ECCIONES CNICAS .. 6.3 LA HIPERBOLA Definiciones i. Sean F y F dos puntos de un plano (F F).

Se define la hiprbola de focos F y F como el lugar geomtrico de los puntos del plano tales que la diferencia de sus distancia a los focos es constante e igual a 2a. (a > 0). ii. Las rectas: La que pasa por los focos F y F y la recta mediatriz del segmento FF se llaman:Ejes de simetra de la hiprbola. iii. El punto de interseccin 0 de dos ejes de simetra, se llama CENTRO de la hiprbola. Los puntos A y A se llaman: VERTICES de la hiprbola.

fig. 6.3.1. Observaciones: i. Como en el caso de la elipse, cualquier par de puntos del plano pueden servir como focos de una hiprbola. Por simplicidad, solo se considerarn inicialmente, aquellos casos en los cuales los focos estn en el mismo eje (eje x eje y) y son simtricos uno del otro con respecto al origen (fig. 6.3.1.). ii. Si si se obtiene la rama derecha de la hiprbola; mientras que se obtiene la otra rama.

iii. Note que 2a < 2c, ya que la diferencia de los lados de un tringulo siempre es menor que el

tercer lado. Adems, se toma

6.3.1. Ecuaciones Analticas de la Hiprbola caso 1. Hiprbola con focos F(-c, 0) y F(c, 0) ; c > 0. TEOREMA: La ecuacin de la hiprbola centrada en el origen y cuyos focos estn en los puntos F(-c, 0) y F(c, 0) viene dada por:

(1). Demostracin: Si P(x, y) es un punto que pertenece a la hiprbola considerada (fig. 6.3.1.), se tiene de acuerdo a la definicin i. que:

De donde,

Es decir, Equivalentemente, usando la frmula de distancia, se puede escribir:

Elevando ambos miembros al cuadrado en la ltima igualdad y simplificando se obtiene:

Elevando nuevamente ambos miembros al cuadrado en la ltima igualdad y despus de simplificar y factorizar se puede escribir:

Recordando adems que ltima igualdad por ecuacin pedida.

(observacin iii.) y al dividir ambos miembros de la , se obtiene finalmente, que corresponde a la

Caso 2. Hiprbola con focos en F(0, -c) y F(0, c) ; c > 0. TEOREMA: La ecuacin de la hiprbola centrada en el origen y cuyos focos estn en los puntos F(0, -c) y F(0, c) viene dada por:

(1).

fig. 6.3.2. La demostracin es similar a la anterior, se deja por lo tanto como ejercicio. Caso 3. (Caso General) Si en vez de considerar el centro de la hiprbola en el punto (0, 0), como se hizo en los dos casos anteriores, se considera el punto C (h, k), las ecuaciones de la hiprbola correspondiente, se transformarn utilizando las ecuaciones de traslacin (seccin 6.1.2.) en:

(3)

(4)

Segn que el eje focal sea una recta paralela al eje x o al eje y respectivamente. Observaciones: i. En la figura 6.3.3., se ha trazado la hiprbola centrada en el origen y focos en los puntos F1(c,0) y F2(-c, 0). Los puntos V1 y V2 son los vrtices de la hiprbola y sus coordenadas son V1(a, 0) y V2(-a, 0). Los puntos M, N, P y Q tienen coordenadas: M (a, b), N(-a, b), P(-a, -b) y Q(a, -b). El rectngulo MNPQ recibe el nombre de rectngulo auxiliar de la hiprbola.

fig. 6.3.3. ii. La grfica de la hiprbola es simtrica con respecto al eje x y con respecto al eje y. iii. Las rectas que pasan, la primera por M y P y la segunda por N y Q, se llaman asntotas oblicuas de la hiprbola y sus ecuaciones vienen dadas respectivamente por:

y Una forma "nemotcnica" de obtener las ecuaciones de las los asntotas de la hiprbola es la

siguiente: En la ecuacin de la hiprbola, sustituir el 1 (uno) del segundo miembro por un 0 (cero).

As, en el caso particular de la hiprbola

Hacemos:

(factorizando)

Estas son las ecuaciones de las asntotas

iv. En el caso particular, cuando a = b, las ecuaciones de la hiprbola se transforman en:

En ambos, la hiprbola se llama: Hiprbola Equiltera y tienen como asntotas las rectas
y = x e y = -x

SECCIONES CNICAS

Una seccin cnica, es la curva de interseccin de un plano con un cono circular recto. Existen tres tipos de curvas que se obtienen de esta manera: La parbola, la elipse incluyendo la circunferencia como un caso especial) y la hiprbola. (Ver fig. 6.1.)

fig. 6.1.

.. 6.1 LA PARABLA Definiciones i. Sea DD una recta dada del plano y F un punto del plano que no est en la recta dada. Se define la parbola como el lugar geomtrico de los puntos P del plano cuya distancia al punto F es igual a la distancia a larecta DD. ii. La recta dada DD se llama DIRECTRIZ y el punto F se llama FOCO (fig. 6.1.1.) Frecuentemente se hace referencia a la parbola de directriz DD y de foco F y se denota por PDD-F. Esto es: PDD-F={P:PFF=PD}={P:PF = 1}

PD

fig. 6.1.1. Observaciones: i. Al trazar por F la perpendicular foco a la directriz. a la directriz. Se llamar : la distancia del

ii. Sea V el punto medio del segmento . Como a la parbola. V es llamado VERTICE de la parbola.

, entonces el punto V pertenece

El lugar correspondiente a la parbola es simtrico respecto a la recta

. En efecto, si P

es el simtrico de P respecto a la recta , entonces PP = PP. Por lo tanto, el tringulo PPF es congruente al tringulo PPF. De donde PF = PF y como PD = PD, entonces, , lo cual nos muestra que P e PDD-F.

6.1.1. Ecuaciones Analticas de la Parbola En esta seccin slo se considerarn parbolas con el vrtice V en el origen de coordenadas y cuyos focos estarn localizados sobre los ejes x y (fig. 6.1.2.)

fig. 6.1.2. Sea P(x, y) un punto de la parbola PDD-F (fig 6.1.2 b)entonces, .

Pero,

Luego, Elevando al cuadrado ambos miembros de la ltima igualdad, y desarrollando los binomios, se obtiene: (1) Recprocamente, sea P(x, y) un punto del plano, cuyas coordenadas (x, y) satisfacen (1) y pruebe que P e PDD-F. Por hiptesis, Se debe probar que (2) , y simplificando queda finalmente,

De esta forma se ha demostrado la parte i del siguiente teorema.

TEOREMA 1 (Ecuaciones de la Parbola) i. La ecuacin de la parbola que tiene su foco en F(p/2, 0) y por directriz la recta x = -p/2 (fig. 6.1.4) viene dada por : y2=2px(3). Recprocamene si un punto P del plano, satisface (3) entonces P \ PDD-F ii. La ecuacin de la parbola que tiene su foco en F(0, p/2) y por directriz la recta y = -p/2 (fig. 6.1.3.) es: x2 = 2py (4) iii. Recprocamente, si un punto P del plano, satisface (4) entonces P \ PDD-F

fig. 6.1.3.

fig. 6.1.4.

Observaciones: i. En la fig. 6.1.3. aparecen las grficas de dos parbolas abiertas hacia arriba (en el caso de p>0) y hacia abajo (p<0), respectivamente y cuyos focos estn localizados en el punto F(0, p/2) y cuya directriz es la recta de ecuacin y = -p/2. Adems, todos sus puntos son simtricos con respecto al eje y: de aqu que las ecuaciones que representan sus lugares geomtricos, presentan nicamente a la variable x elevada en una potencia par. ii. Igualmente, las grficas de la fig. 6.1.4. corresponden a las grficas de parbolas abiertas hacia la derecha (p > 0) e izquierda (p < 0) respectivamente, con focos en el punto F(p/2, 0) y cuya directriz es la recta de ecuacin x = -p/2. Adems todos sus puntos son simtricos con respecto al eje x, de aqu que las ecuaciones que representan sus lugares geomtricos, poseen nicamente a la variable y elevada a su potencia par.

6.1.2. Traslacin de Ejes En el ejemplo 5 de la seccin 5.6., se determin que la ecuacin de la circunferencia con centro en C(4,3) y radio 5 era: Sin embargo, si se encuentra la ecuacin con centro en C(0, 0) y radio 5. Se obtiene .

De lo anterior se concluye que a veces puede cambiar la ecuacin sin cambiar la forma de la grfica (fig. 6.1.5.).

fig. 6.1.5. Si en el plano cartesiano x - y se eligen nuevos ejes coordenados paralelos a los ejes x e y, se dice entonces que ha habido una "TRASLACIN DE EJES". Al fin de analizar los cambios que se presenten en las coordenadas de los puntos del plano al introducir un nuevo sistema de coorde- nadas x e y paralelo a los ejes x e y, se toma un punto fijo o(h, k) que se llama: ORIGEN del nuevo sistema. Sea ahora, un punto P(x, y) del plano, cuyas coordenadas estn referidas al sistema con origen O(O, O) Entonces las coordenadas de P(x, y) referidas al sistema x-y vienen dadas por las relaciones:

x = x + h (1) y = y + k (2) llamadas: ECUACIONES DE TRASLACIN DE EJES, y que pueden deducirse fcilmente de la fig. 6.1.6.

fig. 6.1.6. Observacin: La traslacin de ejes modifica la ecuacin de una curva y algunas veces la simplifica, pero no altera la forma de la curva. Una aplicacin til de la traslacin de ejes se consigue cuando se obtienen las ecua- ciones generales de la parbola, con vrtice en el punto V (h, k) referido al sistema x-y y para las cuales la directriz es perpendicular a uno de los ejes. Si se toma como referencia los ejes x e y, hallar las ecuaciones de la parbola con vrtice en V(h, k), equivale a encontrar las ecuaciones de la parbola con vrtice en (0, 0) referido al nuevo sistema.

Las ecuaciones , permiten escribir las ecuaciones en forma general de la parbola, como lo afirma el siguiente teorema:

6.1.3. Teorema2 (Ecuaciones de la parbola. Forma general) i. La ecuacin de la parbola con vrtice en el punto V (h, k), que tiene su foco en y por directriz la recta: (fig. 6.1.7.) viene dada por: (1)

fig. 6.1.7.

ii. La ecuacin de la parbola con vrtice en el punto V (h, k), que tiene su foco

en

y por directriz la recta: (fig. 6.1.8.) viene dada por: (2)

fig. 6.1.8.

Demostracin: Es similar a la del teorema 1, aplicado al sistema x-y y luego hacer e

Observacin: Las ecuaciones (1) y (2) del teorema 2, despus de simplificarlas, pueden expresarse en la forma: (3) (4) En las ecuaciones (3) y (4) puede notarse que una de las variables aparece al cua- drado y la otra lineal. La parbola siempre se abre en la direccin del eje cuya varia- ble aparece lineal. As por ejemplo, la ecuacin (3) representa una parbola que se abre hacia el semieje y positivo (si p > 0) o hacia el semieje y negativo (si p < 0). Igualmente, la ecuacin (4) representa una parbola abierta hacia la derecha (si p > 0) o hacia la izquierda (si p < 0). 6.1.4. Valores mximos y mnimos de una parbola Se ha visto en la seccin precedente que la ecuacin (1) puede

escribirse (completando cuadrados) en la forma (2) y representa una parbola cuyo eje focal es vertical, abierta hacia arriba (p > 0) hacia abajo (p < 0). Cuando la ecuacin aparece en la forma (1), el signo de a (coeficiente de x2), determina si la parbola se abre hacia arriba o hacia abajo y tambin determina si el vrtice es un punto mximo o mnimo de la curva.

fig. 6.1.9. (a)

fig. 6.1.9. (b)

Si como en la fig. 6.1.9.(a), la parbola se abre hacia abajo, el vrtice V (punto mas alto de la curva) es llamado el punto mximo de la parbola. El valor de la ordenada correspondiente es el valor mximo de la funcin que ella representa. Similarmente, si la parbola se abre hacia arriba (fig. 6.1.9.(b)), el vrtice V es llama- do el punto mnimo de la parbola; y el correspondiente valor de y, es el valor mnimo de la funcin. Toda funcin cuadrtica, tiene un valor mximo o un valor mnimo, pero no ambos.

LA ELIPSE Definiciones: i. Sean F y F dos puntos de un plano (F . Se define la ELIPSE de focos F y F como el lugar geomtrico de los puntos del plano tales que la suma de sus distancias a los focos es constante e igual a 2a (a > 0). ii. Las rectas: La que pasa por los focos F y F y la recta mediatriz del segmento SIMETRA DE LA ELIPSE. se llaman EJES DE

iii. El punto de interseccin O de los dos ejes de simetra, se llama CENTRO DE LA ELIPSE. Los puntos A, A, B y B se llaman VERTICES DE LA ELIPSE. Si el segmento es mayor que el segmento MAYOR y EJE MENOR de la elipse. , ambos segmentos se llaman respectivamente EJE

fig. 6.2.1. Observaciones: i. De hecho, cualquier par de puntos del plano pueden servir como focos de una elipse. Por simplicidad, solo se considerarn inicialmente aquellos casos en los cuales los focos estn en el mismo eje (eje x, eje y) y son simtricos uno del otro con respecto al origen (fig. 6.2.2.). ii. Ntese tambin que como Pitgoras). , se sigue que (teorema de

fig. 6.2.2. 6.2.1. Ecuaciones Analticas de la Elipse

Caso 1. Elipses con focos. F(-c, 0) y F(c, 0) ; c > 0

Eje mayor: Longitud 2a (2a > 0) Eje menor: Longitud 2b (2b > 0)

TEOREMA: La ecuacin de la elipse con focos en los puntos F(-c, 0) y F(c, 0), eje mayor 2a, y eje menor 2b, (fig. 6.2.3.) viene dada por: (1)

fig. 6.2.3. Demostracin

fig. 6.2.4.

Si p(x, y) es un punto que pertenece a la elipse considerada, se tiene de acuerdo a la definicin ique de distancia entre dos puntos) , o equivalentemente, (frmula

Transponiendo el primer radical al segundo lado y elevando ambos miembros al cuadrado, se obtiene: Simplificando la ltima igualdad se llega a:

Al elevar nuevamente ambos miembros al cuadrado en la ltima ecuacin, se obtiene:

La cual se reduce a:

Recordando adems que obtiene finalmente

y al dividir ambos miembros de la ltima igualdad por : que corresponde a la ecuacin pedida.

, se

Caso 2. Elipses con focos F(0, -c) y F(0, c) ; c > 0 Eje mayor: Longitud 2a (a > 0) Eje menor: Longitud 2b (b > 0)

TEOREMA: La ecuacin de la elipse con focos en los puntos F(0, -c) y F(0, c), eje mayor 2a, y, eje menor 2b (fig. 6.2.4.), viene dada por:

(2) Demostracin: Es similar a la anterior, se deja por lo tanto como ejercicio. NOTA: Ntese que si en las ecuaciones (1) y (2) de la elipse, se hace a = b, las ecuaciones se transforman en la ecuacin de una circunferencia de centro en el origen y radio a. Caso 3. (Caso General). Si en vez de considerar el centro de la elipse en el punto (0, 0), como se hizo en los dos casos anteriores, se considera el punto C (h, k), la ecuacin de la elipse correspondiente, se transforma utilizando las ecuaciones de traslacin (seccin 6.1.2.) en:

(3) Si a > b, el eje focal es paralelo al eje x. (sobre la recta y = k)

Si b > a, el eje focal es paralelo al eje y. (sobre la recta x = h)

fig. 6.2.5.

(a) (x-h) + (y-k) k) a



b (x-h) + (yb a

b

Observaciones: i. La ecuacin (3) se deduce considerando que los ejes de la elipse son paralelos a los ejes coordenados. ii. Si a > b, la ecuacin (3) corresponde a una elipse con centro en C(h, k) y cuyo eje focal es paralelo al eje x (fig. 6.2.5. a). Si b > a, la ecuacin (3) corresponde a una elipse con centro en C(h, k) y cuyo eje focal es paralelo al eje y (fig. 6.2.5. b).

6.2.2. Construccin de la Elipse Existen muchas construcciones geomtricas de la elipse, pero en la mayora de ellas se requiere conocer algunos elementos adicionales (la directriz, la excentricidad, ...etc.) de la elipse que no han sido mencionados hasta ahora. Por esta razn, solo se presentan dos mtodos geomtricos sencillos para construir la elipse.

Construccin 1 Supngase que en el plano se tienen dos puntos fijos F y F. Se toma una cuerda de longitud 2a (mayor que la

distancia entre los focos). Con la punta P de un lpiz se tensiona la cuerda. Al mover el lpiz manteniendo en todo momento tensionada la cuerda, el punto P describe la elipse pedida. (fig. 6.2.6.)

fig. 6.2.6. Construccin 2

Supngase que nos plantean el problema de construir la elipse de ecuacin dada por b.

, con a >

Se procede entonces como sigue: Se trazan los llamados crculos directores, que son crculos concntricos , con centro en 0, uno de radio y el otro de radio . (Ver fig. 6.2.7.)

fig. 6.2.7. Se traza luego un rayo cualquiera con origen en 0, el cual intercepta a los crculos en los puntos S y N. Por estos puntos, se trazan paralelas a los ejes x e y respectivamente, las cuales se cortan en el punto M(xm, ym).

Se puede afirmar que el punto M est en la elipse de ecuacin .

En efecto, basta demostrar que Para ello, ntese que:

Sumando miembro a miembro las ltimas igualdades, se concluye que

Usando la definicin, hallar la ecuacin de la parbola que tiene su foco en F(2,0) y su direccin DD es la recta de ecuacin x = -2. Solucin: Trcese la grfica con los elementos dados.

De acuerdo a la definicin, un punto

Pero, Luego,

Elevando ambos miembros al cuadrado, se tiene:

fig. 6.5.1. De donde y2 = 8x es la ecuacin de la parbola pedida. 2. Dada la parbola que tiene por ecuacin x2 = -6y, encontrar las coordenadas del foco, la ecuacin de la directriz, analizar la simetra de la curva y trazar la grfica. Solucin: la ecuacin x2 = -6y tiene la forma de la ecuacin (4) del teorema 1. Entonces, 2p = -6, de donde p= -3 < 0.

Como p < 0, la parbola se abre hacia abajo. El foco se encuentra sobre el eje y en el punto F (0, -p/2). La ecuacin de la directriz es la recta es decir, ,

Fig 6.5.2 3. Dado el punto del plano B(a, b) con a, b > 0. Demostrar que por el punto B pasa la parbola (1).

Determine el foco y la ecuacin de la directriz Solucin: Como se sigue que el punto B(a, b) satisface la ecuacin (1) y por lo tanto B pertenece a la parbola.

Ahora, de acuerdo a la parte ii del teorema 1.

con lo cual En consecuencia, el foco se encuentra localizado

en el punto ecuacin de la directriz es la recta

y la

fig 6.5.3 4. Dada la ecuacin (y)2 = 4x, referida al sistema x-y en donde el nuevo origen es el punto (2, 3). Hallar la ecuacin de la grfica en trminos de x e y. Solucin: La ecuacin (y)2 = 4x representa en el sistema x-y una parbola con vrtice en O(2, 3). La parbola se abre hacia la derecha y adems 2p = 4, de donde p = 2. Con lo cual

= distancia del vrtice al foco.

Fig. 6.5.4. Dado que O (2, 3) se deduce de las relaciones (1) y (2) de la seccin 6.1.2. que:

de donde

Sustituyendo los valores de x e y en la ecuacin inicial, se obtiene:

Esta ltima ecuacin, representa una parbola cuyo vrtice es el punto V (2, 3), abierta hacia la derecha y cuya distancia del vrtice al foco y del vrtice a la directriz es 1. 5. Determine el vrtice V y la ecuacin de la parbola que tiene como directriz la recta de ecuacin x = 2 y cuyo foco est localizado en el punto F(4, 2). Solucin: Como la directriz es la recta de ecuacin x = 2, paralela al eje y, se sigue que el eje focal es paralelo al eje x y como el foco es el punto F(4, 2), entonces el eje focal tiene como ecua- cin y = 2. El vrtice V de la parbola est sobre la recta y = 2 y localizado en el punto medio entre la directriz y el foco.

Como QF = p = 2, se sigue que QV = VF = 1, y por lo tanto las coordenadas del vrtice son V(3, 2).

fig. 6.5.5. Ahora, la ecuacin de la parbola viene dada por: 6. Determine el vrtice V, el foco F, la ecuacin de la directriz, el eje focal y dibujar la grfica de la parbola cuya ecuacin es:

Solucin: Se debe expresar la ecuacin en la forma: (1) As,

(Completacin de cuadrados)

(2) (Factorizando)

Comparando (1) y (2) se deduce q ue:

As que las coordenadas del vrtice son . Como p = 4 > 0 y la variable lineal es y, se deduce entonces que la parbola se abre hacia arriba. El eje focal es la recta paralela al eje y de ecuacin y el foco se encuentra localizado en el punto , esto es, fig. 6.5.6. La directriz es la recta paralela al eje x, de ecuacin es, En la figura 6.5.6. aparece la grfica de la parbola con todos sus elementos. 7. Para la parbola demostrar que el vrtice est en ; esto

el punto al signo de a.

y que corresponde a un mximo o un mnimo de acuerdo

Solucin. La ecuacin: forma: . , puede escribirse en la

Completando un cuadrado perfecto en el primer miembro de la ltima igualdad, se tiene:

Con lo cual,

Al comparar esta ltima ecuacin, con la igualdad (1) del teorema 2 (seccin

6.1.3.), se deduce que el punto de la parbola y adems,

son las coordenadas del vrtice

Ahora, si a > 0, entonces p > 0 y la parbola se abre hacia arriba. En este caso, el punto V corresponde a un punto mnimo de la parbola. Si a < 0, entonces p < 0 y la parbola se abre hacia abajo. En este caso, el punto V corres- ponde a un punto mximo de la parbola. 8. (Propiedad ptica (o focal) de la parbola) Demostrar que la normal a la parbola en un punto Q, hace ngulos iguales con la recta que pasa por Q y F y con la paralela al eje focal trazada por el punto. Solucin.

Considere la parbola y2 = 2px que aparece en la figura 6.5.7., la normal nn y la tangente tt a la curva en el punto Q(x1, y1). Al trazar las rectas que pasan por Q y F y la paralela al eje focal, se forman los ngulos U y F .

fig. 6.5.7. Se debe probar que U =F . La ecuacin de la tangente tt a la curva en el punto Q(x1, y1) viene dada por: .

De aqu se deduce que

y por lo tanto

Ahora,

Asi que

(1).

En el tringulo QFN, se tiene,

, de donde

Luego,

Pero, De esta forma:

(puesto que y12=2Px1)

Es decir,

Luego,

y por tanto U = F.

La propiedad demostrada anteriormente, significa que si se supone un espejo parablico perfectamente liso, como el ngulo de incidencia es igual al ngulo de reflexin, todo rayo para- lelo al eje de simetra de la parbola, se refleja pasando por el foco. Esta propiedad conocida como la propiedad ptica (o focal) de la parbola es utilizada en la construccin de reflectores y de antenas parablicas.

Ejercicios Resueltos Sobre La Elipse

1. Halle la ecuacin de la elipse que tiene su centro en (0, 0) y cuyos focos son los puntos F(3, 0) y F(-3, 0), adems el intercepto de la grfica con el eje x es el punto (5, 0). Solucin: Como la elipse corta al eje x en el punto (5, 0) se sigue que a = 5 y como c = 3 (fig. 6.5.8) se tiene que, y por tanto .

fig. 6.5.8.

De esta forma, los vrtices de la elipse son los puntos V1(5, 0), V2(-5, 0), V3(0, 4) y V4(0, -4). Adems, su ecuacin viene dada por :

2. Trazar la elipse cuya ecuacin viene dada por: 25x2 + 4y2 = 100 Solucin: La ecuacin: 25x2 + 4y2 = 100, puede escribirse en las formas equivalentes: x
2

+ y 2= 1 (porqu?)

25

La ltima ecuacin corresponde a una elipse centrada en el origen cuyo eje mayor es b = 5 y eje menor es a = 2. Adems, los focos de la elipse estn localizados sobre el eje y. De otro lado, , de donde y y en consecuencia, los focos se .

encuentran localizados en los puntos

Adems, los vrtices de la elipse son los puntos: V1(2, 0), V2(5, 0), V3(-2, 0) y V4(-5, 0). La figura 6.5.9. recoge toda la informacin obtenida.

fig. 6.5.9. 3. Determine el centro, los vrtices, los focos y dibujar la elipse que tiene por ecuacin: 4x2 + y2 16x + 2y + 13 = 0

Solucin: La ecuacin dada se puede escribir en las formas equivalentes:

(completacin de cuadrado) (factorizacin y simplificacin)

(dividiendo por 4)

Esta ltima ecuacin corresponde a la elipse cuyo centro es el punto C(2, -1), semiejes; a = 1 y b = 2. Como a < b, el eje focal es paralelo al eje y y tiene por ecuacin x = 2 (ver fig. 6.5.10.). Los vrtices son los puntos V1(2, 1), V2(2, -3), V3(3, -1) y V4(1, -1).

Como puntos y

, se tiene que los focos estn localizados en los .

fig. 6.5.10. 4. Propiedad ptica de la Elipse En geometra plana se demuestra el siguiente resultado: Si se tiene un tringulo ABC y un punto Dsobre BC (ver figura 6.5.11), entonces:

es Bisectriz del ngulo

Esta propiedad permite construir la normal y por ende la tangente en un punto cualquiera de la elipse. Al unir el punto P1 de la elipse con F y con F, puede demostrarse que la bisectriz del ngulo FP1F es la normal nn a la curva por P1 (fig. 6.5.12.). fig. 6.5.11. Esta propiedad se conoce como la propiedad ptica o focal de la elipse y tiene interesantsimas aplicaciones:

fig. 6.5.12. 1) Considrese un rayo de luz que se enfoca desde un foco hacia un punto P1 de la curva. Comonn es bisectriz del ngulo FP1F, entonces, ngulo de incidencia = ngulo de reflexin y por tanto el rayo se reflejar pasando por el otro foco. Este hecho es utilizado en la construccin de conchas acsticas. Supongamos que la elipse se hace rotar alrededor del eje x formando una superficie de revolucin e imaginemos un saln cuyos techos y paredes son la superficie anterior. Cuando una persona habla desde un foco F, puede ser escuchada en el otro foco a pesar de estar muy lejos del anterior y puede no ser audible en otros puntos intermedios a causa de que las ondas de sonido chocan contra las paredes y son reflejadas en el segundo foco y llegan a l en el mismo tiempo ya que ellas viajan el mismo tiempo. 2) Estudiando una gran cantidad de datos experimentales, Kepler (1571 1630) determin empirica- mente los tres siguientes hechos sobre el movimiento de los planetas conocidos como las leyes de Kepler: 1. La rbita de cada planeta es una elipse con el sol en uno de los focos. 2. El radio vector trazado desde el sol barre reas iguales en tiempos iguales. 3. Los cuadrados de los perodos de los planetas son proporcionales a los cubos de los semiejes mayores de la rbita elptica. Newton (1642 1727) partiendo de estas tres leyes empricas y utilizando elementos del clculo diferencial e integral pudo deducir la ley de gravitacin universal: "la fuerza que ejerce el sol sobre un planeta es una fuerza de atraccin radial e inversamente proporcional al cuadrado de la distancia entre los dos centros del sol y del planeta y viene dada por masa del planeta, M: masa del sol y constante de gravitacin universal". , sabemos que si llamamos p: distancia foco donde m:

Fijadas la directriz, el foco F y la excentricidad

directriz, la ecuacin de la elipse es (1) donde donde como se puede demostrar fcilmente que a > b.

Ahora, cuando , dejando fijos los dems elementos; directriz, foco y p, la elipse se aproxima a una circunferencia y por tanto la rbita es cada vez mas cercana a una circuferencia En efecto:

Si y y por tanto, a y b se acercan al mismo valor y la ecuacin (1) tiende a ser la ecuacin de una circunferencia. Esto puede verse tambin en el siguiente cuadro. p=1

0.5 0.4 0.2 0.1 0.01 0.002 0.001

0.6666 0.4762 0.2083 0.1010 0.0100 0.002 0.001

0.57735 0.4364 0.2041 0.1005 0.0100 0.002 0.001

Muchos de los planetas incluyendo la tierra tienen rbitas que son aproximadamente circulares:

Mercurio

0.21

Saturno

0.06

Venus Tierra Marte Jpiter

0.01 0.02 0.09 0.05

Urano Neptuno Plutn

0.05 0.01 0.25

Uno de los objetos mas importantes del sistema solar es el cometa Halley que tiene una excetrici- dad de y una rbita de alrededor de 7 U.A. de ancho x 35 U.A. de largo (1 U.A.: 150 millones de kilmetros = semieje mayor de la rbita de la tierra distancia tierra sol). El perodo de revolucin de este cometa es de 76 aos. Fue observado por el astrnomo Edmund Halley en 1682 el cual predijo que volvera a aparecer en 1758. Asi efectivamente fue pero Halley no pudo ver verificada su prediccin ya que muri en 1742. Esta periodicidad de la rbita del Halley fue uno de los sucesos mas convincentes a favor de la teora de Gravitacin de Newton. LA HIPERBOLA Definiciones i. Sean F y F dos puntos de un plano (F F). Se define la hiprbola de focos F y F como el lugar geomtrico de los puntos del plano tales que la diferencia de sus distancia a los focos es constante e igual a 2a. (a > 0). ii. Las rectas: La que pasa por los focos F y F y la recta mediatriz del segmento FF se llaman:Ejes de simetra de la hiprbola. iii. El punto de interseccin 0 de dos ejes de simetra, se llama CENTRO de la hiprbola. Los puntos A y A se llaman: VERTICES de la hiprbola.

fig. 6.3.1. Observaciones: i. Como en el caso de la elipse, cualquier par de puntos del plano pueden servir como focos de una hiprbola. Por simplicidad, solo se considerarn inicialmente, aquellos casos en los cuales los focos estn en el mismo eje (eje x eje y) y son simtricos uno

del otro con respecto al origen (fig. 6.3.1.). ii. Si se obtiene la rama derecha de la hiprbola; mientras que

si se obtiene la otra rama. iii. Note que 2a < 2c, ya que la diferencia de los lados de un tringulo siempre es menor que el tercer lado. Adems, se toma .

6.3.1. Ecuaciones Analticas de la Hiprbola caso 1. Hiprbola con focos F(-c, 0) y F(c, 0) ; c > 0. TEOREMA: La ecuacin de la hiprbola centrada en el origen y cuyos focos estn en los puntos F(c, 0) y F(c, 0) viene dada por: (1). Demostracin: Si P(x, y) es un punto que pertenece a la hiprbola considerada (fig. 6.3.1.), se tiene de acuerdo a la definicin i. que:

De donde, Es decir, Equivalentemente, usando la frmula de distancia, se puede escribir:

Elevando ambos miembros al cuadrado en la ltima igualdad y simplificando se obtiene:

Elevando nuevamente ambos miembros al cuadrado en la ltima igualdad y despus de simplificar y factorizar se puede escribir:

Recordando adems que

(observacin iii.) y al dividir ambos miembros que

de la ltima igualdad por , se obtiene finalmente, corresponde a la ecuacin pedida.

Caso 2. Hiprbola con focos en F(0, -c) y F(0, c) ; c > 0. TEOREMA: La ecuacin de la hiprbola centrada en el origen y cuyos focos estn en los puntos F(0, -c) y F(0, c) viene dada por:

(1).

fig. 6.3.2. La demostracin es similar a la anterior, se deja por lo tanto como ejercicio. Caso 3. (Caso General) Si en vez de considerar el centro de la hiprbola en el punto (0, 0), como se hizo en los dos casos anteriores, se considera el punto C (h, k), las ecuaciones de la hiprbola correspondiente, se transformarn utilizando las ecuaciones de traslacin (seccin 6.1.2.) en:

(3)

(4) Segn que el eje focal sea una recta paralela al eje x o al eje y respectivamente. Observaciones: i. En la figura 6.3.3., se ha trazado la hiprbola centrada en el origen y focos en los puntos F1(c,0) y F2(-c, 0). Los puntos V1 y V2 son los vrtices de la hiprbola y sus coordenadas son V1(a, 0) y V2(-a, 0). Los puntos M, N, P y Q tienen coordenadas: M (a, b), N(-a, b), P(-a, -b) y Q(a, -b). El rectngulo MNPQ recibe el nombre de rectngulo auxiliar de la hiprbola.

fig. 6.3.3. ii. La grfica de la hiprbola es simtrica con respecto al eje x y con respecto al eje y. iii. Las rectas que pasan, la primera por M y P y la segunda por N y Q, se llaman asntotas oblicuas de la hiprbola y sus ecuaciones vienen dadas respectivamente por:

y Una forma "nemotcnica" de obtener las ecuaciones de las los asntotas de la hiprbola es la siguiente: En la ecuacin de la hiprbola, sustituir el 1 (uno) del segundo miembro por un 0 (cero).

As, en el caso particular de la hiprbola

Hacemos:

(factorizando)

Estas son las ecuaciones de las asntotas iv. En el caso particular, cuando a = b, las ecuaciones de la hiprbola se transforman en:

En ambos, la hiprbola se llama: Hiprbola Equiltera y tienen como asntotas las rectas y = x e y = -x

Sistema de los nmeros reales

El ente bsico de la parte de la matemtica conocida como ANLISIS, lo constituye el

llamado sistema de los nmero reales. Nmeros tales como:1,3, correspondientes negativos, son usados en mediciones cuantitativas. y sus

Existen dos mtodos principales para estudiar el sistema de los nmeros reales. Uno de ellos comienza con un sistema mas primitivo tal como el conjunto de los nmeros naturales o enteros positivos; 1, 2, 3, 4, ... , y a partir de l, por medio de una secuencia lgica de definiciones y teoremas, se construye el sistema de los nmeros reales. En el segundo mtodo se hace una descripcin formal del sistema de los nmeros reales (asumiendo que existe), por medio de un conjunto fundamental de propiedades (axiomas) de las cuales muchas otras propiedades pueden deducirse. En esta primer parte, se har una presentacin intuitiva del conjunto de los nmeros reales. Se parte de un conjunto primitivo como es el conjunto N de los nmeros naturales y se efectan las sucesivas ampliaciones del mismo, atendiendo mas a la necesidad de resolver ciertas ecuaciones, en las cuales los conjuntos que se van definiendo resultan insuficientes para la solucin, que a un desarrollo axiomtico del mismo. 1.2 CONJUNTO DE LOS NMEROS REALES El conjunto de los nmeros reales est constituido por diferentes clases de nmeros. Entre ellas, se pueden mencionar los siguientes 6 conjuntos: 1.2.1. Conjunto de los nmeros naturales. El conjunto de los nmeros naturales, que se denota por N tambin por Z+, corrientemente se presenta asi: N = {1, 2, 3, 4, 5, ...} La notacin de conjunto que incluye los puntos suspensivos es de carcter informal. Este conjunto permite fundamentar las sucesivas ampliaciones que se hacen, de los sistemas numricos, y lleva principalmente a la consideracin de los nmeros reales. 1.2.2. Conjunto de los nmeros enteros. El conjunto de los nmeros enteros, que se denota por Z , corrientemente se presenta asi:

..

Z = {..., -3, -2, -1, 0, 1, 2, 3,...}

En el conjunto de los nmeros enteros, se pueden resolver ecuaciones que no tienen solucin en N , como sucede por ejemplo con la ecuacin x + 3 = 1, cuya solucin es x = 2.

Puede notarse que N Z.

1.2.3. Conjunto de los nmeros racionales. El conjunto de los nmeros racionales, que se denota por Q , se define de la siguiente manera:

Q=

/ m, n son enteros y n

La introduccin de los nmeros racionales responde al problema de resolver la ecuacin: ax = b, con a, b R, a { 0. sta slo tiene solucin en Z , en el caso particular en que a es un divisor de b. Note que todo entero n puede escribirse como el nmero racional n/1 y, en consecuencia, se puede concluir que: Z Q.

En lo sucesivo, cuando se haga referencia a los nmeros racionales, a/b, c/d, ..., se entender que a, b, c, d, ..., son nmeros enteros y que los denominadores son diferentes de cero. 1.2.4. Conjunto de los nmeros irracionales. En muchos temas de la geometra se plantea en general, problemas para cuya solucin el conjunto Q de los nmeros racionales resulta insuficiente. Asi, por ejemplo, al considerar el problema de determinar el nmero x que mide la longitud de la diagonal de un cuadrado cuyo lado sea la unidad, el teorema de Pitgoras permite establecer que x, satisface la ecuacin: x2 = 2. Puede demostrarse fcilmente, que no existe X Q que verifique esta ltima ecuacin. En general, una ecuacin de la forma xn = a, con a Q y n N, carecer (excepto casos particulares) de solucin. Se hace por lo tanto necesario, describrir otro conjunto, en el cual, ecuaciones como las anteriores tengan solucin. El conjunto de los nmeros irracionales, que se denota por Q*, est constituido por los

nmeros reales que no admiten la representacin racional. Ejemplos de esta clase de nmeros son: el nmero e (base del logaritmo natural), T , etc. En este conjunto, se pueden resolver ecuaciones que no tienen solucin en Q , como sucede, por ejemplo, con la ecuacin x2 2 = 0, cuyas soluciones son: x = son nmeros racionales. , que no ,

1.2.5. Finalmente se define el Conjunto R de los nmeros reales como: R =Q Q*. En el conjunto R de los nmeros reales, estn definidas dos operaciones: adicin (+) ymultiplicacin (.), las cuales verifican las siguientes propiedades (llamadas tambin axiomas de campo).

1.2.5.1. Axiomas de campo A.C.1. Uniforme Si se suman entre si dos nmeros reales, el resultado que se obtiene es un real nico. Si se multiplican entre si dos nmeros reales, el resultado que se obtiene es un real nico. A.C.2. Conmutativa

Para todo a, b R , A.C.3. Asociativa

Para todo a, b, c  R , A.C.4. Modulativa Existe el real 0 (cero) tal que para todo a R , a+0=0+a=a Existe el real 1 (uno), 1 { 0 tal que, para todo a R, a.1=1.a=a El real 0 es llamado: mdulo o elemento neutro para la adicin. El real 1 es llamado: mdulo o elemento neutro para la multiplicacin. A.C.5. Invertiva

Para cada nmero real a, existe un real nico llamado el opuesto de a, y que se denota a tal que: a + (-a) = 0 Para cada nmero real a { 0, existe un real nico llamado el recproco de a, y que se denota por a-1 1/a tal que: a . a-1 = a. (1/a) = 1 Asi por ejemplo, el opuesto de 5 es -5; el recproco de -2 es 1/-2. Debe notarse que -a no significa un nmero negativo, aunque en algunas ocasiones puede serlo. Asi, -3 es negativo y es el opuesto de 3, mientras que -(-5) es positivo y es el opuesto de 5. El opuesto de a tambin se conoce como inverso aditivo, el recproco de a tambin es llamado inverso multiplicativo de a. A.C.6. Distributiva Para todo a, b, c, R , a. (b+c) = a.b + a.c CONSECUENCIAS IMPORTANTES DE LOS AXIOMAS DE CAMPO A continuacin se presenta sin demostracin las consecuencias mas importantes de los axiomas de campo. Mas que una simple lista, son propiedades conocidas por el estudiante y que le sern bastante tiles en el desarrollo del curso. En algunas demostraciones de los teoremas del clculo, haremos referencia a ellas.

C1. Ley cancelativa para la adicin (multiplicacin) x + y = x + z y = z Si x { 0, entonces, xy = xz y = z C2. Para todo a, b R , la ecuacin: x + a = b, tiene una y solo una solucin en R.

C3. Para todo x R , x . 0 = 0

C4. x . y = 0 x = 0 v y = 0.

C5. Para todo x R , si x { 0, entonces x-1 = 1/x { 0.

C6. Si y { 0, entonces,

C7. Para todo x R , -(-x) = x.

C8. Si x { 0, entonces, (x-1)-1 = x.

C9. Para todo x, y R, -(x+y) = (-x) + (-y).

C10. Si x { 0, y { 0, entonces: (xy)-1 = x-1.y-1. Equivalentemente:

C11. Si b { 0, d { 0, entonces,

C12. Si b { 0, d { 0, entonces,

C13. Si b { 0, d { 0, entonces,

C14. Para todo x R , -x = (-1)x.

C15. (-1) . (-1) = 1.

C16. (-x) . (-y) = x.y.

C17. -(xy) = (-x)y = x(-y).

C18. C19. x(y-z) = x.y x.z.

,y{0

C20. (x-y) + (y-z) = x - z.

C21. (a-b) - (c-d) = (a+d) (b+c).

C22. (a+b) . (c+d) = (a.c + b.d) + (a.d + b.c).

C23. (a-b) . (c-d) = (a.c + b.d) - (a.d + b.c).

C24. a - b = c d a + d = b + c.

C25. Si x2 = x . x, entonces, x2 y2 = (x-y) . (x+y).

1.2.5.2. Axiomas de orden Los axiomas o propiedades del sistema de los nmeros reales que se enuncian a continuacin se expresan en trminos de un cierto subconjunto especial de R (este subconjunto denotado por R+ se identifica con el conjunto de los reales positivos). En general, cualquier campo que tenga un subconjunto P con las propiedades mencionadas a continuacin, es llamado un campo ordenado. En el caso particular que se estudiar, estas propiedades permiten establecer que el sistema de los nmeros reales es un campo ordenado. A.O.1. Existe un subconjunto R+ de R tal que: i) Si a, b R+, entonces a + b R+ a . b R+ Para cada a R , una y solo una de las siguientes proposiciones es verdadera. a R+ ; a = 0 ; -a R+. Los elementos a R , para los cuales a R+, sern llamados: reales positivos. Los elementos a R , para los cuales -a R+, sern llamados: reales negativos.

DESIGUALDADES Usando solamente el subconjunto R+ descrito en A.O.1., se deducen todas las reglas

usuales en el trabajo con desigualdades de nmeros reales.

Definiciones Sean x, y nmeros reales.

Los smbolos "<" y ">" (que se leen: "menor que" y "mayor que" respectivamente) se definen por las afirmaciones: x < y y x R+ x > y x y R+ Los smbolos " " y " " (que se leen: "menor o igual que" y "mayor o igual que" respectivamente) se definen por las afirmaciones: x x y x < y v x = y yx>yvx=y y, x y es llamadauna desigualdad.

Cada una de las expresiones: x < y, x > y, x

Se sigue de la definicin anterior que las desigualdades: x > y, y, y < x son equivalentes. Igualmente las desigualdades: x y, y, y x son equivalentes.

La expresin: x < y < z, se usa para indicar las dos desigualdades simultneas: x < y ^ y < z. Igualmente, la expresin: x > y > z, se usa para indicar las dos desigualdades simultneas: x > y ^ y > z. En cualquiera de los dos casos de la definicin anterior, se dice que y est entre x y z. Interpretaciones similares pueden establecerse para las desigualdades: x z; x < y z; x y< z, etc. y z; x y

Claramente, a R+ a > 0 a es negativo a < 0

Las propiedades siguientes, que enunciamos sin demostracin son consecuencia inmediata de la propiedad de orden y sern tiles en el trabajo con desigualdades.

CONSECUENCIAS PRINCIPALES DE LA PROPIEDAD DE ORDEN 01. Tricotoma.

Si x, y R , entonces, una y solo una de las siguientes proposiciones es verdadera: x > y ; x = y ; x < y.

02. Transitiva. Para todo x, y, z R , x < y ^ y < z x < z. x > y ^ y > z x > z.

03. Si x, y, z R , entonces: x<yx+z<y+z^xz<yz. x>yx+z>y+z^xz>yz. x x y x + z yx+z y+z^xz y+z^xz yz. yz.

04. a > b > 0 ^ c

d > 0 a.c > b.d.

05. Las siguientes reglas de los signos para la adicin y multiplicacin de reales se cumplen: (Nmero positivo) + (Nmero positivo) = Nmero positivo (Nmero negativo) + (Nmero negativo) = Nmero negativo (Nmero positivo) . (Nmero positivo) = Nmero positivo (Nmero negativo) . (Nmero negativo) = Nmero positivo

06. a < b ^ c > 0 a.c < b.c.

a < b ^ c < 0 a.c > b.c. Las dos propiedades anteriores, muchas veces se expresan diciendo que si ambos miembros de una desigualdad se multiplican por una cantidad positiva, el sentido de la desigualdad se conserva, mientras que si se multiplican por una cantidad negativa, el sentido de la desigualdad cambia. 07. Para todo x R , x2 x2 = 0 x = 0. 0

08. x > 0

09. x > y > 0

REPRESENTACIN GEOMTRICA DE LOS NMEROS REALES

Una manera de representar geomtricamente los nmeros reales, consiste en tomar una recta generalmente en forma horizontal, y fijar dos puntos distintos en ella, denotando con 0 (cero) al de la izquierda y con 1 (uno) al de la derecha.

Se considera que cada punto de la recta corresponde a un nmero real y viceversa, a cada nmero real le corresponde uno y solo un punto de dicha recta. Se establece de esta forma, una correspondencia biunvoca entre los nmeros reales y los puntos de esta recta, la cual nos permite decir en adelante que cada punto "es" un nmero real. A la recta sobre la cual se hace representaciones de los nmeros reales, se seguir llamando: RECTA REAL, , tambin, RECTA NUMRICA.

Recurriendo a la idea de distancia y tomando como unidad de longitud el segmento de recta entre 0 y 1, que en adelante se llamar segmento unitario; como punto de partida el 0, que en adelante se llamar origen; como nmeros positivos los puntos que se dan a la derecha del origen y negativos, los que se dan a su izquierda, se puede entonces localizar algunos nmeros reales. As, para localizar los nmeros enteros, se lleva sucesivamente, y a ambos lados de 0 y 1, el segmento unitario como aparecen en la figura adjunta.

fig. 1. Existe una construccin geomtrica sencilla para localizar nmeros racionales en la recta real. Ilustremos el procedimiento por medio de un ejemplo. Para representar, digamos el nmero racional 12/5, se traza por el origen 0 de la recta real una segunda recta oblicua y a partir de 0 se marcan cinco (5) segmentos iguales sobre la oblicua con extremos en P1, P2, P3, P4 y P5. (Ver fig. 2).

A continuacin, se traza la recta que une a P5 con el racional y luego cuatro rectas paralelas a la anterior y que pasen por los puntos P1, P2, P3, P4 y P5. Por geometra elemental se sabe que este sistema de rectas paralelas corta al segmento entre 0 y 3 en cinco partes iguales de manera que la longitud de cada parte es 3/5.

Fig.2
En consecuencia, cada punto de corte en la recta real corresponde en forma sucesiva a los racionales: 3/5, 6/5, 9/5, 12/5 y 15/5 entre los cuales se encuentra el racional que se quera representar en la recta.

Para los enteros positivos que no son cuadrados perfectos, se puede demostrar que su raiz cuadrada es un nmero irracional, cuya localizacin en la recta numrica se logra de una manera sencilla empleando el teorema de Pitgoras (Ver fig. 3).

fig. 3.

Otros nmeros irracionales como T 3.1415927... y e su forma decimal aproximada.

2.7182818... sern localizados en

1.2.5.3. Intervalos

Dentro de los subconjuntos infinitos del conjunto de los reales, se destacan 9 de ellos, llamados intervalos y que se definen de la siguiente forma:

Definiciones Sean a, b R , con a < b. El conjunto de puntos { x R / a < x < b} se llama: INTERVALO ABIERTO de extremos a y b. Se denota por (a, b). As que: (a, b) = { x R / a < x < b} y geomtricamente se representa en la recta real en la forma:

fig. 4 El conjunto de puntos { x R/ a b. Se denota por [a, b]. As que: x b} se llama: INTERVALO CERRADO de extremos a y

[a, b] = { x R / a forma:

b} y geomtricamente se representa en la recta real en la

Fig.5 Ntese que a (a, b), b (a, b), a [a, b], b [a, b].De manera similar, se pueden definir y representar geomtricamente los dems tipos de intervalos y que aparecen a continuacin de una manera simple.

(a, b] = { x R / a < x fig.6 [a, b) = { x R / a fig.7

b};

x < b};

Sea a R . Un intervalo de cualquiera de las siguientes formas se llama: SEMIRECTA. (-g , a) = { x R/ -g < x < a}; fig.8 (-g , a] = { x R/ -g < x fig.9 (a, +g ) = { x R/ a < x < + g }; fig.10 [a, +g ) = { x R/ a fig.11 Finalmente, el conjunto R de los nmeros reales, se define como el intervalo: (-g , +g ). Es decir: (-g ,+g ) = { x R / -g < x < + g }. x < + g }; a};

1.2.5.4. Valor absoluto

Definicin Sea x R . El valor absoluto de x, denotado por: se define:

Asi,

El valor absoluto de un nmero real x es siempre positivo o cero y se interpreta geomtricamente, como la distancia del punto x al origen (fig. 12). Igualmente, interpreta como la distancia del punto x al punto y en la recta real (fig. 13). se

PROPIEDADES DEL VALOR ABSOLUTO

V.A.1. Para todo x R ,

V.A.2.

V.A.3.

, para todo x, y R .

V.A.4.

V.A.5.

V.A.6.

V.A.6.

>V.A.7.

siempre que

V.A.8.

siempre que

V.A.9.

siempre que a > 0

V.A.10.

V.A.11.

, para todo x R .

V.A.12. (desigualdad triangular). Para todo x, y R , En que caso se verifica la igualdad? (compruebe).

V.A.13.

V.A.14.

A manera de ejemplo, y con el objeto de que el estudiante, se acostumbre a efectuar demostraciones de resultados sencillos, se demostrarn las propiedades: V.A.7. y V.A.14. (Ejercicios resueltos 2 y 3)

1.2.5.5 SOLUCIN DE DESIGUALDADES

En una desigualdad que envuelve una incgnita, dgase la letra x, un valor particular de x satisface la desigualdad, si al reemplazar x por su valor particular (en todas sus ocurrencias) la convierte en una proposicin verdadera.

Asi por ejemplo, x = 1 es un valor particular de x que satisface la desigualdad: 3x-1 < x+5 ya que 3(1)-1 < 1+5. Mientras que x = 4 no es solucin particular.

Resolver una desigualdad es encontrar el conjunto de todos los nmeros reales que la hacen verdadera. En contraste con una ecuacin, cuya solucin, en general es un nmero o quiz un conjunto finito de nmeros, el conjunto solucin, de una desigualdad consta por lo comn de un intervalo, unin infinita de intervalos y en algunos casos el conjunto vaco.

Asi, el conjunto solucin de la desigualdad: x2 x < 6 es el intervalo (-2, 3); el conjunto solucin de la desigualdad x2 x 6 es (-g , -2] [3, +g ) y el conjunto solucin de la desigualdad x2 + 5 < 4 es el conjunto vaco (porqu?).

El procedimiento para resolver desigualdades consiste en transformar la desigualdad inicial en una desigualdad EQUIVALENTE (tiene las mismas soluciones). Las herramientas principales para hacerlo es el uso adecuado de las propiedades de orden y sus consecuencias. Ello implica que debemos realizar ciertas operaciones en una desigualdad sin cambiar el conjunto solucin. En particular:

Se puede sumar (restar) la misma cantidad en ambos miembros de una desigualdad. Se pueden multiplicar (dividir) ambos miembros de una desigualdad por una misma cantidad positiva. Se pueden multiplicar (dividir) ambos miembros de una desigualdad por una misma cantidad negativa, pero entonces se debe invertir el sentido del signo de la desigualdad.

NTRODUCCIN

Los temas tratados hasta ahora, constituyen lo que se conoce como: preclculo; es decir, proporcionan las herramientas bsicas para el clculo, pero no son clculo. Nuestro propsito ahora, es establecer, inicialmente de una manera intuitiva por medio de ejemplos, y posteriormente presentar la definicin precisa, del concepto mas importante del clculo, como es el concepto de Lmite. Algunos autores, definen el clculo como el estudio de los lmites. La nocin de lmite no solamente aparece en los temas siguientes del clculo que se presentan en este curso (continuidad, derivacin e integracin), sino, tambin, en los temas de los cursos de Anlisis I y II (series, funciones de varias variables, integrales mltiples y clculo vectorial). La siguiente tabla, tiene la palabra lmite en el centro; los conceptos principales (en valos) emanan de ella.

Considrese la funcin definida por: ;x 1 el nico punto en el cual f(x) no est definida es en x = 1, pero, en puntos tan cercanos a 1 como se quiera, la funcin se encuentra definida. Esta situacin da lugar a la siguiente pregunta: Se aproximaf(x) a algn valor especfico, cuando x se aproxima a 1? En las tablas siguientes se hace un seguimiento de f(x), cuando x se aproxima a 1 por la izquierda (valores menores que 1) y por la derecha de 1 (valores mayores que 1).

f(x)

0 1 0.3 1.6 0.5 2* 0.75 2.5 0.9 2.8 0.95 2.9 0.99 2.98 0.995 2.99 ** 0.999 2.998 0.9995 2.999 0.9999 2.9998 . . . . . . 1.000 no definido . . . . . .
Tabla 1

x f(x) 2 5 1.7 4.4 1.5 4* 1.25 3.5 1.1 3.2 1.05 3.1 1.01 3.02 1.005 3.01 ** 1.001 3.002 1.0005 3.001 1.0001 3.0002 . . . . . . 1.000 no definido

. . .

. . .
Tabla 2

La observacin atenta de ambas tablas sugiere una respuesta a la pregunta formulada antes. Ntese que a medida que los valores de x, se "acercan" a 1, sin tomar el valor de 1, los valores de f(x) se "acercan" a 3. Dndole a la palabra lmite un significado intuitivo, se dice que: El "lmite" de la funcin f(x) es 3 cuando x tiende a 1. La afirmacin anterior frecuentemente se expresa simblicamente por cualquiera de las formas: cuando (se lee: f(x) tiende a 3 cuando x tiende a 1).

O tambin,

(se lee: lmite cuando x tiende a 1 de f(x) es 3)

De una manera mas general, pero conservando el significado intuitivo de la palabra "lmite", se dice que:

, si se puede hacer que f(x) este tan "cerca" de L como se quiera, haciendo que x este suficientemente "cerca" de a, pero siendo distinta de a. Volviendo al ejemplo inicial, supngase que se quiere que f(x) difiera de 3 en valor absoluto en menos de 1. Es decir, se quiere que: (1).

Pregunta: Cmo elegir los valores de x para que se cumpla (1)? En primer lugar, ntese que la desigualdad (1) puede escribirse en las formas equivalentes:

(2) En las tablas se sealaron con * los valores de x para los cuales f(x) = 2 y f(x) = 4. Para que la desigualdad (2) se cumpla, ntese que se pueden elegir los valores de x de tal modo que: , , (3) o equivalentemente,

, , , (4). El anterior procedimiento nos indica que para que se satisfaga la desigualdad (2), basta que se satisfaga la desigualdad (4). Esto es, Si , entonces, (5). (6).

Supngase ahora que se quiere que

La pregunta que surge nuevamente es la siguiente: Cmo elegir los valores de x para que se cumpla (6)?. Un procedimiento similar al del caso anterior, permite escribir la desigualdad (6) en la forma equivalente: (7). En las tablas se sealaron con ** los valores de x para los cuales f(x) = 2.99 y f(x) = 3.01. Ahora, para que la desigualdad (7) se cumpla, los valores de x deben elegirse de tal manera que: , , , (8). Esto nos indica nuevamente que para que se cumpla la desigualdad (7) es suficiente que se cumpla la desigualdad (8). Esto es,

Si

, entonces,

(9).

De manera similar a las dos preguntas anteriores, se podra preguntar como elegir los valores de x, de tal forma que la diferencia sea menor que cualquier nmero positivo, tan pequeo como se quiera. Se usa frecuentemente la letra griega I (Epsiln) para denotar tales nmeros positivos. La pregunta entonces formulada de manera general sera la siguiente: Para cuales valores de x, , se cumple que: ?

Un procedimiento similar al desarrollado en los dos casos anteriores, permite verificar que es suficiente elegir los valores de x, de tal manera que la diferencia sea menor quecierto nmero positivo, corrintemente denotado por la letra griega H (Delta). Resumiendo: Si , entonces, .

La cantidad de ensayos que se pueden efectuar con valores pequeos dados de I , es innumerable y no se demostrara nada con respecto a la existencia del Lmite de f(x), slo servira para convencernos intuitivamente que f(x) tiende al valor 3 cuando x tiende a 1. Solamente, cuando se logre demostrar que para cualquier nmero positivo I dado, existe al menos otro nmero positivo H , tal que: Si , entonces, formulacin exenta de ambigedades. Observacin Muchas veces las cosas no son tan simples como parece en la nocin intuitiva del lmite de una funcin. En algunos casos el uso de la calculadora puede desorientarnos, as como tambin nuestra propia intuicin: , se le dar a nuestra intuicin una

Asi por ejemplo, si deseamos calcular: puede construir la tabla que aparece a continuacin:

, y usamos la calculadora, se

x 1 0.5 0.1 0.99995 0.24991 0.00990

0.01 . . . 0

0.000000005 . . . ?

Si nos guiamos por la tabla, nuestra intuicin nos llevar a concluir

que Pero, dicho resultado es incorrecto, ya que cerca de 0 la funcin coseno, toma el valor 1. Asi que:

DEFINICIN RIGUROSA DEL LMITE DE UNA FUNCIN

Definicin Sea a un punto de un intervalo abierto I, sea f(x) una funcin definida en I excepto posiblemente en el punto a. El lmite de f(x) cuando x tiende al punto a, es un real L y se escribe: para todo Observaciones: i. La implicacin (1) puede escribirse en las siguientes formas equivalentes: , si , si y solamente si, para cada entonces, , existe un (1). , tal que

La figura 8.1. ilustra grficamente el significado de I y H en esta ltima implicacin. Obsrvese que para aquellos x que pertenecen al intervalo: correspondientes f(x) pertenecen al intervalo: , los

fig. 8.1. ii. El lmite de una funcin no depende del valor de la funcin en el punto, aunque algunas veces coincide, sino, del valor de la funcin en las "cercanas" del punto. Asi por ejemplo, considrese la funcin f definida por:

Vimos en la seccin 8.1. que,

, sin embargo, f(1) = 5.

Ntese que

, si

De esta forma la funcin f(x) despus de simplificarla se puede escribir asi:

Su grfica aparece en la figura 8.2. Ntese que los valores de f(x) estn cerca de 3, cuando los valores de x estn prximos a 1.

fig. 8.2. iii. La definicin de lmite no establece la manera de determinar el H para un I dado. En las demostraciones sobre lmites, el procedimiento est orientado a dejar en claro como se puede determinar dicho H . Algunas veces, como en los ejercicios 1 y 2 de la seccin 8.4., se puede establecer una relacin entre H y I que satisface la definicin y esto es suficiente para dar por terminada la demostracin.

8.2.1. Teoremas Sobre Lmites Los siguientes teoremas, que se enuncian sin demostracin, sealan importantes propiedades de los lmites de funciones y son al mismo tiempo tiles herramientas que permiten determinar, en muchos casos, el lmite de una funcin, sin tener que recurrir al empleo directo de la definicin. TEOREMA 1. (Unicidad del Lmite)

Si

, entonces

En palabras: Si una funcin tiene lmite en un punto a, dicho lmite es nico. TEOREMA 2. (Algebra de Lmites)

Sea n un entero positivo, k una constante real y f y g funciones tales que y existen. Entonces: (El lmite de una constante es la constante) (Lmite de la funcin identidad)

1.

2.

3.

(Toda constante puede salir del lmite)

4. de funciones es la suma de los lmites.

El lmite de una suma

5. diferencia de funciones es la diferencia de los lmites. 6. el producto de los lmites.

El lmite de la

El lmite de un producto es

7. siempre que cociente es el cociente de los lmites.

El lmite de un

8.

Consecuencias importantes

C.L.1. Si

, existen, entonces:

C.L.2.

C.L.3. Si n es un entero positivo,

C.L.4. Como caso particular del lmite de un cociente, se tiene: .

si

En general, si n es un entero positivo y C.L.5. (Lmite de la funcin polinmica).

, entonces:

C.L.6. (Lmite de una funcin racional)

Si m y n son enteros positivos,

. Entonces:

siempre que:

TEOREMA 3. (Lmite de funciones iguales); Sean f(x) y g(x) dos funciones definidas en un intervalo I que contiene al punto a y tales que: 1. 2. Entonces, Asi, por ejemplo, las funciones: para todo existe y es L. , excepto posiblemente en a.

y puntos del eje real, excepto en el punto

, son iguales en todos los . (Ver fig. 8.3.)

fig. 8.3.

Pero, 3, .

. Asi que de acuerdo al teorema

Observacin:

Si en el ejemplo anterior, evaluramos directamente,

se tendra:

El cociente no es un nmero real, se conoce en el clculo como una forma indeterminada (no puede determinarse a primera vista el valor exacto del lmite). Sin embargo, usando manipulaciones algebricas, se puede transformar la funcin en una funcin equivalente que tiene lmite y que de acuerdo con el teorema 3, coincide con el lmite de f (x). Efectuar el proceso algebrico y simplificar, se conoce en el lenguaje del clculo como: "Eliminar la indeterminacin".

Asi,

(factorizando)

(simplificacin)

En los ejercicios resueltos 3, 4, 5, 6 y 7 de la seccin 8.4. se ilustra nuevamente este procedimiento. TEOREMA 4. (Teorema del Snduche) Sean f(x), g(x) y h(x) tres funciones definidas en un intervalo I, excepto posiblemente en el punto 1. y, tales que: para todo

2.

Entonces, . Este importante teorema, cuya ilustracin grfica aparece en la figura 8.4., ser de gran utilidad para demostrar que: , igualmente, se usa en el clculo integral para calcular reas bajo curvas, usando las llamadas: sumas aproximantes.

fig. 8.4. 8.2.2. Lmites Laterales Considere la funcin f, definida por:

y cuya grfica aparece en la figura 8.5.

fig. 8.5. Se desea conocer el valor de los siguientes lmites:

a. b. c. d. e. El problema ahora se reduce a "sustituir" apropiadamente f(x) en cada uno de los literales anteriores. a. Ntese que en las "cercanas" de la funcin f(x) es: . Asi que:

b. Igualmente, en las "cercanas" de

la funcin f(x) es:

. De esta forma:

c. Tambin en las "cercanas" de

la funcin f(x) es:

. Por lo tanto,

Ahora, ntese en la fig. 8.5. que para los valores de x anteriores al dada por: posteriores . Mientras que para los valores de x prximos a 1 pero viene dado por:

viene

Cul es entonces la f(x) apropiada para sustituir en la parte d.? En situaciones como esta, es til y natural introducir los llamados Lmites laterales. El smbolo: menores que 1). El smbolo: mayores que 1). significa que: x se aproxima a 1 por la izquierda (por valores

significa que: x se aproxima a 1 por la derecha (por valores

En el caso particular que interesa, se tiene:

(1)

(2) Igualmente, en el caso e. ocurre algo similar en las cercanas del punto x = 3. Es decir, si Asi que: y si .

(3)

(4) En general, denotamos por: para expresar que: x se aproxima al valor a por la derecha. Esto es por valores de x > a. para expresar que: x se aproxima al valor a por la izquierda. Esto es por valores de x < a. Lo anterior, nos permite dar una definicin informal de los lmites laterales. Definiciones. i.Lmite por la derecha.

Decir que

, significa que cuando x est cerca, pero a la derecha de a,

entonces f(x) est cerca de L. ii. Lmite por la izquierda. Decir que , significa que cuando x est cerca, pero a la izquierda de a, entonces f(x) est cerca de L. Observacin: Decir que es diferente a decir que .

El siguiente teorema establece la relacin que existe entre el lmite de una funcin en un punto y los lmites laterales. TEOREMA.

Observaciones:

i.Otra forma equivalente de enunciar el teorema es la siguiente: no existe, si y solo si, no existe alguno de los lmites laterales, o, si existen, son diferentes. ii. Las dos formas del teorema se utilizan para determinar la existencia o no del lmite de una funcin, en particular para la funcin inicial de estudio en esta seccin, se deduce de (1) y (2) que: que que: no existe, ya que existe y , puesto

. De igual forma, de (3) y (4) se deduce

Ejercicios Propuestos Sobre Lmites De Funciones

1. Use la definicin

del lmite de una funcin para probar que:

a. c. e.

b. . d. f.

. .

2. Evaluar los siguientes lmites:

a. d.

b.

c. f.

e.

g.

h.

i.

j.

k.

m.

n.

o.

p.

q.

r.

3. Encuentre el valor de cada uno de los siguientes lmites o establezca que no existe.

a.

b.

c.

d.

4. Bosqueje la grfica de las siguientes funciones. Encuentre luego los lmites dados o establezca que no existen.

a.

b.

5. Probar que si posiblemente en a) y si

en algn intervalo abierto que contiene al punto a (excepto , y,

, entonces,
INTRODUCCIN HISTRICA A LA DERIVADA

Los problemas tpicos que dieron origen al Clculo Infinitesimal, comenzaron a plantearse en la poca clsica de Grecia (siglo III a.C.), pero, no se encontraron mtodos sistemticos de resolucin hasta 20 siglos despus (en el siglo XVII por obra de Newton y Leibnitz). En lo que atae a las derivadas, existen dos conceptos de tipo geomtrico: el problema de la tangente a una curva (concepto griego esttico en contraste con el concepto cinemtico de Arqumedes) y el problema de los extremos (mximos y mnimos) que en su conjunto dieron origen a lo que modernamente se conoce como Clculo Diferencial. El problema de la tangente a una curva, fue analizado y resuelto primeramente por Apolonio (200 a.C.). En el libro II de su obra, hace el estudio de los dimetros conjugados y de las tangentes a una cnica. Por ejemplo, si P es un punto cualquiera de una hiprbola de centro C, entonces, Apolonio demuestra que la tangente en P corta las asntotas en los puntos L y L (fig. 9.1. (a)) que equidistan de P.

(a) fig. 9.1.

(b)

En el caso de la elipse, si Q es un punto de la curva (fig. 9.1. (b)), Apolonio traza la perpendicular desde el punto Q al eje AA, y halla el conjugado armnicoT de N con respecto a A y A, es decir, el punto T de la recta AA es tal que , o equivalentemente, el punto T que divide externamente al segmento AAen la misma razn en que N divide internamente a AA. Entonces, la recta que pasa por T y Q ser tangente a la elipse. Igualmente, en el libro CNICAS V.8., Apolonio demuestra un teorema relativo a la normal a una parbola, que podra formar parte actualmente de un curso completo de Clculo Diferencial. En cuanto al problema de los extremos relativos de una funcin, fue Pierre de Fermat (1601 1665) quien en el ao 1629, hizo dos importantes descubrimientos que estn relacionados con sus trabajos sobre lugares geomtricos. En el mas importante de ellos, titulado Methodus ad disquirendam maximan et miniman("Mtodos para hallar mximos y mnimos"), Fermat expone un mtodo muy ingenioso para hallar los puntos en los cuales una funcin polinmica de la forma y = f (x), toma un valor mximo o mnimo. Fermat comparaba el valor de f (x) en un cierto punto, con el valor de f (x + E) en un punto prximo; en general, estos dos valores son distintos, pero, en una "cumbre" o en el fondo de un "valle" de una curva "lisa" la diferencia es casi imperceptible. Por lo tanto, para hallar los puntos que corresponden a valores mximos o mnimos de una funcin, Fermat iguala f (x) con f (x + E), teniendo en cuenta que estos valores son "casi iguales". Cuanto mas pequea sea la diferencia E entre los dos puntos, mas cerca est la igualdad de ser verdadera. As, despus de dividir todo por E, hace E = 0. El resultado le permite calcular las abscisas de los mximos y mnimos de la funcin polinmica. Aqu se puede ver ya en esencia, el proceso que ahora se llama diferenciacin, ya que el mtodo de Fermat es equivalente a calcular:

e igualar este lmite a cero.

Esta fue la razn que asisti a Laplace al aclamar a Fermat como el verdadero descubridor del Clculo Diferencial. Sin embargo, aunque son muchos y numerosos los precursores, algunos historiadores han considerado que es a Newton (sir Isaac Newton. 1642 1727. Nacido en Woolstharpe (Inglaterra)) y aLeibnitz (Gottgried Wilhelm Leibnitz. 1646 1716. Nacido en Leipzig (Alemania)) a quienes se les puede atribuir justificadamente la invencin de las derivadas y de las integrales. Newton, tard mucho en dar a conocer sus resultados. La notacin que usaba era mas sugestiva: lo que nosotros llamamos f (x) y, l lo llamaba "cantidades fluentes", y la derivada, D f (x) era llamaba "fluxin". Adems, se le escriba en lugar de D f (x). El mismo Newton escriba cosas como las siguientes: "Los momentos - las actuales diferenciales - dejan de ser momentos cuando alcanzan un valor finito, y deben por lo tanto considerarse como magnitudes finitas nacientes". Frases tan confusas, que Newton deba entenderlas muy bien, pero, para otro que no fuera su inventor del mtodo, suenan bastante incomprensibles. En el ao de 1669, Isaac Barrow (1630 1677), recibi de su alumno Isaac Newton, un folleto titulado De Analysi per Aequationes Numero Terminorum Infinitas. Contena, nada menos, que el esbozo casi completo del Clculo Diferencial e Integral. Aquel mismo ao, Barrow decidi que su alumno saba mucho mas que l, y que tena por lo tanto mucho mas derecho a la ctedra de matemticas con mas merecimientos que el propio Barrow; su titular. Con una generosidad y un desinters difciles de igualar, Barrow cedi su ctedra a Newton. A los 40 aos, siendo profesor de matemticas de Cambridge, Newton escribi los Principia Mathematica, tal vez el tratado cientfico de mayor influencia jams publicado. En el aplic los conceptos del clculo para explorar el universo, incluyendo los movimientos de la tierra, la luna y los planetas alrededor del sol. Se dice que un estudiante observ: "ah va el hombre que escribi un libro que ni l ni los dems comprenden". Leibnitz, comparte con Isaac Newton el crdito del descubrimiento del clculo. Fue el primero en publicar los mismos resultados que Newton descubriera diez aos antes. La historia ha dictaminado que Newton fue el primero en concebir las principales ideas (1665 1666), pero que Leibnitz las descubri independientemente durante los aos de 1673 1676. Leibnitz fue quiz el mayor inventor de smbolos matemticos. A l se deben los nombres del Clculo Diferencial y el Clculo Integral, as como los smbolos y para la derivada y la integral. Fue el primero en utilizar el trmino "funcin" y el uso del smbolo " = " para la igualdad. Por esta razn, debido a la superioridad del simbolismo , el clculo se desarroll con mucha mayor rapidez en el continente europeo que en Inglaterra de donde era oriundo Newton.

EFINICIN

Sea f una funcin definida en todos los puntos de un intervalo abierto I que contiene los puntos x1 y x1 + h. Se dice que f es derivable, , f es diferenciable, o f tiene derivada en x1 si:

existe. A dicho lmite cuando existe, se le denota por en este caso: . En consecuencia, se puede escribir

(1) Si f es derivable en todos los puntos

, la funcin:

(2)

se llamar: funcin derivada de f con respecto a x. Otras notaciones para la funcin derivada de f con respecto a x son las siguientes:

(notacin de LEIBNITZ), y, las cuales en adelante se usarn de manera indistinta. Observacin: Al hacer: , entonces, cuando . De , se

tiene y al hacer las sustituciones correspondientes en (1) se obtiene la expresin equivalente para la derivada en

En los ejercicios 1 y 2 de la seccin 9.10. se ilustra la manera de calcular la derivada de algunas funciones usando la definicin. El siguiente teorema, establece una relacin entre las funciones continuas y las funciones derivables.

REGLAS DE DERIVACIN

Las siguientes reglas tienen por objeto el calcular la derivada de una funcin sin usar directamente la definicin, convirtiendo la derivacin de funciones en un proceso mecnico. R.D.1. (Derivada de una constante)

siendo C una constante Se suele escribir:

Prueba:

R.D.2. (Derivada de la funcin identidad)

Se suele escribir:

Prueba: Si f(x) y g(x) son dos funciones derivables en un mismo punto x, entonces: (f + g), (f g), (f . g) y (f / g) son tambin derivables en x, y se generan las siguientes reglas de derivacin:

R.D.3. (Derivada de una suma de funciones)

R.D.4. (Derivada de una diferencia de funciones) R.D.5. (Derivada de un producto de funciones)

Prueba:

R.D.6.

Prueba:

R.D.7. (Derivada de un cociente de funciones)

Prueba: Se tiene:

. Asi que, usando R.D.5.

(R.D.6)

R.D.8. (Regla de la Cadena) Si y = g(u) y u = f(x), entonces se puede obtener la composicin: y = (g o f)(x) = g (f(x)) Ahora, si se quiere calcular

basta con derivar esta ltima relacin. La siguiente regla, conocida como la regla de la cadena, proporciona otra manera de hallar la derivada sin efectuar la composicin. REGLA DE LA CADENA. Supngase que f y g son dos funciones derivables tales que H = g(u) y u = f(x), entonces: H(x) = (g o f)(x) = g(f(x)) . f(x) En la demostracin se hace uso del siguiente lema, que se puede demostrar fcilmente: LEMA: sea g una funcin tal que g(u) existe y considere la siguiente funcin:

Entonces: G es continua en h = 0

i. ii.
Prueba de la regla de la cadena: Como H(x) = g(f(x)), entonces: H(x + t) H(x) = g(f(x + t)) g(f(x))

= g(f(x + t) f(x) + f(x)) g(f(x)) Sea h = f(x + t) f(x) (1) Asi que: H(x + t) H(x) = g(h + u) g(u) (2) Como f es una funcin continua, se sigue de (1) que:

.
Ahora, aplicando el lema en su parte ii. en (2) se tiene:

H(x + t) H(x) = h[g(u) + G(h)] Luego,

Al tomar lmite en ambos lados de la ltima igualdad cuando

, se obtiene:

(3)

Pero,

(De (1))

(por ser G continua)

Adems,

, y,

Asi que de (3) se obtiene finalmente,

Observaciones: Muchas veces, la regla de la cadena se recuerda mas fcilmente, usando la notacin de LEIBNITZ para la derivada. Esto es :

Si y = g (u) y u = f (x) entonces:

Regla de la cadena compuesta .

Si y = g (u), u = f (t), t = h (x), entonces:

R.D.9.

n R (Para n < 0, la funcin xn est definida solamente en R - {0}) Prueba: Caso 1: n Cuando n

z (n es un nmero entero) z + la prueba se hace por induccin sobre n.

(R.D.2.)

Para n = 1, se sabe que

Sea k

z +.
y observe que .

Supngase que

En efecto,

(R.D.5.)

(Hiptesis de Induccin y R.D.2.)

Cuando n < 0, hacemos n = m, con m > 0. De esta manera:

(R.D.6.)

Caso 2: n Q (n es un nmero racional) Considere primero que q Z, x Dferente de 0.

En este caso, la funcin y = f (x) = xn, puede escribirse en la forma:

De acuerdo a la definicin de derivada, se tiene que:

Para eliminar la indeterminacin en este ltimo lmite, se multiplica numerador y denominador por el factor racionalizante:

Esto es,

(Aqu se hizo uso de la identidad:

q-veces

Considere ahora que

, con p, q Z positivo. puede escribirse en la

En este caso, la funcin potencia forma:

y para derivarla, se aplica la regla de la cadena (R.D.8.). Hacemos: De esta forma: .

, y,

Entonces:

(Casos 1 y 2)

(Leyes de los exponentes)

Caso 3: n E R ( ?) R.D.10. Sea f(x) una funcin derivable de x y sea n z. Entonces:

Prueba: Haga u = f(x). Asi que y = un, u = f(x) y aplique: R.D.8. En los ejercicios 4 y 5 de la seccin 9.10. se ilustra la manera de usar las reglas de derivacin mencionadas anteriormente.

TEOREMA (Derivada de las funciones trigonomtricas)

Prueba: i.

(Recordar que:

Como 8.4.1.) y

(Ejercicio 6 de la seccin

(Ejercicio 6 de la seccin 8.4.1.) = 0 Se puede escribir entonces:

(Recordar que:

ii. -sen x

iii. Usar la identidad:

y la R.D.7.

iv. Usar la identidad:

, la parte iii y la R.D.6.

v.Usar la identidad:

, la parte ii y la R.D.6.

vi.Usar la identidad: Observacin:

, la parte i y la R.D.6.

Si u(x) es una funcin derivable, entonces mediante el teorema anterior y la regla de la cadena (R.D.8.), se pueden demostrar las siguientes reglas generales para derivar funciones trigonomtricas: R.D.11.

R.D.12.

R.D.13.

R.D.14.

R.D.15.

R.D.16.

En los ejercicios resueltos (4(c), 4(d), 16(b) y 22) de la seccin 9.10., se ilustra la manera de usar las reglas de derivacin con funciones trigonomtricas.

sntotas De Una Curva

Al analizar la forma de una curva , muchas veces se precisa conocer el comportamiento de la funcin, cuando la abscisa y la ordenada de un punto variable de la curva, juntas, o por separadotienden en valor absoluto a infinito. Es decir, para un punto (x, y) (x, f (x)) variable de la curva, interesa estudiar los siguientes casos: 1. Cuando 2. Cuando 3. Cuando , entonces , entonces , entonces Lmites al infinito Lmites al infinito } Lmites infinitos

Aqu tiene especial importancia el caso para el cual la curva analizada se aproxima indefinidamente a una recta llamada ASNTOTA de la curva y cuya definicin y determinacin se precisar mas delante.

Lmites Al Infinito En la unidad 8 se ha considerado el lmite de una funcin f (x) cuando , , siendo a un nmero real.

Ahora, se quiere conocer el comportamiento de f (x) cuando la variable x toma valores positivos o negativos tan grandes en valor absoluto como se quiera. Esto ltimo se expresa frecuentemente en el clculo usando los smbolos: .

Considere por ejemplo la funcin: cuya grfica aparece en la fig. 9.18.

fig. 9.18. En la tabla 1 aparecen tabulados los valores de f (x) cuando la variable x toma sucesivamente los valores: 0, 1, 10, 100, 1.000, 10.000 y 100.000.

x 0 1 10 100 1000 10000 100000 1.33 1.4 1.47826 1.4975369 1.4997504 1.499975 1.4999975 Tabla 1

-1 -10 -100 -1000 -10000 -100000

1 1.52941 1.502538 1.50025 1.500025 1.5000025 Tabla 2

Ntese que a medida que la variable x toma valores ms y ms grandes, f (x) se aproxima cada vez mas al valor 1.5. Observe, adems, que cuando x = 100, entonces y cuando x = 1000, entonces .

Esto muestra que cuando la variable x toma valores ms y ms grandes, entonces la cantidad se hace cada vez ms pequea. . Qu valores de

Supngase ahora que se quiere que

la variable x satisfacen esta desigualdad? Se puede verificar que si particular, si Lo anterior se puede generalizar de la manera siguiente: Dado un nmero encontrar un nmero Si , entonces . , tan pequeo como se quiera, se puede tal que: y esto se expresa , entonces . . En

escribiendo:

Considrese ahora los valores tabulados en la tabla 2. Ntese que a medida que la variable x toma valores negativos y grandes en valor absoluto, nuevamente f (x) se aproxima cada vez mas al valor 1.5. Asi, cuando x = 100, entonces, cuando x = 10.000, entonces, Aqu tambin tiene cabida la siguiente pregunta: Para que valores de x negativos, se verifica que ? , ,

Se puede probar fcilmente (hgalo como ejercicio) que si entonces se cumple la desigualdad deseada. En particular, si entonces, . ,

Lo anterior se puede generalizar diciendo que al fijar un nmero se puede encontrar un nmero entonces , tal que si ,

y esto equivale a decir que:

De una manera mas general se tiene la siguiente definicin:

Definicin: i. Sea f una funcin definida en un intervalo .

Entonces: (L todo ii. R) si y solo si, para cada , si , entonces, , existe un B > 0 tal que, para . .

Sea f una funcin definida en un intervalo Entonces: (L R) , si y solo si, para cada , si , entonces, , existe un .

tal que,

para todo Observaciones: i.

La definicin anterior (parte i.) puede interpretarse geomtricamente asi: fijado un nmero positivo I , siempre es posible encontrar un nmero positivo B, a partir del cual todos los valores funcionales estn en el intervalo 9.19.). . (fig.

Similarmente, la parte ii. puede interpretarse asi: fijado un nmero positivo I , siempre es posible encontrar un nmero negativo B, para el cual si se evala la funcin en puntos anteriores a B, dichos valores funcionales estn en el intervalo . (fig. 9.19.).

fig. 9.19.

ii. Para una funcin dada puede suceder que:

1.

, y,

,L

K.

Asi por ejemplo, para la funcin aparece en la fig. 9.20. se cumple que:

y cuya grfica

(Ver ejercicio 18 de la seccin 9.10.).

fig. 9.20.

2.

En este caso se puede escribir simplemente:

Asi por ejemplo, para la funcin en la fig. 9.21. se cumple que:

y cuya grfica aparece

(Ver ejercicio 19 de la seccin 9.10.).

fig. 9.21. Los siguientes teoremas, proporcionan herramientas importantes para la manipulacin con lmites al infinito

TEOREMA (Algebra De Lmites Al Infinito) 1. Sean f, g dos funciones tales que sea K R. Entonces: i. y ,

ii.

iii.

2. Si existe un real B tal que f (x) = g (x) para todo x > B y si adems , entonces, .

3. Si n es un entero positivo y entonces, Si n es par, L debe ser positivo. Observacin: .

El teorema es igualmente vlido cuando se reemplaza por . TEOREMA:

Generalizacin, si n

N , entonces,

Observacin: En la seccin 8.4. al evaluar ciertos lmites se present la forma indeterminada - , 0. ,0 . Otras formas indeterminadas son las siguientes: , , 0,1 . En los ejercicios 18 y 19 de la seccin 9.10., y .

se ilustra el tratamiento de las formas: ;

El siguiente teorema que se enuncia sin demostracin, facilita la evaluacin de lmites al infinito para funciones racionales y en los cuales solo se necesita comparar los grados del numerador y del denominador para su determinacin.

TEOREMA (Lmite Al Infinito Para Funciones Racionales).

Sea

una funcin

racional, con m y n enteros positivos. Entonces:

i. Si m < n (grado N < grado D), entonces,

ii. Si m = n (grado N = grado D), entonces,

iii. Si m > n (grado N > grado D), entonces, Asi por ejemplo,

(Puesto que el grado del Numerador es menor que el grado del Denominador)

(Puesto que el grado del Numerador es igual al grado del

Denominador) (Puesto que el grado del Numerador es mayor que el grado del Denominador)

Lmites Infinitos Se entiende por lmites infinitos de una funcin, cuando el valor de la funcin crece o decrece sin "limite" a medida que la variable x se aproxima a un valor dado. Son lmites al infinito uno cualquiera de las formas:

1. 2.

Para el caso particular de estudio de las asntotas se hace referencia a los lmites

de la primera forma.

Considere por ejemplo, la funcin 9.22. (a).

cuya grfica aparece en la fig.

(a)

fig. 9.22.

(b)

Ntese que cuando (valores de x mayores que 3), el numerador de f (x) tiende a 2, y, el denominador, toma valores cercanos a 0, pero positivos, asi que el cociente, tiende a . De una manera mas simple, se escribe:

(1)

Igualmente,

(2)

En el caso (1) se dice que f (x)crece sin lmite, o se hace infinita, cuando x tiende a , y se escribe:

En el caso (2) se dice que f (x)decrece sin cota, o se hace infinitamente negativa, cuando x tiende a , y se escribe:

Otro ejemplo importante en el cual se analiza el comportamiento de una funcin cerca de los puntos donde no existe el lmite es el siguiente.

Considere la funcin, definida por: infinita cuando denominador). Asi que: y cuando

, f (x) se hace (valores de x que anulan el

Igualmente,

Los lmites al infinito y los lmites infinitos tratados anteriormente, estn ntimamente ligados con el concepto de asntota de una curva que se describe y detalla a continuacin. En primer lugar, se dice que un punto desplazable M se mueve a lo largo de una curva hacia infinito si la distancia entre este punto M y el origen de coordenadas crece indefinidamente. Definicin: Si la distancia entre una recta A y el punto desplazable M de una curva tiende a cero, mientras que el punto M tiende a infinito, se dice entonces, que la recta A es una asntota de la curva (fig. 9.23.)

(a)

(b)

(c)

fig. 9.23.

(d)

BIBLIOGRAFA
Bibliografa SULLIVAN Michael. Precalculo. Cuarta edicin. Prentice Hall. Hispanoamerica, s.a. Mexico 1997. PURCELL Edwin - VARBERG Dale. Calculo con geometria anlitica. Sexta edicin actualizada. Pearson Prentice hall. hispanoamerica s.a. Mxico. 1992. Edwards y Penney. Clculo con geometra analtica. Cuarta edicin. Prentice Hall. Hispanoamericana S.A. Mxico 1996. STEIN, Sherman K. Clculo y geometra analtica. Quinta edicin. Mxico. Editorial

McGraw-Hill, 1995. LARSON. Ronal E. HOSTETLER, Robert P. Clculo. Sexta edicin. McGraw-Hill. Interamericana de Espaa, Madrid 1998. LEITHOLD, Louis. El Clculo. Sptima Edicin. Mxico. Editorial Oxford University Press 1998. SWOKOSKY, Earl W. Clculo con geometra Analtica. Segunda edicin. Mxico. Editorial Iberoamericana, 1998.

Probabilida

EXPERIMENTOS ALEATORIOS Y DETERMINISTAS A continuacin te presentamos dos juegos Acorralado y La carrera de camellos. Empieza por echar unas partidas a ambos juegos y luego vuelves a este punto para continuar, podremos hablar con ms propiedad de lo que sigue despus de tus partidas. Carrera de Camellos Acorralado

Qu, te ha ganado el ordenador al acorralado, o le has ganado t?. Seguro que si le ganas una vez le ganas siempre. Este es un juego de estrategia, hay un procedimiento para ganar siempre (Puedes ver el unidad de Juegos de Estrategia), sin embargo en el juego de los camellos lo ms seguro es que tu camello no haya ganado la carrera, este es un juego aleatorio, depende del azar. Estos dos juegos son unos ejemplos magnficos de lo que es un experimento aleatorio y un experimento determinista. Un experimento es determinista cuando, realizado en las mismas condiciones, da los mismos resultados, se puede predecir lo que va a ocurrir. Por ejemplo: el juego del acorralado, si conoces la estrategia siempre ganars, si hoy es Martes, maana ser Mircoles, si un nmero natural es par, el siguiente ser impar. Todos los juegos de estrategia son experimentos deterministas. Un experimento es aleatorio cuando no se puede predecir lo que va a ocurrir, incluso cuando se realiza en las mismas condiciones los resultados pueden ser distintos. Por ejemplo: el juego de los camellos, lanzar un dado, una moneda, el prximo sorteo de lotera de Navidad, etc...

Cuando realizamos un experimento aleatorio no sabemos lo que puede ocurrir, pero eso no quiere decir que no sepamos todo lo que puede pasar, por ejemplo, si lanzamos una moneda no sabemos si saldr cara o saldr cruz , pero lo que si sabemos es que ocurrir una de esas dos cosas. A eso se le espacio muestral. Espacio muestral es el conjunto de todos los casos que pueden ocurrir en un experimento aleatorio, lo simbolizaremos con la letra E. Por ejemplo: si lanzamos un dado cbico (como el del parchs) el espacio muestral es E={1,2,3,4,5,6} Si lanzamos una moneda el espacio muestral es E={cara,cruz} En nuestra carrera de camellos E={2,3,4,5,6,7,8,9,10,11,12} Suceso: Se llama as a cualquier conjunto de elmentos del espacio muestral. Por ejemplo: A=Sacar un nmero menor que 3 al lanzar un dado={1,2} B=Sacar cara al lanzar una moneda={C}, C=Sacar un Rey al extraer un naipe de una baraja espaola={12 Oros,12 Copas,12 Espadas,12 Bastos}. Suceso elemental: Se llama as a cada uno de los elementos del espacio muestral. Por ejemplo: A=Sacar el nmero 1 al lanzar un dado={1} B=Sacar cara al lanzar una moneda={C}, C=Sacar el Rey de Oros al extraer un naipe de una baraja espaola={12 Oros}. Suceso compuesto: Se llama as al que est formado por varios sucesos elementales. Por ejemplo: A=Sacar un nmero par al lanzar un dado={2,4,6} B=Sacar un As al extraer un naipe de una baraja espaola={1 Oros, 1Copas, 1 Espadas, 1 Bastos} Suceso Seguro: Se llama as al que sabemos que siempre va a ocurrir. Por ejemplo, si lanzamos un dado cbico, como con el que jugamos al parchs: A=Sacar un nmero menor que 7={1,2,3,4,5,6} B=Sacar un nmero mayor que 0={1,2,3,4,5,6} Otro ejemplo, si sacamos una bola de esta urna, que salga azul Suceso Imposible: Se llama as al que sabemos que nunca puede ocurrir.

upongamos que hemos realizamos un experimento aleatorio y que tenemos dos sucesos A, B. Vamos a definir una serie de operaciones con los sucesos: Suceso opuesto, contrario o complementario de A, lo simbolizaremos con la letra los elementos del espacio muestral que no estn en A (que no son de A) Por ejemplo: si lanzamos un dado cbico (como el del parchs)el espacio muestral es E={1,2,3,4,5,6} Sea el suceso A="Sacar un nmero par"={2,4,6} El suceso contrario de A= = {1,3,5}, es decir, sacar impar Sea el suceso B="Sacar un 3"={3} El suceso contrario de B= ={1,2,4,5,6}, todos los nmeros menos el 3 Para enterder esto bien, podemos visualizarlo haciendo un diagrama: E es el espacio muestral, pintado de amarillo, el suceso A est pintado de verde, colocamos dentro de l sus elementos, los que queden fueran son los elementos de su contrario Unin de dos sucesos A, B, lo simbolizaremos A U B es el suceso que est formado por los elementos del espacio muestral que estn en A o estn en B Por ejemplo: si lanzamos un dado cbico (como el del parchs) el espacio muestral es E={1,2,3,4,5,6} Sea el suceso A="Sacar un nmero par"={2,4,6} Sea el suceso B="Sacar un nmero menor de 3"={1,2} El suceso AUB={1,2,4,6}, es decir los que estn en A junto con los que estn en B, observa que el 2, que est en ambos no se pone dos veces Interseccin de dos sucesos A,B,lo simbolizaremos por A B y es el suceso que est formado por los elementos de A que estn en B, es decir por los que son comunes a ambos. Si no existiene ninguno comn se simbolizar En el mismo ejemplo de antes A B={2} Si C= Sacar un nmero par={2,4,6} y D= Sacar un nmero impar={1,3,5} C D= Igualmente podemos utilizar un diagrama para visualizar tanto la unin como la interseccin: Obseva bien esta animacin, aparecen muchas operaciones con sucesos. son

EL LENGUAJE DEL AZAR

Cmo de difcil es que te toque la lotera?, es ms fcil que te toque la lotera o que te salga un 5 jugando al parchs?. Cuando sortean quin saca en un partido de ftbol, quin tiene ms posibilidades de sacar?. Observa estas expresiones: es seguro, es posible, es casi imposible, es imposible, se espera que..., es igualmente posible que..., puede ser que..., sin duda, es difcil que..., es muy probable que..., es poco probable que... Todas estas expresiones las puedes escuchar por la calle, y estamos seguros de que t las habrs utilizado alguna vez, aunque a lo peor no de forma correcta. Todas ellas estn relacionadas con el azar. Vamos a volver a nuestro juego de los camellos. Ordena estas expresiones de izquierda a derecha segn que tenga menos o ms posibilidades de que ocurra un suceso. Seguro que otra persona lo habra colocado de otra manera. Si pudieramos asignar un nmero sera ms preciso, as pues: Llamamos probabilidad de un suceso al nivel de certeza que tenemos de que ocurra dicho suceso, esto se mide con un nmero comprendido entre 0 y 1. Es claro que si un suceso es imposible (Por ejemplo que salga un 7 en un dado de parchis) le asignamos la probabilidad 0 , mientras que si el suceso es seguro (Por ejemplo que salga un nmero menor que 7 en un dado cbico), le asignamos la probabilidad 1 . Cualquier otro suceso tendr una probabilidad entre 0 y 1. Es claro que cuanto menos probable sea un suceso, ms cerca estar del 0 y cuanto ms probable sea, ms prximo estar del 1. Las probabilidades tambin se pueden expresar con porcentajes entre 0% y 100%.

LA REGLA DE LAPLACE

Matemtico francs que realiz diversos tratados sobre probabilidad y mecnica celeste. A Pierre S. Laplace se atribuye una de las frases ms famosas de la historia de la matemtica. Parece que Napolen le reproch que en los volmenes de su mecnica celeste no mencionara a Dios, a lo que Laplace replic: Seor, no necesito de esta hiptesis. Pierre Simon Laplace : Normanda 1749-Pars Referencia: Cl. Alsina, M. de Guzmn: Los matemticos no son gente seria, Rubes, 1998

1827 Este dado no est trucado. Su espacio muestral es : E ={1, 2, 3, 4, 5, 6}. Si lo lanzas muchsimas veces. Qu nmero saldr ms veces el 1 o el 2 o el 3, o el 4, o el 5, o el 6? Cul ser la probabilidad de que salga un 1 ? y un 2? y un 3?... Parece que todos los sucesos elementales, todos los del espacio muestral E, tienen la misma probabilidad de ocurrir. Son EQUIPROBABLES. Entonces si quieres calcular la probabilidad del suceso ser par: A= {2, 4 o 6 } saldr 3 de 6: 3 casos que tiene el suceso A. 3 6 que tiene el espacio muestral E 6 Laplace se di cuenta de esto y di la siguiente regla: Regla de Laplace Realizamos un experimento aleatoro. Su espacio muestral E tiene todos los sucesos elementales equiprobables. La probabilidad de un suceso S es: Nmero de casos favorables al suceso S. P(S) = Nmero de casos posibles

Definicin formal

1. CONCEPTO Y CLASIFICACIN DE DATOS DATOS Caractersticas o nmeros que son recolectados por observacin. No son otra cosa que el producto de las observaciones efectuadas en las personas y objetos en los cuales se produce el fenmeno que queremos estudiar Los datos estadsticos pueden ser clasificados en cualitativos, cuantitativos, cronolgicos y geogrficos

Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos es de clase y no de cantidad. Ejemplo: Si deseamos clasificar los estudiantes que cursan la materia de estadstica I por su estado civil, observamos que pueden existir solteros, casados, divorciados, viudos. Datos cuantitativos: cuando los valores de los datos representan diferentes magnitudes, decimos que son datos cuantitativos. Ejemplo: Se clasifican los estudiantes del Ncleo San Carlos de la UNESR de acuerdo a sus notas, observamos que los valores (nota) representan diferentes magnitudes. Datos cronolgicos: cuando los valores de los datos varan en diferentes instantes o perodos de tiempo, los datos son reconocidos como cronolgicos. Ejemplo: Al registrar los promedios de notas de los Alumnos del Ncleo San Carlos de la UNESR en los diferentes semestres. Datos geogrficos: cuando los datos estn referidos a una localidad geogrfica se dicen que son datos geogrficos. Ejemplo: El nmero de estudiantes de educacin superior en las distintas regiones del pas 1. PRESENTACION DE INFORMACIN 1.2.1 DISTRIBUCION DE TABLAS DE FRECUENCIAS Estadstica Descriptiva: Tienen por objeto fundamental describir y analizar las caractersticas de un conjunto de datos, obtenindose de esa manera conclusiones sobre las caractersticas de dicho conjunto y sobre las relaciones existentes con otras poblaciones, a fin de compararlas. No obstante puede no solo referirse a la observacin de todos los elementos de una poblacin (observacin exhaustiva) sino tambin a la descripcin de los elementos de una muestra (observacin parcial). En relacin a la estadstica descriptiva, Ernesto Rivas Gonzles dice; "Para el estudio de estas muestras, la estadstica descriptiva nos provee de todos sus medidas; medidas que cuando quieran ser aplicadas al universo total, no tendrn la misma exactitud que tienen para la muestra, es decir al estimarse para el universo vendr dada con cierto margen de error; esto significa que el valor de la medida calculada para la muestra, en el oscilar dentro de cierto lmite de confianza, que casi siempre es de un 95 a 99% de los casos. Distribucin de frecuencias: muestra el nmero de veces que ocurre cada observacin. Ejemplo: Se elabor una encuesta en un jardn de nios y sta inform que las mascotas ms comunes que tiene un nio son perros, gatos, peces, hmsteres y pjaros perro gato perro hamster

pjaro perro perro

hamster gato pjaro pjaro perro perro

perro gato gato

hmster gato

hmster pjaro

A continuacin se muestra la distribucin de frecuencias absolutas, relativas y porcentuales de las mascotas mas comunes de los nios. Mascota Perro Pajaro Hamster gato Frecuencia absoluta 7 4 4 5 Frecuencia relativa .35 .20 .20 .25 Frecuencia acumulada 35 % 20 % 20 % 25 %

Estos datos se pueden representar en una grfica de barras o en una grfica de pastel: Grfica de barras

Grfica de pastel

NOTA :Para calcular:.. Frecuencia absoluta: se cuenta la cantidad de veces que ocurre el evento, en este caso, las mascotas. Frecuencia relativa: se divide la frecuencia absoluta de cada evento entre el total de eventos. Frecuencia porcentual: se multiplica la frecuencia relativa por 100. 1.2.2 CONSTRUCCION DE TABLAS ESTADSTICAS Distribucin agrupada de frecuencias: Distribucin de frecuencias en la que los valores de la variable se han agrupado en clases. Esto se debe principalmente a la disposicin de gran nmero de datos. Las razones por las que se elaboran este tipo de agrupacin de datos es por economa, practicidad, y baja frecuencia de algunos puntajes. Agrupacin de datos: para elaborar las tablas estadsticas, se debe seguir un procedimiento preciso: 1. Estos son algunos mtodos para obtener datos: Censo: Se entiende por censo aquella numeracin que se efecta a todos y cada uno de los caracteres componentes de una poblacin. Para Levin & Rubin (1996) "Algunas veces es posible y prctico examinar a cada persona o elemento de la poblacin que deseamos describir. A esto lo llamamos una numeracin completa o censo. Utilizamos el muestre cuando no es posible contar o medir todos los elementos de la poblacin. Si es posible listar (o enumerar) y observar cada elemento de la poblacin, los censos se utilizan rara vez porque a menudo su compilacin es bastante difcil, consume mucho tiempo por lo que resulta demasiado costoso.

Encuesta: Se entiende por encuesta las observaciones realizadas por muestreo, es decir son observaciones parciales. El diseo de encuestas es exclusivo de las ciencias sociales y parte de la premisa de que si queremos conocer algo sobre el comportamiento de las personas, lo mejor, ms directo y simple es preguntrselo directamente a ellas. (Cadenas, 1974). Segn Antonio Napolitano "La encuesta, es un mtodo mediante el cual se quiere averiguar. Se efecta a travs de cuestionarios verbales o escritos que son aplicados a un gran nmero de personas". 2. Toma de datos.- es la obtencin de una coleccin de datos por medio de encuestas, preguntas, sondeos etc. Que no han sido ordenados numricamente y que dicha informacin se extrae al azar, es decir, de tal forma que cada miembro de la poblacin tenga la misma oportunidad de ser elegida o seleccionada. 3. Ordenacin de datos: es una colocacin de los datos numricos tomados en orden creciente a decreciente de magnitud. La diferencia entre el mayor y el menor de los nmeros se llama rango o recorrido de datos. *No. De clases (Regla de Sturges): 1 + 3.332 log N *Tamao de clase = Rango / No. De clases 4. Clculo de tamao de clase: para calcular el tamao de clase es necesario calcular primeramente el nmero de clases utilizando la regla de Sturges y desps se obtiene el tamao de clase dividiendo el rango entre el nmero de clases. 5. Lmites de clase: representan el tamao de cada clase. El lmite inferior de la primer clase toma el valor de el dato menor de la coleccin de datos, para obtener el lmite inferior de la clase siguente, se suma al lmite inferior de la case anterior el tamao de clase. 6. Lmites reales de clase: se obtienen sumando al LS de la clase el Lide la clase contigua superior y dividiendo entre dos. 7. Marca de clase: Es el punto medio de la clase y se obtiene sumando los LI y LS de la clase y dividiendo entre 2. La marca de clase tambin se llama punto medio de la clase. Ejemplo de tablas estadsticas: AUTOBUSES FORANEOS 1) Toma de datos Los siguientes datos corresponden a la cantidad de asientos vacos que reportaron 50 autobuses forneos en un domingo. 12 11 4 6 6 11 3 10 12 4 10 1 1 2 4 5 2 4 4 8 8 7 8 4 10 4 2 6 2 9

5 6 6 4 12 8 1 12 1 7 7 6 8 4 6 9 3 7 7 5 2) Ordenacin de datos 1 2 4 4 5 6 7 8 9 11 1 2 4 4 5 6 7 8 10 12 1 2 4 4 6 6 7 8 10 12 1 3 4 4 6 6 7 8 10 12 2 3 4 5 6 7 8 9 11 12 Rango = 12-1 = 11 3) Tamao de clase No de clases = 1 + 3.332log (50) = 6 Tamao de clase = 11/6 = 2 4) Lmites de clase 5) Lmites reales de clase 6) Marca de clase Clase 1 2 3 4 5 6 total Representacin grfica de datos. Se tomar el ejemplo anterior para demostrar el uso de diferentes grficas. 1 3 5 7 9 11 Intervalo LI LS 2.9 4.9 6.9 8.9 10.9 12.9 0.95 2.95 4.95 6.95 8.95 10.95 2.95 4.95 6.95 8.95 10.95 12.95 LRI LRS Frec. Absoluta 8 11 10 10 5 6 50 Frec. Relat .16 .22 .20 .20 .10 .12 1 Frec. Porcentual 16 % 22 % 20 % 20 % 10 % 12 % 100 % X 1.95 3.95 5.95 7.95 9.95 11.95

Histograma: forma grfica de barras que emplea variables con escala de intervalos o de proporciones. Para realizarla, se toma en cuenta para el eje X, los Lmites reales, y para el eje Y, las frecuencias absolutas.

Polgono de frecuencias: Forma grfica que representa una distribucin de frecuncias en la forma de una lnea continua que traza un histograma. Para su elaboracin, se consideran las marcas de clase en el eje X y las frecuencias absolutas en el eje Y.

Grfica de barras: la grfica de barras es una forma de grfica que utiliza barras para indicar la frecuencia de ocurrencia de las observaciones. Para construirla se constituye el eje y por las frecuencias absolutas y el eje X por los lmites inferior y superior de cada clase, dejando un espacio entre barra y barra.

1.3 CALCULO DE LA MEDIA MEDIANA Y MODA Medidas de tendencia central: La tendencia central se refiere al punto medio de una distribucin. Las medidas de tendencia central se conocen como medidas de posicin. Media La media es el punto en una distribucin de medidas, alrededor del cual las desviaciones sumadas son iguales a cero. Es el valor promedio de una muestra o poblacin. La media es muy sensible a mediciones extremas que no estn balanceadas en ambos lados. Se pueden calcular diversos tipos de media, siendo las ms utilizadas: a. Media aritmtica: se calcula multiplicando cada valor por el nmero de veces que se repite. La suma de todos estos productos se divide por el total de datos de la muestra:

b) Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se multiplican todo estos resultados y al producto fiinal se le calcula la raz "n" (siendo "n" el total de datos de la muestra).

Segn el tipo de datos que se analice ser ms apropiado utilizar la media aritmtica o la media geomtrica.

La media geomtrica se suele utilizar en series de datos como tipos de inters anuales, inflacin, etc., donde el valor de cada ao tiene un efecto multiplicativo sobre el de los aos anteriores. En todo caso, la media aritmtica es la medida de posicin central ms utilizada. Lo ms positivo de la media es que en su clculo se utilizan todos los valores de la serie, por lo que no se pierde ninguna informacin. Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmtica como geomtrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de la serie. Estos valores anmalos podran condicionar en gran medida el valor de la media, perdiendo sta representatividad. Mediana Observacin u observacin potencial en un conjunto que divide el conjunto, de modo que el mismo nmero de observaciones estn en cada uno de sus lados. Para un nmero impar de valores, es el valor de en medio; para un nmero par es el promedio de los dos medios. Para un conjunto con un nmero par de nmeros, la mediana ser el promedio aritmtico de los dos nmeros medios. Ejemplo: Calcule la mediana para los siguientes datos. La edad de una muestra de cinco estudiantes es: 21, 25, 19, 20 y 22. Al ordenar los datos de manera ascendente quedan: 19, 20, 21, 22, 25. La mediana es 21. La mediana de una muestra de datos organizados en una distribucin de frecuencias se calcula mediante la siguiente frmula: Mediana = LRI + [(n/2 - FA)/f] c donde L es el lmite inferior de la clase que contiene a la mediana, FA es la frecuencia acumulada que precede a la clase de la mediana, f es la frecuencia de clase de la mediana e i es el intervalo de clase de la mediana. MODA La moda es el valor de la observacin que aparece con ms frecuencia. Ejemplo: las calificaciones de un examen de diez estudiantes son:

81, 93, 84, 75, 68, 87, 81, 75, 81, 87. Como la calificacin 81 es la que ms ocurre, la calificacin modal es 81 La moda de los datos agrupados se aproxima por el punto medio de la clase que contiene la frecuencia de clase mayor. Cuando dos valores ocurren una gran cantidad de veces, la distribucin se llama bimodal, como en dicho ejemplo. Ejemplo de clculo de media mediana y moda. Para ejemplificar, tomaremos el ejemplo de autobuses forneos de la pagina 6. Clase 1 2 3 4 5 6 total Intervalo LI 1 3 5 7 9 11 LS 2.9 4.9 6.9 8.9 10.9 12.9 0.95 2.95 4.95 6.95 8.95 10.95 2.95 4.95 6.95 8.95 10.95 12.95 LRI LRS Frec. Frec. Absoluta Relat 8 11 10 10 5 6 50 .16 .22 .20 .20 .10 .12 1 Frec. Porcentual 16 % 22 % 20 % 20 % 10 % 12 % 100 % X 1.95 3.95 5.95 7.95 9.95 11.95 fx 15.60 43.45 59.50 79.50 49.75 71.70 319.50

1. CLCULO DE VARIANZA, DESVIACIN ESTNDAR Y COEFICIENTE DE VARIACIN. Medidas de dispersin: Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o menos concentrados, o ms o menos dispersos

Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamao de la muestra.

La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms dispersos estn. Desviacin estndar: Se calcula como raz cuadrada de la varianza.

Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media de la muestra

Continuando con el caso de los autobuses forneos, se realizar el ejemplo de medidas de dispersin. Clase 1 2 3 4 5 6 total Intervalo LI 1 3 5 7 9 11 LS 2.9 4.9 6.9 8.9 10.9 12.9 0.95 2.95 4.95 6.95 LRI LRS Frec. Frec. Frec. Absoluta Relat Porcentual 2.95 4.95 6.95 8.95 8 11 10 10 5 6 50 .16 .22 .20 .20 .10 .12 1 16 % 22 % 20 % 20 % 10 % 12 % 100 % X 1.95 3.95 5.95 7.95 9.95 fx 15.60 43.45 59.50 79.50 49.75 f(x-x)2 157.71 171.63 354.03 632.03 495.01 856.82

8.95 10.95 10.95 12.95

11.95 71.70

319.50 2667.21

UNIDAD II FUNDAMENTOS DE PROBABILIDAD 2.1 CONCEPTOS BSICOS Probabilidad: valor entre cero y uno, inclusive, que describe la posibilidad relativa de que ocurra un evento. Experimento: proceso que conduce a la ocurrencia de una de varias observaciones posibles. Resultado: lo que resulta en particular de un experimento. Evento: conjunto de uno o ms resultados de un experimento. Espacio muestral: son todos los posibles resultados de un experimento. Cualquier resultado experimental particular se llama punto muestral y es un elemento del espacio muestral. Tipos de sucesos
y y

Exhaustivo: se dice que dos o ms sucesos son exhaustivos si se consideran todos los posibles resultados.

Simblicamente: p (A o B o...) = 1
y y

No exhaustivos: se dice que dos o ms sucesos son exhaustivos si no cubren todos los posibles resultados. Mutuamente excluyentes: sucesos que no pueden ocurrir en forma simultnea:

P(A y B) = 0 y p(A o B) = p(A) + p (B) Ejemplo: hombres, mujeres

y

No mutuamente excluyentes: sucesos que pueden ocurrir en forma simultnea: p (A y B )

P (A o B) = p (A) + p (B)

Ejemplo: hombres, ojos cafs

Independientes: Sucesos cuya probabilidad no se ve afectada por la ocurrencia o no ocurrencia del otro :

P ( AI B ) = P ( A ); P ( BIA ) = P (B) Y P (A Y B) = P(A) P(B) Ejemplo: sexo y color de ojos

y

Dependientes: sucesos cuya probabilidad cambia dependiendo de la ocurrencia o no ocurrencia del otro:

P ( AI B ) difiere de p (A); P ( BIA ) difiere de P(B); y P (A Y B)= P ( A ) P ( BIA )= P (B) P ( AI B ) Ejemplo: raza y color de ojos Probabilidades conjuntas: probabilidad de que dos sucesos o ms, ocurran simultneamente Probabilidades marginales: o probabilidades incondicionales = suma de probabilidades. Enfoques de la probabilidad Probabilidad clsica se basa en la consideracin de que los resultados de un experimento son igualmente posibles. Utilizando el punto de vista clsico, Probabilidad de un evento = no. de resultados probables no. De resultados posibles Ejemplo Considere el experimento de lanzar dos monedas al mismo tiempo. El espacio muestral S = {HH, HT, TH, TT} Considere el evento de una cara. Probabilidad de una cara = 2/4 = 1/2. Distribucin muestral El diagrama de rbol es muy til para visualizar las probabilidades condicional y conjunta y en particular para el anlisis de decisiones administrativas que involucran varias etapas.

EJEMPLO: una bolsa contiene 7 fichas rojas (R) y 5 azules (B), se escogen 2 fichas, una despus de la otra sin reemplazo. Construya el diagrama de rbol con esta informacin.

2.2 AXIOMAS DE PROBABILIDAD Primer axioma : La probabilidad de un suceso A es un nmero real entre 0 y 1. Segundo axioma :Ocurre un suceso de la muestra de todos los sucesos o espacio de sucesos con probabilidad 1. Tercer axioma Si A1, A2 ... son sucesos mutuamente excluyentes 2.3 PROBABILIDAD CONDICIONAL Probabilidad condicional es la probabilidad de que ocurra un evento en particular, dado que ocurri otro evento. Nota: la probabilidad de que ocurra el evento A dado que ya ocurri B se denota como P(A|B). Reglas bsicas de probabilidad Si los eventos son mutuamente excluyentes, la ocurrencia de cualquier evento impide que otro eventos ocurra. Reglas de adicin: si dos eventos A y B son mutuamente excluyentes, la regla especial de adicin indica que la probabilidad de que ocurra A o B es igual a la suma de sus probabilidades respectivas: P(A o B) = P(A) + P(B) Ejemplo Llegada Antes de tiempo Frecuencia 100

A tiempo Demorado Cancelado Total

800 75 25 1000

Aerolneas Argentinas acaba de proporcionar la siguiente informacin de sus vuelos de Buenos Aires a Rosario:

Ejemplo Si A es el evento de que un vuelo llegue antes de tiempo, entonces P(A) = 100 /1000 = 0.1. Si B es el evento de que un vuelo llegue demorado, entonces P(B) = 75 /1000 = 0.075. La probabilidad de que un vuelo llegue antes de tiempo o demorado es P(A o B) = P(A) + P(B) = .1 + .075 = 0.175. UNIDAD III DISTRIBUCIONES DE PROBABILIDAD 3.1 VARIABLES ALEATORIAS Las variables aleatorias son una transformacin o funcin que asignan uny slo un valor numrico a cada resultado de un experimento.

Variables aleatorias discretas: comprenden reglas o modelos de probabilidad para asignar o generar slo valores diversos (no mediciones fraccionarias). Variables aleatorias continuas: 3.2 DISTRIBUCION BINOMIAL Una distribucin de probabilidad ampliamente utilizada de una variable aleatoria discreta es la distribucin binomial. Esta describe varios procesos de inters para los administradores. Describe datos discretos, resultantes de un experimento denominado proceso de Bernoulli en honor del matemtico suizo Jacob Bernoulli, quien vivi en el siglo XVII. Empleo del proceso de Bernoulli. Podemos servirnos de los resultados de un nmero fijo de lanzamientos de una moneda como ejemplo de un proceso de Bernoulli. Este proceso lo describimos as: 1. Cada ensayo ( cada lanzamiento, en nuestro caso) tiene slo dos resultados posibles: lado A o lado B, s o no, xito o fracaso. 2. La probabilidad del resultado de cualquier ensayo (lanzamiento) permanece fija con el tiempo. Tratndose de una moneda la probabilidad de que salga de el lado A sigue siendo de 0.5 en cada lanzamiento, cualquiera que sea el nmero de veces que la moneda sea arrojada. 3. Los ensayos son estadsticamente independientes, es decir, el resultado de un lanzamiento no afecta al de cualquier otro lanzamiento. Cada proceso de Bernoulli tiene su propia probabilidad caracterstica. Pongamos el caso en que siete dcimas partes de las personas que solicitaron cierto tipo de empleo pasaron la prueba. Diremos entonces que la probabilidad caracterstica fue de 0.7 pero podemos describir los resultados de la prueba como un proceso de Bernoulli slo si tenemos la seguridad de que la proporcin de los que fueron aprobados permaneci constante con el tiempo. Des de luego, la otra caracterstica del proceso de Bernoulli tambin deber ser satisfecha. Cada prueba deber arrojar tan slo dos resultados (xito o fracaso= y los resultados de las pruebas habrn de ser estadsticamente independientes. En un lenguaje ms formal, el smbolo p representa la probabilidad de un xito y el smbolo q ( 1- p ) representa la probabilidad de un fracaso. Para representar cierto nmero de xitos, utilizaremos el smbolo r y para simbolizar el nmero total de ensayos emplearemos el smbolo n. Entonces tenemos que :

P Q r n

Probabilidad de xito. Probabilidad de fracaso. Nmero de xitos deseados. Nmero de ensayos efectuados.

Existe una frmula binomial: Probabilidad de r xitos en n ensayos es : N! / R! (N-R)! PR QN-R Recordemos que el smbolo factorial! Significa por ejemplo que es 3! = 3*2*1 = 6 Los matemticos definen 0! = 1. 3.3 DISTRIBUCION NORMAL La Distribucin Normal: una distribucin de una variable aleatoria continua. Una muy importante distribucin continua de probabilidad es la distribucin normal. Varios matemticos intervinieron en su desarrollo entre ellos figura el astrnomo del siglo XVIII Karl Gauss, a veces es llamada en sus honor la distribucin de Gauss. Caractersticas de la distribucin normal de la probabilidad. 1. La curva tiene un solo pico, por consiguiente es unimodal. Presenta una forma de campana. 2. La media de una poblacin distribuida normalmente se encuentra en el centro de su curva normal. 3. A causa de la simetra de la distribucin normal de probabilidad, la mediana y la moda de la distribucin tambin se hallan en el centro, por tanto en una curva normal, la media, la mediana y la moda poseen el mismo valor. 4. Las dos colas (extremos) de una distribucin normal de probabilidad se extienden de manera indefinida y nunca tocan el eje horizontal. reas bajo la curva normal. El rea total bajo la curva normal ser de 1.00 por lo cual podemos considerar que las reas bajo la curva son probabilidades.

El valor de Z. Z= Nmero de desviaciones estndar de x respecto a la media de esta distribucin. Z= x-m / s X=valor de la variable aleatoria que nos interesa. m = media de la distribucin de esta variable aleatoria. s = desviacin estndar de esta distribucin. Las variables aleatorias distribuidas en forma normal asumen muchas unidades diferentes de medicin, por lo que hablaremos de forma estndar y les daremos el smbolo de Z. UNIDAD IV TIPOS DE MUESTREO 4.1 TIPOS DE MUESTREO Los autores proponen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no probabilsticos. Muestreo probabilstico Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos: El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento. Los mtodos de muestreo no probabilsticos no garantizan la representatividad de la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin. (En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilistico, por ejemplo los estudios de caso control, donde los casos no son seleccionados aleatoriamente de la poblacin.)

Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin encontramos:

y

Muestreo aleatorio simple:

El procedimiento empleado es el siguiente: 1. Se asigna un nmero a cada individuo de la poblacin 2. A travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que estamos manejando es muy grande. Ejemplo: formar el equipo de ftbol de la universidad seleccionando 11 boletas de una urna con el nombre de todos los alumnos de la universidad.
y

Muestreo aleatorio sistemtico:

Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n 1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k. El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos sexos.
y

Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...). La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales. Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato. Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin.
y

Muestreo aleatorio por conglomerados:

Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo por reas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar despus todos los elementos pertenecientes a los conglomerados elegidos.

Mtodos de muestreo no probabilsticos A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa. Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul. En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin. Muestreo opintico o intencional: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones

4.2 ESTIMACIN DE LMITES Para una poblacin con media y variancia 2, la distribucin de muestreo de las medias de todas las muestras posibles de tamao n obtenidas de una poblacin tendr una distribucin normal aproximada con la media de la distribucin de muestreo igual a y la variancia igual a 2/ n si se supone que el tamao de la muestra es suficientemente grande. 4.3 PRUEBA DE HIPTESIS PARA UNA MEDIA Qu es una hiptesis? Hiptesis: enunciado acerca de una poblacin elaborada con el propsito de ponerse a prueba. Ejemplos de hiptesis acerca de un parmetro de poblacin son: la media mensual de ingresos para analistas de sistemas es $3625, el 20% de los delincuentes juveniles son capturados y sentenciados a prisin. CONCEPTO DE PRUEBA DE HIPTESIS Afirmacin acerca de los parmetros de la poblacin. Etapas Bsicas en Pruebas de Hiptesis. Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en parmetro poblacional. Despus de recolectar una muestra aleatoria, se compara la estadstica muestral, as como la media (x), con el parmetro hipottico, se compara con una supuesta media poblacional (). Despus se acepta o se rechaza el valor hipottico, segn proceda. Se rechaza el valor hipottico slo si el resultado muestral resulta muy poco probable cuando la hiptesis es cierta. Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el valor hipottico del parmetro que se compra con el resultado muestral resulta muy poco probable cuando la hiptesis es cierta. Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de significancia del 5%, entonces se rechaza la hiptesis nula solamente si el resultado muestral es tan diferente del valor hipottico que una diferencia de esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad de 1.05 o menos. Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la estadstica muestral (el estimador no segado del parmetro que se prueba) o una versin transformada de esa estadstica muestral. Por ejemplo, para probar el valor hipottico de una media poblacional, se toma la media de una muestra aleatoria de esa distribucin normal, entonces es comn que se transforme la media en un valor z el cual, a su vez, sirve como estadstica de prueba.

Definiciones Hiptesis nula H0: afirmacin acerca del valor de un parmetro poblacional. Hiptesis alterna H1: afirmacin que se aceptar si los datos muestrales proporcionan evidencia de que la hiptesis nula es falsa. Nivel de significancia: probabilidad de rechazar la hiptesis nula cuando es verdadera. Error Tipo I: rechazar la hiptesis nula cuando en realidad es verdadera. Error Tipo II: aceptar la hiptesis nula cuando en realidad es falsa. Estadstico de prueba: valor obtenido a partir de la informacin muestral, se utiliza para determinar si se rechaza o no la hiptesis. Valor crtico: el punto que divide la regin de aceptacin y la regin de rechazo de la hiptesis nula. Valor p en la prueba de hiptesis Valor p: es la probabilidad de observar un valor muestral tan extremo o ms que el valor observado, dado que la hiptesis nula es verdadera. Si el valor p es menor que el nivel de significancia, H0 se rechaza. Si el valor p es mayor que el nivel de significancia, H0 no se rechaza UNIDAD V ANLISIS DE REGRESIN 5.1 CONCEPTOS BSICOS DE SERIES DE TIEMPO Se llama Series de Tiempo a un conjunto de mediciones de cierto fenmeno o experimento registrado secuencialmente en el tiempo. El primer paso para analizar una serie de tiempo es graficarla, esto permite: identificar la tendencia, la estacionalidad, las variaciones irregulares (componente aleatoria). Un modelo clsico para una serie de tiempo, puede ser expresada como suma o producto de tres componentes: tendencia, estacional y un trmino de error aleatorio. En adelante se estudiar como construir un modelo para explicar la estructura y prever la evolucin de una variable que observamos a lo largo del tiempo. 5.2 METODO DE MINIMOS CUADRADOS Modelo de minimos cuadrados ordinarios El anlisis de regresin trata de la dependencia de las variables explicativas, con el objeto de estimar y/o predecir la media o valor promedio poblacional de la variable dependiente en trminos de los valores conocidos o fijos de las variables explicativas.

Se trata de encontrar una mtodo para hallar una recta que se ajuste de una manera adecuada a la nube de puntos definida por todos los pares de valores muestrales (Xi,Yi). Este mtodo de estimacin se fundamenta en una serie de supuestos, los que hacen posible que los estimadores poblacionales que se obtienen a partir de una muestra, adquieran propiedades que permitan sealar que los estimadores obtenidos sean los mejores. Pues bien, el mtodo de los mnimos cuadrados ordinarios consiste en hacer mnima la suma de los cuadrados residuales, es decir lo que tenemos que hacer es hallar los estimadores que hagan que esta suma sea lo ms pequea posible. Los supuestos del mtodo MCO son los que se presentan a continuacin: Supuesto 1 El modelo de regresin es lineal en los parmetros: Yi = _ + _*Xi +_i La linealidad de los parmetros se refiere a que los _ s son elevados solamente a la primera potencia. Supuesto 2 Los valores que toma el regresor X son considerados fijos en muestreo repetido. Esto quiere decir que la variable X se considera no estocstica. Este supuesto implica que el anlisis de regresin es un anlisis condicionado a los valores dados del (los) regresores. Supuesto 3 Dado el valor de X, el valor esperado del trmino aleatorio de perturbacin _i es cero. E ( _i/Xi ) = 0 Cada poblacin de Y corresponde a un X dado, est distribuida alrededor de los valores de su media con algunos valores de Y por encima y otros por debajo de sta. Las distancias por encima y por debajo de los valores medios son los errores, y la ecuacin antes sealada requiere que en promedio estos valores sean cero. Supuesto 4 Homoscedasticidad. Dado el valor de X, la varianza de _i es la misma para todas las observaciones.

Var (_i/Xi ) = E (_i E(_i)/ Xi)2 = E (_i2/Xi ) =_ Esta ecuacin seala que la varianza de las perturbaciones para cada Xi es algn nmero positivo igual a _. Homoscedastidad significa igual dispersin, en otras palabras significa que las poblaciones Y correspondientes a diversos valores de X tienen la misma varianza. Por el contrario, se dice que existe heteroscedasticidad cuando la varianza poblacional, ya no es la misma en cada muestra. El supuesto de homoscedasticidad est indicando que todos los valores de Y correspondientes a diversos valores de X son igualmente importantes. Supuesto 5 Dados dos valores cualquiera de X, Xi y Xj ( i " j ), la correlacin entre _i y _j cualquiera ( i " j ) es cero. Cov ( _i, _j / Xi, Xj ) = E (_i E(_i)/ Xi) (_j E (_j/Xj )) = E (_i/Xi ) (_j/Xj ) =0 Este supuesto indica que las perturbaciones no estn correlacionadas. Esto significa que los errores no siguen patrones sistemticos. La implicancia del no cumplimiento de este supuesto (existencia de autocorrelacin) implicara que Yt no depende tan slo de Xt sino tambin de _t 1, puesto que _t 1 determina en cierta forma a _t. Supuesto 6 La covarianza entre _i y Xi es cero, formalmente: Cov (_i/Xi ) = E (_i E(_i)) (Xi E(Xi)) = E (_i (Xi E(Xi))) = E (_i Xi E(Xi) E(_i)) = E (_i Xi) =0

Este supuesto indica que la variable X y las perturbaciones no estn correlacionadas. Si X y _ estuvieran relacionadas, no podran realizarse inferencias sobre el comportamiento de la variable endgena ante cambios en las variables explicativas. Supuesto 7 El nmero de observaciones debe ser mayor que el nmero de parmetros a estimar. Supuesto 8 Debe existir variabilidad en los valores de X. No todos los valores de una muestra dada deben ser iguales.Tcnicamente la varianza de X debe ser un nmero finito positivo. Si todos los valores de X son idnticos entonces se hace imposible la estimacin de los parmetros. Supuesto 9 El modelo de regresin debe ser correctamente especificado, esto indica que no existe ningn en el modelo a estimar. La especificacin incorrecta o la omisin de variables importantes, harn muy cuestionable la validez de la interpretacin de la regresin estimada. Supuesto 10 No hay relaciones perfectamente lineales entre las variables explicativas. No existe multicolinealidad perfecta. Aunque todas las variables econmicas muestran algn grado de relacin entre s, ello no produce excesivas dificultades, excepto cuando se llega a una situacin de dependencia total, que es lo que se excluy al afirmar que las variables explicativas son