulo BAA=B se forma el tringulo BAA
issceles y que tiene los lados AA y AB iguales.
En el tringulo AAC, por la propiedad 1) se tiene
AC<AA+AC.

luego AC<AB+AC=BC
PROP La suma de las caras de un tringulo esfrico es menor que cuatro rectas.
Dem.
Sea el tringulo esfrico ABC y prolonguemos sus lados hasta su encuentro en A.

Se verifica BC<AB+AC
AB=AB
AC=AC
Sumando:
AB+AC+BC<ABA+ACA= 4 rectas.
2.6. Triedro suplementario.
Sea V un ngulo triedro y tomemos un punto V en su interior.
Tracemos por V las rectas VA, VB y VC perpendiculares respectivamente a
los planos BVC, AVC y AVB.



10/10

El ngulo BVC=a es suplementario del diedro A
por ser rectos los ngulos VBA y VCA.
De donde las caras del triedro V son suplementa-
rias de los diedros del triedro V.
Pero siendo VA perpendicular al plano VBC y
VC perpendicular al plano VBA ser la cara b=AVC
suplemento del diedro VB.
El triedro V se dice que es suplementario del triedro V y recprocamente y las
caras de uno son suplementos de los diedros del otro.
Si superponemos ambos triedros por la traslacin VV y cortamos por una super-
ficie esfrica de centro V, la seccin sern dos tringulos esfricos que se llaman pola-
res o suplementarios y entre los cuales se verifica la relacin anterior.
Si ambos tringulos esfricos son ABC y ABC y sus lados son a, b, c y a, b,
c se verificara:
a=#-A
b=#-B
c=#-C
y sumando resulta
0<a+b+c=3#-(A+B+C)<2#
o sea: #<A+B+C<3#
Por lo tanto la suma de los ngulos de un triedro es mayor que dos rectos y el exceso
sobre 180 se llama exceso esfrico.
BIBLIOGRAFA RECOMENDADA.
Matemticas. Curso preuniversitario. F Marcos de Lanuza.
Geometra, un enfoque intuitivo. MargaretWiscamb.



1/27
TEMAS DE MATEMATICAS
(Oposiciones de Secundaria)
TEMA 51
SISTEMAS DE REFERENCIA EN EL PLANO Y EN EL ESPACIO.
ECUACIONES DE LA RECTA Y DEL PLANO. RELACIONES AFINES.
1. Espacio Afn.
1.1. Plano Afn.
1.2. Espacio Afn.
1.3. Subespacios Afines.
2. Sistemas de Referencia en el Plano y en el Espacio.
2.1. Sistemas de Referencia en el Plano.
2.1.1. Coordenadas de un Punto en el Plano Afn.
2.1.2. Cambio de Sistema de Referencia Afn.
2.2. Sistemas de Referencia en el Espacio.
2.2.1. Coordenadas de un Punto en el Espacio.
2.2.2. Cambio de Sistema de Referencia en el Espacio.
3. Ecuaciones de la Recta en el Plano.
3.1. Ecuacin Vectorial de la Recta.
3.2. Ecuaciones Paramtricas de la Recta.
3.3. Ecuacin de la Recta en Forma Continua.
3.4. Ecuacin de la Recta en Forma General.
3.5. Ecuacin Explcita de la Recta.
3.6. Ecuacin de la Recta que pasa por dos Puntos distintos.
4. Ecuaciones de la Recta y del Plano en el Espacio.
4.1. Ecuaciones de la Recta en el Espacio.
4.2. Ecuaciones del Plano.
5. Relaciones Afines.
5.1. Incidencias de Puntos, Rectas y Planos.
5.1.1. Incidencia entre Punto y Recta.
5.1.2. Incidencia entre Punto y Plano.
5.1.3. Incidencia entre Recta y Plano.
5.2. Paralelismo entre Rectas y Planos.
5.2.1. Paralelismo entre Rectas.
5.2.2. Paralelismo entre Planos.
5.3. Interseccin entre Rectas y Planos.
5.3.1. Interseccin entre Rectas.
5.3.2. Interseccin entre Planos.
5.3.3. Interseccin entre Recta y Plano.
5.4. Posiciones Relativas de dos Rectas en el Plano.
5.5. Estudio Analtico de las Posiciones Relativas entre Rectas y Planos.
5.5.1. Posiciones Relativas de dos Planos.
5.5.2. Posiciones Relativas de Recta y Plano.
5.5.3. Posiciones Relativas de dos Rectas.
Bibliografa Recomendada.



2/27
TEMA 51
SISTEMAS DE REFERENCIA EN EL PLANO Y EN EL ESPACIO.
ECUACIONES DE LA RECTA Y DEL PLANO. RELACIONES AFINES.
1. ESPACIO AFIN.
DEF Sea V un K-espacio vectorial. Llamaremos K-espacio vectorial afn sobre V a
una terna (E, V, !) donde E es un conjunto arbitrario, V un espacio vectorial y ! es una
aplicacin ! : E x V " E que cumple las siguientes condiciones
i) ( ) ( ) ( ) y x P y x P V y x E P
r r r r r r
+ = # $ # $ , , , , ! ! !
ii) ( ) " " !
r r
P P E P = # $ , es el neutro de V.
iii) ( ) Q x P V x E Q P = # % # $
r r
, , !
A la terna (E, V, !) la vamos a denotar por A. Si definimos ( ) x P x P
r r
+ = , ! los
axiomas anteriores quedan como:
i) ( ) ( ) y x P y x P V y x E P
r r r r r r
+ + = + + # $ # $ ,
ii) P P = + 0
r
iii) Q x P V x E Q P = + # % # $
r r
/ ,
DEF Se llama dimensin del espacio afn (E, V, !) a la dimensin del espacio
vectorial asociado.
TEOREMA. TEOREMA DE CHASLES
Si tenemos
n n n n
P P P P P P P P P P E P P P
1 1 4 3 3 2 2 1 2 1
...... ,........, , = + + + + & #
'
Dem.
Vamos a realizar la demostracin en n.
Si n = 3.
( ) ( ) & = + = + + = + +
3 3 2 2 3 2 2 1 1 3 2 2 1 1
P P P P P P P P P P P P P P
3 1 3 2 2 1
P P P P P P = +
Supongamos que es cierto para n 1 y vamos a demostrarlo para n luego
1 1 1 2 3 2 2 1
.....
' ' '
= + + +
n n n
P P P P P P P P es la hiptesis de induccin
( ) ( ) [ ] = + + + + = + + + +
' ' ' ' n n n n n n
P P P P P P P P P P P P P P
1 1 2 2 1 1 1 3 2 2 1 1
..... ......



3/27
( ) [ ] [ ] = + + + = + ' + + + =
' ' ' ' ' ' n n n n n n n n
P P P P P P P P P Pn P P P P
1 1 1 1 1 1 1 2 2 1 1
? 1 .....
n n n n
P P P P P P P P Luego P
1 1 3 2 2 1
..... = + + + & =
'
c.q.d.
COROLARIO Un caso particular del teorema de Charles es
0 .....
1 1 1 3 2 2 1
r
= = + + + P P P P P P P P
n
1.1. Plano afn.
Supongamos ahora que el espacio vectorial V es el conjunto de todos los vectores
libres del plano definido sobre el cuerpo K = ! y sea E = P
2
conjunto de los puntos del
plano.
En P
2
tenemos definida la ley de composicin externa que asocia a un punto A y a
un vector v
r
un solo punto P tal que AP es el representante del vector v
r
.
( ) [ ] AP v siendo P v A
P xV P
= "
(" (
r r
,
2 2
!
PROP ( ) ! , ,
2 2 2
V P A = es un espacio afn de dimensin 2 llamado Plano Afn.
Dem.
i) Sea A#P
2
y [ ] AB u =
r
y [ ] BC v =
r
dos vectores libres. Se verifica
( ) v u A v B C y u A B
r r r r
+ + = + = + =
Como [ ] [ ] [ ] AC BC AB = + tenemos que ( ) v u A C
r r
+ + = luego
( ) ( ) v u A v u A
r r r r
+ + = + +
ii) A O A = +
r
Si O AA x A x A
r
r r
= = & = +
iii) Dos puntos cualesquiera A y B de P
2
definen un nico vector libre v
r
de
representante AB y por tanto v A B
r
+ = .
Por lo tanto ( ) ! , ,
2 2 2
V P A = es un espacio afn de dimensin 2 llamado Plano Afn.



4/27
1.2. Espacio afn.
De forma anloga al plano afn, tomamos V como el conjunto de los vectores libres
del espacio definido sobre ! y E el conjunto de puntos del espacio ordinario y se
define:
( ) [ ] AP v q t P v A
E ExV
= "
"
r r
,
!
As definido, cumple los axiomas del espacio afn. (Demostracin anloga). Como
la dimensin de V es 3 & la dimensin de ( ) ! , ,
3
V E A = es 3 y A
3
recibe el nombre de
espacio afn tridimensional.
1.3. Subespacios afines.
DEF Sea E
1
un subconjunto no vaco de E y U un subespacio vectorial de V. Se dice
que ( )
1
, , ! U E es un subespacio afn de direccin U cuando es un espacio afn
asociado al espacio vectorial U y
xU E
1
1
! ! =
( ) u A P u A
E xU E
r r
+ = "
(" (
,
1 1
1
!
Los subespacios afines reciben tambin el nombre de variedades lineales.
TEOREMA
Un subconjunto E
1
del espacio afn ( ) ! , ,V E es un subespacio afn si y slo si el
conjunto { }
1
/ E X AX U # = , donde A es un punto fijo pero arbitrario de E
1
, es un
subespacio de V.
Dem.
&
Sea ( )
1 1
, , ! U E un subespacio afn de direccin U. Demostraremos que
{ }
1
, E x AX U # = es subespacio vectorial.
a) { } U E X AX ) #
1
, ya que para todo par de puntos A, X # E por ser ( )
1 1
, , ! U E un
espacio afn (ax, iii) se tiene que U AX # .
b) Sea u
r
un vector arbitrario de U, existe un vector fijo con origen en
{ }
1
, / E x AX u A # #
r
.
*



5/27
Demostraremos que ( )
1 1
, , ! U E es un espacio Afn asociado a U subespacio
vectorial. Se cumple:
i) Sea B un punto arbitrario de E
1
y v u
r r
, #U. Se verifica
( )
[ ]
[ ] +
,
+
-
.
=
=
/
,
-
.
+ =
+ =
/ + + =
CD v
BC u
v C D
u B C
v u B D
r
r
r
r
r r
Como [ ] [ ] ( ) v u B D U BD CD BC v u
r r r r
+ + = & # = + = + .
Luego ( ) ( ) v u B v u B
r r r r
+ + = + + .
ii) B O B = +
r
iii) B y C dos puntos arbitrarios de E
1
, como & #U AC AB, U AB AC BC # ' = ya
que U es un subespacio vectorial, luego AD BC = y por tanto AD B C + = .
OBS La recta es un subespacio afn de dimensin 1 y el plano es un subespacio afn
de dimensin 2.
2. SISTEMAS DE REFERENCIA EN EL PLANO Y EN EL ESPACIO.
2.1. Sistemas de referencia en el plano.
Vamos a establecer una biyeccin
2 2
: V A
o
" ! y otra "
2
:V b !
2
, de la siguiente
manera:
PROP Sea O un punto fijo de A
2
. Definimos una correspondencia
[ ] OP P
V A
o
"
"
2 2
: !
con OP el vector posicin del punto P. Entonces
o
! es una biyeccin.
Dem.
-
o
! es una aplicacin ya que cada punto P del plano le corresponde un nico vector
[ ] OP por ser A
2
afn.
-
o
! es inyectiva, ya que ( ) ( ) Q P Q P
o o
= & =! ! .
Como ( ) [ ] OP P
o
= ! y ( ) [ ] OQ Q
o
= ! .



6/27
Si ( ) ( ) [ ] [ ] OQ OP OQ OP Q P
o o
= & = & =! ! por lo tanto por ser A
2
afn
Q P OQ O OP O = & + = + .
-
o
! es suprayectiva ya que por el axioma iii) de espacio afn, dado un punto O y
un vector u
r
, existe un nico punto /
2
A P#
[ ] OP v P v O = & = +
r r
PROP Sea { }
2 1
, u u B
r r
= una base de V
2
, entonces
2 2 1 1 2
u x u x x V x
r r r r
+ = & # $ con x
1
,
x
2
#!.
Definimos la correspondencia b: V
2
" !
2
del siguiente modo ( ) ( )
2 1
, x x x b =
r
.
Entonces b es una biyeccin.
Dem.
- b es una aplicacin ya que { }
2 1
, u u B
r r
= es una base por lo tanto
2 2 1 1
u x u x x + =
r
se
puede expresar de forma nica.
- b es inyectiva ya que si ( ) ( ) y x y b x b
r r r r
= & = .
Si ( ) ( ) ( ) y u x u x x x x y b x b
r r r r r r
= + = & = =
2 2 1 1 2 1
,
- b es sobreyectiva ya que ( )
2 1
, x x $ #!
2
podemos considerar el vector
2 2 1 1
u x u x x
r r r
+ = y entonces ( ) ( )
2 1
, x x x b =
r
.
Luego b es una biyeccin.
DEF Sea A
2
un plano afn y R = (O, U
1
, U
2
) una terna de puntos. Se dice que esta
terna es una sistema de referencia afn cuando los vectores
1
OU y
2
OU asociados
forma una base de V
2
.
El punto O se llama origen del sistema de referencia, el punto U
1
primer punto
unidad y el punto U
2
segundo punto de unidad.
Si llamamos
1 1
u OU
r
= y
2 2
u OU
r
= , el sistema de referencia se escribe
( )
2 1
, , u u O R
r r
= .
PROP Sea A
2
un plano afn, O#A
2
y { }
2 1
, u u B
r r
= sea una base de V
2
. Entonces existe
un nico conjunto de puntos { }
2 1
, , U U O tal que { }
2 1
, , U U O R = es un sistema de
referencia del plano afn y
1 1
u OU
r
= y
2 2
u OU
r
= .
Dem.



7/27
Dada la base { }
2 1
, u u B
r r
= y el punto O, por el axioma
i)
2 2 2 2
1 1 1 1 2 1
/
OU u U u O
OU u U u O U y U
= & = +
= & = + %
r r
r r
Entonces la terna { }
2 1
, , U U O R = cumple el enunciado.
2.1.1. Coordenadas de un punto en el plano afn.
Dado { }
2 1
, , u u O R
r r
= un sistema de referencia afn y X un punto del plano afn. Se
verifica:
1. Por la biyeccin
2 2
: V A
o
" ! vista en una proposicin anterior se tiene que
( ) [ ] x OX x
o
r
= = ! .
2. Por la biyeccin b: V
2
" !
2
vista en otra proposicin
( ) ( ) ( )
2 1 2 2 1 1
, x x u x u x b x b = + =
r r r
Entonces la composicin de
o
! y b, f=
o o
b ! o queda
A2
R
2
V2
b
!
f
Si x#A
2
( ) ( )( ) ( ) ( ) ( ) ( )
2 1
, x x x b x b x b x f
o o
= = = =
r
o ! !
DEF Llamaremos coordenadas cartesianas del punto X respecto del sistema de
referencia { }
2 1
, , u u O R
r r
= al vector numrico ( )#
2 1
, x x !
2
. Es decir, a las coordenadas
del vector posicin x
r
.
Como consecuencia de ser f una biyeccin, las coordenadas del punto son nicas,
pero dependen del sistema de referencia elegido.
2.1.2. Cambio de sistema de referencia afn.
Sea { }
2 1
, , 0 u u R
r r
= y { }
2 1
, , 0 v v R
r r
= dos sistemas de referencia afn en el plano A
2
y
X un punto cualquier de dicho plano.



8/27
Sean (x
1
, x
2
) las coordenadas de X respecto de R
Sean (y
1
, y
2
) las coordenadas de X respecto de R
El cambio del sistema de referencia consiste en hallar las coordenadas (x
1
, x
2
) en
funcin de las (y
1
, y
2
) y recprocamente.
Vamos a hallar las coordenadas del punto X en R conocidas sus coordenadas en la
referencia R. Para ello tenemos que conocer las coordenadas de los elementos de la
referencia R en funcin de R. Sean
2 22 1 21 2
2 12 1 11 1
2 2 1 1

v a v a u
v a v a u
v a v a O O
r r
r r r
r r
+ =
+ =
+ =
2 2 1 1
2 2 1 1
v y v y X O y
u x u x OX x
r r r
r r r
+ = =
+ = =
O
O'
y
v1
v2
u1
u2
x
X
Por la figura anterior se tiene que x O O y
r r
+ =
( ) ( ) ( ) ( ) ( ) [ ] = + + + + + = + + + = + =
2 22 1 21 2 2 12 1 11 1 2 2 1 1 2 2 1 1 2 2 1 1
v a v a x v a v a x v a v a u x u x v a v a x O O y
r r r r r r r r r r r r
= + + + + + =
2 22 2 1 21 2 2 11 1 1 11 1 2 2 1 1
v a x v a x v a x v a x v a v a
r r r r r r
( ) ( )
2 2 22 1 12 2 1 2 21 1 11 1
v x a x a a v x a x a a
r r
+ + + + + =
como
2 2 1 1
v y v y y
r r r
+ = y { }
2 1
, v v es una base, tenemos
0
1
2
+ + =
+ + =
2 22 1 12 2 2
2 21 1 11 1 1
x a x a a y
x a x a a y
que son las ecuaciones del cambio de sistema de referencia de
R a R.
Vamos a expresar estas relaciones en forma matricial, para ello aadimos las
igualdades 1 = 1.



9/27
( ) ( )
3
3
3
4
5
6
6
6
7
8
=
22 21
12 11
2 1
2 1 2 1
0
0
1
, , 1 , , 1
a a
a a
a a
x x y y y tenemos y = X A
Adems 0 9 A ya que 0
0
0
1
22 21
12 11
22 21
12 11
2 1
9 =
a a
a a
a a
a a
a a
ya que
1
u
r
y
2
u
r
son L. I.
Por lo tanto
1 '
% A .
Multiplicando la ecuacin Y = X A por A
-1
Y A
-1
= X que son las ecuaciones inversas de cambio de base.
2.2. Sistemas de Referencia en el Espacio.
Todas las propiedades demostradas en el plano son validas para el espacio,
cambiando A
2
por A
3
, V
2
por V
3
y !
2
por !
3
. Por lo tanto la definicin de sistema de
referencia ser:
DEF Sea A
3
el espacio afn y { }
3 2 1
, , , 0 U U U R = una cuaterna de puntos. Se dice que
es un sistema de referencia afn tridimensional, cuando los vectores asociados
3 2
, OU y OU OU forman una base de V
3
.
Si llamamos
3 3 2 2 1 1
; OU u y OU u OU u = = =
r r r
podemos escribir { }
3 2 1
, , , u u u O R
r r r
= .
2.2.1 Coordenadas de un punto en el espacio.
De igual forma que en el plano tenemos el siguiente diagrama
Donde
( ) [ ]
( ) ( ) ( )
3 2 1 3 3 2 2 1 1
, , x x x u x u x u x b x b
x OX x
o
= + + =
= =
r r r r
r
!
A3
R
3
V3
b
!
f
0



10/27
Luego
( ) ( ) ( ) [ ] ( ) ( )
3 2 1
, , x x x x b x b x b x f
o o
= = = =
r
o ! !
Donde por ser f aplicacin, las coordenadas son nicas, pero dependen del sistema
de referencia elegido.
2.2.2. Cambio de Sistema de Referencia en el Espacio.
Sean { }
3 2 1
, , , 0 u u u R
r r r
= y { }
3 2 1
, , , 0 v v v R
r r r
= dos sistemas de referencia en el espacio
afn A
3
y X un punto cualquiera de dicho espacio cuyas coordenadas respecto a R son
( )
3 2 1
, , x x x y con respecto a R sean ( )
3 2 1
, , y y y .
Para obtener las ecuaciones del cambio de sistema de referencia es necesario
conocer las coordenadas del punto O respecto a R y los de
3 2 1
, , u u u
r r r
respecto de
3 2 1
, , v v v
r r r
. Sean
( )
3 33 2 32 1 31 3
3 23 2 22 1 21 2
3 13 2 12 1 11 1
3 2 1
, ,
v a v a v a u
v a v a v a u
v a v a v a u
a a a O
r r r r
r r r r
r r r r
+ + =
+ + =
+ + =
=
Se tiene ( ) ( ) = + + + + + = + =
3 3 2 2 1 1 3 3 2 2 1 1
u x u x u x v a v a v a OX O O X O
r r r r r r
( ) ( ) ( ) ( ) [ ] = + + + + + + + + + + + =
3 33 2 32 1 31 3 3 23 2 22 1 21 2 3 13 2 12 1 11 1 3 3 2 2 1 1
v a v a v a x v a v a v a x v a v a v a x v a v a v a
r r r r r r r r r r r r
= + +
+ + + + + + + + + + =
3 3 33 2 3 32
1 3 31 3 2 23 2 2 22 1 2 21 3 1 13 2 1 12 1 1 11 3 3 2 2 1 1
v x a v x a
v x a v x a v x a v x a v x a v x a v x a v a v a v a
r r
r r r r r r r r r r
( ) ( ) ( )
3 3 33 2 23 1 13 3 2 3 32 2 22 1 12 2 1 3 31 2 21 1 11 1
v x a x a x a a v x a x a x a a v x a x a x a a
r r r
+ + + + + + + + + + + =
Y como
3 3 2 2 1 1
v y v y v y X O
r r r
+ + = y { }
3 2 1
, , v v v
r r r
es base tenemos
+
0
+
1
2
+ + + =
+ + + =
+ + + =
3 33 2 23 1 13 3 3
3 32 2 22 1 12 2 2
3 31 2 21 1 11 1 1
x a x a x a a y
x a x a x a a y
x a x a x a a y
Ecuaciones de cambio de sistema de referencia de R a
R.
En forma matricial se escriben



11/27
( ) ( )
3
3
3
3
3
4
5
6
6
6
6
6
7
8
=
33 32 31
23 22 21
13 12 11
3 2 1
3 2 1 3 2 1
0
0
0
1
1 1
a a a
a a a
a a a
a a a
x x x y y y o sea Y = X A
Y como A es regular por ser 0 9 A ya que las filas, despus de eliminar la 1 columna y
1 fila son las coordenadas de
3 2 1
, , u u u
r r r
que forman base.
Tenemos que X = Y A
-1
que son las ecuaciones de R a R.
3. ECUACIONES DE LA RECTA EN EL PLANO.
Sea { }
2 1
, , u u O R
r r
= un sistema de referencia en A
2
.
Una recta r es un subespacio afn de A
2
de dimensin 1 por lo tanto
2
A r ) .
Si consideramos un punto A#A
2
y un subespacio vectorial de V
2
engendrado por un
vector v, que denotaremos por v
r
{ } v AX A X r
r
# # = /
2
3.1. Ecuacin Vectorial de la Recta.
r
x
a
v
O
u1
u2
Si v t AX v AX r x
r r
= & # & # con t#!.
Si x y a
r r
son vectores posicin de los puntos A y X respectivamente, se tiene que
AX OA OX + =
v t a x
r r r
+ = con t#!
Esta igualdad se llama ecuacin vectorial de la recta r.



12/27
Se observa que dando valores al parmetro t, en la ecuacin vectorial de la recta se
obtiene un conjunto de vectores de posicin de puntos que pertenecen a la recta r. Al
vector v
r
se le llama vector director de la recta.
3.2. Ecuaciones paramtricas de la recta.
Si ( ) ( ) ( )
2 1 1 1
, , , , v v y y x y x son las coordenadas de los vectores de posicin v a x
r r r
, ,
respectivamente en R y si tenemos en cuenta el isomorfismo existente entre V
2
y !
2
(b: V
2
"!
2
), entonces la ecuacin vectorial de r
( )
2 1
, x x x "
r
v t a x
r r r
+ =
se traduce por
( ) ( ) ( ) ( ) ( ) ( )
2 2 1 1 2 1 1 1 2 1 1 1
, , , , , , tv x tv x tv tv y x v v t y x y x + + = + = + =
de donde
0
1
2
+ =
+ =
2 2
1 1
tv x y
tv x x
con t#!
que reciben el nombre de ecuaciones paramtricas de la recta. Dichas ecuaciones estn
caracterizadas por el punto ( )
2 1
, x x A = y el vector director ( )
2 1
, v v v
r
.
Para cada valor del parmetro t se obtiene un punto de la recta.
3.3. Ecuacin de la Recta en Forma Continua.
Si 0
1
9 v y 0
2
9 v , si despejamos en las ecuaciones paramtricas resulta
2
1
1
1
2
1
1
1
v
y y
v
x x
t
v
y y
t
v
x x
'
=
'
+
+
0
+
+
1
2
=
'
=
'
0
1
9 v y 0
2
9 v
Dicha igualdad recibe el nombre de ecuacin de la recta en forma continua que esta
determinada por ( )
1 1
, x x A y ( )
2 1
, v v v
r
.
Si v
1
= 0 las ecuaciones paramtricas son
0
1
2
+ =
=
2 1
1
tv y y
x x
que se reduce a x = x
1
que es una recta // al eje OY
Si v
2
= 0 las ecuaciones paramtricas son



13/27
0
1
2
=
+ =
1
1 1
y y
tv x x
que se reduce a y = y
1
que es una recta // al eje OX
3.4. Ecuacin de la Recta en Forma General.
Si 0
1
9 v y 0
2
9 v a partir de la ecuacin continua
2
1
1
1
v
y y
v
x x '
=
'
se obtiene
( ) ( )
0
1 2 1 1 1 2
1 1 1 1 2 2
1 1 1 2
= ' + '
' = '
' = '
x v y v y v x v
y v y v x v x v
y y v x x v
Si hacemos A = v
2
; B = -v
1
y C = v
1
y
1
v
2
x
2
resulta
Ax + By + C = 0
Que recibe el nombre de ecuacin general o implcita de la recta.
Si v
1
= 0 tenamos que x = x
1
, es decir, x x
1
= 0.
Si v
2
= 0 tenamos que y = y
1
, es decir, y y
1
= 0.
Luego, en los tres casos te obtiene una ecuacin de la forma Ax + By + C = 0.
Anlisis de la ecuacin.
Recprocamente si Ax + By + C = 0 es la ecuacin de una recta en el espacio afn.
El vector director de la recta ser ( ) A B v , ' =
r
ya que A = v
2
y B = -v
1
.
Un punto base de la recta ser cualquier punto perteneciente a la recta, por tanto
sus coordenadas (x
1
, y
1
) verificarn la ecuacin de la misma.
3.5. Ecuacin Explcita de la Recta.
Si despejamos y en la ecuacin general (siendo B 9 0)
By = -Ax C
B
C
B
Ax
y ' ' = haciendo
B
A
m ' = y
B
C
n ' =
tenemos y = mx + n ecuacin explcita



14/27
donde m es la pendiente de la recta y n es la ordenada en el origen.
# tg
1
2
= = ' =
v
v
B
A
m siendo : el ngulo que forma r con OX.
3.6. Ecuacin de la Recta que pasa por dos Puntos distintos.
Uno de los axiomas de la geometra elemental dice que una recta queda determinada
por dos puntos A y B.
Sean ( )
1 1
, y x A y ( )
2 2
, y x B dos puntos distintos. Sean a
r
y b
r
los vectores
posicin de los puntos A y B respectivamente.
Por lo tanto a b AB
r
r
' = es un vector direccional de la recta r cuyas componentes
sern ( ) ( )
2 1 1 2 1 2
, , v v y y x x = ' ' y considerando ( )
1 1
, y x A podemos utilizar cualquier
tipo de ecuacin anterior por ejemplo utilizando la continua tendremos
1 2
1
1 2
1
y y
y y
x x
x x
'
'
=
'
'
4. ECUACIONES DE LA RECTA Y DEL PLANO EN EL ESPACIO.
4.1. Ecuaciones de la Recta en el Espacio.
DEF Llamamos recta en el espacio a cualquier variedad lineal asociada a un
subespacio vectorial de dimensin uno
{ } > #< # = v AX A X r
r
/
3
donde A es un punto de A
3
y v
r
es un subespacio de dimensin 1 engendrado por el
vector v
r
.
Sea { }
3 2 1
, , , u u u O R
r r r
= un sistema de referencia afn.
Para que un punto X pertenezca a la recta r debe satisfacer v t AX v AX
r r
= & # .
O sea AX OA OX + =
Es decir, v t OA OX
r r
+ =
Si denominamos x
r
al vector posicin de X y a
r
al de A tenemos
v t a x
r r r
+ =
que es la ecuacin vectorial de la recta.



15/27
Expresando la relacin anterior, utilizando las componentes de los vectores (debido
al isomorfismo existente entre V
3
y !
3
).
Sea ) , , ( z y x y ) , , (
3 2 1
x x x las coordenadas con respecto a R de X y A y ( )
3 2 1
, , v v v
los del vector v
r
.
Entonces tenemos
( ) ( ) ( )
3 2 1 3 2 1
, , , , , , v v v t x x x z y x + =
o sea
+
0
+
1
2
+ =
+ =
+ =
3 3
2 2
1 1
tv x z
tv x y
tv x x
que son las ecuaciones paramtricas de la recta.
Para eliminar el parmetro t en el sistema anterior tenemos
3
3
3
4
5
6
6
6
7
8
'
'
'
=
3
3
3
4
5
6
6
6
7
8
3 3
2 2
1 1
3
2
1
x z v
x y v
x x v
rang
v
v
v
rang (1)
pero como O v
r
r
9 por ser el vector director de una recta
1
3
2
1
=
3
3
3
4
5
6
6
6
7
8
v
v
v
rang
por lo tanto, para que se cumpla (1) debe ser, suponiendo 0
1
9 v
( ) ( )
( ) ( )
,
-
.
' = '
' = '
+
+
0
+
+
1
2
=
'
'
=
'
'
1 3 3 1
1 2 2 1
3 3
1 1
2 2
1 1
0
0
x x v x z v
x x v x y v
x z v
x x v
x y v
x x v
(2)
Igualdades que es costumbre escribir en la forma
0 0 , 0
3 2 1
3
3
2
2
1
1
9 9 9
'
=
'
=
'
v y v v Si
v
x z
v
x y
v
x x
que recibe el nombre de ecuacin continua de la recta.
Las ecuaciones de la expresin (2) tambin pueden escribirse como
0
1
2
= ' + '
= ' + '
0
0
1 3 3 1 1 3
1 2 2 1 1 2
x v x v z v x v
x v x v y v x v



16/27
En general, lo podemos escribir de la forma:
0
1
2
= + + +
= + + +
0
0
D z C y B x A
D Cz By Ax
que reciben el nombre de ecuaciones cartesianas o implcitas de la recta.
Recprocamente, dado un sistema de dos ecuaciones lineales con 3 incgnitas
0
1
2
= + + +
= + + +
0
0
4 3 2 1
4 3 2 1
b z b y b x b
a z a y a x a
la condicin necesaria y suficiente para que sean ecuaciones cartesianas de una recta es
que
2
3 2 1
3 2 1
=
3
3
4
5
6
6
7
8
b b b
a a a
rang
ya que entonces el sistema tiene por solucin una variedad lineal de dimensin 1.
4.2. Ecuaciones del plano.
DEF Un plano en A
3
es cualquier variedad asociada a un subespacio de dimensin 2.
Sean w v
r r
, el subespacio de dimensin 2 engendrado por w v
r r
, y A un punto
arbitrario de A
3
.
{ } w v AX A X
r r
, /
3
# # = ;
w v
r r
, se llaman vectores directores del plano y A es el punto base.
Sea { }
3 2 1
, , , u u u O R
r r r
= un sistema de referencia afn.
Sea ( )
3 2 1
, , x x x las coordenadas de A respecto a R y ( ) ( )
3 2 1 3 2 1
, , , , , w w w v v v los
componentes de w v
r r
, .
Si w v AX w v AX X
r r r r
$ # + = & # & ; # ,
es decir AX OA OX + = .
O sea w v OA OX
r r
$ # + + = Ecuacin vectorial del plano.
Expresando esta resolucin en funcin de las componentes vectores que en ella
intervienen, tenemos



17/27
( ) ( ) ( ) ( )
3 2 1 3 2 1 3 2 1
, , , , , , , , w w w v v v x x x z y x $ # + + =
Luego
+
0
+
1
2
+ + =
+ + =
+ + =
3 3 3
2 2 2
1 1 1
w v x z
w v x y
w v x x
$ #
$ #
$ #
que son las ecuaciones paramtricas del plano :,<#!
Para eliminar los parmetros :, < planteamos
3
3
3
4
5
6
6
6
7
8
'
'
'
=
3
3
3
4
5
6
6
6
7
8
3 3 3
2 2 2
1 1 1
3 3
2 2
1 1
x z w v
x y w v
x x w v
rang
w v
w v
w v
rang (3)
y como v, w son base de un subespacio de dimensin 2, entonces
2
3 3
2 2
1 1
=
3
3
3
4
5
6
6
6
7
8
w v
w v
w v
rang
y para que se cumpla la expresin (3)
debe ser
0
3 3 3
2 2 2
1 1 1
=
'
'
'
x z w v
x y w v
x x w v
Desarrollando este determinante y simplificando obtenemos la ecuacin que recibe
el nombre de ecuacin cartesiana o implcita del plano.
Ax + By + Cz + D = 0
En el caso de que el plano venga determinado por tres puntos no alineados
( ) ( ) ( )
3 2 1 3 2 1 3 2 1
, , , , , , c c c C b b b B a a a A = , podemos formar los vectores [ ] AB y [ ] AC
que pueden tomarse como w v
r r
, y pueden escribirse
0
3 3 3 3 3
2 2 2 2 2
1 1 1 1 1
=
' ' '
' ' '
' ' '
a z a c a b
a y a c a b
a x a c a b
determinante que equivale al



18/27
0
1 1 1 1
3 3 3 3
2 2 2 2
1 1 1 1
=
x c b a
x c b a
x c b a
igualdad cuyo desarrollo da lugar a una ecuacin de la forma
Ax + By + Cz + D = 0
5. RELACIONES AFINES.
5.1. Incidencias de Puntos, Rectas y Planos.
5.1.1. Incidencia entre Punto y Recta.
DEF Se dice que un punto P es incidente con la recta r, o bien que la recta r pasa por
P, cuando el punto P pertenece a dicha recta.
TEOREMA
El punto P es incidente con la recta r si y slo si las coordenadas de P satisfacen las
ecuaciones de la recta.
Dem.
Es inmediata por la definicin de incidencia.
5.1.2. Incidencia entre Punto y Plano.
DEF Se dice que un punto P es incidente en un plano ;, o bien que el plano ; pasa
por el punto P, cuando el punto P pertenece a dicho plano.
TEOREMA
El punto P es incidente al plano ; si y solo si las coordenadas de P satisfacen las
ecuaciones del plano ;.
Dem.
Es inmediata por la definicin.
5.1.3. Incidencia entre Recta y Plano.
DEF Se dice que una recta r es incidente con el plano ;, cuando todos los puntos de
la recta r son incidentes con dicho plano, es decir, cuando la recta est contenida en el
plano.



19/27
TEOREMA
Sea r la recta determinada por el punto A y el vector director u
r
y sea ; el plano
determinado por el punto B y los vectores directores w v
r r
, . La recta r es incidente con el
plano ; si y slo si existe un punto P de r incidente con ; y que el vector u
r
se exprese
como combinacin lineal de los vectores w v
r r
, .
Dem.
La condicin es necesaria, ya que si r es incidente con ; todos los puntos de r son
incidentes con ; y por tanto el vector u
r
tiene un representante con origen en B y
extremo un punto C#;, luego [ ] w v BC u
r r r
2
, # # + = = .
Recprocamente, sea P un punto de r incidente con ; y sea
w a v u
r r r
2
, + =#
Para todo punto X # r se verifica:
( ) ( ) ( )w t v t OP w v t OP u t OP OX
r r r r r
2 2
, # # # # + + = + + = + =
Luego el punto X tambin es incidente en el plano ;. Y como esto sucede para todo
punto X de r entonces r es incidente en el plano ;.
COROLARIO
La recta es incidente con el plano ; si y slo si rango ( ) 2 , , = w v u
r r r
y A#;.
Dem.
Inmediata por el teorema anterior ya que los vectores w y u u
r r r
, tienen que ser
linealmente dependientes.
5.2. Paralelismo entre Rectas y Planos.
5.2.1. Paralelismo entre rectas.
DEF Sean V A r + = y ' ' V B r + = dos rectas afines y V y V los subespacios
vectoriales asociados. Se dice que las rectas r y r son paralelos si V = V y son
coincidentes si adems A#r B#r.
TEOREMA
Dada la recta r determinada por A y por u
r
y la recta r determinada por B y por v
r
.
Las rectas r y r son paralelas si y slo si los vectores u
r
y v
r
son linealmente
dependientes.



20/27
Dem.
La condicin es necesaria ya que si las dos rectas son paralelas, los espacios
vectoriales V y V coinciden y por lo tanto, el sistema { } v u
r r
, es linealmente dependiente
ya que la dimensin de los subespacios asociados es uno.
Recprocamente si u
r
y v
r
son linealmente dependientes se tendr que
u v
v u
r r
r r
$
#
=
=
luego
( )
( )
'
' '
' '
V V
V V V w u s v s w V w
V V V w v t u t w V w
= &
0
1
2
) & # & = = & # $
) & # & = = & # $
r r r r r
r r r r r
$
#
COROLARIO
Dos rectas r y r son paralelas si y slo si ( ) 1 , = v u rang
r r
. Adems, sern coincidentes
si ( ) 1 , , = v u AB rango
r r
.
Dem.
Es consecuencia inmediata del teorema anterior ya que los vectores u
r
y v
r
son
linealmente dependientes.
5.2.2. Paralelismo entre Planos.
DEF Sean V A + = ; y ' ' V B + = ; , dos planos afines y V y V los subespacios
vectoriales asociados. Se dice que los planos ; y ' ; son paralelos si V = V y son
coincidentes si adems A#; B#;.
TEOREMA
Sean ( ) v u A
r r
, , y ( ) b a B
r
r
, , los determinantes lineales de los planos ; y ;
respectivamente. Los planos ; y ; son paralelos si y slo si ( ) . 2 , , , = b a v u rango
r
r r r
Dem.
En efecto, si los planos son paralelos el sistema { } v u
r r
, depende linealmente de { } b a
r
r
,
y recprocamente, ya que V = V y tienen dimensin 2.
Recprocamente si el rango de los cuatro vectores es dos, quiere decir que hay dos
vectores que dependen linealmente de los otros dos. Como { } v u
r r
, y { } b a
r
r
, son sistemas
linealmente independientes por ser bases de espacios vectoriales de dimensin dos, el
primero depende linealmente del segundo y recprocamente, luego engendran el mismo
espacio vectorial.



21/27
COROLARIO
Los planos ; y ; definidos por sus ecuaciones cartesianas
0 0
1
= + + + = ; = + + + = ; D z C y B x A D Cz By Ax
son paralelos si y slo si
1

=
3
3
4
5
6
6
7
8
C B A
C B A
rango
Dem.
En efecto, las ecuaciones cartesianas de los planos ; y ; se obtienen desarrollando
los determinantes:
0 ' 0
1 3 3
1 2 2
1 1 1
3 3
2 2
1 1
=
'
'
'
= ; =
'
'
'
= ;
z z b a
y y b a
x x b a
z z v u
y y v u
x x v u
o
o
o
y los coeficientes A, B y C, A, B y C son los adjuntos de los elementos de la tercera
columna respectivamente.
Si los planos son paralelos, por el teorema anterior, los vectores a
r
y b
r
dependen
linealmente de u
r
y v
r
, luego
v s u t b
v u a
r r
r
r r r
+ =
+ = $ #
con los que teniendo en cuenta las propiedades de los determinantes, se tendr
=
'
'
'
+
'
'
'
=
' + +
' + +
' + +
=
'
'
'
1 3 3
1 2 2
1 1 1
1 3 3
1 2 2
1 1 1
1 3 3 3 3
1 2 2 2 2
1 1 1 1 1
1 3 3
1 2 2
1 1 1
z z tu v
y y tu v
x x tu v
z z sv u
y y sv u
x x sv u
z z sv tu v u
y y sv tu v u
x x sv tu v u
z z b a
y y b a
x x b a
$
$
$
#
#
#
$ #
$ #
$ #
( )
1 3 3
1 2 2
1 1 1
z z v u
y y v u
x x v u
t s
'
'
'
' = $ #
Igualando los coeficientes de las incgnitas, tendremos
( )
( )
( ) t s C C
t s B B
t s A A
$ #
$ #
$ #
' =
' =
' =

22/27
esto es, los coeficientes A, B y C son proporcionales a los coeficientes A, B y C. Por
tanto
1

=
3
3
4
5
6
6
7
8
C B A
C B A
rango
5.2.3. Paralelismo entre recta y plano.
DEF Sean r = A + V y ; = B + V una recta y un plano afn, donde V y V son los
subespacios vectoriales asociados. Diremos que la recta y el plano son paralelos si
V)V
1
y son incidentes si adems A#;.
TEOREMA
Sean ( ) u A
r
, y ( ) w u B
r r
, , los determinantes lineales de la recta r y del plano ;
respectivamente. La recta r y el plano ; son paralelos si y slo si ( ) 2 , , = w v u rang .
Dem.
&
Si la recta y el plano son paralelos u V V
r
& )
1
depende de { } w v
r r
, luego
( ) . 2 , , = w v u rang
r r r
*
Si ( ) 2 , , = w v u rango
r r r
por ser v
r
y w
r
L. I. el vector u
r
depende linealmente de v
r
y w
r
,
luego V)V
1
y la recta y el plano son paralelos.
5.3. Interseccin entre Rectas y Planos.
5.3.1. Interseccin de Rectas.
DEF Sean r = A + V y r = B + V dos rectas afines y V y V los subespacios
vectoriales asociados. Diremos que las rectas r y r son secantes o que se cortan en un
punto, cuando las dos rectas son coincidentes con un mismo plano y no son paralelas.
TEOREMA
Sean ( ) u A
r
, y ( ) v B
r
, los determinantes lineales de las rectas r y r, respectivamente.
Las rectas r y r son secantes si y slo si ( ) 2 , , = v u AB rang
r r
y ( ) 2 , = v u rango
r r
.
Dem.



23/27
&
Si dos rectas r y r son secantes, no son paralelas, luego por el corolario 2
( ) 2 , = v u rang
r r
, pero adems por ser incidentes con el mismo plano ( ) 2 , , = v u AB rango
r r
ya que tres vectores en el plano son linealmente dependientes.
*
Si
( )
( )
&
+
0
+
1
2
=
=
2 ,
2 , ,
v u rang
v u AB rang
r r
r r
las rectas estn en el mismo plano y no son paralelas, luego
son secantes.
DEF Se dice que las rectas r y r se cruzan cuando no son incidentes con un mismo
plano.
TEOREMA
Dos rectas r y r se cruzan si y slo si ( ) 3 , , = v u AB rang
r r
.
Dem.
Inmediata a partir del teorema anterior.
5.3.2. Interseccin entre Planos.
DEF Sean ; = A +V y ; = B + V dos planos afines y V y V los subespacios
vectoriales asociados. Diremos que los planos ; y ; son secantes o que se cortan
segn una recta, cuando no son paralelos.
TEOREMA
Sean ( ) v u A
r r
, , y ( ) b a B
r
r
, , los determinantes lineales de los plano ; y ;
respectivamente. Los planos ; y ; son secantes si y slo si ( ) 3 , , , = b a v u rango
r
r r r
.
Dem.
Inmediata ya que por no ser paralelos ( ) ( ) 3 , , , 2 , , , = & > b a v u rang b a v u rang
r
r r r
r
r r r
.
5.3.3. Interseccin entre Recta y Plano.
DEF Sean r = A + V y ; = B + V una recta y un plano afn, donde V y V son los
subespacios vectoriales asociados. Diremos que la recta r y el plano ; son secantes o
que se cortan en un punto cuando no son paralelos.
TEOREMA



24/27
Sean ( ) u A
r
, y ( ) w v B
r r
, , los determinantes lineales de la recta r y del plano ;
respectivamente. La recta r y el plano ; son secantes si y slo si ( ) . 3 , , = w v u rango
r r r
Dem.
Consecuencia de un teorema anterior.
5.4. Posiciones Relativas de dos Rectas en el Plano.
Sean 0 = + + = C By Ax r y 0 = + + = C y B x A r dos rectas en el plano.
Consideremos el sistema
0
1
2
= + +
= + +
0
0
C y B x A
C By Ax
Llamamos M a la matriz de coeficientes y M
*
a la matriz que resulta de aadir los
trminos independientes. Entonces
1)
es coincident rectas
erminado in
compatible Sistema
M Rang M Rang &
0
1
2
,
-
.
& = =
det
1 ) ( ) (
*
Adems de cumple

0

0
C
C
B
B
A
A
C A
C A
B A
B A
= = & = =
2)
+
0
+
1
2
+
,
+
-
.
&
+
0
+
1
2
+
,
+
-
.
& = =
punto
un en cortan
se rectas Las
ermiando
compatible
Sistema
M Rang M Rang
det
2 ) ( ) (
*
Adems si son secantes se obtiene la siguiente relacin

0
B
B
A
A
B A
B A
9 & 9
3)
0
1
2
,
-
.
&
0
1
2
,
-
.
& 9
paralelas
son rectas Las
le incompatib
Sistema
M Rang M Rang ) ( ) (
*



25/27
2
1
=
=
>
M RANG
M RANG
Luego
0

0

9
=
C A
C A
B A
B A
Entonces obtendramos la siguiente relacin para rectas paralelas
C
C
B
B
A
A
9 =
5.5. Estudio Analtico de las Posiciones Relativas entre Rectas y Planos.
Las distintas posiciones que pueden adoptar rectas y planos en el espacio se reducen
analticamente al estudio de las soluciones del sistema S formado por las ecuaciones que
definen a las rectas y a los planos.
Si M es la matriz de coeficientes, M
*
la matriz ampliada y g el grado de
indeterminacin del sistema S, con ayuda del teorema de Rouch-Frbenious, se
obtienen los siguientes resultados.
5.5.1. Posiciones Relativas de dos Planos.
1)
0
1
2
/
+
0
+
1
2
=
/ = =
es coincident
Planos
g
erminado in
compatible Sistema
M Rang M Rang
2
det 1 ) ( ) (
*
2)
0
1
2
/
+
0
+
1
2
=
/ = =
recta una segn
cortan se planos Los
g
erminado in
compatible Sistema
M Rang M Rang
1
det 2 ) ( ) (
*
3)
} paralelos Planos
le incompatib
Sistema
M Rang M Rang /
0
1
2
/ 9 ) ( ) (
*
5.5.2. Posiciones Relativas de Recta y Plano.
1)
0
1
2
/
+
0
+
1
2
=
/ = =
plano con
e coincident cta
g
erminado in
compatible Sistema
M Rang M Rang
Re
1
det 2 ) ( ) (
*



26/27
2)
0
1
2
/
0
1
2
/ = =
punto un en plano
al corta recta La
erminado y
compatible Sistema
M Rang M Rang
det
3 ) ( ) (
*
3)
}
0
1
2
/ / 9
plano al
paralela es recta La
le incompatib Sistema M Rang M Rang ) ( ) (
*
5.5.3. Posiciones Relativas de dos Rectas.
1)
} e coincident cta
g
erminado in
compatible Sistema
M Rang M Rang Re
1
det 2 ) ( ) (
*
/
+
0
+
1
2
=
/ = =
2)
}
+
+
0
+
+
1
2
/ / 9 =
plano mismo el
en encuentran Se
paralelas ctas
le incompatib Sistema M Rang M Rang
b
Re
) ( 2 ) (
*
3)
punto un en cortan se rectas Las
erminado
compatible Sistema
M Rang M Rang /
0
1
2
/ = =
det
3 ) ( ) (
*
4)
}
0
1
2
/ / 9 =
cruzan
se rectas Las
le incompatib Sistema M Rang M Rang ) ( 3 ) (
*



27/27
Bibliografa Recomendada.
Matemticas COU. Aut. Angel Primo. Ed. SM
Matemticas 2 BUP. Aut. Vizmanos, Primo, Anzola. Ed. SM
Matemticas COU. Fortuny Cienfuegos.
Geometra. Aut. Queysanne- Revuz.



1/14
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)

TEMA 52

PRODUCTO ESCALAR DE VECTORES. PRODUCTO VECTORIAL Y
PRODUCTO MIXTO. APLICACIONES A LA RESOLUCION DE PROBLEMAS
FISICOS Y GEOMETRICOS.


1. Producto escalar. Propiedades.
1.1.Norma de un vector. Espacio normado.
1.2.Ortogonalidad. ngulos.
1.3.Producto escalar en V
2
.
1.4.Producto escalar en V
3
.
2. Producto vectorial de dos vectores de V
3
.
2.1.Expresin analtica en una base ortonormal.
3. Producto mixto de tres vectores de V
3
.
3.1.Expresin Analtica en una Base Ortonormal.
3.2.Interpretacin Geomtrica.
4. Aplicaciones.
4.1.Ecuacin normal de una recta del plano
4.2.Ecuacin normal del plano
4.3.Teorema del coseno y de Pitgoras.
4.4.Las tres alturas de un tringulo son concurrentes en un punto.
4.5.Las diagonales de un rombo son perpendiculares.
4.6.Obtencin de Frmulas Trigonomtricas.
4.7.Trabajo de una fuerza.
4.8.Frmula de Hern
Bibliografa Recomendada.





2/14
TEMA 52

PRODUCTO ESCALAR DE VECTORES. PRODUCTO VECTORIAL Y
PRODUCTO MIXTO. APLICACIONES A LA RESOLUCION DE PROBLEMAS
FISICOS Y GEOMETRICOS.


1. PRODUCTO ESCALAR.

DEF Sea V un espacio vectorial real. Se llama producto escalar en V a toda aplicacin
R V V f ! " : que verifique los siguientes axiomas:

Ax1 f( u
r
, u
r
) > 0 si u
r
# 0
r


Ax2 f( u
r
, v
v
) = f( v
v
, u
r
)

Ax3 f( u
r
, v
v
+ w
r
) = f( u
r
, v
v
) + f( u
r
, w
r
) $ u
r
, v
v
, w
r
% V

Ax4 f( ! u
r
, v
v
) = !f( u
r
, v
v
) $ ! % R


El nmero real f( u
r
, v
v
) se escribe simplemente u
r
v
v
, y por abuso del lenguaje,
se dice que es el producto escalar de u
r
y v
v
. En lo que sigue adoptaremos esta
notacin.

PROP ( u
r
+v
v
) w
r
= u
r
w
r
+ v
v
w
r


Dem.

( u
r
+v
v
) w
r
= w
r
( u
r
+ v
v
) = w
r
u
r
+ w
r
v
v
= u
r
w
r
+ v
v
w
r
= ( u
r
+v
v
) w
r


PROP u
r
(! v
v
) = !( u
r
v
v
)

Dem.

u
r
(! v
v
) = ( ! v
v
) u
r
= !( v
v
u
r
) = !( u
r
v
v
)

PROP u
r
0
r
= 0 $ u
r
%V

Dem.

u
r
0
r
= u
r
( 0
r
+0
r
) = u
r
0
r
+ u
r
0
r
& u
r
0
r
= 0

PROP
u
r
u
r
= 0 ' u
r
= 0
r


Dem.

Si u
r
= 0
r
se reduce al caso anterior



3/14
Si u
r
# 0
r
,entonces u
r
u
r
> 0, contradiccin

1.1. Norma De Un Vector. Espacio Normado.

Supongamos definido un producto escalar en V.

DEF Dado u
r
%V, llamamos norma de u
r
(o mdulo) y se designa por || u
r
|| , al n real
|| u
r
|| = u u
r r
(La definicin tiene sentido pues u
r
u
r
(0 $ u
r
%V )

TEOREMA

$ u
r
, v
v
%V se verifica | u
r
v
v
| ) u
r
v
r
(Desigualdad de Cauchy-Schwartz)

Dem.

Si u
r
=0
r
o v
v
=0
r
, el teorema es evidente. Supongamos ahora u
r
, v
v
no nulos y sea
u
r
+! v
v
, !%! un cierto vector.

Se verifica
2
v u
r r
! + = ( u
r
+! v
v
)( u
r
+! v
v
) = u
r
u
r
+ 2! u
r
v
v
+ !
2
v
v
v
v
= u
r
2
+
2!( u
r
v
v
) + !
2
v
r
2
( 0 $ !%R

Entonces el discriminante de la ecuacin de segundo grado en ! debe ser ) 0

& ( u
r
v
v
) - u
r
2
v
r
2
) 0 & | u
r
v
v
| ) u
r
v
r


(La ecuacin anterior ocurrir cuando u
r
y v
v
sean L.D)

PROP Se verifican las siguientes expresiones:

a) u
r
( 0
b) u
r
= 0 ' u
r
= 0
c) v u
r r
+ ) u
r
+ v
r

d) u
r
! = | !| u
r


Dem.

1, 2 y 4 son evidentes.

3) v u
r r
+
2
= u
r
2
+ 2(u
r
v
v
) + v
r
2
) u
r
2
+ 2 u
r
v
r
& v u
r r
+
2
) ( u
r
+ v
r
)
2
c.q.d.

DEF Un espacio vectorial real V sobre el que se define una aplicacin R V ! :
que verifique las 4 propiedades anteriores es un espacio normado.

DEF Los vectores de norma 1 se llaman unitarios.




4/14
DEF Se dice que una base de V es normada si todos los vectores que la componen son
unitarios.


1.2. Ortogonalidad. ngulos.

DEF Dos vectores u
r
, v
v
%V se dice que son ortogonales si y solo si u
r
v
v
= 0.

PROP Se verifica:

1) El vector 0
r
es ortogonal a todo vector u
r
%V
2) El nico vector ortogonal a si mismo es el vector 0
r

3) Si u
r
y v
v
son ortogonales y no nulos, son linealmente independientes.
4) Si u
r
y v
v
son ortogonales entonces v u
r r
+
2
= u
r
2
+ v
r
2


DEF Se dice que una base de V es ortogonal si los vectores que la componen son
ortogonales dos a dos.

DEF Una base ortogonal y normada de V es una base ortonormada.

Sabemos que si u
r
, v
v
son no nulos se tiene ( u
r
v
v
)
2
) u
r
2
v
r
2
(desigualdad de
Cauchy-Schwartz) de donde 1

1 ) ) *
v u
v u
r r
r r
podemos entonces

DEF Definimos el coseno del ngulo que forman dos vectores u
r
, v
v
mediante la
expresin
cos( u
r
, v
v
) =
v u
v u
r r
r r

que puede escribirse tambin de esta otra forma:

u
r
v
v
= u
r
v
r
cos( u
r
, v
v
)

Hasta ahora los conceptos de norma e incluso de ngulo estn desprovistos de
sentido geomtrico, al tratarse de elementos definidos en un espacio vectorial real de V.

Vamos a particularizar a los espacios vectoriales V
2
y V
3


DEF Al par formado por el plano afn E
2
y un producto escalar definido en V
2
lo
llamaremos plano afn eucldeo.

DEF Al par formado por el espacio afn E
3
y un producto escalar definido en V
3
lo
llamaremos espacio afn eucldeo.

1.3. Producto Escalar en V
2
.

Sea B = {
1
u
r
,
2
u
r
} una base de V
2
y u
r
, v
v
vectores de V
2
se tendr




5/14
u
r
=
1
x
1
u
r
+
1
y
2
u
v
v
=
2
x
1
u
r
+
2
y
2
u
r


entonces

u
r
v
v
= (
1
x
1
u
r
+
1
y
2
u
r
)(
2
x
1
u
r
+
2
y
2
u
r
) = (
1
x
2
x )(
1
u
r
2
u
r
) + (
1
x
2
y )(
1
u
r
2
u
r
) +
+ (
1
y
2
x )(
2
u
r
1
u
r
)+ (
1
y
2
y )(
2
u
r
2
u
r
)

(por los axiomas del producto escalar)

En forma matricial puede escribirse as:

u
r
v
v
= (
1
x
1
y )
+
+
,
-
1 2
2 1
u u
u u
r r
r r

.
.
/
0
2 2
2 1
u u
u u
r r
r r

.
.
/
0
+
+
,
-
2
2
y
x


OBS Por tanto, el producto escalar queda determinado cuando se conoce la matriz
(simtrica)
+
+
,
-
1 2
2 1
u u
u u
r r
r r

.
.
/
0
2 2
2 1
u u
u u
r r
r r
que se llama matriz del producto escalar.

OBS Cuando la base B es ortonormal se tiene
1
u
r
1
u
r
=
2
u
r
2
u
r
= 1
1
u
r
2
u
r
=
2
u
r
1
u
r
= 0, y
entonces la matriz del producto escalar es la matriz identidad.

En una base ortonormal tenemos que:

El producto escalar es u
r
v
v
=
1
x
2
x +
1
y
2
y

El mdulo de u
r
= (
1
x ,
2
x ) es u
r
=
2
1
2
1
y x +

El coseno del ngulo que forman u
r
, v
v
es cos( u
r
, v
v
) =
2
2
2
2
2
1
2
1
2 1 2 1
y x y x
y y x x
+ +
+


OBS La relacin u
r
v
v
= u
r
v
r
cos( u
r
, v
v
) obtenida de la simple definicin de producto
escalar, es la expresin clsica del producto escalar ordinario. En ocasiones suele
introducirse el producto escalar directamente, suponiendo conocidos los conceptos de
mdulo, norma o longitud de un vector, y el concepto de ngulo. En ese caso, las
propiedades que definen el producto escalar deben demostrarse.

NOTA: El mdulo o longitud de un vector u
r
de V
2
es la longitud del segmento de un
representante de u
r
. Se denota por u
r
.

Si se define u
r
v
v
= u
r
v
r
cos( u
r
, v
v
), entonces u
r
u
r
= u
r
u
r
pero tambin es
u
r
u
r
= u
r
u
r
, luego u
r
= u
r






6/14
1.4. Producto Escalar En V
3
.

Sea B = {
1
u
r
,
2
u ,
3
u
r
} una base de V
3
, u
r
, v
v
%V
3
dos vectores. Entonces, si
expresamos ambos vectores en la base B

u
r
=
1
x
1
u
r
+
1
y
2
u +
1
z
3
u
r

v
v
=
2
x
1
u
r
+
2
y
2
u +
2
z
3
u
r


tenemos que su producto escalar es:

u
r
v
v
= (
1
x
1
u
r
+
1
y
2
u +
1
z
3
u
r
)(
2
x
1
u
r
+
2
y
2
u +
2
z
3
u
r
) = (
1
x
2
x )(
1
u
r
1
u
r
) + (
1
x
2
y )(
1
u
r
2
u ) +
(
1
x
2
z )(
1
u
r
3
u
r
) + (
1
y
2
x )(
2
u
1
u
r
) + (
1
y
2
y )(
2
u
2
u ) + (
1
y
2
z )(
2
u
3
u
r
) + (
1
z
2
x )(
3
u
r
1
u
r
)+
(
1
z
2
y )(
3
u
r
2
u ) + (
1
z
2
z )(
3
u
r
3
u
r
)

por los axiomas del producto escalar.

Nuevamente en forma matricial

u
r
v
v
= (
1
x
1
y
1
z )
+
+
+
,
-
1 3
1 2
1 1
u u
u u
u u
r r
r r
r r

2 3
2 2
2 1
u u
u u
u u
r r
r r
r r

.
.
.
/
0
3 3
3 2
3 1
u u
u u
u u
r r
r r
r r

.
.
.
/
0
+
+
+
,
-
z
y
x


donde
+
+
+
,
-
1 3
1 2
1 1
u u
u u
u u
r r
r r
r r

2 3
2 2
2 1
u u
u u
u u
r r
r r
r r

.
.
.
/
0
3 3
3 2
3 1
u u
u u
u u
r r
r r
r r
es la matriz del producto escalar en la base B.

Si la base es ortonormal entonces dicha matriz es la identidad y el producto
escalar se escribe de forma ms simple como:

u
r
v
v
=
1
x
2
x +
1
y
2
y +
1
z
2
z

Igualmente, la norma de un vector y el coseno del ngulo de dos vectores se
pueden escribir, respectivamente, como:

u
r
=
2
1
2
1
2
1
z y x + +

cos( u
r
, v
v
) =
2
2
2
2
2
2
2
1
2
1
2
1
2 1 2 1 2 1
z y x z y x
z z y y x x
+ + + +
+ +


El producto escalar ordinario de dos vectores puede definirse partiendo de:

u
r
v
v
= u
r
v
r
cos( u
r
v
v
) si u
r
, v
v
son no nulos
u
r
v
v
= 0 si u
r
=0
r
v
v
=0
r





7/14
El smbolo u
r
expresa el mdulo de u
r
, la longitud de uno de sus representantes
y coincide con el concepto de norma, al igual que vimos para V
2
.


2. PRODUCTO VECTORIAL DE DOS VECTORES DE V
3
.

DEF Sean a
r
b
r
%V
3
, llamamos Producto Vectorial de a
r
y b
r
y se escribe a
r
xb
r
a otro
vector que verifica:

1) b x a
r
r
= a
r
b
r
) , ( b a sen
r
r

2) ( a
r
xb
r
) a
r
= 0 , ( a
r
xb
r
) b
r
= 0
3) En caso que a
r
y b
r
sean linealmente independientes, la orientacin
determinada por la base ortonormal {
1
u
r
,
2
u ,
3
u
r
} de V
3
es la misma que la determinada
por ( a
r
, b
r
, a
r
xb
r
), o lo que es lo mismo,
signo [det(
1
u
r
,
2
u ,
3
u
r
)] = signo [det( a
r
, b
r
, a
r
xb
r
)]

2.1. Expresion Analtica en una Base Ortonormal.

Sea B = {
1
u
r
,
2
u ,
3
u
r
} una base ortonormal de V
3


a
r
= (
1
a ,
2
a ,
3
a )
b
r
= (
1
b ,
2
b ,
3
b )
w
r
= a
r
xb
r
= (
1
w ,
2
w ,
3
w )

por 2) se tiene ( a
r
xb
r
) a
r
= 0 &
1
a
1
w +
2
a
2
w +
3
a
3
w = 0
( a
r
xb
r
) b
r
= 0 &
1
b
1
w +
2
b
2
w +
3
b
3
w = 0

Si a
r
y b
r
fuesen linealmente dependientes sera a
r
=" b
r
, y por 1) b x a
r
r
= 0
& a
r
xb
r
=0
r
, luego podemos suponer a
r
y b
r
linealmente independientes.

Entonces

rang
+
+
,
-
1
1
b
a
2
2
b
a

.
.
/
0
3
3
b
a
= 2, y tomando un menor de orden 2 no nulo, por ejemplo
1
1
b
a

2
2
b
a
= 1 # 0

= +
= +
2 2 1 1
2 2 1 1
w b w b
w a w a
&
2
3
4
*
*
3 3
3 3
w b
w a

1
w =
1
3
3
2
2
b
a
b
a
3
w





8/14
Llamemos
3
w = t 1

2
w =
1
1
1
3
3
b
a
b
a
3
w

&
1
w = t
2
2
b
a

3
3
b
a
,
2
w = t
3
3
b
a

1
1
b
a
,
3
w = t
1
1
b
a

2
2
b
a


Si la base est orientada positivamente, entonces por 3),

1
1
1
w
b
a

2
2
2
w
b
a

3
3
3
w
b
a
> 0 &
1
w
2
2
b
a

3
3
b
a
+
2
w
3
3
b
a

1
1
b
a
+
3
w
1
1
b
a

2
2
b
a
> 0

&
1
w
t
w
1
+
2
w
t
w
2
+
3
w
t
w
3
>0 &
t
1
(
1
w
2
+
2
w
2
+
3
w
2
) > 0

Adems w
r
w
r
= t
2
(
2
2
b
a

3
3
b
a
2
+
3
3
b
a

1
1
b
a
2
+
1
1
b
a

2
2
b
a
2
) y tambin

w
r
w
r
= a
2
b
r
2
sen
2
( a
r
, b
r
) = a
2
b
r
2
- (a
r
b
r
)
2
&

w
r
w
r
= (
1
a
2
+
2
a
2
+
3
a
2
)(
1
b
2
+
2
b
2
+
3
b
2
) (
1
a
1
b +
2
a
2
b +
3
a
3
b )
2
= =

=
1
a
2
1
b
2
+
2
a
2
1
b
2
+
3
a
2
1
b
2
+
1
a
2
2
b
2
+
2
a
2
2
b
2
+
3
a
2
2
b
2
+
1
a
2
3
b
2
+
2
a
2
3
b
2
+
3
a
2
3
b
2
-

-
1
a
2
1
b
2
-
2
a
2
2
b
-
3
a
2
3
b
2
- 2
1
a
2
a
1
b
2
b - 2
1
a
3
a
1
b
3
b - 2
2
a
3
a
2
b
3
b = =

= (
1
b
2
a -
1
a
2
b )
2
+ (
3
a
1
b -
1
a
3
b )
2
+ (
3
a
2
b -
2
a
3
b )
2
=
1
1
b
a

2
2
b
a
2
+
3
3
b
a

1
1
b
a
2
+
2
2
b
a

3
3
b
a
2


& t
2
= 1 & t = 1

por tanto

a
r
= (
1
a ,
2
a ,
3
a )
b
r
= (
1
b ,
2
b ,
3
b )
a
r
xb
r
= (
2
2
b
a

3
3
b
a
,
3
3
b
a

1
1
b
a
,
1
1
b
a

2
2
b
a
) (cuando la base es ortonormal)

OBS A veces se suele adoptar como definicin, demostrando en este caso 1), 2) y 3). Lo
hemos hecho de esta forma pues la interpretacin geomtrica del producto vectorial es



9/14
ms inmediata. As el producto vectorial de dos vectores a
r
, b
r
es otro vector ortogonal a
ambos, cuyo mdulo es a
r
b
r
sen( a
r
, b
r
), siendo el rea del paralelogramo determinado
por representantes de origen comn de a
r
y b
r
y cuyo sentido viene dado por la regla del
sacacorchos (orientacin positiva de la base ortonormal de V
3
elegida).

PROP $ a
r
, b
r
, c
r
%V
3
y $ !%R, se verifica:

1) a
r
xb
r
= - b
r
xa
r

2) a
r
x( ! b
r
) = !( a
r
xb
r
) = ( ! a
r
)xb
r

3) a
r
x( b
r
+c
r
) = a
r
xb
r
+ a
r
xc
r

4) ( a
r
+b
r
)xc
r
= a
r
xc
r
+ b
r
xc
r

5) a
r
x0
r
= 0
r

6) a
r
xb
r
= 0
r
& a
r
, b
r
son linealmente independientes.

Dem.

Estas propiedades se demuestran fcilmente si pensamos en la forma usual de
calcular el producto vectorial cuando nos dan 2 vectores expresados en una base
ortonormal:

a
r
xb
r
=
1
1
1
b
a
u
r

2
2
2
b
a
u
r

3
3
3
b
a
u
r


Evidentemente la expresin no es un determinante pero ayuda mucho a recordar la
expresin del producto vectorial.

3. PRODUCTO MIXTO DE TRES VECTORES DE V
3
.

DEF Dados x
r
, y
r
, z
r
%V
3
se define el producto mixto de los tres vectores como el n
real:
[ x
r
, y
r
, z
r
] = x
r
(y
r
x z
r
)

3.1. Expresin Analtica en una Base Ortonormal.

x
r
= (
1
x ,
2
x ,
3
x )
y
r
= (
1
y ,
2
y ,
3
y ) &
z
r
= (
1
z ,
2
z ,
3
z )
& x
r
( y
r
x z
r
) =
1
x
2
2
z
y

3
3
z
y
+
2
x
3
3
z
y

1
1
z
y
+
3
x
1
1
z
y

2
2
z
y
=
1
1
1
z
y
x

2
2
2
z
y
x

3
3
3
z
y
x
= det ( x
r
, y
r
, z
r
)






10/ 14
PROP Se verifica:

1) [ x
r
, y
r
, z
r
] = [ z
r
, x
r
, y
r
] = [ y
r
, z
r
, x
r
] = - [ x
r
, z
r
, y
r
] = - [ z
r
, y
r
, x
r
] = - [ y
r
, x
r
, z
r
]
2) Si alguno de ellos es 0
r
, entonces el producto mixto es 0
3) "[ x
r
, y
r
, z
r
] = [ " x
r
, y
r
, z
r
]
4) [ x
r
+ x
r
, y
r
, z
r
] = [ x
r
, y
r
, z
r
] + [ x
r
, y
r
z
r
]

Dem.

Son propiedades de determinantes.

3.2. Interpretacin geomtrica.

Sea R = { 0,
1
u
r
,
2
u ,
3
u
r
} una referencia ortonormal del espacio E
3
y
! *
AB ,
!
AC ,
! *
AD representantes respectivos de los vectores x
r
, y
r
, z
r
.
Dichos vectores determinan un paraleleppedo del que
! *
AB ,
!
AC ,
! *
AD son 3
aristas concurrentes en un vrtice.

El volumen del paraleleppedo es: A x Base x h

A x Base = ||
!
AC x
! *
AD||

La altura h es la distancia de B al plano ACD y como
!
AC x
! *
AD es un vector
normal al plano se tiene que h = ||
! *
AB
! !
! !
AD x AC
AD x AC
|| &

V = ||
!
AC x
! *
AD|| h = |
! *
AB (
!
AC x
! *
AD)| = [
! *
AB ,
!
AC ,
! *
AD]


4. APLICACIONES.

El producto escalar definido en V
2
y V
3
de la forma ordinaria permite introducir
las nociones mtricas de distancia y ngulo en el plano y espacio de forma clara y
sencilla. Igualmente el producto vectorial nos facilita el clculo de reas, y el producto
mixto, el clculo de volmenes. Todas estas cuestiones, que perfectamente pueden
introducirse aqu, son propias del tema 53, y ah se vern con detalle. Pero igualmente,
nos facilitan la resolucin de numerosos problemas geomtricos y fsicos. Veamos
ejemplos de algunos de los ms destacados.










11/ 14
4.1. Ecuacin Normal de una Recta del Plano.

Supongamos R = { 0,
1
u
r
,
2
u } referencia ortonormal. Una recta r puede venir
dada por un punto A(
0
x ,
0
y ) y un vector u
r
= (A, B) en la direccin perpendicular a r.
Cualquier punto P(x, y) de r verifica

u
r

! *
AP = 0 &(A, B)(x -
0
x , y -
0
y ) = 0 & A(x-
0
x ) + B(y -
0
y ) = 0
bien
Ax + By + (-A
0
x - B
0
y ) = 0 & Ax + By + C = 0

4.2. Ecuacin Normal del Plano.

Igualmente , un plano # viene dado por un punto A(
0
x ,
0
y ,
0
z ) de # y un
vector n
r
= (A, B, C) normal al plano.

Si P%# se tiene que

! *
AP n
r
= 0& A(x -
0
x ) + B(y -
0
y ) + C(z -
0
z ) = 0

& Ax + By + Cz + D = 0

siendo D = -A
0
x -B
0
y -C
0
z

4.3. Teorema del coseno y de Pitgoras.

TEOREMA

En todo triangulo ABC se verifica a
2
= b
2
+ c
2
2bc cosA

Dem.
Si llamamos b
r
=
!
AC , a
r
=
!
CB, c
r
=
!
AB

se tiene
c
r
= a
r
+b
r
& a
r
=c
r
- b
r


( a
r
)
2
= a
r
a
r
= ( c
r
- b
r
)( c
r
- b
r
)= ( c
r
)
2
+ ( b
r
)
2
- 2b
r
c
r
' a
2
= b
2
+ c
2
2bc cosA

OBS Si el tringulo es rectngulo en A entonces se obtiene el teorema de Pitgoras.

4.4. Las Tres Alturas de un Tringulo son concurrentes en un Punto.

TEOREMA
Dados 4 puntos A, B, C, D cualesquiera del plano, se verifica que

!
AB
!
CD +
!
AC
!
DB +
! *
AD
!
BC = 0



12/ 14
Dem.

Llamamos
!
AB =u
r
,
!
AC =v
r
,
! *
AD= w
v
,
!
CD= w
v
- v
r
,
!
DB = u
r
- w
v
,
!
BC = v
r
- u
r


Luego, basndonos en las propiedades del producto escalar

u
r
( w
v
- v
r
) + v
r
( u
r
- w
v
) + w
v
( v
r
- u
r
) = 0

Ello nos permite probar, por ejemplo que:

PROP Las tres alturas de un tringulo son concurrentes.

Dem.

Tracemos las alturas correspondientes a C y B que se cortan en O. Debemos
probar que
!
AOes ortogonal a
!
BC .

Aplicando la igualdad anterior a los puntos A, B, C, O obtenemos

!
AB
!
CO +
!
AC
!
OB +
!
AO
!
BC = 0
pero
!
AB
!
CO= 0 y
!
AC
!
OB = 0 por hiptesis,
luego

!
AO
!
BC = 0 como queramos demostrar.

4.5. Las diagonales de un rombo son perpendiculares.

En efecto
!
AB =u
r
,
!
AC =v
r
|| u
r
|| = || v
r
||,
Pero
!
BC = v
r
- u
r
y
! *
AD=v
r
+u
r
&
!
BC
! *
AD= ( v
r
+u
r
)( v
r
- u
r
) = 0.

4.6. Obtencin de Frmulas Trigonomtricas.

Complicadas frmulas de trigonometra se obtienen fcilmente con el producto
escalar.

Sea B ={
1
u
r
,
2
u } una base de V
2
ortonormal y a
r
, b
r
vectores unitarios tal que
(
1
u
r
, a
r
) = !, (
2
u , b
r
) = $

Entonces a
r
=
1
"
1
u
r
+
2
"
2
u &
1
u
r
a
r
=
1
" =cos!
y
2
u a
r
=
2
" = cos( #/2 - !) = sen!
As
a
r
= cos!
1
u
r
+sen!
2
u




13/ 14
y anlogamente
b
r
= cos $
1
u
r
+ sen $
2
u

a
r
b
r
= cos!cos $+ sen !sen $= || a
r
|| || b
r
|| cos ( $-!)

& cos ( $-!)=cos!cos $+ sen !sen $

Otro ejemplo si a
r
, b
r
son unitarios y determinan un ngulo entonces (a
r
, a
r
+b
r
)
=
2
!
( al ser unitarios a
r
+b
r
es la diagonal del cuadrado que forman)
a
r
( a
r
+ b
r
) = 1 + cos ! = || a
r
|| || a
r
+b
r
|| cos
2
!


|| a
r
+b
r
|| = ) )( ( b a b a
r
r
r
r
+ + = ! cos 2 2 + & 1+ cos! = ! cos 2 2 + cos
2
!
&

cos
2
!
=
2
cos 1 ! +


4.7. Trabajo de una Fuerza.

El producto escalar est asociado en fsica con un concepto muy importante, el
de TRABAJO.

As, la aplicacin de una fuerza F
r
a un mvil que sigue una trayectoria d
r
, nos
proporciona un trabajo que puede definirse como T = F
r
d
r
.

4.8. Frmula de Hern para el clculo del rea de un Tringulo.

A =
2

B
h b

2
B
h =
2
c -
2
1
c

Por el teorema del coseno (demostrado con el p. escalar) a
2
= b
2
+ c
2
2bc cos!

& a
2
= b
2
+ c
2
2bc
1
&
b
a c b
c
2
2 2 2
1
* +
=

2
B
h =
2
c -
2
2 2 2
2
.
.
/
0
+
+
,
- * +
b
a c b
=
.
.
/
0
+
+
,
- * +
+
b
a c b
c
2
2 2 2
.
.
/
0
+
+
,
- * +
*
b
a c b
c
2
2 2 2
=
.
.
/
0
+
+
,
- * +
b
a c b
2
) (
2 2


.
.
/
0
+
+
,
- * *
b
c b a
2
) (
2 2
=
2
4
) )( )( )( (
b
c b a c b a a c b a c b * + + * + + * +


Llamando p =
2
c b a + +




14/ 14

2
B
h =
2
4
) ( 2 ) ( 2 2 ) ( 2
b
c p b p p a p * * *
&
B
h = ) )( )( (
2
c p b p a p p
b
* * *

luego A = ) )( )( ( c p b p a p p * * *





Bibliografa Recomendada.

Curso de lgebra y Geometra. Aut. Juan de Burgos. Ed. Alambra Universidad.

lgebra Lineal. Aut. F. Puerta. Ed. Univ. Politcnica de Barcelona.

Matemticas COU, Tomo I. Aut. Vizmanos-Anzola.




1/14
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 53
RELACIONES MTRICAS: PERPENDICULARIDAD, DISTANCIAS, NGULOS,
REAS, VOLMENES, ETC...
1. Introduccin.
1.1. Producto Escalar.
1.2. Norma de un Vector.
1.3. ngulos.
1.4. Ortogonalidad.
1.5. Particularizacin del Producto Escalar a V
3
.
1.6. Producto Vectorial de dos Vectores de V
3
.
1.7. Producto Mixto.
2. ngulos.
2.1. ngulo de dos Rectas.
2.2. ngulo de dos Planos.
2.3. ngulo de Recta y Plano.
3. Paralelismo.
3.1. Paralelismo de Rectas.
3.2. Paralelismo de Recta y Plano.
4. Perpendicularidad.
4.1. Perpendicularidad de Rectas.
4.2. Perpendicularidad de Recta y Plano.
4.3. Perpendicularidad de Planos.
5. Distancias.
5.1. Distancia de un Punto a un Plano.
5.2. Distancia entre Planos.
5.3. Distancia de un Punto a una Recta.
5.4. Distancia entre Rectas.
6. reas.
6.1. rea del Paralelogramo.
6.2. rea del Tringulo.
7. Volmenes.
7.1. Volumen del Paraleleppedo.
7.2. Volumen del Tetraedro.
Bibliografa Recomendada.



2/14
TEMA 53
RELACIONES MTRICAS: PERPENDICULARIDAD, DISTANCIAS, NGULOS,
REAS, VOLMENES, ETC...
1. INTRODUCCIN.
Para poder desarrollar este tema, vamos a exponer inicialmente la teora necesaria.
Recordaremos el Producto Escalar, Vectorial y Mixto.
1.1. Producto Escalar.
DEF Sea V un espacio vectorial real.
Se llama producto escalar V toda aplicacin:
( ) v u v u
R VxV
r r r r
, !
!
que verifica:
1. 0 0
r
r r r
" > u si u u
2. u v v u
r r r r
=
3. ( ) V w v u w u v u w v u # $ + = +
r r r r r r r r r r
, ,
4. ( ) ( ) v u v u
r r r r
! ! = R # $!
DEF Llamaremos producto escalar de v y u
r r
al nmero real v u
r r
(la imagen del par
( ) v u
r r
, por la aplicacin).
Como consecuencia directa de las axiones se tiene:
PROP Se verifican las siguientes igualdades:
1) ( ) w v w u w v u
r r r r r r r
+ = + V w v u # $
r r r
, ,
2) ( ) ( ) v u v u
r r r r
! ! = R # $!
3) 0 = O u
r
r
4) O u u u
r
r r r
= % = 0
Dem.
Inmediatas a partir de los axiomas.
Abreviadamente, un producto escalar es una forma bilineal, simtrica y definida
positiva en V.



3/14
1.2. Norma de un Vector.
DEF Definido un producto escalar en V, se llama norma de un vector u
r
al nmero
real u u u
r r r
= .
(Tiene sentido pues ) 0 V u u u # $ &
r r
.
TEOREMA
V v u # $
r r
, se verifica v u v u
r r r r
'
Dem.
( )( ) ( ) 0 2
2
2
2 2
& + + = + + = + v v u u v u v u v u
r r r r r r r r r r
! ! ! ! !
( ) ( ) v u v u v u v u
r r r r r r r r
0
2 2
2
' % ' ( %
1.3. ngulos.
Si u
r
y v
r
son no nulos se tiene
1

1 1

' ' ( ) '

v u
v u
v u
v u
r r
r r
r
r r
DEF Definimos entonces el coseno del ngulo formado por dos vectores como
( )
v u
v u
v u
r r
r r
r r

, cos =
y de aqu
( ) v u v u v u
r r r r r r
, cos =
1.4. Ortogonalidad.
En virtud de la definicin anterior parece lgico definir la ortogonalidad de en
funcin del valor de la expresin anterior
DEF Diremos que los vectores u
r
y v
r
son Ortogonales si ( ) 0 , cos = v u
r r
.
PROP v u
r r
, ortogonales 0 = ) v u
r r
Dem.
Inmediata.



4/14
1.5. Particularizacin del Producto Escalar a V
3
.
Si { }
3 2
, , u u u B
r r r
= es una base V
3
, entonces
3 3 2 2 1 1
3 3 2 2 1 1
u x u x u x v
u x u x u x u
r r r r
r r r r
+ + =
+ + =
y por las propiedades de linealidad
( ) ( ) ( )( )
j i
j i
j i
u u x x u x u x u x u x u x u x v u
3
1 ,
3 3 2 2 1 1 3 3 2 2 1 1 *
=
= + + + + = +
r r r r r r r r
El producto escalar queda conocido cuando se conoce los valores de los 9 productos
escalares
j i
u u
r r
(en realidad slo 6 por simetra).
El producto escalar de u
r
y v
r
es sumamente sencillo si la base { }
3 2 1
, , u u u
r r r
est
formada por vectores ortogonales dos a dos y unitarios (de norma 1) pues entonces
1
3
2
2
2
1 3 3 2 2 1 1
= = = = = = u u u u u u u u u
r r r r r r r r r
0
3 2 3 1 2 1
= = = u u u u u u
r r r r r r
y

3 3 2 2 1 1
x x x x x x v u + + =
r r
Una base con las caractersticas anteriores se dice que es ortogonal, y en dicha base
se tiene
( )
2
3
2
1
2
1
2
3
2
2
2
1
3 3 2 2 1 1
2
3
2
2
2
1


, cos
x x x x x x
x x x x x x
v u
x x x u
+ + + +
+ +
=
+ + =
r r
r
OBS La particularizacin a V
2
es anloga
1.6. Producto Vectorial de dos Vectores de V
3
.
DEF Sea { }
3 2 1
, , u u u B
r r r
= una base ortogonal de V
3
. Llamaremos Producto Vectorial
de ( )
3 2 1
, , x x x u =
r
y ( ) , ,
3 2 1
x x x v =
r
al vector
,
,
-
.
/
/
0
1
=

,

,

2 1
2 1
1 3
1 3
3 2
3 2
x x
x x
x x
x x
x x
x x
v x u
r r
.
PROP Se verifica:
1) ( ) ( ) v u v u v x u
r r r r r r
, sen =
2) ( ) ( ) 0 0 = = v v x u u v x u
r r r r r r



5/14
3) Si v u
r r
, son linealmente independientes, entonces v x u v u
r r r r
, , determinan una base
de V
3
, y si ( ) 0 , , det
3 2
> u u u
r r r
, tambin es ( ) 0 , , det > v x u v u
r r r r
.
Dem.
1) = + + =
2
2 1
2 1
2
1 3
1 3
2
3 2
3 2
2
x x
x x
x x
x x
x x
x x
v x u
r r
( ) ( ) ( ) = ( + ( + ( =
2
1 2 2 1
2
3 1 1 3
2
2 3 3 2
x x x x x x x x x x x x
2 1 1 3 1 3 3 2 3 2
2
1
2
2
2
2
2
1
2
3
2
1
2 2
3
2
2
2
3 3
2
2
2 2 2 x x x x x x x x x x x x x x x x x x x x x x ( ( ( + + + + + =
Sumando y restando
2
3
2
3
2
2
2
2
2
1
2
1
x x x x x x + + se tiene
( )( ) ( )
2 2 1 1 3 1 3 3 2 3 2
2
3
2
3
2
2
2
2
2
1
2
1
2
3
2
2
2
1
2
3
2
2
2
1
2 2 2 x x x x x x x x x x x x x x x x x x x x x x x ( ( + + ( + + + +
( )( ) ( ) = + + ( + + + + =
2
3 3 2 2 1 1
2
3
2
2
2
1
2
3
2
2
2
1
x x x x x x x x x x x x
( )
,
,
-
.
/
/
0
1
,
,
-
.
/
/
0
1
( = ( =
2
2 2 2 2 2

1
v u
v u
v u v u v u
r r
r r
r r r r r r
( ) v u v u v x u , sen
2
2 2 2 r r r r
= %
2) ( ) 0

3 2 1
3 2 1
3 2 1
2 1
2 1
3
1 3
1 3
2
3 2
3 2
1
= = + + =
x x x
x x x
x x x
x x
x x
x
x x
x x
x
x x
x x
x u v x u
r r r
( ) 0

3 2 1
3 2 1
3 2 1
2 1
2 1
3
1 3
1 3
2
3 2
3 2
1
= = + + =
x x x
x x x
x x x
x x
x x
x
x x
x x
x
x x
x x
x v v x u
r r r
al ser determinantes con dos filas iguales.
3) ( ) ( ) = =
3 2
2 1
2 1
1 3
1 3
3 2
3 2
3 2 1
3 2 1
, , det

, , det u u u
x x
x x
x x
x x
x x
x x
x x x
x x x
v x u v u
r r r r r r r



6/14
( ) %
,
,
-
.
/
/
0
1
+ + =
3 2 1
2
2 1
2 1
2
1 3
1 3
2
3 2
3 2
, , det

u u u
x x
x x
x x
x x
x x
x x r r r
signo ( ) = v x u v u
r r r r
, , det signo ( )
3 2
, , det u u u
r r r
Las dos primeras propiedades probadas tienen el siguiente significado:
1) ! sen v u v x u
r r r r
= , que es el rea del paralelogramo determinando por 2
representaciones con origen comn de v u
r r
, .
2) El producto vectorial de u
r
y v
r
es un vector ortogonal a la vez a u
r
y v
r
.
1.7. Producto Mixto.
DEF Dados los vectores z y x
r r r
, , , definimos su producto mixto como el nmero real
[ ] ( ) z x y x z y x
r r r r r r
, , =
Si expresamos los tres vectores mediante sus coordenadas en una determinada base,
podemos escribir su producto mixto como:
( )
( )
( )
( )
2 1
2 1
3
1 3
1 3
2
3 2
3 2
1
3 2
3 2
3 2 1

, ,
, ,
, ,
z z
y y
x
z z
y y
x
z z
y y
x z x y x
z z z z
y y y y
x x x x
+ + = %
2
3
2
4
5
=
=
=
r r r
r
r
r
=
( ) z y x
z z z
y y y
x x x
r r r
, , det
3 2 1
3 2 1
3 2 1
= =
Interpretacin geomtrica.
El producto mixto es
( ) ( ) ( ) z x y x x z x y z x y x z x y x z x y x
r r r r r r r r r r r r r r r
, cos , cos = =
donde
z x y
r r
Es el rea del paralelogramo definido por ambos vectores
y
( ) z x y x x
r r r r
, cos Es la proyeccin de x sobre la direccin normal al plano determinado
por los otros dos vectores.
Luego [ ] = z y x
r r r
, , Volumen del paraleleppedo de aristas concurrentes z y x
r r r
, ,



7/14
2. NGULOS.
2.1. ngulo de dos Rectas.
El producto escalar definido en V
3
(o V
2
) permite el estudio del ngulo que forman
dos rectas en el espacio afn (o el plano afn).
DEF Sean r y s dos rectas de vectores directores u
r
y v
r
respectivamente. Llamamos
ngulo de r y s al menor de los ngulos que determinan los vectores u
r
y v
r
.
La medida del ngulo de r y s es el nmero real que verifica:
2
0

cos
"
#
#
' '
=
v u
v u
r r
r r
OBS Definimos as el ngulo de dos rectas an en el caso de que stas se crucen.
Si el sistema de referencia es ortogonal y las dos rectas las expresamos como

2 2 2 1 1 1
c
z z
b
y y
a
x x
s
c
z z
b
y y
a
x x
r
(
=
(
=
(
6
(
=
(
=
(
6
entonces
( )
2 2 2 2 2 2


, cos
c b a c b a
cc bb aa
s r
+ + + +
+ +
=
2.2. ngulos de dos Planos.
Sean 7 y 7 dos planos, y , n n
r r
sus vectores normales. Sabemos que el ngulo que
forman los dos planos es igual al ngulo que forman dos rectas normales de direcciones
n
r
y . n
r
DEF Sean 7 y 7 planos de vectores normales n
r
y n
r
respectivamente. Llamamos
ngulo de 7 y 7 al menor ngulo que forman n
r
y n
r
.
Su medida ser el nmero real 8 que verifica las dos condiciones siguientes:
1.


cos
n n
n n
r r
r r
= #
2.
2
0
"
#' '



8/14
Si los planos vienen dados por sus ecuaciones generales, con vectores normales:
( ) C B A n D Cz By Ax , , 0 = = + + + 6
r
"
( ) , , 0 ' C B A n D z C y B x A = = + + + 6
r
"
luego ( )
2 2 2 2 2 2


' , cos
C B A C B A
CC BB AA
+ + + +
+ +
= " "
2.3. ngulo de Recta y Plano.
Sea 7 un plano y r una recta (no perpendicular). Sabemos que el ngulo de 7 y r es
el formado por r y su proyeccin ortogonal, r, sobre 7. Pero dicho ngulo es el
complementario del formado por u
r
, vector director de la recta, y n
r
, vector normal al
plano.
As pues, definiremos 9 = :(r,7) como el menor de los ngulos que forman u
r
y
n
r
.
Su medida ser el nmero real que verifica:
1. ( )
n u
n u
r r
r r

sen
2
cos = = ( ! !
"
2.
2
0
"
!' '
Si 0
1 1 1
= + + + 6
(
=
(
=
(
6 D Cz By Ax y
c
z z
b
y y
a
x x
r "
entre ( )
2 2 2 2 2 2

sen , sen
c b a C B A
Cc Bb Aa
r
+ + + +
+ +
= = ! "
3. PARALELISMO.
3.1. Paralelismo de Rectas.
DEF Diremos que las rectas r y s son paralelas si el ngulo que determinan verifica
que Cos(r,s)=1.
PROP Las rectas r y s son paralelas % u
r
y v
r
son L. D. siendo ambos vectores los
vectores directores de las rectas.
Dem.
( ) ) = ) 1 , cos , s r paralelas s r ( ) ( )( )
2 2 2 2 2 2 2
c b a c b a cc bb aa + + + + = + +



9/14
2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2 2 b c a c c b c b a b c a b a cc bb cc aa bb aa + + + + + + = + +
( ) ( ) ( ) cqd
c
c
b
b
c
c
a
a
b
b
a
a
c b bc
c a ac
ba ab
c b bc c a ac ba ab



0
0
0
0
2 2 2
=
=
=
2
3
2
4
5
= (
= (
= (
% = ( + + ( %
3.2. Paralelismo de Recta y Plano.
DEF Diremos que la recta r y el plano 7 son paralelos si el ngulo que determinan
verifica que Sen9=0.
4. PERPENDICULARIDAD.
4.1. Perpendicularidad de Rectas.
DEF Las rectas r y s son perpendiculares si 0 = + v u
r r
PROP Las rectas r y s son perpendiculares si 0 = + + cc bb aa , siendo (a,b,c) las
coordenadas que determinan el vector director de la recta r y (a,b,c) las del vector
director de la recta s.
Dem.
r y s son perpendiculares 0 ' 0 cos = + + ) = ) cc bb aa #
4.2. Perpendicularidad de Recta y Plano.
PROP r y 7 son perpendiculares si u
r
y n
r
son Linealmente Dependientes.
OBS La Proposicin anterior significa que
C
c
B
b
A
a
C B A
c b a
rang = = ) =
,
,
-
.
/
/
0
1
1
4.3. Perpendicularidad de Planos.
DEF Los planos 7 y 7 son perpendiculares si verifican Cos8=0.
PROP Los planos 7 y 7 son perpendiculares si se verifica que AA+BB+CC=0,
siendo (A,B,C) y (A,B,C) las coordenadas de los vectores normales a cada plano.
5. DISTANCIAS.
DEF Sea A y B dos puntos del espacio afn euclideo E
3
. Se llama distancia de A a B
a la norma del vector AB .



10/14
( ) AB B A d = ,
x
y
z
a
b
A
B Si a
r
es el vector de posicin A (que
nos da las coordenadas de A en la
referencia) y b
r
el vector de posicin de
B, se tiene:
( ) a b B A d
r
r
( = ,
As, si A(x
1
, y
1
, z
1
) y B(x
2
y
2
z
2
) se tendr como expresin de la distancia entre dos
puntos (si el sistema de referencia es ortonormal)
( ) ( ) ( ) ( )
2
1 2
2
1 2
2
1 2
, z z y y x x B A d ( + ( + ( =
PROP La aplicacin d: E
3
x E
3
! R verifica:
1) ( ) 0 , & B A d y si ( ) B A B A d = ) = 0 ,
2) ( ) ( ) A B d B A d , , =
3) ( ) ( ) ( ) B C d C A d B A d , , , + '
3
, , E C B a # $
Dem.
Las dos primeras son inmediatas y la tercera es una consecuencia de la desigualdad
de Cauchy-Swartz.
( ) CB AC CB AC AB B A d + ' + = = ,
Conclusin As pues, (E
3
, d) es un espacio mtrico.
5.1. Distancia de un Punto a un Plano.
P'
P''
P(x ,y ,z )
0 0 0
9
Sea M un plano y P un punto. Se
define la distancia de P a ; como
( ) { } , P P d min donde P # ;.
Dicho mnimo se alcanza cuando P
= P, pie de L perpendicular trazado
por P a ;, pues entonces:
; # $ = & ' ' cos P PP PP PP !



11/14
Si u
r
es un vector normal al plano, se tiene que:
n PP n PP n PP
r r r
' ' cos = = !
de donde ( )
n
n PP
PP P d
r
r

' ' , = = ;
As, si ( )
o o o
z y x P , , , 0 = + + + 6 ; D Cz By Ax se tendr que
( )
( ) ( ) ( )
2 2 2 2 2 2
,
C B A
D Cz By Ax
C B A
z z C y y B x x A
P d
o o o o o o
+ +
+ + +
=
+ +
( + ( + (
= ;
5.2. Distancia entre Planos.
DEF Sean 7 y 7 dos planos. Definimos la distancia entre ellos como
( )
( )
3
4
5
<
=
>
#
#
=
'
, ,
' ,
"
"
" "
B
A B A d
min d
Slo tendr sentido cuando 7 y 7 sean paralelos, en cuyo caso basta calcular la
distancia de un punto cualquiera de 7 al plano 7. Si no fuesen paralelos la interseccin
no sera vaca y la distancia es cero.
5.3. Distancia de un Punto a una Recta.
DEF Sea r una recta y P un punto. Se llama distancia de P a r a
( ) ( ) { } { } r P donde P P d min r P d # = , , .
Esta claro que si P es un punto cualquiera de r y 9 el ngulo que determina PP y
u
r
(vector director de r) se tendr que
o
PP PP PP = & ! sen , luego dicho mnimo
se alcanza cuando P
o
es el pie de la perpendicular desde P a r.
Teniendo en cuenta lo anterior, podemos expresar la distancia de un punto a una
recta como sigue:
( )
u
u x PP
u
u PP
PP r P d
o
r
r
r
r

sen
, = = =
!
(recordar def. de prod. vectorial)
As si
( )
( )
1 1 1
, ,
, ,
z y x P
z y x P
o o o
y
c
z z
b
y y
a
x x
r
1 1 1
(
=
(
=
(
6



12/14
( )
2 2 2
2
1 1
2
1 1
2
1 1
,
c b a
y y x x
b a
x x z z
a c
z z y y
c b
r P d
o o o o o o
+ +
( (
+
( (
+
( (
=
5.4. Distancia entre Rectas.
DEF Dadas dos rectas r, s definimos ( )
( )
3
4
5
<
=
>
#
#
=
s B
r A B A d
min s r d
, ,
,
Slo tendr inters cuando r y s sean paralelas y cuando se crucen.
En el caso de que sean paralelas se reduce a calcular la distancia de un punto
cualquiera de una de ellas a la otra recta. Y esa situacin ya la hemos visto.
En el caso de que se crucen, la distancia entre las rectas es tambin la distancia entre
el plano paralelo a s que contiene r y el plano paralelo a r que contiene s.
s
r
B
A
u
v
u
v
( ) ( )
n
n AB
d s r d
r
r

, , = = $ !
donde n
r
es un vector normal a ambos
planos y por tanto normal a u
r
y a v
r
.
Podemos tomar v x u n
r r r
= .
As ( )
( )
[ ]
( )
v x u
v u AB
v x u
v u AB
v x u
v x u AB
s r d
r r
r r
r r
r r
r r
r r
, , det
, ,

, = = =
cuando

1 1 1
c
z z
b
y y
a
x x
s
c
z z
b
y y
a
x x
r
o o o
(
=
(
=
(
6
(
=
(
=
(
6
( )
2 2 2
1 0 1 1


,
b a
b a
a c
a c
c b
c b
c b a
c b a
z z y y x x
s r d
o o
+ +
( ( (
= (referencia ortogonal)



13/14
6. REAS.
Aun cuando el producto vectorial no nos resuelve el problema general del rea, si
puede ayudarnos a calcular determinadas reas como las del paralelogramo y tringulo y
cualquier otra figura geomtrica que se pueda reducir a stas.
6.1. rea del Paralelogramo.
A B
C D
9
h
Sea ABDC un paralelogramo. Sabemos que
su rea es el producto de su base por su altura y
tomemos como base = AB y como altura
! sen AC h = donde ( ) AC AB ang , = !
Por la definicin de producto vectorial
AC x AB A =
6.2. rea del Tringulo.
Dado un tringulo ABC, su rea es la mitad de la del paralelogramo ABCD.
Luego AC x AB A
2
1
=
7. VOLUMENES.
7.1. Volumen del paralelepipedo.
h
A
B
C
D
n
h
Consideremos el paraleleppedo
determinado por 3 aristas concurrentes
en un vrtice AD AC AB , , .
Admitimos que su volumen es el
rea de la base por la altura.
AC x AB base A = .
La altura h es la distancia de D al plano ABC y dado que AC x AB n =
r
es un vector
normal a dicho plano.
( )
( )
AC x AB
AC x AB AD
ABC plano D d h

, = = de donde



14/14
( )
[ ] ( ) AD AC AB AC AB AD AC x AB
AC x AB
AC x AB AD
V , , det , ,

= = =
7.2. Volumen de un Tetraedro.
A
B
C
D
h
El tetraedro ABCD es una pirmide
3
h x Abase
V =
2
AC x AB
Abase =
( )
( )
AC x AB
AC x AB AD
ABC plano D d h

, = =
de donde, trivialmente ( ) AD AC AB V , , det
6
1
=
Bibliografa Recomendada.
Curso de lgebra y Geometra. Aut. Juan de Burgos. Ed. Alambra Universidad.
lgebra Lineal. Aut. F. Puerta. Ed. Univ. Politcnica de Barcelona.
Matemticas COU teora, tomo 1. Aut.: Vizmanos-Anzola.
Matemticas COU. Aut.: J. Garca - S. Rellicer. Ed. Marfil.
En general cualquier texto del antiguo COU



1/20
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 54
LAS CNICAS COMO SECCINES PLANAS DE UNA SUPERFICIE
CNICA. ESTUDIO ANALTICO. PRESENCIA EN LA NATURALE-
ZA, EN EL ARTE Y EN LA TCNICA.
1. Las cnicas como secciones planas de una superficie cnica.
1.1. Focos, directrices y eje focal.
1.2. Razn de distancias de un punto de la cnica a un foco y a una directriz.
1.3. Nueva definicin mtrica de las cnicas.
1.4. Teorema de Dandelin. Tercera definicin de elipse o hiprbola.
1.5. Secciones del cilindro de resolucin. Eje menor de la elipse.
1.6. La excentricidad en funcin del eje focal y la distancia focal
1.7. Cnicas degeneradas.
2. Estudio analtico.
2.1. Ecuacin focal de las cnicas.
2.2. Ecuacin cartesiana de la elipse y de la hiprbola.
2.2.1. Circunferencia
2.2.2. Hiprbola equiltera.
2.3. Ecuacin cartesiana de la parbola.
2.4. Ecuacin general de las cnicas.
2.5. Clasificacin de las cnicas. Asntotas.
2.6. Ecuacin reducida de las cnicas (elipse e hiprbola).
2.7. Determinacin de los ejes.
2.7.1. Ejes de una cnica.
2.8. Ecuacin reducida de la parbola.
3. Presencia en la Naturaleza, la Tcnica y el Arte.
3.1. Presencia en la Naturaleza.
3.2. Presencia en la Tcnica.
3.3. Presencia en el Arte.
Bibliografa Recomendada.



2/20
TEMA 54
LAS CNICAS COMO SECCINES PLANAS DE UNA SUPERFICIE
CNICA. ESTUDIO ANALTICO. PRESENCIA EN LA NATURALE-
ZA, EN EL ARTE Y EN LA TCNICA.
1. LAS CNICAS COMO SECCIONES PLANAS DE UNA SUPERFICIE C-
NICA.
Siguiendo la tradicin drica antigua, definiremos las cnicas como secciones pro-
ducidas en una superficie cnica de resolucin por un plano que no pase por el vrtice.
De ah su nombre.
Si el plano secante corta a todas las generatrices de la superficie llamaremos a la
seccin elipse. Si es paralelo a una sola generatriz, la curva tendr un punto impropio y
la llamaremos parbola. Si es paralelo a dos generatrices, tendr dos puntos impropios y
se llama hiprbola. Como el plano paralelo por el vrtice solo puede contener, a lo sumo
dos generatrices del cono, esto son todos los casos posibles.
Si ! es el ngulo de las generatrices con el eje y " el ngulo de este con el plano
de la seccin, podemos caracterizar la naturaleza de la seccin segn sea !< " (elipse)
!= "(parbola) o !> "(hiprbola). Si el plano de la seccin es perpendicular al eje
( "=90) la seccin es una circunferencia. Por tanto la circunferencia es un caso per-
pendicular de la elipse. En nuestro estudio no trataremos este caso, visto en temas ante-
riores.
Llamaremos puntos interiores (exteriores) los que se proyectan desde el vrtice se-
gn rayos interiores (exteriores) al espacio cnico encerrado por la superficie. De aqu
se deduce que toda recta que pase por un punto interior a una cnica tiene con sta dos
puntos comunes (propios o impropios), por tener el plano que le proyecta dos generatri-
ces comunes con la superficie cnica.



3/20
1.1. Focos, directrices y eje focal.
En cualquiera de los tres casos, tracemos por el eje del cono el plano # perpendi-
cular al plano $ que contiene la cnica. El plano # ser el plano de simetra del cono y
de $, y por tanto, de la cnica. Sean g y g las dos generatrices contenidas en dicho
plano y e la recta de interseccin de # con $. Tracemos en el plano # las dos circun-
ferencias inferiores al ngulo gg (o a un opuesto por el vrtice) tangentes a sus lados y
a la recta e.

Sean F y F los puntos de contacto con e. Estas circunferencias se reducen a una sola
recta e que es paralela a g o g (parbola) y por tanto, en tal caso no hay mas que un
punto F. Los puntos F y F se llaman focos de la cnica.
Si hacemos girar las circunferencias obtenidas alrededor del eje del cono se engen-
dran esferas que son tangentes a la superficie cnica ( a lo largo de sendas circunferen-
cias c y c, situadas en planos perpendiculares al eje) y tambin tangentes al plano $ en
F o F respectivamente, puesto que la distancia del centro O(O) al plano $ es la per-
pendicular OF(OF) igual al radio. Se llaman focos de una seccin cnica a los puntos
de contacto de un plano con las esferas inscritas en el cono y tangentes al plano de la
seccin.
La interseccin d (d) del plano de la circunferencia de contacto con el plano de la
cnica se llama directriz de ste correspondiente al foco F(F). La parbola no tiene mas
que un foco y una directriz.
Se llama eje focal a la recta FF que contiene a los focos. Esta recta e es eje de si-
metra de la cnica (por ser interseccin de un plano con el plano # de simetra). Es,
por tanto, perpendicular a las directrices.
Los puntos A (A) de la cnica situadas en el eje se llaman vrtices de la cnica. La
parbola solo tiene uno.
Los segmentos PF(PF) que unen un punto P cualquiera de la cnica con los focos,
se llaman radios vectores del punto P.



4/20
1.2. Razn de distancias de un punto de la cnica a un foco y a una directriz.
En virtud de las definiciones anteriores resulta que
el radio vector que une un punto cualquiera P de la
seccin con un foco F, es igual al segmento PM de
generatriz que pase por P y la circunferencia c.
PF=PM, puesto que ambos son segmentos de rectas
tangentes por P a una esfera.
Ahora bien, PM forma constantemente el mismo
ngulo ! con el eje del cono, y el segmento de per-
pendicular PR de P a la directriz es paralelo al eje fo-

cal e, y forma con el eje del cono el ngulo constante ". Pero las proyecciones de PM y
PR sobre el eje del cono son iguales por estar R y M en un mismo plano normal al eje,
es decir, " ! cos cos ! = ! PR PM . Por tanto:
%
!
"
= = =
cos
cos
PR
PM
PR
PF
(constante)
y podemos enunciar:
La razn de distancias de un punto de una cnica a un foco y a una directriz es la
misma para todos los puntos. Esta es una constante % que se llama excentricidad y es
igual a la que existe entre los cosenos de los ngulos que forman con el eje el plano de
la seccin y las generatrices rectilneas de la superficie.
Segn !< ", != "o !> ", es decir segn se trata de una elipse, parbola o hi-
prbola, se tendr %<1, %=1 o %>1.
1.3. Nueva definicin mtrica de las cnicas.
Recprocamente, todo lugar geomtrico de puntos de un plano cuya razn de distan-
cias a un punto fijo F y a una recta fija d es constante, %, es cnica.
Sea FD el segmento de perpendicular de F a d y sea A el punto del que cumple la
condicin:
% =
FD
FA
.
Tracemos una esfera arbitraria tangente en F al
plano $ del lugar, y en el plano diametral por A
tracemos la tangente AM. El cono circunscrito a
dicha esfera a lo largo de su seccin por el plano
MD (impuesta esta seccin no diametral, en cuyo
caso variaremos la esfera), ser cortado por el pla-
no $ segn una cnica cuyos puntos, entre los que
esta A, verifican la condicin del enunciado.



5/20
Y son los nicos puntos que le verifican, pues si P, por ejemplo, es un punto int e-
rior y trazamos por P la paralela a d, la distancia de F a uno de los puntos P de intersec-
cin verificare FP<FP y por tanto
% <

R P
FP
.
Anlogamente probaramos que para puntos exteriores P es
% >
"
"
R P
FP
.
Acabamos de probar de paso que: para todo punto interior (exterior) la razn de
distancias al foco y a la directriz es menor (mayor) que la excentricidad. El razona-
miento es vlido para las tres curvas.
Demostrado lo anterior podemos dar estas nuevas definiciones de elipse, hiprbola y
parbola, equivalentes a las anteriores:
Cnica es el lugar geomtrico de puntos de un plano cuya razn de distancias a un
punto fijo (foco) y a una recta fija (directriz) es una cantidad constante, %. Si %<1 la
cnica se llama elipse, si %>1 se llama hiperblica y si %=1 es una parbola. De otro
modo: parbola es el lugar geomtrico de puntos de un plano equidistantes de uno fijo
(foco) y de una recta fija (directriz).
En particular, el vrtice A de la parbola es el punto medio del segmento FD de
perpendicular trazada por el foco a la directriz.
1.4. Teorema de Dandelin. Tercera definicin de elipse e hiprbola.
Consideramos ahora los dos radios vectores PF y PF por un mismo punto P cual-
quiera de la cnica, que son respectivamente iguales a los segmentos de generatriz PM y
PN que pasen por P. Se tendr:

Elipse: PF+PF=PM+PN=MN=HJ
Hiprbola: PF-PF=PN-PM=MN=HJ



6/20
Pero en el caso de la elipse, HJ es la distancia entre los puntos de contacto de dos
circunferencias inscrita y exinscrita al tringulo AVA, cuya longitud es igual al lado
AA.
En la hiprbola, el tringulo VAA permite obtener: (p=semipermetro):
AH=p-AA
AJ=p
HJ=AJ-AH=AA
Luego los radios vectores de una elipse tienen, suma constante, los de una hiprbola,
tienen diferencia constante, en valor absoluto.
En ambos casos esta longitud constante es la longitud del eje focal, entendiendo por
tal la distancia entre los vrtices A y A de la cnica situada en l. Se le suele designar
por 2a, mientras que la distancia FF se designa por 2c.
Recprocamente: el lugar geomtrico de puntos P de un plano $ cuya suma (dife-
rencia) de distancias a dos puntos fijos F y F es una longitud 2a constante, es una elipse
(hiprbola) cuyos focos son F y F.
En efecto: colocadas A y A simtricamente respecto el punto medio de FF, tales
que AA=2a, A y A pertenecen al lugar, puesto que AF+AF=AF+AF=2a
Tracemos ahora una esfera arbitraria, tangente al plano $ en F y en el plano diame-
tral que contiene A y A, dos tangentes AV y AV. El cono circunscrito a dicha esfera
por el punto V de interseccin (se suponen secantes, pues en caso contrario variaremos
la dimensin de la esfera), corta al plano $ segn una cnica cuyos puntos, entre los
que se hallan A y A, cumplen la condicin del enunciado. Y son los nicos puntos que
la cumplen, pues todos los puntos P(P) situados en el interior (prolongacin) de un
radio vector cualquiera PF verifican:
"
#
$
% >
+ <


PP PF F P
P PF F P
y sumando
"
#
$
&
'
(
F P
F P

tenemos
&
'
(
= + > +
= + < +
a PF PF F P F P
a PF PF F P F P
2
2
Es decir, la suma de distancias de todo punto interior (exterior) a la elipse a sus fo-
cos es menor (mayor) que el eje focal.
Anlogamente se prueba que la diferencia de distancias de todo punto interior (exte-
rior) a la hiprbola a sus focos es mayor (menor) que la longitud del eje focal.
En resumen, podemos dar una tercera definicin de elipse e hiprbola, equivalente a
las anteriores:
Elipse (hiprbola) es el lugar geomtrico de puntos cuya suma (diferencia) de dis-
tancias a dos puntos fijos (focos) es constante.
Esta definicin junto a la anterior de parbola son las definiciones de donde se suele
partir en las exposiciones elementales.



7/20
1.5. Secciones del cilindro de resolucin. Eje menor de la elipse.
La seccin producida en una superficie cilndrica por una plano $ oblicuo al eje es
una elipse.
En efecto, definiendo las esferas tangentes al cilindro y al
plano de la seccin, si F y F son los puntos de contacto de
las mismas, P es un punto cualquiera de la seccin y MN el
segmento de generatriz que pasa por P y limitado por las cir-
cunferencias de tangencia respectivas, se tiene:
PF+PF=PM+PN=MN (constante)
lo que demuestra que la seccin es elptica.

Tambin se puede probar, por la constancia de la razn:
PR
PM
siendo PR la distancia de P a la recta interseccin de $ con el pleno de la circunferencia
de contacto, de donde resulta que esta recta es directriz.
El plano diametral del cilindro, perpendicular a $, es plano de simetra de la elipse
y una interseccin con $ ser el eje de simetra AA. El dimetro perpendicular a dicho
eje por el punto medio O de AA. Ser asimismo eje de simetra del cilindro y de $, y
por tanto, de la elipse. El segmento BB limitado por sus intersecciones con la elipse se
llama eje menor y es igual al dimetro del cilindro. Se le designa por 2b y sus extremos
B y B se llaman tambin vrtices de la elipse.
1.6. La excentricidad en funcin del eje focal y la distancia focal.
En la elipse y en la hiprbola la excen-
tricidad es igual a la razn:
a
c
AA
FF
=

entre la distancia focal, 2c, y la distancia

AA=2a entre los vrtices del eje focal.
En efecto, trazando por V la perpendicu-
lar VL al eje del cono en el plano de simetra # (normal al de la seccin) tendremos:
LA
VA
sen
sen
= = =

cos
cos
!
"
!
"
%



8/20
y por una propiedad de las bisectrices interiores y exteriores de un tringulo, se verifica
(restando o sumando trminos en proporcin segn ser elipse o hiprbola):

AA
VA VA
LA
VA
LA
VA
= = = %
pero VA-VA=FF (elipse) y VA+VA=FF (hiprbola).
Luego

AA
FF
= % en cualquier caso.
1.7. Cnica degeneradas.
Si en la definicin de cnica como sec-
cin de un cono omitimos la restriccin de
que el plano seccin no pase por el vrtice y
consideremos el cilindro como un cono (de
vrtice impropio), obtenemos, adems de la
elipse, hiprbola y parbola, las diferentes
clases de cnicas, llamadas degeneradas:
Dos rectas concurrentes (I)
Dos rectas paralelas (II)
Dos rectas confundidas en una (III y IV)
Dos rectas imaginarias con un punto pro-
pio comn (V)

Dos rectas imaginarias con un punto impropio comn (VI)
2. ESTUDIO ANALTICO
Consideremos unos ejes cartesianos rectngulos Ox, Oy coincidentes con los ejes
AA y BB de la elipse o de la hiprbola.

Los dos radios vectores
2 1
, r r de cada punto P son lados de un tringulo PFF cuya
diferencia de cuadrados se expresa fcilmente mediante el tercer lado FF=2c y la pro-
yeccin x de la mediana OP sobre el.
As tendremos:



9/20
Elipse Hiprbola
a r r
cx r r
2
4
1 2
2
1
2
2
= +
= %
a r r
cx r r
2
4
1 2
2
1
2
2
= %
= %
de donde:
x
a
c
r r
2
1 2
= % x
a
c
r r
2
1 2
= +
Conocidas
1 2
r r + y
1 2
r r % se deduce por suma y resta respectivamente:
x a x
a
c
a r
x a x
a
c
a r
.
.
1
2
%
%
% = % =
+ = + =
x a x
a
c
a r
x a x
a
c
a r
.
.
1
2
%
%
+ % = + % =
+ = + =
En la parbola, tomando como eje x el de la parbola y como
eje y la tangente en el vrtice y llamando p a la distancia del foco
a la directriz resulta r=DP, luego:
2
P
x r + =
2.1. Ecuacin focal de las cnicas.
Llamando & al ngulo que forma el radio
1
r con FA se tiene:
Elipse Hiprbola
c x r % = & cos
1
x c r % = & cos
1
y eliminando x entre estas ecuaciones y las respectivas expresiones del radio vector,
para lo cual basta multiplicarlas por % y sumarlas a las anteriores, y teniendo en cuenta
que:
Elipse Hiprbola
2 2 2
c b a + =
2 2 2
a b c + =
tenemos:
"
#
$
% =
% =
c x r
x a r
. . cos
.
1
1
% % & %
%
"
#
$
% =
+ % =
x c r
x a r
. . cos
.
1
1
% % & %
%
luego:



10/20
a
b
a
c a
c a r
2 2 2
1
. ) cos 1 ( =
%
= % = + % & %
a
b
a
a c
a c r
2 2 2
1
. ) cos 1 ( =
%
= % = + % & %
y llamando
a
b
p
2
= queda la ecuacin valida para ambas cnicas:
& %cos 1+
=
P
r
que liga las dos coordenadas polares ) , ( & r del punto P respecto a un origen situado en
el foco y un eje polar coincidente con la direccin del radio-vector mnimo.
Esta ecuacin vale tambin para la parbola pues:
x
P
r % =
2
cos& y como en x
P
r + =
2
cos& resulta:
P r = + ) cos 1 ( & % luego
& cos 1+
=
P
r
2.2. Ecuacin cartesiana de la elipse y la hiprbola.
Volviendo a los ejes cartesianos coincidentes con los de la cnica, tenemos:
2 2 2
1
) ( y c x r + % =
y sustituyendo
1
r por x a . % % x a . % + % (respectivamente) tenemos:
2 2 2 2
2
2
2
2 2 y cx c x cx x
a
c
a + % + = % + luego
2 2 2 2
2
2
2
c a y x
a
c
x % = + +
Pero en la elipse, el coeficiente de
2
x es:
2
2
2
2 2
a
b
a
c a
=
%
y en una hiprbola, el coeficiente de
2
x es:
2
2
2
2 2
a
b
a
c a
% =
%
luego dividiendo por
2
b resulta:
Elipse Hiprbola
1
2
2
2
2
= +
b
y
a
x
(1) 1
2
2
2
2
= %
b
y
a
x
(2)
que se llaman ecuaciones reducidas de dichas cnicas referidas a sus ejes.



11/20
Recprocamente, toda curva de ecuacin (1) (supuesto a>b), pues en caso contrario
bastara con cambiar los ejes, puede escribirse, poniendo
2 2 2
b a c % = en la forma:
2 2 2 2
2
2
2
c a y x
a
c
x % = + +
o equivalentes, es decir:
2 2 2 2
2
2
2
2 2 y cx c x cx x
a
c
a + + = + o sea:
2 2
2
) ( y c x x
a
c
a + =
)
*
+
,
-
.

Pero con el signo + el segundo miembro es el cuadrado de la distancia
2
r del punto
P(x,y) al punto F(-c,0) y con el signo es el cuadrado de la distancia
1
r del punto
P(x,y) al punto F(c,0), de donde:
2 1
1
2
2 r r a
r x
a
c
a
r x
a
c
a
+ = /
0
"
0
#
$
= %
= +
que expresa que todo punto del lugar cumple la definicin de elipse.
Anlogamente ocurre para la hiprbola.
2.2.1. Circunferencia.
Si en una elipse es a=b entonces c=0, los focos se confunden (excentricidad nula) y
la elipse se convierte en una circunferencia de ecuacin:
2 2 2
a y x = +
2.2.2. Hiprbola equiltera.
Si a=b en la hiprbola resulta c=a 2 . Las asntotas, que son las rectas x
a
b
y = ,
son ahora x y = y por tanto, perpendiculares.
La ecuacin queda
2 2 2
a y x = %
2.3. Ecuacin cartesiana de la parbola.
Respecto a unos ejes cartesianos coincidentes con el eje de la parbola y la tangente
en el vrtice, se tiene:



12/20
2 2
2
2
r y
P
x = +
)
*
+
,
-
.
%
y como
2
P
x r + = tenemos:
Px
P
x y Px
P
x + + = + % +
4 4
2
2 2
2
2
o sea:
Px y 2
2
= (3)
llamada ecuacin reducida de la parbola.
Recprocamente, toda ecuacin de la forma (3) puede ponerse en la forma
2
2
2
2 2
)
*
+
,
-
.
+ = +
)
*
+
,
-
.
%
P
x y
P
x
que traduce la condicin de equidistancia del punto P(x,y) del lugar al punto
)
*
+
,
-
.
0 ,
2
P
F y
a la recta
2
P
x % = .
2.4. Ecuacin general de las cnicas.
Una cnica, en un sistema cartesiano ortonormal cualquiera, esta representado por
una ecuacin de 2 grado con dos variables:
0 2 2 2
33 23 13
2
22 12
2
11
= + + + + + a y a x a y a xy a x a
Usando la notacin matricial dicha ecuacin puede escribirse como:
0
1
) 1 (
33 32 31
23 22 21
13 12 11
=
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
y
x
a a a
a a a
a a a
y x o sea ( ) 0
1
1 , , =
)
)
)
*
+
,
,
,
-
.
! ! y
x
A y x
siendo la matriz simtrica ) (
ji ij
a a =
Para el estudio de la cnica es muy importante tener en cuenta el valor del determi-
nante de dicha matriz, que se llama discriminante de la cnica.
Si el discriminante es cero la ecuacin de la cnica puede descomponerse en pro-
ducto de dos factores de primer grado y la ecuacin representara dos rectas. Estas rectas
sern distintas cuando el rango de la matriz valga 2. Si el rango vale 1 la ecuacin de la
cnica es el cuadrado de la ecuacin de una recta (recta doble).



13/20
Por tanto para que la ecuacin general de 2 grado con dos variables represente una
cnica no degenerada ha de ser 0 1 A .
Si 0 = A decimos que la cnica es degenerada.
2.5. Clasificacin de las cnicas. Asntotas.
Sabemos que la elipse no tiene puntos en el infinito, mientras que la parbola y la
hiprbola si los tienen.
Las tangentes a la hiprbola en los puntos infinitos se llaman asntotas.
Las ecuaciones de las asntotas, por ser rectas, sern de la forma y=mx+n. Para ha-
llarlas procederemos as:
La interseccin de la recta y =mx+n con la cnica se obtiene resolviendo el sistema:
"
#
$
+ =
= + + + + +
n mx y
a y a x a y a xy a x a 0 2 2 2
33 23 13
2
22 12
2
11
que proporciona:
0 ) ( 2 2 ) ( ) ( 2
33 23 13
2
22 12
2
11
= + + + + + + + + a n mx a x a n mx a n mx a x a (4)
o sea:
0 ) 2 ( ) ( 2 ) 2 (
33 23
2
22 23 13 22 12
2 2
22 12 11
= + + + + + + + + + a n a n a x m a a mn a n a x m a m a a
dividiendo por
2
x :
0
1
) 2 (
1
) ( 2 ) 2 (
2
33 23
2
22 23 13 22 12
2
22 12 11
= + + + + + + + + +
x
a n a n a
x
m a a mn a n a m a m a a
cuando 2 3 x nos queda:
0 2
2
22 12 11
= + + m a m a a
ecuacin de 2 grado en m que presenta 3 casos:
1) 0
22 11
2
12
> % a a a o sea 0
22 21
12 11
>
a a
a a
en este caso la ecuacin tiene dos races reales. Hay dos valores reales de m, por lo que
la cnica tiene dos asntotas y es una hiprbola.



14/20
2) 0
22 11
2
12
< % a a a o sea 0
22 21
12 11
<
a a
a a
la ecuacin no tiene races reales. No hay asntotas y la cnica es una elipse.
3) 0
22 11
2
12
= % a a a o sea 0
22 21
12 11
=
a a
a a
hay una raz doble. Solo hay un punto en el infinito y la cnica es una parbola.
En el caso de la hiprbola la ecuacin 0
22 11
2
12
> % a a a y por tanto:
0 2
2
1 22 1 12 11
= + + m a m a a
tiene dos races reales distintas m
1
y m
2
. Para hallar n sustituimos estos valores en la
ecuacin:
0 2
2
1 22 1 12 11
= + + m a m a a
luego en la ecuacin (4) queda:
0
1
) 2 ( ) ( 2
33 23
2
22 1 23 13 1 22 12
= + + + + + +
x
a n a n a m a a n m a n a
y haciendo 2 3 x queda: 0 ) (
1 23 13 1 22 12
= + + + m a a n m a n a
ecuacin que proporciona:
1 22 12
1 23 13
1
m a a
m a a
n
+
+
% = y anlogamente
2 22 12
2 23 13
2
m a a
m a a
n
+
+
% =
En el caso de la parbola, resolviendo la ecuacin:
0 2
2
22 12 11
= + + m a m a a tenemos:
22
12
a
a
m
%
= o sea 0
22 12
= + m a a
Este valor de m nos da la direccin del punto del infinito de la parbola. Para hallar
1
n hacemos:
1 22 12
1 23 13
1
m a a
m a a
n
+
+
% = no finito al ser el denominador 0.



15/20
2.6. Ecuacin reducida de las cnicas.
La ecuacin general de una cnica puede simplificarse trasladando el origen de co-
ordenadas al centro de la cnica. Si las coordenadas del centro son (h,k), las frmulas de
transformacin son:
x=X+h y=Y+k
y la ecuacin general se convierte ahora en:
0 ) ( 2 ) ( 2 ) ( ) )( ( 2 ) (
33
2
23 13
2
22 12
2
11
= + + + + + + + + + + + a k Y a h X a k Y a k Y h X a h X a
ordenando y desarrollando:
0 ) 2 2 2 ( ...
... ) ( 2 ) ( 2 2
33 23 13
2
22 12
2
11
23 22 12 13 12 11
2
22 12
2
11
= + + + + + +
+ + + + + + + + +
a k a h a k a hk a h a
Y a k a h a X a k a h a Y a XY a X a
(5)
si pretendemos que no queden trminos lineales ha de ocurrir:
"
#
$
= + +
= + +
0
0
23 22 12
13 12 11
a k a h a
a k a h a
sistema que permite encontrar las coordenadas del centro:
33
31
22 12
12 11
22 23
12 13
A
A
a a
a a
a a
a a
h =
%
%
=
33
32
22 12
12 11
23 12
13 11
A
A
a a
a a
a a
a a
h =
%
%
=
Los trminos encerrados en el ltimo parntesis de (5) representan el valor numrico
que toma la ecuacin general de la cnica al sustituir x por h e y por k. Representando
tal cosa por f(h,k) la ecuacin (5) se convierte en:
0 ) , (
2
22 12
2
11
= + + + k h f Y a XY a X a (6)
Puede comprobarse que:
33
) , (
A
A
k h f =
con lo cual la formula (6) quede as:
0
33
2
22 12
2
11
= + + +
A
A
Y a XY a X a (7)
Hay que sealar que en la expresin de las coordenadas del centro ha de ser 0
33
1 A
luego la parbola no tiene centro.



16/20
2.7. Determinacin de los ejes de la cnica.
La ecuacin (9) puede escribirse as:
0
1
0 0
0
0
) 1 (
33
22 21
12 11
=
)
)
)
*
+
,
,
,
-
.
)
)
)
)
)
)
*
+
,
,
,
,
,
,
-
.
y
x
A
A
a a
a a
y x
Si queremos que la cnica tenga por ejes de simetra los de coordenadas, su ecua-
cin no cambiar al cambiar x por x ni y por y, luego ha de ser nulo el trmino XY.
Por tanto en este caso la ecuacin de la cnica seria de la forma:
0
3 2
2
2
1
= + + c y c x c
o matricialmente:
0
1 0 0
0 0
0 0
) 1 (
3
2
1
=
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
y
x
c
c
c
y x
Para que los ejes de la cnica coincidan con los de simetra ha de producirse un giro
de amplitud ! mediante:
"
#
$
+ =
% =
! !
! !
cos
cos
y xsen Y
ysen x X
o bien:
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
%
=
)
)
)
*
+
,
,
,
-
.
1 1 0 0
0 cos
0 cos
1
y
x
sen
sen
y
x
! !
! !
y llamando T a esa matriz resulta
1 %
= T T
t
Entonces: 0
1
0 0
0
0
) 1 (
33
22 21
12 11
=
)
)
)
*
+
,
,
,
-
.
)
)
)
)
)
)
*
+
,
,
,
,
,
,
-
.
y
x
A
A
a a
a a
y x se convierte en
0
1 0 0
0 0
0 0
) 1 (
3
2
1
=
)
)
)
*
+
,
,
,
-
.
)
)
)
*
+
,
,
,
-
.
y
x
T
c
c
c
T y x
t
y por tanto:
)
)
)
*
+
,
,
,
-
.
= !
)
)
)
)
)
)
*
+
,
,
,
,
,
,
-
.
3
2
1
33
22 21
12 11
0 0
0 0
0 0
0 0
0
0
c
c
c
T T
A
A
a a
a a
o bien:



17/20
"
#
$
= +
= +
! ! !
! ! !
sen c sen a a
c sen a a
1 22 21
1 12 11
cos
cos cos
"
#
$
= + %
% = + %
! ! !
! ! !
cos cos
cos
2 22 21
2 12 11
c a sen a
sen c a sen a
3
33
c
A
A
=
Este ultimo nos da el valor de
3
c y las anteriores conducen a:
"
#
$
= % +
= + %
0 ) ( cos
0
2 22 21
12 1 11
! !
!
sen c a a
sen a c a
y para que este sistema de ecuaciones homogneas sea compatible y con soluciones no
nulas, ha de ser:
0
2 22 21
12 1 11
=
%
%
c a a
a c a
) (
21 12
a a =
y desarrollando
0 ) ( ) (
2
12 22 11 1 22 11
2
1
= % + + % a a a c a a c y como
2
12 22 11 33
a a a A % =
queda 0 ) (
33 1 22 11
2
1
= + + % A c a a c
Las otras dos ecuaciones conducen a una expresin idntica, sustituyendo
1
c por
2
c :
0 ) (
33 2 22 11
2
2
= + + % A c a a c
Una vez calculadas los valores de
3 2 1
, , c c c se sustituyen en la ecuacin
0
3
2
2
2
1
= + + c y c x c
quedando: 0
33
2
2
2
1
= + +
A
A
y c x c o bien:
1
33 2
2
33 1
2
=
%
+
%
A c
A
y
A c
A
x
y comparando esta ecuacin con la de una cnica referida a sus ejes observamos que:



18/20
1
2
2
2
2
=
b
y
a
x
luego:
33 1
A c
A
a % =
33 2
A c
A
b % =
y obtendremos una elipse si: 0
33 1
> %
A c
A
y 0
33 2
> %
A c
A
Si ambos valores son negativos, a y b serian imaginarios y tendramos una elipse
imaginaria.
Si uno es negativo obviamente tenemos una hiprbola.
Si alguno de los c
1
y c
2
es nulo, no sirve este proceso y lo haremos mas adelante.
2.7.1. Ejes de una cnica.
Una vez calculados
1
c y
2
c , podemos obtener el ngulo que forman los ejes de la
cnica con los ejes cartesianos:
12
11 1
a
a c
tg
%
= !
y puesto que
)
)
*
+
,
,
-
.
33
32
33
31
,
A
A
A
A
son las coordenadas del centro, como la ecuacin de la recta
que pasa por (x
0
, y
0
) con pendiente ! tg es ) (
0 0
x x tg y y % = % ! , las ecuaciones de los
ejes son:
0
0
0
"
0
0
0
#
$
%
%
= %
%
%
= %
) (
) (
33
31
1 11
12
33
32
33
31
12
11 1
33
32
A
A
x
c a
a
A
A
y
A
A
x
a
a c
A
A
y
en el caso de cnica con centro (elipse o hiprbola)
2.8. Ecuacin reducida de la parbola.
El camino seguido anteriormente no sirve para la parbola, al no tener centro. Sin
embargo, se puede seguir un camino anlogo haciendo girar primero los ejes cartesianos
hasta situar el eje de abscisas paralelo al de la parbola. Despus se traslada el centro de
coordenadas al vrtice y su ecuacin es, entonces, de la forma:



19/20
px y 2
2
=
como se vio anteriormente. El valor de P, siguiendo este proceso nos da:
2
22 11
) ( a a
A
P
+
%
=
El signo de P depende del sentido que se tome como positivo en el eje OX.
3. PRESENCIA EN LA NATURALEZA, EL ARTE Y LA TCNICA.
3.1. Presencia en la Naturaleza.
Son innumerables los puntos de encuentro de las cnicas y la Naturaleza.
Las trayectorias de los planetas alrededor del sol, de los satlites alrededor de los
planetas, muestran rbitas elpticas.
Se encuentran trayectorias de tipo parablico e hiperblico en las trayectorias de
ciertos cometas y en los movimientos de cuerpos en los campos de fuerzas, como el
campo gravitatorio.
Por otra parte, la teora atmica explica, en algunos modelos, hoy superados, que las
rbitas electrnicas pueden presentar excentricidades por ser elpticas.
3.2. Presencia en la Tcnica.
Como se sabe, una de las aplicaciones militares mas importantes de las cnicas se
produce al descubrir el lanzamiento de caones y misiles, que es de tipo parablico.
Es importante tambin la utilizacin de espejos de tipo parablico, as como antenas
de tipo parablico, que utilizan la propiedad de que todos los rayos paralelos al eje del
espejo o de las antenas, pasen, al reflejarse, por el foco. Esta misma propiedad se utiliza
en los faros de los coches.
3.3. Presencia en el Arte.
La utilizacin de las cnicas en el arte est muy generalizadas.
Desde la construccin de edificios con planta elptica, que utilizan la propiedad de
que si se emite un sonido en uno de los focos, es odo por otra persona situada en el otro
foco, hasta la construccin de puertas con aspecto de segmento de parbola, o de puen-
tes con ojos parablicos.



20/20
BIBLIOGRAFA RECOMENDADA.
Algebra. L.Thomas y M.E.Ros. Santander.
Geometra Analtica. L.Crusat. Editorial Bosch
Curso de Geometra Mtrica. P.Puig Adam. Ed.Biblioteca Matemtica.
Geometra y Cnicas. Grupo Cero. ICE. Universidad de Valencia.
Geometra Analtica, J.Rey Pastor, L.A.Santal y M.Balanzat. Ed.Kapelusz.. Buenos
Aires. (Argentina)
Geometra Analtica. Marcos de Lanuza. Editorial Gredos.



1/18
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 55
LA GEOMETRA FRACTAL. NOCIONES BSICAS.
1. Introduccin a la Geometra Fractal.
1.1. Una Geometra para las Formas Irregulares.
1.2. Geometra Fractal Versus Geometra Diferenciable.
1.3. Geometra Fractal y Teora Geomtrica de la Medida.
2. Elementos Geomtricos Especiales.
2.1. El Conjunto de Cantor.
2.2. Curvas de Peano y de Hilbert.
2.3. Curva de Koch.
2.4. Funciones de Weierstrass.
3. La Dimensin en la Geometra Fractal.
3.1. Dimensiones Fraccionarias. Dimensin de Homotecia.
3.2. Dimensin por Recuento de Cajas.
4. Geometra Fractal en la Naturaleza y las Ciencias.
4.1. Fronteras.
4.2. rboles.
4.3. Movimiento Browniano.
Bibliografa Recomendada.



2/18
TEMA 55
LA GEOMETRA FRACTAL. NOCIONES BSICAS.
1. INTRODUCCIN A LA GEOMETRA FRACTAL.
1.1. Una Geometra para las Formas Irregulares.
Hasta ahora la matemtica y, ms concretamente, la geometra ha explorado el
mundo fsico casi siempre simplificando la realidad compleja que l mismo encierra en
sus leyes y en sus formas.
Las dos simplificaciones ms habituales se refieren por una parte a la linealizacin
de las leyes (aproximacin lineal de una ley que no lo es) y por otra, la regularizacin de
las formas geomtricas (se suponen suaves o lisas tanto lneas como superficies que en
rigor no lo son).
Muy recientemente se ha descubierto cmo procesos regidos por leyes estrictamente
deterministas (p.e., la temperatura en un punto de la Tierra) dan lugar a futuros inciertos
e impredecibles de los que lo nico que podemos saber es que vagan casi
aleatoriamente por regiones geomtricas de estructura muy irregular. Son los llamados
Procesos Caticos de tipo determinista. Si a esto unimos los caprichos del azar, es decir,
la existencia de procesos puramente aleatorios, el resultado es una naturaleza con
formas muy irregulares y caprichosas.
Pero la Matemtica, una vez ms, no se ha dejado vencer y asustar por este nuevo
reto y, aunque en primera instancia utiliza para stos nombres catastrofistas (irracional,
caos, etc.), del mismo modo que racionaliz por medio de Dedekind el concepto de
nmero irracional, ahora pretende explorar y encontrar orden y regularidades en formas
geomtricas aparentemente caticas. Podemos afirmar pues que acaba de nacer la
Geometra Fractal.
El trmino fractal fue acuado recientemente por Mandelbrot para designar ciertos
objetos geomtricos de estructura irregular que l constat por primera vez, y que
estaban presentes en muchos comportamientos y formas de la naturaleza, aunque ya
haban sido tratados desde finales del s. XIX desde el punto de vista matemtico dentro
de lo que se conoce como Teora Geomtrica de la Medida.
Ha sido, por una parte, el descubrimiento de Mandelbrot y, por otra, el
descubrimiento del caos determinista, lo que ha provocado el enorme desarrollo y la
importancia que en poco tiempo ha adquirido esta geometra.
Hay muchos procesos en la naturaleza que conducen a formas irregulares. Pero
podemos destacar tres sumamente importantes, en los que habitualmente est el origen
de la irregularidad. Pasamos a describirlos.



3/18
a) La Separacin de Fronteras.
La frontera de separacin de dos medios suele venir caracterizada por el hecho de
que miradas a cualquier escala, se observan incursiones de un medio en el otro. Y
cuando aumentamos el grado de resolucin de la medida de la longitud o del rea, stas
aumentan indefinidamente. As pues, la modelizacin de estas fronteras, cuando esto se
tiene en cuenta, ha de hacerse con un tipo especial de curvas (o superficies) con la
curiosa propiedad de que la longitud (o el rea) de las mismas es infinita, hechos que
nunca ocurren con curvas o superficies suaves (diferenciables en todos los puntos).
Como ejemplos de uso de este tipo de modelizacin tenemos que es utilizada para el
estudio de costas, accidentes geogrficos, accidentes geolgicos, superficies de fractura,
superficies de separacin de fluidos, etc.
b) Los Procesos de Ramificacin.
Un proceso de ramificacin se puede explicar esquemticamente a partir de la figura
siguiente:
Podemos ver que el segmento inicial se ve
reemplazado, por ejemplo, por otros tres tales
que la suma de sus longitudes resulta mayor
que la del original. Es conocido que la
naturaleza utiliza procesos similares en
muchas ocasiones y a todas las escalas,
resultando estructuras ramificadas de las que
anteriormente la geometra clsica no se haba
ocupado.
Como ejemplos de este tipo de estructuras tenemos los polmeros ramificados,
estructuras coralinas, etc.
c) La Formacin de la Porosidad.
Si queremos modelizar fielmente la presencia de islas (poros) de todos los
tamaos, de un medio en el seno de otro, esto ha de hacerse con objetos geomtricos
nuevos que, a todas las escalas, tengan islas que no pertenezcan a dicho objeto. Puede
resultar as un slido sin volumen, con otras propiedades que, en principio, choquen con
la intuicin.
Por ejemplo, puede pensarse en la geometra de una nube, una esponja ,etc.
El estudio de este nuevo tipo de objetos geomtricos tiene aspectos y enfoques
totalmente nuevos y diferenciados respecto a la geometra tradicional, que hacen de la
geometra fractal una nueva geometra.



4/18
1.2. Geometra Fractal versus Geometra Diferenciable.
La caracterstica ms peculiar de la geometra fractal consiste en abordar el estudio
de formas geomtricas no diferenciables o quebradas, a cualquier escala que se miren.
Este hecho, tal vez, queda oculto por la forma en que usualmente se contrapone
geometra fractal a geometra eucldea, cuando sera mucho ms preciso establecer la
divisin entre geometra fractal y geometra diferenciable.
La geometra diferenciable estudia las formas geomtricas que miradas en
pequeo son lisas. En el caso de una curva, por ejemplo, no diferenciabilidad significa
que, localmente, se comporta como una recta y, aunque las formas que estudia la
geometra eucldea pueden ser diferenciables, la clasificacin geometra eucldea/no
eucldea no coincide con la clasificacin geometra diferenciable/no diferenciable.
Cuando se estudia un fenmeno real, el mismo contexto establece habitualmente el
alcance del trmino en pequeo. El objeto estudiado tendr medidas de determinada
magnitud, y los intrumentos de medicin o nuestro propio inters limitarn los mnimos
relevantes de dichas medidas.
El modelo diferenciable es vlido siempre que al estudiar muestro objeto con cierto
grado de aproximacin mayor que ese mnimo, su comportamiento local a una escala de
tal orden sea liso. Debido a que observador dotado de una visin normal no puede
apreciar las rugosidades en la superficie lunar, tambin estar dispuesto a admitir que
una esfera es un modelo geomtrico adecuado para ella. Sin embargo, un selenita que
habitase en un crter de la Luna podra oponer serias objeciones a tal comparacin. Por
tanto, la utilidad de cualquier modelo est en relacin directa con la oscilacin entre los
valores mnimo y mximo considerados en las magnitudes que se estudian.
La evidencia experimental indica que la regularidad aceptada por la geometra
diferenciable es excesivamente fuerte para poderse adaptar satisfactoriamente a la
mayora de las formas reales.
La geometra fractal ofrece un modelo alternativo que busca una regularidad en las
relaciones entre un objeto y sus partes a diferentes escalas. Esta forma de regularidad no
precisa el encorsetamiento del objeto en otras formas geomtricas que, aunque
elementales, no dejan de ser externas al mismo. Busca la lgica interna del propio
objeto mediante relaciones intrnsecas entre sus elementos constitutivos cuando stos se
examinan a diferentes escalas. De esta forma no se pierden la perspectiva ni del objeto
global ni del aspecto del mismo en cada escala de observacin. La geometra fractal
busca y estudia los aspectos geomtricos que son invariantes con el cambio de escala.
Cuando se explora la lgica interna a que nos referamos antes, puede construirse un
modelo matemtico del objeto expresable como el lmite de un proceso geomtrico
iterativo que, con mayor o menor facilidad, se repite indefinidamente.
Dicho proceso iterativo, que resume la organizacin del objeto a sus diferentes
escalas y lo caracteriza, puede provocar en cada iteracin una ruptura (fractura) de la
suavidad que conlleva la ausencia de diferenciabilidad del objeto lmite. De esta
forma, la geometra fractal, adems de no perder la perspectiva del objeto en cada escala



5/18
de observacin, realiza el anlisis local del objeto sin la necesidad de suavidad del
mismo, hecho que requera la geometra diferencial para aplicar sus tcnicas.
1.3. Geometra Fractal y Teora Geomtrica de la Medida.
Actualmente, lo que se entiende por geometra fractal es una parcela de las
matemticas cuyos lmites reales no estn todava del todo claros. Histricamente, sus
orgenes se remontan a finales del siglo XIX y principios del siglo XX, con la aparicin
en el campo de las matemticas de conjuntos geomtricos de propiedades
aparentemente paradjicas.
En dichos conjuntos (curvas de Peano y Koch, conjunto de Cantor, etc.) pareca
existir una discordancia entre su tamao real y su configuracin especial como conjunto
de puntos (curvas con rea o con longitud infinita entre dos de sus puntos, etc.)
Los ejemplos plantearon la necesidad de establecer una medida adecuada de su
tamao, por una parte, y por otra el estudio de su forma o propiedades geomtricas. De
esta forma, se inici una nueva parcela del anlisis matemtico denominada Teora
Geomtrica de la Medida, que tuvo como punto de partida la definicin del concepto de
Dimensin de Hausdorff. Este concepto estableca da distincin del tamao de los
conjuntos paradjicos y sent sus bases con los trabajos de Besicovitch,
aproximadamente sobre 1920 a 1930. En ellos, con singular ingenio, estudi las
propiedades geomtricas de los conjuntos planos que l llam Irregulares: eran el
arquetipo de lo que hoy llamamos fractales, y sus trabajos fueron los cimientos de la
geometra fractal.
A partir de entonces, matemticos como Federer, Marstrand, Davies Falconer, etc,
continan el estudio de este tipo de conjuntos. En 1981, Hutchinson publica un trabajo
donde desarrolla un concepto bsico de la geometra fractal: el de conjunto
autosemejante. En 1977, Mandelbrot, en su obra La Geometra Fractal de la
Naturaleza, adems de acuar el trmino fractal, definede una idea que se convertira
con el tiempo en la razn del crecimiento exponencial de las aplicaciones de sta y de la
actual popularizacin del trmino: las formas de la naturaleza son fractales y mltiples
procesos de la misma se rigen por comportamientos fractales.
El ltimo punto clave en el desarrollo de la geometra fractal ha sido el
descubrimiento del Caos Determinista y el impacto del ordenador.
En sistemas dinmicos, el valor x
0
de un estado presente se va transformando con el
tiempo, sometido a una ley fija F (funcin) y va tomando los valores sucesivos
x
0
x
1
=F(x
0
) x
2
=F(x
1
) ........ x
n
=F(x
n-1
) .........
que, bajo ciertas condiciones, se van acercando a un conjunto ha llamado Atractor del
sistema. A veces, puede suceder que dicho atractor tenga una estructura fractal (atractor
extrao), hecho que suele ir unido a la circunstancia de que dos presentes prximos, x
0
y
x
0
, pueden dar lugar a futuros que se acercan y se alejan con el tiempo de forma casi
aleatoria, de los cuales, lo nico que se sabe es que estn, o se acercan con el tiempo, al
atractor extrao. Se tiene as una situacin que aun siendo determinista es, de hecho,
impredecible: es el llamado caos determinista.



6/18
Por otra parte, la exploracin de los futuros x
1
, x
2
, ..., x
n
, ... mediante iteraciones de
la funcin F, hoy en da es una tarea realizada por el ordenador, que ha supuesto una
ayuda indispensable para aproximarse (slo) a la geometra de esos atractores extraos.
2. ELEMENTOS GEOMTRICOS ESPECIALES.
A principios del siglo pasado, a la teora de la medida le surgieron una serie de
problemas derivados de la aparicin de conjuntos con propiedades no concordantes con
su estructura geomtrica (topolgica).
Con dichos conjuntos aparecan los primeros ejemplos de lo que llamamos fractales.
Sus paradjicas y sorprendentes propiedades fueron uno de los sustos que la
matemtica, en toda su historia, ha padecido. Se llegaban a resultados capaces de
violentar el sentido comn y que obligaban a los matemticos a prestar atencin a los
fundamentos de la misma.
En lo que se refiere al problema de evaluacin del tamao de los conjuntos
geomtricos, tales ejemplos ponen de manifiesto la insuficiencia de la medida de
Lebesgue y levantan de nuevo, con ms fuerza, los problemas de la teora de la medida.
2.1. El Conjunto de Cantor.
Es un ejemplo clsico de conjunto no numerable con el mismo cardinal del continuo
pero, a pesar de ello, con medida de Lebesgue unidimensional nula (longitud).
Se construye de la siguiente forma:
Partiendo del intervalo unidad E
0
=[0,1], se divide dicho intervalo en tres partes
iguales. Consideramos los dos intervalos cerrados de los extremos:
!
"
#
$
%
&
=
!
"
#
$
%
&
= 1 ,
3
2
3
1
, 0
12 11
E E
ambos de longitud
3
1
.
Cada uno de estos intervalos se divide a su vez en tres intervalos iguales,
prescindiendo de los intervalos centrales. Tenemos, por tanto, cuatro nuevos intervalos:
!
"
#
$
%
&
=
!
"
#
$
%
&
=
!
"
#
$
%
&
=
!
"
#
$
%
&
= 1 ,
9
8
9
7
,
3
2
3
1
,
9
2
9
1
, 0
24 23 22 21
E E E E
siendo cada uno de longitud
9
1
.
Si continuamos indefinidamente este proceso, en el paso K-simo obtenemos 2
k
intervalos cerrados:
E
kj
j:1, 2, ..., 2
k



7/18
donde cada uno de ellos es de longitud 3
-k
.
Para cada valor de k definimos:
U
k
j
kj
E E
2
1 =
=
Observemos que con los conjuntos E
k
para k:1, 2, ... tenemos una sucesin
decreciente, es decir
E
k+1
'E
k
(k
DEF El conjunto lmite de este proceso
I
)
=
=
1 k
k
E C
recibe el nombre de Conjunto Ternario de Cantor.
PROP El conjunto C de Cantor es no vaco y cerrado.
Dem.
En primer lugar, destaquemos que el conjunto de Cantor es No Vaco, pues en cada
E
k
estn, por lo menos, los extremos de los 2
k
intervalos cuya interseccin buscamos.
Adems, es Cerrado, por ser interseccin de cerrados.
PROP El conjunto C de Cantor es No Numerable.
Dem.
Cada punto de C se representa de forma nica mediante
...
3
...
3 3 3
3
3
2
2 1
+ + + + + =
n
n
a a a a
a
donde a
i
toma los valores 0 2 (i.
Podemos, por tanto, escribirlo en base 3 de la forma:
... ... ' 0
3 2 1 n
a a a a a =
Recprocamente, cada expresin de este tipo corresponde a un punto de C.
Supongamos que estn todos en el siguiente cuadro (es decir, supongamos que es
numerable):
... ... ' 0
... ... ' 0
... ... ' 0
3 3
3
3
2
3
1
3
2 2
3
2
2
2
1
2
1 1
3
1
2
1
1
1
n
n
n
a a a a a
a a a a a
a a a a a
=
=
=



8/18
Entonces, formemos otro, de la forma
... .. ' 0
3 2 1 n
b b b b b =
con el criterio siguiente:
0 2
2 0
= * =
= * =
n
n
n
n
n
n
b a Si
b a Si
El nmero b construido de esta manera no est en el cuadro anterior, y sin embargo,
es de C.
Luego C no es numerable.
PROP El conjunto C tiene medida de Lebesgue unidimensional nula.
Dem.
Para cualquier etapa k, la familia de intervalos {E
kj
} con j:1, 2, ..., 2
k
es un
recubrimiento de C formado por intervalos disjuntos.
As tenemos:
( )
k
k k
j
kj kj
k k
E L E L C L
+
,
-
.
/
0
= = =
!
"
#
$
%
&
1
2
=
3
3
2
3 2 ' ' ) ( '
2
1
2
1
U
Puesto que la desigualdad es cierta (k y ) 4 4
+
,
-
.
/
0
k cuando
k
0
3
2
, se obtiene
L(C)=0
El conjunto de Cantor, adems de las propiedades ya demostradas que le hacen
contradictorio, tiene otras propiedades interesantes que dan idea de su estructura.
PROP El conjunto C no contiene intervalos, es Infinitamente Poroso.
Dem.
En primer lugar, cada punto viene determinado por la sucesin de intervalos {E
kj
}
con j:1, 2, ..., 2
k
, formado en cada etapa k por el intervalo E
kj
(11j12
k
) que contiene al
punto.
El dimetro de dichos intervalos tiende a cero. De esta forma, cualquier intervalo de
la forma (a,b) que contenga al punto x, es tal que existe un intervalo E
kj
de la sucesin
{E
kj
} asociada al punto x tal que E
kj
'(a,b).
Ahora bien, los puntos del intervalo abierto central resultante de dividir E
kj
en tres
partes no son del conjunto C.
Por tanto, el conjunto C no contiene intervalos, lo cual significa que es Infinitamente
Poroso.



9/18
PROP Todo punto de C es lmite de una sucesin de puntos de C.
Dem.
Cada punto x5C es lmite de la sucesin formada por los extremos de los intervalos
E
kj
de la sucesin {E
kj
} asociada a dicho punto.
2.2. Curvas de Peano y Hilbert.
En 1890, Peano construye una curva continua que pasa por todos los puntos del
cuadrado unidad [0,1]x[0,1]. Era el primer ejemplo de una curva que llena un espacio.
Aos ms tarde Hilbert, interesado tambin por este tipo de problemas, construye otra
del mismo tipo, con una construccin geomtrica ms simple de descubrir.
La curva de Hilbert se construye como sigue:
Dividimos el cuadrado unidad en cuatro cuadrados y unimos los centros de dichos
cuadrados por segmentos, tal como se ve en la figura.
Cada uno de los nuevos cuadrados se divide nuevamente en otros cuatro cuadrados,
y conectamos sus centros comenzando siempre por el cuadrado inferior izquierdo y
terminando en el cuadrado inferior derecho.
Se contina as indefinidamente, uniendo los centros de los cuadrados que resultan
en cada etapa. La curva lmite de tales poligonales llena el cuadrado unidad.
En la figura siguiente tenemos las seis primeras iteraciones de este proceso infinito.



10/18
2.3. Curva de Koch.
En 1904, el matemtico sueco Koch construye la curva que hoy lleva su nombre, de
la forma siguiente: se parte del segmento unidad [0,1] y se divide en tres partes,
sustituyendo la parte central por los dos segmentos que junto con dicha parte formaran
un tringulo equiltero. Se obtiene as una poligonal P
1
de longitud
3
4
.
P1
P0



11/18
Cada uno de los cuatro segmentos que
as quedan determinados vuelven a
generar, mediante la misma operacin,
otra poligonal P
2
, de longitud
9
16
.
Se procede indefinidamente de esta
manera, obteniendo en cada etapa k una
poligonal P
k
de longitud
k
+
,
-
.
/
0
3
4
. En la
figura siguiente aparecen 5 iteraciones
de este proceso.
La curva de Koch se define como la curva lmite a que converge la sucesin P
k
cuando k4). Se trata, por tanto, de una curva de longitud infinita, ya que
k
+
,
-
.
/
0
3
4
4 ).
Pero podemos decir ms, la longitud de la parte de la curva comprendida entre dos
puntos cualesquiera de la misma, tambin es infinita.
2.4. Funciones de Weierstrass.
Weierstrass dio otro ejemplo de una curva con comportamiento anlogo a las
anteriores, pero definida de forma analtica, es decir, como grafo de una cierta funcin.
La funcin de Weierstrass se define como:
( ) 1 2 1 sen ) (
1
) 2 (
< < < =
3
)
=
2
! ! ! y s con x x f
i
i i s
Dicha funcin es continua pero no diferenciable en ningn punto.
3. LA DIMENSIN EN LA GEOMETRA FRACTAL.
3.1. Dimensiones Fraccionarias. Dimensin de Homoteca.
Vamos a construir un conjunto
semejante al conjunto de Cantor, pero
en este caso partiremos de un cuadrado
cerrado (borde incluido) de lado 1, que
llamaremos Q.



12/18
Tomemos en cada una de sus cuatro esquinas un cuadrado de lado r
+
,
-
.
/
0
< <
2
1
0 r , de
forma que los cuadrados no se solapen entre s. Llamemos Q
i
(11i14) a los cuatro
cuadrados y sea
U
4
1 =
=
i
i i
Q E el conjunto formado por la unin de ellos. Se repite ahora la
construccin a escala sobre cada uno de los cuadrados Q
i
, tomando en cada una de sus
cuatro esquinas un cuadrado de lado r
2
, a los que llamaremos Q
ij
(11i,j14).
Obtenemos as una coleccin de 16 cuadrados de lado r
2
, a cuya unin llamaremos
E
2
. Repitiendo este proceso, llegamos a la etapa n donde nos encontramos con 4
n
cuadrados
4 ,..., , 1
2 1
...
2
1
1 1
n
i i
i
i i i Q
n
cuya unin es el conjunto E
n
. Definimos entonces el conjunto E como interseccin de
todos los E
n
.
I
)
=
=
1 n
n
E E
Una vez definido el conjunto E, lo que nos interesa saber es cul ser su dimensin.
Puesto que en cada una de las etapas, el conjunto E
n
es unin de cuadrados, resulta
tentador suponer que la dimensin de E es 2. Sin embargo, como E
n
es unin de $
n
cuadrados disjuntos de lados r
n
, la superficie de E
n
es 4
n
r
n
y como se verifica que
4
1
<
n
r , la superficie de E
n
es tan pequea como deseemos, con tal de tomar n
suficientemente grande. Como E est incluido en E
n
((n) la superficie de E es nula, lo
cual nos sugiere que descartemos el valor 2 para la dimensin de E.
Otra forma de ver la construccin de E es pensar
en el primer paso, en el que quitamos al cuadrado
Q el conjunto en forma de cruz complementario
E
1
y nos quedamos con el resto, que es E
1
. as
continuamos en los sucesivos pasos del proceso.
Razonando de esta manera, cabe pensar que para
obtener E hemos vaciado el cuadrado inicial Q de
forma tan exhaustiva que lo que resta no es una
superficie. Pero entonces, qu es lo que queda en
E?
Para poder responder a la pregunta formulada, numeramos las cuatro esquinas de
cada uno de los cuadrados de cada E
n
con nmeros del 1 al 4 segn una regla fija (por
ejemplo comenzando en la esquina inferior izquierda y siguiendo el movimiento
contrario a las agujas del reloj).
Esta numeracin permite asignar de forma biunvoca a cada sucesin finita de k
nmeros naturales i
1
, i
2
, ..., i
k
comprendidos entre 1 y 4 uno de los cuadrados que
componen E
k
, el cual ser el que se obtiene eligiendo primero el cuadrado que ocupe la



13/18
esquina del cuadrado inicial Q, indicado por el nmero de la sucesin i
1
, eligiendo
despus dentro de ste el cuadrado que ocupa la esquina indicada por i
2
y as
sucesivamente.
Las sucesiones de nmeros naturales comprendidos entre 1 y 4 son, de esta forma,
una especie de escalera que permite descender a los interiores del conjunto cantoriano
E.
De hecho, si consideramos sucesiones infinitas, en lugar de sucesiones finitas, con
ayuda de ellas podremos llegar hasta los mismos puntos de E. Cada sucesin infinita va
definiendo una sucesin de cuadrados, cada uno de ellos encerrado en el anterior y
conteniendo al siguiente, y cuyos lados tienden a cero, de forma que la interseccin de
todos ellos define un nico punto, segn el principio de los intervalos encajados.
Es evidente que cada uno de los puntos as obtenidos est en el conjunto E pues lo
est en cada E
n
. Es fcil ver que cualquier punto de E se puede obtener de la misma
forma, debido a que dicho punto debe pertenecer a algn cuadrado E
n
en cada paso n, y
el proceso de seleccin de cuadrados es precisamente el que nos lleva a la construccin
de las escaleras infinitas.
Por otro lado, es claro que en el momento en que dos sucesiones difieren en un
smbolo, los correspondientes puntos de E son diferentes, Es por ello que podemos
afirmar que el conjunto E tendr tantos puntos diferentes como sucesiones distintas se
pueden formar con nmeros comprendidos entre el 1 y el 4, siendo el nmero de stas
infinito y con potencia del continuo. Por tanto en E hay tantos puntos como en todo el
cuadrado inicial Q. Es por ello que parece demasiado grande como para asignarle la
dimensin 0.
Veamos ahora, por ltimo, si la dimensin de E es 1. Ello sera posible si nos
fijamos que la construccin de E se hace vaciando cada uno de los cuadrados que
componen los conjuntos en toda su superficie, y nos fijamos en el permetro de esos
conjuntos y no en su superficie.
Podramos concebir E como conjunto lmite de las curvas formadas por los bordes
de los cuadrados de los E
n
. Sumando los permetros de los 4
n
cuadrados de lado r
n
que
componen E
n
, obtenemos una longitud total para dichas curvas de:
n n
n
r P
1
4
+
=
Si
4
1
> r entonces P
n
4) y E parece demasiado grande para considerarlo una
curva.
Si
4
1
< r entonces P
n
40 y la dimensin de E parece intermedia entre 0 y 1.
Si
4
1
= r entonces P
n
=4 y slo en este caso parece adecuado que la dimensin de
E sea 1.



14/18
As pues, si queremos que el proceso de medida d como resultado un nmero
finito, nos vemos abocados a prescindir del prejuicio de que las nicas dimensiones
posibles son las enteras, lo que nos conduce a ensayar Dimensiones Fraccionarias.
Un procedimiento para asignar una dimensin fraccionaria a E consiste en
considerar tal conjunto como lmite de los conjuntos de E
n
y asignarle, en consecuencia,
una medida d-dimensional lmite de las medidas d-dimensionales de los conjuntos E
n
.
Si d=2 sabemos que la medida bidimensional que corresponde a E
n
es 4
n
r
2n
, o lo que
es lo mismo, 4
n
l
n
2
donde l
n
=r
n
es el lado de cada uno de los cuadrados que forman E
n
.
Si d=1 habamos estimado la medida unidimensional de E, que es 4x4
n
l
n
. Es la
longitud del permetro de los cuadrados que lo determinan.
Por tanto, resultara natural considerar la expresin 4
n
xl
n
3
como estimacin de la
medida tridimensional de E
n
. Siguiendo el mismo razonamiento, podemos estimar la
medida d-dimensional de E
n
como
k4
n
l
n
d
donde k es una constante que depende de la dimensin, pero que no vara, afectando
slo como factor de proporcionalidad en el lmite, sin alterar el hecho de que ste pueda
tomar los valores cero, finito o infinito, para una dimensin determinada.
Por el contrario, el parmetro que determina cual de estos resultados finales ser el
correcto es la dimensin d. Sabemos que salvo para
4
1
= r , las dimensiones enteras
conducen siempre a lmite 0 o infinito.
Vamos a tratar de ampliar las dimensiones fraccionarias para poder ajustar el valor
de el parmetro d de tal forma que el lmite de la expresin , la cual ser nuestra
estimacin de la medida d-dimensional de E, no tome los valores 0 o infinito. Si
podemos encontrar dicho valor de d, ser la dimensin que asignaremos a E.
Basta tomar d de manera que:
n
d
n
l
+
,
-
.
/
0
=
4
1
ya que entonces
n k l k
d
n
n
( = 4
y ste ser el valor que la expresin toma en el lmite, y equivale a:
n
nd
r
+
,
-
.
/
0
=
4
1
pues l
n
=r
n
y por tanto



15/18
r
r r r
d
1
log
4 log
log
4 log
log
4 log
log
4
1
log
=
2
=
2
= =
Obtenemos que la dimensin es:
r
E
1
log
4 log
dim =
Podemos comprobar ahora mediante la expresin obtenida que:
Si
2
1
4
1
< < r * 1 < dimE < 2
Si
4
1
0 < < r * 0 < dimE < 1
Si
4
1
= r * dimE = 1
Este procedimiento nos lleva a uno de los posibles conceptos de dimensin
fraccionaria, y es la llamada dimensin de homotecia. Su aplicacin exige que el
conjunto en cuestin pueda ser descompuesto en copias de s mismo a escala, propiedad
muy especfica de dichos conjuntos. Cuando las figuras no verifican la propiedad
anterior no podemos aplicar la dimensin de homotecia, teniendo entonces que recurrir
a la dimensin de Hausdorff.
3.2. Dimensin por Recuento de Cajas.
Aunque el concepto de dimensin con el que generalmente se trabaja en geometra
fractal es el de dimensin de Hausdorff, existen otras definiciones de dimensin ms
fciles de computar y coinciden con ella en los casos ms interesantes.
Quiz el ms extendido sea el de Dimensin por Recuento de Cajas. La idea central
es encontrar un proceso de medida a cierta escala 6 que ignore las irregularidades de
tamao menor y estudiar como vara dicha medida cuando 640.
Supongamos una curva C no necesariamente rectificable (de la que no podemos
calcular su longitud). Si reticulamos el plano con cuadrados de lado 6, podemos definir
6-longitud de C como la suma de las longitudes de los lados de los cuadrados del
retculado que cortan a la curva C, y as, el nmero de stos es N
6
(C) y la 6-longitud
sera:
L
6
(C)=N
6
(C)6
Si la curva fuese rectificable, podramos esperar que, cuando 640, L
6
(C) tendiese a
la longitud de dicha curva, pero si al ser mirada a cualquier escala siguiese mostrando
irregularidades (es decir, una curva de dimensin mayor que 1) cuando hiciramos
tender 640, el valor L
6
(C) tendera a infinito.



16/18
Definimos la dimensin de recuento por cajas de un determinado conjunto E como
"
"
"
log
) ( log
dim
0
2
=
4
E N
Lim E
B
donde N
6
(E) es el nmero de cubos de la 6-malla (en !
n
) que corta a E, siempre y
cuando dicho lmite exista.
Puede demostrarse que N
6
(E) se puede sustituir, entre otros, por los siguientes
nmeros:
El menor nmero de cubos de lado 6 que cubre E (no necesariamente
pertenecientes a la 6-malla).
El menor nmero de conjuntos de dimetro a lo sumo 6 que cubre E.
Adems, en los casos ms importantes, el lmite anterior suele existir, lo que permite
simplificar su clculo tomando:
k
+
,
-
.
/
0
=
2
1
"
Se tiene entonces
k
k
k
B
E N
Lim E
2 log
) ( log
dim
0 4
=
donde N
k
(E) es el nmero de cubos de la etapa k-sima que cortan a E.
Como ejemplo de aplicacin, si E fuese el conjunto de Cantor tenemos que:
3 log
2 log
dim = E
B
4. GEOMETRA FRACTAL EN LA NATURALEZA Y LAS CIENCIAS.
Qu significado preciso tiene decir que un objeto real, tal como una costa o la red
capilar del sistema venoso, es un fractal? Lo que queremos decir con ello es que
podemos definir un modelo matemtico fractal que aproxime satisfactoriamente al
objeto real en toda una franja de escalas limitada por ciertos valores mximo y mnimo
que llamamos corte superior e inferior, segn Mandelbrot.
Segn lo expuesto en el prrafo anterior, en el mundo real no existen fractales, al
igual que tampoco existen rectas ni esferas. Hablar de dimensin fractal de una costa no
es ms absurdo que hablar del radio de la Tierra.
4.1. Fronteras.
Las fronteras de separacin entre diferentes medios fsicos, biolgicos o sociales
proporcionan a menudo excelentes ejemplos de sistemas que se pueden analizar



17/18
mediante fractales. Un ejemplo clsico es el de las costas, pero pueden ser los bordes de
una nube, una superficie montaosa, la frontera entre dos paises, etc.
Los clebres Conjuntos de Julia son tambin fronteras (matemticas) entre regiones
del plano e igual sucede con el Conjunto de Mandelbrot.
La determinacin histrica de una frontera es un proceso semejante a la formacin
de una curva fractal del tipo de la curva de Koch. Concretando, mediante simulacin , la
curva de Koch que simula la costa de Gran Bretaa tiene dimensin de Hausdorff igual
a 126128, mientras que empricamente, Richardson obtuvo el valor de 13.
4.2. rboles.
Desde el punto de vista matemtico, un rbol es un conjunto de puntos o vrtices
(que seran los nudos de ramificacin de los rboles botnicos), unidos entre s por arcos
(ramas) de forma que si caminamos desde un vrtice por una sucesin consecutiva de
arcos diferentes, nunca regresaremos al vrtice de partida.
Este modelo resulta aceptable de forma obvia y en primera aproximacin para
alguno de los objetos naturales. Una red fluvial es un modelo natural de curva
caracterstica de conjuntos fractales como la curva de Peano o de Hilbert
4.3. Movimiento Browniano.
En 1827, Brown descubri como minsculas partculas de polen en una suspensin
acuosa realizaban una complicada danza compuesta de una sucesin de longitud y
direccin aleatorias.
En 1905, Albert Einstein public un estudio del Movimiento Browniano basado en
la teora cintica de los gases, que posteriormente permiti a Prrin calcular el nmero de
Avogadro.
En 1923, Wiener construy un modelo matemtico de tipo aleatorio que describe el
movimiento browniano con precisin satisfactoria. El modelo de Wiener refleja el
comportamiento de variados fenmenos naturales en los que interviene el azar.
Un camino Browniano es continuo, pero sus cambios permanentes y bruscos de
direccin causan, como en las curvas de Koch o de Hilbert, su no diferenciabilidad.
Sin embargo, las caractersticas de regularidad internas del movimiento browniano
son de naturaleza esencialmente diferente a las que poseen las curvas anteriores. En este
caso existe una regularidad de tipo estadstico que permite clarificar el movimiento
browniano como un Fractal Aleatorio.
Utilizando grficos de movimientos fractales brownianos definidos como funciones
de dos varables, Mandelbrot y otros han conseguido paisajes fractales tan realistas que,
al verlos, resulta difcil de imaginar que no son fotos tomadas de paisajes reales. En la
figura siguiente aparece un esquema de paisaje fractal obtenido por ese procedimiento.



18/18
Si se corta el grfico por cualquier plano vertical se obtiene el grfico de un movimiento
browniano fraccionario unidimensional.
BIBLIOGRAFA RECOMENDADA.
Estructuras Fractales y sus Aplicaciones. Aut. M. de Guzman y Otros. Ed. Labor.
Los Objetos Fractales. Aut. B. Mandelbrot. Ed. Busquets.



1/17
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 56
EVOLUCIN HISTRICA DE LA GEOMETRA.
1. Introduccin.
2. Las Civilizaciones ms Antiguas.
2.1. Egipto.
2.2. Babilonia.
2.3. India.
2.4. China.
3. Grecia.
3.1. Los Comienzos de la Matemtica Griega.
3.1.1. Thales de Mileto.
3.1.2. Pitgoras.
3.1.3. La escuela de Atenas.
3.2. La Escuela de Alejandra.
3.2.1. Euclides.
3.2.2. Arqumedes.
3.2.3. Apolonio.
3.3. Matemticos Griegos Tardos.
4. Roma.
5. La Edad Media.
5.1. India.
5.2. Los rabes.
5.3. La Edad Media Latina.
6. La Edad Moderna.
6.1. Siglo XVI.
6.2. Siglo XVII.
6.2.1. La Geometra Analtica.
6.2.2. La Geometra Proyectiva.
6.3. Siglo XVIII.
6.3.1. Geometra Analtica Plana.
6.3.2. Geometra Analtica Espacial.
6.3.3. Geometra Diferencial.
7. La Edad Contempornea.
7.1. Geometra Descriptiva.
7.2. Geometra Analtica.
7.3. Geometra Diferencial.
7.4. Geometras no Eucldeas.
8. Siglo XX.
Bibliografa Recomendada.



2/17
TEMA 56
EVOLUCIN HISTRICA DE LA GEOMETRA.
1. INTRODUCCIN.
Comencemos indicando que la palabra Geometra significa, en griego, medir la
tierra. Se cree que la geometra surgi a orillas del ro Nilo, cuando surgi la necesidad
de medir las tierras de labranza despus de las crecidas para poder fijar el impuesto a
pagar al faran.
La Geometra surgi a travs de un lento proceso de abstraccin de las formas de la
Naturaleza, las cuales estaban idealizadas. As, fueron apareciendo los conceptos de
recta, curva, crculo, tringulo, superficie, volumen. Este proceso de observacin se vio
estimulado por la necesidad de controlar la Naturaleza, de servirse de ella. Por tanto, la
geometra se desarroll por las necesidades de dividir la tierra, de construir, etc.
2. LAS CIVILIZACIONES MS ANTIGUAS.
2.1. Egipto.
La civilizacin egipcia se desarroll considerablemente desde tiempos muy remotos.
Ya hemos dicho que los egipcios disponan de un estmulo muy especial y era el Nilo.
Ya desde el 5.000 a.C., el ro, con sus inundaciones, borraba los mojones de separacin
y era necesario distribuir las tierras todos los aos. Este hecho provoc que se
reemplazara el calendario lunar por el solar.
Uno de los primeros textos matemticos existentes es el Manual de Ahmes que
data del 1.700 a.C. y se titula Orientaciones para conocer todas las cosas oscuras. Es
un manual para la formacin de funcionarios reales. Est escrito en lenguaje jeroglfico
y, a pesar de sus equivocaciones (quiz el que lo escribi no saba lo que estaba
escribiendo), contiene una coleccin de problemas de clculo de capacidades de
contenedores y almacenes, reas de porciones de tierras, dimensiones de terraplenes,
etc. Estos problemas nos ilustran sobre la evolucin de la ciencia como resultado de las
necesidades de la sociedad paleoltica y urbana.
Un mural de hace 3.000 aos nos muestra a los agrimensores llevando una cuerda
con 12 nudos equidistantes. Al transformar dicha cuerda en un tringulo rectngulo se
transforma en un instrumento muy til para fijar los lindes de los terrenos.
Entre sus conocimientos sobre geometra encontramos frmulas de superficies del
tringulo y del rectngulo, volmenes de pilas de grano, y en forma aproximada, el
valor de !:
16 ' 3
9
16
2
"
#
$
%
&
'
(
" !



3/17
Tambin disponan de una palabra especial para la funcin Cotangente, ya que la
usaban muy a menudo en la construccin de las pirmides. Obtenan geomtricamente
las races cuadradas y es posible que conocieran el Teorema de Pitgoras para los datos
3, 4 y 5. A su vez, trazaban ngulos rectos, eran capaces de dividir la circunferencia en
seis partes, pero lo ms notable era que tambin la dividan en 5 y 7 partes (construccin
de pentgonos y heptgonos), aunque los mtodos eran slo aproximados. Se especula
tambin con que conocieran el segmento ureo, por los datos de Herodoto sobre la
Gran Pirmide.
A pesar de las opiniones de matemticos como Aristteles, que afirmaba que las
matemticas se originaron en Egipto porque la clase sacerdotal dispona de tiempo para
el estudio, se puede deducir de lo anterior que la matemtica egipcia era eminentemente
prctica.
Es ms, la matemtica egipcia no consigui abstraer los casos particulares a una
teora general. Cada mtodo lo ilustran con un ejemplo y lo resuelven para cada caso
particular. Y lo mismo suceder con la matemtica babilnica. Para obtener la
generalizacin tendremos que esperar a los Griegos.
2.2. Babilonia.
La civilizacin babilnica no es menos antigua que la egipcia y sus conocimientos
matemticos son, hasta cierto punto, paralelos. Es caracterstico en ellos el empleo del
sistema sexagesimal y los estudios astronmicos. Aun hoy utilizamos la base 60 en
mediciones de ngulos y tiempos. En Geometra sus conocimientos no fueron
abundantes ni profundos. Conocan el rea del tringulo, del rectngulo y del trapecio,
volmenes de prismas rectos y pirmides de base cuadrada. Tambin disponan de
nociones sobre tringulos semejantes y conocan algn caso particular del teorema de
Pitgoras.
2.3. India.
La matemtica en la antiqusima civilizacin hind fue poco notable en estas
primeras pocas y ms bien fue de carcter fantstico.
2.4. China.
La civilizacin china, con dinastas anteriores al 3.000 a.C. (los tres reyes sabios de
Confucio), probablemente tuvo grandes conocimientos prcticos, pero nada ha podido
ser comprobado. Ello se debe a que en el ao 213 a.C. un emperador retrgrado, Shi-
Huang Ti (el gran emperador amarillo) hizo quemar todos los libros cientficos.
3. GRECIA.
3.1. Los Comienzos de la Matemtica Griega.



4/17
Alrededor del ao 900 a.C. se efecta el paso de la Edad del Bronce a la Edad del
Hierro en el mediterrneo oriental y tienen lugar grandes cambios en la organizacin de
estos pueblos, declinando culturas como la cretense, egipcia y mesopotmica. Aparecen
nuevas formas sociales, como la polis griega, que ya no slo vive del campo, sino sobre
todo del comercio. En esta ascensin de la matemtica griega, son adelantadas las
ciudades del Asia Menor, recogiendo el legado (sobre todo egipcio) por parte de Thales
de Mileto y Pitgoras.
Los griegos se distinguieron en dos campos: los nmeros o aritmtica y la
geometra. Sobre todo en esta ltima, que vive su primera poca de oro.
En Grecia, la matemtica se convierte en una ciencia deductiva, partiendo de
axiomas, postulados y definiciones, para llegar a teoremas. Eso fue debido gracias a su
excepticismo y razn, lo que posibilit la formulacin, por primera vez, de los dos
procesos mentales vitales para el progreso matemtico: la abstraccin y la demostracin.
Distinguieron entre dos clases de premisas, las generales, que llamaron axiomas, y
las especficas, que llamaron postulados. La Induccin surgi como un nuevo proceso
mental (el tercero) a fin de poder disponer de premisas para comenzar. Tambin procede
de los griegos el mtodo de reduccin al absurdo como forma de demostrar los
teoremas.
3.1.1. Thales de Mileto.
Fue Thales de Mileto el primer griego que estableci directrices para el estudio de la
geometra, en trminos abstractos, independientemente de cualquier aplicacin prctica.
Form parte de los siete sabios de Grecia y el primero de la llamada escuela jnica.
Vivi en la primera mitad del siglo VI a.C. y como comerciante viaj a Egipto y
aprendi sus conocimientos. A l se le atribuyen conocimientos geomtricos que,
probablemente, eran ya conocidos. Lo ms importante es que, como toda la matemtica
griega posterior, hace demostraciones y afirmaciones generales, no para cada ejemplo
particular.
A l se le asigna el concepto de lugar geomtrico, y los teoremas:
Los ngulos de la base de un tringulo issceles son iguales.
Todo dimetro divide a la circunferencia en dos partes iguales.
Los ngulos opuestos por el vrtice son iguales.
Todo ngulo inscrito en una semicircunferencia es recto
3.1.2. Pitgoras.
Pitgoras, natural de la isla de Samos (Asia Menor), estudi con Thales. Fue un
hombre de gran personalidad, y se pas la primera parte de su vida viajando, tratando
as de aumentar sus conocimientos matemticos. En la segunda mitad del siglo VI a.C.
fund la escuela pitagrica en Cretona (Italia Meridional). Se dedicaba al estudio de la
medicina, la filosofa y las matemticas. Su pensamiento era idealista y los nmeros



5/17
tenan propiedades mgicas. Su smbolo de hermandad era la estrella de cinco puntas y
el secreto de sus investigaciones era riguroso.
Para los pitagricos, la geometra era, en consonancia con su concepcin metafsica,
una geometra de cuerpos slidos y de figuras planas.
Por nmero entendan el nmero entero y, al descubrir los irracionales, provoc tal
crisis en la aritmtica griega que terminaron inclinndose por la geometra. Obtuvieron
3 2 y como hipotenusas de determinados tringulos y les apareci ! al medir la
longitud de la circunferencia.
En Geometra, Pitgoras introdujo los conceptos de elipse, parbola e hiprbola.
Tambin conocan los cinco poliedros regulares, aunque se piensa que cuatro de ellos ya
eran conocidos de antes. Dieron una forma de construir el dodecaedro y el icosaedro.
Conocan la propiedad de que slo tres polgonos regulares (tringulo, cuadrado y
hexgono) recubran el plano, lo que lleva a pensar que dedujeron que la suma de los
ngulos de un tringulo equivala a dos rectos.
Claro est, a todos estos conocimientos tenemos que aadir el teorema de Pitgoras,
que se piensa que fue el propio Pitgoras quien lo formul en su forma general.
3.1.3. La Escuela de Atenas.
En el siglo V a.C. Atenas adquiri la preeminencia tras la victoria sobre los persas y
tiene lugar una poca de florecimiento cientfico. Se funda la Escuela de Atenas, que
vivir los siglos V y IV a.C. y entre cuyos representantes encontramos a Anaxgoras,
Hipcrates, Menecmo, Demcrito, Platn, Eudoxio. Contemporneos a stos tenemos al
pitagrico Arquitas y a Zenn de Elea.
Anaxgoras de Esmirna lleg a Atenas y fue amigo de Pericles. Se piensa que se
ocup de la cuadratura del crculo, pero no se disponen de referencias precisas. En
aquella poca se plantearon tres problemas que se hicieron famosos y clsicos y de los
que, en el siglo XIX, se demostrara su imposibilidad por mtodos de regla y compas.
Los problemas eran:
La duplicacin del cubo.
La triseccin del ngulo.
La cuadratura del crculo.
Hipcrates de Chios trabaj sobre la cuadratura del crculo, logrando la cuadratura
de las lnulas que llevan su nombre, ejemplo prctico de la cuadratura. En estos intentos
se descubrieron multitud de curvas y superficies nuevas. Fue el autor del primer tratado
de matemticas elementales que se conoce. Plante las siguientes razones para resolver
la duplicacin del cubo:
a : x = x : y = y : 2
de donde:
x
3
= 2a
3
por lo que se estudiaron las medias geomtricas



6/17
Menecmo tambin llev a cabo la duplicacin del cubo por el procedimiento
anterior. Y estudi las secciones cnicas.
Arquitas de Tarento fue contemporneo de Menecmo. Se preocup de la duplicacin
del cubo y fue uno de los primeros autores en escribir sobre mecnica.
Demcrito de Abdera (Tracia) se adelant a Arqumedes en el estudiode volmenes
de pirmides y conos, mediante el procedimiento de descomposicin en capas cada vez
ms delgadas, antecedente del clculo infinitesimal.
Zenn de Elea se hizo famoso por ser el autor de las aporas. En ellas planteaba
las insuficiencias del pensamiento lgico, las cuales no se resolvieron hasta la
formalizacin del concepto de lmite por Cauchy en el siglo XIX. Entre las ms
conocidas tenemos las paradojas de Aquiles y la tortuga y tambin la de la flecha.
Platn fue discpulo de Scrates y podemos decir de l que fue el fundador de la
escuela ateniense. Su preocupacin fueron fundamentalmente los nmeros.
Ms inters para la geometra tiene Eudoxio, que resolvi la crisis planteada por los
inconmensurables, estableciendo una teora de proporciones de segmentos. Ello
signific que la aritmtica dejo de servir para la geometra, al no introducirse el
concepto paralelo de nmero irracional. Los griegos desarrollaron a partir de ese
instante una geometra totalmente separada del clculo numrico. A Eudoxio se le
atribuye el llamado Axioma Arquimediano que dice que dadas dos magnitudes A y B,
siendo B la menor y no nula, se puede obtener un mltiplo de B que sea mayor que A.
Su descubrimiento indica la penetracin del espritu cientfico de la poca.
3.2. La Escuela de Alejandra.
En el ao 338 a.C. Grecia es unificada por Filipo de Macedonia y la pennsula
pierde su impulso cientfico. Alejandro Magno, hijo de Filipo, conquista todo el Oriente
y funda la ciudad de Alejandra, en el delta del Nilo, pero muere en 323 a.C. Sus
sucesores en Egipto, los Ptolomeos, harn de Alejandra la capital de su imperio y el
centro cultural de Oriente, que pervivir hasta que el Califa Omar toma Egipto en el ao
642 d.C.
En Alejandra se fund una biblioteca y un museo, donde centenares de sabios y
estudiosos ensearon y aprendieron, gracias a que se universaliz el idioma griego. En
ese ambiente cientfico hemos de destacar a tres grandes matemticos: Euclides,
Arqumedes y Apolonio.
3.2.1. Euclides.
Euclides fue maestro en la universidad de Alejandra y pas a la posteridad como
autor de los Elementos. Esta obra se compone de 13 libros y 465 proposiciones,
constituyendo una de las obras ms perfectas del pensamiento matemtico. Recoge todo
el saber geomtrico y aritmtico, exponindolo en forma de riguroso tratado a partir de
sus cinco axiomas en geometra.



7/17
Los libros I, II, IV y V tratan de lneas, reas y figuras planas regulares simples,
siguiendo a los pitagricos.
El libro III trata de los crculos, siguiendo a Hipcrates.
El libro V elabora el trabajo de Eudoxio sobre las proporciones, que necesita otras
partes del trabajo.
El libro VI trata de la semejanza de figuras.
Los libros VII, VIII y IX tratan de la teora de nmeros: mximo comn divisor,
mnimo comn mltiplo, algoritmo de Euclides, etc. Es muy curiosa y nada fcil su
teora de los nmeros perfectos.
El libro X habla de los irracionales, en particular de los de la forma
b a
con a y b naturales. En este libro aparece el mtodo de demostracin de Eudoxio y la
escuela ateniense y el principio del descenso infinito.
El libro XI trata de la geometra del espacio.
El libro XII es importantsimo, ya que trata del mtodo exhaustivo de nuevo y
demuestra el rea del crculo.
El libro XIII trata de la construccin de los cinco cuerpos geomtricos regulares de
Pitgoras, siendo el ltimo de ellos el dodecaedro.
Otros dos libros, a veces aadidos en ediciones posteriores, son respectivamente de
Hippias y de Damasceno. El primero de ellos fue un astrnomo del siglo II d.C. y el
segundo fue del siglo VI d.C.
Los elementos han sido la fuente de geometra que ha estudiado Europa y su
profundidad no ha sido sobrepasado hasta el siglo XIX.
Un detalle que merece la pena destacar es el axioma de las paralelas. Durante
mucho tiempo pareci evidente, pero todo intento de demostracin cometa errores.
Finalmente, en el siglo XIX, Lobachebski y Bolyai mostraron dos geometras no
eucldeas, ya que no verificaban dicho axioma.
Euclides escribi otros libros de menor importancia, como son Datos y Divisin
de Figuras.
3.2.2. Arqumedes.
Arqumedes de Samos vivi en Siracusa (Sicilia), donde muri a manos de los
romanos. Haba vivido en Alejandra y aprendi el saber de entonces. Es considerado
como el mayor matemtico de la antigedad.



8/17
Fue un gran calculista, mejorando la determinacin del nmero ! hasta alcanzar
cinco cifras decimales exactas. Como mecnico descubri la ley de la palanca y en
hidrulica el principio que lleva su nombre.
En geometra podemos destacar obras suyas como De las Espirales, De la
medida del Crculo, De la Esfera y el Cilindro y De los Conoides y los Esferoides.
Es en los dos ltimos donde nos podemos encontrar con las frmulas de superficie y
volumen de la esfera, superficies de revolucin de segundo grado, superficie de la
elipse, etc. Tambin podemos destacar otra obra sobre Las Lneas Espirales donde su
tratamiento de las tangentes es propio del clculo infinitesimal. Tambin calcul el rea
limitada por una parbola.
Precisamente fue el clculo del volumen de la esfera de lo que ms orgulloso se
senta. Lo obtuvo viendo que era igual a dos terceras partes del volumen del cilindro
cincunscrito ms pequeo.
Su mtodo era tan riguroso que perdur como modelo de demostracin. Pero hemos
de resaltar que a los resultados sola llegar por procedimientos ms intuitivos, como el
mismo reconoca. Tambin parece ser de Arqumedes la llamada Frmula de Hern,
para el clculo del rea del tringulo en funcin de sus lados.
3.2.3. Apolonio.
Apolonio de Perga escribi, hacia el ao 200 a.C., su teora de las secciones cnicas.
Fue una obra tan completa que hasta nuestros das no se ha podido aadir algo. consta
de ocho libros y se definen y estudian en ellos la elipse, la parbola y la hiprbola,
asntotas, dimetros conjungados, ejes, tangentes, polos, polares, haces de rectas, focos,
etc.
Tambin nos podemos encontrar en dichos estudios sobre rectas normales e incluso
sobre la evoluta.
Adems fue astrnomo y aritmtico, y se le considera uno de los matemticos ms
importantes de la antigedad.
3.3. Matemticos Griegos Tardos.
Con Apolonio finaliza la edad de oro de la geometra en Alejandra. En el ao 146
a.C. Grecia cay en poder de Roma y en el 45 a.C. cay la ciudad de Alejandra. Entre
los matemticos dedicados a la geometra de esta poca podemos destacar varios.
Menelao de Alejandra (siglo I d.C.) demostr teoremas de Geometra, uno de los
cuales lleva su nombre. Se le debe una Esfrica, donde aparece por primera vez el
tringulo esfrcio.
Ptolomeo vivi a lo largo del siglo II d.C. Escribi trece libros traducidos al rabe
bajo el nombre de Almagesto. Resumen los conocimientos astronmicos de su tiempo



9/17
y tratan lo que hoy entendemos como seno de un ngulo, son frmulas como Sen(ab)
y tablas en intervalos de 30.
Esta poca de poco relieve bajo la dominacin romana pareci reavivarse en
Alejandra en el siglo III d.C. con matemticos como Hern, Pappus y Diofanto.
En geometra podemos destacar a Pappus, que fue notable por comentar las obras de
pocas anteriores, siendo en ms de un caso, lo nico que sabemos de ellas. Estudiando
el volumen y superficie de cuerpos de revolucin, descubri los cuerpos que hoy en da
llamamos de Guldin, matemtico del siglo XVII.
En el siglo IV d.C. nos encontramos con Ten de Alejandra, que edit y coment la
obra de Los Elementos de Euclides. Y su hija, Hipata, se ocup de las cnicas de
Apolonio.
4. ROMA.
El inters por la ciencia del pueblo romano fue prcticamente nulo. Los
agrimensores saban algo de geometra, cosas rudimentarias. Valga como ejemplo que
cuando Csar quiso reformar el calendario tuvo que llamar a Sosgenas, un sabio de
Alejandra.
Durante el siglo V d.C. desaparece el imperio de Occidente. Los romanos, que
parece que haban empezado a interesarse por las matemticas, al convertirse al
cristianismo, volvieron la espalda de nuevo a la ciencia. Ello fue debido a que el espritu
cientfico helenstico era contrario al cristianismo, que lo ligaba al paganismo.
5. LA EDAD MEDIA.
Desde el declinar de la matemtica griega hasta el renacimiento de las ciencias en
Europa en los siglos XVI y XVII, recorremos una poca de ms de mil aos de poca
fertilidad matemtica. El mayor inters reside en la transmisin de los conocimientos
antiguos a la edad moderna. El otro dato importante due la adopcin del sistema de
numeracin moderno.
5.1. La India.
La India tuvo un inters casi nulo por la geometra y sus preocupaciones fueron ms
bien algebraicas y astronmicas. A ellos se debe un progreso fundamental y es el
sistema de numeracin decimal con valor relativo a la posicin de los nmeros. Este
sistema fue transmitido por los rabes y potenciara el renacimiento cientfico europeo.
Est sin decidir si los conocimientos matemticos que aparecen hacia el siglo V d.C.
en la India estuvieron influidos por los griegos mediante Alejandro Magno, o si se
deben al contacto con Babilonia.



10/17
En los escritos que se han encontrado se proponen reglas para la construccin de los
altares destinados a los sacrificios. Entre estos escritos nos podemos encontrar:
En los Siddhauta paraceren por primera vez las funciones circulares seno y coseno.
Aryabhata, en su obra Aryabhatiya, da reglas para el clculo de reas y volmenes,
donde algunas de ellas son exactas y otras aproximadas.
Bhaskara hace una demostracin tanto grfica como emprica del teorema de
Pitgoras, as como de otros resultados, entre los que podemos citar la equivalencia
entre un tringulo y un rectngulo de bases iguales, y entre un crculo y el rectngulo
cuyos lados son el lado y la semicircunferencia.
5.2. Los rabes.
Conquistadores en el siglo VII d.C. de los dominios de la cultura helenstica y
extendindose hasta Espaa y la India por uno y otro lado, tuvieron inclinacin por las
matemticas, que copiaron al rabe de los antiguos manuscritos. De all pas al latn en
el siglo XII principalmente gracias a la Escuela de Traductores de Toledo, bajo el reino
de Alfonso X El Sabio.
Pero la geometra no les interes mucho, aunque las obras de la antigedad se las
debemos en gran parte a ellos, como los Elementos o el Almagesto. Trabajaron el
lgebra y la astronoma y transmitieron a occidente el sistema de numeracin hind.
La primera figura rabe fue Al-Khuwarizmi, que vivi durante el siglo IX. Adems
de su lgebra, que ya comentamos en otro tema de historia, tambin escribi una
Geometra y tablas astronmicas donde aparece la funcin seno.
Los astrnomos rabes del siglo X ya usaban senos, tangentes y cotangentes en sus
clculos y trataron de problemas esfricos. Hubo comentarios a la Geometra de
Euclides, una cuadratura de la parbola y del paraboloide. El poeta y matemtico Omar
Khayam usaba en problemas algebraicos intersecciones de cnicas.
Abu-al-Wafa escribi un libro sobre construccines geomtricas como polgonos y
poliedros. El persa Nasir Eddin, en el siglo XIII estudi la trigonometra
independientemente de la astronoma, usando el teorema de Menelao.
5.3. La Edad Media Latina.
En la poca de la cada de Roma ante los brbaros, Boecio parece que escribi una
Geometra (quiz una falsificacin tarda) y estableci el Quadrivium o cuatro caminos:
Aritmtica, Msica, Geometra y Astronoma. Su influencia en los estudios de la edad
media fue notable.
De todos modos, la Geometra fue prcticamente olvidada en occidente y la
Aritmtica se redujo casi exclusivamente a las teoras de clculos con el baco, al modo
romano.



11/17
En el siglo XI la cultura rabe comienza a mostrar signos de decadencia, asomando
un despertar cultural en el mundo cristiano, tanto en Oriente como en Occidente. Habr
que esperar al siglo XII para que aparezcan las traduccines del rabe y la pujanza de
las Universidades vaya recobrando su saber antiguo.
Es a partir de esta poca, y hasta el siglo XV, podemos destacar a:
Leonardo de Pisa, conocido como Fibonacci, (1170-1240), escribe Prctica
Geometriae.
Campano de Novara, en 1482, tradujo la obra de Euclides Los Elementos,
Ms que traducir, se dedic fundamentalmente a comentar la obra.
Jordanus Nemorarius, que escribi sobre Geometra y lgebra.
Nicols de Cusa se ocup de la cuadratura del crculo.
Johannes Muller, tambin conocido como Regiomontano, escribi tablas de
doble entrada para la tangente de un ngulo. A l se le debe el Teorema de los
senos.
J. Widmann (1489) escribi una obra en tres volmenes. La parte dedicada a la
geometra es muy irregular. Podemos destacar el clculo de forma correcta del
radio del crculo circunscrito a un tringulo, conocido un lado, su altura y la
proyeccin de uno de los otros dos lados sobre l.
Luca Pacioli fue el autor de una obra de carcter enciclopdico en la que
resumi todo el saber geomtrico de la poca.
En el imperio de Oriente, el siglo V reuni en Atenas la escuela neoplatnica y se
puede citar a Proclo. Fue disuelta por Justiniano acusada de defender el paganismo. La
ciencia se fue perdiendo, pero de todas formas, desde el siglo X funcion en
Constantinopla una escuela cientfica. Cuando los turcos ocuparon Constantinopla en
1453, los emigrados griegos a occidente aportaron muchas obras de la antigedad y
contribuyeron al despertar cientfico.
6. LA EDAD MODERNA.
6.1. Siglo XVI.
En este siglo tiene lugar en Europa un florecimiento cientfico considerable, que
prepara el de siglos posteriores. Se trabaja intensamente en lgebra, donde Tartaglia,
del Ferro y Cardano resuelven las ecuaciones de tercer y cuarto grado. Se trabaja en
Clculo, con el trascendental descubrimiento de los logaritmos por John Napier.
Tambin se producen avances en Astronoma, de la mano de Tycho Brahe, Galileo,
Coprnico, Kepler. Pero en Geometra no se producen progresos. Se editan y estudian
las obras antiguas y se trata la cuadratura del crculo y otros temas semejantes.
Se obtiene la frmula:
L
2
1
2
1
2
1
2
1
2
1

2
1
2
1
2
1

2
1 2
+ + + =
!
debida a Vieta, llegndose a calcular ! con 28 cifras decimales exactas.



12/17
6.2. Siglo XVII.
6.2.1. La Geometra Analtica.
La gran novedad del siglo XVII es el empleo de coordenadas referidas a dos ejes
arbitrarios del plano. de forma que todo punto puede representarse por un par de
nmeros. Esta es la obra que inician los matemticos franceses Rene Descartes y Pierre
de Fermat.
Descartes public en 1657 su famoso Discurso del Mtodo cuya ltima seccin,
Geometra, trata de esta innovacin que recibira con el tiempo el nombre de
Geometra Analtica. Dos son las ideas fundamentales:
El concepto de coordenadas referidas a un par de ejes arbitrarios (no
necesariamente rectangulares).
La Relacin entre ecuaciones con dos incgnitas y los lugares geomtricos del
plano, es decir, la ecuacin f(x,y)=0, indeterminada como ecuacin algebraica,
representa una curva del plano cuyos puntos son aquellos que sus coordenadas
satisfacen la ecuacin.
El inconveniente principal de la poca fue que tanto Descartes como sus
contemporneos rehuyeron el uso de coordenadas negativas. Por otra parte, fue
corriente en este siglo no dibujar ms que un solo eje: el de abcisas. . El mrito de
Descartes estuvo en la introduccin de la notacin moderna, similar a la actual. A pesar
de todo, su estilo era bastante oscuro.
Fermat hizo un trabajo similar pero de exposicin ms clara, aunque la notacin
fuese la antigua de los algebristas. Su obra se public en 1679 y se llamo isagoge.
Influidos por Descartes, Wallis escribi un tratado sobre las secciones cnicas y Jan
de Witt sobre el trazado de curvas de segundo grado.
La introduccin de coordenadas en el estudio analtico de la Geometra motiv la
reanudacin de estudios sobre la resolucin grfica de ecuaciones, en los que trabajaron
tambin Descartes y Fermat.
Newton y Leibnitz se basaron en la Geometra Analtica para inventar el Clculo
Infinitesimal. El primero demostr analticamente algunos teoremas de Geometra,
como el de los dimetros de una curva de grado n.
La aplicacin al espacio tridimensional result lenta. El tema lo trato Juan Bernouilli
a finales del siglo. Las superficies se estudiaron a travs de secciones planas, que
pueden tratarse con dos coordenadas.
Por ltimo, podemos destacar que el uso de coordenadas fue, en cierto sentido,
introducido por Apolonio. ste describa las cnicas por medio de las propiedades de
las distancias de cada punto a los ejes (o sea, coordenadas) de forma que ecuaciones
como la reducida de la parbola estn ya implcitamente en sus trabajos. Pero una
diferencia notable est en que nunca us un sistema de referencia de dos ejes arbitrarios,
es decir, independientes de la figura. En realidad, mucho del trabajo de este siglo



13/17
consisti en traducir al lenguaje algebraico moderno los resultados de Apolonio.
Veremos que a mediados del siglo siguiente, el XVIII, la Geometra superaba
claramente a Apolonio y se aplicaba a multitud de cuestiones.
6.2.2. La Geometra Proyectiva.
Iniciada por el arquitecto francs Gerard Desargues, estudi la proyeccin central de
los cuerpos geomtricos y, en especial, las secciones cnicas, publicando la perspectiva
Abreviada en 1639. Encontr poco inters y la obra fue prcticamente olvidada hasta
1845 en que se descubri una copia de la obra. A este mismo tema se dedic tambin el
filsofo Blaise Pascal.
6.3. Siglo XVIII.
En este siglo podemos destacar, aparte de otros temas que veremos a continuacin, a
Euler, que public el Teorema sobre poliedros que lleva su nombre, aunque el
enunciado ya era conocido por Descartes.
Saccheri contempla la posibilidad de que el quinto postulado de Euclides sea
verdadero, por exclusin de las otras dos posibilidades. tambin Lambert estudi las
posibilidades de geometra no eucldea.
La Geometra Descriptiva fue iniciada por Monge, con la representacin de figuras
en planta y alzado, un estudio tan perfecto que no se super durante 50 aos.
6.3.1. Geometra Analtica Plana.
El avance result ser lento, pues inicialmente se usaban las ecuaciones en
coordenadas para representar puntos y no se usaba el hecho de que la ecuacin
manifiesta las propiedades de la curva.
Newton estudi sistemticamente las curvas de tercer orden y las clasific en tipos.
Tambin clasific las curvas algebraicas por el grado y estudio las secciones cnicas.
La obra ms influyente en la materia fue la Introductio de Leonard Euler, de 1748,
de Basilea, que es una exposicin completa de la Geometra Analtica de su tiempo.
Estudia y clasifica las cnicas refirindolas a unos ejes y no al dimetro, rompiendo en
este tema definitivamente con Apolonio. Tambin habla de curvas trascendentes.
Otro libro clave fue la Introduccin al Anlisis de las lneas curvas del suizo
Gabriel Cramer. Su mtodo de representacin de curvas con el estudio de puntos
singulares de orden superior en el origen es an utilizado (mtodo de Newton-Cramer).
Por diversos autores se estudiaron multitud de curvas particulares.



14/17
6.3.2. Geometra Analtica Espacial.
El avance es todava ms lento. Juan Bernouilli y Leibnitz usaron, a finales del siglo
XVII, coordenadas en el espacio. Euler estudi los cambios de coordenadas ortogonales
e introdujo los tres ngulos llamados de Euler. Despus lo ampli al cambio de
coordenadas n dimensionales.
Gaspar Monge estudia en 1771 la ecuacin del plano y trata problemas de puntos y
rectas en el espacio. Problemas anlogos fueron estudiados por Lagrange.
6.3.3. Geometra Diferencial.
Euler, Juan Bernouilli y Clairaut trabajaron sobre las geodsicas y la curvatura de
las superficies, dando las ecuaciones diferenciales de las primeras. Euler estudia el
plano osculador y conjuntamente con Monge estudia las superficies desarrollables.
Monge estudi el teorema de la curvatura en una superficie, llamado hoy teorema de
Meusnier. Sin embargo, el concepto de curvatura media tendr que esperar al Gauss en
1823. Tambin trabaj Monge sobre los radios de curvatura y las lneas de curvatura.
Finalmente, se trat el tema de representacin de superficies para fines
cartogrficos. Lambert estudi la proyeccin estereogrfica y Euler y Lagrange
estudiaron la proyeccin Mercator.
7. EDAD CONTEMPORNEA.
La edad de oro de la Geometra puede datarse entre la publicacin de la Geometra
Descriptiva de Monge en 1795 y del Programa de Erlangen de Flix Klein en 1872.
Se efectan progresos que llevan a la Geometra a cumplir en algunas ramas todos sus
objetivos.
7.1. Geometra Descriptiva.
Se recupera el trabajo iniciado por Desargues en el siglo XVII sobre proyecciones
centrales. Monge, al desarrollar la descriptiva y la proyeccin ortogonal prepara el
terreno.
La figura ms destacada es Vctor Poncelet, oficial del ejrcito de Napolen.
Prisionero en Rusia, usa extensamente los elementos (punto, recta, plano) del infinito,
colocando a la Geometra en el marco del espacio proyectivo. Se distinguen las
propiedades mtricas de las proyectivas y se estudian las relaciones anharmnicas.
Brianchon y Gergonne estudian las polares respecto a una forma cuadrtica y la
dualidad, como tambin Mbius y Plcker harn en la Geometra Analtica.
Adems, Poncelet para al espacio proyectivo complejo e introduce los puntos
cclicos, con lo que se consigue la unidad de tratamiento, independiente de los casos de
figura.
Se estudian las transformaciones proyectivas, homologas, involuciones. Esta
geometra se orienta en sentido sinttico, es decir, prescindir totalmente de las



15/17
coordenadas, y tiene figuras de relieve de Jacobo Steingr y Miguel Chasles, suiza y
francs respectivamente. La obra es culminada por Cristian von Staudt, que en su
Geometra de la posicin (1847), prescinde de los escalares en su tratamiento de la
Geometra. Esto abre, con el tiempo, el camino a geometras sobre un cuerpo
cualquiera. Hacia 1850 la Geometra sinttica llega a su apogeo.
7.2. Geometra Analtica.
El tomo IV del clsico Curso de Matemticas de Lacroix expone todo el
conocimiento del siglo XVIII. Al comienzo, pesada y falta de elegancia, referida a
conceptos no intrnsecos (por una causa de los ejes arbitrarios), se convertir en medio
siglo en un poderoso instrumento de las ms variadas disciplinas.
Hacen avances Gergonne, Bibillier y Lame, pero se deba ms a Mbius, que
introduce las coordenadas baricntricas en su Clculo baricntrico (1827) y a Julio
Plcker que introduce las coordenadas homogneas y con ellas el tratamiento analtico
de los elementos del infinito. Este introduce por dualidad las coordenadas plckerianas
y ambos estudian las colineaciones y las propiedades proyectivas.
Plcker introduce tambin la Geometra Analtica los puntos imaginarios.
Ambas tendencias geomtricas realizan as un estudio a fondo y en cierto sentido
definitivo de las cnicas (y cudricas) y haces correspondientes, pasando a estudiar
curvas y superficies de segundo y tercer grado con gran detalle.
Pero sern Cayley y Silvester, britnicos, quienes darn el impulso final a la
geometra analtica con la teora de los invariantes, ponindola a la altura de lo sinttico.
Por eso, Flix Klein, en su Programa de Erlangen pide el fin de la querella entre la
tendencia analtica y sinttica, pues si el uso de la geometra referida a unos ejes
arbitrarios justificaba el que fuera tachado de defectuoso, la aplicacin racional del
mtodo, dice Klein, est de sobra justificada.
Una vez desarrollada la teora de los invariantes, la geometra elemental se
convierte en un diccionario para expresar los resultados de formas bilineales, siendo el
clculo de los invariantes un procedimiento bastante mecnico. Por eso, la geometra
elemental llega a su cnit y al mismo tiempo muere como campo de investigacin.
Las nuevas orientaciones sern el avanzar en la teora de las formas bilineales. Todo
lo referente al rango, como el famoso teorema de Silvester, ser aclarado por Frbenius,
ste y Pfaff estudian las formas alternadas.
Por ltimo, una generalizacin que llevar a cabo en el siglo XX ser el espacio de
Hilbert y el concepto de forma hermtica, introducido por Hermite. Para terminar el
siglo XIX, Hilbert realiza su magnfica obra Fundamentos de la Geometra, que
estudia a fondo la axiomtica y recoge el estado de la ciencia.
No podemos terminar sin comentar a Willian R. Hamilton, irlands, inventor del
lgebra de los cuaterniones.



16/17
7.3. Geometra Diferencial.
a) Curvas.
Las aplicaciones del anlisis a la geometra, de Monge, influyeron hasta mediados
del siglo. Se definieron y calcularon todos los elementos del triedro intrnseco en un
punto de una curva, siendo muy importantes las frmulas de Frenet (1847).
b) Superficies.
Los avances son fundamentales. Gauss public unas notables Disquisiciones sobre
superficies curvas y estudi el primer tensor fundamental. Tambin descubri el
Teorema Egregium sobre la curvatura, que el defini, estudiando a su vez el segundo
tensor fundamental. Mainardi y Codazzi completaron sus frmulas sobre estos tensores.
Dupin introdujo los conceptos de tangentes principales y la indicatriz de su nombre.
Tambin Hamilton hizo estudios sobre este tema.
7.4. Geometras no Eucldeas.
Por fin, en el siglo XIX se resolvi negativamente la disputa sobre la dependencia
lgica del postulado de las paralelas de Euclides.
Legendre y Gauss se dedican al tema. El primero intent probarlo. Quiso demostrar
que la suma de los ngulos de un tringulo no puede ser menor que dos rectos y no pudo
conseguirlo. Gauss lleg a formular las bases de la Geometra Hiperblica pero no lo
public por temos al escndalo que producira, como se supo tras su muerte.
El mrito de su publicacin corresponde a Lobachevski (1829). El sistema era
idntico al de Gauss. En 1832 public un resultado anlogo el hngaro Bolyai.
Con la lectura por Riemann en 1854 de su tesis Sobre las Hiptesis que sirven de
fundamento a la Geometra, no slo se admiten las posibilidades anteriores, sino que se
ampla el marco de la Geometra al estudio de los espacios ms generales.
La Geometra no Eucldea tuvo su aplicacin fsica en la relatividad de Einstein.
8. SIGLO XX.
Del siglo XX citaremos slo los dos campos de investigacin corrientes
relacionados con la Geometra:
Geometra Algebraica. Estudia todo lo relativo a curvas, superficies y sus
generalizaciones a espacios de ms dimensiones, de entes definidos por
polinomios en varias variables.
Geometra Diferencial, donde las ideas de Elie Cartan le han devuelto la
vitalidad un tanto apagada (fibrados, jets, haces, etc.).



17/17
Bibliografa Recomendada.
La Matemtica: Su contenido, Mtodo y Significado. Aut.: Alexandrov, Kolmogorov, y
otros. Ed. Alianza.
Elementos de Historia de las Matemticas. Aut.: N. Bourbaki. Ed. Alianza.
El Mundo de las Matemticas. J. Newman. Ed Grijalbo.



1/12
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 57
USOS DE LA ESTADSTICA: ESTADSTICA DESCRIPTIVA Y ESTADSTICA
INFERENCIAL. MTODOS BSICOS Y APLICACIONES DE CADA UNA DE
ELLAS.
1. Definicin de Estadstica.
2. Estadstica Descriptiva.
3. Estadstica Inferencial.
3.1. Estimacin de Parmetros.
3.2. Contrastes de Hiptesis.
4. Caractersticas de los Fenmenos Asociados a la Estadstica.
4.1. Recoleccin de Datos.
4.2. Parmetros y Estadsticos.
4.3. Variables.
5. Aplicaciones.
5.1. La Variabilidad Biolgica.
5.2. La Informacin en las Ciencias de la Salud.
5.3. La Investigacin en el Campo de las Ciencias de la Salud.
5.4. La Calidad en Ingeniera.
5.5. La Estadstica en las Ciencias Fsicas.
5.6. Aplicacin a los Seguros.
5.7. Otras Aplicaciones.
Bibliografa Recomendada.



2/12
TEMA 57
USOS DE LA ESTADSTICA: ESTADSTICA DESCRIPTIVA Y ESTADSTICA
INFERENCIAL. MTODOS BSICOS Y APLICACIONES DE CADA UNA DE
ELLAS.
1. DEFINICIN DE ESTADSTICA.
Histricamente, la Estadstica aparece con el nico objetivo de recopilar datos
demogrficos, sociolgicos o econmicos, concepcin que, siendo absolutamente
incompleta, sigue prevaleciendo an hoy en da en un gran nmero de personas. Aunque
tal objetivo tiene un indudable inters (por ejemplo estadsticas de la O.M.S., Boletn
Epidemiolgico semanal, estadsticas sanitarias nacionales, censo de poblacin,...), el
desarrollo de la ciencia en general, y de la Matemtica en particular, ha impulsado la
ampliacin de los fines de la Estadstica.
De un modo general. la ciencia ha progresado tanto hoy en da que resulta muy
difcil definir en unas palabras cualquiera de sus ramas, y a ello no se escapa la
Estadstica. Aunque no existe una definicin de Estadstica que sea universalmente
aceptada (existiendo centenares de ellas) una que, dentro de su sencillez, es bastante
aceptada sera:
La Estadstica es el conjunto de mtodos necesarios para recoger, clasificar,
representar y resumir datos, as como para hacer inferencias (extraer consecuencias)
cientficas a partir de ellos.
De acuerdo con esta definicin, la Estadstica puede dividirse en dos grandes
subapartados: Estadstica Descriptiva e Inferencia Estadstica.
La Estadstica Descriptiva tiene por fin lo indicado en la primera parte de la
definicin, esto es, la recogida, clasificacin, representacin y resumen de los datos
proporcionados por una experiencia.
La Inferencia Estadstica responde a la segunda parte de la definicin y consiste en
llegar a conclusiones vlidas a partir de una informacin incompleta. Veamos un
ejemplo: si un internista desea ensayar la eficiencia de una droga hipotensora, slo
dispondr de un nmero limitado de pacientes hipertensos a los cuales podr
administrar en plan experimental. Sin embargo, l desear obtener conclusiones vlidas
para todos los pacientes hipertensos del mismo medio. El paso de obtener conclusiones
para todos los pacientes a partir de un nmero limitado de ellos es el que realiza la
Inferencia Estadstica.
Si, de una forma general, llamamos poblacin al conjunto de los individuos que se
desea estudiar, y por muestra a una parte de esa poblacin, entonces la Inferencia
Estadstica es el conjunto de mtodos que permiten, a partir de los resultados de una
muestra obtener conclusiones vlidas para una poblacin. Usualmente el nmero de
elementos de una poblacin ser denotado por N, en tanto que los de la muestra lo ser
por n. Pero esto no es siempre as. La sencilla definicin anterior, suele ser fruto de un
gran nmero de confusiones para la persona que se inicia en Estadstica.



3/12
2. ESTADSTICA DESCRIPTIVA.
Ya hemos comentado que la Estadstica Descriptiva tiene como finalidad la
recogida, clasificacin, representacin y resumen de los datos proporcionados por una
experiencia.
La recopilacin de datos es la primera fase de todo estudio estadstico y, quiz, la
ms delicada, pues va a determinar la calidad de todo el trabajo. Si los datos no reflejan
correctamente la realidad que intentamos estudiar, es evidente que los resultados sern
falsos, tanto ms cuanto ms alejados estemos de los datos correctos.
En una segunda fase, se trata de sustituir toda la informacin recopilada por unos
pocos valores que puedan caracterizarla. Para ello utilizaremos parmetros que
caracterizan el centro de la distribucin de frecuencias, media, mediana y moda y otras
divisiones de la distribucin como cuartiles y percentiles.
Se estudia tambin la necesidad de cuantificar, de alguna manera, cmo los valores
que toma la variable se separan de los valores centrales, nombrados anteriormente. Se
estudia as el concepto de variabilidad y la influencia que sta puede tener en la
representatividad de los valores centrales. Aparecen los conceptos de dispersin y
concentracin de los datos, y las medidas de dispersin habituales: recorrido, desviacin
media, momentos, varianza y desviacin tpica, as como el coeficiente de variacin
para cuantificar la dispersin relativa.
Una manera tradicional de establecer diferencias entre la forma de dos
distribuciones es a travs de las medidas de asimetra y apuntamiento o exceso.
Una vez finalizado el proceso de sntesis de la informacin de partida, resulta
conveniente saber hasta que punto la distribucin de frecuencias puede ser sustituida por
las medidas introducidas.
3. ESTADSTICA INFERENCIAL.
3.1. Estimacin de Parmetros.
Iniciaremos el estudio estadstico de colectivos (poblacin) mediante la eleccin de
unos pocos (muestra), de los que inferiremos las caractersticas de toda la poblacin. La
Estadstica Inferencial tratar de obtener informacin acerca de los parmetros
poblacionales a partir de la muestra.
Diremos que una muestra es Aleatoria Simple (m.a.s.) si X
1
, X
2
,..., X
n
son variables
aleatorias independientes e idnticamente distribuidas.
Los Estimadores son variables aleatorias utilizadas `para estimar parmetros de la
poblacin. Los estimadores que proporcionan un nico valor para el parmetro
poblacional se denominan Estimadores Puntuales, mientras que los que especifican un
intervalo de valores se denominan Estimadores por Intervalos.



4/12
Para llevar a cabo tales estimaciones es necesario que la muestra sea representativa
de la poblacin, para lo cual ha de ser aleatoria en su seleccin y poseer un adecuado
tamao.
3.2. Contrastes de Hiptesis.
Otro apartado importante de la Estadstica Inferencial son los mtodos de contrates
de hiptesis, de gran utilidad en las Ciencias. En muchas ocasiones, el inters est
centrado en la comparacin de dos estadsticos entre s, o entre un estadstico y un
determinado valor poblacional, y no tanto en la estimacin de parmetros poblacionales.
Los mtodos de contraste de hiptesis permitirn decidirnos entre dos hiptesis
formuladas previamente (Hiptesis Nula y Alternativa) con un determinado nivel de
error. Podemos clasificar los errores en dos tipos, tanto para pruebas de significacin
direccionales como no direccionales:
Error Tipo I. Son los errores que tienen lugar cuando es rechazada la hiptesis
nula siendo verdadera.
Error Tipo II. Tienen lugar cuando se acepta una hiptesis y no es cierta.
El problema central de las pruebas de hiptesis es hacer posible una eleccin
adecuada entre dos hiptesis referidas al valor de un parmetro poblacional.
Una Hiptesis Estadstica es una proposicin que se establece acerca de una o ms
poblaciones. Estas proposiciones suelen referirse bien a la forma de distribucin
(binomial, normal, etc.) bien a los parmetros de la distribucin conocida su forma.
El contraste de la hiptesis estadstica se basa en la informacin proporcionada por
la muestra. La terminologa de rechazar o aceptar una hiptesis debe quedar clara. Es
decir, el trmino rechazar una hiptesis significa concluir que es falsa, mientras que
aceptar una hiptesis solamente implica que no se dispone de suficiente informacin
como para rechazarla. Al establecer las hiptesis referidas a los posibles valores que
puede tomar un parmetro poblacional es conveniente distinguir entre Hiptesis
Simples y Compuestas. En una hiptesis simple slo se especifica un valor para el
parmetro poblacional; las hiptesis compuestas, por el contrario, establecen un rango
de valores que puede tomar el parmetro poblacional.
Para realizar las pruebas de hiptesis se establecen dos hiptesis mutuamente
excluyentes, y complementarias, denominadas Hiptesis Nula e Hiptesis Alternativa.
Debe quedar claro que desde el punto de vista estadstico el establecimiento de una
hiptesis como nula y la otra como alternativa no es lo mismo que elegirlas al contrario.
La hiptesis nula suele utilizarse como estrategia o medio del que nos valemos para
probar la alternativa. Es conveniente, a la hora de establecer las hiptesis, que la
hiptesis nula sea aquella que contenga el signo de igualdad, si es que este signo
aparece en alguna de ellas. La hiptesis nula, por ser ms concreta, suele ser simple y la
alternativa compuesta. Para distinguir ambas hiptesis se establece la siguiente
nomenclatura:
H
0
: Hiptesis Nula. H
1
: Hiptesis Alternativa.



5/12
El planteamiento de H
0
permite elaborar un modelo probabilstico a partir del cual
podemos llegar a la decisin final. El procedimiento de contrastar dos hiptesis conlleva
establecer dos zonas disjuntas y complementarias, denominadas: Zona de Rechazo
(Regin Crtica) y zona de Aceptacin.
La zona de rechazo est constituida por aquellos valores del Estadstico de Contraste
que por ser muy grandes o ser muy pequeos es muy poco probable que ocurran si H
0
es
verdadera. Es decir, la regin crtica la constituye el conjunto de valores del estadstico
que permiten rechazar H
0
y, por tanto, aceptar H
1
. La regin de aceptacin la conforman
el conjunto de valores del estadstico de contraste que permiten aceptar H
0
.
Diremos que un valor es Muy Significativo si tiene poca probabilidad de ocurrir.
Otro concepto que nos conviene tener definido es el que se conoce como Nivel de
Significacin, denotado por ! y que representa a la probabilidad de que un valor
concreto del estadstico de contraste caiga en la regin crtica.
La decisin de aceptar o rechazar H
0
se basa en probabilidades y no en certezas, al
tomar la decisin existen posibilidades de error. Ya hemos visto que existen dos tipos de
error.
Como muestra la tabla adjunta hay cuatro posibles conclusiones y en ella se
encuentra recogido el problema bsico del contraste de hiptesis refirindolo slo a la
hiptesis nula.
Situacin de H
0
Verdadera Falsa
Aceptar H
0
Decisin
Correcta
(1-!)
Decisin
Incorrecta
Error Tipo II
(")
Decisin
Rechazar H
0
Decisin
Incorrecta
Error Tipo I
(!)
Decisin
Correcta
(1-")
Debe quedar claro, que tanto las probabilidades de Tipo I como las del II son
probabilidades condicionales.
Nivel de significacin = ! = P(Error Tipo I) = P(Rechazar H
0
#H
0
es verdadera)



6/12
Lgicamente al construir una prueba desearamos que la probabilidad de cometer un
error tipo I fuese pequea. Dentro de este nuevo contexto la probabilidad
correspondiente a un intervalo de confianza $ = 1 ! se la denomina ahora Nivel de
Confianza y representa el complemento de la probabilidad P(Error Tipo I), es decir:
Nivel de Confianza = 1 ! = 1 P(Error Tipo I) = P(Se acepta H
0
#H
0
es verdadera)
" = P(Error Tipo II) = P(No poder rechazar H
0
#H
0
es falsa)
Por ejemplo, supongamos que establecemos la hiptesis nula H
0
:=5. Para un
tamao n dado de muestra supngase que se decide rechazar H
0
si se observa un valor
de la media muestral
*
x X = superior a 6, luego el valor 6 = X constituye el valor
crtico, y el conjunto de valores superiores a 6 la regin crtica de la prueba. La figura
nos muestra como varan ! y " al variar el valor crtico (cambio de 6 a 7).
Al valor complementario de ", se le denomina Potencia de la prueba y representa la
capacidad o poder que tiene la prueba de reconocer correctamente que la hiptesis nula
es falsa.
Potencia de la Prueba = 1 " = P(Rechazar H
0
#H
0
es falsa)
Lgicamente, de lo que se trata es que la potencia de la prueba sea grande, lo que
nos lleva a una " pequea. Dependiendo de la situacin en que nos encontremos
podemos estar interesados en disminuir el error tipo I o bien el error tipo II.
Normalmente el error tipo I es el ms grave por lo que le prestaremos especial atencin.
Al intentar cubrir los objetivos de que tanto ! como " sean pequeas nos conduce a
llegar a un compromiso entre ambas. Para un tamao de muestra n fijo, vemos que, al
aumentar ! disminuye " y viceversa. El llevar a cabo la reduccin de ambos errores
(conseguir los valores de ! y " que deseamos) nos supone ir aumentando el tamao de
la muestra. Este aumento de la muestra no ser indefinido, sino que su lmite vendr
impuesto por nuestros intereses. No tiene sentido aumentar el tamao de la muestra
cuando su repercusin sobre ! o " resulta inapreciable, lo cual supone un coste
adicional.
En la medida que sea posible elegiremos contrastes de hiptesis con un nivel de
significacin ! prefijado y con la propiedad de que maximice la potencia de la prueba,
1 ". El nivel de significacin ! es normalmente controlado por el experimentador,
mientras que " o 1 " es controlado mediante la eleccin apropiada del tamao de la
muestra.



7/12
De forma resumida podemos decir que las fases de un contraste de hiptesis son las
siguientes:
1) Enunciado de la hiptesis nula H
0
y de la alternativa H
1
.
2) Eleccin de un nivel de significacin !.
3) Especificacin del tamao n de la muestra.
4) Seleccin del estadstico de contraste, cuya distribucin debe ser conocida para
H
0
verdadera.
5) Determinacin de la regin crtica.
6) Clculo del estadstico de contraste para la muestra observada.
7) Conclusiones de tipo estadstico.
8) Conclusiones de naturaleza no estadstica, propias del campo de aplicacin en
estudio.
4. CARACTERSTICAS DE LOS FENMENOS ASOCIADOS A LA
ESTADSTICA.
4.1. Recoleccin de Datos.
Cuando deseamos saber algo acerca de la opinin, gustos, aspiraciones o
simplemente caractersticas de la gente, el procedimiento que puede seguirse es
preguntando a la poblacin.
Los tipos de encuesta pueden ser:
Encuestas Personales.
Cuestionarios a cumplimentar.
Entrevistas telefnicas.
Todas estas Encuestas requieren de un cuestionario o lista de preguntas previamente
confeccionadas con el objetivo de que nos proporcione la informacin deseada. La
diferencia ms importante entre ellos estriba en la mayor o menor presencia del
entrevistador. En el cuadro que adjuntamos mostramos las ventajas e inconvenientes
ms sobresalientes de cada tipo de encuesta.
Tipo de Entrevistas Ventajas Inconvenientes
Entrevistas
personales
El entrevistador puede
orientar, informar, etc.
Puede intimidar o
influir en las
respuestas
Cuestionarios a
cumplimentar
Ms baratos.
No hay influencia
del entrevistador.
Una parte im-
portante pueden
no remitir los
cuestionarios.
No podr ser
orientado.
Entrevistas
Telefnicas
Rpidas Deben ser Breves



8/12
Parece evidente que en cada caso particular, nos merecer la pena una u otra opcin,
dependiendo de estos factores ms o menos generales, o de otros que aqu no hemos
considerado. La elaboracin del cuestionario deber perseguir el objetivo de conseguir
esencialmente la informacin que necesitamos (los datos). La lista de preguntas a
realizar constituye el cuestionario. Lo que nos interesa debe estar lo suficientemente
bien definido como para que al llegar a ese punto no nos quede ninguna duda de la
informacin que necesitamos. Los tipos de preguntas pueden ser cerradas o abiertas.
En el primer caso la informacin es fcil de tabular, cosa que no sucede con las
respuestas libres del segundo caso que, aunque matizan ms la situacin, son ms
difciles de clasificar.
4.2. Parmetros y Estadsticos.
El conjunto de individuos o cosas que consideramos en un estudio estadstico se
llama Universo. As, son distintos universos:
Todos los Alumnos de la Universidad de Granada.
Todos los alumnos de la Facultad de Ciencias.
Todos los Profesores del Departamento de Estadstica.
El universo debe estar perfectamente definido, de forma que no queden dudas sobre
la pertenencia o no de un individuo al mismo. A sus componentes se denominan
Unidades Estadsticas o Entidades Estadsticas. Su notacin es:
U = {u
1
, u
2
, ..., u
n
}
Dentro de un mismo universo podemos distinguir varias Poblaciones, que son todos
los valores que adopta una caracterstica determinada del universo. Dentro del universo
Alumnos de la Facultad de Ciencias se podran distinguir las Poblaciones de Edades
(E), Alturas (A), Coeficiente de Inteligencia (C), o cualquier otra poblacin (P):
E = {e
1
, e
2
,..., e
n
}
A = {a
1
, a
2
,..., a
n
}
U = {u
1
, u
2
,..., u
n
} C = {c
1
, c
2
,..., c
n
}
.................
P = {p
1
, p
2
,..., p
n
}
donde u
1
es el primer individuo del universo y e
1
, a
1
, c
1
su edad, altura y coeficiente de
inteligencia, respectivamente. De la misma forma u
n
es el ltimo de los elementos del
universo que est constituido por n elementos. Cualquier subconjunto de la poblacin
constituye una Muestra de la misma, que puede ser representativa o no.
Si en una poblacin dada determinamos con todos los elementos que la componen,
valores tales como media, mediana, percentiles, varianza, coeficientes de correlacin,
etc. estamos calculando los Parmetros de la Poblacin. Es decir, un parmetro es una
propiedad descriptiva de la poblacin.



9/12
Si en vez de trabajar con todos los elementos de la poblacin trabajamos con un
subconjunto de ella, denominado muestra, los mismos clculos daran lugar a los
Estadsticos de la Muestra, que son los valores que se aproximan a los parmetros, tanto
ms, cuanto ms representativa es una muestra. As pues, un estadstico es una
propiedad descriptiva de una muestra. Los parmetros se describen con letras griegas y
los estadsticos con las letras latinas para distinguirlos:
: Media Poblacional.
Parmetros %
2
: Varianza Poblacional
&: Coeficiente de correlacin de la poblacin.
X : Media de la Muestra.
Estadsticos S
2
: Varianza de la Muestra
r: Coeficiente de correlacin de la Muestra
4.3. Variables.
Cuando estudiamos a los individuos de una poblacin, nos interesamos por alguna
de sus cualidades o propiedades. Un Carcter es una cualidad o propiedad inherente en
las unidades estadsticas. Algunos son medibles, esto es, se pueden cuantificar, como
por ejemplo la estatura, el peso o la edad de un individuo; pero hay otras que no, como
son: la raza, el sexo, el estado civil, etc. A los primeros los denominamos Caracteres
Cuantitativos y a los segundos Caracteres Cualitativos.
Modalidades: Son las distintas maneras o situaciones posibles que puede presentar
un carcter.
Modalidades del Carcter cuantitativo nmero de hijos: 0, 1, 2, ...
Modalidades del Carcter cualitativo estado civil: Soltero, casado, viudo, ...
Variable Estadstica: Valor que adopta un carcter en sus distintas modalidades. El
trmino variable estadstica esta referido a una propiedad mediante la cual podemos
distinguir a los individuos de una muestra o de una poblacin. As, las personas difieren
en cuanto al sexo, la edad, la inteligencia, etc. Estos caracteres reciben el nombre de
variables estadsticas, en cuanto a que los valores atribuidos a las correspondientes
permiten diferenciar a los sujetos.
Una Variable Nominal es aquella propiedad de los individuos de un grupo que
queda definida mediante una operacin que nos permite obtener informacin
nicamente acerca de la igualdad o desigualdad de dichos individuos en tal propiedad.
As, respecto a la variable sexo, slo podemos informar de que el sexo de un individuo
es igual o diferente al de otro.
Una Variable Ordinal es aquella propiedad de los individuos de un grupo que queda
definida mediante una operacin que nos permite la ordenacin de dichos individuos
respecto a la propiedad en cuestin. Es decir, sta nos informa no slo respecto de la
igualdad o desigualdad, sino del sentido de stas (mayor que, menor que).



10/12
Una Variable Cuantitativa es aquella propiedad que queda definida mediante una
operacin que nos permite informar bien de la igualdad de diferencias entre individuos
respecto de tal propiedad (variable de intervalo), bien de la igualdad de razones. Es
decir, que dados dos individuos podemos informar acerca de que uno posee tal
propiedad en una cantidad doble, triple, etc. que el otro. La temperatura es un ejemplo
de variable de intervalo; se caracteriza por tener un origen arbitrario, pero una unidad de
medida constante; el cero no indica ausencia de temperatura. Un ejemplo de variable de
razn la tendramos en el peso.
Otra clasificacin de las variables cuantitativas la tendramos atendiendo al nmero
de posibles valores que stas puedan tomar. As, tendramos variables Discretas y
Continuas.
Discretas: Si toman un nmero finito o numerable de valores.
Continuas: Cuando el nmero de valores que pueden tomar es infinito y no
numerable.
5. APLICACIONES.
5.1. La Variabilidad Biolgica.
Los datos que proporcionan otras ciencias experimentales como la Fsica, la
Qumica, etc. son cualitativamente distintos a los que proporcionan las Ciencias de la
Salud.
En las primeras, la repeticin de los experimentos en condiciones idnticas dan
lugar a resultados idnticos, salvo error de manipulacin del experimentador o el error
inherente al aparato de medida utilizado. As, el tiempo que tarda en caer un objeto
desde 1 metro de altura es siempre el mismo (si se mantiene constante el objeto, la
posicin, la densidad del aire, etc...). Las Ciencias de la Salud son otro asunto. Aparte
de la variabilidad por causa de la imprecisin del aparato de medida (cronmetro, en el
ejemplo anterior), las disciplinas anteriores aaden el problema de la variabilidad
biolgica de los sujetos experimentales: dos seres vivos nunca son iguales, ni un mismo
individuo es igual a s mismo en diferentes etapas de su vida. Aqu los fenmenos son
fundamentalmente impredecibles en sus resultados, y las afirmaciones acerca de ellos
slo pueden hacerse en trminos de probabilidad o posibilidad. El modo de obtener
resultados cientficamente vlidos a partir de datos que son fundamentalmente
impredecibles es a travs de tcnicas estadsticas, tcnicas que son las nicas capaces de
tener en cuenta la variabilidad aludida, pues ella es consustancial con su metodologa.
5.2. La Informacin en las Ciencias de la Salud.
Hemos asistido a lo largo de los ltimos aos a una creciente cuantificacin de la
informacin disponible en las Ciencias de la Salud. As, el tipo de informacin
cualitativa clsicamente manejada en este campo (color de la piel, estado general de
nimo del individuo, aspecto de las heridas, etc...) ha quedado postergada a ocupar una
posicin menor frente a informaciones ms precisas de tipo numrico (glucosa,
bilirrubinemia, presin sangunea, etc...). La Estadstica efecta el tratamiento adecuado



11/12
de tales datos cuantitativos y cuantifica la informacin proporcionada por los
cualitativos, haciendo abandonar al profesional las clsicas posturas pragmticas y
ayudndole a profundizar y comprender el fundamento cientfico de su rea de trabajo.
5.3. La Investigacin en el campo de las Ciencias de la Salud.
En toda investigacin experimental podemos distinguir tres etapas:
1) Diseo.
2) Recopilacin de datos.
3) Anlisis de los resultados y obtencin de las conclusiones.
En las tres el papel de la Estadstica resulta fundamental. En la fase de diseo
porque ste debe hacerse de modo que las afirmaciones que se obtengan sean vlidas
para el conjunto de individuos de inters y no slo sobre una parte no prevista de ellos.
Adems, una misma experiencia puede disearse en diversos modos, y siempre hay uno
que, siendo menos costoso, origina una mxima eficacia. Ambos aspectos son
controlados por la Estadstica, pero esta es la fase que con menos frecuencia se acude a
ella.
La fase de recopilacin de datos requiere algn conocimiento acerca de las
precauciones al obtenerlos y el modo de presentarlos, pero el papel de la Estadstica es
menor.
La fase de anlisis de resultados no puede llevarse a cabo sin el mtodo estadstico,
que es el que realiza el anlisis y valida las conclusiones.
En la literatura cientfica en general suelen encontrarse expresiones tales como
segn nuestra experiencia, a nuestro juicio, en nuestra opinin, los datos parecen
mostrar que, etc. en base a las cuales, y apoyados en datos de tipo descriptivo, se
extraen conclusiones pretendidamente cientficas. El dao causado por tal tipo de
justificaciones ha sido apreciable. Se hubiese ahorrado mucho esfuerzo y trabajo si el
investigador hubiera sometido sus observaciones e hiptesis a pruebas estadsticas antes
de su publicacin. El reconocimiento de este hecho en los ltimos tiempos ha dad
impulso a las tcnicas estadsticas vinculadas estrechamente con las Ciencias de la
Salud.
Es clsico el estudio de Freimann (1978) sobre una muestra de artculos de una
revista cientfica de prestigio en el que detect un 50% de artculos con tratamiento
estadstico inexistente o inadecuado, y un 72% de artculos con un diseo incorrecto.
Los planteamientos o afirmaciones falsas que ocurrieron fueron patentes.
5.4. La Calidad en Ingeniera.
Los mtodos de control estadstico de la Calidad en Ingeniera tienen por objeto
determinar, sin tener que examinar cada uno de los materiales fabricados, si stos
verifican ciertas condiciones sin las cuales la produccin debe rechazarse.



12/12
5.5. La Estadstica en las Ciencias Fsicas.
En Fsica nos encontramos con variedad de aplicaciones de la Estadstica.
Experimentos relativos a desintegracin por radiactividad, como el mtodo del
Carbono 14.
En Telefona, el nmero de enlaces que se necesitan para que no se produzca
saturacin de las lneas a determinadas horas.
5.6. Aplicacin a los Seguros.
Por lo que hemos visto, la Estadstica nos puede servir para prevenir. La aplicacin
ms antigua es la de los seguros, en la que sobre la base de las tablas de mortalidad, se
puede predecir el nmero de accidentes de un cierto tipo de futuro, lo cual constituye la
base de los clculos actuariles.
5.7. Otras Aplicaciones.
En Economa, podemos aplicarla para encontrar la demanda futura de algn bien,
segn las necesidades pasadas y presentes.
En Lingstica puede comprobar si una Lengua proviene o no de otra. La fecha
aproximada de separacin de dos Lenguas determinadas. El anlisis de obras de dudosa
paternidad, etc.
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Teora de la Estadstica. Aut.: Mood/Graybill. Ed. Aguilar.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa. Ed. PPU



1/19
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 58
POBLACION Y MUESTRA. CONDICIONES DE REPRESENTATIVIDAD DE
UNA MUESTRA. TIPOS DE MUESTREO. TAMAO DE UNA MUESTRA.
1. Introduccin.
2. Tipos de Muestreo.
3. Estimacin.
3.1. Propiedades de un Buen Estimador.
3.1.1. Estimadores Centrados.
3.1.2. Consistencia.
3.1.3. Eficiencia.
3.1.4. Suficiencia.
3.2. Mtodos de Estimacin Puntual.
3.2.1. Estimacin por Mxima Verosimilitud.
3.2.2. Mtodo de los Momentos.
3.2.3. Mtodo de Mnimos Cuadrados.
3.3. Estimacin por Intervalos.
4. Estadsticos.
5. Errores de Muestreo.
6. Estimacin Puntual.
6.1. Nivel de Confianza.
6.2. Clculo del Tamao de una Muestra que corresponde a un Error.
6.3. Estimacin de la Varianza.
6.4. Tamao de la Muestra de la Varianza.
6.5. Estimacin de la Proporcin.
6.6. Tamao de una muestra de la Proporcin.
Bibliografa Recomendada.



2/19
TEMA 58
POBLACION Y MUESTRA. CONDICIONES DE REPRESENTATIVIDAD DE
UNA MUESTRA. TIPOS DE MUESTREO. TAMAO DE UNA MUESTRA.
1. INTRODUCCIN.
El objetivo de la Estadstica es hacer una inferencia con respecto a la poblacin
basndose en la informacin contenida en una muestra. Como las poblaciones se
describen mediante medias numricas denominadas parmetros, el objetivo de la
mayora de las investigaciones estadsticas es hacer una inferencia con respecto a uno o
ms parmetros de la poblacin. La generalidad de los procedimientos de la inferencia
estadstica involucran ya sea la estimacin o bien la prueba de hiptesis
2. TIPO DE MUESTREO.
Llamaremos muestra a la parte de la poblacin que utilizamos para conocer a toda la
poblacin, aunque sea de un modo aproximado.
Las muestras deben cumplir las siguientes condiciones:
a) Ser Representativa.
Esta condicin est asociada al tamao de la muestra n, ya que cuanto ms grande
sea n es evidente que ms informacin proporcionar, y por lo tanto, ms representativa.
A su vez, el tamao de la muestra tambin depende de la dispersin ya que, si la
poblacin esta muy dispersa, tendremos que coger una muestra de gran tamao, para no
perder mucha informacin.
b) Ser Aleatoria.
Todos los anlisis estadsticos se basan en que la muestra sea aleatoria, es decir, que
todos los elementos de la poblacin tienen la misma probabilidad de formar parte de la
muestra. En caso contrario, corremos el peligro de coger una subpoblacin, que es un
subconjunto de la poblacin que cumple una determinada condicin, con lo cual
perdemos el principio de representatividad.
En el caso de que se pierda la aleatoriedad y, por lo tanto la muestra no sea del todo
representativa, se dice que se han cometido errores de Sesgo.
Otro fallo a la hora de elegir una muestra es que una variable condicione a otra, ya
que las variables deben ser independientes y no condicionadas.
Ejemplo. Un ejemplo de una muestra representativa y aleatoria es coger cinco nmeros
con dos decimales utilizando la funcin de Randomize, donde la poblacin es de N=99
y la muestra es n=5.
061, 039, 030, 044, 012, 057



3/19
Para aumentar la representatividad sin necesidad de aumentar el tamao de la
muestra se recurre al muestreo o tcnicas de muestreo. En la prctica resuelven el
problema de la representatividad. Hay varios tipos de muestreo:
a) Muestreo Aleatorio Simple.
Se realiza en poblaciones en las que los datos son homogneos. Es decir, no existen
factores que produzcan variabilidad sistemtica. en este tipo de muestreo los elementos
de la poblacin homognea se eligen al azar.
b) Muestreo Aleatorio Estratificado.
Si en la poblacin existe variabilidad, este muestre consiste en descomponer la
poblacin en partes que se llaman estratos, de manera que dentro de cada estrato los
elementos sean homogneos, siendo diferentes los elementos de estratos distintos.
Posteriormente se realiza un muestreo aleatorio simple en cada estrato, obtenindose as
la muestra.
Criterios de Estratificacin.
Se deben coger como estratos aquellos factores que producen variabilidad de los
datos. Por ejemplo, en las alturas de los espaoles, los criterios de estratificacin son:
Edad: E
1
, E
2
, E
3
Sexo; H, M
Zona: Rural, Urbana
E
1
E
2
E
3
Rural Urbana Rural Urbana Rural Urbana
H
M
Los cuadros representan a los estratos. Si llamamos N
i
al tamao del estrato y n
i
al
tamao de la muestra del estrato, la proporcin que existe entre el tamao de la muestra
del estrato y el del estrato coincide con la proporcin que existe entre el tamao total de
la muestra y el de la poblacin.
N
n
N
n
i
i
=
c) Muestreo por conglomerados
Se aplica cuando la poblacin presenta heterogeneidad y se acta de la siguiente
manera:
Paso 1: Se descompone la poblacin en clases llamadas conglomerados, de forma
que dentro de cada conglomerado haya la mxima dispersin o heterogeneidad (es
decir, que haya de todo), de tal forma que los conglomerados se parezcan entre s.



4/19
Paso 2: Para elegir la muestra se realiza un muestreo aleatorio de conglomerados.
Cuando se elige un conglomerado, todos los elementos del mismo forman parte de la
muestra.
d) Muestreo Sistemtico.
Se realiza cuando los elementos se encuentran en una lista. Una vez que se elige un
nmero, el resto ya est condicionado. Para introducir la aleatoriedad, se dice por donde
se empiezan a coger los elementos.
Ejemplo. Si en una lista hay 100 nmeros y deseamos coger 25 de ellos,
elegiremos uno al azar entre los cuatro primeros y, a partir de ese momento, tomamos
los elementos cada cuatro.
e) Muestreos Polietpicos.
Los muestreos estratificados se realizan de la siguiente manera: se forman estratos y
despus se hace un muestreo (de los tipos anteriores), luego se hace otro, etc.
Adems, los tipos de muestreo pueden ser con reemplazamiento o sin
reemplazamiento.
Muestreo sin reemplazamiento. Una vez tomado un elemento no se devuelve a la
poblacin.
Muestreo con reemplazamiento. El elemento elegido s se devuelve a la
poblacin, pudiendo ser seleccionado de nuevo.
3. ESTIMACIN.
Iniciaremos el estudio estadstico de colectivos (poblacin) mediante la eleccin de
unos pocos (muestra), de los que inferiremos las caractersticas de toda la poblacin. La
Estadstica Inferencial tratar de obtener informacin acerca de los parmetros
poblacionales a partir de la muestra.
Los Estimadores son variables aleatorias utilizadas `para estimar parmetros de la
poblacin. Los estimadores que proporcionan un nico valor para el parmetro
poblacional se denominan Estimadores Puntuales, mientras que los que especifican un
intervalo de valores se denominan Estimadores por Intervalos.
Para llevar a cabo tales estimaciones es necesario que la muestra sea representativa
de la poblacin, para lo cual ha de ser aleatoria en su seleccin y poseer un adecuado
tamao.
3.1. Propiedades de un Buen Estimador.
Para que un estadstico sea considerado un buen estimador de un parmetro dado,
conviene que rena las siguientes propiedades:



5/19
Ser Insesgado (centrado)
Ser Consistente.
Ser Eficiente.
Ser Suficiente.
Sea un estadstico ( del que nos vamos a servir para estimar un parmetro (.
3.1.1. Estimadores Centrados.
Diremos que ! es un Estimador Centrado o Insesgado de ! si se verifica que
E(!)=!. Por el contrario, diremos que el estimador es Sesgado si E(!)=!+b(!), y se
denomina Sesgo del estimador a la cantidad b(!)=E(!) !.
3.1.2. Consistencia.
Un estadstico ! utilizado para estimar un parmetro ! es consistente si para n
tendiendo a infinito, se verifica que !"! en probabilidad, para lo cual es suficiente que
se cumplan las dos condiciones siguientes:
i) Que sea Asintticamente Centrado: E(!) " !
ii) Que la Varianza tienda a Cero: Var(!) " 0
3.1.3. Eficiencia.
Si para estimar un mismo parmetro ! tenemos dos estimadores asintticamente
centrados ! y !, decimos que ! es ms eficiente que ! si la varianza del primero es
menor que la del segundo. Esto es, si Var(!) # Var(!).
La Eficiencia Relativa de ! respecto de ! se define como el cociente entre ambas
varianzas:
) ' ' (
) ' (
) ' ' | ' (
!
!
! !
Var
Var
efr =
3.1.4. Suficiencia.
Un estimador ! del parmetro ! es Suficiente si contiene tanta informacin como la
contenida en la propia muestra. Dicho de otra forma: Diremos que un estadstico
T=T(X
1
,X
2
,...,X
n
) es Suficiente para ! si la distribucin de X
1
, X
2
, ..., X
n
dado T es
independiente del valor del parmetro.
3.2. Mtodos de Estimacin Puntual.
La Estimacin Puntual constituye el mtodo ms elemental de asignar los valores
obtenidos de la muestra (estadsticos) a toda la poblacin (parmetros). En los mtodos
de estimacin puntual se busca un estimador, con base en los datos muestrales, que
proporcione un nico valor del valor del parmetro. Estimar un parmetro ! no es ms
que dar una funcin de las observaciones que no dependa, por tanto, del parmetro
desconocido:



6/19
! = !(X
1
, X
2
, ..., X
n
)
as pues, para cada valor de la muestra asigna un valor al parmetro !. A esta funcin se
la denomina Estimador y a sus valores Estimaciones del Parmetro.
3.2.1. Estimacin por Mxima Verosimilitud.
Este mtodo selecciona como estimacin aquel valor del parmetro que tiene la
propiedad de maximizar el valor de la probabilidad de la muestra aleatoria observada.
En otras palabras, el mtodo de mxima verosimilitud consiste en encontrar el valor del
parmetro que maximiza el valor de la funcin de verosimilitud.
Si denotamos a la funcin de verosimilitud por L, es decir, la funcin de
probabilidad de la muestra (caso discreto) o la de densidad de probabilidad (caso
continuo), en ambos casos la funcin depende del parmetro desconocido (o
parmetros) !, con lo que tenemos:
$
=
=
n
i
i n
X f X X X L
1
2 1
) ; ( ) , , , ; ( ! ! K
para una muestra aleatoria simple X
1
, X
2
, ..., X
n
de una distribucin con funcin de
probabilidad o densidad de probabilidad f(x;!). La funcin L(!; x
1
, x
2
, ..., x
n
),
considerada como funcin del parmetro !, recibe el nombre de Funcin de
Verosimilitud de la Muestra. Si t=g(x
1
, x
2
, ..., x
n
) es el valor de ! para el cual el valor de
la funcin de verosimilitud es mxima, entonces T=g(X
1
, X
2
, ..., X
n
) es el estimador de
mxima verosimilitud de !. As pues, el estimador mximo verosmil debe satisfacer la
ecuacin:
L(!; X
1
, X
2
, ..., X
n
) = max L(!; X
1
, X
2
, ..., X
n
)
!%&
donde & es el Espacio Paramtrico (conjunto de posibles valores del parmetro !). El
mtodo de mxima verosimilitud tiene la propiedad de proporcionar estimadores que
son funciones de estadsticos suficientes si y slo si el estimador de mxima
verosimilitud es nico. Debido a la naturaleza de la funcin de verosimilitud resulta a
menudo mucho ms fcil de obtener el estimador mximo verosmil del logaritmo
neperiano de dicha funcin, Ln[L(!; X
1
, X
2
, ..., X
n
)], que de la propia funcin
L(!; X
1
, X
2
, ..., X
n
).
3.2.2. Mtodo de los Momentos.
Este mtodo es quizs el ms antiguo para la estimacin de parmetros. Consiste en
igualar un determinado nmero de momentos tericos de la distribucin de poblacin
con los correspondientes momentos muestrales para obtener una o varias ecuaciones
que, una vez resueltas, permiten estimar los parmetros desconocidos de la distribucin
poblacional.



7/19
3.2.3. Mtodo de Mnimos Cuadrados.
El mtodo de Mnimos Cuadrados, introducido por Legendre y Gauss, consiste en
buscar los valores de los parmetros que minimizan una cierta funcin cuadrtica de los
mismos (la suma de los cuadrados de los errores). Estos mtodos son interesantes
debido a sus propiedades asintticas, pues para muestras grandes:
Suelen dar estimadores asintticamente centrados, es decir, con un sesgo
despreciable.
Por lo general, son asintticamente normales, es decir, que su distribucin de
probabilidad es aproximadamente normal.
3.3. Estimacin Por Intervalos.
An el estimador centrado ms eficiente es improbable que estime con exactitud el
valor del parmetro de la poblacin. De aqu nace la necesidad de obtener un intervalo
dentro del cual se espera hallar el valor del parmetro, lo que nos lleva a la Estimacin
por Intervalos. Una estimacin por intervalos de un parmetro ! de la poblacin es un
intervalo de la forma
!
L
< ! < !
U
donde !
L
y !
U
dependen de las observaciones muestrales. Puesto que muestras
diferentes generalmente proporcionarn valores diferentes de !
L
y !
U
, estos puntos
extremos del intervalo son valores aleatorios y se buscan de modo que fijado ' entre 0 y
1 se verifique que P(!
L
< ! < !
U
)='
El Intervalo !
L
< ! < !
U
obtenido a partir de la muestra seleccionada recibe el
nombre de Intervalo de Confianza. El valor ' se denomina Coeficiente de Confianza.
Los valores !
L
y !
U
son respectivamente Lmite de confianza Inferior y Lmite de
Confianza Superior.
4. ESTADSTICOS.
Definimos como Estadstico cualquier funcin que dependa de los valores de la
muestra.
Distintos tipos de Estadsticos:
1) Media Muestral.
n
X X X
X
n
+ + +
=
K
2 1
Se diferencia de la media poblacional en que X es una funcin y es un
parmetro.



8/19
2) Varianza Muestral.
( )
n
X x
s
n
i
i (
=
)
=
1
2
2
Se diferencia de la varianza poblacional, ya que *
2
es un nmero.
3) Cuasivarianza Muestral.
( )
1
1
2
2
)
)
=
(
=
n
X x
S
n
i
i
4) Proporcin Muestral. Se define para valores cualitativos donde x=n de casos con
cualidad y n=tamao de la muestra. Se define por:
n
x
p =
5) Proporcin Poblacional. Se define por +
La media muestral puede tomar un conjunto de valores que dependen de las
variables X
1
, X
2
, ..., X
n
. Los valores que puede tomar un Estadstico t
1
, t
2
, ..., t
n
forman
la poblacin del estadstico. La distribucin de frecuencias o de probabilidad se llamar
Distribucin del Estadstico.
Ejemplo. Dada la poblacin {1,3,5,7} con =4 y *
2
=5, calcular la distribucin del
estadstico de X de tamao 2:
2
2 1
X X
X
+
=
Valores que puede tomar el Estadstico:
,
,
-
,
,
.
/
7 6 5 4
6 5 4 3
5 4 3 2
4 3 2 1
La media de las medias muestrales es:
4
16
7 6 2 5 3 4 4 3 3 2 2 1
=
+ + + + + +
=
X

que coincide con la media de la poblacin.

La varianza de las medias muestrales
2
5
2
=
X
" , que coincide con la varianza de la
poblacin dividida por n. Entonces:
n
X
2
2
"
" =



9/19
Por lo tanto, la distribucin del Estadstico de X se ajusta a una distribucin normal
de media y varianza
n
2
"
.As pues:
0
0
1
2
3
3
4
5
"
n
N X
2
,
"

TEOREMA. Teorema Central del Lmite.

Cuando la poblacin es Normal, la distribucin del estadstico es Normal, con media
y varianza
n
2
"
.
5. ERRORES DE MUESTREO.
Calculemos la varianza de la media muestral para establecer la precisin de las
estimaciones:
=
0
0
0
0
1
2
3
3
3
3
4
5
) =
0
0
0
0
1
2
3
3
3
3
4
5
) =
( (
= =
2
1
2
1 2
) ( ) ( X
n
x
E x E
n
x
E x
n
i
i
n
i
i
"
( ) ( ) ( )( )
0
0
1
2
3
3
4
5
) ) + ) = 0
1
2
3
4
5
) =
( ( (
6 = =
n
j i
j i
n
i
i
n
i
i
X x X x X x E
n
X x E
n
2
1 1
1
2
2
1
2
Ahora bien:
( ) ( )
2
1
2
1
2 1
S
N
N
n V n X x E X x E
n
i
i
n
i
i
)
= = ) = 0
1
2
3
4
5
)
( (
= =
( )( ) ( )( ) ( )
( )( ) ( )
(
(
( (
6
6
6 6
0
0
1
2
3
3
4
5
) )
= ) ) =
0
0
1
2
3
3
4
5
) )
n
j i
N
j i
j i
n
j i
j i
n
j i
j i
n
X X X X E
X x X x E X x X x E
2
Por otra parte:
( ) ( ) ( )( )
( ( (
= 6 =
) ) + ) = 0
1
2
3
4
5
) =
N
i
N
j i
j i i
N
i
i
X X X X X X X X
1
2
2
1
2 0



10/19
Luego:
( )( ) ( )
( ( ( (
6 6 = 6
)
) =
0
0
1
2
3
3
4
5
)
)
) = ) )
n
j i
n
j i
N
i
i
n
j i
j i
V
N
X X
N N
X x X x E
1
1
) 1 (
2
2
2
Sustituyendo tenemos:
= 0
1
2
3
4
5 )
)
)
)
)
=
0
0
1
2
3
3
4
5
)
0
0
1
2
3
3
4
5
)
)
=
2 2 2
2
2
1

1
1

1 1

1
1
2
2
1

1
) ( S
N
N
N
n
S
N
N
n
V
N
n
S
N
N
n
n
x "
n
V
N
n N
N
N V
Nn
n N
S
Nn
n N
N
n N
S
n

1 1

1
2 2
)
)
=
)
)
=
)
=
0
1
2
3
4
5
)
=
As pues:
,
-
,
.
/
)
)
)
=
V l poblaciona ianza la de funcin en
n
V
N
n N
S l poblaciona ianza cuasi la de funcin en S
Nn
n N
x
var
1
var
) (
2
2
"
PROP La cuasivarianza muestral es un estimador insesgado de la varianza poblacional.
Dem.
Probaremos que E(s
2
)=S
2
( )
1
1
2
2
)
)
=
(
=
n
x x
s
n
i
i
( ) ( ) 0
1
2
3
4
5
)
)
=
(
=
n
i
i
x x E
n
s E
1
2
2
1
1
Ahora bien:
( ) ( ) ( ) [ ] = ) ) ) = )
( (
= =
n
i
i
n
i
i
X x X x x x
1
2
1
2
( ) ( ) ( ) ( ) [ ]= ) + ) ) ) ) =
(
=
n
i
i i
X x X x X x X x
1
2 2
2
( ) ( ) ( ) ( ) =
7
8
9
:
;
<
) + ) ) ) ) =
( (
= =
n
i
n
i
i i
X x X x X x X x
1
2
1
2
2
( ) ( )( ) ( ) = ) + ) ) ) ) =
(
=
2
1
2
2 X x n X n x n X x X x
n
i
i
( ) ( ) ( )
(
=
) ) ) =
n
i
i
X x n X x
1
2 2



11/19
Entonces:
( ) ( ) [ ]= ) ) )
)
=
(
=
n
i
i
X x nE X x E
n
s E
1
2 2
2
1
1
) (
2

1
1

1
1

1

1
1
S N
N
n
V
n n
V
N
n N
n V n
n
=
)
)
)
=
7
8
9
:
;
<
)
)
)
)
A la raz cuadrada de la varianza de la media muestral se le llama error de muestreo,
y su valor es:
n
V
N
n N
X

1 )
)
= " o tambin
n
S
N
n N
X

)
= "
Llamaremos Factor de Correccin para Poblaciones Finitas a
N
n N )
.
Si la poblacin es infinita (N"=) se obtiene que el error de muestreo es el cociente
de la derivacin tpica poblacional y la raz cuadrada del tamao muestral n.
En el caso de una proporcin, al tratarse de una media, resulta que la proporcin
muestral es un estimador insesgado de la proporcin poblacional y
n
S
N
n N
P
2
2
) (
)
=
#
"
pero en este caso S
2
se puede simplificar ms
( )
( )
PQ
N
N
P P
N
N
X
N
x
N
N
N
X x
N
N
X x
N
S
N
i
i N
i
i
N
i
i
1
) (
1 1

1 1
1
2
2
1
2
1
2
1
2
2
)
= )
)
=
0
0
0
0
1
2
3
3
3
3
4
5
)
)
=
)
)
= )
)
=
(
( (
=
= =
(puesto que
( (
= =
=
N
i
i
N
i
i
x x
1 1
2
al tomar x
i
los valores 0 y 1, y Q=1 P) con lo que el error
de muestreo de la proporcin es
n
PQ
N
n N
n
PQ
N
N
N
n N
p

)
)
=
)
)
= "
6. ESTIMACIN PUNTUAL. TAMAO DE UNA MUESTRA.
Consiste en asignar valores a un parmetro de la poblacin a partir de los valores de
la muestra, donde la media tiene un valor determinado que es estimado, no calculado.



12/19
Para ello se usan los estimadores, que son los estadsticos que dan valores
aproximados del parmetro que se quiere estimar.
Estimador Parmetro
X
S
2
*
2
P
+
La media de la poblacin es aproximadamente la que obtenemos como media de
la muestra, y lo mismo ocurre con la varianza. Pero para saber como es de
aproximado debe conocerse el grado de aproximacin que viene dado por la llamada
Cota de Error e.
n
K e
"
=
La cota de error la utilizamos para estimar la media de la poblacin mediante el
estimador media muestral.
Debemos saber que la cota de error depende de la dispersin del estadstico.
Tenemos que el estadstico es:
( )
n
X X X con
n
N N , , , ,
2 1
2
K
0
0
1
2
3
3
4
5
"
"

Se pueden tomar los valores de X, pues todos tienen 0 o se ajustan a la misma

distribucin normal. En una muestra n-dimensional (X
1
, X
2
, , X
n
) se tiene que:
0
0
1
2
3
3
4
5
"
2
2
,
n n
N
n
X
i
"
donde
(
=
=
+ + +
=
n
i
i n
n
X
n
X X X
X
1
2 1
K
por lo tanto podemos ver que la suma de variables normales es tambin normal y son
idnticamente distribuidas e independientes. Se tiene que:
0
0
1
2
3
3
4
5
"
0
0
1
2
3
3
4
5
n
N
n
n
n
n N
2
2
2
, ,
"

"
Para saber cuanto vale la media de una poblacin se obtiene una muestra y se toma
la media de la misma como estimador.
El problema est en que la cota de error no es segura, ya que todava no sabemos el
valor que debe tomar K. Para ello debemos plantearnos que nivel de confianza
queremos en nuestra estimacin.



13/19
6.1. Nivel de Confianza.
Se mide en trminos probabilsticos, donde K se determina en funcin del nivel de
confianza:
( ) $ ) = < ) 1 e X P (1)
Para que esto suceda con una probabilidad elevada, se necesita conocer el nivel de
confianza, es decir, 1 > (donde para que el nivel de confianza sea alto debe ocurrir
que > sea muy pequeo).
El nivel de confianza se define como la probabilidad de que la diferencia entre el
estimador y el parmetro que se quiere estimar sea menor que la cota de error, o sea
(1).
El nivel de confianza suele establecerse entre 095 y 099, es decir
$
"
) = 0
1
2
3
4
5
< ) 1
n
K X P
Tipificando se tiene que:
( ) $ $
"

) = < ? ) =
0
0
0
0
1
2
3
3
3
3
4
5
<
)
1 1 K Z P K
n
X
P donde Z@N(0,1).
Por lo tanto tenemos que
2
$
Z K =
Y de aqu deducimos que el error es
n
Z e
"
$

2
=
Debemos saber que la cota de error depende de:
De la dispersin de la poblacin.
Del tamao de la muestra.
Del Nivel de Confianza.
Ejemplo. Notas de Bioqumica {8, 833, 8, 81, 7, 6, 89, 72, 78, 85}
975 ' 0
96 ' 1
95 ' 0 1
78 ' 7
2
2
1
2
=
=
? = )
=
=
)
$
$
$
"
Z
Z
tomar Podemos
X
24 ' 1
10
2
96 ' 1
2
= = = ?
n
Z e
"
$
y obtenemos que 24 ' 1 78 ' 7 =



14/19
6.2. Clculo del Tamao de una Muestra que Corresponde a un Error.
Si definimos e como el error mximo admisible, y partimos de la frmula del
error
n
Z e
"
$

2
= se tiene que:
n
Z e
"
$

2
= ? "
$

2
Z e n = ?
e
Z
n
"
$

2
= ?
2
2 2
2

e
Z
n
"
$
=
Esta frmula la aplicaremos porque conocemos
2
$
Z y porque e lo damos
nosotros.
Sin embargo, esta frmula slo nos sirve para muestreos sobre poblaciones infinitas
o finitas con reemplazamiento.
Por lo tanto, para poblaciones finitas utilizaremos esta otra frmula:
n N
n N
Z e
N
"
$

2 )
)
=
Esta frmula del error para poblaciones finitas aparece a partir de la de poblaciones
infinitas, pero aadindole un trmino llamado Factor de Correccin, que es
1 )
)
N
n N
,
siendo N el tamao de la poblacin y n es el tamao de la muestra. Adems, podemos
decir que este factor de correccin disminuye el error, ya que
1 )
)
N
n N
<1, por razones
obvias.
En el caso, ahora, de que queramos calcular el tamao de una muestra para
poblaciones finitas, utilizaremos la frmula:
N
n
n
n
N
1
1
)
+
=
=
=
Por lo tanto, recapitulando tenemos que:
Error Tamao de la Muestra
Poblacin Infinita
n
Z e
"
$

2
=
2
2 2
2

e
Z
n
"
$
=
Poblacin Finita
n N
n N
Z e
N
"
$

2 )
)
=
N
n
n
n
N
1
1
)
+
=
=
=



15/19
6.3. Estimacin de la Varianza.
Tambin se puede estimar la varianza mediante la cuasivarianza
( )
(
=
)
)
=
n
i
i
X x
n
S
1
2
2
1
1
pero como
2
$
Z procede de una distribucin normal y la cuasivarianza no, tenemos que
establecer una nueva frmula del error, que es:
n
S
t e
n

1 , ) =
=
$
Como vemos, aparece un trmino nuevo que es la distribucin continua t-Student,
que depende del nivel de confianza > que queramos para la cota del error y de los
grados de libertad n-1, donde n es el tamao de la muestra.
Anlogamente a lo hecho antes, podemos establecer una frmula para la cota del
error pero en poblaciones finitas, que dependen de la cuasivarianza:
1

1 ,
)
)
=
)
N
n N
n
S
t E
n N $
OBS Vamos a establecer una relacin entre la varianza y la cuasivarianza, de manera
que podamos conocer la cota de error, conocida una o conocida la otra.
( )
( )
( )
( )
1 1

) 1 (
1
2 2
2
1
2
1
2
2
2
1
2
1
2
2
)
= ?
)
= ?
,
,
,
A
,
,
,
B
C
= ) ?
)
=
) = ) ?
)
)
=
(
(
(
(
=
=
=
=
n
s
n
S
n
s
n
S
n S X x
n
X x
s
n S X x
n
X x
S
n
i
i
n
i
i
n
i
i
n
i
i
o lo que es lo mismo s n S n 1 = )
Por lo tanto se tiene que:
Error
Poblacin Infinita
n
S
t e
n

1 , ) =
=
$

1

1 ,
)
=
) =
n
S
t e
n $
Poblacin Finita
1

1 ,
)
)
=
)
N
n N
n
S
t E
n N $

1

1 ,
)
)
)
=
)
N
n N
n
S
t E
n N $
Ejemplo. Se quiere medir la efectividad de un somnfero. Para ello se aplica a 17
personas que duermen una media de 82 h. Con una desviacin de 025 h. Estimar la
efectividad del somnfero con una confianza del 95%.



16/19
Resolucin.
Como la conclusin que queremos sacar es general, supondremos una poblacin
infinita.
,
,
A
,
,
B
C
= )
=
=
=
95 ' 0 1
25 ' 0
2 ' 8
17
$
s
X
n
La efectividad del somnfero es el estimador X . Tenemos que calcular el error, ya
que X =82 horas.
1

1 ,
)
=
) =
n
S
t e
n $
como >=005 y n-1=16 entonces t
005,16
=212
Entonces 13 ' 0
16
25 ' 0
12 ' 2 = =
=
e horas.
Luego = X e
=
=82013 horas ? %(807,833)
6.4. Tamao de la Muestra de la Varianza.
Existe ahora un problema, porque para conocer el tamao de la muestra necesitamos
ms datos, ya que hasta ahora hemos partido de la muestra ya extrada.
Para ver el tamao de la muestra, hemos de tener en cuenta la Paradoja de
Friedman que dice que cuando no conocemos la varianza y queremos saber el tamao
de la muestra, debemos usar una de estas tres opciones:
1) La varianza de un estudio similar.
2) La varianza de una muestra piloto.
3) Una muestra lo ms grande posible.
Ejemplo. Queremos estimar la efectividad de un frmaco con un error de 1 minuto
(mximo). Cuntos pacientes tendran que recibir el frmaco?
2
2 2
2
,
2

96 ' 1
05 ' 0
95 ' 0 1
60
1
e
Z
n
t Z
e
"
$
$
$
$ $
= ?
,
,
,
A
,
,
,
B
C
= =
=
= )
=
=
=



17/19
La expresin anterior no podemos resolverla ya que nos falta la varianza y al no
tener una muestra similar, podemos calcularla a partir de la muestra del ejemplo
anterior, aunque la varianza de la muestra piloto no es la varianza que buscamos, pero
se aproxima.
865 36 ' 864
60
1
) 25 ' 0 ( 96 ' 1
2
2 2
D =
0
1
2
3
4
5
=
=
n
Para no perder precisin aproximamos por arriba.
Cuando queremos reducir el error a la mitad necesitamos aumentar el tamao de la
muestra cuatro veces.
e
n
Z
n
Z
n
Z e
2
1

2
1
2

4
'
2 2 2
= = = =
" " "
$ $ $
Para poblaciones pequeas, si sta se duplica, el tamao de la muestra tambin se
duplica. Si sta vuelve a duplicarse, da un resultado mayor, pero llega un momento en el
que por mucho que aumente la poblacin, su tamao no influye en el de la muestra.
=
=
=
=
= "
=
+
=
)
+
n
n
N
n
n
Lim
N
0 1
1
1
6.5. Estimacin de la Proporcin.
Si definimos + como la proporcin poblacional y definimos p como la proporcin
muestral, la cual se ajusta a una distribucin
0
1
2
3
4
5 )
+
n
p p
N
) 1 (
, donde n es el tamao
muestral, se tiene que las cotas de error para poblaciones finitas e infinitas son:
n
p p
Z e
) 1 (

2
)
=
= $
Cota de error para poblaciones infinitas.
Y aadindole el factor de correccin:
1

) 1 (

2 )
) )
=
N
n N
n
p p
Z E
N $
Cuando queramos estimar el Intervalo de Confianza de la Proporcin Poblacional,
ste nos vendr dado por la proporcin muestral y por la cota de error. Es decir:
* *
e p D +
donde p
*
=p*100 y e
*
=e*100, que se dan en tanto por ciento.



18/19
6.6. Tamao de una Muestra de la Proporcin.
Para una poblacin infinita se tiene que, despejando n de la frmula de la cota de
error:
2
2
2
) 1 (
e
p p Z
n
)
=
=
$
Pero esta frmula no nos sirve, pues no tiene sentido que si queremos hallar el
tamao de la muestra, estemos utilizando la proporcin muestral. Por tanto, para poder
solucionar este problema, sustituimos en la frmula la proporcin muestral por la
proporcin poblacional.
2
2
2
) 1 (
e
Z
n
+ ) +
=
=
$
El problema se plantea cuando tampoco conocemos +. Entonces la pregunta sera
Cmo estudiar + sin conocerlo? La solucin a este problema consiste en elegir una de
las siguientes opciones:
1) Tomar + de un estudio similar.
2) Tomar + de una muestra piloto.
3) Darle a + el valor que haga mximo a n. Es decir, nos planteamos el caso ms
desfavorable de modo que as no podamos errar, y dicho valor es +=05.
El tamao de una muestra para poblaciones finitas se obtiene mediante la siguiente
frmula:
N
n
n
n
N
1
1
)
+
=
=
=
OBS. Podramos establecer la relacin
h
e
+
= donde h es el ndice de proporcin de
error. Es decir, si h=2 es porque se quiere un error que sea la mitad de la proporcin
poblacional. Entonces, utilizando esta relacin se tiene que:
0
1
2
3
4
5
)
+
= ?
+
+ ) +
=
= =
1
1

) 1 (
2 2
2
2
2
2
2
h Z n
h
Z
n
$
$
Ejemplo. Qu tamao de muestra se necesitara para estimar el porcentaje de
fumadores de la Regin de Murcia, sabiendo que en un estudio anterior se conoci que
fumaban el 30%, y que podemos permitirnos un error mximo del 5%?
Sabemos que:
96 ' 1 95 ' 0 1
2
= ? = )
$
$ Z
e = 5% ? e = 005
+ D 30% ? + D 03



19/19
( )
323 7 ' 322
05 ' 0
7 ' 0 3 ' 0 96 ' 1
) 1 (
2
2
2
2
2
D = =
+ ) +
=
=
e
Z
n
$
Ejemplo. Si quisiramos hacer un estudio para saber a cuntos de los 14 que estamos
en este aula habra que entrevistar para calcular el porcentaje de fumadores bajo las
condiciones del ejemplo anterior, se tiene que:
14 458 ' 13
14
1 323
1
323
1
1
D =
)
+
=
)
+
=
=
=
N
n
n
n
N
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Teora de la Estadstica. Aut.: Mood/Graybill. Ed. Aguilar.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa. Ed. PPU



1/17
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 59
TCNICAS DE OBTENCIN Y REPRESENTACIN DE DATOS. TABLAS Y
GRFICAS ESTADSTICAS. TENDENCIOSIDAD Y ERRORES MS COMUNES.
1. Preparacin y Realizacin de una Encuesta.
1.1. Determinacin del Objeto de una Encuesta.
1.2. Clasificacin, Nomenclatura y Cdigos.
1.3. Definicin del conjunto a estudiar y Mtodos generales de encuestacin.
1.4. El Cuestionario.
1.5. Distribucin de los cuestionarios.
1.6. Manejo de los cuestionarios contestados.
1.6.1. Comprobacin de los Cuestionarios.
1.6.2. Mtodo de Elaboracin.
1.6.3. Control de los Resultados.
1.7. Divulgacin de los Resultados.
2. Tablas y Grficas Estadsticas. Tendenciosidad y Errores ms Comunes.
2.1. Variable Estadstica.
2.1.1. Variable Discreta y Variable Continua.
2.2. Distribuciones de Frecuencias.
2.2.1. Frecuencia Absoluta y Relativa.
2.2.2. Frecuencias Acumuladas.
2.2.3. Distribucin de Frecuencias de una sla Variable.
2.2.4. Recorrido, Intervalos y Marcas de Clase.
2.3. Representaciones Grficas.
2.3.1. Representacin de Caracteres Cualitativos.
2.3.2. Representacin de Caracteres Cuantitativos.
Bibliografa Recomendada.



2/17
TEMA 59
TCNICAS DE OBTENCIN Y REPRESENTACIN DE DATOS. TABLAS Y
GRFICAS ESTADSTICAS. TENDENCIOSIDAD Y ERRORES MS COMUNES.
1. PREPARACIN Y REALIZACIN DE UNA ENCUESTA.
1.1. Determinacin del Objeto de la Encuesta.
Para realizar un estudio estadstico, el primer paso consiste en definir el objeto de tal
estudio. Para ello tendremos que hacer un inventario lo ms completo posible de las
necesidades que dicho estudio deber satisfacer, precisando que resultados pretendemos
alcanzar, abandonando lo superfluo y reteniendo lo esencial.
Los modelos de tablas que nos van a servir para presentar los resultados del estudio
estadstico deben hacerse en el momento de establecer los objetivos del estudio, ya que
el modo de formular las encuestas depende de la presentacin de los resultados.
Por ltimo, es conveniente revisar los modelos de tablas establecidos una vez
obtenidos los resultados por si fuera conveniente eliminar o ampliar dichas tablas
debido al tipo de contestaciones obtenidas.
1.2. Clasificaciones, Nomenclaturas y Cdigos.
Realizada la encuesta y recogidos los cuestionarios, se plantea el problema de
clasificar las unidades estadsticas segn los distintas modalidades establecidas. Dentro
de las clasificaciones podemos distinguir dos grandes grupos: Clasificaciones
Cualitativas y Clasificaciones Cuantitativas.
a) Clasificaciones Cualitativas.
Estas clasificaciones reparten las unidades observadas segn los distintas
modalidades, no siendo stas medibles. Tenemos como ejemplos el sexo, el estado civil,
la profesin, etc.
En estos casos, se establece previamente una lista de las modalidades que se
distinguen de cada caracterstica, recibiendo dicha lista el nombre de Nomenclatura.
Debido a los adelantos tecnolgicos, se ha conseguido una gran rapidez en la
clasificacin y recuento de los datos estadsticos. Aun as, para poder beneficiarnos de
dichos adelantos es necesario una traduccin de los cuestionarios estadsticos a fichas
perforadas mediante una identificacin numrica de las caractersticas presentadas por
una unidad estadstica.
Llamamos Cdigo a una nomenclatura en la que cada rbrica est afectada de un
nmero de referencia.
Una buena nomenclatura debe presentar las siguientes cualidades:



3/17
Ser Completa. No significa que sea complicada sino que su utilizacin ser tanto
ms cmoda cuanto ms sencilla sea.
Precisa y Clara. Para que toda unidad estadstica pueda ser clasificada sin
ninguna duda.
Adaptarse a las necesidades lo ms generales posibles.
b) Clasificaciones Cuantitativas.
Diremos que una clasificacin es cuantitativa cuando las unidades observadas se
pueden clasificar segn las modalidades de una caracterstica que son expresables
numricamente. As, podemos considerar la edad, el peso, la estatura, etc.
Dentro de las clasificaciones cuantitativas debemos distinguir entre las
caractersticas cuantitativas que slo toman valores enteros y las que pueden tomar
cualquier valor en un intervalo dado. En este segundo caso debemos elegir los lmites de
estos intervalos de tal forma que no exista duda al clasificar una unidad estadstica entre
dos intervalos consecutivos. Por ello, es suficiente que cubran el intervalo total con
continuidad y sin superposiciones, pudiendo tener todos los intervalos la misma
longitud o diferente. Si el nmero de unidades estadsticas es pequeo, interesa tomar
intervalos amplios, mientras que si en nmero de unidades estadsticas es muy grande,
tomaremos intervalos de poca amplitud.
1.3. Delimitacin del Conjunto a Estudiar y Mtodos Generales de Encuestacin.
Cuando se plantea la realizacin de una encuesta, el universo que ha de someterse a
observacin viene definido en la gran mayora de los casos y no ofrece problemas su
determinacin. Esta delimitacin comprende tres fases:
a) Definicin de la Unidad Estadstica.
La unidad estadstica, elemento ms simple en la poblacin o universo, toma
distintas caractersticas segn el tipo de encuesta. As, por ejemplo, en un censo
demogrfico, la unidad estadstica es una persona, otras veces podr ser un objeto, como
un coche, etc. En cualquier caso, deben darse todas las propiedades necesarias que
permitan reconocerla con facilidad y evitar posibles equivocaciones, debiendo ser
precisa y clara y expresada en trminos de fcil comprensin por todos.
b) Delimitacin Geogrfica.
En la segunda fase debemos fijar los lmites geogrficos de la colectividad a la que
se circunscribe la unidad estadstica.
c) Delimitacin temporal.
Las encuestas estadsticas se registran en el tiempo y en el espacio. Destaquemos
dos aspectos importantes en relacin al tiempo.
1) Estadsticas de Estado.



4/17
Su objeto es comparar el estado de una poblacin en un momento determinado y
se realiza mediante el censo en un da fijado previamente.
2) Estadsticas de Movimiento.
Son el resultado de la observacin de los movimientos que afectan a una
colectividad durante un periodo de tiempo. Por ejemplo, la estadstica de
nacimientos por mensualidades, las de mortalidad por aos, las de migraciones, etc.
Una vez vistas estas tres fases, veamos las caractersticas que debe verificar una
encuesta.
a) Encuestas Exhaustivas y Parciales.
Una encuesta es exhaustiva cuando abarca a todas las unidades estadsticas que
componen el colectivo, universo, poblacin o conjunto estudiado. El principal problema
que surge es el encontrar el procedimiento adecuado para que no se omita ninguna
unidad estadstica, para lo cual se debe poseer una lista de todas las unidades
estadsticas del colectivo.
Una encuesta se denomina parcial cuando no es exhaustiva. En general, las
encuestas parciales se realizan tomando una muestra representativa de la poblacin, de
tal modo que podamos hacer extensivos los resultados obtenidos a la colectividad
entera.
b) Encuestas Directas e Indirectas.
Una encuesta es directa cuando la unidad estadstica se toma y observa por el
estudio estadstico propuesto, registrndose en el llamado cuestionario estadstico. En
cambio, una encuesta es indirecta cuando los documentos que se estudian corresponden
a otra investigacin anterior y con fines diferentes de la actual.
c) Encuestas sobre Hechos y Encuestas de Opinin.
Las encuestas de opinin tienen como misin averiguar lo que el pblico piensa de
una determinada materia y lo que considera que debe hacerse en una circunstancia
concreta. Por ejemplo, para estudios de mercado, temas polticos.
Por lo general, las encuestas de opinin utilizan el procedimiento de muestreo, ya
que el realizarla exhaustiva rozara lmites de trabajo y gastos prohibitivos.
Cabe hacer una serie de observaciones a las encuestas de opinin:
1) No indica necesariamente lo que el pblico piensa del tema, sino lo que
pensara si le plantesemos una pregunta a ese respecto, que son trminos
distintos.
2) A veces, las personas tienen ms de una respuesta a una pregunta
determinada segn el marco en que se le presente la pregunta.
3) Las respuestas no tienen por qu ser sinceras.



5/17
1.4. El Cuestionario.
El documento donde se anotan las caractersticas observadas para cada unidad
estadstica del colectivo estudiado recibe el nombre de cuestionario.
El cuestionario suele presentarse de dos formas diferentes:
a) Cuestionario Individual.
A cada una de las unidades estadsticas se destina un cuadernillo donde se enumeran
las preguntas presentadas, previendo un espacio para cada contestacin. El cuestionario
puede enviarse por correo o ser entregado en mano a los interesados.
b) Cuestionario Lista.
El cuestionario se presenta bajo la forma de una tabla reservando una columna a
cada una de las preguntas formuladas y una fila a cada una de las unidades estadsticas
censada. Es adecuado para encuestas realizadas por agentes entrevistadores.
El resultado de una encuesta depende en gran medida de la presentacin del
cuestionario estadstico. Por tanto, debe verificar dos condiciones:
1) Favorecer la recogida de la informacin necesaria.
2) Facilitar la explotacin posterior de los resultados.
Previo a la reduccin de las preguntas, se debern efectuar una serie de operaciones
entre las que destacamos:
1) Estudiar a fondo el problema a resolver.
2) Consultar a los usuarios de los resultados.
3) Necesidad de conocimientos tecnolgicos relacionados con el tema de la
encuesta.
4) Realizar una o varias preguntas para clarificar la informacin.
5) Sondeos previos para evitar errneas interpretaciones.
Las cualidades fundamentales de un buen cuestionario son:
1) Comodidad para las personas encuestadas.
2) Precisin de las preguntas formuladas.
3) Dejar poca iniciativa a los encuestados.
4) Claridad.
5) Incluir slo lo esencial.
1.5. Distribucin de los cuestionarios.
Otro factor que hemos de tener en cuenta en la realizacin de una encuesta es la
fecha de su aplicacin. Conviene no realizarla en periodo de vacaciones. Si se realiza



6/17
mediante agentes encuestadores, conviene hacerlo de forma tal que el plazo de tiempo
sea mnimo, para no aumentar en exceso los costes de la operacin.
La distribucin de la encuesta puede realizarse de las siguientes formas:
a) Envo postal del cuestionario.
Es el procedimiento ms simple, cmodo y, en la mayora de los casos, ms
econmico. Sin embargo, presupone conocer el nombre y la direccin de todos los
encuestados. Adems, tiene una serie de ventajas, entre las que destacamos:
1) Eliminacin de los errores sistemticos debidos a la intervencin del
encuestador.
2) Permite una respuesta annima ms sincera.
3) Permite utilizar una muestra muy dispersa.
Presenta, no obstante, una serie de inconvenientes:
1) No hay control en las respuestas, pudiendo responder otra persona distinta de
la elegida.
2) Pueden quedar preguntas sin contestar.
3) Escaso rendimiento obtenido debido a las equivocaciones en las direcciones
postales, dejadez de los encuestados para responder a todas las preguntas y
olvido de la devolucin del cuestionario.
b) Envo de los cuestionarios mediante un repartidor.
Su misin consiste en entregar el cuestionario a la persona encuestada, la cual lo
cumplimentar, encargndose de recogerlo comprobando las contestaciones.
c) Interrogatorio directo por un encuestador.
Consiste en formular las preguntas del cuestionario personalmente al encuestado,
anotando sus respuestas por escrito. Se utiliza en las encuestas por muestreo, no dejando
el cuestionario en manos del encuestado, salvo que el rgimen de la encuesta as lo
exija.
1.6. Manejo de los Cuestionarios Contestados.
1.6.1. Comprobacin de los cuestionarios.
La comprobacin de los cuestionarios consiste en examinarlos detenidamente para
descubrir todos los errores u omisiones que puedan tener y tratar de corregirlos.
Son innumerables los errores que aparecen al comprobar el resultado de una
encuesta, pudiendo abarcar desde defectos del propio cuestionario hasta torpezas
cometidas por el encuestador.



7/17
En la comprobacin podemos distinguir dos operaciones distintas encaminadas a
subsanar, en la medida de lo posible, los errores cometidos.
La primera comprende todas las operaciones de control, revisado de las cifras mal
escritas, la exactitud de las operaciones hechas, etc.
La segunda comprende un examen de todos los cuestionarios a fondo, permitiendo
contestar a alguna pregunta que hubiera quedado en blanco, y a descubrir
contradicciones e incompatibilidades que puedan existir.
1.6.2. Mtodo de Elaboracin.
La elaboracin de los cuestionarios consiste en un conjunto de operaciones
sucesivas que van desde la comprobacin de los cuestionarios hasta la obtencin de las
tablas numricas que presentan los resultados de la encuesta. Los distintos mtodos de
elaboracin conducen, tras un nmero de operaciones variable segn el procedimiento,
a clasificar las unidades estadsticas por modalidades, a su recuento y a su
contabilizacin para cada caracterstica determinada.
1.6.3. Control de los Resultados.
En ltimo lugar, confeccionamos las tablas numricas simples o de doble entrada,
para presentar los resultados de la encuesta. Estas tablas no pueden publicarse tal y
como salen de las mquinas. Conviene realizar una revisin previa de los resultados a
fin de detectar errores en los que haya incurrido, bien el material humano o bien el
mecnico y electrnico.
Este control debe hacerse en tres aspectos:
a) Control contable, comprobando las operaciones aritmticas.
b) Control de concordancia, comprobando las tablas que se refieren a resultados de
una misma naturaleza.
c) Control de verosimilitud, sometiendo los resultados a un estudio crtico
comparativo si se disponen de datos suministrados por los estudios anteriores.
1.7. Divulgacin de los Resultados.
Una vez obtenidos los resultados de la encuesta conviene hacerlos pblicos de la
forma que mejor se estime.
En revistas especializadas, en peridicos, comunicacin del resultado de la encuesta
a los encuestados y al pblico interesado en ella.



8/17
2. TABLAS Y GRFICAS ESTADSTICAS. TENDENCIOSIDAD Y ERRORES
MS COMUNES.
2.1. Variable Estadstica.
El investigador social intenta captar, de la amplia realidad que le rodea, una serie de
fenmenos. Dichos fenmenos pueden dar lugar a observaciones de tipo cuantitativo o
cualitativo.
Los fenmenos de naturaleza cuantitativa son aquellos cuyas observaciones vienen
expresadas en forma cuantitativa: una concrecin del fenmeno estatura de un individuo
es, por ejemplo, 174 metros.
Los fenmenos de naturaleza cualitativa son, por tanto, aquellos cuyas
observaciones no tienen carcter numrico. As, la concrecin de los fenmenos estado
civil, sexo o profesin constituyen ejemplos puntuales de dichos fenmenos.
En definitiva, en estos momentos tenemos al investigador con una informacin que
ha obtenido de la realidad, y que intenta analizar. Para ello, o bien tendr que crear un
nuevo lenguaje, o bien necesitar utilizar un modelo con un lenguaje ya conocido. El
investigador social opta por aplicar un modelo matemtico.
As, en el modelo matemtico existe el concepto de variable y el concepto de dato.
Para emplear el modelo matemtico hacemos corresponder la idea de fenmeno al
concepto de variable, y la concrecin del fenmeno, al concepto de dato. Cuando el
fenmeno es de naturaleza cualitativa, la idea de atributo sustituye a la de variable.
Al observar las diferentes variables o atributos se obtiene un conjunto, numrico o
no, denominado conjunto de datos. El dato estadstico puede ser unidimensional si
corresponde a una sola variable (o atributo) o multidimensional si corresponde a varias
variables (o atributos).
Llamaremos Valores a los resultados obtenidos al medir u observar variables y
Modalidades a los resultados correspondientes a atributos.
2.1.1. Variable Discreta y Variable continua.
Dentro de las variables existen dos tipos, que son las discretas y las continuas.
Llamaremos Variable Discreta a aquella que entre dos valores prximos puede
tomar a lo sumo un nmero finito de valores.
Llamaremos Variable Continua a aquella que puede tomar los infinitos valores de un
intervalo.
La distincin realizada es ms bien terica que prctica, pues la limitacin de los
aparatos de medida hace que todas las variables se comporten como discretas cuando
son observadas.



9/17
Por otra parte, y haciendo extensiva la nocin de variable estadstica continua, una
magnitud que pueda tomar un gran nmero de valores muy prximos (aunque stos sean
aislados) la consideraremos variable continua. As, como ejemplos tenemos el sueldo de
un trabajador, los gastos de una sociedad, etc.
Aun teniendo en cuenta lo anterior, no debemos olvidar la naturaleza discreta o
continua de la variable, ya que en los modelos tericos de la Estadstica, dicha
distincin tiene gran importancia.
Dado que la variable es un smbolo matemtico que representa a un conjunto de
valores, estableceremos que si ese conjunto toma un nmero infinito de valores, la
variable se representar por el smbolo X, Y, Z, ... En cambio, si toma un conjunto finito
ser X
1
, Y
1
, Z
1
, ...
2.2. Distribuciones de Frecuencias.
2.2.1. Frecuencia Absoluta y Relativa.
Consideremos la tabla siguiente para la descripcin de las mismas, donde se recoge
el recuento de 1000 alumnos en funcin de la carrera de ciencias que cursan.
Carreras F. Absolutas F. Relativas F. Abs. Acum. F. Rel. Acum
Matemticas 150 0.15 150 0.15
Fsicas 400 0.40 550 0.55
Geolgicas 250 0.25 800 0.80
Informtica 200 0.20 1000 1
TOTAL 1000 1
Frecuencia Absoluta. Es el nmero de veces que se repite cada valor o dato de la
variable. En general, se representan por n
i
. En nuestro ejemplo, n
3
=250, o lo que es lo
mismo, el valor X
3
se repite 250 veces.
Frecuencia Relativa. Es igual a la frecuencia absoluta dividida por el nmero total
de datos. Se representa por f
i
. Si N es el nmero total de datos, tenemos que
N
n
f
i
i
=
2.2.2. Frecuencias Acumuladas.
Frecuencia Absoluta Acumulada. Nos indica el nmero de datos que hay igual al
considerado e inferiores a l. Su smbolo es N
i
.
Frecuencia Relativa Acumulada. Es el resultado de dividir cada frecuencia
acumulada por el nmero total de datos. Se designa por F
i
.
Es evidente que se verifica:
1) La suma de todas las frecuencias relativas es igual a la unidad.



10/17
2) La ltima frecuencia relativa acumulada es la unidad.
2.2.3. Distribucin de Frecuencias de una sola Variable.
Llamaremos Distribucin de Frecuencias al conjunto de valores que ha tomado una
variable con sus frecuencias correspondientes. Para que quede determinada una
distribucin de frecuencias debemos conocer las diferentes x
i
y cualquiera de las
columnas de frecuencias, ya que el paso de una a otra es inmediato. Como
normalmente, la primera columna que obtenemos es la de las n
i
, representaremos una
distribucin de frecuencias como los diferentes valores que en cada caso toma el par
(x
i
; n
i
).
Para que dos distribuciones de frecuencias sean iguales han de ser iguales los
diferentes x
i
y sus frecuencias relativas f
i
.
2.2.4. Recorrido, Intervalos y Marcas de Clase.
Vamos a distinguir, por otra parte, dos tipos fundamentales de distribuciones de
frecuencias: las no agrupadas en intervalos y las agrupadas en intervalos.
Una vez recogida y tabulada la informacin, esta se dispone asociando a cada valor
su frecuencia. En este caso, tendremos una distribucin No Agrupada en intervalos. Si
las frecuencias son todas iguales a 1, la distribucin se denomina de Frecuencias
Unitarias.
Pero si el nmero de valores distintos que ha tomado la variable es suficientemente
grande, parece aconsejable, para mayor comodidad en el tratamiento de la informacin,
agrupar estos valores en Clases o Intervalos, teniendo en cuenta que lo que ganamos en
manejabilidad lo perdemos en informacin.
En la agrupacin hay tres aspectos que debemos tener en cuenta:
1) El mximo de informacin lo alcanzamos al recogerla, disminuyendo al realizar
la operacin de agrupacin por intervalos.
2) Las distribuciones agrupadas en intervalos no se presentan realmente as, sino
que es el investigador el que las agrupa, para manejar los datos ms fcilmente.
3) Al agrupar hay que tener en cuenta las frecuencias.
En general, representaremos una distribucin de frecuencias agrupada en intervalos
por el par (L
i-1
-L
i
; n
i
), donde L
i
es el extremo superior del intervalo y L
i-1
su extremo
inferior.
Para agrupar los datos en intervalos o clases, debemos comenzar determinando el
Recorrido o Rango de la variable, que se define como la diferencia entre el mayor y el
menor valor de la variable. Es decir,
i
i
i
i
x Min x Max ! = Re
Este recorrido se divide despus en intervalos.



11/17
Denominamos amplitud del intervalo a la diferencia entre los extremos superior e
inferior del mismo
C
i
= L
i
L
i-1
Los intervalos pueden ser de amplitud (o longitud) constante o variable. Si la amplitud
es constante se verifica que:
Re = N de Intervalos x c
i
Esta relacin nos permite deducir el nmero de intervalos si fijamos la amplitud, o
sta si fijamos el nmero de intervalos.
En la determinacin del nmero de intervalos no existen reglas fijas (suelen oscilar
entre 5 y 15), hasta el punto de que a veces se hacen varios ensayos. Un intervalo queda
especificado por sus extremos.
Aparece un problema cuando un valor de la variable coincide exactamente con un
extremo del intervalo, con lo que hay dudas de su inclusin en el intervalo o no. Por
esto se establece, como regla general, que los intervalos son abiertos por la izquierda y
cerrados por la derecha, menos el primero, que ser cerrado.
Por ltimo, cabe sealar que, como representante de cada intervalo o clase, elegimos
su punto medio, el cual recibe el nombre de Marca de Clase, denotndose por x
i
2
1 i i
i
L L
x
+
!
2.3. Representaciones Grficas.
Aunque el par de columnas (x
i
; n
i
) encierra toda la informacin disponible, parece
til traducirla en grficos, de modo que la referencia visual sirva de punto de partida
para el anlisis estadstico.
Ya habamos comentado que las distribuciones de frecuencias pueden ser de datos
sin agrupar y de datos agrupados. stas ltimas presentan la particularidad de que los
valores de la variable no aparecen individualmente, sino agrupados en intervalos. Los
tipos de grficos que nos podemos encontrar son:
a) Para fenmenos cuantitativos:
1) Diagrama de Barras para distribuciones no agrupadas.
2) Histograma de frecuencias para distribuciones agrupadas en intervalos.
b) Para fenmenos cualitativos.
1) Diagramas Sectoriales.
2) Cartogramas.
3) Pictogramas.



12/17
2.3.1. Representacin de Caracteres Cualitativos.
a) Diagramas de Sectores.
Destacamos en primer lugar los diagramas de sector o de pastel, as como los
diagramas de rectngulos. El principio de este tipo de representacin es el de la
proporcionalidad de las reas de los grficos a las frecuencias absolutas.
25% 20%
15%
40%
En este sistema de representacin, los sectores circulares tienen un ngulo central
proporcional a la frecuencia absoluta correspondiente y, por tanto, un rea proporcional
a la frecuencia absoluta.
b) Diagramas de Rectngulos.
Los Diagramas de Rectngulos tienen una base constante y una altura proporcional a
la frecuencia absoluta correspondiente. Su superficie es proporcional a la frecuencia
absoluta.
100
200
300
400
M F
G
I
c) Pictograma.
Tambin como mtodo de representacin de las distribuciones de carcter
cualitativo, podemos hablar del Pictograma. Si se quiere representar de forma pictrica
un carcter cualitativo, se puede indicar por una silueta sugestiva el significado de cada
unidad de carcter. Existen de dos tipos:



13/17
Tipo I. Cada modalidad es representada por un dibujo de tamao proporcional a la
frecuencia de la misma. Si el dibujo es representado en tres dimensiones, ser el
volumen el que nos represente a la frecuencia. De igual forma, si el dibujo es
representado en el plano, ser el rea la que represente a la frecuencia.
Tipo II. Todos los dibujos son del mismo tamao y a cada uno de ellos se le asigna
una cantidad de frecuencia. A cada modalidad se le asignan tantos dibujos, o partes del
mismo, segn la frecuencia a representar.
d) Cartogramas.
Aqu la representacin de los datos se lleva a cabo sobre mapas.
Como el objetivo de toda representacin grfica es facilitar la explicacin de las
distribucin de frecuencias que estemos estudiando, no estar de ms que le echemos



14/17
imaginacin y formemos representaciones combinadas que, sin alterar los principios
bsicos de las representaciones grficas, contribuyan a tal objetivo. A veces, conviene
hacer combinaciones de representaciones con objeto de obtener una representacin ms
verstil.
2.3.2. Representacin de Caracteres Cuantitativos.
En la representacin de variables cuantitativas, cabe sealar que aqu tambin se fija
el principio general de la proporcionalidad para la obtencin de grficos, en este caso de
las alturas o reas a las frecuencias absolutas. En su representacin atenderemos a si los
datos estn agrupados o no.
a) Representacin de Datos sin Agrupar.
En el caso de datos sin agrupar, la representacin grfica se realiza fcilmente
mediante un sistema de ejes de coordenadas cartesianas, representando en el eje de
abscisas los valores de la variable y en el de ordenadas las frecuencias. En general, se
puede marcar el segmento correspondiente, dando lugar a lo que llamaremos Diagrama
de Barras. Las frecuencias acumuladas dan lugar a un Diagrama de Escalera o
Escalonado.
Se pueden hacer las representaciones utilizando frecuencias absolutas o relativas, de
forma indistinta.
Para construir el diagrama, se llevan los valores de la variable sobre el eje de
abscisas, empleando una escala cualquiera de medida. Y sobre cada valor de la variable
se levanta un segmento igual a la frecuencia absoluta (o relativa) empleando tambin
una escala grfica.
Si utilizramos frecuencias absolutas acumuladas (o relativas acumuladas)
utilizaramos el Diagrama de Escalera. Se construye, al igual que el anterior, trazando
sobre la variable una altura igual a la frecuencia acumulada y uniendo mediante trazos
horizontales el extremo de cada ordenada con el siguiente. La ltima ordenada ser de
magnitud N ( 1, segn el caso) y la ordenada correspondiente a un valor x
i
de la
abscisa indicar el nmero de observaciones para las cuales la variable ha tomado
valores menores o iguales a la abscisa.



15/17
b) Representacin de Datos Agrupados.
En el caso de datos agrupados, le representacin se efecta mediante el Histograma
o Histograma de Frecuencias. Se construye levantando sobre cada intervalo un
rectngulo de rea proporcional a la frecuencia absoluta correspondiente a dicho
intervalo.
Si los intervalos son de amplitud constante, las alturas de los rectngulos sern
iguales a las frecuencias absolutas respectivas, ya que al ser las bases iguales, las reas
dependern de las alturas de los rectngulos.
Si las amplitudes de los intervalos son desiguales, las alturas de los rectngulos
deben calcularse dividiendo la frecuencia absoluta por la longitud del intervalo. Si
llamamos d
i
a la altura del intervalo i-simo, c
i
a la longitud del mismo y n
i
a las
frecuencias correspondientes, tendremos
i
i
i
c
n
d =
valor que se conoce como Densidad de Frecuencia.
Si trabajramos con frecuencias absolutas acumuladas (o relativas acumuladas), la
representacin grfica se hara mediante un Polgono de Frecuencias.



16/17
Para construirlo, se levanta en el extremo superior de cada intervalo una ordenada
igual a la frecuencia acumulada correspondiente, uniendo a continuacin dichas
ordenadas. La primera ordenada se une al extremo inferior del primer intervalo,
prolongando el polgono desde este punto hacia la izquierda sobre el eje X, y
prolongando tambin a partir de la ordenada del extremo superior del ltimo intervalo,
con una paralela al eje de abscisas.
La altura correspondiente al extremo superior del ltimo intervalo ser igual a la
frecuencia total N 1, segn hallamos utilizado frecuencias acumuladas absolutas o
relativas, respectivamente.
Otra prctica muy utilizada es la de sustituir el histograma por un Polgono de
Frecuencias , pero no acumuladas. Es el grfico que se forma al unir los puntos medios
de cada intervalo (marca de clase) a una altura proporcional a la frecuencia (intervalos
iguales). La unin de tales puntos constituye una lnea quebrada rectilnea que, al
prolongarla por los extremos, corta al eje X. El rea que queda por debajo del polgono
de frecuencias es igual al rea contenida dentro del correspondiente histograma.



17/17
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Teora de la Estadstica. Aut.: Mood/Graybill. Ed. Aguilar.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa. Ed. PPU
Algoritmo. Matemticas II. Cou. Aut.: Vizmanos y Anzola. Edit. SM.



1/24
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 60
PARMETROS ESTADSTICOS. CLCULO, SIGNIFICADO Y PROPIEDADES.
1. Introduccin.
2. Medidas de Posicin.
2.1. La Media Aritmtica.
2.1.1. Propiedades.
2.1.2. Clculo Abreviado.
2.1.3. Ventajas e Inconvenientes.
2.2. La Media Geomtrica.
2.2.1. Propiedades.
2.2.2. Ventajas e Inconvenientes.
2.3. La Media Armnica.
2.3.1. Ventajas e Inconvenientes.
2.4. Relacin entre los tres Promedios.
2.5. La Mediana.
2.5.1. Propiedades de la Mediana.
2.5.2. Ventajas e Inconvenientes.
2.6. La Moda.
2.6.1. Distribuciones no agrupadas en Intervalos.
2.6.2. Distribuciones agrupadas en Intervalos.
2.7. Medidas de Posicin no Centrales.
3. Momentos Potenciales
3.1. Momentos Respecto al Origen.
3.2. Momentos Respecto a la Media Aritmtica.
4. Medidas de Dispersin.
4.1. Absolutas.
4.1.1. Recorrido.
4.1.2. Desviacin Media.
4.1.2.1. Desviacin Media respecto a la Media Aritmtica
4.1.2.2. Desviacin Media respecto a la Mediana.
4.1.2.3. La Varianza. Propiedades.
4.1.2.4. Desviacin Tpica o Standard. Propiedades.
4.2. Relativas.
4.2.1. Coeficiente de Variacin de Pearson.
4.2.2. ndice de Dispersin Respecto a la Mediana.
5. Medidas de Forma. Asimetra y Curtosis.
5.1. Asimetra.
5.2. Medidas de Apuntamiento o Curtosis.
Bibliografa Recomendada.



2/24
TEMA 60
PARMETROS ESTADSTICOS. CLCULO, SIGNIFICADO Y PROPIEDADES.
1. INTRODUCCIN.
Aunque la observacin visual de cualquier representacin grfica de una misma
distribucin de frecuencias proporcionan una primera aproximacin al anlisis de los
datos, este tipo de observacin no nos permite comparar, con rigor, dos distribuciones
del mismo carcter. Por tanto, se hace necesario estudiar procedimientos numricos que
obtengan, a partir de todos los datos de la distribucin, unos valores que permitan
deducir una informacin cuantitativa.
Por otra parte, si no se dispone de ninguna representacin grfica, es necesario, ante
la imposibilidad del humano de retener gran cantidad de datos, el intentar resumir toda
la informacin.
La idea de resumir la informacin del comportamiento global del fenmeno
estudiado en unos pocos datos se realiza calculando una serie de parmetros. Este tipo
de medidas descriptivas utilizadas son, principalmente, medidas de centralizacin o
posicin, medidas de dispersin, medidas de deformacin o simetra y el apuntamiento.
2. MEDIDAS DE POSICIN.
La tabla estadstica nos ofrece toda la informacin disponible, pero el investigador
se encuentra incapaz, en numerosos casos, de interpretar toda esa extensa informacin,
por lo que intenta resumirla en una serie de expresiones. Hacia la sntesis de esa
informacin van dirigidas todas estas expresiones o medidas.
Toda sntesis de una distribucin se considerar como operativa si:
1) Intervienen en su determinacin todos y cada uno de los valores de la
distribucin.
2) Es siempre calculable.
3) Es nica para cada distribucin de frecuencias.
En este proceso de sntesis buscamos unos valores que nos fijen el comportamiento
global del fenmeno estudiado a partir de los datos individuales recogidos en la
informacin disponible. Estos valores sintticos globales son las llamadas Medidas de
Posicin.
2.1. La Media Aritmtica.
DEF Definimos la Media Aritmtica como la suma de todos los valores de la
distribucin dividida por el nmero total de datos. Si el valor x
i
de la variable X
i
se
repite n
i
veces, hay que considerar estas repeticiones en la suma. Si representamos la
media aritmtica por x , tendremos:



3/24
!
=
=
+ +
=
n
i
i i n n
N
n x
N
n x n x
x
1
1 1
K
Pero esto slo es vlido en el supuesto ms sencillo en que los datos de la variable
estn sin agrupar. En el caso de que tuviramos una distribucin con datos agrupados,
los valores individuales de la variable seran desconocidos y, por tanto, no podramos
hacer uso de la frmula anterior. En este supuesto se postula la hiptesis de que el punto
medio del intervalo de clase (marca de clase) representa adecuadamente el valor medio
de dicha clase; y aplicaramos la frmula original de la media simple para dichos
valores.
Otro tema al que tenemos que hacer referencia es el de la llamada Media Aritmtica
Ponderada, que se produce cuando se otorga a cada valor de la variable una ponderacin
o peso, distinto de la frecuencia o repeticin. En este caso, en el clculo de la media
aritmtica tendramos en cuenta dichas ponderaciones.
En este caso, si "
i
son las ponderaciones, definimos la media como:
!
!
=
=
=
n
i
i
n
i
i i
x
x
1
1
!
!
2.1.1. Propiedades.
PROP La suma de las desviaciones de los valores de la variable respecto a su media es
cero.
Dem.
( ) 0

1
1 1 1
= # = # $ = $ # = #
!
! ! !
=
= = =
N x x N N x
N
n x
N n x n x n x x
n
i
i i
n
i
i
n
i
i i i i
n
i
TEOREMA. Teorema de Knig.
La media de las desviaciones al cuadrado de los valores de la variable respecto a una
constante k cualquiera se hace mnima cuando esa constante es igual a la media
aritmtica.
Dem.
Consideremos la expresin:
( )
!
=
# =
n
i
i
i
N
n
k x k D
1
2
) (
que toma diferentes valores para una misma distribucin de frecuencias, segn los
distintos valores de k.



4/24
Si sumamos y restamos x dentro del parntesis, tenemos que:
( ) ( ) ( ) ( ) ( ) = # # # = # + # = # =
! ! !
= = =
n
i
i
i
n
i
i
i
n
i
i
i
N
n
x k x x
N
n
x x k x
N
n
k x k D
1
2
1
2
1
2
) (
( ) ( ) ( ) = # # # # + # =
! ! !
= = =
n
i
i
i
n
i
i
n
i
i
i
N
n
x x x k
N
n
x k
N
n
x x
1 1
2
1
2
) ( 2
y teniendo en cuenta la propiedad anterior, se transforma en
( )
2
1
2
) ( ) ( x k
N
n
x x k D
n
i
i
i
# + # =
!
=
en donde el valor de k que hace que D(k) sea mnimo es x .
PROP Si a todos los valores de una variable les sumamos una constante k, la media
aritmtica queda aumentada en esa constante. O lo que es lo mismo, la media aritmtica
se ve afectada por los cambios de origen.
Dem.
Inmediata.
PROP Si todos los valores de una variable los multiplicamos por una constante k, su
media aritmtica queda multiplicada por la misma constante. Es decir, la media
aritmtica se ve afectada por los cambios de escala.
Dem.
Inmediata.
2.1.2. Clculo Abreviado.
Con objeto de facilitar el clculo prctico de x cuando la distribucin presenta
numerosos valores o stos estn compuestos por bastantes dgitos, es aconsejable
realizar el siguiente cambio de variable
c
O x
x
i
i
#
=
'
donde:
x
i
son los valores de la distribucin.
O un origen de trabajo arbitrario, que se procura sea un valor central de la
distribucin.
c una constante que es igual al mximo comn divisor de las diferencias que
existen entre cada dos valores consecutivos de la variable.



5/24
X
i
los nuevos valores de la variable.
Despejando x
i
de la expresin anterior tenemos que x
i
= cx
i
+ O
Por tanto:
( ) O x c
N
n
O
N
n
cx
N
n
O cx
N
n
x x
n
i
n
i
i i
i
n
i
i
i
n
i
i
i
+ = + = + = =
! ! ! !
= = = =
' ' '
1 1 1 1
2.1.3. Ventajas e Inconvenientes.
Como ventajas podemos nombrar las tres que se le exigen a una medida de sntesis:
1) Consideracin de todos los valores de la distribucin.
2) Ser calculable.
3) Ser nica.
Tambin podemos considerar como ventaja la obtenida en la primera propiedad, que
nos dice que la media aritmtica es el centro de gravedad de la distribucin, as como la
obtenida de la segunda propiedad (Teorema de Knig).
Como inconvenientes podemos indicar que a veces da lugar a conclusiones no muy
atinadas. Esto ocurre en el caso de que la variable presente valores anormalmente
extremos que pueden distorsionar la media aritmtica, hacindola poco representativa.
La media aritmtica, como medida de posicin, es la frmula ms adecuada para el
resumen estadstico en caso de distribuciones en Escala de Intervalos o de Proporcin,
con las cuales dicha medida alcanza su mximo sentido.
2.2. La Media Geomtrica.
DEF Sea una distribucin de frecuencias (x
i
; n
i
). Definimos la Media Geomtrica, y la
representaremos por G, como la raz N-sima del producto de los N valores de la
distribucin. As:
N
n
i
n
i
N
n
n
n
i n
x x x G
%
=
= $ $ =
1
1
1
K
2.2.1. Propiedades.
PROP El logaritmo de la media geomtrica es igual a la media aritmtica de los
logaritmos de los valores de la variable.
Dem.
( )
! ! % %
= = = =
$ = $ =
&
'
(
)
*
+
$ = =
n
i
i i
n
i
n
i
n
i
n
i
N
n
i
n
i
n x
N
x
N
x
N
x G
i i i
1 1 1 1
log
1
log
1
log
1
log log



6/24
2.2.2. Ventajas e Inconvenientes.
Como ventajas podemos sealar:
1) En su determinacin intervienen todos los valores de la distribucin.
2) Es menos sensible que la media aritmtica a los valores extremos, por su
carcter de producto.
Como inconvenientes tenemos:
1) Es de significado estadstico menos intuitivo que la media aritmtica.
2) Su cmputo es ms difcil.
3) En ocasiones no queda determinada. Esto ocurre cuando la variable toma en
algn momento el valor 0. Si la variable toma valores negativos, se pueden
presentar una amplia gama de casos particulares en los que tampoco queda
determinada G. No es que G no exista, sino que no la podemos determinar.
El empleo ms frecuente de la media geomtrica es el de promediar porcentajes,
tasas, nmeros ndices, etc. Es decir, en los casos en los que se supone que la
variable presenta variaciones acumulativas.
2.3. La Media Armnica.
DEF Definimos la Media Armnica de una distribucin de frecuencias (x
i
; n
i
), y se
representa por H, como
!
=
=
+ +
=
n
i i
i
n
n
x
n
N
x
n
x
n
N
H
1 1
1
K
OBS La inversa de la media armnica es la media aritmtica de los inversos de los
valores de la variable.
2.3.1. Ventajas e Inconvenientes.
Como ventajas diremos que intervienen en su clculo todos los valores de la
distribucin y que, en ciertos casos, es ms representativa que la media aritmtica. Por
otra parte, siempre se puede pasar de una media armnica a una media aritmtica
transformando adecuadamente los datos.
Como inconvenientes hemos de citar la influencia de los valores pequeos, y su no
determinacin en las distribuciones con algunos valores iguales a cero. Por ello no es
aconsejable su empleo en distribuciones en las que existan valores muy pequeos.
Se suele utilizar para promediar velocidades, tiempos, rendimientos, etc.



7/24
2.4. Relacin entre los tres Promedios.
PROP Para una misma distribucin de frecuencias (x
i
; n
i
), y siempre que existas, se
verifica que:
H , G , x
Dem.
Vamos a ver la demostracin para el caso de una distribucin con dos valores x
1
y x
2
con frecuencia unitaria. Para el caso de n valores, slo hemos de aplicar induccin.
Las medias tienen como valores:
2
2 1
x x
x
+
=
2 1
x x G =
2 1
1 1
2
x x
H
+
=
Comencemos demostrando que H , G
2 1
2 1
1 1
2
x x
x x
,
+
-
2 1
2 1
2 1
2
x x
x x
x x
=
+
-
- ( )
2 1 2 1 2 1
2 x x x x x x + , - ( )
2
2 1 2 1
2
2
2
1
4 x x x x x x + ,
- ( )
2
2 1 2 1
4 x x x x + , -
2
2 2 1
2
1 2 1
2 4 x x x x x x + + ,
-
2
2 2 1
2
1
2 0 x x x x + # , - ( )
2
2 1
0 x x # ,
que es una desigualdad que claramente se verifica siempre, por tanto H , G.
Por otro lado, veamos que G , x
2
2 1
2 1
x x
x x
+
, - ( )
2
2 1 2 1
4 x x x x + , - ( )
2
2 1
0 x x # ,
que es el mismo resultado que en el caso anterior.
Luego se verifica la desigualdad entre las tres medias.
2.5. La Mediana.
Dado que la definicin de Mediana puede entraar mltiples dificultades, vamos a
dar una definicin operativa diciendo:
DEF La Mediana es el valor de la distribucin, supuesta sta ordenada de menor a
mayor, que deja a su izquierda y a su derecha el mismo nmero de frecuencias. Es decir,
el valor que ocupa el lugar central, supuesto un nmero impar de datos. Si el nmero de



8/24
datos fuese par puede decirse que hay dos valores medianos, y se toma la media
aritmtica de ellos.
La Mediana tambin se puede definir como el valor de la distribucin cuya
frecuencia acumulada es N/2.
No obstante, hemos de tener en cuenta que para los diferentes casos particulares
(nmero impar de datos, nmero par de datos, distribuciones de frecuencias unitarias) se
pueden establecer diferentes criterios.
En el caso de distribuciones agrupadas en intervalos, no es necesario distinguir si los
intervalos se han construido de la misma o distinta amplitud. Siguiendo el mtodo
general de bsqueda del valor que ocupa el lugar N/2, en este caso, nos encontramos
con un intervalo mediano, en lugar de un valor mediano.
Con el objeto de fijar la mediana en un valor, seleccionaremos un representante del
intervalo mediano al que llamaremos mediana. El criterio usualmente seguido es el
siguiente.
Suponemos, en primer lugar, que todos los valores comprendidos dentro del
intervalo mediano se encuentran distribuidos uniformemente a lo largo de l. A
continuacin, vamos a considerar la poligonal de frecuencias acumuladas
correspondiente al intervalo mediano y a sus dos contiguos, y determinamos
grficamente la mediana.
Vemos que M
e
= L
i-1
+ m. Determinaremos m en base a la hiptesis fijada que nos
permite escribir
' ' ' C B
BC
AC
AC
=
ya que los tringulos ABC y ABC son semejantes.
Pero



9/24
1
2
'
#
# = = =
i i
N
N
BC c AC m AC
Por tanto
i
i
i
i i i
n
N
N
c
m
n N N C B
1
1
2
' '
#
#
#
= = # =
Es decir
i
i
i
c
n
N
N
m
1
2
#
#
=
Con lo que tenemos
i
i
i
i
c
n
N
N
L Me
1
1
2
#
#
#
+ =
2.5.1. Propiedades de la Mediana.
PROP La Mediana hace mnima la suma de todas las desviaciones absolutas. Es decir,
si representamos la mediana por Me, tenemos que
[ [
! !
= =
# = #
n
i
i i
n
i
i i
k
n Me x n k x Min
1 1
cuando la constante respecto a la cual se toman las desviaciones, k, es igual a la
mediana.
Dem.
Transformamos la distribucin en otra de frecuencias unitarias, tal que
x
1
, x
2
, ... , x
m-1
,Me , x
m
, ... , x
a-1
, k , x
a
, ... , x
n
siendo k > Me.
Por definicin de Mediana, tendremos igual nmero de valores iguales o inferiores
que iguales o superiores, Supongamos que hay m-1 en cada lado. Tendremos que:
! ! ! !
= =
#
=
#
=
# + # + # = #
n
i
n
a i
i
a
m i
i
m
i
i i
k x x k x k k x
1
1 1
1
) ( ) ( ) ( (1)
! ! ! !
= =
#
=
#
=
# + # + # = #
n
i
n
a i
i
a
m i
i
m
i
i i
Me x Me x x Me Me x
1
1 1
1
) ( ) ( ) ( (2)
! ! ! ! !
=
#
=
#
= = =
# + # + + # = # # #
n
a i
a
m i
i
m
i
n
i
i
n
i
i
k Me x Me k Me k Me x k x ) ( ) 2 ( ) (
1 1
1 1 1
(3)



10/24
Sumando y restando
!
#
=
#
1
) (
a
m i
Me k en (3):
!
! ! ! ! ! !
=
#
=
#
=
#
=
#
= = =
# +
+ # # # + + # + # = # # #
n
a i
a
m i
a
m i
i
a
m i
m
i
n
i
i
n
i
i
k Me
Me k x Me k Me k Me k Me x k x
) (
) ( ) 2 ( ) ( ) (
1 1 1 1
1 1 1
= # + # + +
+
&
'
(
)
*
+
# + # # # = # # #
! !
! ! ! ! !
#
=
#
=
=
#
=
#
= = =
1 1
1 1
1 1 1
) ( ) 2 (
) ( ) ( ) (
a
m i
a
m i
i
n
a i
a
m i
m
i
n
i
i
n
i
i
Me k x Me k
Me k Me k Me k Me x k x
! !
#
=
#
=
# = # + # # # # # =
1 1
) ( 2 ) 2 2 ( ) )( 1 ( ) )( 1 (
a
m i
i
a
m i
i
x k x k Me k m Me k m
Es decir
0 ) ( 2
1
1 1
> # = # # #
! ! !
#
= = =
a
m i
i
n
i
i
n
i
i
x k Me x k x
Luego
! !
= =
# > #
n
i
i
n
i
i
Me x k x
1 1
por tanto
!
=
#
n
i
i
Me x
1
es mnimo para cualquier k>Me.
La demostracin para cualquier k<Me es anloga y la omitimos.
2.5.2. Ventajas e Inconvenientes.
Las ventajas y los inconvenientes son los mismos que posteriormente veremos en el
caso de la Moda.
A pesar de la frmula que hemos estado viendo para el caso de distribuciones en
escala por intervalos, la mediana tiene un mayor sentido en casos de distribuciones en
escala ordinal (datos susceptibles de ser ordenados), de la cual es la medida ms
representativa por describir la tendencia central de la misma.
2.6. La Moda.
DEF Llamaremos Moda al valor de la variable que ms se repite. Se representa por
Mo.



11/24
Por tanto, en una distribucin de frecuencias, es el valor de la variable que viene
afectada por la mxima frecuencia de distribucin.
Para calcular la Moda, distinguiremos entre distribuciones no agrupadas en
intervalos y distribuciones agrupadas en intervalos.
2.6.1. Distribuciones no agrupadas en Intervalos.
En este caso, la determinacin de la Moda Mo es inmediata. Se observa la columna
de las frecuencias absolutas y el valor de la distribucin al que corresponde la mayor
frecuencia ser la Moda.
A veces aparecen distribuciones con ms de una moda (bimodales, trimodales, etc.)
e incluso una distribucin de frecuencias que presente una moda absoluta y una relativa.
2.6.2. Distribuciones agrupadas en Intervalos.
a) Intervalos de la misma amplitud.
En este caso, una vez determinada la mayor frecuencia, observamos que a sta no le
corresponde un valor sino un intervalo, luego realmente no tendremos un valor modal
sino un intervalo modal.
De entre todos los valores comprendidos en el intervalo modal vamos a seleccionar
uno que desempee el papel de valor modal. Para esto, podemos utilizar diferentes
criterios, entre los cuales citamos los cuatro siguientes:
1) Tomar como valor modal el extremo inferior del intervalo. Mo = L
i-1
.
2) Considerar como moda el extremo superior. Mo = L
i
.
3) Hacer la moda igual a la marca de clase. Mo = x
i
.
4) O bien, suponiendo que:
Todos los valores del intervalo estn distribuidos uniformemente dentro de
l.
La moda estar ms cerca de aquel intervalo contiguo cuya frecuencia sea
mayor.
Lo anterior se puede resumir diciendo que las distancias de la moda Mo a los
intervalos contiguos son inversamente proporcionales a las frecuencias de dichos
intervalos.
La Moda ser Mo = L
i-1
+ m
Pero
1
1
#
+
=
#
i
i
i
n
n
m c
m
Que teniendo en cuenta las propiedades de las proporciones queda:



12/24
1 1
1
+ #
+
+
=
+ #
i i
i
i
n n
n
m m c
m
de donde
i
i i
i
c
n n
n
m
1 1
1
+ #
+
+
=
Por tanto
i
i i
i
i
c
n n
n
L Mo
1 1
1
1
+ #
+
#
+
+ =
b) Intervalos de Distinta Amplitud.
Si recurrimos a la definicin que hemos dado como moda (valor que ms se repite),
al ser ahora los intervalos diferentes la frecuencia absoluta no nos dir nada sobre la
abundancia de valores en cada intervalo, ya que podra suceder que el intervalo al que
correspondiese la mayor frecuencia fuera muy amplio y entonces, fuera ms denso otro
intervalo con menor frecuencia pero menor amplitud. Por tanto, ahora, las frecuencias
no son significativas para resolver el problema.
Recordemos que las densidades de frecuencia se obtenan dividiendo las frecuencias
absolutas por los recorridos o amplitudes de sus correspondientes intervalos. Las
densidades de frecuencias nos dan el nmero de valores que hay en cada unidad de
intervalo, para cada intervalo. La mayor densidad de frecuencia nos determinar el
intervalo modal.
Una vez determinado el intervalo modal, y siempre en la lnea de operar con valores
y no con intervalos, podemos aplicar cualquiera de los cuatro criterios expuestos en el
caso anterior. Si seleccionamos, por parecer el ms razonable, el cuarto, tendremos que:
i
i i
i
i
c
d d
d
L Mo
1 1
1
1
+ #
+
#
+
+ =
La deduccin de esta frmula es anloga al caso anterior.
Por ltimo, diremos que la moda es la medida ms representativa en caso de
distribuciones en escala nominal. Esto es debido a que las distribuciones de este tipo
presentan los datos no susceptibles de ordenacin, de tal forma que para estas
distribuciones no es posible realizar operaciones elementales con sus observaciones.
2.7. Medidas de Posicin no Centrales.
Podemos nombrar otros valores notables pero que no van a reflejar ninguna
tendencia central: los Cuantiles. Son valores de la distribucin que la dividen en partes
iguales, es decir, en intervalos, que comprenden el mismo nmero de valores.
Entre los Cuantiles podemos citar, por ser de uso ms frecuente, los Cuartiles, los
Deciles y los Percentiles.



13/24
DEF Llamaremos Cuartiles a los tres valores de la distribucin que la dividen en
cuatro partes iguales. Es decir, en cuatro intervalos dentro de cada cual estn incluidos
el 25% de los valores de la distribucin.
DEF Llamaremos Deciles a los nueve valores de la distribucin que la dividen en diez
partes iguales. Cda parte contendr el 10% de la distribucin.
DEF Llamaremos Percentiles a los noventa y nueve valores que dividen a la
distribucin en cien partes iguales.
Para calcular los valores anteriores hemos de distinguir entre:
a) Distribuciones no agrupadas en intervalos.
Cuartiles: C
i
es el valor que ocupa el lugar
4
iN
con i:1,2,3.
Deciles: D
i
es el valor que ocupa el lugar
10
iN
con i: 1,...,9
Percentiles: P
i
es el valor que ocupa el lugar
100
iN
con i:1, , 99
Para determinarlos, se calculan previamente las frecuencias acumuladas, y se busca
el valor que ocupe el lugar
k
iN
de la distribucin.
b) Distribuciones agrupadas en intervalos.
El problema que se presenta es el mismo que el que tenamos al calcular la mediana.
Para elegir el representante para un determinado cuantil seguiremos el criterio:
i
i
i
i
k
r
c
n
N N
k
r
L Q $
#
+ =
#
#
1
1
donde
1) Para k=4 y r=1,2,3 obtenemos los cuartiles.
2) Para k=10 y r=1,2,...9 obtenemos los deciles.
3) Para k=100 y r=1,2,...,99 obtenemos los percentiles.
La frmula anterior se obtiene de forma anloga a la desarrollada para la mediana.
3. MOMENTOS POTENCIALES.
Al considerar las diferentes caractersticas de una distribucin haremos referencia a
unos valores especficos, deducidos de todos los valores de la distribucin y que, como



14/24
se ver, sern la base de alguna de las caractersticas de cada distribucin de frecuencia.
Estos valores especficos reciben el nombre de Momentos.
Los Momentos de una distribucin son unos valores que la caracterizan, de tal modo
que dos distribuciones son iguales si tienen todos sus momentos iguales, y son tanto
ms parecidas cuanto mayor sea el nmero de momentos iguales que tengan.
Conviene advertir que existen dos tipos de momentos: los potenciales y los
factoriales. Slo vamos a tratar los momentos potenciales y a partir de ahora los
designaremos simplemente por momentos.
El momento de orden r respecto a un origen arbitrario O se define como
( )
!
=
$ # =
n
i
i
r
i r
N
n
O x M
1
Pero dentro de los momentos potenciales podemos distinguir, a su vez, dos tipos: los
momentos respecto al origen y los momentos respecto a la media aritmtica.
3.1. Momentos respecto al Origen.
Los momentos respecto al origen se representan por a
r
y se obtienen haciendo O=0.
Por tanto:
!
=
$ =
n
i
i r
i r
N
n
x a
1
Los primeros momentos sern
a
0
=1 a
1
=x etc.
3.2. Momentos respecto a la Media Aritmtica.
Son tambin llamados momentos centrales. Se representan por m
r
y se obtienen al
hacer O= x . Por tanto:
( )
!
=
$ # =
n
i
i
r
i r
N
n
x x m
1
siendo x la media aritmtica de la distribucin, que coincide con el momento de primer
orden respecto al origen.
m
0
=1 m
1
=0 m
2
=s
2
etc.
Observemos que los trminos del sumatorio son de la forma (x
i
x )
r
n
i
. Si
llamamos
u
i
= x
i
x



15/24
el momento central de orden r de la distribucin ser:
!
=
$ =
n
i
i r
i r
N
n
u m
1
que es por definicin el momento de orden r respecto al origen para la distribucin
(u
i
; n
i
). Por tanto, conceptualmente no existe diferencia entre los momentos respecto al
origen y respecto a la media. La nica diferencia existente entre ambos comsiste en que
mientras en los momentos respecto al origen se toma como origen de medidas el cero de
la escala correspondiente a la caracterstica en estudio, en los momentos centrales se
hace una traslacin del origen de medidas, para situarlo precisamente en la media
aritmtica.
PROP Todos los momentos respecto a la media se pueden representar en funcin de los
momentos respecto al origen.
Dem.
El binomio de Newton nos dice que
!
=
#
.
.
/
0
1
1
2
3
# = #
r
k
k k r k r
b a
k
r
b a
0
) 1 ( ) (
y aplicndolo a la expresin de los momentos centrales
!! !
= =
#
=
=
.
.
/
0
1
1
2
3
# = # =
n
i
r
k
i
k
k r
i
k
n
i
i r
i r
N
n
x x
k
r
N
n
x x m
1 0 1
) 1 ( ) (
=
.
.
/
0
1
1
2
3
# =
.
.
/
0
1
1
2
3
# =
! ! !!
=
#
= = =
#
n
i
i k r
i
r
k
k
k
r
k
n
i
i
k
k r
i
k
N
n
x x
k
r
N
n
x x
k
r
1 0 0 1
) 1 ( ) 1 (
k r
r
k
k k
k r
r
k
k
k
a a
k
r
a x
k
r
#
=
#
=
! !
.
.
/
0
1
1
2
3
# =
.
.
/
0
1
1
2
3
# =
0 0
) 1 ( ) 1 (
Como casos particulares podemos expresar
2
2 2
a a m # =
3
2 3 3
2 3 a a a a m + # =
4 2
2 3 4 4
3 6 4 a a a a a a m # + # =



16/24
4. MEDIDAS DE DISPERSIN.
En los dos apartados anteriores definamos una serie de medidas de tendencia
central cuyo objetivo era sintetizar toda la informacin de que se dispona. En este
apartado veremos hasta que punto, para una determinada distribucin de frecuencias,
estas medidas de tendencia central son representativas como sntesis de toda la
informacin.
Medir la representatividad de estas medidas equivale a cuantificar la separacin de
los valores de la distribucin respecto de dicha media. A la mayor o menor separacin
de los valores entre s se le llama Dispersin o Variabilidad.
Llamaremos Medidas de Dispersin a los coeficientes que nos miden el grado de
dispersin de la distribucin de la variable.
Para una mejor clasificacin, vamos a distinguir entre medidas de dispersin
absolutas y relativas.
4.1. Absolutas.
4.1.1. Recorrido.
Una primera aproximacin para medir la dispersin en una distribucin es calcular
su recorrido.
DEF Llamaremos Recorrido a la diferencia entre el mayor valor y el menor valor de
una distribucin.
R = x
n
x
1
DEF Llamaremos Recorrido Intercuartlico a la diferencia existente entre el tercer
cuartil y el primero.
R
I
= C
3
C
1
El Recorrido Intercuartlico nos indica que en el intervalo de longitud R
I
estn
comprendidos el 50% central de los valores. Si R
I
es pequeo, siempre en trminos
relativos de acuerdo con las unidades en que venga dada la distribucin, podemos intuir
una pequea dispersin.
4.1.2. Desviaciones.
Supongamos que tenemos un promedio P del que vamos a estudiar su
representatividad. Consideremos que tenemos dos distribuciones que originan este
mismo promedio P (supongmoslas de frecuencias unitarias por sencillez) y que son
tales como las que se representan en el siguiente grfico:



17/24
Si queremos saber cual de los dos promedios es ms representativo, a simple vista
parece que el primero, porque el error que se comete utilizando P (en lugar de los
valores de la distribucin) es menor en la primera que en la segunda. Luego, cuanto ms
agrupados estn los valores alrededor del promedio, ms til ser.
Para poder medir esto en una distribucin genrica tenemos que considerar las
desviaciones de cada valor con respecto al promedio, pero para evitar errores, se
tomarn en valor absoluto o elevadas al cuadrado.
4.1.2.1. Desviacin media respecto a la Media Aritmtica.
Tomamos ahora como promedio genrico P la media aritmtica x y tomaremos las
desviaciones en valor absoluto. As pues, tendremos
!
=
# =
n
i
i
i
x
N
n
x x D
1
que es la desviacin media respecto de la media aritmtica. Un valor grande nos dir la
existencia de una gran dispersin en la distribucin.
La desviacin media respecto la media aritmtica se puede definir como la media
aritmtica de los valores absolutos de las diferencias entre los valores de la variable y la
media aritmtica.
4.1.2.2. Desviacin Media respecto a la Mediana.
Si el promedio cuya eficacia queremos medir es ahora la mediana tendremos:
!
=
# =
n
i
i
i Me
N
n
Me x D
1
que es la desviacin media respecto a la Mediana. Para un valor grande, la mediana no
ser representativa. En la mediana demostramos que:
!
=
#
n
i
i
i
N
n
k x
1
era mnima para k=Me, luego se verifica que
x Me
D D < . Cuando la distribucin est
agrupada en intervalos, para calcular Me seguamos el criterio:



18/24
i
i
i
i
c
n
N
N
L Me
1
1
2
#
#
#
+ =
mientras que para x utilizbamos las marcas de clase. En esta doble operacin
utilizamos unas hiptesis de trabajo incompatibles. Para la Me la hiptesis era que los
valores dentro del intervalo estaban distribuidos uniformemente, mientras que para x ,
al utilizar las marcas de clase, se hace implcitamente la hiptesis de que todos los
valores de cada intervalo son iguales a x
i
. Debemos, en este caso, optar por una de las
dos hiptesis para ambos clculos.
Las desviaciones medias tienen un significado preciso como promedio de las
desviaciones, aunque tienen el inconveniente de no ser adecuadas al clculo algebraico.
4.1.2.3. La Varianza. Propiedades.
De todas las medidas de dispersin absolutas respecto a la media aritmtica, la
varianza y su raz cuadrada, la desviacin tpica, son las ms importantes.
DEF Llamamos Varianza a la medida de dispersin que surge como media aritmtica
de los cuadrados de las desviaciones de los valores de la variable a la media aritmtica.
Es decir, el momento de segundo orden respecto a la media aritmtica. Se denota por S
2
y es:
( )
!
=
# =
n
i
i
i
N
n
x x S
1
2
2
Evidentemente, S
2
nos medir la mayor o menor dispersin de los valores respecto a
la media aritmtica. Si la dispersin es muy grande, la media no ser representativa.
En el caso extremo de que todos los valores de la variable fuesen iguales, la media
coincidira con el valor comn de las mismas y las desviaciones seran todas nulas,
dando S
2
=0. En general, cuanto ms dispersas sean las observaciones, mayores sern las
desviaciones respecto de la media, y mayor el valor numrico de la varianza.
A continuacin enunciamos unas propiedades que verifica la varianza. Las
demostraciones son inmediatas y no las damos para no agrandar en exceso el tema.
PROP La varianza no es negativa.
PROP La varianza es la medida cuadrtica de dispersin ptima.
( ) ( ) x k
N
n
k x
N
n
x x S
n
i
i
i
n
i
i
i
4 5 # < # =
! !
= = 1
2
1
2
2
PROP La varianza es igual al momento de segundo orden respecto al origen menos el
de primer orden elevado al cuadrado.
2
2 2
2
a a m S # = =



19/24
PROP La varianza est acotada inferior y superiormente en cada distribucin de
frecuencias.
PROP Si en la distribucin de frecuencias sumamos a todos los valores de la variable
una constante, la varianza no vara.
PROP Al multiplicar los valores de una distribucin de frecuencias por una constante k,
la varianza queda multiplicada por el cuadrado de la constante.
Tambin podemos ut ilizar como medida de dispersin respecto a la media el
coeficiente
( )
2
1
2
2 *
1 1
S
N
N
N
n
x x S
n
i
i
i
#
=
#
# =
!
=
denominado Cuasivarianza.
4.1.2.4. Desviacin Tpica o Standard. Propiedades.
As como las desviaciones medias vienen expresadas en las mismas unidades de
medida que la distribucin, la varianza no, lo cual dificulta su interpretacin. Es por ello
que aparece la desviacin tpica.
DEF Llamamos Desviacin Tpica a la raz cuadrada, con signo positivo, de la
varianza. Se representa por S, y es
( )
!
=
# = =
n
i
i
i
N
n
x x S S
1
2
2
Al ser la raz cuadrada de la varianza, vendr expresada en las mismas unidades de
medida que la distribucin, lo cual la hace ms apta como medida de dispersin.
Sus propiedades las podemos deducir fcilmente de las propiedades de la varianza.
PROP La desviacin tpica no es negativa.
PROP La desviacin tpica es una medida de dispersin ptima.
PROP La desviacin tpica verifica
2
2
a a S # =
PROP La desviacin tpica esta acotada superior e inferiormente.
PROP A la desviacin tpica no le afectan los cambios de origen.
PROP A la desviacin tpica le afectan los cambios de escala, siendo S=kS
DEF Diremos que una variable estadstica X est Tipificada, Estandarizada o
Reducida si su media es cero y su varianza es 1.



20/24
Dada una variable X, su tipificada Z, se define como
X
S
x X
Z
#
=
4.2. Relativas.
Supongamos que tenemos dos distribuciones de frecuencias cuyos promedios son P
1
y P
2
y queremos saber cul de las dos es ms representativa. Esta comparacin no la
podemos efectuar por sus respectivas medidas de dispersin , ya que las distribuciones,
en general, no vendrn dadas en las mismas unidades de medida. Tampoco se podr
efectuar en el caso de que las unidades de medida sean las mismas, si los promedios son
numricamente diferentes.
Por tanto, resulta necesario construir medidas adimensionales. Estas medidas de
dispersin, llamadas relativas, siempre vendrn dadas en forma de cociente.
Podemos destacar:
DEF Llamamos coeficiente de Apertura a la relacin por cociente entre el mayor y
menor valor de una distribucin.
1
x
x
A
n
=
Este coeficiente es el ms fcil de calcular, pero presenta varios inconvenientes.
Entre ellos podemos nombrar:
1) Mide la dispersin de la distribucin sin hacer referencia a ningn promedio, por
lo que no resuelve el problema de la comparacin entre stos.
2) Slo tiene en cuenta dos valores de la distribucin (los dos extremos), lo que nos
dar una gran dispersin en el caso de que estn muy separados.
DEF Llamamos Recorrido Relativo al cociente entre el recorrido y la media
aritmtica.
x
R
R
e
r
=
Nos indica el nmero de veces que el recorrido contiene a la media aritmtica.
DEF Llamamos Recorrido Semi-intercuartlico al cociente entre el recorrido
intercuartlico y la suma del primer y tercer cuartil.
1 3
1 3
C C
C C
R
S
+
#
=



21/24
4.2.1. Coeficiente de Variacin de Pearson.
Para poder comparar las medias aritmticas de dos distribuciones que vengan dadas
en unidades diferentes tenemos el coeficiente de variacin de Pearson.
DEF Definimos el coeficiente de variacin de Pearson como la relacin por cociente
entre la desviacin tpica y la media aritmtica.
x
S
V =
En primer lugar, tenemos que dicha medida es adimensional. En segundo lugar, V
representa el nmero de veces que S contiene a x . Cuanto mayor sea V, ms veces
contendr S a x , luego relativamente a mayor V menor representatividad de x .
Este coeficiente se suele expresar en tanto por ciento, siendo
100
x
S
V =
Como tanto en S como en x han intervenido todos los valores de la distribucin, V
presenta la garanta de que utiliza toda la informacin.
La cota inferior de V es cero, al ser ste el menor valor que puede tomar S, y es el
valor de V que indica la mxima representatividad de x .
En caso de que la media aritmtica sea nula, el valor de V no es significativo, ya que
su resultado numrico nos puede hacer tomar conclusiones estadsticamente
equivocadas.
4.2.2. ndice de Dispersin respecto a la Mediana.
Para comparar medianas podemos definir un coeficiente similar a V.
DEF Definimos el ndice de dispersin respecto a la mediana como:
Me N
n Me x
Me
D
V
n
i
i i
Me
Me

1
!
=
#
= =
5. MEDIDAS DE FORMA. ASIMETRA Y CURTOSIS.
En los apartados anteriores hemos realizado el anlisis estadstico sintetizando la
informacin mediante medidas de posicin y visto la dispersin en la distribucin. Pero
analizar los datos no consiste slo en hallar una media y una varianza. En este apartado
vamos a ver una tipologa de distribuciones segn la forma de su representacin grfica.
El motivo es que, aunque resumamos la distribucin mediante medias, no debemos



22/24
proceder a una interpretacin que implique un comportamiento de todos los elementos
uniformemente constante e igual a la media.
Las medidas de la forma de la distribucin se pueden clasificar en dos grandes
grupos: medidas de asimetra y medidas de curtosis.
5.1. Asimetra.
Las medidas de asimetra se dirigen a elaborar un indicador que permita establecer
el grado de simetra (o asimetra) que presenta la distribucin, sin necesidad de llevar a
cabo su representacin grfica.
Si representamos grficamente la distribucin y trazamos una vertical que pase por
la media aritmtica, diremos que sta es simtrica si deja a ambos lados el mismo
nmero de valores. Ser asimtrica en caso contrario.
Vamos a buscar una medida que nos diga si la distribucin es simtrica o no sin
necesidad de representarla. Tomaremos la expresin
!
=
# =
n
i
i
i
N
n
x x m
1
3
3
) (
as, si:
m
3
=0 la distribucin es simtrica.
m
3
>0 la distribucin es asimtrica positiva.
m
3
<0 la distribucin es asimtrica negativa
Si la distribucin es asimtrica a derechas o positiva, sera lgico pensar que la suma
de las desviaciones positivas ser mayor que la suma de las desviaciones negativas. En
caso de que la distribucin sea asimtrica a la izquierda o negativa, lo anterior se
repetir, pero a la inversa.
Esta medida est expresada en las mismas unidades que las de la variable, pero
elevadas al cubo, por lo que no es invariante ante un cambio de escala. Para poder
obtener un indicador adimensional, debemos dividir la expresin anterior por una
cantidad que venga en sus mismas unidades. Tomaremos como dicha cantidad el cubo
de la desviacin tpica, obtenindose as
DEF Llamaremos Coeficiente de Asimetra de Ficher a
3
3
1
S
m
g =
Como S no es negativa, el signo de g
1
coincide con el de m
3
y entonces:
g
1
=0 la distribucin es simtrica.
g
1
>0 la distribucin es asimtrica positiva.
g
1
<0 la distribucin es asimtrica negativa
Otras medidas de asimetra que siguen el mismo criterio de signos que las dos
anteriores son las siguientes:



23/24
DEF Llamamos Coeficiente de Asimetra de Pearson a
S
Mo x
A
p
#
=
DEF Llamamos Coeficiente de Asimetra de Bowley a
1 3
1 3
2
C C
Me C C
A
B
#
# +
=
DEF Llamamos Coeficiente Absoluto de Asimetra a
S
Me C C
S
C C C
S
C C C C
A
2 2 ) ( ) (
2 3 2 1 3 1 2 2 3
# +
=
# +
=
# # #
=
5.2. Medidas de Apuntamiento o Curtosis.
Las medidas de curtosis se aplican a distribuciones campaniformes, es decir,
unimodales simtricas o con ligera asimetra. Las medidas de curtosis tratan de estudiar
la distribucin de frecuencias en la zona central de la distribucin. La mayor o menor
concentracin de frecuencias alrededor de la media y en la zona central de la
distribucin dar lugar a una distribucin ms o menos apuntada. Por esta razn a las
medidas de curtosis se les llama tambin de apuntamiento o concentracin central.
Para estudiar la curtosis de una distribucin es necesario definir previamente una
distribucin tipo, que vamos a tomar como modelo de referencia.
Esta distribucin es la llamada distribucin Normal, que corresponde a fenmenos
muy corrientes en la naturaleza, y cuya representacin grfica es una campana de
Gauss, dada por la frmula
2
2
) (
2
1
2
1
) (
"
#
$ "
#
#
=
x
e x f
donde 6 y 7 son la media y desviacin tpica, respectivamente.
Se trata de ver la deformacin existente entre una distribucin, en sentido vertical, y
la Normal.
Diremos que una distribucin puede ser ms apuntada que la normal si es ms alta y
recibe el nombre de Leptocrtica. En caso contrario recibe el nombre de Platicrtica. La
propia distribucin normal recibe el nombre de Mesocrtica.
La idea del apuntamiento de una distribucin surgi de la comparacin de
frecuencias de los valores centrales de la distribucin considerada con la frecuencia de
dichos valores en una distribucin normal con media y varianza iguales a las de la
distribucin que se compara.
DEF Llamaremos Coeficiente de Apuntamiento o Curtosis a
3
4
4
2
# =
S
m
g .



24/24
Si g
2
= 0 Mesocrtica.
g
2
> 0 Leptocrtica
g
2
> 0 Platicrtica
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Teora de la Estadstica. Aut.: Mood/Graybill. Ed. Aguilar.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa. Ed. PPU
Algoritmo. Matemticas II. Cou. Aut.: Vizmanos y Anzola. Edit. SM.
Estadstica para Ingenieros. Aut.: Ramn Ardanuy y Quintn Martn. Edit.: Hesprides



1/14
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 61
DESIGUALDAD DE TCHEBYCHEV. COEFICIENTE DE VARIACION.
VARIABLE NORMALIZADA. APLICACIN AL ANLISIS, INTERPRETACIN
Y COMPARACIN DE DATOS ESTADSTICOS.
1. Variable Aleatoria.
1.1. Concepto de Variable Aleatoria.
1.2. Variable Aleatoria Discreta.
1.3. Variable Aleatoria Continua.
2. Esperanza Matemtica.
2.1. Momentos.
2.2. Variable Normalizada
2.3. Coeficiente de Variacin.
3. Desigualdades de Markov y Tchebychev.
4. Teoremas de Bernouilli y Moivre.
5. Aplicacin al Anlisis, Interpretacin y Comparacin de Datos Estadsticos.
5.1. Ejemplos.
Bibliografa Recomendada.



2/14
TEMA 61
DESIGUALDAD DE TCHEBYSCHEV. COEFICIENTE DE VARIACION.
VARIABLE NORMALIZADA. APLICACIN AL ANLISIS, INTERPRETACIN
Y COMPARACIN DE DATOS ESTADSTICOS.
1. VARIABLES ALEATORIAS.
1.1. Concepto de Variable Aleatoria.
DEF Sea un experimento E y sea ! el espacio muestral asociado con el experimento.
Llamaremos Variable Aleatoria a una funcin X que asigna a cada elemento s"! un
nmero real X(s).
DEF Diremos que una variable aleatoria es Discreta si slo toma un nmero finito de
valores o un nmero infinito pero numerable.
Si la variable aleatoria es discreta, enumeraremos los valores que toma como x
1
, x
2
,
x
3
, ...
DEF Diremos que una variable aleatoria es Continua si toma un nmero infinito no
numerable de valores
1.2. Variables Aleatorias Discretas.
DEF Definimos la funcin de Probabilidad de la variable aleatoria discreta X como
aquella funcin que asigna a cada nmero real x
i
la probabilidad de que la variable
aleatoria tome ese valor, X=x
i
. f(x
i
) = P(X=x
i
)
Tengamos en cuenta que la variable aleatoria X estaba definida sobre un espacio
muestral !, el cual es discreto. En cambio, la funcin de probabilidad f(x) esta definida
sobre !.
As pues, si el nmero real x
i
no pertenece al conjunto de valores que toma X, se
verificar
f(x
i
) = P(X=x
i
) = 0
En cambio, si pertenece al conjunto de los valores asumibles por X, se verificar:
f(x
i
) = P(X=x
i
) > 0
En este caso, f(x
i
) ser la suma de las probabilidades de todos los sucesos
elementales a los que X asigna el valor x
i
.
Las propiedades fundamentales de la funcin de probabilidad no son ms que la
traduccin de los axiomas de la probabilidad.
PROP Si x
1
, x
2
, ..., x
n
son los valores que toma la variable aleatoria X, se verifica:



3/14
1) ) ( ) ( ) ( ) (
2 1 n i
x X P x X P x X P x f = + + = + = =
#
K
2) f(x
i
)>0 $i:1, 2, ..., n
3) Si a<b<c, y definimos los sucesos mutuamente excluyentes A={a%X%b} y
B={b<X%c}. Si C={a%X%c}, es claro que C=A&B y, por tanto:
P(a%X%c) = P(a%X%b) + P(b<X%c)
DEF Definimos la funcin de Distribucin de una variable aleatoria discreta X como
F(x)=P(X%x
i
).
Esta claro que esa probabilidad ser la suma de las probabilidades de todos los
sucesos elementales de ! a los que X asigna valores menores o iguales que x
i
.
PROP La funcin de distribucin de una variable aleatoria verifica las siguientes
propiedades:
1) F(-')=0
2) F(+')=1
3) F(x) es creciente.
4) P(a<X%b) = F(b) F(a).
5) F(x) es Continua por la Derecha.
Dem.
1) Sean x
1
, x
2
, ..., x
n
los nicos valores que puede tomar la variable aleatoria X y sea x
0
un valor menor que el ms pequeo de los n valores anteriores. Es claro que el
suceso {X%x
0
} es un suceso imposible. Por tanto su probabilidad es cero,
manteniendose dicho valor cuando ms pequeo sea x
0
. Luego se verifica.
2) Anloga a la anterior.
3) Por propia Definicin, ya que todos los sumandos son no negativos.
4) Los sucesos {X%a} y {a<X%b} son mutuamente excluyentes, y su unin es el
suceso {X%b}
P(X%b) = P(X%a) + P(a<X%b)
Es decir
P(a<X%b) = P(X%b) - P(X%a) = F(b) F(a)
5) Por Definicin.
1.3. Variables Aleatorias Continuas.
DEF Llamamos funcin de Densidad de Probabilidad de una variable aleatoria
continua X a una funcin f(x) que verifica las dos condiciones siguientes:
1) f(x)(0
2) 1 ) ( =
)
+'
' *
dx x f



4/14
DEF Llamaremos funcin de Distribucin de la variable aleatoria continua X a una
funcin que asigna a todo nmero real x, la probabilidad de que X sea igual o menor
que x.
)
' *
= % =
x
dt t f x X P x F ) ( ) ( ) (
PROP La funcin de distribucin de una variable aleatoria continua X verifica:
1) 0 ) ( ) ( = = *'
*' +
x F Lim F
x
2) 1 ) ( ) ( = = +'
+' +
x F Lim F
x
3) F(x) es una funcin no decreciente.
4) P(a<X%b) = F(b) F(a).
5) Si F(x) es derivable,
dx
x dF
x f
) (
) ( =
Dem.
Inmediata.
2. ESPERANZA MATEMTICA.
DEF Sea X una variable aleatoria con funcin de probabilidad f(x). Llamaremos
Esperanza Matemtica de X a , siendo:
1) Caso Discreto:
#
= =
i
i i
x f x X E ) ( ) (
2) Caso Continuo:
)
+'
' *
= = dx x xf X E ) ( ) (
La esperanza matemtica, denotada por E(X), tambin recibe el nombre de Media o
Valor Esperado.
Cuando una variable aleatoria se expresa mediante una funcin Y=G(X), con X otra
variable aleatoria, podemos expresar la esperanza matemtica de Y utilizando X como
sigue:
1) Caso Discreto.
# #
= = = =
i
i i
i
i i
y h y x f x g X G E Y E ) ( ) ( ) ( )) ( ( ) (
2) Caso Continuo.
) )
+'
' *
+'
' *
= = = = dy y yh dx x f x g X G E Y E ) ( ) ( ) ( )) ( ( ) (
Si tenemos que una variable aleatoria Z se expresa como producto de otras dos
variables aleatorias, Z=XY, su esperanza matemtica ser:
#
= =
j i
j i j i
y x f y x XY E Z E
,
) , ( ) ( ) (
) )
+'
' *
+'
' *
= = dxdy y x xyf XY E Z E ) , ( ) ( ) (



5/14
PROP Sean a y b constantes y X una variable aleatoria con media . Si Y=aX+b
entonces E(Y) = a+b.
PROP El valor esperado de la suma o diferencia de dos o ms funciones de una
variable aleatoria X, es la suma o diferencia de los valores esperados de las funciones.
E[g(X)h(X)] = E[g(X)] E[h(X)]
PROP La Esperanza Matemtica es una funcin lineal. E(aX+bY) = aE(X) + bE(Y).
2.1. Momentos.
DEF Sea X una variable aleatoria Discreta con funcin de probabilidad f(x).
Llamaremos Momento de Orden r Respecto al Origen de la variable aleatoria X, y lo
denotamos por ,
r
, a la expresin:
#
= = ) ( ) ( x f x X E
r r
r
!
DEF Sea X una variable aleatoria Continua con funcin de densidad de probabilidad
f(x). Llamaremos Momento de Orden r Respecto al Origen de la variable aleatoria X, y
lo denotamos por ,
r
, a la expresin:
)
+'
' *
= = dx x f x X E
r r
r
) ( ) ( !
Podemos destacar a
1
que corresponde precisamente con E(X), la media de la
variable aleatoria.
DEF Sea X una variable aleatoria Discreta con funcin de probabilidad f(x).
Llamaremos Momento Central de Orden r de la variable aleatoria X, y lo denotamos por

r
, a la expresin:
( ) [ ] ( )
#
* = * = ) ( ) ( ) ( x f X E X X E X E
r r
r

DEF Sea X una variable aleatoria Continua con funcin de densidad de probabilidad
f(x). Llamaremos Momento Central de Orden r de la variable aleatoria X, y lo
denotamos por
r
, a la expresin:
( ) [ ] ( )
)
+'
' *
* = * = dx x f X E X X E X E
r r
r
) ( ) ( ) (
DEF Sea X una variable aleatoria con distribucin de probabilidades f(x) y media .
Definimos la Varianza de X, y se denota por Var(X), como
2
, Momento Central de
Orden 2.
En el caso discreto [ ]
#
* = * = =
i
i i
x f x X E X E X Var ) ( ) ( )) ( ( ) (
2 2
2

En el caso continuo [ ]
)
+'
' *
* = * = = dx x f x X E X E X Var ) ( ) ( )) ( ( ) (
2 2
2




6/14
DEF Llamamos Desviacin Tpica o Estndar de una variable aleatoria X, y se denota
por -, a la raz cuadrada de la Varianza.
2
) ( " = = X Var
PROP La varianza de una variable aleatoria X se puede expresar como la media de los
cuadrados menos el cuadrado de la media.
[ ]
2 2 2
) ( ) ( )) ( ( ) ( X E X E X E X E X Var * = * =
PROP Si a y b son constantes y X es una variable aleatoria con media y varianza -
2
.
Se verifica:
Var(aX+b) = a
2
Var(X)
2.2. Variable Normalizada.
DEF Si en la proposicin anterior, tomamos como caso particular los valores
"
1
= a y
"

* = b , la variable
"
* X
, que expresa la desviacin de la variable aleatoria X
respecto de su media y medida en unidades de la desviacin tpica, recibe el nombre de
Variable Normalizada o Tipificada.
Ntese que la media de la variable normalizada es cero y su desviacin tpica uno.
0 = .
/
0
1
2
3
*
"
X
E 1
2
2
1
=
4
4
5
6
7
7
8
9
.
/
0
1
2
3
*
=
4
5
6
7
8
9
.
/
0
1
2
3
*
"

"
X
E
X
Var
2.3. Coeficiente de Variacin.
DEF Llamaremos Coeficiente de Variacin de la variable aleatoria X al cociente de la
desviacin tpica por la media.
) ( X E
"
Para poder comparar las medias aritmticas de dos distribuciones que vengan dadas
en unidades diferentes tenemos el coeficiente de variacin de Pearson.
DEF Definimos el coeficiente de variacin de Pearson como la relacin por cociente
entre la desviacin tpica y la media aritmtica.

"
= V



7/14
En primer lugar, tenemos que dicha medida es adimensional. En segundo lugar, V
representa el nmero de veces que - contiene a . Cuanto mayor sea V, ms veces
contendr - a , luego relativamente a mayor V menor representatividad de .
Este coeficiente se suele expresar en tanto por ciento, siendo

"
= V 100
Como tanto en - como en han intervenido todos los valores de la distribucin, V
presenta la garanta de que utiliza toda la informacin.
La cota inferior de V es cero, al ser ste el menor valor que puede tomar -, y es el
valor de V que indica la mxima representatividad de .
En caso de que la media aritmtica sea nula, el valor de V no es significativo, ya que
su resultado numrico nos puede hacer tomar conclusiones estadsticamente
equivocadas.
3. DESIGUALDADES DE MARKOV Y TCHEBYCHEV.
En este apartado vamos a ver las desigualdades de Markov y Tchebychev. Ambas se
basan en el concepto de valor esperado para establecer acotaciones sobre la
probabilidad. La desigualdad de Markov establece una acotacin de la probabilidad de
una funcin no negativa de una variable aleatoria X. Con la desigualdad de Tchebychev,
si conocemos la distribucin de probabilidades de una variable aleatoria X, podemos
calcular su esperanza E(X) y su varianza Var(X), si existen. Sin embargo, el recproco
es falso. Es decir, conociendo la media y la varianza de la variable aleatoria X no
podemos reconstruir la distribucin de probabilidades de X. Debido a esto, es
conveniente obtener unas cotas superior e inferior para la funcin de probabilidad.
DESIGUALDAD DE MARKOV.
Dadas una funcin g no negativa de la variable aleatoria X y una constante t
positiva, se verifica que
[ ]
[ ]
t
X g E
t X g P
) (
) ( % (
Dem.
La demostracin vamos a realizarla para el caso de que la variable aleatoria X sea
continua. El caso discreto es anlogo.
Sea D el dominio en el que g(X)(t. Entonces:
[ ]
) ) ) )
( ( ( =
+'
' * D D D
dx x f t dx x tf dx x f x g dx x f x g X g E ) ( ) ( ) ( ) ( ) ( ) ( ) (
Teniendo ahora en cuenta las propiedades que verifica la funcin de densidad:



8/14
1 ) ( =
)
+'
' *
dx x f y [ ] t X g P dx x f
D
( =
)
) ( ) (
resulta que
[ ] [ ] t X g tP X g E ( ( ) ( ) (
y operando llegamos a
[ ]
[ ]
t
X g E
t X g P
) (
) ( % (
Un caso particular que merece la pena destacar es cuando la funcin g sea la
identidad, g(X)=X. En este caso
[ ]
[ ]
t
X E
t X P % (
siempre que X(0. Esta expresin nos va a permitir demostrar la desigualdad de
Tchebychev.
DESIGUALDAD DE TCHEVYCHEV.
Sea X una variable aleatoria con media y varianza -
2
. Entonces, $k>0 se verifica:
( ) ( )
2
1
1
k
k X P k X k P * ( < * = + < < * " " "
Dem.
Definamos la variable aleatoria Y=[X-E(X)]
2
.
Como P(Y(0) = 1 podemos aplicar la desigualdad de Markov, para obtener:
( ) ( )
2 2 2
2
2 2
2 2
1 ) (
k k k
Y E
k Y P k X P = = % ( = ( *
"
"
"
" "
verificando su complementario la desigualdad que queremos demostrar:
( )
2
1
1
k
k X P * ( < * "
Veamos ahora otra manera de enunciar la desigualdad de Tchevybech, y vamos a
realizar su demostracin para el caso de una variable discreta.
DESIGUALDAD DE TCHEVYBECH.
Sea X una variable aleatoria. $k>o se verifica:
( )
2
2
) (
k
X E
k X P % (
Dem.



9/14
Sea X una variable aleatoria discreta.
# # # #
% < < * * %
+ + = =
i i i
x k
i i
k x k
i i
k x
i i
i
i i
p x p x p x p x X E
2 2 2 2 2
) (
Entonces
.
.
/
0
1
1
2
3
+ ( + (
# # # #
% * % % * %
i i i i
x k
i
k x
i
x k
i i
k x
i i
p p k p x p x X E
2 2 2 2
) (
( ) ( )
2
2
2 2
) (
) (
k
X E
k X P k X P k X E % ( : ( (
Si en la desigualdad anterior sustituimos la variable aleatoria X por otra variable que
est tipificada
"
* X
, obtenemos la desigualdad de Tchevychev demostrada en primer
lugar.
La desigualdad de Tchevychev nos va a servir para poder justificar la introduccin
del concepto frecuencialista de probabilidad.
Sea A un suceso aleatorio, con probabilidad p, P(A)=p. Sea f la variable aleatoria
que mide el nmero de apariciones de A en una serie de n observaciones
independientes.
f = X
1
+ X
2
+ ... + X
n
donde
;
<
=
=
A verifica se no si
A verifica se si
X
i
0
1
en la i-sima experiencia
E(X
i
) = 1 P(A) + 0(1 P(A)) = p
Var(X
i
) = E[(X
i
p)
2
] = p(1 p)
2
+ (1 p)(0 p) = p(1 p)
Como los experimentos son independientes:
E(f) = E(X
1
) + E(X
2
) + ... + E(X
n
) = np
Var(f) = Var(X
1
) + Var(X
2
) + ...+ Var(X
n
) = np(1 p)
4. TEOREMAS DE BERNOUILLI Y MOIVRE.
TEOREMA DE BERNOUILLI.
Dado k>0, la probabilidad de que la desviacin absoluta de la frecuencia relativa de
A sea mayor que k en la repeticin de n experiencias independientes respecto a la
probabilidad de A tiende a 0 cuando n tiende a '.
Dem.



10/14
Apliquemos la desigualdad de Tchebychev a la variable aleatoria
n
f
.
p
n
np
n
f
E = =
.
/
0
1
2
3
n
p p
n
p np
n
f
Var
) 1 ( ) 1 ( *
=
*
= .
/
0
1
2
3
= "
2 2
4
1 ) 1 (
nk nk
p p
k p
n
f
P %
*
%
.
.
/
0
1
1
2
3
( * ya que [ ] 1 , 0
4
1
) 1 ( " $ % * p p p
Entonces:
0 =
.
.
/
0
1
1
2
3
( *
' +
k p
n
f
P Lim
n
Un caso algo ms general fue obtenido por Poisson, que haca variar la probabilidad
de A de un experimento a otro.
Si la probabilidad de A en el experimento i-simo es p
i
, tenemos que
#
=
=
n
i
i
p f E
1
) (
#
=
* =
n
i
i i
p p f Var
1
) 1 ( ) (
y entonces
2 2 2 2
1
4
1
) 1 (
k n k n
p p
k p
n
f
P
n
i
i i
%
*
%
.
.
/
0
1
1
2
3
( *
#
=
siendo
#
=
=
n
i
i
p
n
p
1
1
la probabilidad media.
El teorema de Bernouilli se publico en el ao 1713, 150 aos despus que la
desigualdad de Tchebychev. Originalmente se demostr calculando directamente la
probabilidad
( )
#
+ % % *
*
*
.
.
/
0
1
1
2
3
= % * =
.
.
/
0
1
1
2
3
% *
) ( ) (
) 1 (
k p n i k p n
i n i
p p
i
n
nk np f P k p
n
f
P
Bernouilli tard veinte aos en calcular el sumatorio anterior, y probar que tiende a
1 cuando n tiende a '.
Sin embargo, hoy en da puede deducirse un resultado mucho ms general que el de
Bernouilli y que fue dado por De Moivre en 1733, y que se podra enunciar como:
La Distribucin Binomial es Asintticamente normal
tambin conocido como Teorema Central del Lmite, en forma reducida.



11/14
En la demostracin de De Moivre, se utilizaba la variable tipificada
) 1 ( p np
np f
*
*
= #
Entonces:
#
* + % % * +
*
*
.
.
/
0
1
1
2
3
= < <
) 1 ( ) 1 (
2 1
2 1
) 1 ( ) (
p np np i p np np
i n i
p p
i
n
P
# #
# # #
Pues bien
)
*
' +
= < <
2
1
2
2
2 1
2
1
) (
#
#
$
# # # du e P Lim
u
n
siendo la expresin de la derecha la funcin de distribucin normal.
El clculo de la probabilidad
#
* + % % * +
*
*
.
.
/
0
1
1
2
3
) 1 ( ) 1 (
2 1
) 1 (
p np np i p np np
i n i
p p
i
n
# #
anterior, cuando n+' puede hacerse de forma ligeramente distinta, lo que proporciona
otra distribucin lmite, llamada de Poisson, muy til cuando n es muy grande y p es
muy pequea.
Sea > un parmetro tal que n p = # y
n
p q
#
* = * = 1 1
= .
/
0
1
2
3
*
+ * *
= .
/
0
1
2
3
* .
/
0
1
2
3
.
.
/
0
1
1
2
3
= =
* * r n
r
r
r n r
n r n
r n n n
n n r
n
r X P
# # # #
1
!

) 1 ( ) 1 (
1 ) (
K
r n
r
n n r n
r
n n
*
.
/
0
1
2
3
*
.
/
0
1
2
3
*
.
/
0
1
2
3
*
*
.
/
0
1
2
3
*
.
/
0
1
2
3
* =
# # #
1 1
!

1
1
2
1
1
1 L
Tomando lmites cuando n+' nos queda la distribucin de Poisson
#
#
*
? = e
r
r X P
r
!
) (
Se verifica que 1
!
0
=
#
'
=
*
r
r
e
r
#
#
, la esperanza es >=np y la varianza es -
2
=>
En la prctica, se suele utilizar cuando es suceso A es raro y 5 % np



12/14
5. APLICACIN AL ANLISIS, INTERPRETACIN Y COMPARACIN DE
DATOS ESTADSTICOS.
La nocin de ley de probabilidad correspondiente a una variable aleatoria se
introduce en Estadstica como un modelo de las regularidades que se observan al
considerar series estadsticas.
Al igual que sucede con todas las teoras de las Matemticas, la segunda parte es ver
como se adaptan los modelos matemticos a la realidad.
Igualmente, si llegamos a establecer criterios que permitan afirmar que una serie
estadstica se puede considerar como una cierta aproximacin de una ley de
probabilidad, podemos admitir que el mecanismo que conduce a estas observaciones
ser anlogo al de los experimentos imaginados para obtener valores del universo que
tiene dicha ley de probabilidad.
Concretamente, al aplicar mtodos estadsticos para obtener nuevos conocimientos
de los fenmenos naturales, se pueden considerar cuatro etapas:
a) Descripcin.
Propone la recogida, clasificacin y presentacin resumida de datos relativos a
un fenmeno.
b) Modelos.
Para explicar los hechos observados se formulan hiptesis, teoras o se buscan
modelos, que expresen en forma matemtica las relaciones que se han observado en
los datos estadsticos.
c) Verificacin.
Tambin llamado Contraste del Modelo, Se realiza mediante la recogida de
nuevos datos estadsticos relativos al fenmeno estudiado. Si la ley se confirma,
podr utilizarse en lo sucesivo. Si no, se descarta.
d) Prediccin.
La teora o modelo establecido permite establecer predicciones.
5.1. Ejemplos.
a) Ley de Mendel.
1) Descripcin.
Mendel estudi el cruce de una variedad de guisantes amarillos con otros verdes.
Los guisantes verdes, al reproducirse, dan siempre verdes, pero los amarillos dan unos
slo amarillos y otros amarillos y verdes. Estos amarillos dan una raza pura que da



13/14
indefinidamente amarillos. Si se cruzan verdes con amarillos de raza pura, se obtiene
una primera raza de hbridos verdes. Si stos se cruzan entre s, se obtienen guisantes
amarillos y verdes aproximadamente en una proporcin 3 a 1.
2) Modelo Matemtico.
Este modelo fue sugerido por el propio Mendel. En los cromosomas del guisante
hay un corpsculo portador del color. En la raza hbrida, unos gametos llevan el gen V y
otros el A en la misma proporcin. Al formarse las clulas, se pueden tener los
siguientes tipos:
V
1
V
2
A
1
V
2
V
1
A
2
A
1
A
2
Como A es dominante, entonces la proporcin de amarillos es de !.
3) Verificacin.
En este caso, la comprobacin de la Ley debe hacerse con test de hiptesis, por
ejemplo la @
2
de Pearson.
4) Prediccin.
Una vez confirmada la ley, se puede saber con cierta probabilidad cual ser el
resultado del cruzamiento de dos plantas de guisantes en las condiciones anteriores.
b) Calidad en la Produccin de Inyectables.
1) Descripcin.
Se ha observado que una mquina produce inyectables con un porcentaje de
defectuosos del 1% en un lote de 10.000 unidades.
2) Modelo.
El nmero de inyectables defectuosos en una caja de 200 unidades es variable, pero
una teora basada en la observacin y en un modelo del clculo de probabilidades
permite considerar el nmero de defectuosos como una variable de Poisson
3) Verificacin.
Si este modelo es confirmado por la experiencia, se puede utilizar para la
prediccin. Si no es confirmado, se revisa la hiptesis del paso 2.
4) Prediccin.
La hiptesis y teora anterior permite predecir que es prcticamente seguro que en
una caja de 200 unidades de inyectables aparezcan, a lo sumo, cuatro defectuosos.



14/14
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Teora de la Estadstica. Aut.: Mood/Graybill. Ed. Aguilar.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa. Ed. PPU
Algoritmo. Matemticas II. Cou. Aut.: Vizmanos y Anzola. Edit. SM.
Curso Bsico de Estadstica Econmica. Aut.: M.P. Martn y F.J. Martn. Edit.: AC.



1/25
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 62
SERIES ESTADSTICAS BIDIMENSIONALES. COEFICIENTE DE VARIACIN.
VARIABLE NORMALIZADA. APLICACIN AL ANLISIS, INTERPRETACIN
Y COMPARACIN DE DATOS ESTADSTICOS.
1. Distribuciones Bidimensionales de Frecuencias.
1.1. Independencia y Relacin Funcional de dos Variables.
1.2. Tablas de Correlacin y de Contingencia.
1.3. Distribuciones Marginales.
1.4. Distribuciones Condicionadas.
1.5. Independencia Estadstica.
2. Representaciones Grficas.
3. Momentos de Distribuciones Bidimensionales.
3.1. Momentos Respecto al Origen.
3.2. Momentos Respecto a las Medias.
3.3. Clculo de los Momentos Centrales en funcin de los Momentos Respecto al
Origen.
3.4. Mtodo Reducido para el Clculo de Varianza y Covarianza.
3.5. Valor de la Covarianza en caso de Independencia Estadstica.
4. Ajuste.
4.1. Mtodo de los Mnimos Cuadrados.
4.1.1. Ajuste de una Recta.
4.1.2. Ajuste de una Parbola.
4.1.3. Ajuste Hiperblico.
4.1.4. Ajuste Potencial.
4.1.5. Ajuste Exponencial.
4.2. Mtodo de los Momentos.
5. Regresin.
5.1. Regresin Lineal.
5.1.1. Recta de Regresin de Y sobre X.
5.1.2. Recta de Regresin de X sobre Y.
5.2. Coeficientes de Regresin.
6. Correlacin.
6.1. Campo de Variacin de R y su Interpretacin.
6.2. Coeficiente de Correlacin Lineal.
6.3. Interpretacin Analtica de r.
6.4. Interpretacin Geomtrica de r.
7. Varianza debida a la Regresin y Coeficiente de Determinacin Lineal.
8. Aplicaciones de la Regresin y la Correlacin.
8.1. Uso y Abuso de la Regresin.
8.2. Prediccin.
Bibliografa Recomendada.



2/25
TEMA 62
SERIES ESTADSTICAS BIDIMENSIONALES. COEFICIENTE DE VARIACIN.
VARIABLE NORMALIZADA. APLICACIN AL ANLISIS, INTERPRETACIN
Y COMPARACIN DE DATOS ESTADSTICOS.
1. DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.
Si estudiamos sobre la misma poblacin dos caracteres cuantitativos X e Y y los
medimos en las mismas unidades estadsticas, obtenemos dos series estadsticas de las
variables X e Y. Considerando simultneamente ambas series, el par de valores (x
i
,y
i
) le
corresponde una variable estadstica Bidimensional.
Es posible estudiar de forma separada la distribucin de la poblacin segn el
carcter X o Y, obteniendo
y x
S y S x , , , o cualquier otro parmetro. Pero puede ser
interesante considerar de forma simultnea los dos caracteres, con el objetivo de
determinar las posibles relaciones entre ellos y as poder responder a preguntas como
Existe algn tipo de relacin entre los caracteres X e Y?.
Vamos a ver instrumentos estadsticos que nos van a permitir obtener la existencia o
no de coincidencias entre los valores de dos variables y, a partir de esas coincidencias,
formular la hiptesis de una relacin causal entre los dos caracteres.
Si existen coincidencias estadsticas entre los valores de dos caracteres, o lo que es
lo mismo, si existe relacin entre las dos variables, las coincidencias pueden ser ms o
menos fuertes, y la intensidad de la relacin puede variar entre ausencia total de relacin
o ligazn perfecta.
1.1. Independencia y Relacin Funcional de dos Variables.
DEF Diremos que dos variables son independientes cuando no existe relacin entre
ambas. Inversamente, cuando la relacin entre dos variables es perfecta, diremos que
estn relacionadas funcionalmente, lo cual implica que su relacin puede expresarse
como y=f(x).
DEF Diremos que Y depende funcionalmente de X cuando podamos establecer una
aplicacin que nos transforme los elementos de X en elementos de Y.
Desde el punto de vista de la Estadstica, lo que realmente nos interesa es que
podemos determinar los elementos de Y conocidos los de X, o viceversa. Pero esa
circunstancia no ser muy habitual. Existen caractersticas como la estatura y el peso,
consumo y renta, etc. en los que aun existiendo interrelacin, es imposible definir una
aplicacin en el sentido estrictamente matemtico. Es decir, no dependen
funcionalmente una de otra.
Estadsticamente hablando, es claro que el peso depende en cierta forma de la
estatura, el consumo depende de la renta, etc. Este tipo de relacin no expresable a
travs de una determinada aplicacin es la conocida como Dependencia Estadstica. Y



3/25
este tipo de dependencia si admite grados, ya que puede haber dependencias ms o
menos fuertes.
Estos tipos de dependencia se pueden expresar grficamente mediante un segmento
de la recta real, donde en un extremo situamos la dependencia funcional y en el otro la
independencia. Los puntos intermedios del segmento se corresponden con los diferentes
grados de dependencia estadstica.
1.2. Tablas de Correlacin y de Contingencia.
Dada una poblacin, en la que estudiamos simultneamente dos caracteres X e Y,
podemos representar la distribucin mediante ternas de la forma (x
i
, y
j
, n
ij
), donde x
i
e y
j
son dos valores cualesquiera y n
ij
es la frecuencia absoluta conjunta del valor i-simo de
X y j-simo de Y.
Los resultados se pueden representar en una tabla de doble entrada conocida como
Tabla de Correlacin.
X \ Y y
1
y
2
y
n
n
i .
x
1
n
11
n
12
n
1n
n
1
x
2
n
21
n
22
n
2n
n
2

x
m
n
m1
n
m2
n
mn
n
m
n
.j
n
1
n
2
n
n
N
Si la distribucin bidimensional es de atributos, la tabla de doble entrada recibe el
nombre de Tabla de Contingencia.
1.3. Distribuciones Marginales.
A partir de una distribucin bidimensional podemos realizar el estudio de cada una
de las variables de forma aislada. Tendramos as dos distribuciones unidimensionales
las cuales seran las correspondientes a X e Y respectivamente.
Para poder obtenerlas, necesitamos determinar las frecuencias marginales. La
distribucin marginal de X se halla obteniendo cuantas veces se repite el valor x
i
,
independientemente de que aparezca conjuntamente o no con algn valor de Y. As,
tenemos que la distribucin marginal de X sera:
X n
i
x
1
!
=
=
n
j
j
n n
1
1 1
x
2
!
=
=
n
j
j
n n
1
2 2

x
m
!
=
=
n
j
mj m
n n
1

4/25
Anlogamente obtendramos la distribucin marginal de Y.
1.4. Distribuciones Condicionadas.
Se pueden formar otro tipo de distribuciones unidimensionales en las que
previamente hara falta definir una condicin. En general, las distribuciones de X
condicionadas a que Y tome un determinado valor (por ejemplo y
j
) son:
x
i
/y
j
n
i/j
x
1
n
1j
x
2
n
2j

x
m
n
mj
n
j
De forma anloga construiramos las distribuciones de Y condicionadas a que X
tome un determinado valor.
La frecuencia relativa de la distribucin condicionada a algn valor de y es:
j
ij
j i
n
n
f

/
=
Anlogamente, la frecuencia relativa de la distribucin condicionada a algn valor de x
es:

/
i
ij
i j
n
n
f =
1.5. Independencia Estadstica.
DEF Diremos que dos variables X e Y son independientes estadsticamente cuando la
frecuencia relativa conjunta es igual al producto de las frecuencias relativas marginales.
Es decir:
j i
N
n
N
n
N
n
j
i
ij
,

" =
En este caso, las frecuencias relativas condicionadas sern:
N
n
n
N
n
n
n
n
f
i
j
j
i
j
ij
j i

/
= = =
N
n
n
N
n
n
n
n
f
j
i
j
i
i
ij
i j

/
= = =
Como vemos, las frecuencias relativas condicionadas son iguales a sus
correspondientes frecuencias relativas marginales, lo que nos indica que el
condicionamiento no existe. Las variables son independientes, puesto que en las



5/25
distribuciones marginales se estudia el comportamiento de una variable con
independencia de los valores que pueda tomar la otra.
2. REPRESENTACIONES GRFICAS.
La representacin grfica ms utilizada consiste en representar cada pareja de
valores mediante un punto en un sistema de ejes coordenados. Por tanto, la distribucin
vendr dada por un conjunto de puntos que recibe el nombre de Nube de Puntos o
Diagrama de Dispersin. Cuando una pareja de valores est repetida, junto a la
representacin del punto correspondiente se indica el valor de su frecuencia.
La representacin grfica de la nube de puntos puede hacerse tanto con datos
agrupados (las marcas de clase son las que se representan) como con datos sin agrupar.
En el diagrama de tres dimensiones y utilizando los lmites de intervalos (no las marcas
de clase), el escalograma ms adecuado es el constituido por paraleleppedos cuyo
volumen sea la correspondiente frecuencia, y los lados de la base cada una de las
amplitudes de los respectivos intervalos de las variables, y donde n
ij
es el volumen del
paraleleppedo y h
ij
la altura del mismo.
ij j j i i ij
h L L L L n ) )( (
1 1 # #
# # =
3. MOMENTOS DE DISTRIBUCIONES BIDIMENSIONALES.
Al igual que se definen los momentos en las distribuciones unidimensionales,
podemos hacerlo en las bidimensionales. Por tanto, podemos distinguir entre momentos
respecto al origen y momentos respecto a la media.
3.1. Momentos Respecto al Origen.
DEF Definimos el momento de orden r,s respecto al origen para la distribucin
(x
i
,y
j
,n
ij
) como
!!
= =
$ =
m
i
n
j
ij
s
j
r
i rs
N
n
y x
1 1
!
Podemos calcular los momentos de primer orden:
x
N
n
x
N
n
x
N
n
x
N
n
y x
m
i
i
i
m
i
n
j
ij
i
m
i
n
j
ij
i
m
i
n
j
ij
j i
= $ = $ = $ = $ =
! ! ! !! !!
= = = = = = = 1

1 1 1 1 1 1
0 1
10
!
y
N
n
y
N
n
y
N
n
y
N
n
y x
n
j
j
j
n
j
m
i
ij
j
m
i
n
j
ij
j
m
i
n
j
ij
j i
= $ = $ = $ = $ =
! ! ! !! !!
= = = = = = = 1

1 1 1 1 1 1
1 0
01
!
Tambin resulta sencillo calcular los momentos de segundo orden:



6/25
! ! ! !! !!
= = = = = = =
$ = $ = $ = $ =
m
i
i
i
m
i
n
j
ij
i
m
i
n
j
ij
i
m
i
n
j
ij
j i
N
n
x
N
n
x
N
n
x
N
n
y x
1
2
1 1
2
1 1
2
1 1
0 2
20
!
! ! ! !! !!
= = = = = = =
$ = $ = $ = $ =
n
j
j
j
n
j
m
i
ij
j
m
i
n
j
ij
j
m
i
n
j
ij
j i
N
n
y
N
n
y
N
n
y
N
n
y x
1

2
1 1
2
1 1
2
1 1
2 0
02
!
!!
= =
$ =
m
i
n
j
ij
j i
N
n
y x
1 1
01
!
3.2. Momentos Respecto a las Medias.
DEF Definimos el momento de orden r,s respecto a las medias para la distribucin
(x
i
,y
j
,n
ij
) como:
( ) ( )
!!
= =
$ # $ # =
m
i
n
j
ij s
j
r
i rs
N
n
y y x x
1 1

Los momentos de primer orden son

( ) ( ) ( ) ( ) ( ) 0
1

1 1 1 1 1 1
0 1
10
= # = # = # = # # =
! ! ! !! !!
= = = = = = =
m
i
i
i
m
i
n
j
ij
i
m
i
n
j
ij
i
m
i
n
j
ij
j i
N
n
x x
N
n
x x
N
n
x x
N
n
y y x x
( ) ( ) ( ) ( ) ( ) 0
1

1 1 1 1 1 1
1 0
01
= # = # = # = # # =
! ! ! !! !!
= = = = = = =
n
j
j
j
n
j
m
i
ij
j
m
i
n
j
ij
j
m
i
n
j
ij
j i
N
n
y y
N
n
y y
N
n
y y
N
n
y y x x
Los Momentos de segundo orden son:
( ) ( ) ( ) ( ) ( )
2
1

2
1 1
2
1 1
2
1 1
0 2
20 X
m
i
i
i
m
i
n
j
ij
i
m
i
n
j
ij
i
m
i
n
j
ij
j i
S
N
n
x x
N
n
x x
N
n
x x
N
n
y y x x = # = # = # = # # =
! ! ! !! !!
= = = = = = =

( ) ( ) ( ) ( ) ( )
2
1
2
1 1
2
1 1
2
1 1
2 0
02 Y
n
j
j
j
n
j
m
i
ij
j
m
i
n
j
ij
j
m
i
n
j
ij
j i
S
N
n
y y
N
n
y y
N
n
y y
N
n
y y x x = # = # = # = # # =
! ! ! !! !!
= = = = = = =

( ) ( )
XY
m
i
n
j
ij
j i
S
N
n
y y x x = $ # $ # =
!!
= = 1 1
1 1
11

DEF Llamamos Covarianza al momento

11
, que tambin se representa por S
XY
.
3.3. Clculo de los Momentos Centrales en Funcin de los Momentos respecto al
Origen.
Al igual que sucede en las distribuciones unidimensionales, los momentos centrales
de una distribucin bidimensional pueden expresarse en funcin de los momentos
respecto del origen.



7/25
Veamos:
( ) ( )
2
10 20
2
10
2
10 20
2
10 20
1

2
1

1
2
1

2
2
1

2
20
2 2
2 2
! ! ! ! ! ! !

# = + # = + # =
= + # = + # = # =
! ! ! ! !
= = = = =
x x
N
n
x
N
n
x x
N
n
x
N
n
x x x x
N
n
x x
m
i
i
m
i
i
i
m
i
i
i
m
i
i
i i
m
i
i
i
Por tanto tenemos que
2
10 20 20
2
! ! # = =
X
S
De forma anloga comprobaramos que
2
01 02 02
2
! ! # = =
Y
S
Adems, de la covarianza podemos decir:
( ) ( ) ( ) = $ + # # = $ # $ # = =
!! !!
= = = =
m
i
n
j
ij
i j j i
m
i
n
j
ij
j i XY
N
n
x y x y y x y x
N
n
y y x x S
1 1 1 1
1 1
11

= + $ # $ # $ =
!! !! !! !!
= = = = = = = =
m
i
n
j
ij
m
i
n
j
ij
i
m
i
n
j
ij
j
m
i
n
j
ij
j i
N
n
y x
N
n
x y
N
n
y x
N
n
y x
1 1 1 1 1 1 1 1
01 10 11 01 10 10 01 01 10 11 10 01 11
! ! ! ! ! ! ! ! ! ! ! ! ! # = + # # = + # # = y x y x
Nos queda que la covarianza es
01 10 11 11
! ! ! # = =
XY
S
3.4. Mtodo Reducido para el Clculo de Varianza y Covarianza.
En aquellos casos en los que nos pueda parecer conveniente, podemos realizar
determinados cambios de variable para as simplificar los clculos.
Los cambios de variable siempre sern los mismos:
1
1 '
c
O x
x
i
i
#
=
2
2
'
c
O y
y
j
j
#
=
siendo O
1
y O
2
orgenes de trabajo arbitrarios que se procuran sean puntos centrales de
la distribucin.
As, sabemos que:
'
2 1
2 ' 2
2
2
2 ' 2
1
2
2 2
1 1
) (
) (
'
'
XY XY
Y Y
X X
S c c S
S c S
S c S
O y c y
O x c x
=
=
=
+ =
+ =



8/25
3.5. Valor de la Covarianza en caso de Independencia Estadstica.
Segn hemos visto, la covarianza se poda expresar como
01 10 11 11
! ! ! # = =
XY
S
La condicin de independencia estadstica era j i
N
n
N
n
N
n
j
i
ij
,

" =
Calculemos, segn esta condicin, el valor de %
11
01 10
1 1

1 1

1 1
1 1
11
! ! ! $ = $ = $ = $ =
! ! !! !!
= = = = = =
m
i
n
j
j
j
i
i
m
i
n
j
j
i
j i
m
i
n
j
ij
j i
N
n
y
N
n
x
N
n
N
n
y x
N
n
y x
Luego, cuando las variables son independientes, la covarianza es nula.
En cambio el recproco no tiene por qu ser cierto.
4. AJUSTE.
Sea (x
i
,y
j
,n
ij
) una distribucin bidimensional en la que suponemos que existe
relacin entre las variables aleatorias X e Y. Si representamos en un sistema de ejes
coordenados los pares de valores de ambas variables, el problema del ajuste consiste en
obtener la ecuacin de una curva que pase cerca de los puntos y se adapte lo mejor
posible a los mismos, cumpliendo unas determinadas condiciones.
Cuando pretendemos realizar un ajuste nos encontramos con dos problemas:
1) Elegir el mejor tipo de curva que se adapte a los datos disponibles, es decir,
aquella que mejor represente la relacin existente entre X e Y. Es importante,
slo a modo de orientacin, ver la representacin grfica de los puntos.
2) Fijado el tipo de curva a travs de su ecuacin en forma explcita con un cierto
nmero de parmetro, determinar stos mediante las condiciones que se
impongan segn el procedimiento de ajuste planteado.
4.1. Mtodos de los Mnimos Cuadrados.
Dados los puntos (x
1
,y
1
), (x
2
,y
2
), ..., (x
m
,y
m
), podemos elegir una funcin de ajuste
definida por:
y = f(x,a
1
,a
2
,...,a
n
)
en la que intervienen n parmetros (a
1
,a
2
,...,a
n
) con n<m.
Para cada valor x
i
de la variable X, tenemos dos valores para Y:
1) El valor, y
j
, observado en la propia distribucin.
2) El valor, que denotaremos por y
j
*
, que se obtiene de sustituir x por x
i
en la
funcin f.



9/25
Para cada trmino x
i
, existe una diferencia entre el valor observado en la
distribucin y el obtenido en forma terica, que llamaremos Residuo.
e
j
= y
j
y
j
*
El mtodo de mnimos cuadrados consiste en determinar los parmetros a
1
,a
2
,...,a
n
de tal forma que los residuos sean mnimos.
Si tomamos la suma de todos los residuos
( )
!!
#
i j
ij j j
n y y
*
nos encontramos con dos problemas a la hora de minimizar la expresin. El primero es
que tenemos residuos de diferente signo, los cuales se compensarn en la suma,
pudiendo dar una suma muy pequea para residuos muy grandes. El segundo problema
es que la determinacin de los parmetros no es nica, ya que obtendramos diferentes
conjuntos de parmetros que arrojaran la misma suma mnima de los residuos.
Para solucionar estos problemas siguiendo con el mtodo de mnimos cuadrados, lo
que vamos a hacer es tratar de minimizar la expresin:
( )
!!
# =
i j
ij j j
n y y
2
*
"
Como los valores tericos son los obtenidos a partir de la curva ajustada, tenemos
que la expresin a minimizar se queda como:
( )
!!
# =
i j
ij n i j
n a a a x f y
2
2 1
) , , , , ( K "
para lo cual, la condicin necesaria es que las primeras derivadas parciales respecto a
cada uno de los parmetros se anulen.
El sistema que se obtiene recibe el nombre de Sistema de Ecuaciones Normales.



10/25
[ ]
[ ]
[ ]
&
&
&
&
'
&
&
&
&
(
)
= # # =
*
*
= # # =
*
*
= # # =
*
*
!!
!!
!!
0 ) ( ) , , , ; ( 2
0 ) ( ) , , , ; ( 2
0 ) ( ) , , , ; ( 2
'
2 1
'
2 1
2
'
2 1
1
2
1
i j
a ij n i j
n
i j
a ij n i j
i j
a ij n i j
n
f n a a a x f y
a
f n a a a x f y
a
f n a a a x f y
a
K
L
K
K
"
"
"
Resolviendo este sistema determinamos los valores de los parmetros, as como la
propia funcin f.
A continuacin vamos a utilizar el mtodo descrito para ajustar algunas funciones
que corrientemente se suelen presentar.
4.1.1. Ajuste de una Recta.
Dada una nube de puntos, vamos a tratar de ajustarla mediante una recta de ecuacin
i j
bx a y + =
*
Para determinar los coeficientes a y b buscaremos el mnimo de la funcin:
( ) ( ) ( )
!! !! !!
# # = + # = # =
i j
ij i j
i j
ij i j
i j
ij j j
n bx a y n bx a y n y y
2 2
2
*
) ( "
para lo cual, obtendremos las derivadas parciales de la funcin con respecto a los
parmetros. Al igualar a cero ambas expresiones, resolvemos el sistema de dos
ecuaciones que aparece.
( )
( )
&
&
'
&
&
(
)
= # # # =
*
*
= # # # =
*
*
!!
!!
0 ) ( 2
0 ) 1 ( 2
i j
ij i i j
i j
ij i j
n x bx a y
b
n bx a y
a
"
"
Dividiendo ambos miembros por 2, nos queda:
( )
( )
&
'
&
(
)
= # #
= # #
!!
!!
0 ) (
0
i j
ij i i j
i j
ij i j
n x bx a y
n bx a y
Operando y cambiando trminos de un miembro a otro:



11/25
&
'
&
(
)
+ =
+ =
!! !! !!
!! !! !!
i j
ij i
i j
ij i
i j
ij i j
i j
ij i
i j
ij
i j
ij j
n x b n x a n x y
n x b n a n y
2
Podemos resumir la expresin anterior en:
&
'
&
(
)
+ =
+ =
! !! !!
! !
i
i i
i j
ij i
i j
ij i j
i
i i
j
j j
n x b n x a n x y
n x b aN n y

2

Ahora ya estamos en condiciones de resolver el sistema, llamado Sistema de
Ecuaciones Normales.
2
X
XY
S
S
b = x b y a # =
4.1.2. Ajuste de una Parbola.
En este caso, la curva seleccionada para ajustarse a la nube de puntos es
2 *
i i j
cx bx a y + + =
y para hallar los parmetros a, b y c debemos minimizar la funcin
( )
!!
# # # =
i j
ij i i j
n cx bx a y
2
2
"
Las primeras derivadas parciales de la funcin con respecto a cada uno de los
parmetros nos determinan el sistema siguiente:
( )
( )
( )
&
&
&
'
&
&
&
(
)
= # # # # =
*
*
= # # # # =
*
*
= # # # # =
*
*
!!
!!
!!
0 ) ( 2
0 ) ( 2
0 ) 1 ( 2
2 2
2
2
i j
ij i i i j
i j
ij i i i j
i j
ij i i j
n x cx bx a y
c
n x cx bx a y
b
n cx bx a y
a
"
"
"
Realizando las mismas operaciones que en el caso anterior para la recta, el sistema
se transforma en
&
&
'
&
&
(
)
+ + =
+ + =
+ + =
! ! ! !!
! ! ! !!
! ! !
i
i
i
i
i
i
i j
ij j
i
i
i
i
i
i i
i j
ij j i
i
i
i
i i
j
j j
n x c n x b n x a n y x
n x c n x b n x a n y x
n x c n x b aN n y
i i
i
i
i i
i

2 2

2




12/25
de cuya resolucin se obtiene los valores numricos de los parmetros de la mejor
parbola de segundo grado en el sentido mnimo cuadrtico para la nube de puntos
dada.
4.1.3. Ajuste Hiperblico.
Son funciones de la forma:
x
b y b yx
1
= + =
siendo b una constante cualquiera. Tambin se puede considerar la funcin anterior pero
desplazada una cierta cantidad a:
x
b a y
1
+ =
El ajuste por mnimos cuadrados lo podemos reducir al caso de la recta, ya visto
anteriormente, sin ms que efectuar la transformacin
x
z
1
=
con lo que la funcin se convierte en y = a+bz
4.1.4. Ajuste Potencial.
La forma general de la funcin potencial es
b
x a y $ =
que de forma anloga al anterior, lo podemos reducir al caso de una recta simplemente
tomando logaritmos en ambos miembros.
x b a y log log log + =
' ' ' bx a y + =
4.1.5. Ajuste Exponencial.
La ecuacin general es
x
b a y $ =
y repitiendo el caso anterior, al tomar logaritmos se nos reduce al caso de una funcin
lineal.
b x a y log log log + =



13/25
4.2. Mtodo de los Momentos.
El Mtodo de los Momentos se basa en el hecho conocido de que dos distribuciones
son tanto ms parecidas cuanto mayor cantidad de momentos iguales tengan.
Dada la distribucin bidimensional (x
i
,y
i
) dada por un nmero N de puntos,
recordemos que nuestro objetivo era encontrar una cierta funcin y*=f(x,a
0
,...,a
n
) que se
ajuste lo ms posible a la nube de puntos obtenida.
Para hallar la funcin, bastar basarnos en la propiedad que hemos enunciado, para
lo cual, slo tendremos que igualar los n+1 primeros momentos obtenidos de la
distribucin observada con sus correspondientes de la distribucin terica.
Teniendo en cuenta que los momentos respecto al origen de la distribucin
observada vienen dados por la expresin:
!
=
=
N
i
s
i
r
i rs
y x
N
1
1
!
que para el valor s=1 se convierte en:
!
=
=
N
i
i
r
i r
y x
N
1
1
1
! "r:0,1,2,...
De forma anloga, los momentos correspondientes a la distribucin terica
obtenidos a partir de la funcin seran:
!
=
=
N
i
i
r
i r
y x
N
1
*
1
1
! "r:0,1,2,...
donde, recordemos, y
i
*=f(x
i
,a
0
,...,a
n
)
Igualando los n+1 primeros momentos, obtenemos el sistema de ecuaciones:
&
&
&
&
'
&
&
&
&
(
)
=
=
=
! !
! !
! !
= =
= =
= =
N
i
i
n
i
N
i
i
n
i
N
i
i i
N
i
i i
N
i
i
N
i
i
y x y x
y x y x
y y
1
*
1
1
*
1
1
*
1
L
Tenemos as un sistema de n+1 ecuaciones que nos permite calcular el valor de los
n+1 parmetros que determinan la funcin y
i
*=f(x
i
,a
0
,...,a
n
)
Si esta funcin fuera un polinomio de grado k, el sistema que se obtiene es el
Sistema de Ecuaciones Normales obtenido por el mtodo de Mnimos Cuadrados
cuando la funcin a ajustar es un polinomio de grado k.



14/25
5. REGRESIN.
La Regresin tiene por objeto la determinacin de una cierta estructura de
dependencia que mejor exprese el tipo de relacin de la variable Y con las dems. Es
decir, trata de poner de manifiesto, a partir de la informacin disponible, la estructura de
dependencia que mejor explique el comportamiento de la variable Y (variable
dependiente) a travs de todo el conjunto de variables X
1
, X
2
, ..., X
k
(variables
independientes) con las que se supone que est relacionada.
En este tema slo vamos a tratar el caso de disponer de una variable independiente,
ya que estamos estudiando distribuciones bidimensionales.
Sean pues, X e Y dos variables cuya distribucin conjunta de frecuencias es
(x
i
,y
j
,n
ij
)
DEF Llamaremos Regresin de Y sobre X a la funcin que explica la variable Y para
cada valor de X.
DEF Llamaremos Regresin de X sobre Y a la funcin que explica la variable X para
cada valor de Y.
5.1. Regresin Lineal.
La regresin ser lineal cuando la curva de regresin, obtenida o seleccionada, sea
una recta. Desarrollaremos este caso particular por ser el ms empleado.
5.1.1. Recta de Regresin de Y sobre X.
Haciendo uso de la tcnica de mnimos cuadrados para el ajuste de una recta,
debamos hacer mnima la funcin:
( )
!!
# # =
i j
ij i j
n bx a y
2
"
llegando al sistema de ecuaciones normales
&
'
&
(
)
+ =
+ =
! !! !!
! !
i
i i
i j
ij i
i j
ij i j
i
i i
j
j j
n x b n x a n x y
n x b aN n y

2

Dividiendo ambas ecuaciones por N, expresamos el sistema en funcin de los
momentos respecto al origen:
'
(
)
$ + $ =
$ + =
20 10 11
10 01
! ! !
! !
b a
b a



15/25
Para resolver el sistema, multiplicamos la primera ecuacin por %
10
y sumamos
ambas, quedando:
2
20
11
2
10 20
01 10 11
X
XY
S
S
b = =
#
$ #
=

! !
! ! !
Despejando a en la primera ecuacin y sustituyendo el valor de b obtenido
x
S
S
y
S
S
a
X
XY
X
XY
2
10
2
01
# = # = ! !
Por tanto, la recta de regresin de Y sobre X, en funcin de los momentos quedar:
x
S
S
x
S
S
y y
X
XY
X
XY
2 2
+ # =
Y reordenando los trminos obtenemos:
) (
2
x x
S
S
y y
X
XY
# = #
5.1.2. Recta de Regresin de X sobre Y.
Partiendo de la funcin
( )
!!
# # =
i j
ij j i
n by a x
2
"
y realizando un desarrollo anlogo al del apartado anterior, llegamos a que la recta de
regresin de X sobre Y ser:
) (
2
y y
S
S
x x
Y
XY
# = #
DEF Llamaremos Centro de Gravedad de la distribucin conjunto de X e Y al punto
( ) y x, , lugar donde se cortan ambas rectas de regresin.
5.2. Coeficientes de Regresin.
Los coeficientes de regresin lineal son las pendientes de las rectas de regresin.
As, el coeficiente de regresin de Y sobre X ser
2
X
XY
S
S
b =
pero



16/25
x
y
b
,
,
= = ! tg
luego el coeficiente de regresin de Y sobre X nos mide la tasa de incremento de Y para
variaciones de X. Es decir, b indica la variacin de la variable Y para un incremento
unitario de la variable X.
De forma anloga, el coeficiente de regresin de X sobre Y ser
2
Y
XY
S
S
b =
y como
x
y
b
,
,
= = ' tg ' !
b nos indicar la variacin de X correspondiente a un incremento unitario de Y.
Tanto el signo de b como de b ser el signo de la covarianza. Una covarianza
positiva nos dar dos coeficientes de regresin positivos y sus correspondientes rectas
de regresin crecientes. Si la covarianza es negativa, las dos rectas de regresin sern
decrecientes al serlo sus pendientes. En caso de que la covarianza sea cero, las
pendientes sern nulas y por tanto las rectas sern paralelas a los ejes coordenados y
perpendiculares entre s.
6. CORRELACIN.
DEF Llamamos Correlacin al grado de dependencia mutua entre las variables de una
distribucin.
El problema que se nos plantea es como medir la intensidad con que dos variables
de una distribucin bidimensional estn relacionadas.
Recordemos que a travs de la curva de regresin expresbamos la estructura de la
relacin existente entre las variables, y que para cada valor de x
i
obtenamos una
diferencia, llamada residuo, entre el valor de Y en la nube de puntos y el
correspondiente valor terico obtenido en la funcin.
Si todos los puntos de la nube estuvieran en la funcin, obtendramos dependencia
funcional, siendo el grado de dependencia entre las variables el mximo posible. Cuanto
ms se alejen los puntos de la funcin (mayor sean los residuos) menor ser la relacin
entre ambas. Es por ello que para estudiar la dependencia entre las variables vamos a
hacer uso de los residuos.
DEF Llamaremos Varianza Residual a la media de todos los residuos elevados al
cuadrado.
( ) ( )
! !!
$ # = $ # =
j
j
j j
i j
ij
j j rY
N
n
y y
N
n
y y S
2
*
2
* 2



17/25
Si la varianza residual es grande, entonces los residuos, por trmino medio, sern
grandes, lo que significa que los puntos estarn muy separados de la funcin, siendo
pequea la dependencia entre las variables. Razonando igual, si la varianza es pequea,
la relacin ser grande.
Para que la relacin entre la dependencia de las variables y la medida utilizada sea
directa (en lugar de inversa como ocurre con la varianza residual), definimos el
siguiente coeficiente.
DEF Llamamos Coeficiente de Correlacin General de Pearson a
2
2
1
Y
rY
S
S
R # =
DEF Llamamos Coeficiente de determinacin al cuadrado del coeficiente de
correlacin, R
2
.
6.1. Campo de Variacin de R y su Interpretacin.
Despejando la varianza residual del coeficiente de correlacin R, tenemos
) 1 (
2 2 2
R S S
Y rY
# =
Dado que la varianza marginal de Y y la varianza residual son sumas de sumandos
no negativos, ambas sern no negativas, de lo cual deducimos que
0 1
2
- # R
y de aqu obtenemos
1 1 . . # R
Por tanto, el rango de valores de R es el intervalo cerrado [-1,1]
Analicemos ahora, en funcin de los valores de este coeficiente, que dependencia
existe entre las variables.
1) R=1 / 0
2
=
rY
S .
Todos los valores tericos coinciden con los obtenidos de la observacin y, por
tanto, la dependencia es funcional. Diremos que existe Correlacin Positiva Perfecta,
indicando con Perfecta que ambas variables varan en el mismo sentido.
2) 1 # = R / 0
2
=
rY
S .
En este caso, la dependencia tambin es funcional pero ambas variables varan en
sentidos opuestos. Decimos que existe Correlacin Negativa Perfecta.



18/25
3) R=0 /
2 2
Y rY
S S =
No existe ninguna relacin entre la variable Y y la variable X, lo cual significa que
no estn asociadas. Diremos entonces que la Correlacin en Nula.
4) 1<R<0.
La Correlacin es Negativa, siendo ms fuerte conforme ms cerca est de 1.
5) 0<R<1.
La Correlacin es Positiva, y cuanto ms prxima est a uno, ms dependencia
existir entre las variables.
6.2. Coeficiente de Correlacin Lineal.
Sabemos que la varianza residual es
( )
!!
$ # =
i j
ij
j j rY
N
n
y y S
2
* 2
y que los valores tericos de la distribucin son
) (
2
*
x x
S
S
y y
i
X
XY
j
# + =
Sustituyendo esta expresin en la varianza residual tenemos:
( ) = $
0
0
1
2
3
3
4
5
0
0
1
2
3
3
4
5
# + # = $ # =
!! !!
i j
ij
i
X
XY
j
i j
ij
j j rY
N
n
x x
S
S
y y
N
n
y y S
2
2
2
* 2
) (
( ) ( ) ( ) # $ # + $ # = $
0
0
1
2
3
3
4
5
# # # =
!! !! !!
i j
ij
i
X
XY
i j
ij
j
i j
ij
i
X
XY
j
N
n
x x
S
S
N
n
y y
N
n
x x
S
S
y y
2
2
2
2
2
) (
( ) ( )
( )
2
2
2
2
2
2
2
2
2
2
2 2
X
Y XY
X
XY
X
X
i j
Y
ij
i j
X
XY
S
S
S S
S
S
S
S
S
S
N
n
x x y y
S
S
XY XY
# = # + = $ # $ # #
!!
DEF Llamamos Coeficiente de Correlacin Lineal, al coeficiente de correlacin
general aplicado al caso de una funcin lineal. Se denota por r y es
Y X
XY
Y X
XY
Y
X
XY
Y
Y
rY
S S
S
S S
S
S
S
S
S
S
S
r = =
#
# = # =
2 2
2
2
2
2
2
2
2
1 1



19/25
Y el Coeficiente de Determinacin Lineal es
2 2
2
2
Y X
XY
S S
S
r =
Ya hemos visto en el apartado anterior que 1 1 . . # r y la interpretacin dada para
R tambin nos sirve para r.
6.3. Interpretacin Analtica de r.
Teniendo en cuenta las rectas de regresin de Y sobre X y de X sobre Y y el
coeficiente de correlacin lineal, podemos expresar las rectas de la siguiente forma:
&
&
'
&
&
(
)
# = #
# = #
) (
) (
y y
S
S
r x x
x x
S
S
r y y
Y
X
X
Y
Consideremos ahora los siguientes casos:
1) Si r=1.
La varianza residual es cero y los valores tericos coinciden con los observados. Por
tanto, todos los puntos de la nube estn en la recta. La correlacin lineal es perfecta
positiva y las rectas de regresin coinciden, ya que al sustituir r por 1 en la expresin
anterior, obtenemos la misma recta. En este caso, la dependencia funcional existente
viene reflejada por una recta creciente , al ser la pendiente positiva.
2) Si r = 1.
La correlacin es perfecta negativa. En este caso las rectas tambin coinciden, pero
la recta es decreciente al ser la pendiente negativa.
3) Si r=0
La correlacin es nula y las dos rectas son
0
0
= #
= #
x x
y y
las cuales son dos rectas paralelas a cada uno de los ejes y por tanto, perpendiculares
entre s.



20/25
4) Si 1<r<0.
La correlacin es negativa y las rectas de regresin, las cuales ahora son diferentes,
sern las dos decrecientes ya que el signo de las pendientes es el mismo que el de la
covarianza, que es la que da el signo a r.
5) Si 0<r<1
La correlacin es positiva, siendo las dos rectas de regresin crecientes.
6.4. Interpretacin Geomtrica de r.
Partiendo de las rectas de regresin de Y sobre X y de X sobre Y, si las
representamos tenemos
Sabemos que
2
2
'
Y
XY
X
XY
S
S
b
S
S
b
=
=
multiplicando miembro a miembro obtenemos
2
2 2
2
2 2
' r
S S
S
S
S
S
S
b b
Y X
XY
Y
XY
X
XY
=
$
= $ = $
Es decir
' b b r $ =
el coeficiente de correlacin lineal es la media geomtrica de los coeficientes de
regresin lineales.



21/25
Por otra parte tenemos que
0
1
2
3
4
5
#
= 0
1
2
3
4
5
# = =
=
'
2
tg
1
'
2
tg ' tg '
tg
!
#
!
#
!
!
c b
b
Por lo cual, el coeficiente de correlacin lineal se puede expresar como
0
1
2
3
4
5
#
= $ =
'
2
tg
tg
'
!
#
!
b b r
1) Si r=1
Tenemos que ambas tangentes son iguales lo cual implica que '
2
!
#
! # = , lo que
geomtricamente significa que las dos rectas coinciden, como se puede ver en la grfica
anterior.
2) Si r=0
Entonces tenemos que se debe verificar una de las dos expresiones siguientes:
0 '
0
'
2
tg
0 tg
6
=
/
&
'
&
(
)
7 6 0
1
2
3
4
5
#
=
!
!
!
#
!
luego las dos rectas son dos paralelas a cada uno de los ejes.
Como conclusin, podemos decir que r es un coeficiente tal que cuando es igual a
+1 o 1, el ngulo entre rectas es de cero grados, ya que coinciden. Cuando r es cero, el
ngulo formado es de 90. De aqu deducimos que cuando ms se acerque r al valor +1
o 1 mas pequeo ser el ngulo entre rectas. Por tanto, r tambin mide la apertura
existente entre las rectas de regresin.
7. VARIANZA DEBIDA A LA REGRESIN Y COEFICIENTE DE
DETERMINACIN LINEAL.
El intento de explicar una variable en funcin de la otra viene motivado por el
supuesto, el cual hemos de comprobar, de que la informacin que suministra una
variable sobre la que se regresa va a mejorar el conocimiento del comportamiento de
la otra variable. Es decir, se supone que en el caso de la regresin de Y sobre X, Y se
explica mejor a travs de X que con la distribucin marginal de Y.
Para ver en que medida la mejora de la descripcin de una variable a travs de la
otra tiene lugar, vamos a definir primero el concepto de Varianza Debida a la Regresin.
Para ello, hemos de considerar las tres variables que se obtienen en la regresin.



22/25
y
j
, que representa los valores observados de la variable Y.
y
j
* que representa los valores tericos asignados a x
i
en la regresin de Y sobre
X.
e
j
que son los residuos o errores que se generan en la regresin mnimo-
cuadrtica.
Los valores medios de estas tres variables son
1) La media de la serie observada de Y
!!
=
i j
ij
j
N
n
y y
2) La media de los valores tericos.
y
N
n
y y
i j
ij
j
= = =
!!
L
*
*
3) La media de los residuos en la regresin lineal de Y sobre X
0 = = =
!!
L
i j
ij
j
N
n
e e
Teniendo en cuenta estos resultados, podemos definir las siguientes varianzas:
DEF Llamamos Varianza Total de los valores observados a ( )
!!
# =
i j
ij
j Y
N
n
y y S
2
2
DEF Llamamos Varianza de los Errores o Residuos a
( )
!!
# =
i j
ij
j e
N
n
e e S
2
2
Si tenemos en cuenta que la media de los residuos tiene valor nulo, al desarrollar la
expresin anterior llegamos a que
2 2
rY e
S S =
que es la llamada varianza residual.
DEF Llamamos Varianza Debida a la Regresin, a la varianza de los valores tericos.
( ) ( )
!! !!
# = # =
i j
ij
j
i j
ij
j R
N
n
y y
N
n
y y S
2
*
2
* 2
*



23/25
En la regresin lineal, podemos encontrar una relacin entre las tres varianzas
anteriores, la cual pasamos a obtener. Para ello tendremos en cuenta que la regresin es
lineal.
( ) =
0
0
1
2
3
3
4
5
# # + = # =
!! !!
i j
ij
i
X
XY
i j
ij
j R
N
n
y x x
S
S
y
N
n
y y S
2
2
2
* 2
) (
( )
( )
( )
2 2
2
2
2
2
2
2
2
2
2
2
Y
X
i j
ij
i
X
S r
S
S
S
S
S
N
n
x x
S
S
X
XY
X
XY XY
$ = = $ = # =
!!
Por otra parte, la varianza residual ser
2 2 2 2 2 2
) 1 (
Y Y Y rY
S r S r S S # = # =
Luego tenemos que
2 2 2
2 2 2
rY R Y
R Y rY
S S S
S S S
+ =
# =
Dividiendo ambas ecuaciones miembro a miembro
2
2
2
2
1
Y
rY
Y
R
S
S
S
S
+ =
El primer sumando del segundo miembro nos indica la parte de la variacin de Y
que es explicada por la recta de regresin. El segundo sumando indica la parte no
explicada por la recta, la que escapa de sta o variacin residual.
De la expresin anterior tenemos
2
2
2
2
2
1 r
S
S
S
S
Y
rY
Y
R
= # =
El coeficiente de determinacin lineal r
2
nos medir el grado de acierto de la
utilizacin de la regresin. O lo que es lo mismo, r
2
nos dar el porcentaje de
variabilidad de Y que queda explicada por la regresin. La introduccin de r, coeficiente
de correlacin lineal, se justifica con el fin de aadir a r
2
el carcter de la asociacin
(positiva o negativa).
Teniendo en cuenta la expresin anterior, si r
2
= 1, es decir, si la correlacin es
perfecta:
2 2
2
2
2
1
Y R
Y
R
S S
S
S
r = 6 = =



24/25
lo que implica que la varianza residual
2
rY
S es nula, luego se ha mejorado al mximo la
descripcin de Y mediante la utilizacin de la informacin suministrada por X. Toda la
variabilidad marginal de Y est contenida en la regresin.
Si r=0, caso de correlacin nula
2 2 2
2
2
2
0 0
Y rY R
Y
R
S S S
S
S
r = / = / = =
es decir, en este caso X no nos sirve para ampliar la descripcin del comportamiento de
la variable Y.
8. APLICACIONES DE LA REGRESIN Y LA CORRELACIN.
8.1. Uso y Abuso de la Regresin.
La aplicacin de los mtodos expuestos de regresin y correlacin exige un anlisis
terico previo de las posibles relaciones entre las variables. Puede ocurrir que se
seleccionen dos variables cualesquiera al azar y que d la casualidad de que,
estadsticamente, la correlacin sea perfecta cuando no existe relacin posible entre
ellas.
Por ejemplo, el hecho de que, casualmente, la correlacin lineal entre la tasa de
natalidad en Nueva Zelanda y la produccin de cereales en Espaa a lo largo de un
determinado periodo fuera perfecta no nos debera llevar a suponer que existe algn tipo
de relacin lineal entre estas variables.
Se deben seleccionar variables entre las que la fundamentacin terica avale algn
tipo de relacin, evitando, en lo posible, relaciones a travs de otra variable principal..
Por ejemplo, el consumo de bebidas puede variar en la misma direccin que el consumo
de gasolina, pero no porque una variable dependa directamente de la otra, sino porque
ambas van en el mismo sentido que las variaciones de la renta, que ser la principal
variable explicativa.
8.2. Prediccin.
El objetivo ltimo de la regresin es la prediccin o pronstico sobre el
comportamiento de una variable para un valor determinado de la otra. As, dada la recta
de regresin de Y sobre X, para un valor X=x
0
de la variable, obtenemos y
0
Es claro que la fiabilidad de esta prediccin ser tanto mayor, en principio, cuanto
mejor sea la correlacin entre las variables. Por tanto, una medida aproximada de la
bondad de la prediccin podra venir dada por r.



25/25
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Teora de la Estadstica. Aut.: Mood/Graybill. Ed. Aguilar.
Introduccin a la Probabilidad y la Medida. Aut. Procopio Zoroa. Ed. PPU
Algoritmo. Matemticas II. Cou. Aut.: Vizmanos y Anzola. Edit. SM.
Estadstica Terica y Aplicada. Aut.: A. Vortes. Edit.: PPU
Teora de Probabilidades y Aplicaciones. Aut.: Cramer. Edit.: Aguilar.



1/20
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 63
FRECUENCIA Y PROBABILIDAD. LEYES DEL AZAR. ESPACIO
PROBABILSTICO.
1. Introduccin.
2. Probabilidad Clsica o A Priori.
3. Probabilidad a Posteriori o Frecuencial.
4. Modelos de Probabilidad.
5. Conjuntos de Puntos.
6. Desarrollo Axiomtico de Probabilidad.
7. Espacio Muestral Discreto con un Nmero Finito de Puntos.
8. Primeras Propiedades de la Familia de sucesos S.
9. Lmites en S.
10. Propiedades de la Funcin de Probabilidad P.
11. Propiedades de Lmite.
Bibliografa Recomendada.



2/20
TEMA 63
FRECUENCIA Y PROBABILIDAD. LEYES DEL AZAR. ESPACIO
PROBABILSTICO.
1. INTRODUCCIN.
Uno de los instrumentos fundamentales de la Estadstica es la Probabilidad, que
tuvo sus orgenes en los juegos de azar, en el siglo XVII.
Los juegos de azar, como implica su nombre, incluyen acciones tales como girar la
rueda de una ruleta, lanzar dados, tirar al aire una moneda, extraer una carta, etc., en las
cuales el resultado es incierto. Sin embargo, es sabido que, aun cuando el resultado de
una prueba en particular sea incierto, existe un resultado que se puede predecir a largo
plazo.
En la ciencia experimental se presenta tambin un tipo similar de incertidumbre y
regularidad a largo plazo. As, por ejemplo, en gentica es incierto saber si un
descendiente ser macho o hembra, pero en un plazo largo se conoce aproximadamente
el porcentaje de descendientes que sern machos y el de aquellos que sern hembras.
Examinaremos en primer lugar la teora clsica de la probabilidad, o sea de la
probabilidad a priori, luego expondremos la teora frecuencial y, finalmente,
desarrollaremos un modelo axiomtico.
2. PROBABILIDAD CLSICA O A PRIORI.
La relacin entre la probabilidad y los juegos de azar sugiri la definicin clsica.
As, por ejemplo, supongamos que queremos hallar la probabilidad de obtener cara en el
lanzamiento de una moneda ideal. Razonamos de la siguiente forma: puesto que slo
existen dos resultados posibles, cara y cruz, y dado que la moneda est bien equilibrada,
cabe esperar obtener cara y cruz con la misma frecuencia, aproximadamente; por tanto,
en un gran nmero de pruebas, es de esperar que se obtendr cara alrededor de la mitad
de las veces, y as, la probabilidad del suceso obtener cara estar dada por el valor !.
Esta clase de razonamiento sugiri la definicin:
DEF Si un suceso puede ocurrir de n maneras mutuamente excluyentes e igualmente
verosmiles y si n
A
de stas poseen un atributo A, la probabilidad de A es la fraccin
n
n
A
.
La aplicacin de esta definicin no siempre resulta inmediata. Veamos que significa
eso de mutuamente excluyentes y de igualmente verosmiles. Supongamos que
deseamos calcular la probabilidad de obtener dos caras lanzando una moneda dos veces.
Podra razonarse que los resultados posibles son: Dos caras, dos cruces o una cara y una
cruz. Pero este razonamiento es falso porque los tres resultados no son igualmente
verosmiles o probables. El ltimo de los tres puede obtenerse de dos formas diferentes.
La probabilidad buscada es, por tanto, " y no 1/3.



3/20
Si queremos calcular la probabilidad de obtener un As o una espada al extraer una
carta de una baraja espaola, podemos razonar que tenemos 4 ases y 10 espadas, luego
la probabilidad sera
14
1
. Pero este razonamiento tampoco es correcto ya que los
sucesos no son mutuamente excluyentes, puesto que existe un As de Espadas.
Observemos que la probabilidad es un nmero del intervalo [0,1], La razn
n
n
A
debe ser una fraccin propia, ya que el total de resultados posibles no puede ser menor
que el nmero de resultados con un determinado atributo. Si un suceso ha de ocurrir con
seguridad, su probabilidad es 1. En cambio, si es seguro que no va a ocurrir, su
probabilidad es cero.
Las probabilidades determinadas mediante la definicin clsica se denominan
probabilidades a priori. Como en cualquier otra rama de las matemticas, trabajaremos
con objetos ideales: monedas equilibradas, lneas de anchura cero, crculos perfectos,
etc.
Existen varios inconvenientes en esta manera clsica de abordar el problema. Es
obvio que la definicin dada de probabilidad tendremos que modificarla de alguna
manera cuando el total de resultados posibles sea infinito.
Por ejemplo, supongamos queremos calcular la probabilidad de que un nmero
natural extrado al azar sea par. La respuesta intuitiva a esta cuestin es !. Para
justificar este resultado, tomaramos los diez primeros naturales y calcularamos la
probabilidad, la cual sale !. Luego lo haramos con los 100 primeros, Despus con los
1.000 primeros. Al final, lo hacemos con los 2N primeros naturales y tomamos lmites
en N. La razn seguira siendo !.
El argumento anterior y su respuesta son plausibles, pero su justificacin rigurosa no
es algo sencillo. Podemos darnos cuenta que el razonamiento anterior se basa en la
ordenacin de los nmeros naturales. Si tuvisemos una ordenacin diferente, no
podramos llegar a dicha respuesta.
La definicin clsica de probabilidad suscita otra dificultad ms grave an que la
que se presenta en el caso de un nmero infinito de resultados posibles. Supongamos
que tenemos una moneda con una distribucin de su masa tal que existe un sesgo a
favor de las caras. Los dos resultados posibles al lanzar dicha moneda no son
igualmente probables. Cul es entonces la probabilidad de obtener cara? La definicin
anterior no nos permite responder la pregunta.
Nos encontramos an con otra dificultad al tratar de responder preguntas tales como
Cul es la probabilidad de que un nio nacido en Madrid sea varn? Cul es la
probabilidad de que una mujer muera antes de los 55 aos? Cul es la probabilidad de
que una bombilla pueda encenderse al menos 200 veces?
Desearamos que todas estas preguntas tuvieran respuesta dentro del marco de l a
teora de la probabilidad. Sin embargo, las cuestiones de simetra, igualmente
verosmiles, etc. no pueden considerarse como lo seran en un juego de azar. Por tanto,
tendremos que alterar o extender la definicin de probabilidad.



4/20
3. PROBABILIDAD A POSTERIORI O FRECUENCIAL.
Supongamos que lanzamos una moneda 100 veces, la cual tomamos bien
equilibrada y simtrica. Los resultados son 56 veces cara y 44 veces cruz. Un hecho
importante en que la frecuencia relativa de caras tiende a estabilizarse en torno al valor
!. Esto sugiere que la frecuencia relativa obtenida podra utilizarse como una
aproximacin de la probabilidad de obtener cara con la moneda empleada.
Es razonable suponer que existe un nmero, que designaremos con p, que es la
probabilidad de obtener cara. Si la moneda parece verdaderamente bien equilibrada y
simtrica, podemos emplear la definicin anterior para establecer que p es
aproximadamente !. Decir que p es igual a !es slo una aproximacin, puesto que
para esta moneda en particular no podemos estar seguros de que los dos resultados sean
igualmente verosmiles. Pero comprobados el equilibrio y la simetra de la moneda,
parece razonable suponer que lo son.
Tomemos ahora una moneda desequilibrada, de tal forma que despus de un examen
estamos completamente seguros de que los dos sucesos, cara y cruz, no son igualmente
verosmiles. Aun en estos casos, puede postularse la existencia de un nmero p como
probabilidad de obtener cara, pero para hallar el valor de p no podremos aplicar la
definicin clsica. Tendremos que utilizar la teora frecuencial.
Concretemos un poco ms. Supongamos que podemos realizar observaciones (o
experimentos) bajo condiciones completamente uniformes. Es decir, hecha la
observacin, se repite el suceso en condiciones anlogas y se hace otra observacin. al
repetir esto muchas veces, aunque las condiciones sean siempre similares, existe una
variacin incontrolable que es casual o aleatoria, de forma que no es posible
predecir el resultado de las observaciones individualmente. Esto sugiere que definamos
un nmero p, llamado probabilidad del suceso, y que lo aproximemos por la frecuencia
relativa con que aparece dicho suceso en las repetidas observaciones.
4. MODELOS DE PROBABILIDAD.
Uno de los objetivos de la ciencia consiste en predecir y describir sucesos del
mundo en que vivimos. Una manera de hacerlo es construir modelos matemticos que
describan adecuadamente el mundo real. En la teora de la probabilidad hacemos lo
mismo. Construimos un modelo probabilstico que pueda utilizarse para describir
sucesos del mundo que nos rodea.
As, por ejemplo, puede desearse hallar una ecuacin adecuada para predecir el sexo
de cada nacido en cierta localidad. La ecuacin sera muy compleja y no se ha
descubierto ninguna. Sin embargo, puede construirse un modelo de probabilidad que,
aunque no sea muy til para tratar un suceso individual, sirva perfectamente par
ocuparse de grupos de sucesos. Cabe entonces indicar la existencia de un nmero p que
represente la probabilidad de que un nacido sea varn. A partir de esta probabilidad
fundamental podemos responder a preguntas tales como: Cul es la probabilidad de
que de diez nacidos, al menos tres sean varones? Cul es la probabilidad de que hay
tres varones consecutivos en los prximos cinco nacimientos? Para contestar a este tipo
de preguntas vamos a desarrollar un modelo idealizado de probabilidad.



5/20
Consideraremos una teora de la probabilidad adecuada slo para aquellas
situaciones que pueden ser descritas por los resultados de experimentos conceptuales.
Es decir, consideraremos nicamente aquellos sucesos cuya repeticin sea concebible
bajo condiciones semejantes.
Tambin necesitamos que pueda enumerarse cada posible resultado de un
experimento. Asociaremos probabilidades solamente con esos resultados. aadiremos,
sin embargo, que aun cuando un resultado sea imposible puede ser incluido (su
probabilidad es 0). Lo fundamental es recordar que ha de incluirse cada resultado que
puede ocurrir.
DEF Cada resultado imaginable de un experimento conceptual, que puede repetirse
bajo condiciones similares, ser denominado un punto muestral, y la totalidad de los
resultados imaginables se llamar espacio muestral, siendo denotado por !.
5. CONJUNTOS DE PUNTOS.
Vamos a definir ciertas operaciones sobre el conjunto de puntos que forman el
espacio muestral y que son necesarias para posteriores estudios. Un conjunto de puntos,
llamado a veces simplemente un conjunto, es una coleccin de elementos que tienen
ciertas propiedades especficas.
Si s es un punto o un elemento que pertenece al conjunto !, escribiremos s"!.
DEF Diremos que los conjuntos S
1
y S
2
son iguales si cada elemento de S
1
es tambin
un elemento de S
2
, y cada elemento de S
2
lo es de S
1
. Es decir si S
1
y S
2
tienen
exactamente los mismos puntos.
DEF Diremos que S
1
es un subconjunto de !, y se denota por S
1
#!, si cada elemento
de S
1
es tambin un elemento de !.
DEF En cada aplicacin de la teora existir un conjunto universal, el propio espacio
muestral !, tal que todos los dems conjuntos que intervengan en el anlisis son
subconjuntos de !.
Algunas veces puede que no se indique explcitamente el espacio muestral, pero
generalmente estar implcito en el contexto de la discusin.
DEF El complemento de un cierto conjunto S
1
, respecto al espacio muestral !, ser el
conjunto de puntos que estn en ! pero no en S
1
. Se indicar por !S
1
, o tambin por
1
S .
DEF Llamaremos Conjunto Nulo a un cierto conjunto S
1
que no contiene puntos. Se
denotar por $.
DEF Un suceso A est definido en el espacio muestral ! como un subconjunto A de
puntos de !, y cuando decimos probabilidad de que ocurra A queremos decir
probabilidad de que aparezca cualquier punto de A.



6/20
Si el espacio muestral contiene un continuo de puntos, no definiremos todo
subconjunto como un suceso, sino slo subconjuntos medibles.
DEF Sean S
1
y S
2
dos elementos de S. Llamaremos Unin de los sucesos S
1
y S
2
, y se
denota por S
1
%S
2
, al suceso formado por todos los puntos de S
1
y todos los puntos de
S
2
.
DEF Sean S
1
y S
2
dos elementos de S. Llamaremos Interseccin de los sucesos S
1
y
S
2
, y se denota por S
1
&S
2
, al suceso formado por todos los elementos comunes a S
1
y
S
2
.
De las definiciones anteriores se desprenden los resultados siguientes, donde ! es el
espacio muestral, y S
1
y S
2
, elementos de !.
PROP Se verifica:
1) $ = !
2) Si S
1
y S
2
no tienen puntos comunes entonces S
1
&S
2
=$.
3) S
1
&! = S
1
4) S
1
%! = S
5)
1 1 1
S S S = ' ! = & !
6) S
1
%S
1
= S
1
7) S
1
&S
1
= S
1
DEF Diremos que un espacio muestral ! es discreto si verifica una de las dos
condiciones siguientes:
1) Un nmero finito de puntos.
2) Un nmero infinito de puntos que pueden ponerse en correspondencia biunvoca
con el conjunto de los nmeros naturales.
DEF Diremos que un espacio muestral ! es continuo si contiene un conjunto
continuo de puntos.
6. DESARROLLO AXIOMTICO DE LA PROBABILIDAD.
En los apartados anteriores hemos visto los conceptos de probabilidad clsica y
frecuencial que pueden ayudarnos a resolver importantes problemas de la ciencia
experimental. Para coadyuvar a la solucin de estos problemas vamos a desarrollar una
teora matemtica de la probabilidad. En primer lugar, vamos a enunciar los axiomas
que empleamos para desarrollar la teora.
Supondremos un espacio muestral ! cuyos elementos quedan, de momento,
indeterminados. Asimismo, se supondr fijada una familia S de subconjuntos del
espacio !.
S"((!)



7/20
Aqu ((!) es el conjunto de las partes de !, es decir, la familia formada por todos
los subconjuntos de !. Por tanto
A"((!) equivale a A#!
Finalmente supondremos dada una funcin P de dominio S que toma valores reales.
DEF Diremos que la terna (!,S,P) es un Espacio de Probabilidad en !, o Distribucin
de Probabilidad en !, si verifica las condiciones siguientes, estando las tres primeras
referidas a S y las tres ltimas a P:
S1) !"S
S2) A"S ) A"S
S3) A
k
"S *k"! ) S A
k
k
"
+
=
U
1
P1) P(A) es un nmero real tal que P(A),0 para todo suceso A de S.
P2) P(!)=1
P3) Si S
1
y S
2
son dos sucesos de S mutuamente excluyentes (S
1
&S
2
=$)
entonces P(S
1
%S
2
) = P(S
1
) + P(S
2
).
Estos axiomas, que usaremos para desarrollar el modelo idealizado de probabilidad,
estn motivados por las definiciones de probabilidad clsica y frecuencial.
Veamos ahora algunos teoremas que son resultado directo de los axiomas anteriores.
TEOREMA
Sea ! un espacio muestral y P una funcin de probabilidad en !. La probabilidad
de que no ocurra el suceso A es 1P(A). Se escribe como ) ( 1 ) ( A P A P ' =
Dem.
Sabemos que $ = & A A y que ! = % A A .
Aplicando el axioma 2 tenemos que ) ( ) ( 1 A A P P % = ! =
Y aplicando el axioma 3, ) ( ) ( ) ( ) ( 1 A P A P A A P P + = % = ! =
con lo que ) ( 1 ) ( A P A P ' = , quedando as demostrado.
TEOREMA
Sea ! un espacio muestral con funcin de probabilidad P. En tal caso 0-P(A)-1
para cualquier suceso A de S.
Dem.
Por el axioma 1, P(A),0



8/20
Y aplicando el teorema anterior, como
) ( 1 ) ( A P A P ' =
verificando que
0 ) ( , A P
entonces necesariamente se debe dar que
P(A)-1
TEOREMA
Sea ! un espacio muestral con una funcin de probabilidad P. entonces P($)=0.
Dem.
La conclusin se obtiene de forma inmediata sin ms que tener en cuenta que $ = S
7. ESPACIO MUESTRAL DISCRETO CON UN NMERO FINITO DE
PUNTOS.
En ciertos tipos de problemas, entre los cuales los juegos de azar constituyen
ejemplos notables, el espacio muestral contiene un nmero finito, n, de puntos, y la
probabilidad asignada a cada punto es
n
1
. Es decir, en ciertos problemas existe un
nmero finito de ordenaciones, y es totalmente realista suponer que la probabilidad de
cada ordenacin es
n
1
. En general, es suficiente para estos problemas la definicin
clsica, y pueden utilizarse los mtodos combinatorios para la enumeracin de las
ordenaciones.
DEF Sean s
1
, s
2
, ..., s
n
los n puntos muestrales de un espacio muestral discreto !.
Diremos que la funcin P es una funcin de probabilidad de sucesos igualmente
verosmiles si satisface las condiciones siguientes:
1) P(s
1
)=P(s
2
)=...=P(s
n
)=
n
1
.
2) Si A es un suceso que contiene n
A
cualesquiera puntos muestrales, entonces
n
n
A P
A
= ) ( .
La primera condicin afirma que cada uno de los n puntos muestrales es igualmente
verosmil y, por tanto, que su probabilidad en
n
1
.
La segunda condicin establece que la probabilidad de un suceso que contenga n
A
de los n puntos muestrales es
n
n
A
.



9/20
Es fcil comprobar que esta definicin cumple los tres axiomas anteriores y es, por
tanto, una funcin de probabilidad.
8. PRIMERAS PROPIEDADES DE LA FAMILIA DE SUCESOS S.
En lo que sigue supondremos dado un espacio de probabilidad cualquiera (!, S, P)
al cual se referirn todos los conceptos que desarrollemos.
La propiedad S2 de la familia de sucesos S se expresa diciendo que S es una familia
de conjuntos cerrada por la operacin de complementario. La propiedad S3 significa
que S es cerrada por uniones numerables.
Las tres propiedades que contienen los axiomas S1, S2 y S3 caracterizan las familias
de conjuntos que se llaman .-lgebras en !. Veamos a continuacin las primeras
consecuencias de estos axiomas.
PROP1 El conjunto vaco pertenece a la familia S, $"S
Dem.
Como ! = $ , resulta lo que se desea de S1 y S2.
PROP2 La familia S es cerrada por uniones finitas. Es decir, si A
k
"S con 1-k-n
entonces S A
n
k
k
"
=
U
1
. En particular, si A,B"S se verifica que A%B"S.
Dem.
Podemos aplicar S3 donde tomamos A
k
=$ para k>n, obteniendo el resultado
pedido.
PROP3 La familia S es cerrada por intersecciones finitas. O sea, si A
k
"S para 1-k-n
entonces S A
n
k
k
"
=
I
1
. en particular, si A,B"S se verifica que A&B"S.
Dem.
Como se tiene que S A
k
" , resulta de la proposicin anterior que S A
n
k
k
"
=
U
1
y al
tomar complementarios se obtiene el resultado deseado.
PROP4 La familia S es cerrada por intersecciones numerables. Es decir, si A
k
"S
para k:1,2,... entonces S A
k
k
"
+
=
I
1
.
Dem.
Similar a la anterior.



10/20
DEF Dados dos conjuntos A y B, llamamos diferencia simtrica de A y B, y se
representa por A/B, al conjunto A/B=(AB)%(BA).
PROP5 La familia S es cerrada por diferencias ordinarias y diferencias simtricas. O
sea,
1) A"S, B"S ) AB"S
2) A"S, B"S ) A/B"S
Dem.
1) Como para la diferencia de dos conjuntos se tiene que B A B A & = ' obtenemos la
primera parte de la tesis de la Proposicin 3.
2) Teniendo en cuenta 1) y la proposicin 3 obtenemos el resultado.
Como resumen de las propiedades vistas en este apartado, podemos decir que la .-
lgebra S es Cerrada por las operaciones de Complementario, Diferencia y Diferencia
simtrica, as como por uniones o intersecciones de un conjunto contable de sucesos.
En casos particulares, operando con conjuntos no numerables de sucesos el
resultado puede ser un suceso.
DEF Diremos que una sucesin (A
n
) de sucesos es Montona Creciente si se cumple
que A
n
#A
n+1
para todo n.
DEF Diremos que una sucesin (A
n
) es Montona Decreciente si A
n+1
#A
n
para todo
n.
DEF Diremos que la familia {A
t
#!: t"I}, donde I es un intervalo de la recta real, es
una familia Montona Creciente si
t
1
,t
2
"I, con t
1
<t
2
)
2 1
t t
A A #
DEF Diremos que la familia {A
t
#!: t"I}, donde I es un intervalo de la recta real, es
una familia Montona Decreciente si
t
1
,t
2
"I, con t
1
<t
2
)
2 1
t t
A A 0
PROP6 Si {A
t
:t"(a,b)} es una familia de sucesos montona creciente, para
cualquier sucesin
1) (x
n
) tal que
a < x
n
< x
n+1
*n y b x Lim
n
n
=
se tiene
S A A
n
x
b t a
t
n
" =
+
= < <
U U
1
2) (y
n
) tal que



11/20
b > y
n
> y
n+1
*n a y Lim
n
n
=
vale
S A A
n
y
b t a
t
n
" =
+
= < <
I I
1
Dem.
1) Es inmediato ver que el segundo miembro de la igualdad est contenido en el
primero.
S A A
n
x
b t a
t
n
" 0
+
= < <
U U
1
Veamos la inclusin contraria,
' / ' ) , ( '
'
t x n b a t Dado
n
> 1 "
por lo que
U
+
=
# #
1
'
'
n
x x t
n n
A A A
y como t es arbitrario obtenemos
S A A
n
x
b t a
t
n
" #
+
= < <
U U
1
De las dos inclusiones anteriores obtenemos la igualdad a demostrar.
2) La demostracin la vamos a realizar de forma anloga.
En primer lugar, es inmediato ver que
S A A
n
y
b t a
t
n
" #
+
= < <
I I
1
Para comprobar la inclusin contraria
' / ' ) , ( '
'
t y n b a t Dado
n
< 1 "
por lo que
S A A A
n
y y t
n n
" 0 0
+
=
I
1
'
'
y por ser t arbitrario
S A A
n
y
b t a
t
n
" 0
+
= < <
I I
1
demostrando as la igualdad.
PROP7 Si {A
t
:t"(a,b)} es una familia de sucesos montona decreciente, para
cualquier sucesin
3) (x
n
) tal que
a < x
n
< x
n+1
*n y b x Lim
n
n
=
se tiene



12/20
S A A
n
x
b t a
t
n
" =
+
= < <
I I
1
4) (y
n
) tal que
b > y
n
> y
n+1
*n a y Lim
n
n
=
vale
S A A
n
y
b t a
t
n
" =
+
= < <
U U
1
Dem.
Definiendo
t t
A B = , la familia {B
t
:t"(a,b)} es montona creciente y se le puede
aplicar el teorema anterior. Al tomar complementarios en las relaciones que se obtienen
para los sucesos B
t
, conseguimos las igualdades a demostrar.
9. LMITES EN S.
Dada una sucesin (A
n
) de conjuntos de !, podemos definir los siguientes nuevos
conjuntos.
DEF Llamamos Lmite Inferior de la sucesin (A
n
)#! al conjunto
n
A Lim
_____
={2: para algn n, y *j,n 2"A
j
}
DEF Llamamos Lmite Superior de la Sucesin (A
n
)#! al conjunto
n
A Lim
______
={2:Para alguna sucesin de enteros n
1
<n
2
<n
3
<... y *j,1 vale 2"
j
n
A }
Podemos decir que el Lmite Inferior est formado por los elementos 2 que
pertenecen a todos los A
j
desde uno en adelante. En cambio, el Lmite Superior est
formado por los elementos que pertenecen a infinitos A
j
.
PROP Se verifica:
1)
UI
+
= ,
=
1
______
n n p
p n
A A Lim
2)
IU
+
= ,
=
1
______
n n p
p n
A A Lim
Dem.
Inmediatas a partir de la definicin.
DEF Diremos que existe el Lmite de A
n
si los lmites superior e inferior son iguales y
se escribe
n n n
A Lim A Lim LimA
____
____
= =



13/20
PROP El lmite inferior y superior de una sucesin de sucesos es un suceso. Por tanto,
cuando existe el lmite de una sucesin de sucesos, dicho lmite es tambin un suceso.
Dem.
La primera parte es consecuencia de la frmulas demostradas en la ltima
proposicin. La segunda parte es obvia.
PROP Se verifican las siguientes relaciones:
1)
n n
A Lim A Lim
____
____
#
2)
n n
A Lim A Lim
____
____
=
3
4
5
6
7
8
3)
n n
A Lim A Lim
____
____
= 3
4
5
6
7
8
Dem.
1) Se obtiene de forma inmediata a partir de las definiciones.
2) y 3) se obtienen a partir de los resultados de la primera proposicin de este apartado,
sin ms que utilizar las leyes de Morgan.
Las sucesiones montonas son convergentes, es decir, tienen lmite.
Comprobmoslo
PROP Se verifica:
1) Si la sucesin (A
n
) es montona creciente entonces existe
U
+
=
=
1 n
n n
n
A A Lim
2) Si la sucesin (A
n
) es montona decreciente entonces existe
I
+
=
=
1 n
n n
n
A A Lim
Dem.
La demostracin se obtiene fcilmente.
10. PROPIEDADES DE LA FUNCIN DE PROBABILIDAD P.
La funcin de probabilidad es No Negativa por el axioma P2. Y por el axioma P3 la
funcin P es numerablemente aditiva, o tambin llamada .-aditiva.
Veamos las primeras consecuencias de los tres axiomas que satisface la funcin P.



14/20
PROP1 El suceso vaco, $, es un suceso de probabilidad cero o suceso nulo.
Dem.
Llamando a=P($) y aplicando P3 con A
n
=$ para todo n, obtenemos
a = a + a + a + ...
igualdad que solamente es cierta si a=0.
PROP2 P es Finitamente Aditiva. Es decir, si los conjuntos A
j
"S para j:1,2,...,n son
disjuntos, entonces:
9
= =
=
3
3
4
5
6
6
7
8
n
j
j
n
j
j
A P A P
1 1
) (
U
En particular
A"S, B"S, A&B=$ ) P(A%B) = P(A) + P(B)
Dem.
Tomando en el axioma P3 los conjuntos A
j
del enunciado para j:1,2,...,n y A
j
=$
para j>n, el enunciado de P3 se convierte en la igualdad del teorema.
Al ser P finitamente aditiva y numerablemente aditiva, podemos decir que P es
Contablemente Aditiva.
PROP3 Si A"S, B"S, A#B, entonces se tiene que
1) P es Sustractiva. Es decir, P(BA) = P(B) P(A)
2) P es Montona. Es decir, P(A) - P(B)
Adems, *A"S
3) P(A) -1
4) ) ( 1 ) ( A P A P '
Dem.
1) Teniendo en cuenta la hiptesis A#B podemos deducir
B = A%(BA) y A&(BA) = $
y de aqu obtenemos
P(B) = P(A) + P(BA)
y de aqu
P(BA) = P(B) P(A)
2) Teniendo en cuenta que P(A),0 para todo suceso A de S, tenemos que P(BA),0,
obteniendo fcilmente la expresin a demostrar.



15/20
3) y 4) se deducen de las expresiones 1) y 2) ya demostradas sin ms que tomar B = !.
PROP4 P es Finitamente Subaditiva. Es decir, para n sucesos cualesquiera A
j
, con
j:1,2,...,n se verifica:
9
= =
-
3
3
4
5
6
6
7
8
n
j
j
n
j
j
A P A P
1 1
) (
U
En particular
A"S, B"S ) P(A%B) - P(A) + P(B)
Dem.
Para poder realizar la demostracin, definimos los conjuntos B
j
como sigue
B
1
= A
1
y n j con A A B
j
k
k j j
- - ' =
'
=
2
1
1
U
Los conjuntos que acabamos de definir verifican las siguientes propiedades:
1) B
j
#A
j
, por la propia definicin.
2) Los B
j
son todos ellos disjuntos, ya que si h<i se tiene B
h
#A
h
y
i i
A B #
3)
U U
n
j
j
n
j
j
B A
1 1 = =
=
Comprobemos que, efectivamente, se verifica la tercera de las propiedades. Para
ello, hemos de comprobar las dos inclusiones.
La inclusin
U U
n
j
j
n
j
j
B A
1 1 = =
# se verifica a partir de la primera de las propiedades.
Para demostrar la inclusin contraria, lo que vamos a comprobar es
U U
n
j
j
n
j
j
B A
1 1 = =
" ) " ! !
Si 2"A
1
=B
1
, y resulta evidente.
Si 2:A
1
, existir un cierto j tal que 2"A
j
y 2:A
k
para k<j. Entonces 2"B
j
y por
tanto pertenece a la unin de ellos, tal y como queramos ver.
Una vez probadas estas propiedades, podemos demostrar la proposicin de la
siguiente forma:
9 9
= = = =
- =
3
3
4
5
6
6
7
8
=
3
3
4
5
6
6
7
8
n
j
j
n
j
j
n
j
j
n
j
j
A P B P B P A P
1 1 1 1
) ( ) (
U U
PROP5 P es Numerblemente Subaditiva. Es decir, para cualquier sucesin de
sucesos (A
n
) se tiene



16/20
9
+
=
+
=
-
3
3
4
5
6
6
7
8
1 1
) (
n
n
n
n
A P A P
U
Dem.
Al igual que hemos hecho en la demostracin de la proposicin anterior,
introducimos los conjuntos B
n
definidos de la misma forma y, por tanto, verificando las
mismas propiedades. Entonces
9 9
+
=
+
=
+
=
+
=
- =
3
3
4
5
6
6
7
8
=
3
3
4
5
6
6
7
8
1 1 1 1
) ( ) (
n
n
n
n
n
n
n
n
A P B P B P A P
U U
PROP6 Para dos sucesos cualesquiera A y B se verifica
P(A%B) = P(A) + P(B) P(A&B)
Dem.
Podemos establecer las cuatro relaciones siguientes
A%B = A%(BA) A&(BA) = $
B = (A&B)%(BA) (A&B)&(BA) = $
las cuales nos permiten escribir
P(A%B) = P(A) + P(BA) y P(B) = P(A&B) + P(BA)
De ambas expresiones, eliminando P(BA) obtenemos lo que queremos demostrar.
PROP7 Sean A
1
, A
2
, ..., A
n
n sucesos cualesquiera. Entonces
3
3
4
5
6
6
7
8
' + + & & + & ' =
3
3
4
5
6
6
7
8
=
'
- < < - - < - = =
9 9 9 I U
K
n
j
j
n
n k j i
k j i
n j i
j i
n
j
j
n
j
j
A P A A A P A A P A P A P
1
1
1 1 1 1
) 1 ( ) ( ) ( ) (
Dem.
Vamos a realizar la demostracin por induccin en el nmero de sucesos.
Supongamos que tenemos n+1 sucesos.
Para n=2 la expresin anterior se convierte en la tesis de la prop6.
Sea vlida la expresin a demostrar, para n sucesos.
Para n+1 tenemos
3
3
4
5
6
6
7
8
& ' +
3
3
4
5
6
6
7
8
=
3
3
4
5
6
6
7
8
+
=
+
=
+
=
1
1
1
1
1
1
) (
n
n
j
j n
n
j
j
n
j
j
A A P A P A P A P
U U U



17/20
Aplicando ahora la suposicin de ser cierto para n sucesos completamos la
demostracin por induccin.
PROP8 Se verifica:
1) Si los sucesos A
j
con 1-j-n son sucesos nulos entonces la unin de todos ellos es
un suceso nulo.
2) Si los sucesos A
j
con 1-j-n son sucesos casi seguros entonces la interseccin de
todos ellos es un suceso casi seguro.
Dem.
1) Para la demostracin, basta tener en cuenta la prop4 en la que vimos que P era
subaditiva.
0 ) (
1 1
= -
3
3
4
5
6
6
7
8
9
= =
n
j
j
n
j
j
A P A P
U
2) Para esta parte tomamos complementarios y aplicamos el caso anterior.
PROP9 Se verifica:
1) Si (A
n
) es una sucesin de sucesos nulos, entonces su unin es un suceso nulo.
2) Si (A
n
) es una sucesin de sucesos casi seguros, entonces su interseccin es un
suceso casi seguro.
Dem.
La demostracin es igual que la de la proposicin anterior, pero utilizando el
resultado obtenido en la prop5.
11. PROPIEDADES DE LMITE.
PROP1 Se verifica:
1) P es Continua Inferiormente. Es decir, dada una sucesin montona creciente (A
n
)
se verifica que
3
3
4
5
6
6
7
8
=
+
=
U
1
) (
n
n n
n
A P A P Lim
2) P es Continua Inferiormente. Es decir, dada una sucesin montona decreciente (A
n
)
se verifica que
3
3
4
5
6
6
7
8
=
+
=
I
1
) (
n
n n
n
A P A P Lim
Dem.
1) En el caso de ser la sucesin montona creciente podemos escribir



18/20
3
3
4
5
6
6
7
8
' % =
+
=
+
+
=
U U
1
1 1
1
) (
n
n n
n
n
A A A A
verificando los sucesos del segundo miembro que son disjuntos. Por tanto
= ' + =
3
3
4
5
6
6
7
8
3
3
4
5
6
6
7
8
' % =
3
3
4
5
6
6
7
8
9
+
=
+
+
=
+
+
= 2
1 1
1
1 1
1
) ( ) ( ) (
n
n n
n
n n
n
n
A A P A P A A A P A P
U U
) ( ) ( ) ( ) (
2
1 1
2
1 1 n
n
k
n
n n
k
k
n
n n
k
A P Lim A A A P Lim A A P A P Lim =
3
3
4
5
6
6
7
8
3
3
4
5
6
6
7
8
3
3
4
5
6
6
7
8
' % = 3
4
5
6
7
8
' + =
=
+
+ ;
=
+
+ ;
9 U
2) Si la sucesin (A
n
) es montona decreciente, la formada por los sucesos
complementarios es montona creciente y tenemos
( ) ) ( 1 ) (
1
n
n
n
n
n
n
A P Lim A P Lim A P ' = =
3
3
4
5
6
6
7
8
+
=
U
y de aqu obtenemos de forma inmediata la expresin que queremos demostrar.
PROP2 Si (A
n
) es una sucesin de sucesos cualesquiera, se verifica
3
4
5
6
7
8
- - -
3
4
5
6
7
8
n n n n
A Lim P A P Lim A P Lim A Lim P
______ ______
______ ______
) ( ) (
Dem.
De las relaciones
U I
n p
p n
n p
p
A A A
, ,
# #
resulta
3
3
4
5
6
6
7
8
- -
3
3
4
5
6
6
7
8
, ,
U I
n p
p n
n p
p
A P A P A P ) (
Si definimos las sucesiones (B
n
) y (C
n
) como
I
n p
p n
A B
,
=
U
n p
p n
A C
,
=
podemos comprobar que son montonas, y aplicando la prop1 obtenemos
) ( ) (
) ( ) (
______ ______
______ ______
n
n
n
n n n
n n
n
n n
n
C P Lim C P A Lim P A P Lim
A P Lim A Lim P B P B P Lim
=
3
3
4
5
6
6
7
8
= 3
4
5
6
7
8
- -
- -
3
4
5
6
7
8
=
3
3
4
5
6
6
7
8
=
I
U



19/20
PROP3 P es Continua. Es decir, si (A
n
) es una sucesin de sucesos convergente,
tiene lmite, entonces existe
Lim P(A
n
) = P(Lim A
n
)
Dem.
La demostracin es inmediata con slo aplicar la proposicin anterior.
Aclaracin. En la siguiente proposicin vamos a utilizar el concepto de Lmite
Lateral. Para cualquier funcin real f usaremos las notaciones
) ( ) ( + =
+ ;
c f t f Lim
c t
Para el lmite lateral por la derecha en t=c.
) ( ) ( ' =
' ;
c f t f Lim
c t
Para el lmite lateral por la izquierda en t=c
Recordemos la siguiente propiedad que relaciona el lmite aritmtico y el lmite
funcional.
PROP Para una funcin real f definida al menos en (a, a+h) son equivalentes las dos
condiciones siguientes:
1) c t f Lim
a t
=
+ ;
) (
2) Para cada sucesin (t
n
) con a < t
n
< a+h y t
n
;a se verifica c t f Lim
n
n
=
+ ;
) (
Anloga propiedad podemos demostrar para el lmite lateral por la izquierda.
PROP4 Sea {A
t
: t"(a,b)} una familia de sucesos montona creciente. Entonces:
1)
3
3
4
5
6
6
7
8
=
<
' ;
U
b t
t t
b t
A P A P Lim ) ( 2)
3
3
4
5
6
6
7
8
=
>
+ ;
I
a t
t t
a t
A P A P Lim ) (
Si la familia de sucesos {A
t
: t""} es montona creciente, se tiene de forma
anloga:
1)
3
3
4
5
6
6
7
8
=
< "
++ ;
U
t
t t
t
A P A P Lim ) ( 2)
3
3
4
5
6
6
7
8
=
< "
'+ ;
I
t
t t
t
A P A P Lim ) (
Dem.
Vamos a demostrar las dos primeras, ya que la segunda parte es anloga.
1) La funcin f: (a,b) ; " definida por f(t) = P(A
t
) es una funcin montona
acotada por lo que existen los lmites.
Si x
n
es una sucesin montona estrictamente creciente con lmite b resulta
inmediatamente, por la relacin entre el lmite aritmtico y funcional, y el resultado de
la prop6 del apartado 8



20/20
3
3
4
5
6
6
7
8
=
3
3
4
5
6
6
7
8
= =
<
+
=
+ ; ' ;
U U
b t
t
n
x x
n
t
b t
A P A P A P Lim A P Lim
n n
1
) ( ) (
3) La demostracin de esta expresin se realiza de forma anloga.
PROP5 Sea {A
t
: t"(a,b)} una familia de sucesos montona decreciente. Entonces:
1)
3
3
4
5
6
6
7
8
=
<
' ;
I
b t
t t
b t
A P A P Lim ) ( 2)
3
3
4
5
6
6
7
8
=
>
+ ;
U
a t
t t
a t
A P A P Lim ) (
Dem.
Se puede obtener de la proposicin anterior utilizando sucesos complementarios.
BIBLIOGRAFA RECOMENDADA.
Estadstica Terica. Aut. J.M.Doblado y M.C. Nieto. Edit. UNED
Introduccin a la Estadstica Terica. Aut.: G Arniz. Edit.: Lex Nova
Estadstica Terica y Aplicada. Aut.: A. Nortes. Edit.: S. Rodrguez.
Introduccin a la Probabilidad y la Medida (I). Aut.: P Zoroa y N. Zoroa. Edit.: Maior
DM.



1/16
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 64
PROBABILIDAD COMPUESTA. PROBABILIDAD CONDICIONADA.
PROBABILIDAD TOTAL. TEOREMA DE BAYES.
1. Probabilidad Marginal.
2. Probabilidad Condicionada.
3. Dos Leyes Bsicas de la Probabilidad.
4. Sucesos Compuestos.
5. Sucesos Independientes.
6. Teorema de la Probabilidad Total.
7. Teorema de Bayes.
8. Espacio de Probabilidades Producto.
Bibliografa Recomendada.



2/16
TEMA 64
PROBABILIDAD COMPUESTA. PROBABILIDAD CONDICIONADA.
PROBABILIDAD TOTAL. TEOREMA DE BAYES.
1. PROBABILIDAD MARGINAL.
Sea un espacio muestral ! formado por n puntos con probabilidades iguales,
n
1
. Sea
A
1
, A
2
, ..., A
r
una particin de ! formada por r subconjuntos mutuamente excluyentes
(disjuntos). Sea B
1
, B
2
, ..., B
s
otra particin de ! en s subconjuntos disjuntos. Entonces,
los n puntos del espacio muestral los podemos clasificar segn la siguiente tabla de
doble entrada:
B
1
B
2
... B
s
A
1
n
11
n
12
... n
1s
A
2
n
21
n
22
... n
2s
... ... ... ... ...
A
r
n
r1
n
r2
... n
rs
La tabla nos indica que de los n resultados existentes en el espacio muestral !, n
11
tienen simultneamente el atributo A
1
y el atributo B
1
; n
12
el A
1
y el B
2
; y, en general, n
ij
los atributos A
i
y B
j
. La suma de todos los n
ij
es n.
Como ejemplo podemos considerar como espacio muestral ! las 52 cartas de una
baraja. Una particin de ! puede ser segn el palo (espadas, bastos, oros o copas) y otra
particin puede ser segn el nmero de la carta.
La probabilidad del suceso A
i
y B
j
se puede representar por P(A
i
,B
j
) en lugar de por
P(A
i
"B
j
), y el valor de esta probabilidad es, evidentemente
n
n
B A P
ij
j i
= " ) (
Puede interesarnos slo uno de los criterios de clasificacin, por ejemplo A, y sernos
indiferente la clasificacin B. En este caso prescindimos de B en el smbolo, y la
probabilidad de un valor cualquiera A
i
se designa por P(A
i
) y es
n
n
A P
s
j
ij
i
#
=
=
1
) (
que recibe el nombre de Probabilidad Marginal. La calificacin de marginal se emplea
siempre que se prescinde de uno o ms criterios de clasificacin. Es evidente que



3/16
#
#
=
=
" = =
n
j
j i
s
j
ij
i
B A P
n
n
A P
1
1
) ( ) (
ya que
) (
j i
ij
B A P
n
n
" =
De forma anloga, la probabilidad marginal de B
j
es
#
#
=
=
" = =
r
i
j i
r
i
ij
j
B A P
n
n
B P
1
1
) ( ) (
Con la terminologa anterior, hemos particionado el espacio muestral ! en rs
subconjuntos disjuntos, designando el subconjunto general por A
i
"B
j
. Ahora bien:
) ( ) ( ) ( ) (
3 2 1 s i i i i i
B A B A B A B A A " $ $ " $ " $ " = K
Puesto que
% = " " " ) ( ) (
' j i j i
B A B A
cuando j&j. Teniendo en cuenta los axiomas de probabilidad, aplicando P3 obtenemos
) ( ) ( ) ( ) ( ) (
3 2 1 s i i i i i
B A P B A P B A P B A P A P " + + " + " + " = K
y teniendo en cuenta el valor de cada uno de los sumandos, podemos escribir la
expresin anterior como
# #
= =
= " =
s
j
ij
s
j
j i i
n
n
B A P A P
1 1
) ( ) (
En el ejemplo que hemos puesto antes de la baraja con 52 cartas, la probabilidad de
obtener un as es la suma de probabilidades de obtener un as de espadas, un as de bastos,
un as de oros y un as de copas.
Considerando un caso ms general, supongamos tres criterios de clasificacin A, B
y C. Sea A
1
, A
2
, ..., A
r
una particin de ! formada por r subconjuntos mutuamente
excluyentes (disjuntos), sea B
1
, B
2
, ..., B
s
otra particin de ! en s subconjuntos
disjuntos y sea C
1
, C
2
, ..., C
t
la tercera particin de !. Denotemos por n
ijk
el nmero de
resultados, de entre los n, que presentan los caracteres A
i
, B
j
y C
k
. La clasificacin
completa sera una tabla de triple entrada compuesta de t capas de tablas de doble
entrada, correspondiendo cada capa a un C
k
. La probabilidad marginal de, por ejemplo,
A
i
y C
k
es:
#
=
" " = "
s
j
k j i k i
C B A P C A P
1
) ( ) (



4/16
y la probabilidad marginal de C
k
es
# # ##
= = = =
" = " = " " =
s
j
k j
r
i
k i
r
i
s
j
k j i k
C B P C A P C B A P C P
1 1 1 1
) ( ) ( ) ( ) (
La generalizacin de lo anterior para ms de tres criterios se realiza de forma
inmediata.
2. PROBABILIDAD CONDICIONADA.
Teniendo en cuenta la clasificacin de doble entrada vista al principio del punto
anterior, con la tabla de doble entrada, supongamos que deseamos examinar el resultado
de un experimento aleatorio para un atributo, pero no para el otro. Queremos hallar la
probabilidad de que el otro atributo tenga un valor determinado. Supongamos que
hemos observado que el suceso tiene el atributo B
3
. Cul ser la probabilidad de que
tenga as mismo el atributo A
2
? El total de resultados de A cuando ha sucedido B
3
es
#
=
r
i
i
n
1
3
y el nmero de resultados favorables a A
2
es n
23
.
As, la probabilidad de A
2
, cuando se sabe que ha ocurrido B
3
, es
#
=
r
i
i
n n
1
3 23
que se designa con el nombre de Probabilidad Condicionada y cuyo smbolo es
P(A
2
|B
3
). En general, suponiendo que los denominadores no son nulos,
#
=
=
r
i
ij
ij
j i
n
n
B A P
1
) | (
#
=
=
s
j
ij
ij
i j
n
n
A B P
1
) | (
Dividiendo el numerador y el denominador de la fraccin del segundo miembro por
n, nos queda
) (
) (
) | (
j
j i
j i
B P
B A P
B A P
"
=
) (
) (
) | (
i
j i
i j
A P
B A P
A B P
"
=
o bien
) ( ) | ( ) (
) ( ) | ( ) (
i i j j i
j j i j i
A P A B P B A P
B P B A P B A P
= "
= "



5/16
Esta ltima ecuacin puede enunciarse de la siguiente manera: La probabilidad de
que un resultado tenga los atributos A
i
y B
j
es igual a la probabilidad marginal de A
i
multiplicada por la probabilidad condicional de B
j
cuando a ocurrido A
i
.
La idea de probabilidad condicional admite una generalizacin inmediata a
situaciones donde interviene ms de un criterio de clasificacin. Por ejemplo, en el caso
de tres criterios, se ve inmediatamente que
) (
) (
) | (
k
k j i
k j i
C P
C B A P
C B A P
" "
= "
) (
) (
) | (
k j
k j i
k j i
C B P
C B A P
C B A P
"
" "
= "
y tambin que
) ( ) | ( ) | (
) ( ) | (
) ( ) | ( ) (
k k j k j i
k j k j i
k k j i k j i
C P C B P C B A P
C B P C B A P
C P C B A P C B A P
" =
= " " =
= " = " "
Podran obtenerse otras relaciones anlogas permutando las letras A, B y C. As
) (
) (
) | (
k i
k j i
k i j
C A P
C B A P
C A B P
"
" "
= "
y
) ( ) | ( ) | ( ) (
k k i k i j k j i
C P C A P C A B P C B A P " = " "
o bien
) ( ) | ( ) | ( ) (
i i k k i j k j i
A P A C P C A B P C B A P " = " "
Podramos seguir escribiendo todas las relaciones anlogas existentes, pero no es el
objetivo del tema.
Debe quedar claro que las probabilidades anteriores no estn definidas si el
denominador es 0.
Para describir la probabilidad condicional hemos utilizado un espacio muestral
ciertamente especial, conteniendo un nmero finito de puntos, cada uno de ellos con la
misma probabilidad. Sin embargo, la idea es completamente general y puede definirse
para espacios muestrales discretos y continuos de la siguiente forma.
DEF Sean A y B dos sucesos de un espacio muestral ! tal que P(B)>0. La
probabilidad condicional del suceso A cuando ha ocurrido el suceso B, y que se designa
por P(A|B) es
) (
) (
) | (
B P
B A P
B A P
"
=
Para la probabilidad condicionada P(A|B) podemos utilizar la notacin ms breve
) (
) (
) | ( ) (
B P
B A P
B A P A P
B
"
= =



6/16
De este modo vemos que, fijado el suceso B, P
B
es una funcin de dominio S.
PROP Dado el espacio de probabilidad (!, S P) y definida la funcin P
B
como P(|B)
tambin (!, S, P
B
) es un espacio de probabilidad.
Dem.
La familia S es una '-lgebra por hiptesis. Por ser P una medida de probabilidad,
se deduce fcilmente que P
B
es tambin una medida de probabilidad de dominio S.
3. DOS LEYES BSICAS DE LA PROBABILIDAD.
Si A y B son dos subconjuntos mutuamente excluyentes (disjuntos), el axioma 3, P3,
de la probabilidad establece que
P(A$B) = P(A) + P(B)
Vamos a obtener ahora una frmula ms general que nos sirva aun en el caso de que
los sucesos no sean disjuntos.
TEOREMA.
Sea ! un espacio muestral y S la '-lgebra asociada, con funcin de probabilidad P.
Si A y B son dos sucesos cualesquiera de S, se verifica
P(A$B) = P(A) + P(B) P(A"B)
Dem.
El lgebra de conjuntos permite establecer la igualdad
A$B = A$( A"B)
Pero los conjuntos A y A"B son disjuntos, por tanto podemos aplicarles el axioma
P3, obteniendo
P(A$B) = P(A) + P( A"B)
Ahora bien
B = (A"B) $ ( A"B)
siendo, de nuevo, ambos conjuntos disjuntos, por lo que aplicando de nuevo el axioma
P3.
P(B) = P(A"B) + P( A"B)
O tambin como
P( A"B) = P(B) P(A"B)
Sustituyendo esta expresin en la primera, obtenemos el resultado deseado.
Para demostrar el teorema en un espacio muestral finito !, donde cada punto tiene
de probabilidad
n
1
, nos referiremos a la tabla del apartado 1, y calcularemos, por



7/16
ejemplo, la probabilidad P(A
1
$B
2
). La probabilidad de que ocurran los sucesos A
1
o B
2
se obtiene sumando todas las n
ij
de la primera fila y de la segunda columna, y
dividiendo por n. As, tenemos
) ( ) ( ) ( ) (
2 1 2 1
12
1
2
1
1
2
2
1
1
2 1
B A P B P A P
n
n n n
n
n n
B A P
r
i
i
s
j
j
r
i
i
s
j
j
" ( + =
( +
=
+
= $
# # # #
= = = =
Cabe generalizar esta ley para ms de dos subconjuntos, siendo para tres
P(A$B$C) = P(A) + P(B) + P(C) P(A"B) P(A"C) P(B"C) + P(A"B"C)
Y para el caso de n subconjuntos, sera:
TEOREMA
Sean A
1
, A
2
, ..., A
n
n sucesos cualesquiera. Entonces
)
)
*
+
,
,
-
.
( + + " " + " ( =
)
)
*
+
,
,
-
.
=
(
/ < < / / < / = =
# # # I U
K
n
j
j
n
n k j i
k j i
n j i
j i
n
j
j
n
j
j
A P A A A P A A P A P A P
1
1
1 1 1 1
) 1 ( ) ( ) ( ) (
Dem.
Vamos a realizar la demostracin por induccin en el nmero de sucesos.
Supongamos que tenemos n+1 sucesos.
Para n=2 la expresin anterior se convierte en el Teorema anterior.
Supongamos vlida la expresin para n sucesos.
Para n+1 tenemos
)
)
*
+
,
,
-
.
" ( +
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
+
=
+
=
+
=
1
1
1
1
1
1
) (
n
n
j
j n
n
j
j
n
j
j
A A P A P A P A P
U U U
Aplicando ahora la suposicin de ser cierto para n sucesos completamos la
demostracin por induccin.
Al definir la probabilidad condicional, hemos deducido en esencia la ley
multiplicativa de las probabilidades. Esta ley dice
PROP La probabilidad de los sucesos A y B es igual a la probabilidad condicional de
B, en el supuesto de que haya ocurrido A, multiplicada por la probabilidad marginal de
A.
P(A"B) = P(A)P(B|A) = P(B)P(A|B)
Dem.



8/16
Vamos a demostrar esta proposicin considerando que el espacio muestral ! tiene n
puntos equiprobables.
Sean m
1
y m
2
el nmero de puntos contenidos en A y B respectivamente y m
3
el
nmero de puntos comunes a ambos. Si suponemos que m
1
y m
2
son ambos positivos,
tenemos
n
m
B A P
3
) ( = "
n
m
A P
1
) ( =
n
m
B P
2
) ( =
2
3
) | (
m
m
B A P =
1
3
) | (
m
m
A B P =
De las expresiones anteriores deducimos de forma inmediata la tesis a demostrar.
Generalizando la proposicin anterior, tenemos el siguiente enunciado llamado
Teorema de la Probabilidad Producto o Teorema de la Probabilidad Compuesta.
TEOREMA Teorema de la Probabilidad Compuesta.
Sean A
1
, A
2
, ..., A
n
n sucesos cualesquiera y supongamos que 0
1
1
>
)
)
*
+
,
,
-
.
(
=
I
n
i
i
A P .
Entonces
0
=
(
= =
)
)
*
+
,
,
-
.
=
)
)
*
+
,
,
-
.
n
i
i
j
j i
n
i
i
A A P A P
1
1
1 1
|
I I
Dem.
La condicin
0
1
1
>
)
)
*
+
,
,
-
.
(
=
I
n
i
i
A P
permite escribir la identidad
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
1 1
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
1
)
)
*
+
,
,
-
.
1 =
)
)
*
+
,
,
-
.
(
=
=
=
= =
=
I
I
I
I I
I
L
1
1
1
2
1
3
1
1
2
1
1
1
) (
) (
n
i
i
n
i
i
i
i
i
i
i
i
n
i
i
A P
A P
A P
A P
A P
A P
A P A P
ya que ninguno de los denominadores anteriores es nulo. La definicin de probabilidad
condicionada aplicada a cada fraccin convierte esta identidad en la expresin que
queramos demostrar.
OBS En total, iguales a la expresin anterior, tenemos n! relaciones, obtenidas
permutando las letras del segundo miembro.



9/16
4. SUCESOS COMPUESTOS.
La ley multiplicativa de las probabilidades resulta especialmente til para
simplificar el clculo de las probabilidades de sucesos compuestos. Un suceso
compuesto consiste en dos o ms sucesos simples, como ocurre cuando se lanza un dado
dos veces o se extraen sucesivamente tres cartas de una baraja.
Veamos un ejemplo que sirva de ilustracin. Se extraen dos bolas, una tras otra, de
una urna que contiene dos bolas negras, tres blancas y cuatro rojas. Cul es la
probabilidad de que la primera bola sea roja y la segunda blanca? Consideraremos al
extraccin sin reemplazamiento.
Los resultados de este suceso compuesto pueden clasificarse segn dos criterios
El color de la primera bola.
El color de la segunda bola.
Podemos pues, construir una tabla anloga a la del primer apartado. La clasificacin
A se basa en el color de la primera bola, y hacemos corresponder los sucesos A
1
, A
2
y
A
3
a los colores negro, blanco y rojo, respectivamente. Anlogamente, los sucesos B
1
,
B
2
y B
3
corresponden a los mismos colores para la segunda bola. El nmero total de
resultados es
n = 98 = 72
No es el nmero combinatorio
)
)
*
+
,
,
-
.
2
9
porque estamos considerando permutaciones y
no combinaciones, ya que existe un determinado orden de extraccin. La tabla completa
de resultados es:
B
1
B
2
B
s
A
1
2 6 8
A
2
6 6 12
A
r
8 12 12
Y la probabilidad pedida es
6
1
72
12
) (
2 3
= = " B A P
Utilizando la ley multiplicativa de las probabilidades, slo necesitamos considerar
los dos sucesos simples por separado. En este caso, se debe utilizar dicha ley en la
forma
) | ( ) ( ) (
3 2 3 2 3
A B P A P B A P = "
Ahora bien, P(A
3
) es simplemente la probabilidad de obtener bola roja en una sola
extraccin, la cual es
9
4
. P(B
2
|A
3
) es la probabilidad de extraer bola blanca habiendo
extraido ya una bola roja, probabilidad que vale
8
3
. El producto de estos dos nmeros
nos da la probabilidad pedida.



10/16
La validez de la tcnica empleada en el ejemplo no es evidente. No resulta
inmediato que la probabilidad marginal P(A
3
) pueda calcularse prescindiendo por
completo del segundo suceso, ni que la probabilidad condicional corresponda al suceso
fsico simple que antes hemos descrito.
Para un suceso compuesto, que conste de dos sucesos simples, basta considerar una
tabla 2 por 2. Hacemos corresponder A
1
a un acierto en el primer suceso y A
2
a un fallo
en el mismo. Sea m
1
el nmero de maneras con que puede presentarse con acierto el
primer suceso y m
2
el nmero de veces en que dicho suceso puede fallar. Supongamos
que B
1
y B
2
se definen de forma anloga para el segundo suceso. Sean m
11
y m
12
las
veces en que el segundo suceso puede ser un acierto y un fallo, suponiendo que se haya
obtenido un acierto en el primero. Sean m
21
y m
22
los nmeros de maneras en que el
segundo puede resultar acierto o fallo cuando sabemos que el segundo ha sido un fallo.
La tabla 2 por 2 que queda sera:
B
1
B
2
A
1
m
1
m
11
m
1
m
12
A
2
m
2
m
21
m
2
m
22
El nmero total de resultados posibles es
n = m
1
m
11
+ m
1
m
12
+ m
2
m
21
+ m
2
m
22
La probabilidad buscada es que se produzca un acierto en ambos sucesos, luego
n
m m
B A P
11 1
1 1
) ( = "
La probabilidad marginal P(A
1
) es
) ( ) (
) (
) (
22 21 2 12 11 1
12 11 1 12 1 11 1
1
m m m m m m
m m m
n
m m
n
m m
A P
+ + +
+
= + =
Ahora bien, la probabilidad de obtener un acierto en el primer suceso sin tener en
cuenta el segundo es
2 1
1
m m
m
+
que no coincide con la expresin anterior salvo que
22 21 12 11
m m m m + = +
esto es, a menos que el nmero total de resultados del segundo suceso sea el mismo sin
tener en cuenta si el primero ha sido acierto o fallo.
La probabilidad condicional es
12 11
11
m m
m
+



11/16
y da la probabilidad de un acierto para el segundo suceso, en el supuesto de que el
primero haya sido un acierto. Podramos inclinarnos a deducir que este uso de la
probabilidad condicional slo es correcto cuando el nmero de resultados para el
segundo suceso es independiente del resultado del primero, pero precisamente sucede lo
contrario. La probabilidad correcta es
12 11
11
2 1
1
1 1
) (
m m
m
m m
m
B A P
+
1
+
= "
y no el valor dado anteriormente
n
m m
B A P
11 1
1 1
) ( = "
El valor calculado por este mtodo condicional es siempre correcto, mientras que el
obtenido por enumeracin de resultados lo es slo cuando el nmero de ellos para el
segundo suceso es independiente del resultado del primero.
Un ejemplo sencillo nos va a permitir aclarar todo esto. Supongamos que se lanza
una moneda y que si sale cara, se introduce una bola negra en una urna, mientras que si
sale cruz, se introducen en la urna una bola negra y otra blanca. A continuacin, se
extrae una bola de la urna. Si sali cara, la bola tendr que ser, evidentemente, negra. Si
representamos los sucesos cara y cruz por C y X, y blanca y negra por B y N, los tres
resultados posibles sern CN, XN y XB. Estos tres resultados no son, por supuesto,
equiprobables.
Si el experimento se repitiese un cierto nmero de veces, cabra esperar que el
resultado CN ocurriera doble nmero de veces que cualquiera de los otros dos. Es decir,
que su probabilidad fuese !y no 1/3.
En general, los resultados posibles de un suceso compuesto no son igualmente
probables si el nmero de resultados del segundo suceso depende del resultado del
primero. Por tanto, no es aplicable la definicin de probabilidad. No obstante, si la
definicin puede aplicarse por separado a los sucesos componentes, ser posible
calcular la probabilidad del suceso compuesto utilizando el mtodo de las
probabilidades condicionales. Desgraciadamente, no es posible dar una demostracin
formal de estas afirmaciones. Tenemos que limitarnos a confiar en nuestra intuicin o,
ms bien, en el valor de cualquier testimonio experimental que poseamos.
5. SUCESOS INDEPENDIENTES.
Si P(A|B) no depende del suceso B, diremos que los sucesos A y B son
independientes. Podemos expresarlo formalmente de la siguiente forma:
DEF Sean A y B dos sucesos de un espacio muestral !. Diremos que A y B son
Sucesos Independientes si satisfacen
P(A"B) = P(A)P(B)



12/16
Por ejemplo, supongamos que lanzamos un dado dos veces y que deseamos hallar la
probabilidad de que los resultados sean dos y tres, en este orden:
P(2"3) = P(2)P(3|2) =
6
1
6
1
1 = P(2)P(3)
de modo que los dos sucesos son independientes.
La dependencia es la negacin de la independencia. Por tanto, diremos que A y B
son Dependientes si no son independientes.
PROP Cualquier suceso nulo o casi seguro es independiente de cualquier otro suceso.
Dem.
La validez de la condicin P(A"B) = P(A)P(B) en el caso de que A sea nulo o casi
seguro es inmediata.
PROP Si A y B son independientes y P(B)>0 entonces P(A) = P(A|B). Recpro-
camente, si P(B)>0 y se verifica P(A) = P(A|B) entonces A y B son independientes.
Dem.
Como P(A"B) = P(A)P(B) por el hecho de ser independientes
y P(A"B) = P(B)P(A|B)
se deduce rpidamente que P(A) = P(A|B).
Recprocamente, teniendo en cuenta las expresiones
P(A) = P(A|B)
P(A"B) = P(B)P(A|B)
Obtenemos que A y B son independientes.
PROP Si A y B son dos sucesos independientes, entonces A y B tambin lo son.
Dem.
Restando las dos igualdades
P(A) = P(A)
P(A"B) = P(A)P(B)
se obtiene
P(AA"B) = P(A)(1P(B))
de donde
P(A" B ) = P(A)P( B )



13/16
DEF Diremos que los sucesos A
1
, A
2
, ..., A
n
son Independientes por Parejas (dos a
dos) si cada par A
i
y A
j
son independientes entre s. Es decir, si se verifica que
P(A
i
"A
j
) = P(A
i
)P(A
j
) 1/i<j/n
Ms restrictivo resulta el concepto de independencia entre los sucesos de una familia
finita.
DEF Los sucesos A
1
, A
2
, ..., A
n
son Independientes entre s si para cada r, con 2/r/n,
tomamos los ndices
1/i
1
<i
2
<...<i
r
/n
se tiene
) ( ) ( ) ( ) (
2 1 2 1 r r
i i i i i i
A P A P A P A A A P 1 1 = " " " K K
El nmero de condiciones que se obtienen a partir de la definicin anterior son
1 2
3 2
( ( =
)
)
*
+
,
,
-
.
+ +
)
)
*
+
,
,
-
.
+
)
)
*
+
,
,
-
.
n
n
n n n
n
L
Cuando los sucesos no sean independientes. es decir, alguna de las condiciones no
sea correcta, diremos que son Dependientes.
Ahora vamos a enunciar unas propiedades que, dada su inmediatez y por no
extendernos demasiado, no vamos a demostrar.
PROP La independencia de n sucesos es independiente del orden con que se enuncien.
Los sucesos de un subconjunto del conjunto de n sucesos independientes son tambin
independientes
PROP Sean A
1
, A
2
, ..., A
n
n sucesos independientes y definimos los subconjuntos de
ndices
I, J 2 {1, 2, ..., n} verificando que I"J = 0
Sean los conjuntos
I
I i
i
A A
3
=
I
J j
j
A B
3
=
Entonces A y B son independientes.
PROP Si los sucesos A
1
, A
2
, ..., A
n-1
son independientes, entonces, para que A
1
, A
2
, ...,
A
n
sean independientes es suficiente que A
n
sea independiente de cada suceso A
obtenido como
I
I i
i
A A
3
= con I2{1, 2, ..., n}
PROP Si los sucesos A
1
, A
2
, ..., A
n
son independientes, y sustituimos uno de ellos, por
ejemplo el ltimo, A
n
, por su complementario, los sucesos del nuevo conjunto son
tambin independientes.



14/16
DEF Los sucesos de una familia {A
t
: t3T} donde T es un conjunto cualquiera de
ndices, diremos que son independientes si los sucesos de cada conjunto finito
2 , , ,
2 1
4 n con A A A
n
t t t
K y {t
1
, t
2
, ..., t
n
}2T
son independientes.
6. TEOREMA DE LA PROBABILIDAD TOTAL.
En clculo de probabilidades se nos pueden presentar situaciones en que existen n
sucesos incompatibles (disjuntos) cuya unin es todo el espacio muestral !.
H
1
, H
2
, ..., H
n
H
i
"H
j
=% 5i&j ! =
=
U
n
i
i
H
1
que poseen probabilidades conocidas P(H
i
) y que para cada suceso A resultan tambin
conocidas las probabilidades condicionadas P(A|H
i
). En esta situacin se puede calcular
la probabilidad de A a travs de las probabilidades anteriores mediante una frmula que
constituye el llamado Teorema de la Probabilidad Total.
En la situacin descrita suele utilizarse la siguiente nomenclatura. los sucesos H
i
se
llaman hiptesis o causas. Las probabilidades P(H
i
) se llaman probabilidades a priori
de las hiptesis. La probabilidad condicionada P(A|H
i
) es la probabilidad de A en la
hiptesis H
i
. La probabilidad P(H
i
|A) es la probabilidad a posteriori de la hiptesis H
i
cuando se sabe que ha sucedido A.
TEOREMA
Sean H
1
, H
2
, ..., H
n
n sucesos incompatibles de probabilidades no nulas cuya unin
es !. entonces, para cualquier suceso A se tiene
#
=
1 =
n
i
i i
H A P H P A P
1
) | ( ) ( ) (
Dem.
Son inmediatos los clculos siguientes
=
)
)
*
+
,
,
-
.
" =
)
)
*
+
,
,
-
.
)
)
*
+
,
,
-
.
" = ! " =
= =
U U
n
i
i
n
i
i
A H P H A P A P A P
1 1
) ( ) ( ) (
# #
= =
= " =
n
i
i i
n
i
i
H A P H P A H P
1 1
) | ( ) ( ) (
OBS En el enunciado del Teorema anterior, la restriccin de que P(H
i
)>0 puede
suprimirse quedando la suma extendida al conjunto J={i : P(H
i
)>0} ya que



15/16
# # #
3 3 =
= " = " =
J i
i i
J i
i
n
i
i
H A P H P A H P A H P A P ) | ( ) ( ) ( ) ( ) (
1
OBS Tambin puede utilizarse la tesis del teorema, sin ninguna dificultad, si el
conjunto de sucesos H
i
es numerable en vez de un conjunto finito.
7. TEOREMA DE BAYES.
La frmula de Bayes da la probabilidad a posteriori de una hiptesis H
r
cuando se
sabe que ha ocurrido un suceso A.
TEOREMA. Frmula de Bayes
Sean H
1
, H
2
, ..., H
n
n sucesos incompatibles de probabilidades no nulas cuya unin
es !. Sea A un suceso cualquiera de probabilidad positiva. Entonces para cualquier
suceso H
r
se tiene
#
=
=
n
i
i i
r r
r
H A P H P
H A P H P
A H P
1
) | ( ) (
) | ( ) (
) | (
Dem.
Partiendo de la definicin de probabilidad condicionada
) (
) (
) | (
A P
A H P
A H P
r
r
"
=
y aplicando en el denominador la igualdad demostrada en el teorema anterior,
obtenemos inmediatamente la expresin a comprobar.
TEOREMA. Generalizacin de la Frmula de Bayes.
Sean H
1
, H
2
, ..., H
n
n sucesos incompatibles cuya unin es !. Sea A un suceso tal
que P(A"H
i
)>0 para i : 1, 2, .., n. Entonces, para cualquier suceso C se tiene
#
#
=
=
"
=
n
i
i i
n
i
i i i
H A P H P
A H C P H A P H P
A C P
1
1
) | ( ) (
) | ( ) | ( ) (
) | (
Dem.
Partiendo de la definicin de probabilidad condicionada



16/16
#
#
=
=
"
" "
=
"
=
n
i
i
n
i
i
H A P
H C A P
A P
C A P
A C P
1
1
) (
) (
) (
) (
) | (
y utilizando la expresin obtenida en el teorema de la probabilidad total llegamos a la
frmula a demostrar.
OBS Las dos frmulas de Bayes obtenidas pueden ser utilizadas en el caso de ser
numerable el conjunto de sucesos {H
i
: i3I}
OBS Tambin se aprecia la ventaja de suponer que las sumas de los denominadores
de ambas frmulas se extienden al conjunto {j : P(H
j
)>0} y la del numerador de la
segunda frmula al conjunto {j : P(H
j
"A)>0}.
BIBLIOGRAFA RECOMENDADA.
Estadstica Terica. Aut. J.M.Doblado y M.C. Nieto. Edit. UNED
Introduccin a la Estadstica Terica. Aut.: G Arniz. Edit.: Lex Nova
Estadstica Terica y Aplicada. Aut.: A. Nortes. Edit.: S. Rodrguez.
Introduccin a la Probabilidad y la Medida (I). Aut.: P Zoroa y N. Zoroa. Edit.: Maior
DM.



1/17
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 65
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
CARACTERSTICAS Y TRATAMIENTO. LAS DISTRIBUCIONES BINOMIAL Y
DE POISSON. APLICACIONES.
1. Introduccin.
2. Funciones de Cuanta.
3. Distribuciones Multivariantes.
4. Distribucin de Bernouilli.
5. Distribucin Binomial.
6. Distribucin de Poisson.
7. Ajuste de una Distribucin Binomial a una Poisson.
8. Otras Distribuciones Discretas.
8.1. Distribucin Multinomial.
8.2. Distribucin Hipergeomtrica.
8.3. Distribucin Hipergeomtrica Multivariante.
8.4. Distribucin Geomtrica o de Pascal.
8.5. Distribucin Binomial Negativa.
Bibliografa Recomendada.



2/17
TEMA 65
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
CARACTERSTICAS Y TRATAMIENTO. LAS DISTRIBUCIONES BINOMIAL Y
DE POISSON. APLICACIONES.
1. INTRODUCCIN.
DEF Diremos que X es una variable aleatoria discreta unidimensional si es una
variable aleatoria que toma slo un nmero finito o infinito numerable de valores del eje
x.
Supongamos que X toma nicamente los valores x
1
, x
2
, ..., x
n
, ... con probabilidades
f(x
1
), f(x
2
), ..., f( x
n
), ... e imaginemos que A es cualquier subconjunto de los puntos x
1
,
x
2
, ..., x
n
, ... La probabilidad P(A) del suceso A (probabilidad de que x est en A) se
define como
!
"
=
A x
x f A P ) ( ) (
donde el sumatorio representa la suma de f(x) para aquellos valores x
i
que pertenecen a
A.
As, por ejemplo, P(X=4) indica la probabilidad de que el valor de la variable sea 4,
y P(1<X<3) indica la probabilidad de que el valor de la variable aleatoria est
comprendido entre 1 y 3.
Dada una situacin experimental, f(x) la tomaremos de tal manera que se ajuste al
problema particular que estemos considerando.
DEF Llamaremos a f(x) Funcin de Densidad de una variable Discreta, si satisface las
dos condiciones siguientes:
f(x
i
)#0 $i
1 ) ( =
! i
x f
La funcin de Densidad tambin se conoce como Funcin de Cuanta.
Ejemplo. Sea un experimento aleatorio consistente en lanzar cuatro monedas
simtricas y registrar el nmero de caras. Los valores que toma una variable aleatoria X
sern 0, 1, 2, 3 y 4. Para calcular la funcin de densidad f(x), probabilidad de que
aparezcan x caras, observamos que el nmero de formas en que pueden caer las cuatro
monedas es 2
4
. El nmero de formas en que pueden aparecer x caras es
%
%
&
'
(
(
)
*
x
4
; por tanto,
4 , 3 , 2 , 1 , 0
2
4
) (
4
=
%
%
&
'
(
(
)
*
= x
x
x f
Como
f(x)#0 0+x+4



3/17
1
4
2
1
) (
4
0
4
4
0
=
%
%
&
'
(
(
)
*
=
! !
= = x x
x
x f
Entonces, f(x) es una funcin de densidad.
Es importante destacar que f(x) da las frecuencias relativas o frecuencias con que se
presenta cada uno de los valores de X.
2. FUNCIONES DE CUANTA.
El conjunto de resultados posibles de un suceso aleatorio se divide en un cierto
nmero de clases mutuamente excluyentes en relacin con determinado atributo. A cada
clase se le asocia un valor de la variable aleatoria, o variante X. La funcin de cuanta es
una funcin que da la probabilidad de que ocurra un valor determinado de x.
La variante X puede describir un atributo, como era el caso anterior del lanzamiento
de 4 monedas, o puede ser simplemente el resultado de una codificacin. As, al extraer
bolas de una urna, pueden clasificarse segn su color, y podramos definir una variable
aleatoria X estableciendo arbitrariamente una correspondencia entre los valores de X y
los colores.
La funcin de cuanta puede ser una expresin matemtica, como en el apartado
anterior, o bien reducirse a una tabla de valores.
A menudo resulta necesario calcular la probabilidad cuando la variable aleatoria se
encuentra en un determinado rango de valores, como por ejemplo, P(X<3) o P(1<X<5).
En estos casos, y tambin en otras situaciones, es conveniente definir una nueva
funcin.
DEF Llamaremos Funcin de Distribucin Acumulativa a F(x), que se define como
F(x)=P(X+x). Es decir
!
+
=
x x
i
i
x f x F ) ( ) (
PROP P(a<x+b) = F(b) F(a)
Dem.
Inmediata a partir de la definicin.
3. DISTRIBUCIONES MULTIVARIANTES.
Si el resultado de un suceso aleatorio lo podemos clasificar de ms de una manera,
la funcin de cuanta es una funcin de ms de una variable. As, al extraer una carta de
una baraja francesa, podramos caracterizarla segn su palo y su numeracin.
Tendramos la variable aleatoria X que toma los valores 1, 2, 3 y 4 (representando cada
uno a un palo de la baraja) y la variable aleatoria Y que toma los valores del 1 al 13.



4/17
La variable aleatoria (X,Y) es bidimensional y la probabilidad de extraer una carta
se representa por f(X,Y). Si cada carta tiene la misma probabilidad de ser extraida, la
funcin de cuanta ser
13 1 4 1
52
1
) , ( + + + + = Y X Y X f
Este tipo de funciones pueden representarse sobre un plano. Las probabilidades
vienen representadas por segmentos verticales en los puntos (x,y) del plano horizontal
en el cual estn definidas. En el ejemplo, los segmentos sern de igual altura.
En general, la variable aleatoria k-dimensional (x
1
, x
2
, ..., x
n
) se denomina funcin
de cuanta de la variable aleatoria k-dimensional. Sea A un subconjunto del conjunto de
valores de la variable aleatoria, entonces
( )
!
= "
A
k k
x x x f A x x x P ) , , , ( ) , , , (
2 1 2 1
K K
donde el sumatorio supone la suma que toma la funcin de cuanta para los valores de la
variable que pertenecen al conjunto A.
DEF Sea
t
i i i
x x x , , ,
2 1
K cualquier subconjunto de las variables aleatorias discretas x
1
,
x
2
, ..., x
n
. La distribucin marginal de la variable aleatoria t-dimensional (
t
i i i
x x x , , ,
2 1
K )
es
!
= ) ,..., , ( ) ,..., , (
2 1 ,..., ,
1 2 1
n i i i i i i
x x x f x x x f
t t t
donde la suma se extiende a todos los valores, a excepcin de
t
i i i
x x x , , ,
2 1
K .
DEF Sean
t
i i i
x x x , , ,
2 1
K y
s
j j j
x x x , , ,
2 1
K dos subconjuntos disjuntos de las variables
aleatorias discretas x
1
, x
2
, ..., x
n
. La distribucin condicional de la variable aleatoria
t-dimensional (
t
i i i
x x x , , ,
2 1
K ) dado el valor (
s
j j j
x x x , , ,
2 1
K ) es
) , , , (
) , , , , , , , (
) , , , | , , , (
2 1 2 1
2 1 2 1 2 1 2 1
2 1 2 1
,..., ,
,..., , , ,..., ,
s s
s t s t
s t
j j j j j j
j j j i i i j j j i i i
j j j i i i
x x x f
x x x x x x f
x x x x x x g
K
K K
K K =
para todos los valores de x para los cuales no se anula el denominador.
DEF Las variables aleatorias discretas x
1
, x
2
, ..., x
k
son Independientes si
) ( )... ( ) ( ) ,..., , (
2 1 2 1 k k
x f x f x f x x x f =
para todos los valores en que est definida la variable aleatoria.
Ejemplo Supongamos que extraemos 12 cartas sin reemplazamiento de una baraja
francesa. Sea X
1
el nmero de ases, X
2
el nmero de doses, X
3
el nmero de treses y X
4
el nmero de cuatros. La distribucin de estas variables viene expresada por una funcin
de cuatro variables, que es:



5/17
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
, , , ,
-
%
%
&
'
(
(
)
*
-
%
%
&
'
(
(
)
*
-
%
%
&
'
(
(
)
*
-
%
%
&
'
(
(
)
*
=
12
52
12
36 4 4 4 4
) , , , (
4 3 2 1 4 3 2 1
4 3 2 1
x x x x x x x x
x x x x f
siendo el recorrido de cada una de las variables aleatorias de 1+X
i
+4 y verificando la
restriccin de
12 +
! i
X
Existe una gran cantidad de distribuciones marginales y condicionales asociadas con
esta distribucin. Veamos dos ejemplos de distribuciones marginales y otro de
distribucin condicional.
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
, ,
-
%
%
&
'
(
(
)
*
-
%
%
&
'
(
(
)
*
=
12
52
12
44 4 4
) , (
3 2 3 2
4 3 23
x x x x
x x f 0 + x
i
+ 4
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
,
-
%
%
&
'
(
(
)
*
=
12
52
12
48 4
) (
4 4
4 4
x x
x f 0 + x
4
+ 4
%
%
&
'
(
(
)
*
, ,
%
%
&
'
(
(
)
*
, , , ,
-
%
%
&
'
(
(
)
*
-
%
%
&
'
(
(
)
*
=
3 1
4 3 2 1 4 2
3 1 4 2
12
44
12
36 4 4
) , | , (
x x
x x x x x x
x x x x f
3 1 4 2
12
4 0
x x x x
x
i
, , + +
+ +
4. DISTRIBUCIN DE BERNOUILLI.
Llamaremos Prueba de Bernouilli a toda realizacin de un experimento aleatorio en
el que slo sean posibles dos resultados mutuamente exclusivos (por ejemplo, xito y
fracaso). Por tanto, podemos definir un espacio muestral como
. = {0,1}
donde 0 representa fracaso y 1 representa xito. Definamos una variable aleatoria X
que pueda tomar slo los valores anteriores, con probabilidades asociadas
P(xito) = p P(fracaso) = q = 1 p
Es claro que la funcin de distribucin de probabilidades (tambin llamada de
cuanta) de X es:



6/17
f(x) = P(X=x) = p
x
(1p)
1-x
para x=0,1
Esta distribucin de probabilidades recibe el nombre de Distribucin de Bernouilli.
La media y la varianza de una variable aleatoria que posee una distribucin de
probabilidades de Bernouilli son:
E(X) = 0f(0) + 1f(1) =00q + 1p = p
Var(X) = E(X
2
) [E(X)]
2
= 0f(0) + 1f(1) p
2
= p p
2
= p(1p) = pq
5. DISTRIBUCIN BINOMIAL.
Supongamos n pruebas independientes entre s de Bernouilli tales que la
probabilidad de xito, p, se mantiene constante a lo largo de todas ellas. Definimos la
variable aleatoria X como el nmero de veces que sucedi el suceso xito. Bajo estas
condiciones podemos definir
DEF Diremos que X es una variable aleatoria Binomial de parmetros n y p si su
funcin de probabilidad es
x n x
q p
x
n
x X P
,
%
%
&
'
(
(
)
*
= = ) ( con x = 0,1,...,n
Veamos como se ha originado esta funcin de probabilidad. Supongamos que el
resultado de la i-sima prueba forma una variable aleatoria unidimensional que
designaremos por X
i
, siendo su valor X
i
=0 si el resultado es un fracaso y X
i
=1 si es un
xito. Sea f(x
1
,x
2
,...,x
n
) la probabilidad de que la variable aleatoria X
i
=x
i
con i:1,2,...,n.
Puesto que las n variables aleatorias, todas ellas iguales, son independientes,
podemos aplicar la definicin de independencia para obtener
! !
= = =
,
, , , i i
n n
x n x
x x x x x x
n n
q p q p q p q p x f x f x f x x x f
1 1 1
2 1 2 1
) ( ) ( ) ( ) (
2 2 1 1
K K ,..., ,
donde 0 y 1 son los valores que toman cada una de las variables x
i
.
Evidentemente, para cualquier ordenacin de k xitos y nk fracasos, la
probabilidad es
p
k
q
nk
puesto que el sumatorio ser k al haber esa cantidad de 1s. Si ahora tenemos en cuenta
el nmero total de formas de ordenar k 1s en n lugares, obtenemos el nmero
combinatorio
%
%
&
'
(
(
)
*
k
n
siendo entonces la probabilidad de k xitos el nmero



7/17
k n k
q p
k
n
,
%
%
&
'
(
(
)
*
La funcin de distribucin de variable aleatoria binomial presenta otras dos
variables, p y n, de carcter distinto. Su variacin corresponde a distribuciones
binomiales diferentes, ya que para una distribucin binomial dada, p y n tienen valores
fijos. Las variables de este tipo reciben el nombre de parmetros de la distribucin.
La funcin f( x;n,p) representa una familia de distribuciones con dos parmetros,
obtenindose un miembro de esta familia al especificar los valores de p y n.
DEF El parmetro n recibe el nombre de Parmetro Discreto. El parmetro p es el
Parmetro Contnuo.
El nombre de n es debido a que slo puede tomar valores naturales. En cambio, p
puede tomar valores dentro del intervalo cerrado [0,1]
En general, la distribucin binomial tendr un valor mximo, el cual pasamos a
determinar.
Sea m la parte entera del nmero (n+1)p y sea e la parte fraccionaria.
m = [(n+1)p] y e = (n+1)p [(n+1)p]
PROP El mayor valor de f(x) se obtiene al tomar x = m, recibiendo m el nombre de
valor modal o, simplemente, moda de la variable aleatoria X. Si e=0, tambin se alcanza
en x = m1.
Dem.
Supongamos que el nmero e, definido anteriormente, es distinto de cero. Tomemos
la razn
) (
) 1 (
x f
x f +
Vamos a comprobar que esta razn es inferior a 1 cuando x es mayor o igual a m, y
superior a 1 cuando x es inferior a m.
1 ) (
) 1 (
+
,
- =
+
x
x n
q
p
x f
x f
y si x # m tenemos
1 1 +
,
- +
+
,
-
m
m n
q
p
x
x n
q
p
Sustituyendo m por (n+1)pe, el segundo miembro puede escribirse como



8/17
/
0
1
2
3
4 ,
+ +
/
0
1
2
3
4 ,
, +
=
+
,
-
p
e
n
q
e
n
m
m n
q
p
1
) 1 (
1
) 1 (
1
que es menor que la unidad
Si x < m1 tenemos
p
e
n
q
e
n
e p n
e q n
q
p
m
m n
q
p
x
x n
q
p
, +
+ +
>
, +
+ +
- >
, ,
- >
+
,
-
1
1
) 1 (
) 1 ( ) 1 (
1
que es mayor que 1.
Ahora vamos a estudiar el caso que nos hemos dejado pendiente: x = m1, para el
cual se verifica:
p
e
n
q
e
n
m
m n
q
p
x f
x f
, +
+ +
=
+ ,
- =
+
) 1 (
) 1 (
1
) (
) 1 (
que es tambin superior a 1 si e50. Si e=0, la razn es igual a la unidad, verificndose
que f(x+1) = f(x), teniendo la distribucin dos valores de x en los que alcanza el
mximo, x =m y x = m1.
PROP La Media y la Varianza de una variable aleatoria que posee una distribucin de
probabilidades Binomial es:
1) E(X) = np
2) Var(X) = npq
Dem.
Para la demostracin, vamos a considerar que la variable aleatoria X con
distribucin binomial se puede dividir en n variables aleatorias independientes, cada una
de ellas asociada a una distribucin de Bernouilli de probabilidad p. Es decir
X = X
1
+ X
2
+ ... + X
n
donde las X
i
son variables aleatorias independientes que siguen una distribucin de
Bernouilli, representando si sucede o no el suceso A en la prueba i-sima, con i:1,2,...,n.
Tomando esperanzas a ambos lados de la igualdad:
E(X) = E(X
1
+ X
2
+ ... + X
n
) = E(X
1
) + E(X
2
) + ... + E(X
n
) = p + p + ... + p = np
y tomando varianzas
Var(X) = Var(X
1
+ X
2
+ ... + X
n
) = Var(X
1
) + Var(X
2
) + ... + Var(X
n
) =



9/17
= pq + pq + ... + pq = npq
6. DISTRIBUCIN DE POISSON.
DEF Diremos que la variable aleatoria X se distribuye segn una distribucin de
Poisson si la funcin de distribucin es de la forma
!
) (
x
e
x f
x
!
! ,
= con x=0,1,2,3,...
siendo 6 cualquier nmero positivo.
Si tenemos en cuenta que la exponencial e
6
tiene un desarrollo en serie de potencias
K K + + + + + =
! ! 2
1
2
x
e
x
! !
!
!
deducimos que
1 ) (
0
=
!
7
= x
x f
Esta distribucin se suele aplicar en aquellas situaciones en que un gran nmero de
objetos se encuentran distribuidos sobre un gran recinto de considerable extensin.
Consideremos un ejemplo que concrete esta situacin.
Supongamos un volumen V de un fluido que contiene un gran nmero N de
pequeos organismos. Podemos suponer que estos organismos carecen de instintos
sociales y que la probabilidad de que aparezcan en cualquier parte del fluido es la
misma para un determinado volumen.
Examinemos una gota de volumen D al microscopio. Cul es la probabilidad de
que se hallen x organismos en la gota?. Se supone que V es mucho mayor de D. Puesto
que suponemos que los organismos estn distribuidos con probabilidad uniforme por
todo el fluido, se deduce que la probabilidad de encontrar uno cualquiera de ellos en D
es
V
D
. Y al suponer que no tienen instintos sociales, la presencia de uno de ellos en D
no influye en la de cualquiera de los otros. Por tanto, la probabilidad de que haya x
organismos en D es
x N x
V
D V
V
D
x
N
,
%
&
'
(
)
* ,
- %
&
'
(
)
*
-
%
%
&
'
(
(
)
*
Supongamos ahora tambin que los organismos son tan pequeos que podemos
prescindir del espacio que ocupan; los N reunidos no ocuparan parte apreciable del
volumen D. La funcin de Poisson es una aproximacin de la expresin anterior, que es
simplemente una funcin binomial en la que
V
D
p = es un valor muy pequeo.



10/17
La distribucin de Poisson se obtiene haciendo que V y N tiendan a infinito, de tal
modo que la densidad de organismos
V
N
d = permanezca constante. si escribimos de
nuevo el producto anterior de la siguiente forma
=
%
&
'
(
)
*
, -
%
&
'
(
)
*
-
-
+ , , ,
,x N x
x
NV
ND
V
ND
N x
x N N N N
1
!
) 1 ( ) 2 )( 1 ( L
( )
!
1
1
1
2
1
1
1
x
N
Dd
Dd
N
x
N N
x N
x
,
%
&
'
(
)
*
, - - %
&
'
(
)
*
,
, %
&
'
(
)
*
, %
&
'
(
)
*
,
=
L
Podemos ver que el lmite de la expresin anterior cuando N tiende a infinito es
!
) (
x
Dd e
x Dd ,
y si sustituimos Dd por 6 obtenemos la funcin de distribucin de Poisson.. Esto nos
demuestra que 6 es el valor medio de x, ya que D, volumen de la porcin examinada,
multiplicado por la densidad d, da el promedio esperado en el volumen D.
Hemos visto este ejemplo con cierto detalle porque a menudo se aplica de forma
equivocada a datos que no verifican todas las condiciones requeridas. Por ejemplo, no
se puede aplicar en el estudio de distribuciones de larvas de insectos en una gran
extensin de cultivo, porque los insectos depositan sus huevos en grupos, de modo que
en caso de encontrar uno en una pequea rea dada, lo probable es que se encuentren
tambin otros.
PROP La Media y la Varianza de una distribucin de Poisson son iguales al parmetro
6.
Dem.
! ! !
7
=
, , 7
=
, 7
=
,
,
= = =
1
1
1 0
)! 1 ( ! !
) (
x
x
x
x
x
x
x
e
x
e
x
x
e
x X E
! ! !
!
!
! !
Haciendo el cambio de y = x1 y operando, obtenemos
! !
!
!
! ! !
= = =
,
7
=
,
!
e e
y
e X E
y
y
1
!
) (
En cuanto a la varianza, nos vamos a apoyar en su obtencin en el clculo de la
esperanza.
[ ]
! ! !
7
=
, , 7
=
, 7
=
,
,
= , = , = ,
2
2
2
2 0
)! 2 ( !
) 1 (
!
) 1 ( ) 1 (
x
x
x
x
x
x
x
e
x
e
x x
x
e
x x X X E
! ! !
!
!
! !



Carlos M. Abrisqueta Valcrcel, 2002 Temario Especfico Tema 65
11/17
Haciendo el cambio de variable y = x2 y operando, obtenemos
[ ]
2
0
2
!
) 1 ( !
!
!
!
= = ,
!
7
=
,
y
y
y
e
X X E
con lo cual obtenemos el valor de la varianza
[ ] [ ] ! = = , + , = , = , =
2 2 2 2 2
) 1 ( ) ( ) ( ) ( ) ( X X E X E X E X E X Var
7. AJUSTE DE UNA DISTRIBUCIN BINOMIAL A UNA POISSON.
La distribucin de Poisson tambin se obtiene como lmite de la binomial cuando el
tamao de muestra n crece, n87, y la probabilidad de xito tiende a cero, p80, de
manera que el nmero medio de xitos, np=6, permanezca constante. Las
probabilidades binomiales las podemos expresar de la forma siguiente:
x n x
n n x
n
x X P
,
%
&
'
(
)
*
, - %
&
'
(
)
*
-
%
%
&
'
(
(
)
*
= =
! !
1 ) (
Tomando lmites:
=
/
/
/
/
/
0
1
2
2
2
2
2
3
4
%
&
'
(
)
*
,
%
&
'
(
)
*
,
+ , ,
=
/
/
0
1
2
2
3
4
%
&
'
(
)
*
, - %
&
'
(
)
*
-
%
%
&
'
(
(
)
*
= =
7 8
,
7 8 7 8
n
x
x
n
x
x n x
n n
n
n
n
x n n n
Lim
x n n x
n
Lim x X P Lim
!
!
! ! !
1
1
) 1 ( ) 1 (
!
1 ) (
K
!
! !
!
!
,
7 8 7 8
- - =
%
&
'
(
)
*
, -
/
/
/
/
/
0
1
2
2
2
2
2
3
4
%
&
'
(
)
*
,
+ , ,
= e
x n
Lim
n
n
x n n n
Lim
x
x
n
n
x
x
n
x
1
!
1
1
) 1 ( ) 1 (
!
K
En consecuencia
!
) (
x
e
x X P
x !
!
,
8 = para x = 0, 1, 2, ...
llegando as a la distribucin de Poisson. La aproximacin se puede considerar que es
bastante buena cuando se verifican las siguientes condiciones:
1) n > 25
2) p < 01
3) np = 6 + 5
Debido a esto, se conoce a la distribucin de Poisson como Ley de los Sucesos
Raros ya que se presenta en aquellos fenmenos en que estudiemos la ocurrencias de
sucesos con probabilidades pequeas.



12/17
8. OTRAS DISTRIBUCIONES DISCRETAS.
8.1. Distribucin Multinomial.
Supongamos que un experimento aleatorio puede conducir a k resultados
excluyentes y exhaustivos E
1
, E
2
, ..., E
k
, con probabilidades respectivas p
1
, p
2
, ..., p
k
,
entonces la distribucin de probabilidad de las variables aleatorias X
1
, X
2
, ..., X
k
, que
representan los nmeros de ocurrencias para E
1
, E
2
, ..., E
k
, en n ensayos independientes
es:
k k
x
k
x x
k
x
k
x x
k
k
p p p
x x x
n
p p p
x x x
n
x x x f K
K
K
K
K
2 1 2 1
2 1
2 1
2 1
2 1
2 1
! ! !
!
, , ,
) , , , ( =
%
%
&
'
(
(
)
*
=
donde
1 1 0
1
1
1
= + + =
! !
= =
k
i
i
k
i
i
p p n x
Si la variable aleatoria X tiene distribucin Multinomial, entonces sus Medias,
Varianzas y Covarianzas estn dadas por las siguientes expresiones:
1) E(X
i
) =
i
= np
i
2) Var(X
i
) = 9
i
2
= np
i
(1p
i
)
3) Cov(X
i
,X
j
) = 9
ij
= np
i
p
j
con i5j
8.2. Distribucin Hipergeomtrica.
Supongamos que tenemos una poblacin con N unidades estadsticas, de las cuales
N
A
son de la clase A y el resto, NN
A
, de la clase contraria A. Sea un experimento
consistente en tomar, sin reemplazamiento, n unidades de poblacin.
DEF Bajo las condiciones anteriores, llamamos variable aleatoria Hipergeomtrica a
X = nmero de elementos de la clase A que hay en la muestra
A la variable aleatoria as definida le corresponde una funcin de probabilidad dada
por
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
,
,
%
%
&
'
(
(
)
*
= =
n
N
x n
N N
x
N
x X P
A A
) (
Los parmetros de la distribucin son
N Tamao de la poblacin
N
A
N de unidades de la clase A
n Tamao de la muestra sin reemplazamiento
PROP Si la variable aleatoria X tiene una distribucin Hipergeomtrica, entonces su
media y su varianza estn dadas por



13/17
np
N
nN
X E
A
= = = ) ( ) 1 (
1
) (
2
p np
N
n N
X Var ,
,
,
= ="
donde
N
N
p
A
= .
Dem.
( )
( )
=
%
%
&
'
(
(
)
*
,
,
, ,
,
%
%
&
'
(
(
)
*
=
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
,
,
-
%
%
&
'
(
(
)
*
=
! !
= =
x n
N N
x N x
N
n
N
N
n
N
x n
N N
x
N
x X E
A
n
x A
A A
n
x
A A
1 0
! )! 1 (
! 1
) (
( )
( )
%
%
&
'
(
(
)
*
,
,
%
%
&
'
(
(
)
*
,
,
%
%
&
'
(
(
)
*
=
%
%
&
'
(
(
)
*
,
,
, ,
,
%
%
&
'
(
(
)
*
=
! !
= =
x n
N N
x
N
n
N
N
x n
N N
x N x
N
n
N
N
A
n
x
A A A
n
x A
A A
1 1
1
1
! )! 1 (
! 1
y haciendo el cambio de variable de y = x1 convertimos la expresin anterior en
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
, ,
,
-
%
%
&
'
(
(
)
* ,
=
!
,
=
n
N
y n
N N
y
N
N
X E
n
y
A A
A
1
0
1
1
) (
y teniendo en cuenta que
%
%
&
'
(
(
)
*
,
,
=
%
%
&
'
(
(
)
*
1
1
n
N
n
N
n
N
podemos dejar la expresin anterior
como
np n
N
N
n
N
y n
N N
y
N
n
N
N
X E
A
n
y
A A
A
= =
%
%
&
'
(
(
)
*
,
,
%
%
&
'
(
(
)
*
, ,
,
-
%
%
&
'
(
(
)
* ,
=
!
,
=
1
0
1
1
1
1
) (
ya que el sumatorio es el de todas las probabilidades en el caso de una muestra de
tamao n1, de un lote con N1 objetos de los que N
A
1 son de la clase A.
Para el clculo de la varianza vamos a tener en cuenta lo siguiente:
[ ] [ ]
2 2 2 2 2
) 1 ( ) ( ) ( ) ( ) ( , + , = , = , = X X E X E X E X E X Var
donde
[ ]
) 1 (
) 1 ( ) 1 (
) 1 (
,
, ,
= ,
N N
n n N N
X X E
A A
y al operar obtenemos



14/17
) 1 (
1
) ( p np
N
n N
X Var ,
,
,
=
La diferencia ms importante entre esta distribucin y la binomial es que en esta
ltima las probabilidades permanecen constantes a lo largo de las pruebas (muestreo con
reemplazamiento), mientras que en la hipergeomtrica varan de prueba a prueba en
funcin de los resultados de las pruebas anteriores (muestreo sin reemplazamiento).
Cuando se verifican las condiciones siguientes:
1) N87
2) cte p
N
N
A
= =
3) n = cte.
entonces podemos aproximar la distribucin hipergeomtrica por una binomial, ya que
puede probarse que en esas condiciones se cumple que:
x n x
A A
q p
x
n
n
N
x n
N N
x
N
,
%
%
&
'
(
(
)
*
8
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
,
,
-
%
%
&
'
(
(
)
*
8.3. Distribucin Hipergeomtrica Multivariante.
Consideremos una poblacin con N unidades estadsticas repartidas en k clases
disjuntas y exhaustivas E
1
, E
2
, ..., E
k
con N
1
, N
2
, ..., N
k
unidades en cada clase
respectivamente, y verificndose que N
1
+N
2
+ ...+N
k
=N. Si tomamos n unidades
estadsticas sin reemplazamiento y contabilizamos cuntas unidades de cada clase nos
aparecen, entonces esas k variables discretas constituyen una variable hipergeomtrica
multivariante.
X
i
= N de elementos de la clase A
i
que hay en la muestra
Estas variables X
i
son linealmente dependientes, ya que su suma es evidentemente el
tamao n de la muestra. Su funcin de probabilidad viene dada por
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
= = = =
n
N
x
N
x
N
x
N
x X x X x X P
k
k
k k
K
K
2
2
1
1
2 2 1 1
) , , , (
y sus medias y varianzas valen
i i i
np X E = = ) (



15/17
) 1 (
1
) (
2
i i i i
p np
N
n N
X Var ,
,
,
= ="
j i p np
N
n N
X X Cov
j i ij j i
5
,
,
, = =
1
) , ( "
donde
N
N
p
i
i
= .
Vemos que las covarianzas son negativas, al igual que suceda con la distribucin
multinomial. De manera totalmente anloga a la expuesta en el punto anterior, podemos
aproximar esta distribucin por una binomial, bajo las siguientes condiciones:
1) N87
2) . cte p
N
N
i
i
= =
3) n = cte.
y la aproximacin de la distribucin hipergeomtrica multivariante por una multinomial
se debe al hecho de que en esas condiciones se verifica
k
x
k
x x
k
k
k
p p p
x x x
n
n
N
x
N
x
N
x
N
K
K
K
2 1
2 1
2 1
2
2
1
1
! ! !
!
8
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
%
%
&
'
(
(
)
*
8.4. Distribucin Geomtrica o de Pascal.
Supongamos que realizamos un experimento y estamos interesados en la ocurrencia
o no de un determinado suceso A. Supongamos tambin, al igual que hacamos en la
distribucin binomial, que realizamos repeticiones del experimento de forma que estas
repeticiones son independientes, y que en cada una de las repeticiones las
probabilidades de A, p, y de su complementario A, 1p, permanecen constantes. En
esta situacin, repetimos el experimento hasta que ocurre A por primera vez. Podemos
definir la variable aleatoria
X = nmero de repeticiones del experimento necesarias para que tenga lugar la
primera ocurrencia de A
la cual, diremos, tiene una distribucin Geomtrica o de Pascal de parmetro p.
Tengamos en cuenta que aqu nos separamos de las hiptesis mantenidas para la
distribucin binomial. All el nmero de repeticiones era predeterminado, mientras que
aqu es una variable aleatoria. Tenemos que X=k siempre que en las k1 repeticiones
anteriores no haya sucedido A. Entonces, la funcin de probabilidad es
K , 3 , 2 , 1 ) (
1
= =
,
k para pq x f
k



16/17
PROP Si la variable aleatoria X tiene una distribucin geomtrica, entonces su media y
su varianza vienen determinadas por
p
X E
1
) ( =
2
) (
p
q
X Var =
Dem.
p p
p
q
p
q
q
dq
d
p
dq
q d
p
dq
q d
p kpq X E
k
k
k
k
k
k
1
) 1 ( 1
) (
) (
2 2
1
= =
,
=
%
%
&
'
(
(
)
*
,
=
%
&
'
(
)
*
= = =
!
! !
,
y de forma anloga, con la derivada segunda respecto de q podemos razonar para
obtener la varianza a travs de la esperanza de X(X1)
[ ]
2
2
) ( ) ( ) 1 ( ) (
p
q
X E X E X X E X Var = , + , =
8.5. Distribucin Binomial Negativa.
Esta distribucin es una generalizacin de la anterior. Para obtenerla, y bajo las
mismas condiciones que para la distribucin geomtrica, supongamos que un
experimento se repite hasta que un suceso particular A se repite r veces. Sea la variable
aleatoria
X = nmero de repeticiones necesarias para que A suceda exactamente r veces.
Esta distribucin recibe el nombre de Distribucin Binomial Negativa de Parmetros
r y p.
Es evidente que para r=1 obtenemos la distribucin geomtrica de parmetro p. El
suceso X=K ocurre si y slo si el suceso A ocurre en la k-sima repeticin,
verificndose que A ya sucedi r-1 veces en los k-1 experimentos anteriores. Por ello, la
probabilidad de este suceso es
r k r
q p
r
k
k X P
,
%
%
&
'
(
(
)
*
,
,
= =
1
1
) ( para k = r, r+1, ...
PROP La media y la varianza de una distribucin binomial negativa son
p
r
X E = ) (
2
) (
p
rq
X Var =
Dem.
Para comprobarlo, definamos las siguientes variables aleatorias.
Z
1
= N de repeticiones necesarias hasta la primera ocurrencia de A



17/17
Z
2
= N de repeticiones necesarias desde la primera ocurrencia de A hasta incluir
la segunda ocurrencia de A.
.......
Z
r
= N de repeticiones necesarias desde la ocurrencia r1 de A hasta incluir la r-
sima ocurrencia de A.
Todas las Z
i
son variables aleatorias independientes, teniendo cada una de ellas una
distribucin geomtrica de parmetro p. Adems, la variable aleatoria X es suma de
todas ellas. Por tanto
p
r
p p p
Z E Z E Z E Z Z Z E X E
r r
= + + + = + + + = + + + =
1 1 1
) ( ) ( ) ( ) ( ) (
2 1 2 1
K K K
de manera anloga, tomando varianzas
2
2 1 2 1
) ( ) ( ) ( ) ( ) (
p
rq
Z Var Z Var Z Var Z Z Z Var X Var
r r
= + + + = + + + = K K
BIBLIOGRAFA RECOMENDADA.
Estadstica Terica. Aut. J.M.Doblado y M.C. Nieto. Edit. UNED
Introduccin a la Estadstica Terica. Aut.: G Arniz. Edit.: Lex Nova
Estadstica Terica y Aplicada. Aut.: A. Nortes. Edit.: S. Rodrguez.
Introduccin a la Probabilidad y la Medida (I). Aut.: P Zoroa y N. Zoroa. Edit.: Maior
DM.
Introduccin a la Teora de la Estadstica. Aut.: Mood, Graybill. Edit.: Aguilar.



1/17
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 66
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE CONTINUA.
CARACTERSTICAS Y TRATAMIENTO. LA DISTRIBUCIN NORMAL.
APLICACIONES.
1. Variables Aleatorias Continuas.
2. Distribuciones Multivariantes.
3. Distribuciones Acumulativas.
4. Distribuciones Marginales.
5. Distribuciones Condicionales.
6. Distribucin Uniforme.
7. Distribucin Normal.
7.1. Aproximacin de las Distribuciones Binomial y Poisson a la Normal.
8. Otras Distribuciones.
8.1. Distribucin Gamma.
8.2. Distribucin Exponencial.
8.3. Distribucin Weibull.
8.4. Distribucin !
2
de Pearson
Bibliografa Recomendada.



2/17
TEMA 66
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE CONTINUA.
CARACTERSTICAS Y TRATAMIENTO. LA DISTRIBUCIN NORMAL.
APLICACIONES.
1. VARIABLES ALEATORIAS CONTINUAS.
En el caso de variables discretas es posible asociar una probabilidad finita a cada
punto (elemento) del conjunto muestral, aunque el nmero de puntos (elementos) que lo
compongan sea infinito (numerable). La suma de todas las probabilidades ser la
unidad.
En el caso de una variable continua esto no es posible. Las probabilidades no
sumarn uno, a menos que prcticamente a todos sus puntos (todos menos un conjunto
numerable) les asignemos probabilidad cero. La solucin a este problema que se plantea
es considerar intervalos en lugar de puntos.
DEF Diremos que X es una Variable Aleatoria Continua (Unidimensional) si existe
una funcin f(x) que verifica
1) f(x) " 0 #x$!
2) 1 ) ( =
%
+&
& '
dx x f
y tal que para cualquier suceso A
%
= $ =
A
dx x f A X P A P ) ( ) ( ) (
La funcin f(x) recibe el nombre de funcin de densidad.
A partir de ahora consideraremos que las variables aleatorias continuas tienen
funcin de densidad tambin continua, salvo, a lo sumo, en un nmero finito de puntos.
Definamos A como A={x : a<x<b }. Entonces
% %
= = < < =
b
a
A
dx x f dx x f b X a P A P ) ( ) ( ) ( ) (
Veamos algunas propiedades que verifican las variables aleatorias continuas.
1) Debido a que la integral anterior tiene el mismo valor independientemente de si los
puntos a y/o b pertenecen al intervalo, tenemos que se verifica
P(a<X<b) = P(a<X(b) = P(a(X<b) = P(a(X(b)
2) A partir de la definicin de probabilidad que hemos dado para las variables
aleatorias continuas, se verifica que la probabilidad en un punto es cero



3/17
0 ) ( ) ( = = =
%
a
a
dx x f a X P
3) Si A no es un intervalo sino la unin disjunta de un nmero finito de intervalos
A = A
1
)A
2
)...)A
n
con A
i
*A
j
=+ #i,j y A
i
={x : a
i
<x<b
i
}
se verifica que
= + + + = = ) ) ) =
% % % %
n
A A A A
n
dx x f dx x f dx x f dx x f A A A P A P ) ( ) ( ) ( ) ( ) ( ) (
2 1
2 1
K K
% % %
+ + + =
n
n
b
a
b
a
b
a
dx x f dx x f dx x f ) ( ) ( ) (
2
2
1
1
K
Esta propiedad establece que la probabilidad de que el valor de una variable
aleatoria pertenezca a un conjunto A es el rea comprendida entre f(x) y el eje x sobre el
conjunto. As se justifica la segunda condicin de las funciones de densidad, donde en
el caso de que el suceso A sea toda la recta real su probabilidad (segn el axioma P2)
debe ser la unidad.
Cualquier funcin f puede servir como funcin de densidad de una variable aleatoria
continua siempre que verifique las dos condiciones dadas en la definicin anterior.
Es claro que en un problema particular, se elegir como funcin de densidad aquella
que, para todo a y b (a<b)
%
= < <
b
a
dx x f b X a P ) ( ) (
represente la probabilidad de que el valor de la variable aleatoria X se halle
comprendido entre a y b.
cualquier funcin positiva en un dominio elegido arbitrariamente puede considerarse
como una funcin de densidad de una variable aleatoria, siempre que la funcin est
multiplicada por una constante que haga que su integral, en todo su dominio, sea 1. As,
por ejemplo
-
.
-
/
0
"
< <
+
(
=
4 0
4 2
18
3 2
2 0
) (
x
x
x
x
x f
es una funcin de densidad, ya que
1 0 1 0 0
18
3 2
0 ) (
4
4
2
2
= + + = +
+
+ =
% % % %
& +
& '
& +
& '
dx dx
x
dx dx x f



4/17
2. DISTRIBUCIONES MULTIVARIANTES.
DEF Diremos que X e Y son variables aleatorias continuas distribuidas
conjuntamente si existe una funcin f tal que f( x,y)"0 #X,Y$! y tal que para
cualquier suceso A
%
= $ =
A
dxdy y x f A Y X P A P ) , ( ) ) , (( ) (
Vemos que es necesario que
1) f(x,y)"0 #X,Y$!
2) 1 ) , ( =
% %
+&
& '
+&
& '
dx dy y x f
La funcin f recibe el nombre de Funcin de Densidad de las variables aleatorias X
e Y.
En el caso de k variables aleatorias continuas, la definicin de distribucin conjunta
es anloga.
Ejemplo.
Definamos la funcin de distribucin siguiente
-
.
-
/
0
< < < < ' '
=
caso otro en
y x y x
y x f
0
4 2 2 0 ) 6 (
8
1
) , (
Triviamente podemos comprobar que verifica las dos condiciones para ser funcin
de densidad.
Si X e Y son dos variables aleatorias que tienen esta densidad, la probabilidad de
que estn en la regin X<1 y Y<3 sera:
8
3
8
6
) , ( ) 3 , 1 (
1
0
3
2
1 3
=
' '
= = < <
% % % %
& ' & '
dx dy
y x
dx dy y x f Y X P
La probabilidad de que X+Y sea inferior a 3 es
24
5
8
6
) 3 (
1
0
3
2
=
' '
= < +
% %
'
dx dy
y x
Y X P
x
La probabilidad de que X<1 cuando se sabe que Y<3 es
) 3 (
) 3 , 1 (
) 3 | 1 (
<
< <
= < <
Y P
Y X P
Y X P
el numerador ya lo conocemos, veamos el valor del denominador.



5/17
8
5
8
6
) 3 (
2
0
3
2
=
' '
= <
% %
dx dy
y x
Y P
Y entonces
5
3
8
5
8
3
) 3 (
) 3 , 1 (
) 3 | 1 ( = =
<
< <
= < <
Y P
Y X P
Y X P
3. DISTRIBUCIONES ACUMULATIVAS.
Puesto que en el caso de variables continuas las probabilidades vienen dadas por
integrales, resulta a menudo conveniente considerar las integrales de las densidades con
preferencia a las densidades mismas.
DEF Dada f(x) funcin de densidad de una variable aleatoria X, definimos la funcin
F(x), llamada funcin de distribucin Acumulativa, como
%
& '
= ( =
x
dt t f x X P x F ) ( ) ( ) (
PROP Si F(x) es una funcin de distribucin acumulativa, verifica las siguientes
propiedades:
1) F es una funcin no decreciente.
2) F(&) = 0
3) F(+&) = 1
4) F es continua.
Dem.
La demostracin es inmediata.
La funcin de densidad, si existe, puede hallarse a partir de la funcin de
distribucin acumulativa derivando F en los puntos donde tiene derivada. Es decir,
dx
x dF
x f
) (
) ( =
La probabilidad de que X est en un cierto intervalo a<X(b puede expresarse del
siguiente modo con la funcin de Distribucin Acumulativa
P(a<X(b) = P(X(b) P(X(a) = F(b) F(a)
Para ms de dos variables aleatorias, la funcin de distribucin acumulativa se
define de forma anloga al caso de una variable.
% %
& ' & '
= ( ( =
x y
dt dt t t f y Y x X P y x F
1 2 2 1
) , ( ) , ( ) , (



6/17
siendo f(x,y) la funcin de densidad.
Dada la funcin de distribucin acumulativa F(x,y), podemos hallar la funcin de
densidad derivando F respecto de cada una de sus variables, en el supuesto, claro est,
de que las derivadas existan.
) , ( ) , ( y x F
y x
y x f
1
1
1
1
=
La probabilidad de que (X,Y) est en un rectngulo cualquiera
2 2
1 1
b Y a
b X a
< <
< <
podemos escribirla mediante la funcin acumulativa como
= < < + < < '
' < < ' < < = < < < <
) , ( ) , (
) , ( ) , ( ) , (
2 1 2 1
2 1 2 1 2 2 1 1
a Y a X P a Y b X P
b Y a X P b Y b X P b Y a b X a P
) , ( ) , ( ) , ( ) , (
2 1 2 1 2 1 2 1
a a F a b F b a F b b F + ' ' =
Estas distribuciones pueden complicarse mucho cuando se trata de ms de dos
variables aleatorias. De hecho, muchos problemas importantes de estadstica
permanecen sin resolver por la excesiva complicacin de las integrales que hay que
resolver.
4. DISTRIBUCIONES MARGINALES.
Cada distribucin de ms de una variable tiene asociadas varias distribuciones
marginales. Sea f(x,y) la funcin de densidad correspondiente a dos variables aleatorias
continuas. Puede ocurrir que slo nos interese una de las variables, por ejemplo X.
Buscaremos entonces una funcin que al integrarla sobre un intervalo a<X<b nos d la
probabilidad de que X est situada en ese intervalo. Cada uno de esos intervalos
corresponde en el plano XY a una franja vertical. Por tanto
% %
+&
& '
= < <
b
a
dydx y x f b X a P ) , ( ) (
Cualquiera que sea la especificacin de X, los lmites de integracin de Y son toda
la recta real, de modo que podemos definir una funcin como
DEF Llamamos Funcin de Densidad Marginal con respecto a X a
%
+&
& '
= dy y x f x f ) , ( ) (
1
ya que, para cualquier par de valores a y b se verifica que
%
= < <
b
a
dx x f b X a P ) ( ) (
1



7/17
De forma anloga podemos definir
DEF Llamamos Funcin de Densidad Marginal con respecto a Y a
%
+&
& '
= dx y x f y f ) , ( ) (
2
ya que, para cualquier par de valores a y b se verifica que
%
= < <
b
a
dy y f b Y a P ) ( ) (
2
La funcin de distribucin marginal acumulativa se encuentra fcilmente a partir de
la funcin de distribucin acumulativa. Para dos variables, esta funcin acumulativa
marginal es
) , ( ) ( ) , ( ) (
1 1
+& = = =
% % %
& ' & '
+&
& '
x F dx x f dx dy y x f x F
x x
Igualmente, de forma anloga obtenemos
) , ( ) ( ) , ( ) (
2 2
y F dy y f dy dx y x f y F
y y
+& = = =
% % %
& ' & '
+&
& '
5. DISTRIBUCIONES CONDICIONALES.
Sea una funcin de densidad de dos variables aleatorias X e Y, f(x,y). Buscamos una
funcin f(x|y) que nos d la densidad de X cuando conozcamos Y. Es decir, una funcin
tal que
%
= < <
b
a
dx y x f Y b X a P ) | ( ) | (
para valores cualesquiera a y b.
DEF Definimos la funcin de densidad condicional f( x|y) como
0 ) (
) (
) , (
) | (
2
2
> = y f con
y f
y x f
y x f
DEF Definimos la funcin de densidad condicional f( y|x) como
0 ) (
) (
) , (
) | (
1
1
> = x f con
x f
y x f
x y f
La funcin de densidad f( x|y) es una funcin de densidad de la variable X, siendo Y
un parmetro que tendr un valor numrico determinado para cada funcin de densidad
condicional dada. Por tanto, la funcin f
2
(c) debe considerarse como una constante. La
funcin de densidad conjunta f(x,y) est representada por una superficie en el plano XY.
Un plano perpendicular a XY, que corte a ste segn la recta y=c, cortar a la superficie
segn la curva f(x,c). El rea limitada por esta curva es



8/17
) ( ) , (
2
c f dx c x f =
%
+&
& '
Por tanto, si dividimos f(x,c) por f
2
(c), obtenemos una funcin de densidad que es
precisamente f(x|c)
Las distribuciones condicionales se definen de manera anloga para las
distribuciones con varias variables. As, para cinco variables aleatorias que tengan como
funcin de densidad f(x
1
, x
2
, x
3
, x
4
, x
5
), la funcin de densidad condicional de X
1
, X
3
,
X
5
para valores dados de X
2
y X
4
es
) , (
) , , , , (
) , | , , (
4 2 24
5 4 3 2 1
4 2 5 3 1
x x f
x x x x x f
x x x x x f =
6. DISTRIBUCIN UNIFORME.
Comenzaremos el estudio de las distribuciones continuas con la ms elemental de
todas ellas.
DEF Diremos que una variable aleatoria X es uniforme en el intervalo (a,b) cuando su
funcin de densidad de probabilidades es constante en l. Es decir
-
.
-
/
0
< <
'
=
resto el en
b x a
a b
x f
0
1
) (
Su funcin de distribucin vendr dada por
-
.
-
/
0
"
< <
'
'
(
=
b x
b x a
a b
a x
a x
x F
1
0
) (
Los parmetros de la distribucin son los extremos del intervalo a y b. Estos
parmetros verifican las desigualdades
+& < < < & ' b a
La media y la varianza de la distribucin uniforme son
12
) (
2
2
2
a b b a '
=
+
= !
7. DISTRIBUCIN NORMAL.
Pieza clave en el estudio de la Estadstica la constituye la distribucin normal.
Muchas distribuciones de frecuencias tienen aspectos parecidos, aunque describen
fenmenos muy diferentes: pesos y alturas de una gran poblacin, errores de medida,



9/17
etc. Se apunta de esta manera el concepto de distribucin normal. La dificultad de
realizar un clculo rpido de reas bajo la curva normal, as como la imposibilidad de
obtenerlas para todos los valores posibles de y 2, nos conduce a buscar
transformaciones que obvien esta dificultad.
DEF Diremos que una variable aleatoria X que toma todos los valores reales tiene una
distribucin normal si su funcin de densidad de probabilidades es de la forma
+& < < & ' =
'
'
x e x f
x
2
2
2
) (
2
1
) (
!

" !
Sus parmetros fundamentales son su media () que puede tomar cualquier valor
real, y su varianza (2
2
) que debe ser positiva.
Examinando la primera y segunda derivada de la funcin de densidad, podemos
realizar un estudio de la misma, destacando las siguientes propiedades, que no vamos a
demostrar por su sencillez.
PROP La moda de la distribucin (mximo de la funcin de densidad) se alcanza en
x=.
PROP La curva es simtrica respecto de un eje vertical que pasa por x=.
PROP La curva tiene sus puntos de inflexin en x = 2.
PROP Los valores de la media, la moda y la mediana coinciden.
PROP El eje de abscisas (y=0) es la asntota horizontal de la curva (por ambos lados).
PROP El rea comprendida entre la curva y el eje horizontal es 1.
Vamos a obtener ahora los valores de la media y la varianza de esta distribucin.
PROP La Media y la Varianza de la distribucin normal son y 2
2
, respectivamente.
Dem.
% %
& +
& '
'
'
& +
& '
= = dx e x dx x xf X E
x
2
2
2
) (

2
1
) ( ) (
!

" !
Haciendo el cambio de variable
!
'
=
x
z
dx = 2 dz
obtenemos



10/17

"
!
"

!
"
= + = + =
% % %
& +
& '
' & +
& '
' & +
& '
'
dz ze dz e dz e z X E
z z z
2 2 2
2 2 2
2 2
) (
2
1
) (
Analizando las dos integrales en las que ha quedado descompuesto la original,
tenemos que la primera es multiplicada por una integral cuyo valor es 1 y la segunda
es una integral impar en un dominio simtrico, siendo su resultado 0.
La varianza de la distribucin normal viene dada por
[ ]
%
& +
& '
'
'
' = ' dx e x X E
x
2
2
2
) (
2 2
) (
2
1
) (
!

" !

y haciendo de nuevo el cambio de variable

!
'
=
x
z
dx = 2 dz
obtenemos
[ ]
%
& +
& '
'
= ' dz e z X E
z
2
2
2
2
2
2
) (
"
!

Aplicando ahora la integracin por partes con

dz ze dv e v
dz du z u
z z
2 2
2 2
' '
= ' =
= =
llegamos a
[ ]
2 2
2 2
2
2
) 1 0 (
2
) (
2 2
! !
"
!
= + =
3
3
3
4
5
6
6
6
7
8
+
9
9
:
;
<
<
=
>
' = '
%
& +
& '
'
+&
& '
'
dz e ze X E
z z
La curva de una distribucin de probabilidad continua o funcin de densidad de
probabilidad, se traza de manera que bajo la curva limitada por las abscisas x=x
1
y
x=x
2
, es igual a la probabilidad de que la variable aleatoria X tome valores
comprendidos entre x
1
y x
2
. As tenemos
( )
%
'
'
= < <
2
1
2
2
2
) (
2 1
2
1
x
x
x
dx e x X x P
!

" !
La transformacin
!
'
=
x
z nos proporciona valores de una distribucin normal
de media 0 y varianza 1, N(0,1). Vemoslo
( ) ( )
2 1
2 2
) (
2 1
2
1
2
2
1
2
2
2
1
2
1
z Z z P dz e dx e x X x P
z
z
z
x
x
x
< < = = = < <
% %
'
'
'
" " !
!

11/17
donde se observa que Z es una variable aleatoria normal de media 0 y varianza 1.
A la variable aleatoria que posee estas caractersticas se la denomina variable
aleatoria normal estndar o tipificada y a su funcin de distribucin, igualmente normal
estndar.
Supongamos que X tiene una distribucin N(0,1), entonces
%
'
= < <
b
a
z
dz e b X a P
2
2
2
1
) (
"
Esta integral no puede evaluarse por mtodos ordinarios. Por ello, debemos acudir a
los mtodos de integracin numrica. La funcin de distribucin de la normal
estandarizada o tipificada es
%
& '
'
= ?
s
z
dz e s
2
2
2
1
) (
"
Esta funcin se encuentra recogida en tablas. Para el clculo de la probabilidad de
que la variable aleatoria X est en el intervalo (a,b), teniendo X una distribucin normal
N(0,1), haremos uso de las tablas.
) ( ) ( ) ( a b b X a P ? ' ? = < <
La importancia de esta tabulacin radica en que si X es una variable aleatoria con
distribucin normal cualquiera N(,2
2
), la probabilidad anterior puede calcularse
realizando la transformacin
!
'
=
x
z
con lo cual tipificamos la variable aleatoria X y a continuacin utilizamos la tabulacin
mencionada. Es decir
3
4
5
6
7
8 '
? '
3
4
5
6
7
8 '
? =
3
4
5
6
7
8 '
< <
'
= < <
!

!
a b b
Z
a
P b X a P ) (
Una conclusin de la definicin de ? es que
) ( 1 ) ( x x ? ' = ' ?
Esta relacin es muy til, puesto que en la mayora de las tablas la funcin ?
aparece tabulada slo para valores positivos de la variable.
Finalmente, vamos a calcular la probabilidad
( ) ! ! k X k P + < < '
siendo X una variable aleatoria con distribucin normal cualquiera N(,2
2
)



12/17
1 ) ( 2 ) ( ) ( ) ( ' ? = ' ? ' ? =
3
4
5
6
7
8
<
'
< ' = + < < ' k k k k
X
k P k X k P
!

! !
Expresin en la que podemos observar que la probabilidad anterior es independiente
de y 2, y que sta slo depende de k.
7.1. Aproximacin de las Distribuciones Binomial y Poisson a la Normal.
Las probabilidades asociadas a experimentos binomiales, cuando n es pequea, se
obtienen con facilidad mediante la frmula B(x;n,p) (ya vista en el tema anterior). Para
valores grandes de n, por lo general las probabilidades binomiales se calculan con
procedimientos de aproximacin. Si X es una variable aleatoria binomial de parmetros
n y p, entonces, si n es grande y ni p ni q son prximos a cero, podemos considerar que
X sigue una distribucin normal N(np, npq). Esta propiedad la conocemos como
TEOREMA. Teorema de De Moivre.
Si X tiene una distribucin binomial de parmetros n y p, entonces la variable
aleatoria tipificada
npq
np X
Z
'
=
tiende a una distribucin normal estndar N(0,1) cuando n@&.
OBS En general, podemos considerar como buena aproximacin cuando n>25 y
npq>5.
Debemos resaltar que estamos aproximando una distribucin discreta por una
continua, por tanto, resulta necesario establecer una correccin por continuidad. Se ha
encontrado que la siguiente correccin para continuidad mejora la proximidad anterior.
3
4
5
6
7
8
+ ( ( ' A ( (
3
4
5
6
7
8
' ( ( ' A < (
3
4
5
6
7
8
+ ( ( + A ( <
3
4
5
6
7
8
' ( ( + A < <
3
4
5
6
7
8
+ ( ( ' A =
2
1
2
1
) (
2
1
2
1
) (
2
1
2
1
) (
2
1
2
1
) (
2
1
2
1
) (
b X a P b X a P
b X a P b X a P
b X a P b X a P
b X a P b X a P
k X k P k X P
donde k, a y b son nmeros enteros.
De la misma manera que se ha establecido una aproximacin de la distribucin
binomial a la normal, podemos establecer una aproximacin de la distribucin de
Poisson a la normal.



13/17
Sea X una variable aleatoria de Poisson P(B) con B grande, en la prctica B>25. En
estas condiciones, la variable tipificada
#
# '
=
X
Z
tiene aproximadamente una distribucin normal estndar N(0,1) y, por tanto, podemos
considerar que X sigue aproximadamente una distribucin N(B,B). Aqu tambin ser
conveniente tener en cuenta la correccin por continuidad similar a la efectuada para la
distribucin binomial.
8. OTRAS DISTRIBUCIONES.
Como la distribucin Normal no resuelve todos los problemas, tenemos que recurrir
a otras distribuciones para resolver determinados problemas en los campos de la
ingeniera y de la ciencia, como son la distribucin Gamma, Exponencial, Wiebull y !
2
.
8.1. Distribucin Gamma.
DEF Definimos la funcin Gamma como
0 ) (
0
1
> = C
%
&
' '
$ $
$
dx e x
x
Integrando por partes con
dx e dv
x u
x '
'
=
=
1 $
se obtiene la frmula de recurrencia
) 1 ( ) 1 ( ) ( ' C ' = C $ $ $
En particular, C(1)=1 y si D=n, siendo n un nmero positivo, la recurrencia anterior
conduce a que
)! 1 ( ) ( ' = C n n
Algunas expresiones tiles para la funcin gamma son
PROP La Funcin Gamma verifica
1) Frmula de los complementos:
$"
"
$ $
sen
) 1 ( ) ( = ' C C con 0<D<1
2) " =
3
4
5
6
7
8
C
2
1



14/17
DEF Diremos que la variable aleatoria X tiene una Distribucin Gamma, con
parmetros D y E, si su funcin de densidad viene dada por
-
.
-
/
0
> > >
C
=
'
'
resto el en
x
e x
x f
x
0
0 , 0 , 0
) (
) , ; (
1
% $
$ %
% $
$
% $
donde D se conoce como parmetro de forma y E como parmetro de escala.
Cuando D es entero positivo, la distribucin Gamma tambin se conoce con el
nombre de Distribucin de Erlang, en honor al cientfico dans que la utiliz por
primera vez en el ao 1900.
PROP La media y la varianza de la distribucin gamma son
2
) ( ) ( $% $% = = X Var X E
Dem.
En efecto, el r-simo momento en torno al cero vale
) (
) (
) (
) (
) 1 (
'
1
X E = =
C
C
=
C
+ C
= $%
$
$ $
%
$
$
%
Y para la varianza tenemos
$% $
$
$ $ $
%
$
$
% ) 1 (
) (
) ( ) 1 (
) (
) 2 (
2 2 '
2
+ =
C
C +
=
C
+ C
=
[ ]
2 2 '
1
'
2
2 2
) 1 ( ) ( ) ( ) ( $% $% % $ $ = ' + = ' = ' = X E X E X Var
8.2. Distribucin Exponencial.
Si particularizamos la distribucin Gamma para D=1 obtenemos:
-
.
-
/
0
> >
=
'
resto el en
x
e
x f
x
0
0 , 0
) ; (
%
%
%
%
que es la funcin de densidad de una variable aleatoria X con distribucin exponencial.
Esta funcin exponencial se caracteriza por el parmetro E, que representa el lapso
promedio de tiempo que transcurre entre dos sucesos independientes de Poisson. Es
decir, la distribucin exponencial puede modelar el tiempo transcurrido entre dos
sucesos consecutivos de Poisson (llegadas o prestaciones de servicios).



15/17
Su funcin de distribucin es
%
x
e x X P b x F
'
' = ( = 1 ) ( ) ; (
PROP La media y la varianza de la funcin exponencial son
2
) ( ) ( % % = = X Var X E
Dem.
Basta tomar D=1 en la media y varianza de Gamma para obtener los resultados.
8.3. Distribucin de Weibull.
La distribucin de Weibull fue establecida por el fsico suizo del que lleva su
nombre y al igual que la distribucin exponencial, su funcin fundamental es en el
estudio de la fiabilidad.
DEF Diremos que una variable aleatoria X tiene una distribucin de Weibull si su
funcin de densidad de probabilidad es de la forma
-
-
.
-
-
/
0
> > > =
3
3
4
5
6
6
7
8
'
'
resto el en
x
e x
x f
x
0
0 , 0 , 0 ) , ; (
1
% $
%
$
% $
$
% $
$
La distribucin de Weibull es una familia de distribuciones que dependen de dos
parmetros, el de forma, D, y el de escala, E. Podemos introducir un parmetro adicional
reemplazando la variable aleatoria de Weibull X, por Xa, donde a es un parmetro de
localizacin, que representa un valor umbral de tiempo de garanta.
PROP La media y la varianza de la distribucin Weibull son
9
:
;
<
=
>
3
4
5
6
7
8
+ C ' 3
4
5
6
7
8
+ C = 3
4
5
6
7
8
+ C =
$ $
%
$
%
1
1
2
1 ) (
1
1 ) (
2 2
X Var X E
Dem.
El r-simo momento en torno al cero de una variable aleatoria que sigue una
distribucin de Weibull es
3
4
5
6
7
8
+ C =
$
%
r
r
r
1 '
con lo cual
) (
1
1 '
1
X E =
3
4
5
6
7
8
+ C =
$
%
y para la varianza tenemos



16/17
[ ] =
9
:
;
<
=
>
3
4
5
6
7
8
+ C ' 3
4
5
6
7
8
+ C = ' = ' =
2
2 2
1 2
2 2
1
1
2
1 ' ' ) ( ) ( ) (
$
%
$
% X E X E X Var
9
:
;
<
=
>
3
4
5
6
7
8
+ C ' 3
4
5
6
7
8
+ C =
$ $
%
1
1
2
1
2 2
8.4. Distribucin ! !
2
de Pearson.
Sean X
1
, X
2
, ..., X
n
n variables aleatorias N(0,1) independientes entre s. La variable
2 2
2
2
1 n
X X X Y + + + = K recibe el nombre de !
2
de Pearson con n grados de libertad y se
denota por
2
n
& .
Por estar formada la variable aleatoria Y por suma de cuadrados resulta positiva,
adems su funcin de densidad de probabilidad es
-
-
.
-
-
/
0
>
3
4
5
6
7
8
C
=
' '
resto el en
x
n
e x
n x f
n
x n
0
0
2
2
) ; (
2
2
1
2
Una propiedad importante de la
2
n
& es que la suma de varias de ellas que sean
independientes nos da como resultado otra cuyo nmero de grados de libertad es la
suma de los grados de libertad de stas.
PROP La media y la varianza de una distribucin
2
n
& es
E(X) = n Var(X) = 2n
Dem.
El r-simo momento en torno al cero es
) (
2
2
2
2
2
1
2
'
1
X E n
n
n
n
n
n
= =
3
4
5
6
7
8
C
3
4
5
6
7
8
C
=
3
4
5
6
7
8
C
3
4
5
6
7
8
+ C
= %
y para la varianza
n n
n
n
n n
n
n
2
2
2
2
1
2
4
2
2
2
4 '
2
2
+ =
3
4
5
6
7
8
C
3
4
5
6
7
8
C
3
4
5
6
7
8
+ =
3
4
5
6
7
8
C
3
4
5
6
7
8
+ C
=
[ ] n n n n X E X E X Var 2 2 ' ' ) ( ) ( ) (
2 2 2
1 2
2 2
= ' + = ' = ' =



17/17
Integrando por partes, desde 2B hasta +&, la funcin de densidad de una distribucin
!
2
con n=2(r+1) grados de libertad, se obtiene la siguiente relacin entre las
probabilidades de una !
2
con un nmero par de grados de libertad y las de una
distribucin de Poisson
( ) ( ) c P
r
e
dx
c
e x
P
c
r
r
c
x
c
c
( F = = = >
G
%
=
'
& +
+
'
+
) (
! ! 2
2
0
2
1
2
2
) 1 ( 2
#
#
# &
#
#
donde se ha tenido en cuenta que para c entero es C(c+1)=c!. En ciertas ocasiones suele
utilizarse esta relacin para calcular probabilidades de Poisson
BIBLIOGRAFA RECOMENDADA.
Estadstica Terica. Aut. J.M.Doblado y M.C. Nieto. Edit. UNED
Introduccin a la Estadstica Terica. Aut.: G Arniz. Edit.: Lex Nova
Estadstica Terica y Aplicada. Aut.: A. Nortes. Edit.: S. Rodrguez.
Introduccin a la Probabilidad y la Medida (I). Aut.: P Zoroa y N. Zoroa. Edit.: Maior
DM.
Introduccin a la Teora de la Estadstica. Aut.: Mood, Graybill. Edit.: Aguilar.



1/28
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)

TEMA 67

INFERENCIA ESTADSTICA. TEST DE HIPTESIS.


1. Intervalos confidenciales.
2. Intervalos confidenciales para la media de una distribucin normal.
3. Intervalos confidenciales para la varianza de una distribucin normal.
4. Regin confidencial para la media y la varianza de una distribucin normal.
5. Intervalos confidenciales para el parmetro de una distribucin binomial.
6. Intervalos confidenciales mltiples.
7. Intervalos confidenciales para muestras grandes.
8. Intervalos confidenciales mltiples.
9. Introduccin al contraste de hiptesis.
10. Contraste de una hiptesis simple contra una alternativa simple.
11. Hiptesis compuestas.
12. Contraste de
1
contra >
1
para densidades con un parmetro nico .
Bibliografa Recomendada.



2/28
TEMA 67

INFERENCIA ESTADSTICA. TEST DE HIPTESIS.


1. INTERVALOS CONFIDENCIALES.

La estimacin puntual de un parmetro no resulta de mucho valor si no se posee
alguna medida del posible error cometido en la estimacin. Toda estimacin !

de un
parmetro ! debera acompaarse de cierto intervalo que incluyera a !

, por ejemplo,
de la forma (!

-d, !

+d), junto con alguna medida de seguridad de que el parmetro

verdadero ! fuera interior a dicho intervalo. A menudo las estimaciones se dan de esta
manera. As la carga electrnica puede estimarse que vale (4,770 0,005)
10
10
!

unidades electrostticas, dndose a entender con ello que es muy poco probable que el
primer factor sea exterior al intervalo 4,765 a 4,775. Un contable que se ocupe de los
costes de una editorial, y que quiera tener en cuenta todos los factores que intervienen
en le coste de produccin de cierto libro (costes efectivos de produccin, proporcin de
sostenimiento, proporcin de sueldos directos, etc.), podr estimar el coste en 83 4,5
centavos por volumen, lo que significa que es muy probable que el coste correcto est
comprendido entre 78,5 y 87,5 centavos por volumen. La Oficina de Estadstica del
Trabajo puede estimar el nmero de parados en un momento dado en 2,4 0,3 millones,
teniendo bastante seguridad en que el nmero verdadero est comprendido entre 2,1 y
2,7 millones.

A fin de precisar a estas ideas, consideremos un caso particular. Supongamos una
muestra (1,2; 3,4; 0,6; 5,6) de cuatro observaciones, extrada de una poblacin normal
de media desconocida y desviacin estndar conocida 3. La estimacin mximo-
verosmil de es la media de las observaciones maestrales,

7 , 2 = x

Queremos determinar los lmites superior e inferior entre los cuales queda
comprendido, con bastante seguridad, el valor verdadero del parmetro. En general,
para muestras de tamao cuatro, procedentes de la distribucin dada, la cantidad

2
3
!
=
x
y

tendr una distribucin normal con media cero y varianza unidad; x es la media
muestral, y 3/2 es n / " . Por tanto, la cantidad # tiene por funcin de densidad

2
2
1
2
1
) (
y
e y f
!
=
$
(3)

que es independiente del valor verdadero del parmetro desconocido, y se podr
calcular la probabilidad de que # est situado entre dos nmeros elegidos
arbitrariamente. As, por ejemplo,



3/28

95 , 0 ) ( ) 96 , 1 96 , 1 (
96 , 1
96 , 1
= = < < !
"
!
dy y f y P (4)

En esta relacin, la desigualdad -1,96< # , o bien


2 / 3
96 , 1
!
< !
x
(5)

equivale a la desigualdad

94 , 2 ) 96 , 1 ( 2 / 3 + = + < x x

y la desigualdad

# < 1,96

es equivalente a

96 , 2 ! > x

cabe por tanto, volver a escribir (4) en la forma

95 , 0 ) 94 , 2 94 , 2 ( = + < < ! x x P (6)

y sustituyendo x por 2,7

95 , 0 ) 64 , 5 24 , 0 ( = < < ! P (7)

Podemos decir que estos lmites obtenidos, -0,24 y 5,64, contendrn el valor del
parmetro verdadero, con una seguridad del 95%.

Debe examinarse cuidadosamente el significado de (6) y (7). La probabilidad de que
el intervalo aleatorio x -2,94 a x +2,94 cubra a la media verdadera es 0,95. Esto es,
si se extraen repetidamente de la poblacin muestras de tamao 4, y si se calcula para
cada muestra el intervalo aleatorio x -2,94 a x +2,94, es de esperar que le 95% de estos
intervalos contengan la media verdadera . Tenemos, pues, una gran confianza en que
el intervalo -0,24 a 5,64 cubra la media verdadera. La medida de nuestra confianza es
0,95, porque antes de extraer la muestra, la probabilidad de que el intervalo que
intentamos construir cubra la media verdadera es 0,95.

El intervalo -0,24 a 5,64 recibe el nombre de intervalo confidencial o, ms
concretamente, intervalo confidencial del 95%; la probabilidad, en este caso 0,95, se
denomina coeficiente confidencial o coeficiente de confianza.

Es posible obtener intervalos con cualquier grado de confianza que se desee. As,
puesto que
99 , 0 ) 58 , 2 58 , 2 ( = < < ! y P (8)



4/28
se obtiene un intervalo confidencial del 99% para la media verdadera considerando las
desigualdades como antes, y sustituyendo x =2,7, con lo que resulta

99 , 0 ) 57 , 6 17 , 1 ( = < < ! P (9)

Debe observarse que hay muchos intervalos posibles con la misma probabilidad. As
, por ejemplo, ya que
95 , 0 ) 70 , 2 68 , 1 ( = < < ! y P (10)

tenemos otro intervalo confidencial del 95% para , dado por

95 , 0 ) 22 , 5 35 , 1 ( = < < ! P (11)

Este intervalo es inferior al de antes obtenido, ya que su longitud 6,57 es superior a
la longitud 5,88 del intervalo dado en (7), por lo que procura una informacin menos
precisa sobre la situacin de . Dos nmeros cualesquiera a y b, tales que las
ordenadas que les corresponden incluyan el 95%. En general, se desea que el intervalo
confidencial sea lo ms pequeo posible; esto se logra haciendo que a y b estn tan
prximos como sea posible, ya que la relacin P(a < # < b)=0,95 da lugar a un intervalo
confidencial de longitud ) / ( n " (b-a). La distancia (b-a) se hace mnima para un rea
dada cuando f(a) = f(b), como se ve claramente en la figura 1. si el punto b se desplaza
un poco hacia la izquierda, el a deber moverse una distancia menor hacia la izquierda,
a fin de que el rea siga siendo la misma; esta operacin disminuye la longitud del
intervalo y continua disminuyndola mientras f(b) < f(a). Como en este ejemplo f(y) es
simtrica respecto a y = 0, el valor mnimo de b a, para un valor prefijado del rea,
corresponde a b = -a. Por tanto, (7) da el intervalo confidencial ms corto del 95%, y (9)
da el intervalo confidencial ms corto del 99%, ambos para el parmetro .

En muchos problemas no es posible construir los intervalos confidenciales ms
cortos para un coeficiente de confianza dado. En estos casos, resultar deseable hallara
un intervalo confidencial que tenga las ms corta longitud esperada, o que sea tal que
haga mnima la probabilidad de que el intervalo confidencial cubra un valor *, donde
*# .


Fig. 1


El mtodo general que aqu exponemos es el siguiente. Se halla, si es posible, una
funcin de las observaciones muestrales y del parmetro a estimar (la funcin y
anterior), cuya distribucin sea independiente del parmetro y de otros parmetros



5/28
cualesquiera. Entonces, cualquier afirmacin probabilstica de la forma P(a < y < b) = y.
en donde # es la funcin, dar lugar a una afirmacin probabilstica relativa al
parmetro. Esta tcnica es aplicable en muchos problemas importantes, pero hay
tambin otros muchos en los que no puede aplicarse, por ser imposible hallar funciones
de la forma deseada y cuya distribucin no dependa de parmetros. Estos ltimos
problemas se abordan mediante una tcnica ms general que describiremos en la seccin
5.

La idea de la estimacin por intervalos puede generalizarse de modo que incluya la
estimacin simultnea de varios parmetros. As, los dos parmetros de la distribucin
normal se estiman mediante una cierta regin plana R, en el llamado espacio
paramtrico, espacio de todas las combinaciones posibles de los valores de y
2
" .
Una regin confidencial del 95% es una regin que se puede construir a partir de la
muestra, de tal forma que, si se extraen muestras repetidamente, construyendo una
regin para cada una de ellas, el 95% (por trmino medio) de estas regiones incluirn el
punto paramtrico verdadero ) , (
2
0 0
" . (vase figura 2)

Los intervalos y regiones confidenciales ilustran adecuadamente acera ce la
incertidumbre de las inferencias. En (7) se hizo la inferencia de que el intervalo -0,24
a5,64 cubre el valor verdadero del parmetro, pero no se estableci de forma categrica.
La medida 0,05 de la incertidumbre de esta inferencia constituye parte esencial de la
afirmacin.


Fig. 2



2. INTERVALOS CONFIDENCIALES PARA LA MEDIA DE UNA
DISTRIBUCIN NORMAL.

El mtodo utilizado en la seccin anterior no suele ser de posible utilizacin para
estimar la media de una poblacin normal, pues lo corriente es que se desconozca la
varianza
2
" . La funcin # toma la forma (para muestras de tamao n)


n
x
y
/ "
!
= (1)

y transformando las desigualdades:




6/28
95 , 0 ) 96 , 1 96 , 1 ( = < < ! y P (2)
se tiene
95 , 0 96 , 1 96 , 1 =
$
$
%
&
'
'
(
)
+ < < !
n
x
n
x P
"

"
(3)

Para una muestra dada se conocen x y n, pero no ", de modo que no ser posible
calcular lmites para . Claro es que puede sustituirse " por una estimacin " ; pero
entonces la afirmacin probabilstica ya no sera exacta, y para muestras pequeas
podra ser muy errnea.

W. S. Gossett (que utiliz el seudnimo de Student) indic el camino para resolver
esta dificultad en una publicacin clsica en que introdujo la distribucin t. Se le
considera como fundador de la teora de la inferencia estadstica exacta. La cantidad


*
! !
!
=
) 1 ( / ) (
2
n n x x
x
t
i

(4)

comprende solo el parmetro y tiene la distribucin t con n -1 grados de libertad, sin
incluir parmetros desconocidos. Por tanto, ser posible hallar un nmero
05 , 0
t tal que


"
!
= ! = < < !
05 , 0
05 , 0
90 , 0 ) 1 ; ( ) (
05 , 0 05 , 0
t
t
dt n t f t t t P (5)

convirtiendo despus las desigualdades para obtener

90 , 0
) 1 (
) (
) 1 (
) (
2
05 , 0
2
05 , 0
=
+
+
,
-
.
.
/
0
!
!
+ < <
!
!
!
* *
n n
x x
t x
n n
x x
t x P
i i
(6)

donde los limites se calculan para cada muestra dada, obteniendo as un intervalo
confidencial del 90%.


Fig. 3


El nmero
05 , 0
t recibe el nombre de nivel del 5% de t, y sita a los puntos que
separa un 5% del rea limitada por f(t) en cada rama de la curva. Cabe obtener otros
intervalos confidenciales, empleando distintos niveles de t. As, se puede hallar un



7/28
intervalo confidencial del 98% usando el nmero
01 , 0
t , que separa 0,01 del rea en cada
rama de la distribucin. (vase fig. 3)

En este ejemplo la longitud del intervalo confidencial es


) 1 (
) (
2
) 1 (
) (
) 1 (
) (
2
05 , 0
2
05 , 0
2
05 , 0
!
!
=
!
!
+ !
!
!
+ =
* * *
n n
x x
t
n n
x x
t x
n n
x x
t x w
i i i


La longitud es una variable aleatoria, ya que es funcin de las variables aleatorias
i
x . Es
tambin funcin del tamao n de la muestra en que se basa el intervalo confidencial. Si
este es muy amplio, quiz resulta poco til aunque sea alta la probabilidad de que cubra
al parmetro desconocido. As, es preciso que el tamao n de la muestra sea
suficientemente grande para que siendo la probabilidad alta, la longitud resulte lo
bastante pequea para ser til.


3. INTERVALOS CONFIDENCIALES PARA LA VARIANZA DE UNA
DISTRIBUCIN NORMAL.

Para muestras de tamao n de una poblacin normal la cantidad


2
2
) (
"
*
!
=
x x
u
i
(1)

donde x es la media muestral, tiene la distribucin ji cuadrado con n 1 grados de
libertad. Por tanto, puede construirse un intervalo confidencial con coeficiente
confidencial gamma, hallando dos nmeros a y b tales que


"
= = < <
b
a
d f b u a P # % %
2 2
) ( ) ( (2)

Transformando las desigualdades, obtenemos


( ) ( )
# " =
+
+
,
-
.
.
/
0
!
< <
!
* *
a
x x
b
x x
P
i i
2
2
2
(3)

que proporciona un intervalo confidencial para
2
" .


Fig. 5

Puesto que la longitud de este es



8/28

*
! $
%
&
'
(
)
!
2
) (
1 1
x x
b a
i
(4)

el intervalo confidencial ms pequeo para una muestra dada se obtendra eligiendo a de
modo que [(1/a)-(1/b)] resultase mnimo para el valor elegido de # . El clculo necesario
resulta muy laborioso. Las tablas ordinarias de la distribucin ji cuadrado proporcionan
nmeros
2
% tales que


"
1
=2 = >
2
2 2 2
) ( ) (
e
d f u P
e
%
% % % (5)

para valores elegidos de 2. Al construir, por ejemplo, un intervalo confidencial del
95%, se suele elegir a =
2
975 , 0
% y b =
2
025 , 0
% , esto es, se eligen a y b de modo que quede
separado 0,025 del rea en cada rama de la distribucin. Esto da aproximadamente la
longitud mnima del intervalo confidencial, a menos que el nmero de grados de
libertad sea muy pequeo (vase fig. 5).


4. REGIN CONFIDENCIAL PARA LA MEDIA Y LA VARIANZA DE UNA
DISTRIBUCIN NORMAL.

Al construir una regin para la distribucin conjunta de la media
0
y la varianza
2
0
de una distribucin normal, cabra inclinarse a primera vista a utilizar las
estimaciones individuales dadas por las distribuciones t y
2
% . As, por ejemplo, podra
construirse una regin 0,9025 ( = 0,95
2
), como en la figura 6, haciendo uso de las dos
relaciones:

( ) ( )
95 , 0
) 1 ( ) 1 (
2
025 , 0 0
2
025 , 0
=
+
+
,
-
.
.
/
0
!
!
+ < <
!
!
!
* *
n n
x x
t x
n n
x x
t x P
i i
(1)

95 , 0
) ( ) (
2
975 , 0
2
2
0
2
025 , 0
2
=
+
+
,
-
.
.
/
0 !
< <
!
* *
%
"
%
x x x x
P
i i
(2)

y suponiendo que la probabilidad de los dos sucesos fuera el producto de las dos
probabilidades de cada uno. Esto no es correcto, puesto que las distribuciones de t y
2
%




9/28

Fig. 6

no son independientes. La probabilidad conjunta de que ambos parmetros cubran los
valores del parmetro verdadero no es igual al producto de las probabilidades
correspondientes. Por tanto, la probabilidad de que la regin rectangular de la figura 6
cubra al punto paramtrico verdadero (
2
0 0
," ) no es 0,9025.

Sin embargo es posible construir una regin confidencial utilizando las
distribuciones de x y
*
!
2
) ( x x
i
, que son independientes. Si, por ejemplo, se desea
una regin confidencial del 95%, pueden hallarse nmeros a, a y b tales que

975 , 0 95 , 0
/
0
0
3 =
$
$
%
&
'
'
(
)
<
!
< ! a
n
x
a P
"

(3)

95 , 0 '
) (
'
2
0
2
=
+
+
,
-
.
.
/
0
<
!
<
*
b
x x
a P
i
"
(4)

La probabilidad conjunta es

95 , 0 '
) (
' ,
/
2
0
2
0
0
=
+
+
,
-
.
.
/
0
<
!
< <
!
< !
*
b
x x
a a
n
x
a P
i
" "

(5)

debido a la independencia de las distribuciones. Las cuatro desigualdades de (5)
determinan una regin en el espacio paramtrico, fcil de determinar trazando las lneas
que la limitan.


Fig. 7



10/28
Basta reemplazar los signos de desigualdad por otros de igualdad y representar
cada una de las cuatro relaciones resultantes como funciones de y
2
" en el espacio
paramtrico. Resultar as una regin como la que aparece rayada en la figura 7.
Exactamente del mismo modo se obtendra una regin confidencial para (
0 0
," ); la
relaciones se representaran como funciones de " en lugar de
2
" , y la parbola de la
figura 7 se transformara en un par de rectas

n
a
x
"
=

que se cortaran en x sobre el eje de las .

La regin que hemos construido no es la de rea mnima, pero se construye
fcilmente a partir de las tablas y difiere poco de la regin de rea mnima, a menos que
sea pequeo el tamao de la muestra. La regin mnima es, aproximadamente, de forma
elptica y difcil de construir.


5. MTODO GENERAL PARA LA OBTENCIN DE INTERVALOS
CONFIDENCIALES.

El mtodo utilizado en las secciones anteriores para la determinacin de intervalos y
regiones confidenciales obliga a encontrar funciones de la muestra y de los parmetros,
distribuidas independientemente de estos. No obstante, es posible establecer intervalos
confidenciales sin tener en cuenta la existencia previa de tales funciones.

Dada una poblacin por f(x ; !) y un estimador (
n
x x x ,..., ,
2 1
) para muestras de
tamao n (generalmente, se usar el estimador de mxima verosimilitud),
determinaremos la distribucin del estimador, que vendr dada por g( !

;!).
Supongamos, para fijar ideas, que se desea un intervalo confidencial del 95%. Si se
sustituye ! , en g( !

;!), por el nmero arbitrario!, la distribucin de !

quedar
completamente especificada, y ser posible dar enunciados probabilsticos relativos a !

.
En particular, ser posible hallar dos nmeros h
1
y h
2
tales que

( )
"
1 !
= = <
1
025 , 0

) ' ;

1
h
d g h P ! ! ! ! (1)

( )
"
1 !
= = >
2
025 , 0

) ' ;

2
h
d g h P ! ! ! ! (2)

Claro es que los nmeros h
1
y h
2
dependern del nmero que sustituye a !

en g( !

;!).
En efecto, h
1
y h
2
son ciertas funciones de !, esto es h
1
(!) y h
2
(!). Los valores de
estas funciones para cualquier valor de ! vienen determinados por las dos ecuaciones
anteriores. Evidentemente,

[ ]
"
= = < <
) (
) (
2 1
2
1
95 , 0

) ;

( ) (

) (
!
!
! ! ! ! ! !
h
h
d g h h P (3)




11/28
Las funciones h
1
( !) y h
2
(!) pueden representarse en funcin de !, como se ha
hecho en la figura 8. Trazando una vertical por cualquier valor ! de !, esta cortar a
ambas curvas en puntos que, proyectados sobre el eje de las !

, darn limites entre los

cuales caer !

, con probabilidad de 0,95.

Construidas las dos curvas !

= h
1
( !) y !

= h
2
( !), cabe obtener un intervalo
confidencial para ! del siguiente modo: Se extrae una muestra de tamao n y se calcula
el valor del estimador !

. La horizontal trazada por el punto !

del eje !

(fig. 8)
cortar a ambas curvas en puntos que pueden proyectarse sobre el eje ! y que
llamaremos
1
! y
2
! , segn se indica en la figura. Estos dos nmeros definen el
intervalo confidencial, pues se ve fcilmente que

( ) 95 , 0
1 2
= < < ! ! ! P (4)

Supongamos que estuvisemos extrayendo muestras de una poblacin en que el
valor de! fuese !. La probabilidad de que la estimacin !

quede comprendida entre

h
1
( !) y h
2
(!) es 0,95. Si la estimacin cae entre estos dos limites, dicho horizontal
cortar a la vertical trazada por ! en cierto punto situado entre las curvas, y el
intervalo correspondiente (
2
! ,
1
! ) cubrir a !. Se deduce, por tanto, que la
probabilidad de que un intervalo (
2
! ,
1
! ), construido por este mtodo, cubra a !, es
exactamente 0,95. Esta afirmacin es cierta cualquiera que sea el valor de ! en la
poblacin. A veces, es posible determinar los lmites
2
! y
1
! para una estimacin dada,
si necesidad de hallar efectivamente las funciones h
1
( !) y h
2
( !).


Fig. 8

Con referencia a la fig 8, los limites para ! son los puntos
2
! y
1
! , tales que
h
1
(
1
! ) = !

y h
2
(
2
! )=!

. Basndonos en la definicin de h
1
y h
2
, diremos que
1
! es el
valor de ! para el cual


"
1 !
=
'

025 , 0

) ;

(
!
! ! ! d g (5)

y
2
! es el valor de ! para el cual




12/28

"
1
=
'

025 , 0

) ;

(
!
! ! ! d g (6)

Si es posible expresar los primeros miembros de estas dos ecuaciones
explcitamente en funcin de !, y si las ecuaciones pueden resolverse unvocamente
respecto a !, las races son los lmites confidenciales del 95%, para !.

Si h
1
(!) y h
2
(!) no son funciones montonas de !, el intervalo confidencial
puede ser, en realidad, un conjunto de intervalos. As, por ejemplo, supongamos que las
curvas de la figura 8 se inclinaran mas hacia la derecha de modo que la horizontal
trazada por ! volviera a cortarlas, por ejemplo, en los puntos
3
! y
4
! . El intervalo
confidencial consistira en dos intervalos (
2
! ,
1
! ) y (
3
! ,
4
! ). La afirmacin sobre !
sera de la forma
( ) 95 , 0 , ,
4 3 1 2
= < < < < ! ! ! ! ! ! P (7)

Sin embargo, en la mayora de las situaciones que se plantean en la prctica habr
un intervalo nico, o ser posible elegir un intervalo nico basndose en otros datos
disponibles relativos al experimento que dio lugar a las observaciones maestrales.

El mtodo aqu descrito para la obtencin de intervalos confidenciales se extiende al
caso de varios parmetros; pero la representacin geomtrica ya no es posible, ni
siquiera para dos parmetros. Supongamos una distribucin que dependa de dos
parmetros
1
! y
2
! ; podemos hallar una regin plana R en el plano
1

! ,
2

! tal que

( )
" "
= =
R
d d g enR P 95 , 0

) , ;

2 1 2 1 2 1 2 1
! ! ! ! ! ! ! ! (8)

Considerando todos los pares posibles de valores
1
! y
2
! limitaremos una regin
cuatridimensional en el espacio,
1
! ,
2
! ,
1

! ,
2

! , que es anloga a la regin

bidimensional entre las curvas de la figura 8. Supongamos ahora que se extrae una
muestra y se calculan las estimaciones
1

! y
2

! . La interseccin de los dos hiperplanos

1

! =
1

! y
2

! =
2

! con la regin cuatridimensional determinar una regin

bidimensional que, proyectada sobre el plano
1
! ,
2
! , ser una regin confidencial del
95% para
1
! ,
2
! .


Fig. 9




13/28
Este razonamiento se generaliza para abarcar el caso de K parmetros. El mtodo
determinar una regin confidencial para todos los parmetros de una distribucin. Si se
desea estimar algunos, pero no todos los parmetros de un conjunto de ellos, dicho
mtodo no podr usarse en general, pero en determinadas circunstancias si puede
modificarse para adaptarse al problema en cuestin. Por ahora, no hay solucin general
del problema de construir regiones confidenciales para una parte del conjunto de K
parmetros de una funcin de distribucin, excepto en el caso de muestras grandes.


6. INTERVALOS CONFIDENCIALES PARA EL PARMETRO DE UNA
DISTRIBUCIN BINOMIAL.

Aplicaremos el mtodo general descrito en la seccin precedente a un problema que
exige su empleo. Si una muestra
n
x x x ,..., ,
2 1
procede de una poblacin binomial con

x x
p p p x f
!
! =
1
) 1 ( ) ; ( ; 1 , 0 = x 1 0 4 4 p (1)

el estimador mximo-verosmil de p es


n
y
p = (2)

en donde
*
=
i
x y puede tomar los valores 0, 1, 2, , n. La distribucin de p viene
dada por


) 1 (
) 1 (

) ; (
p n p n
p p
p n
n
p p g
!
!
$
$
%
&
'
'
(
)
= 1 ,...,
2
,
1
, 0
n n
p = (3)

y no es posible hallar una funcin de p y p, cuya distribucin sea independiente de p.

Volveremos a suponer, para fijar ideas, que el intervalo confidencial a construir es
del 95%. El primer paso consiste en determinar las funciones ) (
1
p h y ) (
2
p h . As, para p
= 0,4, y de acuerdo con la seccin anterior, buscaramos un nmero ) 4 , 0 (
1
h , tal que
[ ]
*
=
!
=
$
$
%
&
'
'
(
)
= <
1
0
1
025 , 0 ) 6 , 0 ( ) 4 , 0 ( ) 4 , 0 (
nh
y
y n y
y
n
h p P (4)

No obstante, por tratarse de una distribucin discreta, nh
1
deber ser un entero, y
ser imposible lograr que la suma valga exactamente 0,025 para todo valor de p. Sin
embargo, no nos preocuparemos por esto, ya que no necesitamos una curva ) (
1
p h
definida para todo valor de p. Los nicos puntos de inters son los que corresponden a
valores posibles de p . En efecto, es posible utilizar la tcnica indicada por las
ecuaciones (5-5) y (5-6), por disponerse inmediatamente de una expresin explicita por
las probabilidades que figuran en el primer miembro de dichas ecuaciones. Suponiendo
que tenemos una estimacin


n
k
p = ' (5)



14/28
puede determinarse el lmite superior confidencial de
1
p , del 95%, hallando el valor de
p para el cual

*
=
!
= !
$
$
%
&
'
'
(
)
k
y
y n y
p p
y
n
0
025 , 0 ) 1 ( (6)

siendo el lmite inferior
2
p el valor de p para el cual


*
=
!
= !
$
$
%
&
'
'
(
)
n
k y
y n y
p p
y
n
025 , 0 ) 1 ( (7)

Si es k = 0, se toma cero como lmite inferior, y si k = n, se toma 1 como lmite
superior.

Para valores pequeos de n, las ecuaciones (6) y (7) pueden resolverse por tanteos, a
fin de obtener las races
1
p y
2
p ; pero este clculo se hace ms prolijo a medida que
aumenta n. Un mtodo sencillo consiste en utilizar las tablas de Pearson para la funcin
beta incompleta. La forma acumulativa de la distribucin beta es


"
!
+ +
=
x
dt t t x F
0
) 1 (
! !
)! 1 (
) , ; (
& '
& '
& '
& ' (8)

y por integracin reiterada por partes se obtiene


*
=
! + +
+ !
$
$
%
&
'
'
(
) + +
! =
'
& '
& '
& '
0
1
1 ) 1 (
1
) , ; (
i
i i
x x
i
x F (9)

Se deduce que las sumas binomiales parciales vienen dadas por la tabla de F(x; '&).
Podemos escribir la ecuacin (6) del siguiente modo:


*
=
!
= ! ! ! = !
$
$
%
&
'
'
(
)
k
y
y n y
k n k p F p y p
y
n
0
025 , 0 ) 1 , ; ( 1 ) ( (10)

hallando inmediatamente en la tabla el valor de p que corresponde a F =0,975 para los
valores dados de k y n k -1. Anlogamente, puesto que


y n y
n
k
k
y n y
p p
y
n
p p
y
n
!
!
!
!
$
$
%
&
'
'
(
)
! = !
$
$
%
&
'
'
(
)
* *
) 1 ( 1 ) 1 (
1
0


se obtendr el lmite confidencial inferior escribiendo (7) en la forma

025 , 0 ) , 1 ; ( ) 1 ( = ! ! = !
$
$
%
&
'
'
(
)
*
!
k n k p F p p
y
n
k
n
y n y
(11)

Para valores de n que excedan de los tabulados, puede emplearse la aproximacin
normal a la distribucin binomial, y obtener intervalos confidenciales de p, tal como se



15/28
indica en la seccin siguiente, o bien utilizar las Tables of the Binomial Probability
Distribution (National Boreau of Standards, Applied Mathematics Series 6, Washington
DC, 1950).


7. INTERVALOS CONFIDENCIALES PARA MUESTRAS GRANDES.

Para muestras grandes, el estimulador !

mximo-verosmil para el parmetro ! de

una distribucin dada por f(x; !) tiene, bajo condiciones bastante generales, una
distribucin aproximadamente normal respecto de !. Cuando se satisfacen tales
condiciones, se obtienen fcilmente intervalos confidenciales aproximados. La varianza
del estimulador en las muestras grandes es


[ ]
2 2
2
/ ) ; ( log
1
) (
! !
! "
5 5
!
=
x f nE
(1)

en donde "
2
(!) indica que es una funcin de!, porque ordinariamente depender de
este parmetro. Para muestras grandes, por tanto, puede determinarse un intervalo
confidencial con probabilidad # , convirtiendo las desigualdades en

#
! "
! !
# #
2
) (

3
+
,
-
.
/
0
<
!
< ! d d P (2)

en donde
#
d se ha elegido de modo que


"
!
!
=
#
(
#
$
d
d
t
dt e 2
2
1
2
2
1



8. INTERVALOS CONFIDENCIALES MLTIPLES.

En la secciones anteriores hemos indicado que la interpretacin frecuencial-
probabilstica de los intervalos confidenciales es la siguiente: En repetidos muestreos,
100(1- ')% de los intervalos confidenciales construidos contendrn el parmetro
desconocido !, donde 1 - ' es el coeficiente confidencial. Para ilustrar esta
interpretacin con mayor precisin, supongamos que se extrae una muestra aleatoria de
tamao k de cada una de 3 poblaciones normales de medias
1
,
2
y
3
,
respectivamente y varianza comn
2
" .

Construiremos un intervalo confidencial del 95% para
1
-
2
,
2
-
3
y
1
-
3
.
Para hallar un intervalo confidencial para
1
-
2
tenemos en cuenta que x -
1
es
normal, con media 0 y varianza
2
" /k; y -
2
es normal con media 0 y varianza
2
" /k;
y -
2
y x -
1
son independientes luego

w = ( x -
1
) ( y -
2
) = ( x - y ) (
1
-
2
)



16/28
es normal con media 0 y varianza 2
2
" /k y , por tanto,

k
w
/ 2
2
"


es tambin normal, con media 0 y varianza 1. Si hacemos

*
!
!
=
2 2
1
) (
1
1
x x
k
s
i


*
!
!
=
2 2
2
) (
1
1
y y
k
s
i


*
!
!
=
2 2
3
) (
1
1
z z
k
s
i

entonces
2
2
3
2
2
2
1
2
2
) 1 ( ) 1 ( ) 1 ( ) 1 ( 3
" "
s k s k s k s k ! + ! + !
=
!
(2)

se distribuye segn una ji cuadrado con 3k -3 grados de libertad, y s
2
es independiente
de w. Por tanto,
2 2
) (
s
k w
s
k w
t = =
"
"


se distribuye segn una t de Student con 3(k -1) grados de libertad. Un intervalo
confidencial del 95% para
1
-
2
es

95 , 0
2
) (
2
) (
2
025 , 0 2 1
2
025 , 0
=
+
+
,
-
.
.
/
0
+ ! < ! < ! !
k
s
t y x
k
s
t y x P (3)

Por un proceso semejante se deduce que un intervalo confidencial del 95% para
1
-
3
es
95 , 0
2
) (
2
) (
2
025 , 0 3 1
2
025 , 0
=
+
+
,
-
.
.
/
0
+ ! < ! < ! !
k
s
t z x
k
s
t z x P (4)

y, anlogamente, un intervalo confidencial del 95% para
2
-
3
es

95 , 0
2
) (
2
) (
2
025 , 0 3 2
2
025 , 0
=
+
+
,
-
.
.
/
0
+ ! < ! < ! !
k
s
t z y
k
s
t z y P (5)

Si se toman repetidos conjuntos de observaciones (1), y se calcula (3) para cada
conjunto de 3k observaciones, entonces, para un nmero grande de repeticiones, el 95%
de los intervalos confidenciales cubrirn a
1
-
2
.



17/28
Si para cada conjunto de 3k observaciones se calcula el intervalo confidencial (4),
para un nmero grande de repeticiones el 95% de estos intervalos cubrirn a
1
-
3
.
Anlogamente, si para cada conjunto se calcula el intervalo confidencial (5), en un
nmero grande de repeticiones, el 95% de los intervalos contendrn a
2
-
3
.
Deseamos calcular intervalos confidenciales para
1
-
2
,
1
-
3
y
2
-
3
, tales que la
probabilidad de que los tres intervalos confidenciales resulten simultneamente
verdaderos sea, por ejemplo, el 95%. Si los tres intervalos dados por (3) a (5) fuesen
independientes, en un nmero grande de repeticiones, para el (0,95)
3
de los conjuntos,
(3) cubrira a
1
-
2
, (4) cubrira a
1
-
3
, y (5) cubrira a
2
-
3
. Sin embargo, puesto
que (3), (4) y (5) no son independientes, esta probabilidad no es (0,95)
3
. Para resolver
este problema definiremos el coeficiente confidencial experimentativo. Un conjunto de
observaciones tales como (1) recibir el nombre de experimento; puede haber t
poblaciones en lugar de 3. En cada experimento, se calculan intervalos confidenciales
para las t(t-1) diferencias
i
-
j
. Si en el 95% de los experimentos la totalidad de los
t(t-1) intervalos confidenciales cubren a sus diferencias respectivas (
i
-
j
), diremos
que el coeficiente confidencial experimentativo es 0,95.

Enunciaremos el siguiente teorema aunque no daremos su demostracin.

Teorema.
Sea
n
v v v ,..., ,
2 1
una muestra aleatoria de tamao n de una poblacin normal de media
0 y varianza
2
" , y designaremos por R el recorrido de estas variables aleatorias; es
decir, R = mx
i
v -mn
i
v . Supongamos que
2
vs /
2
" es independiente de las
i
v y esta
distribuida segn una ji cuadrado con v grados de libertad. La variable aleatoria

s
R
q =

se distribuye como el recorrido studentizado, con n y v grados de libertad en el
numerador y en el denominador, respectivamente.

La funcin frecuencial de q es bastante complicada y no se dar aqu, pero la
cantidad
'
q , definida por P(q<
'
q )=1-', puede obtenerse en para varios valores de n, v
y '= 0,01, 0,05 y 0,10.

Para ilustrar como puede emplearse este teorema, hallaremos un conjunto de
intervalos confidenciales con un coeficiente confidencial experimentativo del 0,95.
Consideremos las variables aleatorias (nos limitaremos al caso especial de 3)

3 2 1
2
2
, , ,
) 1 ( 3
u u u
s k
"
!


en donde s
2
est dada por (2), y
3 2 1
, , u u u son los estadsticos ordinales de las tres
variables aleatorias
3 2 1
, , v v v con




18/28
k x v ) (
1 1
! = k y v ) (
2 2
! = k z v ) (
3 3
! =

Puesto que las
i
v son variables normales independientes, de medias 0 y varianzas
2
" , y dado que 3(k -1)s
2
/
2
" es una variable de ji cuadrado independiente, con v = 3(k
-1) g. de l., utilizaremos el teorema 1 para demostrar que q se distribuye como el
recorrido studentizado, con n =3 g. de l. en el numerador y v =3(k -1) g. de l. en el
denominador, siendo


s
v v
s
u u
s
R
q
i i
min max
1 3
!
=
!
= =
Tambin
= $
%
&
'
(
)
<
!
= < = !
' '
' q
s
u u
P q q P
1 3
) ( 1

= $
%
&
'
(
)
<
!
=
'
q
s
v v
P
i i
min max


) min (max
'
sq v v P
i i
< ! = (6)

Pero si
i i
v v min max ! < s
'
q , se tienen las tres desigualdades siguientes:


k
sq
y x
'
< ! ! ! ) ( ) (
2 1



k
sq
z x
'
< ! ! ! ) ( ) (
3 1

y

k
sq
z y
'
< ! ! ! ) ( ) (
3 2


lo que implica


k
sq
y x
k
sq
' '
< ! ! ! < ! ) ( ) (
2 1



k
sq
z x
k
sq
' '
< ! ! ! < ! ) ( ) (
3 1
(7)


k
sq
z y
k
sq
' '
< ! ! ! < ! ) ( ) (
3 2


Si utilizamos (7) con (6), la probabilidad de que las seis desigualdades (8) sean
verdaderas es 1 - ':




19/28

k
sq
y x
k
sq
y x
' '
+ ! < ! < ! ! ) ( ) (
2 1



k
sq
x y
k
sq
x y
' '
+ ! < ! < ! ! ) ( ) (
1 2



k
sq
z x
k
sq
z x
' '
+ ! < ! < ! ! ) ( ) (
3 1



k
sq
x z
k
sq
x z
' '
+ ! < ! < ! ! ) ( ) (
1 3



k
sq
z y
k
sq
z y
' '
+ ! < ! < ! ! ) ( ) (
3 2



k
sq
y z
k
sq
y z
' '
+ ! < ! < ! ! ) ( ) (
2 3


En el caso de haber ms de tres poblaciones, seran vlidas las mismas frmulas,
salvo que variaran los grados de libertad para
'
q y que existiran t(t-1) intervalos
confidenciales.

9. INTRODUCCIN AL CONTRASTE DE HIPTESIS.

La inferencia estadstica comprende dos partes principales, a saber: la estimacin de
parmetros y los contrastes de hiptesis. En este captulo estudiaremos la segunda de
ellas, con el objetivo de desarrollar mtodos generales para los contrastes de hiptesis y
su aplicacin a algunos problemas corrientes. Estos mtodos tambin se utilizarn en
captulos posteriores.

En la investigacin experimental se pretende a veces simplemente estimar un
parmetro; por ejemplo, puede que interese estimar la produccin de un nuevo hbrido
de maz. Muchas veces, el objetivo final es la utilizacin de dicha estimacin. As
ocurre cuando se quiere comparar la produccin del nuevo hbrido con la
correspondiente a una variedad conocida, a fin de recomendar la sustitucin de esta por
aquel, en caso de que parezca superior. Esto sucede corrientemente en la investigacin;
puede ocurrir que interese determinar si un mtodo nuevo para cerrar lmparas aumenta
la vida de stas; si un nuevo germicida resulta ms efectivo en el tratamiento de cierta
infeccin; si un mtodo de conservacin de alimentos es preferible a otros, en lo que se
refiere a la conservacin de vitaminas, etc.

Utilizando como ejemplo el caso de las lmparas, supongamos que la vida media de
las fabricadas por medio de un proceso conocido es de 1400 h. Se desea contrastar un
nuevo procedimiento para la fabricacin de lmparas. En este caso, el modelo
estadstico es el siguiente: se trata de dos poblaciones de lmparas, la constituida por las
correspondientes al proceso que se propone. Sabemos (en virtud de numerosas
investigaciones anteriormente realizadas) que la media de la primera poblacin es



20/28
aproximadamente 1400. Se desea averiguar si la media de la segunda poblacin es
superior o inferior a 1400. Tradicionalmente, para resolver este problema, se establece
la hiptesis de que una medida es mayor que la otra. Basndose en una muestra de las
poblaciones se aceptar o rechazar la hiptesis. (Naturalmente, se confa en que el
nuevo proceso es mejor y que la hiptesis ser rechazada).

Para contrastar la hiptesis se fabrica cierto nmero de lmparas mediante el nuevo
procedimiento, midiendo despus su duracin. Supongamos que la media de esta
muestra de observaciones es de 1550 h. Esto parece indicar que el nuevo proceso es
mejor; pero supongamos que la estimacin de la desviacin estndar de la media es
n / ) , igual a 125 (siendo n el tamao de la muestra). Por tanto, el intervalo
confidencial del 95% para la media de la segunda poblacin (suponiendo la poblacin
normal) es aproximadamente de 1300 h a 1800 h. La media muestral 1550 podra
proceder fcilmente de una poblacin cuya media fuese 1400. No tenemos, pues,
motivos suficientes para rechazar la hiptesis. Por otra parte, si n / ) fuese igual a 25,
podramos rechazar la hiptesis con gran confianza y afirmar la superioridad del nuevo
proceso de fabricacin.

Se ve, pues, que los contrastes de hiptesis est relacionada ntimamente con el
problema de la estimacin. No obstante resulta instructivo desarrollar la teora de los
contrastes independientemente de la de la estimacin al menos en principio.

Los contrastes de hiptesis puede integrarse en la estructura del problema general de
decisin de la siguiente forma: existen dos acciones finales posibles, a
1
y a
2
. La accin
apropiada a tomar depende del valor del parmetro desconocido !, llamado algunas
veces estado de la naturaleza, que es un elemento del espacio paramtrico 6. El
conjunto 6 puede descomponerse en dos conjuntos,
2 1
y * * , tales que se elige la
accin a
1
si ! pertenece a
1
* , y la accin a
2
si ! pertenece a
2
* . La prdida asociada a
la accin a y al estado de la naturaleza ! viene dada por ) ; ( ! a l , donde 0 ) ; ( 7 ! a l y


2 2
1 1
en est Si ) ; (
en est Si ) ; (
* ! !
* ! !
0 =
0 =
a l
a l
(1)

Sea ) ,..., , (
2 1 n
x x x s = una muestra aleatoria procedente de ) ; ( ! x f , y S, el espacio
muestral n-dimensional. Una estrategia (funcin de decisin) es una funcin d que
asigna a cada posible muestra una accin de A, donde

} o : {
2 1
a a a a A = = .

La accin que se toma es

) ,..., , (
2 1 n
x x x d a =

En este problema en el que existen slo dos acciones, cada estrategia d (funcin de
decisin) puede representarse por una particin del espacio muestral n-dimensional en
dos conjuntos disjuntos, S
1
y S
2
, siendo




21/28

1
1
2
S S S S ! = =

tales que se toma la accin a
1
si el punto muestral s cae en S
1
, y la a
2
si s cae en S
2
. El
riesgo (prdida esperada) correspondiente a la estrategia d est dado por

) ( ) ; ( ) ( ) ; ( ) ; (
2 2 1 1
! ! ! ! ! S s P a l S s P a l d R 2 + 2 = (2)

donde ) (
1
! S s P 2 denota la probabilidad de que el punto muestral s caiga en S
1
cuando
el valor del parmetro (estado de la naturaleza) es !, y anlogamente para ) (
2
! S s P 2 .

Puesto que se toma la accin a
1
si s cae en S
1
y la a
2
si cae en S
2
, las probabilidades
en la ecuacin anterior son las correspondientes a adoptar las acciones a
1
y a
2
,
respectivamente, cuando ! es el estado de la naturaleza. Se denominan probabilidades
de accin.

DEF Sea S un espacio muestral n-dimensional, y S
1
y S
2
, una particin del espacio
muestral, tal que si un punto muestral
) ,..., , (
2 1 n
x x x s =
cae en S
1
, se toma la accin a
1
, y si s cae en S
2
se adopta la accin a
2
. Las siguientes
probabilidades se denominan probabilidades de accin:

) (
1
! S s P 2 ) (
2
! S s P 2
donde ) ( !
i
S s P 2 es la probabilidad de que s caiga en S
i
(probabilidad de que se tome
la accin a
i
) cuando el verdadero estado de la naturaleza es !.

Si en la ecuacin (2) calculamos el riesgo cuando ! pertenece a
1
* , el cual
designaremos por ) ; (
1
* !2 d R , se obtiene:

) ( ) ; ( ) ( ) ; ( ) ; (
1 2 1 2 1 1 1 1 1
* ! * ! * ! * ! * ! 2 2 2 + 2 2 2 = 2 S s P a l S s P a l d R (3)

Utilizando la ecuacin (1), resulta

) ( ) ; ( ) ; (
1 2 1 2 1
* ! * ! * ! 2 2 2 = 2 S s P a l d R (4)

Por un procedimiento anlogo, calcularemos el riesgo cuando ! est en
2
* ,
obteniendo
) ( ) ; ( ) ; (
2 1 2 1 2
* ! * ! * ! 2 2 2 = 2 S s P a l d R (5)

Es decir, puesto que una de las dos prdidas ) ; (
1
! a l y ) ; (
2
! a l es igual a 0,
escribiremos el riesgo en la ecuacin (2) en la forma

) ; ( ) ( ) ; ( ! + ! ! d l d R = (6)

donde




22/28

1 2
2 1
en est Si ) ; (
en est Si ) ; ( ) (
* ! !
* ! ! !
0 =
0 = =
a l
a l l
(7)

siendo ) (! l la perdida asociada con la accin incorrecta cuando el estado de la
naturaleza es !, y ) ; ( ! + d en la ecuacin (6), es la probabilidad de error definida a
continuacin.

DEF Probabilidades de error.- La probabilidad de error, designada por ) ; ( ! + d en la
ecuacin (6), es la probabilidad de adoptar la accin incorrecta. Es decir, es la
probabilidad de tomar la accin a
1
si ! est en
2
* , o bien tomar la accin a
2
si ! est
en
1
* .

Si ,
1
* !2 esta probabilidad se expresar as:

[ ] ) ( ) ,..., ( ) ; (
1 2 1 2 1 1
* ! * ! ! + 2 2 = 2 2 = S s P S x x P d
n

que es la correspondiente a tomar la accin a
2
errneamente; y si
2
* !2 , la
probabilidad de error puede escribirse:

[ ] ) ( ) ,..., ( ) ; (
2 1 2 1 1 2
* ! * ! ! + 2 2 = 2 2 = S s P S x x P d
n

que es la probabilidad de adoptar la accin a
1
errneamente.

DEF Contrastes de hiptesis.- Los conjuntos *
1
y *
2
en la formulacin anterior del
problema de decisin pueden asociarse a la hiptesis o afirmacin H
1
: ! est en
1
* y
a la hiptesis alternativa H
2
: ! est en
2
* , respectivamente. La accin a
1
consiste en
aceptar la hiptesis (aceptar H
1
) y la accin a
2
en rechazar la hiptesis (rechazar H
1
). La
funcin de decisin d que, aplicada a los datos, conduce a la aceptacin o rechazo de la
hiptesis se denomina contraste de la hiptesis.

El objetivo es encontrar el contraste (la funcin de decisin d) que hace mnimo el
riesgo para cada valor de ! en 6. Sin embargo, esto no es generalmente posible, sino
que una funcin de decisin puede dar un riesgo mnimo para ciertos valores de !,
mientras que otra funcin de decisin puede hacer mnimo el riesgo para otros valores
de !, etc. Por tanto, puesto que ! es desconocido, hay que contar con la posibilidad de
que no exista un mtodo definido para determinar qu funcin da riesgo mnimo en un
problema particular.

Otra dificultad inherente a la utilizacin de las ecuaciones (4) y (5) se debe a que en
gran parte de los problemas de aplicacin, donde un experimentador desea utilizar
contrastes de hiptesis, la funcin de prdida es totalmente desconocida, o bien no se
conoce con la funcin acuracidad para garantizar su empleo. Si la funcin de prdida no
es conocida, parece que un procedimiento razonable consistir en utilizar una funcin
de decisin que, en cierto sentido minimice las probabilidades de error. El
procedimiento tradicional es elegir una probabilidad ', usualmente en el entorno de
0,01, 0,05, 0,10, 0,20 y hallar la clase de funciones de decisin (o sea, determinar los
conjuntos S
2
) tales que se satisfaga




23/28
' * ! 4 2 2 ) (
1 2
S s P (8)

Entonces, de la clase de contrastes que satisfacen a (8) se considera como mejor
contraste aquel para la cual

) (
2 1
* !2 2S s P (9)

es mnimo. En esta formulacin, la cantidad ) (
1 2
* !2 2S s P de (8) se llama
probabilidad de rechazar una hiptesis verdadera (rechazar la hiptesis H
1
cuando de
hecho es cierta), y a veces se la denomina probabilidad de un error de tipo I, y (8) se
escribe en la forma ' 4 ) ( I P . La cantidad ) (
2 1
* !2 2S s P de (9) se llama
probabilidad de aceptar una hiptesis falsa (aceptar H
1
cuando no es cierta), pero
algunas veces se denomina tambin probabilidad de un error de tipo II, se escribe P(II).
Obsrvese que

) ( ) ; ( y ) ( ) ; (
2 1
II P d I P d = = ! + ! +

La regin S
2
recibe el nombre de regin de rechazo o de regin crtica, y S
1
, regin
de aceptacin. Si la afirmacin de (8) es verdadera, se dice que la extensin de el
contraste es '. En lugar de la cantidad ) (
2 1
* !2 2S s P de (9) es a menudo ms
conveniente utilizar ) (
2 2
* !2 2S s P , donde, evidentemente,

) ( ) ( 1
2 2 2 1
* ! * ! 2 2 = 2 2 ! S s P S s P (10)

que es la probabilidad de rechazar la hiptesis H
1
cuando de hecho es falsa. La cantidad
) (
2
! S s P 2 se denomina potencia de el contraste, designndose por ) (! & , y es funcin
de !. Obsrvese que ) (! & = P(I) cuando
1
* !2 . Tambin ) (! & = 1 P(II) si
2
* !2 .

A primera vista puede parecer que esta formulacin del problema de los contrastes
de hiptesis no tiene en cuenta la funcin de prdida. En realidad, no prescinde de ella
completamente, puesto que llegar a un valor razonable para ' requiere que el
experimentador sopese l as consecuencias de cometer errores de los tipos I y II. La
anterior formulacin del problema ha recibido una atencin preferente por parte de los
estadsticos matemticos y se emplea extensamente por los experimentadores.

10. CONTRASTE DE UNA HIPTESIS SIMPLE CONTRA UNA
ALTERNATIVA SIMPLE.

Una hiptesis * !2 : H se llama simple si * contiene un punto nico. As, si *
1

consta del punto
1
! y si *
2
es el punto
2
! , el problema se denomina contrastar una
hiptesis simple contra una alternativa simple.

Aqu la funcin de riesgo para una estrategia d toma dos valores

) ( ) ( ) ; ( y ) ( ) ( ) ; (
2 2 1 1
II P l d R I P l d R ! ! ! ! = = ;




24/28
por tanto, para cada funcin de decisin d, el riesgo ) ; (
2
! d R puede representarse por
un punto en un grfico cuyas coordenadas sean ) ; (
1
! d R y ) ; (
2
! d R . Anlogamente,
) ; ( ! + d podr representarse en un grfico cuyas coordenadas son las probabilidades de
error P(I) y P(II). Este ltimo grfico no implica la funcin de prdida y es til en
aquellas aplicaciones donde esta funcin no se conoce perfectamente y P(I) y P(II)
pueden utilizarse como se explic en la seccin anterior.

DEF Una estrategia (funcin de decisin o contraste) d es admisible si no existe otra
estrategia d* tal que


6 <
6 4
de algn para ) ; ( ) *; (
y
de todo para ) ; ( ) *; (
! ! !
! ! !
d R d R
d R d R


Como se indic anteriormente, no hay en general, una funcin de decisin que d
riesgo mnimo para todos los valores de ! en 6; por tanto, se comprende que lo ms
razonable consiste en hallar la clase de las funciones de decisin admisibles y
seleccionar una de ellas.

Para ayudar a encontrar la clase de estrategias admisibles, probaremos que toda
estrategia admisible es una estrategia de Bayes, y que toda estrategia de Bayes es una
contraste de la razn de verosimilitud. Por tanto, toda estrategia admisible es un
contraste de la razn de verosimilitud. En consecuencia, si es posible hallar la clase de
contrastes de la razn de verosimilitud, est incluir todas las estrategias admisibles; la
obtencin de la clase de contrastes de la razn de verosimilitud es, frecuentemente,
bastante fcil dedicaremos el resto de esta seccin al desarrollo de estas ideas.
Recordemos que nos limitamos a considerar una hiptesis simple y una alternativa
simple.

DEF Estrategia de Bayes.- Una estrategia d es una estrategia de Bayes
correspondiente a probabilidades a priori ) 0 ( 1 y
1 2 1
7 ! =
i
h h h h si hace mnimo B(d),
donde

[ ] ) ; ( ) ; ( ) ; ( ) (
2 2 1 1
! ! ! d R h d R h d R E d B + = =

Esbozaremos la demostracin con el siguiente teorema.

TEOREMA

Para contrastar una hiptesis simple contra una alternativa simple, toda estrategia
admisible es una estrategia de Bayes.

Dem.

En primer lugar, observamos que la estrategia de Bayes correspondiente a h
1
y h
2

puede representarse geomtricamente dibujando la recta

c R h R h = +
2 2 1 1




25/28
y desplazndola mediante la variacin de c, paralelamente a s misma, hasta que toque a
T. El punto (o puntos) donde toca a T corresponde a la estrategia de Bayes. Como h
1

vara desde 0 hasta 1, la pendiente de la recta lo hace, desde 0 hasta 1 ! . Una propiedad
de los conjuntos convexos es que, dado cualquier punto del contorno, existe una recta
que pasa por ese punto en la que se apoya el conjunto. Luego para toda estrategia
admisible, es decir, para cualquier punto de contorno inferior a T, existe una recta de
apoyo que pasa por dicho punto. Por tanto, puede trazarse esta recta con pendiente no
positiva, y expresarse en la forma

c R h R h = +
2 2 1 1


donde h
1
y h
2
son probabilidades posibles a priori (o sea, 1 0 4 4
i
h ). Por consiguiente,
la estrategia admisible es una estrategia de Bayes.

El caso especial de contrastar una hiptesis simple contra una alternativa simple nos
lleva a un resultado interesante; es decir, toda estrategia de Bayes es un contraste de la
razn de verosimilitud.

DEF Contraste de la razn de verosimilitud.- Un contraste basada en una muestra
aleatoria
n
x x ,...,
1
de la densidad ) ; ( ! x f para contrastar
1 1
: ! ! = H contra
2 2
: ! ! = H
es un contraste de la razn de verosimilitud, si existe un nmero k tal que el contraste
permite

Aceptar H
1
(accin a
1
) si k > (
Rechazar H
1
(accin a
2
) si k < (
y
una de las dos acciones si k = (

donde es la razn de verosimilitud dada por


) ; ( )... ; ( ) ; (
) ; ( )... ; ( ) ; (
) ,..., (
2 2 2 2 1
1 1 2 1 1
1
! ! !
! ! !
(
n
n
n
x f x f x f
x f x f x f
x x t = = (1)

TEOREMA

Para contrastara la hiptesis simple
1 1
: ! ! = H contra la alternativa simple
2 2
: ! ! = H , toda estrategia de Bayes es un contraste de la razn de verosimilitud.

Cabe interpretar que la razn de verosimilitud es una medida de cmo la evidencia
confirma H
1
. As, es razonable aceptar H
1
cuando es suficientemente grande.
Obsrvese que el ser suficientemente grande puede depender de factores tales como
las prdidas debidas al error y el grado de confianza previa, si la hay, en la hiptesis.








26/28
11. HIPTESIS COMPUESTAS.

En la prctica, la mayor parte de los problemas de contrastes implican hiptesis
compuestas. Estas hiptesis son de la forma
1 1
: * !2 H , con la alternativa
2 2
: * !2 H ,
en donde
1
* y/o
2
* contienen ms de un elemento.

En los contrastes de hiptesis compuesta la situacin resulta mucho ms compleja
que cuando las hiptesis son simples. En el caso compuesto, los contrastes admisibles
son difciles o imposibles de obtener. En este caso, nos contentaremos, en general, con
un anlisis de las probabilidades de error P(I) y P(II), e intentaremos hallar contrastes
que de cierta manera las controlen.

TEOREMA

La regin crtica R
k
de extensin que hace mxima la potencia de el contraste de
la hiptesis
1 1
: ! ! = H , contra la alternativa
2 2
: ! ! = H donde x
1
, , x
n
es una
muestra aleatoria de tamao n de ) ; ( ! x f , se obtiene hallando la regin R
k
(si existe)
que satisface a

k
x f x f x f
x f x f x f
x x t
n
n
n
< = =
) ; ( )... ; ( ) ; (
) ; ( )... ; ( ) ; (
) ,..., (
2 2 2 2 1
1 1 2 1 1
1
! ! !
! ! !
( (2)

para un nmero fijo k y tal que


" " "
= ' ! ! !
n n
R
dx dx dx x f x f x f
k
... ) ; ( )... ; ( ) ; ( ...
2 1 1 1 2 1 1
(3)

Esto, evidentemente, constituye una aplicacin de la razn de verosimilitud.

A primera vista no parece claro cmo (3) implica k, pero la regin en que se verifica
(2) cambia al variar k, y cuando esto ocurre puede haber una regin (un valor de k) que
satisface a (3). Es importante insistir en que este teorema proporciona una regin crtica
ms potente (de extensin ) para contrastar solo que es tambin un nico punto. El
teorema no da necesariamente un mtodo para hallar una regin crtica ms potente de
extensin cuando
1
o
2
contienen ms de un punto. Veremos ms adelante que
algunas veces puede utilizarse en tales situaciones, que, evidentemente, son los casos
ms tiles. Es decir, un experimentador puede desear contrastar que la diferencia de
rendimientos medios de dos variedades de trigo es cero cont ra la alternativa de que es
positiva. O un fabricante desear quiz contrastar la hiptesis 0 :
1
4 H contra la
alternativa 0 :
2
> H , donde es la diferencia de eficacia media de dos medicamentos.
En estos casos,
1
o
2
(o ambos) contienen ms de un punto. Existen cuatro casos
distintos:

1)
1
contiene un punto y
2
contiene un punto.
2)
1
contiene un punto y
2
contiene ms de un punto.
3)
1
contiene ms de un punto y
2
contiene un punto.
4)
1
y
2
contienen ms de un punto.




27/28
En general, el lema de Neyman-Pearson se aplica nicamente al caso 1, pero
veremos que algunas veces es tambin til en otros casos.


12. CONTRASTE DE
1
CONTRA >
1
PARA DENSIDADES CON UN
PARMETRO NICO .

En estadstica aplicada existen muchas densidades que contienen un parmetro
nico desconocido, tales como la binomial, la de Poisson, la normal de media conocida,
la normal de varianza conocida, la exponencial, etc. Muchas veces un experimentador
desea contrastar la hiptesis
1 1
: ! ! 4 H con la hiptesis alternativa
1 2
: ! ! > H , siendo

1
conocido donde la densidad es ) ; ( ! x f .

DEF Un contraste de la hiptesis
1 1
: * !2 H , contra la alternativa
2 2
: * !2 H , se
dice que es un contraste UMP de extensin si su regin critica R es tal que


2
1
de cada para mximo es ) ( 1 ) (
de todo para ) (
* ! ! &
* ! '
II P
I P
! =
4
(1)

En la formulacin de los contrastes de hiptesis dada en (12-3-1), un contraste UMP
es la mejor contraste.

A continuacin daremos un teorema bastante til para determinar un contraste UMP
de
1 1
: ! ! 4 H contra la hiptesis alternativa
1 2
: ! ! > H .

TEOREMA

Sea x=(x
1
, , x
n
) una muestra aleatoria de una densidad con un nico parmetro !
en un intervalo 6, y sea ) ; ( ! x f la densidad conjunta de las variables aleatorias.
Supongamos que ) ; ( ! x f puede escribirse as:

) ; ( x f
) ( ) (
) ( ) (
!
!
t x v
e x U s = (2)

donde t() es una funcin estrictamente creciente de ! en 6. Si existe una constante c
tal que [ ] ' ! = >
1
) ( c x v P para un dado y comprendido entre 0 y 1, R es entonces una
regin crtica UMP de extensin para contrastar
1 1
: ! ! 4 H contra
1 2
: ! ! 4 H , donde
} ) ( : { c x v x R > = . Si t(!) es una funcin estrictamente decreciente de ! en 6 y si
existe una constante c tal que [ ] ' ! = <
1
) ( c x v P para un dado y comprendido entre 0
y 1, R es una regin crtica UMP de extensin para contrastar
1 1
: ! ! 4 H contra
1 2
: ! ! 4 H , donde } ) ( : { c x v x R < = .



28/28
BIBLIOGRAFA RECOMENDADA.

Estadstica Terica. Aut. J.M.Doblado y M.C. Nieto. Edit. UNED

Introduccin a la Estadstica Terica. Aut.: G Arniz. Edit.: Lex Nova

Estadstica Terica y Aplicada. Aut.: A. Nortes. Edit.: S. Rodrguez.

Introduccin a la Probabilidad y la Medida (I). Aut.: P Zoroa y N. Zoroa. Edit.: Maior
DM.




1/12
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 68
APLICACIONES DE LA ESTADSTICA Y EL CLCULO DE PROBABILIDADES
AL ESTUDIO Y TOMA DE DECISIONES EN PROBLEMAS DE LAS CIENCIAS
SOCIALES Y DE LA NATURALEZA. EVOLUCIN HISTRICA.
1. Introduccin.
2. Evolucin Histrica de la Estadstica.
3. Evolucin Histrica del Clculo de Probabilidades.
4. Aplicaciones a las Ciencias Sociales y Naturales.
5. Toma de Decisiones
5.1. Hiptesis Estadsticas.
5.2. Otros Procesos de Decisin.
5.3. Prediccin.
Bibliografa Recomendada.



2/12
TEMA 68
APLICACIONES DE LA ESTADSTICA Y EL CLCULO DE PROBABILIDADES
AL ESTUDIO Y TOMA DE DECISIONES EN PROBLEMAS DE LAS CIENCIAS
SOCIALES Y DE LA NATURALEZA. EVOLUCIN HISTRICA.
1. INTRODUCCIN.
La Estadstica tiene actualmente el carcter de ciencia bsica, fundamentalmente por
dos motivos. El primero de ellos es que resuelve problemas de carcter bsico y
elemental. El segundo, es la cantidad de veces que surgen sus conceptos en la vida
diaria.
A travs de los medios de comunicacin de masas, como son la prensa, radio y
televisin, al que actualmente se est incorporando Internet, recibimos noticias y
mensajes que nos obligan a tener una idea clara de los conceptos estadsticos. Ejemplos
pueden ser la vida media de la poblacin, el aumento del IPC, desviacin sufrida en un
partido por un jugador de baloncesto con respecto a sus porcentajes, etc.
Algunos ejemplos del uso frecuente que nos encontramos de la Estadstica en la vida
real pueden ser:
1) Juan es ms alto de lo habitual. Aqu estamos haciendo uso del concepto de
promedio o media de ciertos elementos.
2) Los padres rubios suelen tener hijos rubios. En este caso, las ideas de
semejanzas y diferencias utilizan el concepto de correlacin.
3) Han tomado muestras de sangre de varios ciclistas elegidos al azar. Aqu
usamos el concepto de muestra, al no poder abarcar todo el espacio muestral.
Adems de estas apariciones de la Estadstica en la vida diaria, nos encontramos que
tiene cada vez ms aplicaciones, y ms importantes, en sectores tan dispares como la
agricultura, la industria, la administracin, etc.
Pero adems, desde hace ya ms de un siglo, han comenzado a utilizarse los
mtodos estadsticos como una tcnica poderosa en la investigacin cientfica
experimental. Y desde hace unos pocos aos, apareci la Investigacin Operativa
aplicada a la industria, a la estrategia militar e incluso a la resolucin de problemas de
gobierno.
Todo lo anterior implica que hoy en da sea necesario conocer las ideas estadsticas
mas sencillas, pasando a formar parte del bagaje cultural del hombre, al mismo tiempo
que el mtodo estadstico ha de ser un instrumento de trabajo esencial para el ingeniero,
economista, socilogo y sobre todo, para el investigador experimental (bilogo,
qumico, mdico, etc.).



3/12
2. EVOLUCIN HISTRICA DE LA ESTADSTICA.
Es muy difcil establecer una cronologa exacta de los orgenes de la Estadstica.
Encontramos los primeros rastros de la Estadstica en la historia en el libro de Confucio,
en el cual se mencionan por primera vez los censos. Se piensa que fue el emperador
Tao, en 2200 a.C. el primero en ordenar censos en China.
Tambin en la poca romana aparece la Estadstica. En el ao 555 a.C. se realizaron
censos en Roma, cuyo objetivo era conocer la poblacin existente en aquel momento. Y
segn nombra Tcito, Augusto (61 a.C a 14 d.C.) mand enumerar todos los bienes y
riquezas del imperio. As pues, se realiz un inventario de los navos, los recursos, las
rentas pblicas y de todos los soldados. A lo largo de la Edad Media y hasta la mitad del
siglo XVII la Estadstica fue meramente descriptiva.
Aunque acabamos de ver que la Estadstica aparece en la antigedad, no fue hasta
1748 cuando Achenwall, en Alemania, introdujo por primera vez la palabra Estadstica.
Este matemtico, profesor de la universidad de Gotinga, fue considerado el padre de la
Estadstica por los alemanes.
Achenwall era la cabeza visible de una de las dos escuelas que coexistieron en
Alemania en esta segunda mitad del siglo XVII, la escuela descriptiva alemana. La otra
era la escuela de matemticos polticos, cuyo mximo representante era Graunt. Esta
escuela ensay los fundamentos de las previsiones y las leyes sobre la regularidad
aproximada de ciertos fenmenos sociales. Fue en 1662 cuando John Graunt, mercader
de lencera londinense, public un libro en el que puso de manifiesto las cifras brutas de
nacimientos y defunciones en Londres durante el periodo de 1604 a 1661, as como las
influencias que ejercan las causas naturales, sociales y polticas de dichos
acontecimientos. Graunt entabl amistad con Sir William Petty, que tambin form
parte de la escuela de matemticos polticos.
Al final del siglo XVII fue creado en Francia el primer centro oficial de Estadstica.
Y el siglo XVIII, gracias al francs Desparcieu y al sueco Wargentin, fue el punto de
partida de la floreciente industria de los seguros. Ello fue debido a que estas dos
personas publicaron las primeras tablas de mortalidad, que mostraron la manera prctica
de la previsin de los fenmenos colectivos.
Fue en el primer ao del siglo XIX cuando Chaptal, ministro del interior de Francia,
orden el primer censo de la poblacin. Poco tiempo despus, Jacques Bernouilli y
Laplace introdujeron la utilizacin del clculo de probabilidades, por lo que la
Estadstica fue perdiendo poco a poco su significado descriptivo por un carcter ms
matemtico.
A. Quetelet Lambert (1796-1874) extendi el clculo de aplicaciones de este mtodo
al estudio de las cualidades fsicas, morales e intelectuales de los seres humanos, con el
objetivo de encontrar un hombre medio ficticio sobre el cual se distribuyeran todos los
dems. A l se debe el trmino hombre medio que posteiormente usara Sir Francis
Galton. Fue en 1835, mientras detentaba el cargo de astrnomo real de Blgica, cuando
realiza el primer censo de su pas, en el que analiza la influencia que sobre la mortalidad
tienen la edad, el sexo, la profesin, la situacin econmica, etc.



4/12
G. T. Fechner (1801-1887), profesor de fsica de la universidad de Leipzig, aplic
los conocimientos existentes de Estadstica de su poca a las ciencias sociales,
principalmente a la psicologa.
Galton (1822-1911) y Pearson (1857-1936) se pueden considerar los padres de la
Estadstica moderna. A ellos se debe la evolucin de la Estadstica deductiva, estudiada
hasta su poca, a la Estadstica inductiva, que es la que hoy en da tiene una mayor
influencia en todas las ramas del saber.
La teora de la Correlacin y la Regresin es muy reciente, debindose su
descubrimiento a Sir Francis Galton. Sus trabajos ms importantes estuvieron
relacionados con sus dos grandes aficiones, el estudio de la herencia y la expresin
matemtica de los fenmenos vinculados a ella. En 1869 public el libro Hereditary
Genius, y a travs del estudio de los problemas de la herencia, obtuvo el concepto de
correlacin. Fue el primero en asignar a un conjunto de variables un nmero que
permita obtener una medida del grado de relacin existente entre ellas.
Lleg a inferir que las personas muy altas solan tener hijos ms bajos que ellas, y
tambin suceda al revs, las personas muy bajas solan tener hijos ms altos que sus
progenitores. Esta observacin permiti a Galton enunciar su Principio de Regresin a
la Mediocridad. Este result ser el origen del actual anlisis de la regresin.
La observacin que realiz Galton es cierta, pero su principio result ser falso. La
justificacin est en que los valores extremos de una distribucin se producen al azar, de
ah que, en el caso de la altura, no pasen a los hijos.
Los trabajos de Galton los continuaron Edgeworth, Weldon y Pearson, quienes
reelaboraron y mejoraron sus ideas.
Karl Pearson realiz aportaciones muy importantes a la Estadstica, como fue la
distribucin !
2
o el test que lleva su nombre, para el estudio de la bondad del ajuste de
una distribucin emprica a otra terica.
3. EVOLUCIN HISTRICA DEL CLCULO DE PROBABILIDADES.
Hoy en da, la Teora de la Probabilidad es una parte importante de las matemticas,
que abarca un campo de aplicaciones muy extenso, incluyendo ramas de las ciencias
naturales, tcnicas y sociales.
Sin embargo, tuvo un comienzo muy simple. Sus races las encontramos en una
sencilla Teora de los Juegos de Azar, dada a conocer hace ya tres siglos. Por ello,
resulta complicado establecer una cronologa histrica del desarrollo del concepto de
probabilidad, debido a que como tal concepto es muy reciente.
En el siglo XVI, el matemtico Italiano G. Cardano (1501-1576) obtiene una serie
de resultados que escribe en su libro Libro de los juegos de Azar, hallado con
posterioridad a su muerte y publicado casi un siglo despus en la ciudad francesa de
Lyon. Los resultados los consigue como consecuencia del estudio de la combinatoria
que l mismo desarrolla junto con su compatriota N. Fontana (ms conocido como



5/12
Tartaglia, por su tartamudez). Tambin plantea en sus escritos problemas sobre juegos
con dos y tres dados.
En el libro anteriormente mencionado, Cardano expone conceptos como la
equiprobabilidad, la esperanza matemtica, elabora tablas de frecuencia para el juego de
dados e incluso esboza lo que, 150 aos despus, sera la Ley de los Grandes Numeros.
Por esa misma poca, un jugador italiano se puso en contacto con Galileo Galilei
(1564-1642) para mostrarle su sorpresa al comprobar que al jugar con tres dados a la
suma 10, tena ms oportunidades de ganar que cuando jugaba a la suma 9. Galileo dio
la solucin al problema planteado, pero sus trabajos fueron publicados por primera vez
en 1656, omitindose el captulo dedicado al juego de dados. No fue hasta 1718 cuando
se dio a conocer la obra casi completa de Galileo.
En la sociedad francesa de 1650, el juego era un entretenimiento corriente. Debido a
que cada vez se introducan ms variantes y las cantidades apostadas suban
desmesuradamente, se sinti la necesidad de encontrar un mtodo racional para poder
ganar. Apareci un noble llamado A. Gombaud, aunque ms conocido con el nombre de
Caballero de Mre, quien propuso al matemtico francs Blaise Pascal (1623-1662)
diversos problemas relacionados con estos juegos. En ellos le peda explicaciones sobre
algunas contradicciones aparentes entre su razonamiento terico y las observaciones que
haba recogido experimentalmente a travs del juego. Alguno de los problemas que
Gombaud propuso a Pascal son:
a) Dos personas participan en un juego de azar, ganando la apuesta la primera que
logre acumular un cierto nmero de puntos. Si los jugadores se ven forzados a
suspender el juego antes de que ste haya terminado, conocido el nmero de puntos
que ha acumulado cada uno de ellos, Cmo deber dividirse la apuesta?
b) En 24 tiradas con dos dados, gana el que obtenga al menos un seis doble Qu es
ms fcil, ganar o perder?
c) Por qu en el juego de tirar tres dados es ms frecuente obtener la suma 11 que la
suma 12?
Estos problemas permitieron establecer a Pascal correspondencia con otros
matemticos, como Pierre de Fermat. Esta correspondencia, producida sobre el ao
1654, se considera el origen de la Teora de la Probabilidad. Ambos matemticos
resolvieron los problemas propuestos de forma separada. Pascal utiliz su tringulo
aritmtico haciendo hiptesis sobre las apuestas de cada uno, en cambio Fermat se
apoy en el naciente clculo combinatorio.
El fsico, gemetra y astrnomo holands C. Huygens (1629-1695) estuvo muy
interesado en la correspondencia que existi entre Pascal y Fermat. Public, en su
idioma natal, una memoria titulada De Ratiociniis in Ludo Alae, que es considerada
hoy en da el primer trabajo impreso dedicado en exclusividad a la probabilidad. En el
trabajo aparecen muchas de las resoluciones realizadas tanto por Pascal como por
Fermat, junto con otros problemas interesantes acerca de las probabilidades en los
juegos de azar.
En todos los juegos corrientes de azar con dados, monedas, ruletas, etc., cada una de
las jugadas que pueden producirse debe dar como resultado uno de entre todos los



6/12
posibles. Si se da la circunstancia de que los aparatos estn correctamente hechos, cabe
suponer que todos los resultados posibles son equivalentes, mirado desde el punto de
vista del juego. Esta forma de ver las cosas llev a dar la definicin clsica de
probabilidad: La probabilidad de que se presente determinado suceso es igual al
nmero de casos que son favorables a este suceso dividido por el nmero total de casos
posibles, con tal de que estos casos sean mutuamente simtricos.
La definicin anterior fue admitida de forma tcita por Pascal, Fermat, Laplace y
todos sus contemporneos.
Pero incluso en una primera poca, la gran cantidad de observaciones
experimentales realizadas con los juegos de azar haba revelado una forma general de
regularidad. Si en un juego en el cual cada vez se produce una jugada, hay m casos
posibles simtricos, y realizamos n jugadas en total, a la larga (cuando n tiende a
infinito) todos los casos posibles tienden a presentarse el mismo nmero de veces.
Se llama frecuencia relativa al cociente entre el nmero de veces que se presenta un
determinado caso y el nmero total de veces que se repite el experimento, n. A la larga,
cualquier suceso tiende a presentarse con una frecuencia relativa aproximadamente
igual a su probabilidad.
Las principales dificultades pertenecen al dominio del anlisis combinatorio. En
cuanto dejamos a un lado los casos mas claros, surgen otros donde la dificultad de
separar los casos favorables de los posibles es ms grande. Por tanto, las controversias
que aparecieron, terminaron por mostrar que la definicin clsica de probabilidad no
result completamente satisfactoria.
A partir del ao 1700, comienza un rpido desarrollo de la teora de la probabilidad.
El impulso vino dado por dos obras escritas por Bernouilli y De Moivre.
En la primera de ellas, encontramos una proposicin muy importante conocida como
Teorema de Bernouilli, que proporciona la base matemtica de las propiedades de
regularidad de ciertas razones frecuenciales en una larga serie de repeticiones de un
juego.
Centrndonos en el primero de ellos, podemos decir que entre los discpulos ms
entusiastas de Leibniz se encontraban los hermanos Jakob y Johann Bernouilli. Pero
tengamos presente que al menos doce Bernouilli de la misma familia destacaron en
Fsica y Matemtica. El primero de ellos, Jakob Bernouilli, fue el miembro ms
destacado en el estudio de clculo de probabilidades. Escribi un tratado, conocido hoy
como un clsico, titulado Ars Conjectandi, que se public en 1713 (ocho aos
despus de su muerte). Podemos afirmar que es el primer tratado importante sobre la
Teora de Probabilidades. Consta de cuatro partes.
En la primera de ellas aparecen los trabajos de Huygens junto con un comentario
personal del propio autor. La segunda parte contiene una teora general sobre las
combinaciones y permutaciones, lo cual le permite pasar a estudiar las distribuciones
binomial y multinomial. Las dos ltimas partes estn dedicadas por entero a la Teora de
Probabilidades. Podemos destacar que la cuarta parte trata la Ley de los Grandes
Nmeros.



7/12
En la segunda de las obras, De Moivre enunci la regla de multiplicacin de la
teora de probabilidades (probabilidad de la interseccin de sucesos) y las primeras
indicaciones sobre la distribucin normal de probabilidades. En 1711 public su obra
Philosophical Transactions, un largo estudio sobre las denominadas leyes del azar.
Posteriormente, en 1718, public una ampliacin de su trabajo anterior, en el que
aparecen gran cantidad de problemas sobre dados, juegos, extracciones de bolas de una
bolsa, anualidades de vida, etc. De Moivre estaba particularmente interesado en
desarrollar toda la Teora de Probabilidades con mtodos muy generales, como si se
tratara de una nueva lgebra.
En 1733, estando exiliado en Londres, public un pequeo folleto donde aparece por
primera vez la curva de distribucin de los errores, que pasando el tiempo, y no
reconocindole dicho mrito, pas a llamarse Distribucin Normal de Gauss.
A partir de ese momento aparece una idea nueva. Se encontr que la teora de la
probabilidad, que haba aparecido gracias a los juegos de azar, poda aplicarse a
diversos problemas de campos muy distintos con buenos resultados. Estos otros
problemas caan por completo fuera del campo de accin de la definicin clsica de
probabilidad ya vista.
Entre estos problemas tenemos las estadsticas sobre poblaciones humanas y la
teora de los seguros de vida. Pongamos un ejemplo del primero. Supongamos que
observamos el sexo de una serie de nios recin nacidos. Podemos considerar estas
observaciones como una serie de repeticiones de un cierto juego de azar. O tambin
podemos anotar, dado un grupo de personas de una determinada edad, si a final de ao
viven o no. Tambin podra ser considerado como un juego de azar con dos posibles
resultados, vivo y fallecido. De esta forma result posible el clculo de tablas de
supervivencia, primas de seguros de vida, etc.
Pero quedaba algo pendiente. Deba especificarse que interpretacin haba que dar a
los casos favorables y posibles cuando la definicin caa fuera del dominio de los juegos
de azar.
El resultado de este proceso de extensin de la definicin apareci en las obras de
Laplace, fundamentalmente en Theorie Analytique des Probabilits de 1812. Sin
embargo, se muestra poco crtico con la definicin clsica, aplicndola para todo. El
resultado fue que las aplicaciones se desarrollaron mucho, pero la teora se estanc.
Durante todo este tiempo, tanto Gauss como Laplace utilizaron de forma
independiente las aplicaciones al anlisis numrico de los errores de medida, creando
una teora de errores sistemtica. Tanto esta teora, como el mtodo de los mnimos
cuadrados que se desarroll junto con ella, han adquirido actualmente una gran
importancia tanto terica como prctica.
El gran desarrollo de los seguros de vida iniciado a principios del siglo XIX fue
posible gracias al desarrollo de la matemtica actuarial, que a su vez se basaba en la
aplicacin de la probabilidad a las estadsticas de mortalidad.
Incluso, la Teora de la Probabilidad se ha llegado a aplicar a la Fsica Matemtica.
Aqu nos encontramos como las obras de Maxwell, Boltzman y Gibs sobre Mecnica



8/12
Estadstica han sido muy importantes para el desarrollo de determinadas partes de la
Fsica Moderna.
Durante el siglo XX, el desarrollo de la Probabilidad a continuado a gran ritmo. Y
en el momento actual, tenemos la Teora de la Probabilidad aplicada sobre campos tan
distintos como la gentica, la economa, la psicologa y la ingeniera.
Es precisamente el siglo XX el que se puede caracterizar por una tendencia a la
axiomatizacin. Podemos destacar, en especial, a Kolmogorov como creador del
moderno clculo de probabilidades. Tambin tenemos a Pearson, Fisher, Neyman, Wald
y Gosset, que fundamentaron la Inferencia Estadstica, y le dieron carcter cientfico a
algunas aplicaciones. Entre estas aplicaciones tenemos la Teora de la Correlacin y
Regresin que, hasta ese momento, eran propias de la Estadstica Descriptiva.
4. APLICACIONES A LAS CIENCIAS SOCIALES Y NATURALES.
Si buscamos aplicaciones de la Estadstica en la Psicologa, nos encontramos que se
utiliza de forma prctica para la seleccin psicotcnica de los trabajadores y para la
obtencin de encuestas de opinin pblica.
En la industria, tenemos aplicaciones en el control de calidad de los productos
fabricados. Tambin podemos encontrar usos de la Estadstica en la Meteorologa, la
Balstica, la Experimentacin Agrcola, etc. Incluso en el campo de la Lingstica, para
la determinacin de la autora de obras annimas, o la verificacin de otras.
En todos los casos se sigue el mismo mtodo, conocido como mtodo estadstico, el
cual comprende varias etapas.
4.1. Recogida de Datos.
En cualquier campo de investigacin (fsica, biologa, medicina, etc.) los datos
suelen ser procurados por el investigador. Tenemos campos como el econmico y el
sociolgico en los cuales a veces los datos pueden procurarse de fuentes de informacin
tales como estadsticas oficiales, hechas con fines distintos a los que se persiguen. Es
por ello, que en estos casos la confianza que ofrecen los datos debe ser examinada antes
de basar en ellos alguna conclusin. Dichas estadsticas oficiales reciben la forma de
Censos, estadsticas en el tiempo y encuestas.
Los primeros, los censos, abarcan todo el espacio muestral que se quiere estudiar en
un momento dado. Las Estadsticas observan de forma dinmica la evolucin de un
determinado fenmeno en periodos sucesivos de tiempo. Las encuestas tiene un carcter
peculiar. Se realizan sobre muestras tomadas de colectivos, la cual se considera
representativa. Esto da lugar a un nuevo problema y es determinar si la muestra es
representativa. Aparece as la Teora del Muestreo.



9/12
4.2. Elaboracin de Datos.
Una vez obtenidos los datos hay que depurarlos. Despus hay que darles forma y
estudiar la manera ms conveniente de presentarlos, llevarlos a una escala que resulte
adecuada, tabularlos y agruparlos.
4.3. Reduccin de los Datos.
En el proceso de reduccin de los datos, nos vemos obligados a sacrificar elementos
informativos a cambio de obtener mayor claridad y flexibilidad, algo necesario para el
posterior tratamiento de los mismos. Esta fase dota de consistencia a los datos. Estamos
ya en situacin de calcular valores centrales, de dispersin, coeficientes de correlacin,
etc.
Para visualizar mejor los datos, es conveniente incluir grficos, diagramas y
cualquier otro elemento que permita disponer de una idea ms clara sobre la
distribucin.
4.4. Anlisis de los Datos.
En algunos estudios, interpretar los datos que representan la distribucin es
suficiente. En el resto, los cuales son mayora, el objetivo final de la investigacin
estadstica no es nicamente descriptivo. Los datos se consideran como valores
observados de ciertas variables aleatorias, lo cual sugiere buscar un determinado modelo
probabilstico que describa de forma adecuada la distribucin.
Una vez planteada una determinada hiptesis de que la distribucin se ajusta a un
determinado modelo de distribucin probabilstica, hemos de aplicar medidas adecuadas
para comprobar el grado de concordancia o la bondad del ajuste.
En otros muchos casos, deseamos estimar ciertos parmetros desconocidos de la
poblacin a partir de la muestra elegida, como son la media, varianza, cuartiles,
mediana, desviacin tpica, etc. Siempre ser posible si la muestra elegida es aleatoria o
representativa del conjunto de la poblacin.
Vemos por tanto que en cualquiera de estos casos se deben tomar decisiones
estadsticas.
5. TOMA DE DECISIONES.
5.1. Hiptesis Estadsticas.
Llamaremos Decisiones Estadsticas a aquellas decisiones que se tienen que tomar
sobre poblaciones partiendo de la informacin proporcionada por muestras.



10/12
Para poder tomar decisiones de forma adecuada, es conveniente hacer determinadas
suposiciones sobre las poblaciones que se estudian. Llamaremos Hiptesis Estadsticas
a estas conjeturas, las cuales pueden ser ciertas o no serlo.
Las hiptesis pueden no ser ciertas ya que en determinadas situaciones se formulan
con el nico objetivo de poder rechazarlas o invalidarlas. En otras ocasiones, en el caso
de que se quiera decidir si un procedimiento es mejor que otro, se puede formular una
hiptesis que diga que no existe diferencia entre los procedimientos en cuestin. Tales
hiptesis reciben el nombre de hiptesis nulas.
Si dada una hiptesis que suponemos es cierta, encontramos que los resultados
observados son muy distintos de los que cabra esperar segn la hiptesis, podremos
decir que las diferencias observadas son significativas, y estaremos en condiciones de
rechazar la hiptesis.
Diremos que se ha cometido un Error de Tipo I cuando es rechazada una hiptesis
que deba ser aceptada. El Error es de Tipo II si la hiptesis es aceptada cuando tena
que haber sido rechazada.
Todos los ensayos de hiptesis deben ser diseados de forma que se minimicen los
errores de decisin. Lo que sucede es que cuando se intenta disminuir el error de uno de
los tipos se aumenta el otro. La nica forma de disminuir los dos errores es aumentando
la muestra, cosa que a veces no resulta posible.
Llamaremos Nivel de Significacin del Ensayo la probabilidad mxima con la que
en un ensayo de hiptesis se puede cometer un error de tipo I. En la prctica se utilizan
los valores 005 001. As, un nivel de significacin del 5% (005) significa que de
cada 100 ocasiones en las que se rechaza la hiptesis, en cinco de ellas deba ser
aceptada. Existe por tanto un 95% de confianza de que se est tomando la decisin
adecuada.
Existen muchos tipos de ensayos. Comentaremos algunos referentes a la
distribucin normal.
Supongamos que con una cierta hiptesis dada, la distribucin muestral de un
estadstico X es normal con media y desviacin tpica ". entonces, la distribucin de
la variable tipificada
!
#
=
X
Y es una normal tipificada.
Podemos estar con el 95% de confianza de que, si la hiptesis es cierta, el valor de
Y obtenido de una muestra real para el estadstico X se halla entre 196 y 196, ya que
el rea bajo la normal entre estos valores es 095.
Pero resulta que si al elegir una muestra al azar encontramos que Y est fuera del
intervalo [196, 196], entonces Y difiere significativamente de lo es era esperable,
siendo la hiptesis rechazada con un 5% de Nivel de Significacin.



11/12
5.2. Otros Procesos de Decisin.
Veamos un ejemplo para poder introducir de forma sencilla las ideas generales de
otros procesos de decisin.
Un vendedor de revistas hace semanalmente un pedido de revistas, cuyo coste por
unidad es de 25 !y su precio de venta al pblico de 3 !. Cada unidad no vendida en el
da supone una prdida de 005 !. La demanda diaria puede ser 0, 1 2 unidades, pero
no es conocida la ley de probabilidad. El problema est en buscar la decisin ptima con
el criterio de obtener la ganancia mxima. Para esto se tiene el esquema siguiente:
a/b 0 1 2
1 -005 05 05
2 -010 045 1
a indica la variable de decisin o alternativa (unidades encargadas de forma
diaria) y b indica las posibles demandas o estados del ambiente. Los elementos de la
matriz son los resultados (las ganancias).
Es posible elaborar un rbol de decisin (un grafo en rbol). La decisin mejor sera
la que hiciera mxima la esperanza matemtica de la ganancia. As resulta que si los
estados de ambiente son equiprobables, la esperanza valdra en un caso 095/3 y en el
otro 135/3, con lo que debera encargar dos revistas diarias. Pero si no sabemos nada de
dicha probabilidad, tendremos que elegir un criterio diferente. Se entiende as que el
esquema de un proceso de Bayes sea tambin un proceso de toma de decisiones, aunque
el mayor problema es calcular las probabilidades condicionadas que nos encontramos.
5.3. Prediccin.
La palabra prediccin debemos entenderla en un sentido muy amplio, el cual est
relacionado con la posibilidad de responder a preguntas del tipo qu va a ocurrir en
determinadas condiciones? qu medida debemos tomar para obtener un determinado
resultado?.
La prediccin es, por tanto, el fin ltimo de la ciencia. As, una planificacin
racional de un sistema educativo, o de una central telefnica, o de la necesidad de un
hipermercado, requiere de la prediccin.
La fiabilidad de la prediccin que se efecte vendr determinada por la informacin,
si tenemos o no, sobre las distribuciones de probabilidad ajustadas, lo que nos dice que
la toma de decisiones es en s una prediccin.



12/12
BIBLIOGRAFA RECOMENDADA
Iniciacin a la Estadstica. Aut. Sixto Rios. Edit. Paraninfo.
Teora de Probabilidades y Aplicaciones. Aut. Cramer. Edit Aguilar.
Estadstica Terica y Aplicada. Aut. A. Nortes. Edit. PPU



1/16
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 69
LA RESOLUCIN DE PROBLEMAS EN MATEMTICAS. ESTRATEGIAS.
IMPORTANCIA HISTRICA.
1. Introduccin.
2. La Resolucin de Problemas. Estrategias.
2.1. Qu es un Problema?
2.2. El Proceso de Resolucin de un Problema.
2.3. La Resolucin de Problemas como Propuesta Didctica.
3. Importancia Histrica. Algunos Problemas Clsicos.
3.1. Problemas Famosos.
3.2. Problemas sin Solucin.
3.3. Problemas sin Resolver.
3.4. Problemas del Milenio.
Bibliografa Recomendada.



2/16
TEMA 69
LA RESOLUCIN DE PROBLEMAS EN MATEMTICAS. ESTRATEGIAS.
IMPORTANCIA HISTRICA.
1. INTRODUCCIN.
Una de las actividades fundamentales en Matemticas es la resolucin de problemas.
Conviene que distingamos entre ejercicio y problema. Cuando se plantea un ejercicio, se
identifica de inmediato la tcnica que se precisa para resolverlo y, en todo caso, la
dificultad estriba en aplicarla correctamente. En cambio, un problema es una tarea cuyos
trminos y propsitos son globalmente comprensibles por la persona, pero no se sabe de
momento como abordar.
As tenemos que, para un alumno de secundaria, calcular el rea de un tringulo
conociendo la base y la altura es un ejercicio, pero determinar cuantos tringulos tienen
1 dm
2
de superficie y representarlos todos, es un problema.
Cuando un problema o una tarea incita a una persona a plantearse nuevas preguntas
sobre el mismo, por ejemplo, si es posible generalizar el resultado, o que pasara si se
modifican las condiciones iniciales del problema, puede decirse que se ha embarcado en
una autntica investigacin.
La resolucin de problemas ayuda a la construccin de conceptos y a establecer
relaciones entre ellos. Pero no se aprende a resolver problemas por el hecho de haber
aprendido determinados conceptos y algunos algoritmos de clculo. Hemos de disponer
de herramientas, tcnicas especficas y pautas generales de resolucin de problemas,
que nos permitan enfrentarnos a ellos sin miedo y con una cierta garanta de xito. La
mejor manera de aprender a resolver problemas eficazmente es resolver una cantidad
suficiente. Este aprendizaje, como cualquier otro, lleva mucho tiempo.
Es importante la reflexin sobre la forma de resolver cada problema; de ser
conscientes de qu estrategia estamos utilizando, sin que esta reflexin se convierta en
un tratamiento sistemtico de las diferentes estrategias.
2. LA RESOLUCIN DE PROBLEMAS. ESTRATEGIAS.
La heurstica o ars inveniendi tena por objeto el estudio de las reglas y de los
mtodos de descubrimiento y de la invencin. La heurstica moderna, inaugurada por
Polya con la publicacin de su obra How to solve it (Polya, 1945), trata de comprender
el mtodo que conduce a la solucin de problemas, en particular las operaciones
tpicamente tiles en este proceso.
2.1. Qu es un problema?
Polya no defini lo que entenda por problema cuando escribi su libro en 1945. Sin
embargo, en su libro Mathematical Discovery (Polya, 1961), se vio obligado a



3/16
proporcionar una definicin. Pero no para empezar su disertacin, sino en el captulo 5,
y despus de una amplia exposicin prctica sobre algunos procesos que intervienen en
la resolucin de problemas: Tener un problema significa buscar de forma consciente
una accin apropiada para lograr un objetivo claramente concebido pero no
alcanzable de forma inmediata.
Otra definicin, parecida a la de Polya es la de Krulik y Rudnik: Un problema es
una situacin, cuantitativa o de otra clase, a la que se enfrenta un individuo o un grupo,
que requiere solucin, y para la cul no se vislumbra un medio o camino aparente y
obvio que conduzca a la misma (Krulik y Rudnik, 1980).
De ambas definiciones se infiere que un problema debe satisfacer los tres requisitos
siguientes:
1) Aceptacin. El individuo o grupo, debe aceptar el problema, debe existir un
compromiso formal, que puede ser debido a motivaciones tanto externas como
internas.
2) Bloqueo. Los intentos iniciales no dan fruto, las tcnicas habituales de abordar el
problema no funcionan.
3) Exploracin. El compromiso personal o del grupo fuerzan la exploracin de nuevos
mtodos para atacar el problema.
Tambin ha existido cierta polmica sobre la diferencia que hay entre un ejercicio o
un autntico problema.
Lo que para algunos es un problema, por falta de conocimientos especficos sobre el
dominio de mtodos o algoritmos de solucin, para los que s los tienen es un ejercicio.
Esta cuestin aunque ha sido planteada en varias ocasiones, no parece un buen camino
para profundizar sobre la resolucin de problemas.
R. Borasi (1986), en uno de los primeros intentos en clarificar la nocin de problema
originada por su inters en mejorar la enseanza de la resolucin de problemas, utiliza
los siguientes elementos estructurales para una tipologa de problemas:
El contexto del problema, la situacin en la cul se enmarca el problema mismo.
La formulacin del problema, definicin explcita de la tarea a realizar.
El conjunto de soluciones que pueden considerarse como aceptables para el
problema.
El mtodo de aproximacin que podra usarse para alcanzar la solucin.
Tales elementos estructurales pueden dar origen a la siguiente clasificacin:
Tipo Contexto Formulacin Soluciones Mtodo
ejercicio inexistente nica y explcita nica y exacta Combinacin de
algoritmos
conocidos
Problema con
texto
Explcito en el
texto
nica y explcita nica y exacta Combinacin de
algoritmos
conocidos



4/16
Puzzle Explcito en el
texto
nica y explcita nica y exacta Elaboracin de
un nuevo
algoritmo
Acto de ingenio.
Prueba de una
conjetura
En el texto y
slo de forma
parcial
nica y explcita Por lo general
nica, pero no
necesariamente
Exploracin del
contexto,
reformulacin,
elaboracin de
nuevos
algoritmos.
Problemas de la
vida real
Slo de forma
parcial en el
texto
Parcialmente
dada.
Algunas
alternativas
posibles.
Muchas posibles,
de forma
aproximada.
Exploracin del
contexto,
reformulacin,
creacin de un
modelo
Situacin
problemtica
Slo parcial en
el texto
Implcita, se
sugieren varias,
problemtica
Varias. Puede
darse una
explcita
Exploracin del
contexto,
reformulacin,
plantear el
problema.
Situacin Slo parcial en
el texto
Inexistente, ni
siquiera
implcita
Creacin del
problema
Formulacin del
problema.
2.2. El proceso de resolucin de un problema.
Para George Polya (1945), la resolucin de un problema consiste, a grandes rasgos,
en cuatro fases bien definidas:
Comprender el problema.
Cul es la incgnita? Cules son los datos?
Concebir un plan.
Se ha encontrado con un problema semejante?
Conoce un problema relacionado con este?
Podra enunciar el problema de otra forma?
Ha empleado todos los datos?
Ejecutar el plan.
Son correctos los pasos dados?
Examinar la solucin obtenida.
Puede verificar el resultado?
Puede verificar el razonamiento?



5/16
Las fases anteriores caracterizan claramente al resolutor ideal, competente. Cada
fase se acompaa de una serie de preguntas, al puro estilo socrtico, cuya intencin
clara es actuar como gua para la accin. Los trabajos de Polya, se pueden considerar
por lo tanto, como un intento de describir la manera de actuar de un resolutor ideal.
Una pregunta, Por qu es tan difcil entonces, para la mayora de los humanos, la
resolucin de problemas en matemticas?
Los trabajos de Schoenfeld (1985), son por otro lado, la bsqueda inagotable de
explicaciones para la conducta de los resolutores reales de problemas. Propone un
marco con cuatro componentes que sirva para el anlisis de la complejidad del
comportamiento en la resolucin de problemas.
Recursos congnitivos: conjunto de hechos y procedimientos a disposicin del
resolutor.
Heursticas: reglas para progresar en situaciones dificultosas.
Control: Aquello que permite un uso eficiente de los recursos disponibles.
Sistema de creencias: Nuestra perspectiva con respecto a la naturaleza de la
matemtica y como trabajar en ella.
Cada uno de tales componentes explica las carencias, y por lo tanto, el poco xito en
la resolucin de problemas de los resolutores reales. As, cuando a pesar de conocer las
heursticas no se sabe cul utilizar o cmo utilizarla se seala la ausencia de un buen
control o gestor de los recursos disponibles. Pero las heursticas y un buen control no
son suficientes, pues puede que el resolutor no conozca un hecho, algoritmo o
procedimiento especfico del dominio matemtico del problema en cuestin. En este
caso se seala la carencia de recursos cognitivos como explicacin al intento fallido en
la resolucin.
Por otro lado, puede que todo lo anterior est presente en la mente del resolutor,
pero sus creencias de lo que es resolver problemas en matemticas o de la propia
concepcin sobre la matemtica haga que no progrese en la resolucin. La explicacin,
para este fallo, la contempla Schoenfeld en el cuarto elemento del marco terico, las
creencias.
Por ltimo estn las heursticas. La mayor parte de las veces se carece de ellas. Se
dispone de conocimientos especficos del tema o dominio matemtico del problema,
incluso de un buen control pero falla el conocimiento de reglas para superar las
dificultades en la tarea de resolucin.
Las heursticas son las operaciones mentales tpicamente tiles en la resolucin de
problemas, son como reglas o modos de comportamiento que favorecen el xito en el
proceso de resolucin, sugerencias generales que ayudan al individuo o grupo a
comprender mejor el problema y a hacer progresos hacia su solucin.
Existe una amplia, posiblemente incompleta, lista de heursticas. Entre las ms
importantes cabra citar:



6/16
Buscar un problema relacionado.
Resolver un problema similar ms sencillo.
Dividir el problema en partes.
Considerar un caso particular.
Hacer una tabla.
Buscar regularidades.
Empezar el problema desde atrs.
Variar las condiciones del problema.
Sin embargo, como bien ha sealado Puig (1996), en la lista anterior aparecen
demasiadas cosas juntas, que son, por otro lado, diferentes si las sometemos a un
detenido anlisis.
Buscar un problema relacionado es una sugerencia heurstica pues se seala una
direccin de trabajo, y sobre todo se recurre a la memoria del resolutor, y no a un
procedimiento concreto para buscar tal problema.
Considerar un caso s se refiere a un procedimiento en concreto que permite, a
partir del problema dado, formular un problema relacionado con l. Puig (1996)
denomina a este tipo de procedimientos, independientes del contenido y que permiten
transformar el problema dado en otro, con el nombre de herramientas heursticas. (Tal
observacin parte de una nota marginal de Polya (Polya, 1962, vol 2. p.84))
Por ltimo, hacer una tabla se podra considerar como una destreza al no poseer el
carcter de transformar el problema ni al recurso de la memoria como en el caso de las
sugerencias heursticas.
La caracterstica ms importante del proceso de resolucin de un problema es que,
por lo general, no es un proceso paso-a-paso sino ms bien un proceso titubeante.
En el proceso de resolucin, Schoenfeld ha sealado que tan importante como las
heursticas es el control de tal proceso, a travs de decisiones ejecutivas. Tales
decisiones son acerca de qu hacer en un problema. La caracterstica ms importante
que define a las decisiones ejecutivas y a las acciones de control, es que tienen
consecuencias globales para la evolucin del proceso de resolucin de un problema.
Las decisiones ejecutivas determinan la eficiencia de los conocimientos y recursos
de todo tipo puestos en servicio para la resolucin del problema.
Son decisiones ejecutivas:
Hacer un plan.
Seleccionar objetivos centrales y subobjetivos.
Buscar los recursos conceptuales y heursticos que parecen adecuados para el
problema.
Evaluar el proceso de resolucin a medida que evoluciona.
Revisar o abandonar planes cuando su evaluacin indica que hay que hacerlo.



7/16
Las anteriores son decisiones ejecutivas tal y como se usa ese trmino en
Inteligencia Artificial, son equivalentes a las decisiones de gestin en el campo de los
negocios, o decisiones de tctica y estrategia en el campo militar. El trmino
metacognicin se ha usado en la literatura psicolgica en la discusin de fenmenos
relacionados con el que aqu tratamos.
Son por tanto, decisiones acerca de qu caminos tomar, pero tambin acerca de qu
caminos no tomar.
Cuanto ms precisas sean las respuestas a las preguntas:
Qu estoy haciendo?
Por qu lo hago?
Para qu lo hago?
Cmo lo usar despus?
mejor ser el control global que se tenga sobre el problema y sobre las decisiones que
conducen a su solucin.
La ausencia de decisiones ejecutivas y de control suele tener efectos desastrosos en
el proceso de resolucin de un problema. La mayor parte de las veces en que se fracasa
en la resolucin de un problema es debido a que, la persona que afronta el problema, no
dispone de un plan de solucin.
Pero hay otras actitudes que imposibilitan la toma de buenas decisiones durante la
fase de resolucin. Entre ellas cabe destacar:
Inflexibilidad para considerar alternativas.
Cuando una y otra vez fallan los procedimientos empleados no hay ms salida que
cambiar de perspectiva para salir del bloqueo.
Rigidez en la ejecucin de procedimientos.
Ms de una vez intentaremos encajar un procedimiento conocido en una situacin en
la que no es aplicable. Nuestra obstinacin es debida al simple hecho de que nos parece
apropiado a primera vista, o porque la situacin, aunque distinta, se parece a aquella en
que el procedimiento fue eficaz.
Incapacidad de anticipar las consecuencias de una accin.
Al respecto cabe hacerse siempre la siguiente pregunta antes de ejecutar una accin
pensada: Cuando haya ejecutado lo que pienso qu consecuencias tendr para la
resolucin del problema ?
El efecto "tnel".
Se produce cuando la ejecucin de una tarea es tan absorbente que no hay energas
disponibles para la evaluacin de lo que se esta realizando. Suele darse ms fcilmente
cuanto ms embebido se est en la ejecucin de una accin.



8/16
Miguel de Guzmn partiendo de las ideas de Polya, Mason et al. (Mason, Burton y
Stacey, 1988) y de los trabajos de Schoenfeld ha elaborado un modelo para la ocupacin
con problemas, donde se incluyen tanto las decisiones ejecutivas y de control como las
heursticas. La finalidad de tal modelo es que la persona examine y remodele sus
propios mtodos de pensamiento de forma sistemtica a fin de eliminar obstculos y de
llegar a establecer hbitos mentales eficaces, en otras palabras, lo que Polya denomin
como pensamiento productivo.
Un modelo para la ocupacin con problema (Miguel de Guzmn, 1991, p.80)
Familiarzate con el problema
Trata de entender a fondo la situacin
Con paz, con tranquilidad a tu ritmo
Juega con la situacin, enmrcala, trata de determinar el aire del problema,
pirdele el miedo
Bsqueda de estrategias
Empieza por lo fcil
Experimenta
Hazte un esquema, una figura, un diagrama
Escoge un lenguaje adecuado, una notacin apropiada
Busca un problema semejante
Induccin
Supongamos el problema resuelto
Supongamos que no
Lleva adelante tu estrategia
Selecciona y lleva adelante las mejores ideas que se te han ocurrido en la fase
anterior
Acta con flexibilidad. No te arrugues fcilmente. No te emperres en una idea.
Si las cosas se complican demasiado hay otra va.
Sali? Seguro? Mira a fondo tu solucin.
Revisa el proceso y saca consecuencias de l.
Examina a fondo el camino que has seguido. Cmo has llegado a la solucin?
O bien, por qu no llegaste?
Trata de entender no slo que la cosa funciona, sino por qu funciona.
Mira si encuentras un camino ms simple
Mira hasta dnde llega el mtodo
Reflexiona sobre tu propio proceso de pensamiento y saca consecuencias para el
futuro



9/16
2.3. La resolucin de problemas como propuesta didctica.
El National Council of Teachers of Mathematics (NCTM) propuso para la dcada de
los pasados ochenta la resolucin de problemas como eslogan educativo de la
matemtica escolar: En la enseanza de las matemticas escolares se debe poner el
enfoque en la resolucin de problemas.
Qu significa poner el enfoque en la resolucin de problemas?
Cabe al menos tres interpretaciones:
Ensear para resolver problemas
Proponer a los alumnos ms problemas.
Emplear aplicaciones de los problemas a la vida diaria y a las ciencias.
No proponer slo ejercicios sino tambin problemas genuinos que promuevan la
bsqueda, la investigacin por los alumnos.
Ensear sobre la resolucin de problemas
Enseanza de la heurstica. El objetivo es que los alumnos lleguen a aprender y a
utilizar estrategias para la resolucin de problemas.
Dentro de esta tendencia hay ejemplos en los mismos trabajos citados anteriormente.
Sin embargo, parece ser que las destrezas heursticas son las ms apropiadas para tal
fin.
Ensear va la resolucin de problemas
Ensear la matemtica a travs de problemas.
En un seminario celebrado en La Laguna en 1982 e impartido por el profesor Gaulin
(M. Fernndez 1982), al ser preguntados por objetivos de la resolucin de problemas,
los profesores asistentes enumeran los siguientes:
Desarrollo de la capacidad de razonamiento
Aplicacin de la teora previamente expuesta.
Resolucin de cuestiones que la vida diaria plantea.
La primera propuesta, aunque durante mucho tiempo fue un argumento aceptado
generalmente sobre las virtudes de la educacin matemtica, con el paso del tiempo se
ha convertido en un mito. Las dos ltimas caen dentro de la primera interpretacin
anterior. En el mismo artculo, el autor M. Fernndez que actu como informador del
seminario, concluye con la siguiente redaccin: Al final, parecindome que el profesor
buscaba algo ms, me aventur a indicar lo que creo suele olvidarse: la propuesta de
problemas con el fin de elaborar una teora, esto es, para explorar y aprender nuevos
conceptos. En efecto, coment, pese a ser eminentemente formativa, no es frecuente que
se tenga en cuenta por el profesorado.



10/16
Esta es claramente la interpretacin tercera de las enumeradas ms arriba. Sin
embargo, el comentario del Profesor Gaulin deja las cosas de nuevo en su sitio. Por
qu no se tiene en cuenta por el profesorado?
3. IMPORTANCIA HISTRICA. ALGUNOS PROBLEMAS CLSICOS.
La resolucin de problemas ha sido, es y ser, el autntico motor de las
matemticas. Una vez que un problema era resuelto, surgan otros nuevos, los cuales
constituan nuevos retos para las hornadas de matemticos. Sin embargo, podemos
encontrar en la historia de las matemticas unos cuantos problemas, de enunciado y
propsito sencillo, que se pueden considerar universales. Muchos de ellos fascinaron en
su infancia a muchos grandes matemticos, segn han confesado despus ellos mismos.
El problema de los matemticos no es inventar nuevas ramas de forma gratuita. Se
inventan para resolver problemas a veces propuestos siglos antes.
3.1. Problemas Famosos.
3.1.1. Los puentes de Kninsberg.
En la ciudad de Kninsberg (ahora se llama Kaliningrado) (donde naci Kant y Hilbert)
hay una isla, Kneihof, rodeada por dos brazos del ro Pregel. Hay siete puentes que lo
cruzan. Puede una persona realizar un paseo de modo que cruce cada uno de los
puentes una sola vez?
Solucin: Euler demostr que no se puede hacer.
3.1.2. Problema de Teofrasto
Teofrasto fue a ver a Aristoteles, para hablar sobre la clasificacin de las plantas.
Llevaba a su perro, un mastn, atado con una cuerda de longitud L. Cuando lleg, at la
cuerda con un nudo corredizo, alrededor de una columna de radio R.
El perro, al que no le gustaba estar atado, tension la cuerda, y la cuerda se rompi.
Hallar a que distancia del perro estaba el nudo corredizo cuando se rompi la cuerda.
Solucin:



11/16
Sea y la distancia entre el perro y el nudo corredizo, x, la distancia entre el nudo
corredizo y el punto en que la cuerda toca a la columna y a el ngulo que forma la
cuerda con el eje de abscisas en C (el nudo).
La longitud de la cuerda es L = y + AC + AB + BC
La cuerda es tangente a la circunferencia en A y en B, por lo tanto el ngulo que
forma la cuerda con el radio ser de 90.
Como se puede ver en el dibujo el ngulo en O correspondiente al arco de
circunferencia en contacto con la cuerda es p + 2a, luego la longitud de la cuerda en
contacto con la columna es (p + 2a)R.
Entonces L = y + 2x + (p + 2a)R
y = L - 2x - (p> + 2a)R
tg a = R/x
a = arctg R/x
y = L - 2x - p R - 2R arctg R/x
Obteniendo el mximo de esta funcin se resolvera el problema.
3.1.3. Coloreando los mapas.
Demostrar que para colorear un mapa, de forma que pases con frontera comn se
pinten con colores distintos, slo se necesitan cuatro colores.
Este problema fue propuesto a Augustus de Morgan por un antiguo alumno suyo,
Francis Guthrie. El profesor no fue capaz de resolverlo y se lo envi a Hamilton en una
carta de fecha 23 de octubre de 1852.
El problema ha resistido los embates de muchos matemticos. En 1976 Kenneth
Apel y Wolfgang Haken, de la Universidad de Urbana (Illinois) dieron una
demostracin con ordenador pero no existe ninguna demostracin matemtica.



12/16
3.2. Problemas sin Solucin.
3.2.1. Problema Dlico o Duplicacin del Cubo.
Dado un cubo cuya arista tiene longitud 1 se pide construir un cubo de volumen
doble, utilizando regla (una regla sin marcas) y comps.
El nombre del problema se debe a que en Delfos (una isla griega) haba un templo
que era famoso por sus orculos. Un rey acudi al templo para que le hiciesen un
orculo (adivinar el porvenir) y despus de hacrselo le dijo a la sacerdotisa que le
pidiese lo que quisiera. La sacerdotisa le pidi que construyese un altar del doble de
volumen que el que tena.
Se trata de calcular, con regla y comps un nmero que sea igual a la raz cbica de
2. La solucin es un nmero irracional y con regla y comps slo se pueden obtener
nmeros fraccionarios, por lo tanto es imposible.
Tendramos que resolver la ecuacin x
3
= 2. No existe ningn nmero fraccionario
que elevado al cubo d 2.
3.2.2. Triseccin de un ngulo.
Dado un ngulo alfa, se trata de dividirlo en tres partes iguales, utilizando regla y
comps.
La triseccin de un ngulo es equivalente a la resolucin de la ecuacin de tercer
grado cos 3x = 4 (cos x)
3
- 3 cos x.
Descartes resolvi este problema utilizando un comps como el de la figura
Las barras de colores rojo y azul estn fijas en su extremo ms cercano al vrtice en
un punto situado a la misma distancia en los cuatro brazos del comps. El otro extremo
de las barras de colores se puede deslizar solidariamente con la barra compaera.
3.2.3. Rectificacin de una circunferencia.
Dada una circunferencia de radio R, se trata de construir, con regla y comps, un
segmento de longitud igual a la circunferencia.



13/16
3.2.4. Cuadratura del crculo.
Dado un crculo de radio R, se trata de construir, utilizando regla y comps, un
cuadrado de igual superficie.
Sea L el lado del cuadrado. Tendramos L
2
= p R
2
Resulta que Lindemann demostr que p no es solucin de ningn polinomio.
El primero que intent resolver este problema fue Anaxgoras, mientras estaba en la
crcel como prisionero poltico (fue liberado gracias a la intervencin de Pericles, de
quien haba sido profesor). Dicen que llen las paredes de la celda con los clculos.
3.2.5. Construccin de n-gonos regulares.
Dado un crculo de radio R, se pide construir un n-gono (un polgono de n lados)
regular inscrito en l.
Este problema slo tiene solucin si n tiene la forma 2
k
+1.
3.3. Problemas de Nmeros.
a) Existe una cantidad infinita de nmeros perfectos?
Nmeros perfectos son nmeros cuya suma de divisores suman el nmero (p.e 6)
b) Existe una cantidad infinita de nmeros primos gemelos?
Los primos gemelos son parejas de nmeros primos que estn separados por un solo
nmero (p.e 5,7, 17 y 19)
c) Demostrar que todos los nmeros pares > 4 se pueden obtener como suma de dos
primos.
Este problema se llama la conjetura de Goldbach. Goldbach era un matemtico, que
fue tutor del zar Pedro II. Goldabach plante este problema a Euler y no fue capaz de
resolverlo.
d) Demostrar que todos los nmeros impares > 9 se pueden obtener como suma de tres
primos.
Este problema se llama la conjetura de Goldbach. Goldbach era un matemtico, que
fue tutor del zar Pedro II. Goldabach plante este problema a Euler y no fue capaz de
resolverlo.



14/16
3.4. Problemas del Milenio.
3.4.1. P contra NP.
Stephen Cook y Leonid Levin formularon este problema independientemente en
1971.
Stephen Cook lo explic con un ejemplo semejante a ste. Usted llega a una fiesta,
el saln est lleno de gente y se pregunta si conoce a alguna persona de la fiesta. Se lo
pregunta al anfitrin y este le dice que usted conoce a la persona que est en la ventana.
Inmediatamente usted ratifica lo dicho por el anfitrin (es fcil comprobarlo). Sin
embargo, si no tuviese esta ayuda , tendra que examinar una a una a toda la gente y
determinar si la conoce. Tardara mucho tiempo en hacer esta operacin.
La explicacin de las siglas P y NP se refieren a los tiempos "polinmico" y
"polinmico no determinista".
3.4.2. La conjetura de Hodge.
Durante el siglo XX, los matemticos descubrieron formas de investigar las formas
de objetos complicados. La idea bsica es preguntar en qu medida podemos aproximar
la forma de un objeto dado uniendo formas geomtricas simples.
La conjetura de Hodge dice que para un tipo particular de formas, llamadas
variedades algebraicas proyectivas, las formas llamadas ciclos de Hodge son
combinaciones de formas geomtricas llamadas ciclos algebraicos.
3.4.3. La conjetura de Poincar.
Henri Poincar era el rival francs del alemn Hilbert.
Poincar lleg a unas conclusiones sobre las esferas en el espacio de tres
dimensiones que, posteriormente, han resultado imposible trasladar al espacio de cuatro
dimensiones. Esta incgnita result ser extraordinariamente difcil en el momento de su
planteamiento y los matemticos siguen hoy luchando por darle una solucin.
3.4.4. La hiptesis de Riemann.
Los nmeros primos han trado de cabeza a los matemticos desde los inicios de las
matemticas.
Uno de los temas que se resiste es la distribucin de los nmeros primos (no parece
seguir ningn patrn regular). El matemtico alemn Georg Riemann propuso en el
siglo XIX, que su frecuencia est ntimamente relacionada con el comportamiento de
una funcin matemtica llamada funcin Zeta. La hiptesis de Riemann se ha
confirmado en muchos casos, pero todava no existe una demostracin general.



15/16
ste es el nico de los siete problemas que estaba en la lista de 1900 de Hilbert.
3.4.5. La teora de Yang-Mills.
Hace casi una centuria, los fsicos Yang y Mills descubrieron ciertas relaciones entre
la geometra y las ecuaciones de la fsica de partculas que, ms tarde, resultaron de gran
utilidad para unificar tres interacciones fundamentales de la materia en una sola teora.
A pesar de ello, no se conocen soluciones compatibles con la mecnica cuntica de las
soluciones de Yang y Mills. El progreso de este problema requerir la introduccin de
nuevas ideas fundamentales en la fsica y en matemticas.
3.4.6. Las ecuaciones de Navier-Stokes.
Las ecuaciones de Navier-Stokes describen el comportamiento de los fluidos,
cuando se mueven en movimiento turbulento.
A pesar que las ecuaciones se escribieron en el siglo XIX nadie ha sabido
resolverlas hasta el momento.
3.4.7. La conjetura de Birch y Swinnerton-Dyer.
El dcimo problema planteado por Hilbert en 1900 en Pars, planteaba si exista
algn mtodo para saber si las ecuaciones x
n
+ y
n
= z
n
tienen soluciones que sean
nmeros enteros. El matemtico Yu Matiyasevich demostr, en 1970, que no haba
ningn mtodo general, pero Birch y Swinnerton-Dyer propusieron algunos mtodos
parciales que, todava hoy, no se han demostrado.



16/16
BIBLIOGRAFA RECOMENDADA.
Pensar Matemticamente. Aut. Mason, Burton y Stacey. edit. MEC Labor
Cmo plantear y resolver problemas. Aut.: Polya. Edit.:Trillas, Mexico
Elementos de Resolucin de Problemas. Aut.: L. Puig. Edit.: Comares



1/19
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 70
LGICA PROPOSICIONAL. EJEMPLOS Y APLICACIONES AL
RAZONAMIENTO MATEMTICO.
1. Introduccin.
2. El Lenguaje para la Lgica de Proposiciones.
2.1. Sintaxis.
2.1.1. Reglas de Formacin.
2.1.2. Conectivas.
2.2. Semntica.
2.2.1. Tablas de Verdad.
2.2.2. Equivalencia.
2.2.3. Tautologas y Contradicciones.
3. Validacin de Sentencias Proposicionales.
4. Leyes de la Lgica de Proposiciones.
5. Sistema Axiomtico del Clculo de Proposiciones.
6. Sistema Inferencial del Clculo de Proposiciones.
6.1. Reglas de Inferencia.
6.2. Proceso de Inferencia.
7. La Demostracin en Matemticas.
7.1. Demostraciones Directas.
7.2. Demostraciones Indirectas.
7.3. Demostraciones por Recurrencia o Induccin Completa.
8. lgebra de Boole de las Proposiciones.
Bibliografa Recomendada.



2/19
TEMA 70
LGICA PROPOSICIONAL. EJEMPLOS Y APLICACIONES AL
RAZONAMIENTO MATEMTICO.
1. INTRODUCCIN.
La Lgica es una ciencia que trata de ser la teora formal del razonamiento, por ello
es una herramienta muy importante para el anlisis de argumentos. Segn la Academia
de la Lengua, la Lgica es la disciplina que estudia la estructura, fundamento y uso de
las expresiones del conocimiento humano.
Otra cuestin a tener en cuenta en el estudio de la Lgica es su relacin con la
Teora de Conjuntos. Conocida es la posibilidad de establecer un isomorfismo entre sta
y una gran parte de aquella, lo que nos garantiza que muchos teoremas, en cualquiera de
las dos teoras, tiene su contrapartida en la otra. Este hecho hace que sea posible la
explicacin de las dos de manera anloga y simultnea.
La Lgica pretende ser una ciencia y por ello tener capacidad de realizar
operaciones o clculos de modo preciso. Para conseguirlo se requiere la confeccin de
un lenguaje artificial que, contando con reglas explcitas, permita usar componentes y
combinarlos para formar enunciados.
Una primera rea del estudio de la lgica es la lgica de proposiciones, que trata de
las combinaciones de variables en proposiciones arbitrarias. Estas variables se llaman
variables lgicas o proposicionales. Estas variables pueden asumir los dos valores de la
lgica clsica, los de verdad o falsedad. En lgica de proposiciones se pueden producir
nuevas proposiciones aplicando las frmulas lgicas a las proposiciones existentes. El
inters de la lgica de proposiciones est en el estudio de estas reglas qe permiten
producir nuevas variables y proposiciones en funcin de otras ya conocidas.
2. EL LENGUAJE PARA LA LOGICA DE PROPOSICIONES.
Vamos a definir un lenguaje que nos permita representar las frmulas sentenciales
para su estudio. Esto supone definir los smbolos que utilizaremos y las reglas de cmo
utilizar estos smbolos para formar frmulas sentenciales correctas, es decir, la sintaxis
de nuestro lenguaje, as como la semntica, asignacin de un significado lgico a las
sentencias.
En la lgica de proposiciones los enunciados declarativos del tipo:
Est lloviendo
Antonio corre
Clara aprueba
pueden ser verdaderos o falsos, pero no las dos cosas a la vez.



3/19
DEF Llamaremos proposicin a un enunciado declarativo que puede ser verdadero o
falso pero no ambas cosas a la vez.
2.1. Sintaxis.
El primer paso en el estudio de un lenguaje es definir los smbolos bsicos que lo
constituyen, el alfabeto, y cmo se combinan para formar sentencias, es decir, la
sintaxis o estudio de los signos como puras y simples figuras, independientemente de lo
que designan y significan, y las relaciones de los signos entre s.
El alfabeto con el que vamos a trabajar es el siguiente:
Los smbolos de Verdadero, V 1, y Falso, F 0.
Los smbolos que representan variables proposicionales, p, q, r, s, ...
Los smbolos que representan las conjunciones y/o los adverbios, que en lgica
denominaremos conectivas, tales como no, y, o, o..o..., si...entonces...,
si y solo si, y que son representadas mediante , !, ", #, $, %.
Los smbolos de puntuacin como (, ), utilizados para evitar ambigedades.
La conectiva es unitaria, pues slo acta sobre un operando, el cual se coloca
detrs de la conectiva. El resto de las conectivas son binarias, pues operan sobre dos
operandos.
2.1.1. Reglas de Formacin.
Una secuencia finita de smbolos de variables proposicionales, conectivas y
parntesis forman una frmula sentencial. Por ejemplo:
) " p $ (
p ! ( q " r ) $ s
son frmulas sentenciales. Aunque la nica que significa algo es la segunda, por lo tanto
slo esta expresin es una sentencia.
Diremos que la segunda expresin es una frmula sentencial bien formada (o
smplemente fbf), mientras que la primera es una frmula sentencial mal formada. La
diferencia entre ambas es sintctica, siendo la segunda la nica que puede tener
significado.
Para poder obtener frmulas bien formadas, hemos de tener en cuenta las llamadas
reglas de formacin. Son tres:
1) Una variable proposicional es una fbf.
2) Una fbf precedida de la negacin () es una fbf.
3) Dos fbf unida por una conectiva binaria constituye una fbf.
Ejemplos de fbf es
p ; p ; (p!q) ; [p"(q%p)]



4/19
Las reglas de formacin se pueden relajar para facilitar la lectura y la escritura. As
tenemos:
Se pueden omitir los parntesis que encierran una sentencia completa.
El estilo tipogrfico de los parntesis se puede variar para hacerlos ms
evidentes.
A las conjunciones y disyunciones se les puede permitir tener ms de dos
argumentos: p!q!r.
2.1.2. Conectivas.
Las conectivas las dividimos en conectivas singulares y binarias, dependiendo de
que se apliquen a una nica sentencia o a dos.
a) Negacin.
Es la nica conectiva singular. La simbolizamos por medio de precediendo a la
variable proposicional o sentencia que niegue.
b) Conjuncin.
La conectiva y la simbolizamos con el signo ! insertado entre dos variables
proposicionales o sentencias, de la forma p!q, leyndose p y q.
c) Disyuncin.
A la conectiva o se le dan dos sentidos, los cuales quedan reflejados en el lenguaje
ordinario cuando se distingue entre o y o...o.... El primero corresponde a o bien p, o
bien q, o ambas. Es la llamada disyuncin inclusiva. El segundo corresponde a o bien
p o bien q, pero no ambas. Es la disyuncin exclusiva.
La disyuncin inclusiva la simbolizamos por el smbolo " insertado entre las dos
sentencias, p"q, leyndose p o q.
La disyuncin exclusiva la simbolizamos con el signo #, insertado entre dos
sentencias, p#q, y se lee o p o q
d) Condicional.
La conectiva si...entonces... la simbolizamos mediante $ insertado entre dos
sentencias, p$q, y se lee si p entonces q.
La primera sentencia del condicional, p, recibe el nombre de antecedente. La
segunda, q, consecuente.
Hemos de advertir que no debemos de confundir el condicional con la implicacin.



5/19
e) Bicondicional.
El bicondicional o conectiva ...si y slo si... se simboliza mediante %.
2.2. Semntica.
Hasta ahora hemos presentado la sintaxis o forma de las sentencias de la lgica
proposicional. Ahora, le vamos a asignar a cada sentencia un valor de verdad, V si es
verdadera y F si es falsa.
La asignacin de unos valores concretos de verdad a cada variable proposicional y a
cada sentencia corresponde a una interpretacin. Hemos de tener en cuenta que a todas
las ocurrencias de una variable proposicional se les asigna el mismo valor dado por la
interpretacin.
2.2.1. Tablas de Verdad.
Dada una interpretacin para una sentencia, podemos determinar su valor de verdad
bajo esta interpretacin aplicando ciertas reglas que dan significado a las conectivas que
la constituyen. Para ello partiremos del principio de que el valor de verdad de cualquier
sentencia est determinado por los valores de verdad de cada variable proposicional que
la compone.
Para determinar el valor de verdad de una sentencia para una interpretacin
determinada, nos podemos ayudar de las denominadas tablas de verdad.
La Tabla de Verdad de una sentencia es una tabla en la que se presentan todas las
posibles interpretaciones de las variables proposicionales que constituyen la sentencia y
el valor de verdad de la sentencia para cada interpretacin. Corresponden a un modo
mecnico de determinar la verdad o falsedad de una sentencia dada una interpretacin
de las variables proposicionales que la constituyen.
En la tabla siguiente resumimos las seis tablas de verdad de las seis conectivas vistas
p q
p p! ! q p" " q p# #q p$ $q p% %q
V V F V V F V V
V F F F V V F F
F V V F V V V F
F F V F F F V V
Cada una de las filas de esta tabla corresponde a una interpretacin de las variables
proposicionales p y q.
Las tablas de verdad no se confinan slo a la expuesta anteriormente, sino que se
hacen tablas de verdad para comprobar mecnicamente los valores de verdad de
cualquier sentencia. Por ejemplo, la sentencia
( p $ q ) $ ( ( p ) $ ( q ) )



6/19
tendr cuatro posibles interpretaciones. Para construir la tabla de verdad, en las
columnas de la izquierda ponemos los valores de verdad de p y q para cada una de las
cuatro posibles interpretaciones. Para cada una de dichas interpretaciones, vamos
poniendo en columnas sucesivas los valores de verdad de cada una de las subsentencias
que la constituyen. La ltima columna de la derecha tendr los valores de verdad de la
sentencia en su conjunto.
p q p$ $q p q ( p)$ $( q) Sentencia
V V V F F V V
V F F F V V V
F V V V F F F
F F V V V V V
Tambin se pueden construir tablas de verdad para sentencias que contengan ms de
dos variables proposicionales. Slo hemos de tener en cuenta que tendremos 2
n
interpretaciones, siendo n el nmero de variables proposicionales de la sentencia.
2.2.2. Equivalencia.
DEF Diremos que dos sentencias son Equivalentes si tienen los mismos valores de
verdad para cualquier interpretacin, es decir, si sus tablas de verdad son iguales.
La equivalencia la representaremos mediante el smbolo &
PROP La relacin anterior definida entre dos sentencias verifica las propiedades
Reflexiva, Simtrica y Transitiva, siendo una relacin de Equivalencia.
Esta relacin de equivalencia permitir catalogar todas las sentencias en clases de
equivalencia. As, para todo el conjunto infinito de sentencias con dos variables
proposicionales, su tabla de verdad corresponder a una de las diecisis clases de
equivalencia que existen para ese tipo de sentencias.
2.2.3. Tautologas y Contradicciones.
Cada una de las clases de equivalencia que surgen de la relacin anterior pueden
contener valores verdaderos y falsos, slo verdaderos o slo falsos.
DEF Diremos que una sentencia es indeterminada si tiene interpretaciones verdaderas
para unos casos y falsas para otros.
Por ejemplo, la sentencia p"q es indeterminada, ya que su valor final depende de
que interpretacin le demos a p y a q.
DEF Diremos que una sentencia es una tautologa si todas sus interpretaciones son
verdaderas.
Son tautologas las sentencias p"(p) ( ( p $ q ) ! ( q $ r ) ) $ ( p $ r )
cuya demostracin dejamos como ejercicio.



7/19
DEF Diremos que una sentencia es una Contradiccin si todas sus interpretaciones
son falsas.
Ejemplos de contradicciones son p ! ( p ) [ ( p ! q ) $ p ]
3. VALIDACIN DE SENTENCIAS PROPOSICIONALES.
Un problema importante para cualquier sistema lgico es el problema de encontrar
un procedimiento efectivo para verificar la validez o tautologa de una sentencia bien
formada. Procedimiento que no es posible para todos los sistemas lgicos.
El problema de encontrar un procedimiento de validacin de las sentencias bien
formadas se denomina Problema de Decisin.
Para los sistemas en que se puede encontrar un procedimiento de decisin, se dice
que el problema es Resoluble y el sistema Decidible. Para los sistemas en que no se
puede encontrar un procedimiento de decisin se dice que el problema de decisin es
Irresoluble y el sistema es Indecidible.
La lgica de proposiciones es un sistema decidible. De hecho se conocen varios
procedimientos de decisin, entre los que podemos destacar
Validacin mediante tablas de verdad
rboles Semnticos.
Refutacin.
El ltimo de los procedimientos es muy conocido en matemticas, pues consiste en
suponer falsa la sentencia a validar, y ver si ello supone una contradiccin.
4. LEYES DE LA LGICA DE PROPOSICIONES.
Existen un nmero infinito de Tautologas. Ahora bien, del infinito nmero de
tautologas posibles, hay algunas que son especialmente tiles para los procesos de
deduccin. stas las agruparemos por afinidad y les damos el nombre de leyes o
teoremas.
1) Ley de identidad:
p$p
p%p
indica que cualquier sentencia es equivalente a ella misma.
2) Ley de la doble negacin:
p%p
indica la equivalencia entre una sentencia y la negacin de su negacin.



8/19
3) Ley del tercio excluso:
p"p
indica que siempre se verifica una sentencia o su negacin.
4) Ley de contradiccin:
(p!p)
es la contraposicin a la anterior, nunca se puede verificar a la vez una sentencia y su
negacin.
5) Leyes de Morgan:
(p!q)%(p"q)
(p"q)%(p!q)
Estas leyes fueron conocidas por Occam e indican que la negacin de una conjuncin se
puede transformar en una disyuncin de negaciones, y que la negacin se puede
transformar en una conjuncin de negaciones.
6) Ley de reduccin al absurdo:
(p$(q!q))%p
utilizada para demostrar una conclusin partiendo de la negacin de la misma.
7) Leyes de conmutacin:
(p"q)%(q"p)
(p!q)%(q!p)
(p%q)%(q%p)
indican que los trminos de conjunciones, disyunciones y bicondicionales se pueden
conmutar.
8) Leyes de asociacin:
((p!q)!r)%(p!(q!r))
((p"q)" r)%(p" (q"r))
((p%q)% r)%(p% (q%r))
indican que los trminos de conjunciones, disyunciones y bicondicionales se pueden
agrupar como se quiera.
9) Leyes de transposicin:
(p$q)%(q$p)
(p%q)%(q%p)
indican que los trminos de un condicional y de un bicondicional se pueden
intercambiar si se les hace preceder de la negacin.
10) Leyes distributivas:
(p!(q"r))%((p!q)"(p!r))



9/19
(p"(q!r))%((p"q)! (p"r))
(p$(q!r))%((p$q)! (p$r))
(p$ (q"r))%((p$q)"(p$r))
indican que una conjuncin se puede distribuir en una disyuncin; que una disyuncin
se puede distribuir en una conjuncin; y que un condicional se puede distribuir tanto en
una conjuncin como en una disyuncin.
11) Ley de permutacin:
(p$(q$r))%(q$ (p$r))
indica que el antecedente del consecuente de un condicional se puede intercambiar por
el antecedente.
12) Ley del silogismo:
(p$q)$((q$r)$(p$r))
13) Silogismo hipottico o transitividad:
((p$q)!(q$r))$(p$r)
((p%q)!(q%r))$(p%r)
muestra la transitividad del condicional.
14) Leyes de inferencia de la alternativa o de los silogismos disyuntivos:
[p!(p"q)]$q
[p!(p"q)]$q
15) Ley del dilema constructivo:
[(p"q)!(p$r)!(q$r)]$r
16) Segunda ley del dilema constructivo:
[((p$q)!(r$s))!(p"r)]$(q"s)
17) Ley del dilema destructivo:
[(p"q)!(r$p)!(s$q)]$(r"s)
las tres ltimas leyes (15, 16 y 17), y sobre todo la ley del dilema constructivo, eran
muy usadas en la antigua retrica y todava son muy comunes en las discusiones para
poner al adversario en un aprieto.
18) Ley de exportacin:
[(p!q)$r]%[p$(q$r)]



10/19
indica que una parte del antecedente de un condicional puede pasar al consecuente
mediante un cambio de conectiva.
19) Ley de resolucin:
[(p"q)!(p"r)]$(q"r)
esta ley nos permite eliminar las sentencias contradictorias. La usaremos para
automatizar el proceso de deduccin.
20) Ley del bicondicional:
(p%q)%[(p$q)!(q$p)]
indica que un bicondicional se puede transformar en un par de condicionales.
21) Condicional-disyuncin:
(p$q)%(p"q)
muestra la equivalencia entre un condicional y una disyuncin.
22) Condicional-conjuncin:
(p$q)%(p!q)
muestra la equivalencia entre un condicional y la negacin de una conjuncin.
23) Leyes de simplificacin:
(p!q)$p
p$(p"q)
indican que una conjuncin implica cualquiera de sus trminos competentes; y que una
disyuncin est implicada por cualquiera de sus trminos componentes.
24) Leyes de expansin:
(p$q)%[p%(p!q)]
(p$q)%[q%(p"q)]
indican que los condicionales se pueden transformar en bicondicionales.
25) Modus ponendo ponens:
[(p$q)!p]$q
segn el cual se puede afirmar el consecuente de un condicional si se afirma su
antecedente.
26) Modus tollendo tollens:
[(p$q)!q]$p
segn el cual se puede negar el antecedente de un condicional si se niega su
consecuente.



11/19
5. SISTEMA AXIOMTICO DEL CLCULO DE PROPOSICIONES.
Podemos formalizar la lgica de proposiciones transformando el lenguaje lgico en
un clculo. Entendemos por Clculo la estructura formal de un lenguaje, abstrayendo el
significado.
Al ser el clculo un sistema de signos no interpretados, su estudio pertenece a la
sintaxis. Cuando se les da un significado a los signos, el clculo se transforma en
lenguaje, y su estudio pertenece a la semntica.
Cuando el clculo se construye sobre la base de unos axiomas, se dice que es clculo
es un Sistema Axiomtico. Axiomas son construcciones que se admiten como
verdaderas en todos los lenguajes que se pueden formalizar a partir de ese clculo.
La idea bsica de construir un sistema axiomtico es elegir como axiomas unas
pocas sentencias bien formadas que junto a unas reglas sirvan de puntos de arranque
para deducir otras sentencias bien formadas, denominadas teoremas o leyes. Tales
reglas son llamadas Reglas de Transformacin. Algunas veces a los teoremas se les
denominan tesis, y otras veces la palabra teorema se usa tanto para los axiomas como
para los teoremas.
Por tanto, para definir un sistema axiomtico tenemos que especificar:
Un Alfabeto.
Un conjunto de reglas de formacin.
Una lista de sentencias bien formadas seleccionadas como axiomas.
Una o ms reglas de transformacin.
En un sistema axiomtico la demostracin de una fbf es una secuencia de fbf, de las
cuales la ltima es la sentencia que queremos demostrar, y cada una de las fbf de la
secuencia es a su vez un axioma o es derivada de algn axioma o teoremas ya
existentes. Una sentencia bien formada (o frmula bien formada, fbf) es un teorema si y
slo si hay una demostracin de la misma en el sistema axiomtico.
Probablemente, el sistema axiomtico mejor conocido en el clculo de
proposiciones es el derivado del Principio Mathematica de Alfred North Whitehead y
Bertrand Russell (1910), denominado PM.
El sistema PM se compone de
Alfabeto.
! Los tomos V y F.
! Los smbolos proposicionales p, q, r, ...
! Los smbolos de conectivas y ".
! Los smbolos ( y ).
Reglas de Formacin
! Un smbolo proposicional es una fbf.
! Dada una fbf, su negacin tambin lo es.
! Dadas dos fbf, su disyuncin tambin lo es.



12/19
Axiomas.
! ( p " p ) $ p
! q $ ( p " q )
! ( p " q ) $ ( q " p )
! ( p $ q ) $ [ ( r " p ) $ ( r " q ) ]
Reglas de Transformacin.
! Regla de Sustitucin (Sust.). El resultado de reemplazar cualquier variable en un
teorema por una sentencia bien formada es un teorema.
! Regla de Separacin. (Sep.) Si S y S$R son teoremas, entonces R es un
teorema.
Tengamos en cuenta que slo utilizamos dos conectivas porque el resto se pueden
poner en funcin de stas segn las siguientes equivalencias, demostrables mediante
tablas de verdad:
p ! q & ( p " q )
p $ q & p " q
p % q & ( p $ q ) ! ( q $ p ) & ( p " q ) ! ( q " p)
p # q & ( p % q )
Relativo a un criterio de validacin, un sistema axiomtico debe cumplir las
siguientes propiedades.
Debe ser lgico o razonable, en el sentido de que todo teorema es una tautologa.
Completo. Toda sentencia bien formada vlida es un teorema y se debe poder
demostrar a partir de los axiomas.
Consistente. No se pueden demostrar como teoremas fbf que no sean
tautologas. As, si una fbf es un teorema, su negacin no lo es.
Por ltimo, los axiomas y las reglas de transformacin deben ser independientes,
es decir, ningn axioma (regla de transformacin) debe ser derivable a partir de
los otros.
Se puede comprobar que el sistema PM, tal y como lo hemos definido, verifica las
propiedades anteriores.
Ejemplo. Demostrar que
( p $ q ) $ [( r $ p ) $ ( r $ q )]
es un teorema del sistema PM.
1 ( p $ q ) $ [ ( r " p ) $ ( r " q ) ] Axioma 4
2 ( p $ q ) $ [ ( r " p ) $ ( r " q ) ] Sustituimos r por r
3 ( p $ q ) $ [ ( r $ p ) $ ( r $ q ) ] Definicin del Condicional
6. SISTEMA INFERENCIAL DEL CLCULO DE PROPOSICIONES.



13/19
La lgica se presenta, muchas veces, como una herramienta para analizar los
procesos de razonamiento del lenguaje ordinario. As, el clculo de proposiciones se
presenta como el Mtodo de Deduccin Natural. El cual consiste en un grupo de reglas
que nos permiten deducir unas conclusiones a partir de unas hiptesis. Esto es lo que
llamamos un sistema inferencial.
En un sistema inferencial llamamos inferencias a los procesos mediante los cuales
obtenemos una conclusin a partir de unas premisas de forma que el razonamiento sea
vlido.
Una regla de inferencia es la declaracin de las condiciones bajo las cuales se puede
hacer una inferencia, as como el resultado de la misma.
Una inferencia que siga las reglas ser una inferencia correcta, mientras que si no las
sigue ser una inferencia incorrecta.
En muchos tratados lgicos podemos encontrar que a la conclusin se la denomina
consecuencia lgica de las premisas.
Formalmente podemos decir que C es una conclusin o consecuencia lgica de las
premisas P
1
, P
2
, P
3
, ..., P
n
si y slo si para cualquier interpretacin I para la que
P
1
!P
2
!P
3
!...!P
n
es verdadera, C tambin es verdadera.
Se puede demostrar que C es una conclusin o consecuencia lgica de las premisas
P
1
, P
2
, P
3
, ..., P
n
si y slo si la sentencia
P
1
!P
2
!P
3
!...!P
n
$ C
es una tautologa. O bien, si y slo si la sentencia
P
1
!P
2
!P
3
!...!P
n
!C
es una contradiccin.
6.1. Reglas de Inferencia.
Podemos considerar tantas reglas de inferencia como leyes del clculo de
proposiciones tengamos, es decir, infinitas, ya que a cada ley le corresponde una regla
de inferencia. Pero aunque sean formas diferentes de decir lo mismo, no hay que
confundirlas. Una ley es una sentencia bien formada que pertenece al lenguaje del
clculo de proposiciones y corresponde al enunciado de una sentencia vlida de
inferencia. Una regla es el enunciado de una instruccin para realizar una inferencia
vlida.
Aunque hay infinitas reglas de inferencia, en los tratados de lgica se presentan
conjuntos seleccionados de reglas como sistemas de deduccin natural.
As, hemos seleccionado las siguientes reglas de inferencia.



14/19
a) Regla de Separacin.
Tambin llamada regla del Modus Ponens y conocida como regla de eliminacin del
condicional. (RE$). Corresponde a la ley del modus ponens y la formulamos de la
siguiente forma:
Si un condicional y su antecedente se toman como premisas, se puede inferir el
consecuente como conclusin
S $ R
S
R
b) Regla de Unin.
Conocida tambin como Regla de la Introduccin de la conjuncin
Si dos sentencias se toman como premisas, se puede inferir su conjuncin como
conclusin.
S
R
S!R
Esta regla parece intuitivamente evidente, nada ms natural que afirmar la
conjuncin de dos sentencias si se han afirmado ya separadamente las dos sentencias.
Sin embargo, un examen ms detallado de la cuestin nos mostrara que la nocin de
intuicin es ajena a la de prueba y que es necesario en lgica que cada etapa de una
inferencia sea justificada por una regla.
c) Regla de Insercin.
Cualquier ejemplo de tautologa puede servir de premisa en cualquier inferencia
proposicional.
Por ejemplo
S $ R
R $ T
S $ T
es un razonamiento cuya conclusin no puede ser derivada de unas premisas sino
gracias a la regla de insercin. La regla de unin nos permite deducir de las dos
premisas anteriores
(S$T)!(R$T)
pero no nos permite deducir la conclusin. No obstante, la regla de insercin nos
permite insertar como premisa suplementaria la ley de transitividad
[( S$T ) ! ( R$T )] $ ( S$T )
y con la regla de separacin nos permite deducir la conclusin.



15/19
d) Regla de Intercambio.
Si se da un bicondicional como premisa, se puede inferir como conclusin el
resultado de intercambiar sus componentes en cualquier otra premisa.
S $ R
R%T
S$T
6.2. Proceso de Inferencia.
Con ayuda de las tautologas enumeradas en el apartado 4 y de las cuatro reglas de
inferencia anteriores podemos realizar inferencias en la lgica de proposiciones.
El proceso de inferencia se efecta segn las normas siguientes
1) Se simbolizan los enunciados y las conectivas, procurando uniformar el
lenguaje.
2) Se indican en lneas separadas las premisas precedidas de la letra P (P1, P2,
...).
3) Se procede a derivar la conclusin a partir de las premisas. Cada frmula se
escribe en una lnea aparte, indicndose a la derecha de la misma la inferencia
y/o tautologa que permite deducirla.
4) Se indica la conclusin precedida de la letra C.
Ejemplo. Supongamos que nos dan las dos premisas siguientes:
Si Rivaldo juega, el Barcelona gana
Si Rivaldo no juega, el Barcelona pierde.
y nos piden concluir que
El Barcelona gana o pierde.
1) Sean las proposiciones:
J: Rivaldo juega.
G: El Barcelona Gana
P: El Barcelona Pierde
2) 3) y 4)
P1 J $ G Premisa 1
P2 J $ P Premisa 2
3 J " J Regla de Insercin (Tercio Excluso)
4 [((J$G)!(J$P))!(J"J)]$(G"J) Regla de Insercin (Dilema)
5
(J$G)!(J$P)
Regla de Unin de P1 y P2
6 ((J$G)!(J$P))!(J"J) Regla de Unin de 3 y 5
C G"P Regla de Separacin de 4 y 6



16/19
Este no es el nico conjunto de reglas de inferencia que se puede seleccionar. Sea
cual sea el conjunto de reglas de inferencia seleccionado, no es fcil su aplicacin de
una forma automtica. Para cada problema es preciso tener una cierta habilidad o
conocimiento, expresado en forma de metarreglas, para saber en qu orden aplicar las
reglas y a qu premisas.
En cualquier caso, el conjunto de reglas que se utilicen debe ser consistente y
completo. Estos conceptos son paralelos a los definidos para un sistema axiomtico.
Un sistema inferencial es completo si para cualquier conjunto de premisas el sistema
infiere toda conclusin que pueda deducirse de las premisas.
Un sistema inferencial es Consistente si para cualquier conjunto de premisas, toda
conclusin que infiera el sistema tambin se deduce de las premisas.
7. LA DEMOSTRACIN EN MATEMTICAS.
Las Matemticas utilizan trminos del lenguaje ordinario y otros especficos. Hay de
dos clases:
Trminos Primitivos. Los que se introducen con slo enunciarse, es decir, sin
definicin. Por ejemplo: elemento, propiedad, conjunto.
Trminos Definidos: Los que se introducen dando unas propiedades
caractersticas. Por ejemplo: Grupo, tringulo, etc.
Tambin se usan dos tipos de proposiciones:
Axiomas o postulados. Proposiciones cuya veracidad se establece por convenio.
Por ejemplo, el postulado de Euclides.
Teoremas. Proposiciones en las que una proposicin llamada conclusin o tesis
resulta ser consecuencia lgica de otras llamadas premisas o hiptesis. El paso
de unas a la otra se llama demostracin.
Una ciencia cuyos mtodos de demostracin pertenecen a la lgica se dice que est
formalizada. La Matemtica es la ciencia formalizada por excelencia.
Las principales demostraciones matemticas son:
Directas.
Indirectas o por reduccin al absurdo.
Por recurrencia o Induccin Completa.
7.1. Demostraciones Directas.
Son las demostraciones ms frecuentes. Consisten en razonamientos por los cuales
se puede pasar de la hiptesis a la tesis mediante la consideracin de definiciones,
axiomas y proposiciones anteriormente establecidas y combinadas segn la regla de
inferencia del silogismo. Los teoremas que se demuestran as se llaman directos.



17/19
Si la demostracin es vlida, se dice que son ciertos y que:
P es condicin suficiente para que se verifique C
C es condicin necesaria para que se verifique P
Es decir P ' C
Diremos que un teorema es Recproco de otro dado si tiene por hiptesis la tesis del
primero y por tesis la hiptesis del primero. Es decir
C = P y P = C
Si la demostracin del teorema recproco es vlida diremos que el recproco es
cierto y que
P es condicin necesaria para que se cumpla C
C es condicin suficiente para que se cumpla P.
Es decir C ' P
La certeza de un teorema no implica la de su recproco, excepto si caben diversas
hiptesis que se excluyan mutuamente y se completen.
Si fueran ciertos los dos, diremos que
P es condicin necesaria y suficiente para C
C es condicin necesaria y suficiente para P.
Es decir C ( P
Diremos que un teorema es contrario a uno dado si tiene por hiptesis (P) la
negacin del otro y por tesis (C) la negacin del otro.
Es decir P = P y C = C
Diremos que un teorema es contrarrecproco de uno dado si tiene por hiptesis (P)
la negacin de la tesis del otro y por tesis (C) la negacin de la hiptesis del otro.
Es decir P = C y C = P
Comparando entre s los teoremas recproco y contrario de uno dado, se observa que
son mutuamente contrarrecprocos.
Ejemplo.
Directo. En un tringulo rectngulo se verifica que h
2
= a
2
+ b
2
.
Recproco. Si h
2
= a
2
+ b
2
entonces el tringulo es rectngulo.
Contrario (del directo). Si el tringulo no es rectngulo entonces h
2
) a
2
+ b
2



18/19
Contrarrecproco. Si h
2
) a
2
+ b
2
entonces el tringulo no es rectngulo.
7.2. Demostraciones Indirectas.
Son llamadas tambin demostraciones por reduccin al absurdo. Se basan en la
equivalencia de dos teoremas contrarrecprocos entre s. A veces conviene aprovechar
esta equivalencia y en lugar de demostrar un teorema, demostrar su contrarrecproco.
7.3. Demostraciones por Recurrencia o Induccin completa.
En las Ciencias Experimentales, de una serie ms o menos grande de observaciones
se establece una ley general (se induce) que abarca a todas las observaciones anlogas.
Tambin la Matemtica generaliza (induce), pero de modo distinto. No se contenta con
comprobar una ley en determinados casos particulares. Por muchos que sean, hay que
comprobarlos para todos.
Para ello se aplica el siguiente principio lgico, llamado de induccin completa, o de
recurrencia, que consiste en:
1) Comprobar que la ley es cierta para un primer valor de n.
2) Suponer que es cierta para un cierto valor n
3) Comprobar que es cierta para el siguiente, n+1
8. LGEBRA DE BOOLE DE LAS PROPOSICIONES.
Definamos el conjunto C formado por todas las frmulas lgicas. Podemos definir
en C las operaciones internas de negacin , Conjuncin ! y Disyuncin ".
Si construimos las correspondientes tablas de verdad, podemos demostrar sin
problemas que se verifican las siguientes propiedades:
Idempotencia de !: p ! p ( p
Complementaria de !: p ! (p) ( * (* es la proposicin falsa universal)
Conmutativa de !: p ! q ( q ! p
Asociativa de !: p ! (q ! r) ( (p ! q) ! r
Elemento absorbente de !: p ! * ( *
Elemento neutro de !: p ! + ( p (+ es la proposicin verdadera universal)
Simplificativa de ! respecto de ": p ! (p " q) ( p
Distributiva de ! respecto de ": p ! (q " r) ( (p ! q) " (p ! r)
Idempotencia de ": p " p ( p
Complementaria de ": p " (p) ( +
Conmutativa de ": p " q ( q " p



19/19
Asociativa de ": p " (q " r) ( (p " q) " r
Elemento absorbente de ": p " + ( +
Elemento neutro de ": p ! * ( p (+ es la proposicin verdadera universal)
Simplificativa de " respecto de !: p " (p ! q) ( p
Distributiva de " respecto de !: p " (q ! r) ( (p " q) ! (p " r)
1 Ley de Morgan: ( p ! q ) ( p " q
2 Ley de Morgan: ( p " q ) ( p ! q
Doble negacin Involutiva: (p) ( p
El conjunto C con las tres operaciones internas definidas verificando las propiedades
anteriores tiene estructura de lgebra de Boole.
BIBLIOGRAFA RECOMENDADA.
Introduccin a la Lgica Matemtica. Aut.: P. Suppes y S. Hill. Edit.: Revert
Elementos de Lgica Terica. Aut.: D. Hilbert y W. Ackermann. Edit.: Tecnos
Introduccin a la Lgica Formal. Aut.: A. Deao. Edit.: Alianza
Fundamentos de Lgica Matemtica. Aut.: j. Aranda y Varios. Edit. Sanz y Torres.



1/10
TEMAS DE MATEMTICAS
(Oposiciones de Secundaria)
TEMA 71
LA CONTROVERSIA SOBRE LOS FUNDAMENTOS DE LA MATEMTICA. LAS
LIMITACIONES INTERNAS DE LOS SISTEMAS FORMALES.
1. Las Paradojas.
1.1. Paradojas Lgicas.
1.2. Paradojas Semnticas.
1.3. Observaciones.
2. El Logicismo.
2.1. El principio de crculo vicioso.
2.2. La reduccin de los trminos matemticos en trminos lgicos.
3. El formalismo.
3.1. El programa de Hilbert.
3.1.1. Elaboracin del sistema formal.
3.1.2. Teora de la demostracin.
4. El intuicionismo.
4.1. La lgica intuicionista.
4.2. Comparacin con el logicismo
4.3. Comparacin con el formalismo.
Bibliografa Recomendada



2/10
TEMA 71
LA CONTROVERSIA SOBRE LOS FUNDAMENTOS DE LA MATEMTICA. LAS
LIMITACIONES INTERNAS DE LOS SISTEMAS FORMALES.
1. LAS PARADOJAS.
El trmino paradoja viene del griego (para y doxos) y significa "ms all de lo
creble". En la actualidad la palabra "paradoja" tiene numerosos significados:
1) Afirmacin que parece falsa, aunque en realidad es verdadera.
2) Afirmacin que parece verdadera, pero en realidad es falsa.
3) Cadena de razonamientos aparentemente impecables, que conducen sin embargo a
contradicciones lgicas. (Las paradojas de esta clase suelen llamarse falacias.)
4) Declaracin cuya veracidad o falsedad es indecible.
5) Verdad que se vuelve patas arriba para llamar la atencin.
Las paradojas matemticas, como las cientficas, pueden ser mucho ms que
amenidades, y llevarnos hasta nociones muy profundas. A los primeros pensadores
griegos les resultaba tan paradjico como insoportable que la diagonal de un cuadrado
de lado unidad no pudiera ser medida exactamente por finas que se hicieran las
graduaciones de la regla. Este hecho perturbador sirvi para abrir el vasto dominio de
los nmeros irracionales. Los matemticos del siglo pasado encontraban enormemente
paradjico que todos los miembros de un conjunto infinito puedan ponerse en
correspondencia biunvoca con los miembros de algn subconjunto del dado, mientras
por otra parte podan existir conjuntos infinitos entre los cuales es imposible establecer
una correspondencia biunvoca. Tales paradojas condujeron a desarrollar la moderna
teora de conjuntos, que a su vez ha ejercido profunda influencia sobre la filosofa de la
ciencia. Mucho podemos aprender de las paradojas. Al igual que los buenos trucos de
ilusionismo, nos causan tanto asombro que inmediatamente queremos saber como se
han hecho. Los ilusionistas no revelan jams como hacen lo que hacen, pero los
matemticos no tienen necesidad de guardar el secreto.
Despus del descubrimiento de las geometras no eucldeas, ningn hecho ha
influido de forma tan importante en el desarrollo de los fundamentos de la Matemtica
como la aparicin de las paradojas.
Las paradojas estimularon los esfuerzos de los matemticos para que las explicaran
y superaran. Adems, era un punto muy delicado con el que en adelante tenan que
enfrentarse todas las teoras de fundamentacin de la Matemtica.
1.1. Paradojas Lgicas.
Entre las primeras, cronolgicamente hablando, tenemos la paradoja de Cantor
(1899). Cantor fue el creador de la teora de conjuntos. Sea U el conjunto universal, es
decir, el conjunto formado por todos los conjuntos. Sea P(U) el conjunto de las partes de
U, o lo que es lo mismo, el conjunto formado por todos los subconjuntos de U.



3/10
El teorema de Cantor dice que el cardinal de un conjunto es menor que el cardinal
del conjunto formado por todos los subconjuntos de dicho conjunto. Es decir
|U| < |P(U)| (1)
Pero como P(U) es un conjunto se debe verificar que
P(U) ! U
verificndose que
|P(U)| " |U| (2)
Y aqu nos encontramos con la paradoja, ya que no puede suceder de forma
simultnea (1) y (2).
Probablemente la paradoja ms conocida corresponde a B. Russell, publicada a
comienzos del siglo XX, y que ha dado lugar a numerosas variantes. Para que se pueda
entender la paradoja, tengamos en cuenta que existen clases o conjuntos que pueden
pertenecer a s mismos. Por ejemplo, el conjunto de todos los conjuntos debe ser un
elemento de s mismo, al ser otro conjunto. De forma anloga, podemos indicar que si
colocamos en un armario un catlogo de tapas azules que cataloga todos los libros de
tapas azules, deber catalogarse a s mismo.
Sea W el conjunto de todos los conjuntos C que no se pertenecen a s mismos.
entonces tendremos que
C#W $ C%C
Pero entonces W%W lo cual significa que W#W.
Recprocamente, si W#W, ha de verificarse que W%W.
En cualquier caso, ha de verificarse de forma simultnea que W pertenece y no
pertenece a W.
1.2. Paradojas Semnticas.
La paradoja de Richard (1905) se refiere a la imposibilidad de una enumeracin de
las funciones de la teora de nmeros, a pesar de la aparente posibilidad de llevarlo a
cabo.
Se consideran las funciones f tales que a todo nmero natural n se le hace
corresponder un nmero natural f(n). Supongamos que para escribir correctamente en
castellano sean necesarios y suficientes 35 signos (entre letras, acento, espaciado y
dems smbolos de puntuacin). Entonces, una expresin con m signos no es ms que
una combinacin con repeticin de los 35 signos. Es claro que todas estas expresiones
(con una cantidad finita de signos) se pueden ordenar, comenzando con los formados
por un solo signo, despus los de dos, y as sucesivamente, siguiendo el orden
lexicogrfico.



4/10
Una vez ordenadas todas las expresiones en correcto castellano hacemos una lista,
es decir, numeramos (manteniendo el orden) con E
1
, E
2
, ... todas aquellas que definan
una funcin en la teora de nmeros y suprimimos todas las dems expresiones.
Llamemos f
k
(n) la funcin definida por la expresin E
k
. Dado que la sucesin E
1
, E
2
, ...
es infinita, la correspondiente a funciones f
1
(n), f
2
(n), ... tambin lo es. Consideremos
ahora la siguiente expresin de Richard:
La funcin que para todo nmero natural toma, aumentando en una unidad, el valor
que para ese mismo nmero natural toma la funcin que ocupa en la lista el lugar
indicado por este mismo nmero natural
Es claro que esta expresin es equivalente a la expresin matemtica:
La funcin que para todo nmero natural n toma el valor f
n
(n)+1
Ahora bien, la expresin de Richard define una funcin y, por tanto, ocupa un lugar
en la lista.
Sea la expresin E
p
y sea f
p
(n) la funcin correspondiente. Entonces en virtud de la
misma definicin, resulta que para todo n, f
p
(n) = f
n
(n)+1, lo cual es imposible, pues
para n=p tendra que ser f
p
(p)=f
p
(p)+1.
La paradoja de Berry (1906) surge al considerar las cualidades sintctica y
semntica de la siguiente expresin:
El menor nmero natural que no puede ser nombrado con menos de treinta slabas
Resulta que la expresin de Berry nombra en menos de treinta slabas un nmero
natural que no puede ser nombrado en menos de treinta slabas.
1.3. Observaciones.
Las paradojas lgicas pueden ser formalizadas en sistemas formales lgicos (los
cuales deben ser inconsistentes) sin que en estas tengan que figurar trminos primitivos
ajenos a la teora de conjuntos. Mientras que las paradojas semnticas para poder ser
formalizadas requieren la introduccin de algn trmino como definir, nombrar,
verdad, etc que son ajenos a la teora de nmeros.
Para la fundamentacin de la matemtica, las paradojas semnticas no son
peligrosas. De hecho, no pueden ser formalizadas en el lenguaje de la lgica simblica.
Ninguna de las paradojas formuladas tiene una solucin trivial. Veremos como las
teoras de Logicismo, Formalismo e Intuicionismo evitan caer en las paradojas.
2. EL LOGICISMO.
El Logicismo es una doctrina sobre los fundamentos de la matemtica que considera
la lgica como anterior o ms fundamental que la matemtica, y efecta la reduccin de



5/10
los conceptos y mtodos de inferencia matemtica a los correspondientes de la lgica,
concluyendo que la matemtica no es ms que una rama de la lgica, sin duda extensa y
con vida propia, pero cuyo mtodo se identifica con el propio mtodo de la lgica.
El primero en desarrollarla con considerable extensin y con todo rigor fue G. Frege
(1848-1925). Con mayor extensin aun, lo hizo J. Peano (1858-1932). Y finalmente
tambin lo hicieron Whitehead (1861-1947) y B. Russell (1872-1970), que son
considerados los introductores del Logicismo.
Una de las tareas fundamentales del Logicismo es la reduccin de los conceptos
matemticos a conceptos lgicos y de igual manera los teoremas de la matemtica
deben ser demostrados como teoremas de la lgica.
2.1. El principio de crculo vicioso.
Un somero examen de las paradojas nos sugiere inmediatamente que no se ha de
poder permitir utilizar, por lo menos en matemticas y lgica, conjuntos tan grandes y
con elementos tan arbitrarios como los conjuntos U y W de Cantor y Russell, que sin
embargo satisfacen las precisas condiciones de conjuntos, que estableci Cantor.
Sin duda alguna, el anlisis del concepto de conjunto, de sus estrictas y justas
limitaciones para su empleo en lgica y matemticas parece ser un problema ms difcil
que el de evitar las paradojas.
Poincar y Russell vieron que en todas las paradojas hay una especie de crculo
vicioso en cuanto que, en todas ellas, hay una definicin que contiene lo definido.
Uno de los requisitos de toda teora de los fundamentos ha de ser evitar que puedan
surgir paradojas; Russell formul y guard el siguiente principio de exclusin de crculo
vicioso:
Ninguna totalidad puede contener miembros definibles solamente en trminos de
esa totalidad, o miembros que impliquen o presupongan esta totalidad.
2.2. La reduccin de los trminos matemticos en trminos lgicos.
Los tres volmenes de Principia Mathematica de A.N. Whitehead y B. Russell
empiezan como si fuera un tratado de lgica avanzada mediante operaciones lgicas y
definiciones explcitas hasta dar todos los elementos fundamentales de la matemtica.
Los autores pretenden que es imposible sealar una lnea de separacin entre la lgica y
la matemtica. Ello requiere dos reducciones: la primera es la definicin explcita de los
trminos o conceptos matemticos mediante trminos lgicos y la segunda reduccin es
reducir los teoremas matemticos mediante deducciones lgicas o teoremas de la lgica.
Las entidades primitivas en las que termina la reduccin lgica son en primer lugar
los del clculo proposicional, es decir, las cuatro conectivas lgicas de conjuncin,
disyuncin, negacin e implicacin y variables proposicionales; luego los



6/10
cuantificadores y las variables del clculo funcional, es decir, propiedades y relaciones
con sus argumentos y finalmente la relacin de igualdad.
Los axiomas lgicos fundamentales para la reduccin lgica de los teoremas son los
mismos axiomas del clculo de predicados; y las dos reglas de inferencia lgica son las
de sustitucin y de modus ponens o implicacin.
Los autores de la Principia pretenden logificar todos los teoremas matemticas en el
sentido de reducirlos a proposiciones lgicas verdaderas, formadas exclusivamente por
smbolos primitivos lgicos y por otros signos definidos explcitamente, los cuales a su
vez pueden ser sustituidas por otras y as sucesivamente hasta poder conseguir que las
proposiciones lgicas equivalentes a los teoremas matemticos contenga solamente los
smbolos lgicos primitivos.
Ahora bien, para llevar a cabo esta reduccin los autores admiten como verdaderos
los tres axiomas de infinitud, de seleccin y de reducibilidad. Este ltimo axioma
permite introducir propiedades del primer orden que tengan la misma extensin lgica
que propiedades de orden superior, con lo cual se consigue poder formar definiciones
predicativas, que sin este axioma seran impredicativas (definiciones que contienen lo
definido). Pero este axioma es difcilmente justificable.
El postulado de infinitud establece que para todo nmero natural existe otro mayor.
Es obvio que este postulado u otro equivalente o ms fuerte ha de figurar en todo
sistema axiomtico que incluya un tratamiento de nmeros naturales, pero no parece
que su admisin constituya una logificacin.
Finalmente podran hacerse consideraciones respecto al axioma de seleccin.
Adems, el empleo de este axioma parece implicar que si se hiciera la reduccin de un
teorema matemtico a su expresin lgica exclusivamente mediante los smbolos
lgicos primitivos se obtendran expresiones no solo con infinitos smbolos, sino
incluso con infinitud no numerable. Esta conclusin tampoco parece satisfactoria y aun
menos si se considera desde el punto de vista del logicismo.
3. EL FORMALISMO.
D. Hilbert (1862-1943) llev a cabo la fundamentacin de la geometra,
especificando claramente su axiomatizacin, y haciendo patente su consistencia relativa
respecto de la aritmtica y el anlisis. Todas las dificultades en los fundamentos de la
matemtica nacen del hecho de que en las matemticas a menudo se hace uso del
infinito actual, es decir, que se suponen como existentes y manejables conjuntos que
contienen infinitos elementos.
No obstante, en la deduccin de los teoremas matemticos si bien es verdad que se
maneja el infinito el nmero de pasos lgicos que se realizan en cualquier demostracin
de cualquier teorema es necesariamente finito.
La idea fundamental de Hilbert al crear la teora formalista para la fundamentacin
de la matemtica consiste en la intuicin de que ha de ser posible establecer ms all de
toda duda la validez de las matemticas clsicas, incluso de las no constructivas,



7/10
apelando al carcter finitista o finitario de las demostraciones matemticas. Para ello se
idealizarn las demostraciones matemticas, algo as como la introduccin de puntos
en el infinito es una idealizacin del concepto de punto; los sistemas formales sern
precisamente esta idealizacin simplificadora de las demostraciones matemticas.
Luego, mediante el establecimiento de un criterio, a saber, la consistencia del sistema
formal, se establecer a travs de razonamientos finitos y, por tanto, fuera de toda duda,
la validez del contenido de todos los teoremas matemticos.
En un sistema axiomtico formal los elementos primitivos (smbolos o trminos)
carecen en absoluto de contenido esencial explcito y son las piezas de un puro juego sin
sentido material en s mismo, cuyo manejo o nico sentido formal viene definido
implcitamente por las reglas del juego constituidas por los axiomas y las reglas de
inferencia.
Por tanto, en un sistema formal tendremos trminos, frmulas, demostraciones,
teoremas que son diversas combinaciones de los elementos primitivos de acuerdo con
ciertas reglas fijas, pero carece de sentido hablar de verdad o falsedad. El juego del
ajedrez nos suministra un ejemplo: se puede preguntar si una situacin dada es
alcanzable (demostrable), pero no parece que tenga sentido preguntar si es verdadera o
falsa en s misma.
Es importante tener en cuenta que las matemticas tratan de entidades existentes y
en particular los teoremas de existencia son fundamentales.
3.1. El programa de Hilbert.
3.1.1. Elaboracin del sistema formal.
En la elaboracin de un sistema formal en orden a demostrar la validez de los
mtodos matemticos clsicos, podemos distinguir tres etapas que podemos caracterizar
con estas tres palabras: smbolos, frmulas y teoremas del sistema.
Hay que determinar en primer lugar cuales son los smbolos a emplear. Podrn ser
de diversas clases: smbolos que representan variables o constantes, funciones y
predicados que corresponden a entidades matemticas y luego smbolos que
correspondan a las conexiones lgicas del discurso matemtico y a los cuantificadores.
Con estos smbolos formales se podrn formar sucesiones finitas que llamaremos
expresiones formales.
Las frmulas constituyen una parte de las expresiones formales. Son aquellas en las
que la sucesin de smbolos guarda ciertas reglas. Pero dichas frmulas no siempre
sern expresiones verdaderas (Ej.: = + + =).
Finalmente hay que especificar los axiomas y reglas de inferencia que permiten
obtener sucesiones de frmulas de modo que cada una sea un axioma o una inferencia
lgica de frmulas precedentes. A tales sucesiones de frmulas formales las llamaremos
demostraciones (formales) de la ltima frmula de la sucesin, la cual se llamar
teorema (formal).



8/10
3.1.2. Teora de la demostracin.
Hilbert admite que el empleo del infinito actual en las matemticas puede, en efecto,
representar un salto en lo incomprensible y carecer de evidencia y ser la razn primitiva
de la aparicin de paradojas. Por consiguiente hay que emplear una teora de la
demostracin que, empleando exclusivamente razonamientos evidentes y, por tanto,
finitarios, demuestre tericamente que los mtodos de las matemticas conducen a
teoremas verdaderos y son por tanto mtodos vlidos. De este modo, la pieza
fundamental de la teora de la demostracin es la nocin de consistencia de un sistema
formal. Supongamos que, en efecto, se ha construido un sistema formal, cuyos teoremas
formales se corresponden mutuamente con los teoremas matemticos de una cierta rama
de la matemtica. Si los teoremas matemticos son verdaderos y tienen un sentido
objetivo innegable y el mtodo empleado para obtenerlos es vlido, entonces ser
necesario que el sistema formal sea consistente. Pues a cada teorema matemtico deber
corresponder uno formal y a la frmula contradictoria de la que expresa un teorema
tendr que corresponder una frmula formalmente indemostrable, de tal manera que en
el sistema formal no sea posible que una frmula y su negacin sean al mismo tiempo
formalmente indemostrable (condicin de consistencia).
Inversamente, Hilbert estima que si se demuestra que un sistema formal es
consistente y en dicho sistema formal son demostrables formalmente las frmulas que
corresponden a los teoremas de una rama de las matemticas, ello es suficiente garanta
de que los teoremas de esta rama de la demostracin de consistencia del sistema formal
constituye la clave de la fundamentacin formalista de las matemticas.
De lo dicho se desprende el propsito de la teora de la demostracin: demostracin
de la absoluta veracidad de las matemticas.
Hoy da hay que admitir que la teora de la demostracin de Hilbert no ha
conseguido sus fines. Ello ha contribuido a quitar importancia a la propiedad de
consistencia de un sistema formal.
4. EL INTUICIONISMO.
Brouwer fue el fundador del intuicionismo. El principio de construccin o de
constructibilidad, que es el principio bsico del intuicionismo matemtico que afirma
que la matemtica es el estudio de un cierto tipo matemtico de construccin mentales.
El trabajo del intuicionista consiste en desarrollar esa construccin mental, descubrirla,
suscitarla en otras, incluso estructurarla y formalizarla lo mejor posible, pero a
sabiendas de que todo eso no es ms que un proceso de aproximacin. La construccin
mental matemtica no puede ser reducida o fundada en algo matemtico anterior, que
sea ms radical o primitivo.
A. Heyting afirma que un teorema matemtico expresa un hecho puramente
emprico. Adems, el pensamiento matemtico se caracteriza porque se ocupa solo de la
construccin mental y no implica verdad alguna en lo relativo al mundo exterior.
La matemtica intuicionista procede por tanto por va exclusiva y simultneamente
gentica y existencial, en cierta manera categrica, empezando precisamente por la



9/10
construccin matemtica- de los nmeros naturales. Llevada a cabo una construccin
matemtica, la entidad matemtica resultante goza de aquellas propiedades, y no ms,
que le han sido otorgadas por la construccin matemtica.
Un segundo elemento fundamental del intuicionismo, es la intuicin matemtica
misma, cuya actividad, potencia y manera de ser condiciona, evidentemente, el carcter
de las entidades matemticas construidas.
Hay que sealar que la descripcin y estudio de la construccin mental y de la
intuicin matemtica no forman parte de la matemtica intuicionista propiamente, sino
que estn en un plano prematemtico o mejor de filosofa de las matemticas.
Brouwer seala cono intuicionismo el apriorismo de las formas de la sensibilidad
del espacio y tiempo en Kant.
4.1. La lgica intuicionista.
La formalizacin de la lgica intuicionista llevada a cabo por Heyting, introduce en
el clculo proposicional las cuatro conectivas de conjuncin &, de disyuncin ', de
implicacin ( y de negacin . Aunque los smbolos son los mismos que en el
clculo proposicional, su significado es distinto. Salvo el significado de las conectivas,
coinciden, por ejemplo, las f.b.f.s. (frmulas bien formadas o formales, las reglas del
modus ponens, las reglas de inferencia, demostracin formal, el empleo del signo de
demostrabilidad formal, etc.). Pero los axiomas no, ya que dependen del significado de
las conectivas.
La interpretacin de los signos de conjuncin & y de disyuncin ' es la siguiente: si
) y B son f.b.f.s., entonces A&B es verdadero solo cuando A y B sean verdaderos; y
A'B es verdadero solo cuando A o B sean verdaderos (o ambos). La validez de esa
formalizacin es evidente si se considera que de la construccin o demostracin de A y
de la de B resulta inmediata la construccin de A y B y de forma anloga para la
disyuncin.
La interpretacin del smbolo ( de implicacin es la siguiente. Si A y B son f.b.f.s.,
entonces A(B ser verdadera en la interpretacin intuicionista slo cuando podamos
dar una demostracin constructiva de la f.b.f. B en la hiptesis de que tengamos una
demostracin constructiva de la f.b.f. A.
Y por ltimo la negacin . Hay que tener presente que A, al igual que A, es
tambin una proposicin intuicionista y por lo tanto ha de connotar una construccin.
Supongamos que afirmamos A, de modo que tenemos A. Entonces por definicin,
el significado de esta afirmacin es que partiendo de la hiptesis de una construccin
mental matemtica de A podemos llevar a cabo una construccin que nos lleve a un
contradiccin.
4.2. Comparacin con el logicismo.
El logicismo presenta la lgica como fundamento exclusivo de la matemtica
clsica. Pero para el intuicionismo, la lgica matemtica desarrollada por Frege, Peano



10/10
y Russell no es sino una continuacin de la de Platn y Aristteles. Y la reduccin
lgica de la matemtica llevada a cabo por los logicistas conserva todava una esencial
referencia al mundo y a un realismo muy elaborado, pero conservando rasgos de
ingenuidad. Russell lleg a escribir:
La lgica se ocupa del mundo real tan verdaderamente como la zoologa, aunque
de sus rasgos ms abstractos y generales
Por el contrario, el intuicionismo, lejos de reducir la matemtica a la lgica,
considera esta como una elaboracin posterior. Para la matemtica intuicionista, el
mundo exterior no es sino ocasin o aplicacin.
4.3. Comparacin con el Formalismo.
Para los formalistas, la matemtica empieza en los smbolos, en el papel. En su
aspecto esencial la matemtica se identifica con la ciencia de los sistemas formales: El
formalista desea como definicin de la actividad matemtica algo claro, bien definido y
bien cortado.
El intuicionista aplica su intuicin, elabora con cierta imprecisin y oscuridad la
nocin de nmero natural y luego finalmente empieza su actividad
El intuicionista es impreciso y oscuro en sus primeras actividades todava
prematemticas, pero nunca arbitrario. Busca lo que haya y descubre lo que encuentre
en su actividad constructiva.
BIBLIOGRAFA RECOMENDADA
Fundamentos de la Matemtica. Aut.: Alberto Dou Edit.: NCL