Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 email:
lhrodrig@lauca.usach.cl
II
Contenidos
1. Espacio tiempo
1.1. Conceptos. . . . . . . . . . . . . . . . . . . . . . . .
1.2. Unidades. . . . . . . . . . . . . . . . . . . . . . . .
1.3. Teoras en fsica. . . . . . . . . . . . . . . . . . . .
1.4. Sistemas de referencia. . . . . . . . . . . . . . . . .
1.5. Escalas de tiempos y longitudes. . . . . . . . . . . .
1.6. Descripcin del movimiento. . . . . . . . . . . . . .
1.6.1. Movimiento unidimensional. . . . . . . . . .
1.6.2. Desplazamientos en el espacio. . . . . . . . .
1.7. Vectores. . . . . . . . . . . . . . . . . . . . . . . . .
1.7.1. Notacin. . . . . . . . . . . . . . . . . . . .
1.7.2. Multiplicacin de un vector. por un escalar.
1.7.3. Vectores unitarios. . . . . . . . . . . . . . .
1.7.4. Vectores unitarios cartesianos. . . . . . . . .
1.7.5. Componentes cartesianas de un vector. . . .
1.7.6. Vector nulo. . . . . . . . . . . . . . . . . . .
1.7.7. Algunas propiedades. . . . . . . . . . . . . .
1.7.8. Resta de vectores. . . . . . . . . . . . . . . .
1.7.9. Producto escalar de vectores. . . . . . . . .
1.7.10. Otras propiedades. . . . . . . . . . . . . . .
1.8. Velocidad y aceleracin. . . . . . . . . . . . . . . .
1.8.1. Vector posicin. . . . . . . . . . . . . . . . .
1.8.2. Vector velocidad. . . . . . . . . . . . . . . .
1.8.3. Vector aceleracin. . . . . . . . . . . . . . .
1.8.4. Velocidades absolutas y relativas. . . . . . .
1.9. Trayectoria. . . . . . . . . . . . . . . . . . . . . . .
1.10. Transformacin de Galileo. . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
3
3
4
5
6
7
10
11
11
12
12
13
13
13
14
14
14
15
15
15
15
16
16
17
18
CONTENIDOS
IV
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
18
19
21
23
24
26
27
28
.
.
.
.
.
.
.
33
33
34
34
36
36
37
38
.
.
.
.
.
.
40
42
44
45
46
46
.
.
.
.
.
.
.
.
.
.
51
51
54
55
55
56
57
59
60
60
61
. 62
CONTENIDOS
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
69
70
71
72
72
74
.
.
.
.
.
.
.
6. El Universo y su evolucin.
6.1. Introduccin . . . . . . . . . . . . . . . . .
6.2. La expansin del Universo. . . . . . . . . .
6.3. Propiedades generales del espacio tiempo.
6.3.1. Diagramas espacio tiempo. . . . . .
6.4. Horizonte observable. . . . . . . . . . . . .
6.4.1. El efecto Doppler csmico. . . . . .
6.4.2. Radiacin de fondo. . . . . . . . . .
6.5. El modelo estndar del Big Bang. . . . . .
6.6. Partculas elementales. . . . . . . . . . . .
6.7. Los grandes periodos del Universo. . . . .
6.7.1. Cosmologa cuntica. . . . . . . . .
6.7.2. La era hadrnica. . . . . . . . . . .
6.7.3. La era leptnica. . . . . . . . . . .
6.7.4. La era radiativa y la ncleo sntesis.
6.7.5. La era estelar. . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
79
80
81
81
81
87
89
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
95
95
96
98
98
101
102
103
103
104
106
106
107
107
107
108
CONTENIDOS
VI
7. Matemticas.
109
7.1. Algunas funciones importantes. . . . . . . . . . . . . . . . . . 109
7.1.1. La funcin exponencial. . . . . . . . . . . . . . . . . . 109
7.1.2. El logaritmo. . . . . . . . . . . . . . . . . . . . . . . . 110
7.1.3. El nmero e. . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2. Sumatorias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.1. Sumatorias notables. . . . . . . . . . . . . . . . . . . . 113
7.3. Grficos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.3.1. Correlacin lineal : y = Ax + B (la lnea recta). . . . . 115
7.3.2. Decaimiento con b < 0 (o crecimiento si b > 0) exponencial : y = yo ebx . . . . . . . . . . . . . . . . . . . . . 116
7.3.3. Modelo potencia y = AxB . . . . . . . . . . . . . . . . 117
7.3.4. Modelo con dos exponenciales: y = Aebx + Cedx . . . . . 119
7.4. Ejercicios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.5. Derivadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.6. Diferenciales. . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.7. Integrales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.7.1. El rea bajo una curva. . . . . . . . . . . . . . . . . . . 124
7.7.2. La integral definida. . . . . . . . . . . . . . . . . . . . 126
7.7.3. Relacin con la derivada. . . . . . . . . . . . . . . . . . 127
7.7.4. Resultado final. . . . . . . . . . . . . . . . . . . . . . . 128
7.7.5. La integral indefinida. . . . . . . . . . . . . . . . . . . 128
7.8. Elementos de clculo numrico. . . . . . . . . . . . . . . . . . 129
7.8.1. Mtodo de Newton para el clculo de una raz. . . . . . 129
7.8.2. Mtodo iterativo para determinar una raz de f (x) = x. 131
7.8.3. Mtodo de la secante. . . . . . . . . . . . . . . . . . . . 132
7.8.4. Derivada numrica con dos puntos. . . . . . . . . . . . 133
7.8.5. Derivada con ms puntos. . . . . . . . . . . . . . . . . 133
7.8.6. Un ejemplo. . . . . . . . . . . . . . . . . . . . . . . . . 134
7.9. Ejercicios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8. Elementos de probabilidades
139
8.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.2. Tmelo con calma. . . . . . . . . . .
8.3. Cosas concretas. . . . . . . . . . . . .
8.3.1. Lanzar un dado. . . . . . . . .
8.3.2. Lanzar un dardo a un blanco.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
140
140
141
141
CONTENIDOS
VII
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
141
142
142
142
142
142
146
147
147
147
149
150
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
151
156
158
159
164
165
168
.
.
.
.
.
.
.
173
. 173
. 174
. 175
. 176
. 178
. 180
. 182
.
.
.
.
.
185
. 185
. 186
. 189
. 189
. 190
9. Estadstica de datos
9.1. Introduccin . . . . . . . . . . . . . . . . . . . . .
9.2. Estadgrafos muestrales . . . . . . . . . . . . . . .
9.3. Distribuciones de frecuencia . . . . . . . . . . . .
9.4. Mtodo de mnimos cuadrados . . . . . . . . . . .
9.4.1. Variaciones . . . . . . . . . . . . . . . . .
9.4.2. Coeficiente de correlacin lineal de Pearson
9.4.3. Resumen . . . . . . . . . . . . . . . . . . .
10.Modelos lineales.
10.1. Introduccin. . . . . . . . . . . . . . .
10.2. Modelo lineal. . . . . . . . . . . . . . .
10.2.1. Estimacin del parmetro . . .
10.2.2. Intervalos de confianza para y
10.2.3. Valores particulares de tp . . . .
. .
. .
. .
.
. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CONTENIDOS
VIII
11.Mtodo experimental
193
11.1. Medicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
11.2. Valor verdadero . . . . . . . . . . . . . . . . . . . . . . .
11.3. Estandarizacin . . . . . . . . . . . . . . . . . . . . . . .
11.4. Valores de algunas constantes fundamentales . . . . . . .
11.5. Las unidades bsicas. . . . . . . . . . . . . . . . . . . . .
11.6. Introduccin a errores . . . . . . . . . . . . . . . . . . .
11.6.1. Lmites de las mediciones. . . . . . . . . . . . . .
11.7. Errores aleatorios . . . . . . . . . . . . . . . . . . . . . .
11.7.1. Error de una medida . . . . . . . . . . . . . . . .
11.7.2. Estimacin de . . . . . . . . . . . . . . . . . . .
11.8. Sobre algunas caractersticas de los aparatos de medicin.
11.9. Propagacin de errores . . . . . . . . . . . . . . . . . . .
11.9.1. Funcin distribucin de la suma . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
194
196
198
198
199
199
201
202
203
204
205
206
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
215
. 215
. 215
. 216
. 216
. 216
. 216
. 217
. 217
. 217
. 217
. 217
. 217
. 218
. 218
. 219
. 221
. 221
CONTENIDOS
IX
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
222
224
224
224
225
225
225
225
226
226
.
.
.
.
.
.
.
.
227
. 227
. 228
. 230
. 232
. 233
. 233
. 234
. 235
CONTENIDOS
ndice de figuras
1.1. Movimiento unidimensional . . .
1.2. Aquiles y la tortuga . . . . . . . .
1.3. Desplazamiento equivalente . . .
1.4. Suma de vectores. . . . . . . . . .
1.5. Multiplicacin por escalar . . . .
1.6. Resta de vectores . . . . . . . . .
1.7. Movimiento relativo. . . . . . . .
1.8. Simultaneidad . . . . . . . . . . .
1.9. Reloj espejos paralelos a v . . . .
1.10. Reloj espejos perpendiculares a v
1.11. Colisin elstica. . . . . . . . . .
1.12. Efecto Doppler. . . . . . . . . . .
1.13. Doppler seales. . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
9
11
12
13
14
17
20
21
22
25
26
27
2.1.
2.2.
2.3.
2.4.
2.5.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
35
35
36
38
40
Modelo de Ptolomeo. . . . . . .
Tycho Brahe . . . . . . . . . . .
Movimiento aparente de Marte.
Johanes Kepler . . . . . . . . .
Isaac Newton . . . . . . . . . .
.
.
.
.
.
El ncleo atmico.
Atomo . . . . . . .
Molcula . . . . . .
presin ejercida por
. . . . .
. . . . .
. . . . .
un gas.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
82
82
83
83
NDICE DE FIGURAS
XII
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
84
84
85
85
86
88
90
91
92
Conferencia de Solvay de
. . . . . . . . . . . . . .
Distribucin binomial. .
Aleatorios. . . . . . . . .
Distribucin de Poisson.
Area menor que z. . . .
Area entre 1 y 1. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
116
117
118
118
119
122
125
127
130
131
132
135
135
136
137
1927
. . .
. . .
. . .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
140
144
149
153
155
161
161
NDICE DE FIGURAS
XIII
XIV
NDICE DE FIGURAS
Captulo
Espacio tiempo
1.1.
Conceptos.
Espacio tiempo
1.2 Unidades.
1.2.
Unidades.
1.3.
Teoras en fsica.
Espacio tiempo
Por otro lado, cuando tenemos unas pocas leyes, a veces denominadas
principios, de los cuales se pueda deducir, por mtodos puramente matemticos todo un conjunto de leyes que abarquen la totalidad de los fenmenos
de un cierto mbito, se dice entonces que tenemos una teora fsica. Un ejemplo es la teora clsica de la mecnica, donde de tres leyes o principios (de
Newton), se pueden deducir todas las leyes que regulan el comportamiento
mecnico de los cuerpos. Sin embargo como se estableci durante este siglo
(siglo 20), las deducciones de esa teora son incorrectas al menos en dos mbitos, cuando las velocidades involucradas son cercanas a la velocidad de la
luz o cuando las dimensiones de los cuerpos estn en la escala del mundo atmico. Aqu se han seguido los dos caminos. Se han elaborado teoras nuevas
que dan cuenta correctamente de los fenmenos nuevos (Mecnica relativista,
Mecnica cuntica.), pero tambin se sigue utilizando la mecnica clsica en
el mbito donde ella conduce a resultados correctos.
Es necesario adems decir que dentro de una teora caben ciertas hiptesis que realmente no tienen el rango de leyes deducibles de los principios
bsicos, y cuya validez descansa en las comprobaciones experimentales de las
deducciones que siguen de su uso. Por ejemplo la llamada ley de gravitacin
universal de Newton, donde se establece que los cuerpos se atraen en forma
proporcional al producto de sus masas y en forma inversa al cuadrado de la
distancia.
Por ltimo, en una teora tienen cabida smbolos que no representan cantidades fsicas, pero que tiene por ltimo la finalidad de hacer predicciones
relativas a cantidades fsicas. Es el caso de la mecnica cuntica. donde se
utiliza el concepto de funcin de onda, o estado del sistema, que no constituyen cantidades fsicas. Puede tambin ese ser el caso en la teora de las
partculas elementales donde se usan algunos conceptos que quizs no sean
observables, pero son tiles en la construccin de la teora.
1.4.
Sistemas de referencia.
Para la construccin de muchas teoras, sobre todo en aquellas que requieran del concepto de posicin, se requiere especificar un sistema de referencia
respecto al cual la posicin queda definida. En algunas teoras, el tiempo
es tambin relativo, siendo necesario en esos casos sistemas de referencia
de espacio y tiempo. Ciertas teoras requieren de sistema privilegiados de
referencia. La mecnica clsica es formulada en sistemas inerciales de re-
1.5.
Espacio tiempo
Edad del universo
Edad de la Tierra
Un ao
Un da
Tiempo entre latidos normales del corazn
Periodo de las ondas sonoras audibles
Periodo de las ondas de radio tpicas
Periodo de vibracin de un tomo en un slido
Periodo de las ondas de luz visible
Duracin de una colisin nuclear
Tiempo en el que la luz cruza un protn
5 1017
1, 3 1017
3, 2 107
8, 6 104
8 101
1 103
1 106
1 1013
2 1015
1 1022
3, 3 1024
1.6.
1,4 1026
4 1025
2 1022
4 1016
9,46 1015
1,5 1011
3,8 108
1 107
6,4 106
2 105
1 104
1 105
1 1010
1 1014
x
t
O
1.6.1.
Movimiento unidimensional.
Espacio tiempo
x
t
se define como la velocidad media en el intervalo de tiempo t. Tal razn
sera constante independiente del intervalo de tiempo si la curva que describe
el movimiento fuera una recta, es decir si x variara linealmente con el tiempo.
v =
N
Velocidad instantnea.
La velocidad instantnea se define por el lmite (la derivada)
v = lm
t0
x dx
=
.
t
dt
9
A
T
b'
a'
b
O
10
Espacio tiempo
Como ejemplo
1=
1.6.2.
1 1 1
1
+ + +
+
2 4 8 16
Desplazamientos en el espacio.
1.7 Vectores.
11
B
A
C
1.7.
Vectores.
Los vectores son objetos que tienen las caractersticas de los desplazamientos, es decir que tienen magnitud, direccin, sentido, y tales que la combinacin (llamada suma vectorial) de dos de ellos, se obtiene de acuerdo a
la regla del tringulo indicada en la figura anterior. Obviamente un ejemplo
de vectores son los desplazamientos. Otro ejemplo de vectores en Fsica, lo
constituyen las fuerzas que se aplican a los cuerpos. Ellas poseen las tres
caractersticas bsicas, magnitud direccin y sentido. La cuestin de que si
las fuerzas se combinan de acuerdo a la regla de suma vectorial, puede y
es establecida experimentalmente. Es decir debe establecerse que aplicar dos
fuerzas dadas sobre un cuerpo es fsicamente equivalente a aplicar una fuerza, llamada fuerza resultante que tiene la magnitud, direccin y sentido dada
por la regla de adicin vectorial.
Debemos sealar que no es suficiente que un objeto tenga magnitud, direccin, sentido para ser considerado un vector. Deben necesariamente combinarse como tales. Las rotaciones de los cuerpos, en torno a la direccin de
un eje, en un sentido u otro, y de cierta magnitud (el ngulo), no son vectores
porque no se combinan como los desplazamientos.
1.7.1.
Notacin.
12
Espacio tiempo
a
b
a+b
1.7.2.
1.7.3.
Vectores unitarios.
1.7 Vectores.
13
a
a
a= a a
1.7.4.
1.7.5.
A = Ax + Ay + Az k,
donde Ax , Ay , Az se denominan componentes cartesianas del vector.
1.7.6.
Vector nulo.
14
Espacio tiempo
1.7.7.
Algunas propiedades.
=
=
=
=
=
b + a,
a + (b + c),
0,
a,
0.
1.7.8.
Resta de vectores.
-b
a -b
a
b
a+b
1.7.9.
1.7.10.
15
Otras propiedades.
q
a2x + a2y + a2z ,
a b = ax bx + ay by + az bz ,
a b = (ax bx ) + (ay by )
+ (az bz )k.
1.8.
1.8.1.
Velocidad y aceleracin.
Vector posicin.
r(t) = OP = x + y
+ z k.
1.8.2.
Vector velocidad.
v(t) =
lm
vx =
vy
vz
16
Espacio tiempo
1.8.3.
Vector aceleracin.
a(t) =
lm
ax =
ay
az
1.8.4.
El estado de movimiento o reposo es un concepto relativo. En la descripcin del movimiento cualquier sistema de referencia puede ser considerado en
reposo. Si elegimos arbitrariamente un sistema de referencia S0 como estando
en reposo, entonces se acostumbra a llamar las velocidades y aceleraciones
respecto a ese sistema como velocidades y aceleraciones absolutas. Si existe
otro sistema S que se mueva respecto al primero, las velocidades y aceleraciones respecto al segundo sistema se suelen llamar velocidades y aceleraciones
relativas. En un tratamiento simplificado, supongamos que el segundo sistema
de referencia S se traslada sin rotaciones respecto al primero como se indica
en la figura (1.7), entonces, en fsica clsica, vale la llamada transformacin
de Galileo
r = OA + r0 ,
y en consecuencia, si se deriva respecto al tiempo se obtiene
vabs = vA + vrel ,
es decir, la velocidad absoluta se obtiene agregando a la velocidad relativa,
la velocidad del sistema mvil. Como se explica ms adelante, esta transformacin no es vlida para velocidades cercanas a la velocidad de la luz.
1.9 Trayectoria.
17
S0
S
r'
1.9.
Trayectoria.
Se define la trayectoria del punto, como el lugar geomtrico de las posiciones ocupadas por el punto para todo tiempo. La llamada ecuacin paramtrica de la trayectoria (con parmetro tiempo) es
x = x(t),
y = y(t),
z = z(t).
Ejemplo 1.9.1 Por ejemplo
x = A cos t,
y = B sin t,
z = pt, .
con A, B, , y p constantes, representa un trayectoria llamada hlice.
En dos dimensiones, la ecuacin cartesiana de la trayectoria es
y = y(x).
Ejemplo 1.9.2 Por ejemplo
y = x 5x2 ,
representa un trayectoria parablica.
18
Espacio tiempo
x = A cos z,
p
y = B sin z.
p
1.10.
Transformacin de Galileo.
1.11.
1.11.1.
19
Concepto de simultaneidad.
El hecho notable sealado en la seccin anterior, en manos de Albert Einstein, conduce de manera natural a una revisin del concepto de simultaneidad
y del tiempo. Aunque este tema pertenece a la llamada teora de la relatividad, se presentan aqu algunos conceptos que no requieren de matemticas
muy complejas y que son muy interesantes. Si suceden dos eventos o sucesos
en un mismo punto del espacio, es simple idear mtodos fsicos para decidir
cual ocurri primero, o cual ocurre despus, o si ocurren simultneamente,
sin ser necesario usar relojes. Por ejemplo, si se encienden dos ampolletas A
y B, tome una foto cuando se encienda la primera. Bueno, la foto registrar
cul est encendida y por lo tanto ella se encendi primero. Sin embargo,
cuando los sucesos ocurren en diferentes puntos del espacio la cosa no es tan
simple, pues habr que considerar la velocidad con que la informacin nos
llega. Si la velocidad de la luz dependiera del estado de movimiento de la
fuente luminosa, ello complicara aun ms las cosas. Afortunadamente (o
no?) la velocidad de la luz es independiente del sistema de referencia o del
movimiento de la fuente emisora. Imagine que se quiere definir cuando dos
sucesos A y B que ocurren en diferentes lugares son simultneos o si o no lo
son. Para ello coloque observadores en esos lugares y que emitan una seal
luminosa al otro cuando ocurra el evento. Un tercer observador se coloca en
el punto medio C.
Definicion 1.11.1 Si las dos seales luminosas llegan simultneamente al
observador C en el punto medio (un hecho absoluto), entonces se dice que
los eventos A y B ocurrieron simultneamente.
Esta definicin, muy natural e intuitiva, sin embargo tiene consecuencias
sorprendentes, en particular conduce a que el concepto de simultaneidad es
un concepto relativo (No absoluto). En efecto, considere el experimento siguiente. Una barra, sistema S 0 , se mueve respecto a un sistema de referencia
S con velocidad v a lo largo de la barra. Se encienden dos ampolletas simultneamente respecto a S 0 en sus extremos, en consecuencia las dos seales
luminosas llegan simultneamente al punto medio. Veamos sin embargo que
observa S. La figura (1.8) ilustra lo observado por S consecuente con el hecho que el coincide en que las seales llegan simultneamente al punto medio.
Para l, la seal proveniente de A ha viajado ms distancia que la que parti
de B, por lo tanto debe haber salido antes. De la figura, si llamamos L al
largo de la barra en movimiento, podemos sacar algo ms. En efecto se tiene
20
Espacio tiempo
t1 A
t2
t3
c(t3 t1 ) =
de donde se obtiene
Lv
.
v2
Esta expresin indica cuantitativamente del hecho que el evento A ocurri
en t1 antes que el evento B que ocurri en t2 . Aunque ser demostrado ms
adelante L depende de la velocidad de la forma
r
v2
L = L0 1 2 ,
c
t2 t1 =
c2
21
1.11.2.
Un modelo de reloj.
2d0
.
c
Sin embargo, si ese mismo reloj es observado en movimiento, la luz, propagndose con la misma velocidad debe recorrer una distancia ms larga, como
se ilustra en la figura siguienteDe la figura (1.9), mediante el teorema de
ct
do
vt
22
Espacio tiempo
x=vt
x=ct
t2
t1
x
d
t1 =
t2 t1
23
2dc
2d/c
=
2 .
2
v
1 vc2
c2
2d /c
2d/c
q 0
=
2 ,
2
1 vc2
1 vc2
r
v2
,
c2
o sea las longitudes paralelas al movimiento deben contraerse. Esto es efectivamente as, como veremos ms adelante.
d = d0
1.11.3.
La transformacin de Lorentz.
1
=q
1
.
v2
c2
24
Espacio tiempo
u0z =
ux v
,
x
1 vu
2
qc
uy 1
v2
c2
x
1 vu
c2
q
2
uz 1 vc2
vux
c2
1.11.4.
Cantidad de movimiento.
Si un cuerpo de masa m tiene velocidad u respecto al sistema S, la cantidad de movimiento respecto a ese sistema la definimos por
p = m(u)u,
siendo m(u) la masa de la partcula, la cual supondremos podra ser una
funcin de la rapidez de la partcula. Mediante algunos argumentos podemos
obtener la dependencia de m en la rapidez. Supongamos una colisin entre
dos esferas elsticas iguales, de modo que en dos sistemas de referencia la
colisin sea observada como en las dos figuras siguientes (1.11). All se ilustra
la colisin observada en un sistema de referencia donde un partcula tiene
25
V
V
U
U
W/
W
V
m( u2 + v2 )u = m(W )W,
s
2
W W
m(u)u = m v 2 +
.
W
=u
m( u2 + v 2 )u = um(u)
26
Espacio tiempo
A
t1
x1
t2
x2
m( u2 + v2 ) = m(u)
y tomando u = 0 se tiene
1
m(v) = q
1
(1.1)
m(0).
v2
c2
.
2
2
v2
2
1 u c+v
1
2
u
c2
1 c12
v2
1
1.11.5.
c2
27
A
t1
t2
x2
x1
T1 = t1 +
T2
v
),
c
v
),
c
o bien
p
(1 + vc ) 0
v
T = T2 T1 = T 0 (1 + ) = p
T.
c
1 vc
1.11.6.
28
Espacio tiempo
llegada, tomando en cuenta lo que deben recorrer los pulsos con una velocidad
u
x1
vt01
v
T1 = t1 +
= t01 +
= t01 (1 + ),
u
u
u
0
x2
vt
v
2
= t02 +
= t02 (1 + ),
T2 = t2 +
u
u
u
es decir los pulsos llegan al origen separados un tiempo
(1 + uv ) 0
v
q
T.
T = T2 T1 = T (1 + ) =
2
u
1 vc2
0
Pero, en magnitud
u =
u0 v
0 ,
1 vu
c2
)
v(1 vu
v
c2
=
,
0
u
u v
Entonces reemplazando y considerando las frecuencias a la cual los pulsos se
emiten y se reciben (f = 1/T ) tenemos
q
2
1 vc2
(u0 v)f 0 ,
f=
v2 u0
0
u c2
o bien
1
f=q
1
v2
c2
(1
v 0
)f
u0
siendo u0 > v, para el caso en que la fuente se aleja del observador. Adems
u0 es la velocidad con que la seal sale de la fuente, respecto a ella.
1.12.
Problemas.
Ejercicio 1.12.1 Una partcula se deja caer desde lo alto de una torre de
modo que su altura y vara con el tiempo t de la forma
y = 50 5t2 .
Determine la trayectoria que es observada desde un automvil que se aleja
por el eje horizontal x con rapidez de 20 m/s.
1.12 Problemas.
29
v1 = 2 + 3
+ 5k,
+ 3k.
v2 = + 2
Determine el ngulo que forman esas velocidades entre s.
Ejercicio 1.12.6 Un cohete se aleja radialmente de la Tierra con velocidad
constante de 1000 m/s en el plano ecuatorial. Considerando que la Tierra
rota en torno de su eje dando una vuelta completa por da, determine la
forma de la trayectoria observada por los habitantes de la Tierra.
Ejercicio 1.12.7 Si una tortuga parte 100 m adelante de Aquiles y avanza
a razn de 0,1 m/s, en cuanto tiempo Aquiles alcanza la tortuga si corre a
10 m/s.
Ejercicio 1.12.8 Considere un tringulo rectngulo de catetos de longitudes iniciales 3 m y 5 m. Si el cateto ms corto crece a razn de 0,5 m/s,
mantenindose la forma del tringulo, determine la razn a la cual crece la
hipotenusa.
30
Espacio tiempo
(u0y )2
(u0z )2
=c
1 2 =
vux
c
1 c2
es decir la cantidad
q
1
u2
c2
v2
c2
1.12 Problemas.
31
Ejercicio 1.12.17 Considere la velocidad de la luz, en direccin especificada por los ngulos y de modo que
uy = c sin cos ,
uz = c sin sin
ux = c cos
Demuestre entonces que el ngulo que hace c con c0 est dado por
q
2
2
0
(1
1 vc2 )
sin
cc
cos() = 2 = 1
c
1 v cos
c
independiente del ngulo que la velocidad de la luz hace con el eje y o z.
(Este es un clculo algebraico, pero realmente nadie observa ese ngulo, pues
corresponden a velocidades en diferentes sistemas)
Ejercicio 1.12.18 Determine la velocidad con que se aleja una estrella si
una determinada lnea espectral est corrida un 10 % en frecuencia respecto
a su valor en reposo.
Ejercicio 1.12.19 Sobre la transformacin de Lorentz. Es posible deducir
la transformacin de Lorentz si se hacen algunas suposiciones muy simples.
Primero que la relacin entre coordenadas y tiempos en dos sistemas es lineal,
es decir
x0 = x + t,
t0 = x + t.
Segundo haga referencia al movimiento de los orgenes. Es decir si x0 = 0,
entonces x = vt. Si x = 0, entonces x0 = vt0 . Tercero si un objeto se mueve
con la velocidad de la luz en un sistema, entonces se mueve con la velocidad
de la luz en el otro, es decir si x = ct, entonces x0 = ct0 . Por ltimo, la
transformacin inversa debe tener la misma forma, excepto por el signo de
la velocidad relativa entre los dos sistemas.
32
Espacio tiempo
Captulo
2.1.
Introduccin.
34
Esto es un esbozo de lo que eran las creencias antes del desarrollo del
mtodo cientfico.
Una de las cuestiones que origina el desarrollo de la ciencia y del mtodo
cientfico es la explicacin del movimiento de los objetos que se ven en el
Cielo. Hoy da, producto de una enorme cantidad de observaciones, las cosas
parecen estar claras. Sin embargo antes la informacin disponible era muy
escasa. Excepto quizs por estimaciones sobre la Luna y el Sol, los hombres
de antes no tenan idea de las distancias y de los tamaos de los objetos
celestiales. No debera causar extraeza entonces que los Griegos apoyaron
la idea, con mucho sentido comn, de que la tierra debera estar estacionaria
(en reposo), y en base a esa hiptesis haba que disear un mtodo para
predecir las posiciones de los astros. La versin final de este modelo fue
diseada por Ptolomeo de Alejandra, modelo que es conocido en nuestros
tiempos como el modelo de Ptolomeo.
2.2.
2.2.1.
Modelo de Ptolomeo.
35
36
Marte
Sol
2.2.2.
Modelo de Coprnico.
Debido a las diferencias observadas, caban dos posibilidades, hacerle correcciones a las rbitas del modelo de Ptolomeo hacindolas ms intrincadas,
o adoptar otro modelo. Coprnico propuso que la Tierra, y los planetas se
movan en rbitas circulares en torno al Sol, explicando as muchos de los
hechos observados con ms simplicidad. Por ejemplo el aparente movimiento
del Sol entre las estrellas se explica debido al movimiento de la Tierra. El
movimiento aparente de los planetas, en particular el movimiento retrgrado,
se explica con simplicidad como lo ilustra la figura (2.3).
Por ejemplo se observa como el planeta Marte se ve avanzar o a veces
retroceder en el fondo de las estrellas fijas. Sin embargo Coprnico encontr
que las posiciones predichas con su modelo para los astros no eran significativamente mejores que las predichas por el modelo de Ptolomeo.
2.2.3.
Mejores modelos.
Aqu nos encontramos frente a dos hiptesis que daban cuenta ms o menos igual de los hechos observados. Las creencias imperantes en aquellos das,
sobre todo ideas religiosas, favorecan la hiptesis de una tierra en reposo,
ocupando el lugar central en el Universo. Adems la Mecnica Clsica no estaba lo suficientemente desarrollada como para contestar muchas preguntas.
Entonces ocurri que las mediciones por si solas no permitieron dilucidar
entre los dos modelos, de Coprnico y de Ptolomeo. Tycho insista en una
37
Tierra inmvil. Coprnico persuadi a Tycho para colocar el centro de revolucin de todos los otros planetas en el Sol. Para ello tena que abandonar las
esferas cristalinas Aristotlicas puesto que chocaran entre si. Tycho tambin
cuestion la doctrina Aristotlica de perfeccin celestial, cuando, en los aos
1570, un cometa y una nueva estrella aparecieron. Tycho mostr que ambos
estaban sobre la esfera de la Luna. Quizs las crticas ms serias fueron las
hechas por Galileo, despus de su invencin del telescopio
En una rpida sucesin de acontecimientos, Galileo anunci que haba
montaas en la Luna, satlites que rodean Jpiter, y manchas en el Sol.
Es ms, que la Va Lctea est compuesta de innumerables estrellas cuya
existencia nadie haba sospechado hasta que Galileo las observ. Aqu la
crtica golpeaba las races mismas del sistema Aristotlico del mundo.
Al mismo tiempo que Galileo investigaba los cielos con su telescopio, en
Alemania Johannes Kepler estaba investigndolo con su mente.
Las observaciones muy precisas de Tycho le permitieron a Kepler descubrir que Marte y los otros planetas, no se movan en crculos sino que
describiendo elipses, con el Sol en uno de sus focos. El cosmos de Kepler
era anti-Aristotlico, y quizs por ello l escribi sus descubrimientos en prosa latina casi indescifrable en una serie de trabajos que no tuvieron mucha
circulacin.
2.2.4.
Johannes Kepler.
38
2.2.5.
39
40
2.2.6.
41
42
2.3.
La publicacin del Principia marca la culminacin del movimiento iniciado por Coprnico y, como tal, siempre ha perdurado como el smbolo de la
revolucin cientfica.
Existan, sin embargo, crticas similares en otros mbitos del conocimiento
natural. En el mismo ao que Newton publicaba su gran volumen, apareca
un libro igualmente importante en anatoma. Andreas Vesalius Del fabrica
de corporis de humani (En el Tejido del Cuerpo Humano, llam el Del
fabrica), aparece un examen crtico de la anatoma de Galeno en la que
Vesalius utiliz sus propios estudios para corregir muchos de los errores de
Galeno.
Vesalius, como Newton, puso nfasis en los fenmenos observados, es decir, la descripcin exacta de hechos naturales. Esto culmin con el descubrimiento de la circulacin de la sangre por William Harvey cuyo trabajo fu
publicado como Exercitatio Anatomica De Motu el et de Cordis Sanguinis
en Animalibus (Un Ejercicio Anatmico Acerca del Movimiento del Corazn
y Sangre en Animales ) .
ste era el como el Principia en fisiologa donde se estableci la anatoma
y la fisiologa como ciencias con derecho propio. Harvey mostr que esos
fenmenos orgnicos podran estudiarse experimentalmente y que algunos
procesos orgnicos podan reducirse a sistemas mecnicos. El corazn y el
sistema vascular podran ser considerados como una bomba y un sistema de
caeras y que podan entenderse sin el recurso a espritus o otras fuerzas no
susceptibles al anlisis.
En otras ciencias el esfuerzo por sistematizar no tuvo tanto xito. En
qumica, por ejemplo, el trabajo de los alquimistas modernos medievales haban conducido a nuevas substancias importantes y procesos, como los cidos
minerales y destilacin, pero presentaron sus teoras en un lenguaje mstico
casi incomprensible. Robert Boyle en Inglaterra intent disipar la maleza intelectual insistiendo en las descripciones claras, en la reproducibilidad de los
experimentos, y concepciones mecnicas de los procesos qumicos. La qumica, sin embargo, no estaba todava madura para la revolucin.
Nuevos instrumentos como el microscopio y el telescopio multiplicaron
los mundos con los que el hombre tena que ver. Los viajes por el Mundo
devolvieron un diluvio de nuevos especmenes botnicos y zoolgicos que
agobiaron esquemas clasificadores antiguos. Lo mejor que poda hacerse era
describir estas cosas nuevas con precisin y esperar que algn da alguien
43
44
2.3.1.
45
2.4.
El mtodo cientfico.
46
Una crtica frecuente que se hace a los cientficos y en consecuencia al mtodo cientfico es que muchas cosas que se crean imposibles en el pasado son
hoy en da realidades. Esta crtica est basada en una mala interpretacin del
mtodo cientfico. Cuando una hiptesis pasa el test de su comprobacin experimental, entonces ella se adopta como la teora que explica correctamente
los fenmenos observados. Sin embargo, cuando se explora un nuevo rango
de fenmenos se utiliza la teora existente pero se tiene siempre en mente que
la teora puede fallar al intentar explicar nuevos fenmenos. En estos casos,
nuevas hiptesis son hechas hasta que emerge una nueva teora.
2.5.
Hoy da, los cambios y nuevos descubrimientos suceden a un ritmo impresionante, tpicos que corresponden a temas de estudio de actualidad se
estudian normalmente en cursos de postgrado en Fsica, pero de todos modos
se muestran algunos de los hitos ms relevantes ocurridos recientemente en
la Fsica.
2.5.1.
47
48
49
50
Captulo
Gravitacin.
3.1.
52
Gravitacin.
Kepler pudo describir las rbitas de los planetas mediante simples relaciones
geomtricas y aritmticas. Estas relaciones son conocidas hoy como las tres
leyes de Kepler del movimiento de los planetas y pueden resumirse por:
Tres leyes de Kepler
1 Los planetas describen rbitas elpticas en la cual el Sol el cual ocupa
uno de sus focos.
2 La lnea que une un planeta al Sol barre reas iguales en tiempos iguales.
3 El cuadrado del periodo de revolucin de un planeta es proporcional al
cubo de su distancia media al Sol. Una expresin moderna de esta ley
es
4 2 3
2
T =
R,
GM
siendo G la constante de gravitacin Universal, M la masa del Sol, y
R la distancia media al Sol.
Durante este mismo periodo de tiempo, el astrnomo y fsico italiano
Galileo hizo otros importantes avances al entender como natural un movimiento acelerado simple para los objetos terrenales.
l comprendi que los cuerpos que no son influenciados por medio de fuerzas, continan moviendo indefinidamente, y que al contrario del pensamiento
Aristotlico, se necesitan fuerzas para cambiar su estado de movimiento. Estudiando cmo los objetos caen hacia la Tierra en el experimento conocido
como de cada libre, Galileo descubri que este movimiento es un movimiento con aceleracin constante, esto es la velocidad se incrementa lo mismo
en iguales lapsos de tiempo. l pudo demostrar que la distancia que recorre
un cuerpo al caer, vara como el cuadrado del tiempo. Adems fue capaz de
establecer que la aceleracin debido a la gravedad cerca de la superficie de
la Tierra es aproximadamente 9.8 metros por segundo por segundo. Esto es
que la velocidad se incrementa en 9.8 m/s en cada segundo.
Por otro lado, Newton descubri una sorprendente relacin entre el movimiento de la Luna (influenciada por la Tierra?) y el movimiento de cualquier
cuerpo que cae sobre la Tierra. Primero que nada, mediante mtodos puramente matemticos y geomtricos, el descubri que un cuerpo que recorre
53
a=
4 2
R.
T2
Newton supuso la presencia de una fuerza atractiva entre todos los cuerpos materiales, una fuerza que no requiere contacto directo y acta a distancia. Haciendo uso de la ley de inercia es decir que los cuerpos no sometidos a
fuerzas siguen con velocidad constante en una lnea recta, Newton concluy
que una fuerza ejercida por la Tierra sobre la Luna es necesaria para que su
movimiento sea circular en torno a la Tierra. l comprendi que esta fuerza
debera ser, considerando las proporciones, igual que la fuerza con la que la
Tierra atrae a objetos sobre su superficie.
Newton analiz el movimiento de la Luna de la que tiene un periodo de
T = 27,3 das (casi un mes) y una rbita de radio aproximadamente igual
a RL = 384, 000 kilmetros (aproximadamente 60 radios de la Tierra RT ).
l encontr que la aceleracin de la Luna en su rbita es (dirigida hacia la
Tierra) de magnitud
a=
4 2 RL
4 2 3,84 108
m
=
= 0,0027 2 ,
2
2
T
(27,3 24 3600)
s
que sorprendentemente resulta igual a (RT /RL )2 = (1/60)2 de la aceleracin de un objeto cayendo cerca de la superficie de la Tierra. Cuando
Newton descubri que la aceleracin de la Luna en su rbita es 1/3600 veces
ms pequea que la aceleracin en la superficie de la Tierra, l tuvo la genial
idea de relacionar el nmero 3600 al cuadrado del radio de la Tierra. Como
Newton supuso que las dos aceleraciones son consecuencia de una interaccin
comn, entonces pudo deducir que la fuerza gravitatoria entre dos cuerpos
disminuye como el inverso del cuadrado de la distancia entre los cuerpos. As,
si la distancia entre los cuerpos se dobla, se reduce la fuerza en ellos en cuatro veces. Un resultado que requiere suponer que la masa de la Tierra acta
gravitacionalmente en sus alrededores como que si su masa se concentrara
en el centro del planeta.
54
3.1.1.
Gravitacin.
4 2 R
,
T2
4 2
4 2 R
=
.
kR3
kR2
Newton tambin dedujo que las fuerzas gravitacionales entre los cuerpos
deberan depender de las masas de los cuerpos. Dado que un cuerpo de masa
M que experimenta una fuerza F acelera a razn F/M, una fuerza proporcional a M sera consistente con la observaciones de Galileo de que los cuerpos
aceleran bajo la gravedad terrestre con la misma magnitud. As y en forma
resumida la teora gravitacional de Newton establece que
a=
F12 = G
m1 m2
,
(r12 )2
donde F12 es la magnitud de la fuerza gravitatoria que acta entre las los
cuerpos de masas m1 y m2 separadas una distancia r12 . La fuerza iguala
el producto de estas masas y de G, una constante universal, dividida por el
cuadrado de la distancia. Su teora gravitatoria permiti explicar las leyes
de Kepler y estableci la ciencia cuantitativa moderna de la gravitacin.
La constante de gravitacin universal tiene en el sistema SI el valor
G = 6,67259 1011 m3 kg1 s2 ,
y la fuerza gravitacional acta en la direccin de la lnea que une los dos
cuerpos.
Una expresin ms simple, permite calcular la aceleracin en la superficie
en Tierra, la llamada aceleracin de gravedad. Sea MT la masa de la tierra
y RT su radio, la aceleracin descendente de un cuerpo en la superficie es
g=
GMT
.
RT2
55
MT
MT
= G 2 + 2G 3 h
RT
RT
g(0)
= g(0) 2
h.
RT
g(h) =
3.1.2.
(3.1)
Velocidad de escape.
Un objeto lanzado hacia arriba desde la superficie de un planeta, despreciando el efecto del roce con la atmsfera, no regresa de cada si la velocidad
excede el valor denominado velocidad de escape que puede ser determinado
mediante
r
2GM
ve =
,
R
siendo M la masa del planeta, R su radio y G la constante de gravitacin.
3.1.3.
Peso y masa.
gRT2
MT
56
Gravitacin.
3.1.4.
Cuando dos cuerpos celestiales de masa comparable se atraen gravitacionalmente, ambos orbitan con respecto al centro de masa de los dos cuerpos.
Ese punto queda entre los cuerpos en la lnea que los une en una posicin tal
que las distancias a cada cuerpo multiplicadas por la masa de cada cuerpo
son iguales. En frmulas
M2
R,
M1 + M2
M2
=
R,
M1 + M2
= M2 R2 .
R1 =
R1
M1 R1
57
son suficientes para determinar las masas individuales. Las observaciones del
movimiento orbital de las estrellas dobles, del movimiento dinmico de estrellas que mueven colectivamente dentro de sus galaxias, y del movimiento
de las galaxias, verifican que la ley de Newton de gravitacin es vlida, con
un alto grado de exactitud a lo largo y ancho del universo visible.
Newton tambin explic las mareas del ocano, fenmenos que envolvieron
en misterio a los pensadores durante siglos, que son una simple consecuencia
de la ley universal de gravitacin. Ellas son causados especficamente por el
tirn gravitatorio de la Luna y, en menor grado, del Sol sobre las aguas.
Ya era conocido en tiempos de Newton que la Luna no tiene una rbita
Kepleriana simple. Otras observaciones ms exactas sobre los planetas tambin mostraron diferencias con las leyes de Kepler. El movimiento de la Luna
es particularmente complejo. Adems, la atraccin gravitatoria de los planetas explica casi todos los rasgos de sus movimientos. Las excepciones son no
obstante importantes. Urano, el sptimo planeta del Sol, manifest importantes variaciones en su movimiento que no podan ser explicado a travs de
perturbaciones de Saturno, Jpiter, y de los otros planetas. Dos astrnomos
del siglo 19, John Couch Adams de Bretaa y Urbain-Jean-Joseph Le Verrier
de Francia, supusieron independientemente la presencia de un octavo planeta
inadvertido que podra producir las diferencias observadas. Ellos calcularon
su posicin dentro de una precisin de un grado de donde se descubri Neptuno ms tarde en 1846.
Las medidas hechas por mucho tiempo del movimiento del planeta ms
cercano al Sol, Mercurio, llevaron a los astrnomos a concluir que el eje mayor de su rbita elptica precesa en el espacio a una proporcin 43 segundos
de arco por siglo, ms rpido que lo que podra considerarse debido a perturbaciones de los otros planetas. En este caso, sin embargo, ningn otro
cuerpo podra encontrarse que podra producir esta diferencia. Al parecer una
modificacin muy leve de la ley de Newton de la gravitacin pareca ser necesaria. La teora de Einstein de la relatividad general, predice correctamente
la precesin de la de la rbita de Mercurio.
3.1.5.
58
Gravitacin.
g(r) =
+ + k
(r)
x
y
z
2
2
2
(r) = 4G(r).
+
+
x2 y 2 z 2
59
siendo constantes J2 y J3 determinables la distribucin de masa detallada de la Tierra, y de acuerdo a observaciones de las perturbaciones en las
rbitas de la Luna, se ha encontrado para la Tierra J2 = 1, 082,7 106 y
J3 = 2,4 106 . Gran parte de la variacin del potencial con respecto a
una tierra esfrica es causada por una protuberancia ecuatorial, y hay un
aumento correspondiente en el valor de la gravedad en la superficie de la
Tierra del Ecuador a los polos. Newton fue el primero en formular una teora
de la protuberancia ecuatorial. Muchos ms trminos se han estimado de las
observaciones de las rbitas de satlites artificiales cerca de Tierra.
Nota 3.1 Es absolutamente posible que usted encuentre que aqu hay demasiadas matemticas, cierto. De todos modos por si usted quiere profundizar
aqu han aparecido dos objetos, llamados operadores que son de frecuente
ocurrencia en Fsica. Se trata de
=
+ + k
operador Nabla,
x
y
z
2 =
2
2
2
+
+
operador Laplaciano,
x2 y 2 z 2
3.1.6.
60
Gravitacin.
les han permitido a los investigadores medir con mucha precisin el tiempo
de cada libre. Tambin es posible hacer medidas sumamente exactas que
usan interferencia lser. Por consiguiente, las medidas directas de cada libre
han reemplazado el pndulo para las medidas absolutas de gravedad. Hoy da
los lasers sirven como fuentes luminosas para los interfermetros. El objeto
que cae refleja un haz de luz lser. Se han usado versiones transportables de
tal aparato para medir diferencias de gravedad en toda Tierra. La exactitud
alcanzable en estas medidas es aproximadamente una parte en 108 .
3.1.7.
3.1.8.
61
Cuando una de las dos masas se mueve, se supone que la fuerza que acta
en otras masas, se ajusta instantneamente a la nueva situacin con la masa
original cambiada de sitio. Esto entra en conflicto con la teora de la relatividad especial, donde ninguna informacin o seal fsica puede viajar ms
rpidamente que la velocidad de luz.
La teora de la relatividad junto a la teora del campo de fenmenos elctricos y magnticos, han tenido tal xito, que se han construido teoras gravitatorias ms modernas, como teoras de campo consistentes con los principios
de la relatividad especial. En una teora de campo, la fuerza gravitatoria entre los cuerpos es formada por un proceso del dos etapas: El cuerpo produce
un campo gravitatorio que penetra todo el espacio que lo rodea. Un segundo
cuerpo en ese espacio es actuado por el campo y experimenta una fuerza.
3.1.9.
62
Gravitacin.
3.1.10.
En la teora general de la relatividad de Einstein, se formulan las consecuencias fsicas de los campos gravitatorios. resumidamente de la siguiente
manera. El espacio-tiempo es un continuo de cuatro dimensiones no Euclidiano. La curvatura de este espacio-tiempo es determinada por la distribucin
de masa de la materia. Las partculas y los rayos de luz viajan a lo largo de geodsicas, caminos extremales en este mundo geomtrico de cuatro
dimensiones.
Hay dos consecuencias principales de este punto de vista geomtrico de
la gravitacin: (1) las aceleraciones de cuerpos slo dependen de sus masas y
no en su constitucin qumica o nuclear, y (2) el camino de un cuerpo o de
63
64
Gravitacin.
3.1.11.
La idea que la luz debe ser desviada pasando al pasar cerca de un cuerpo material haba sido sugerida por el astrnomo britnico y gelogo John
Michell durante el siglo 18.
Sin embargo, la teora de relatividad general de Einstein predijo una desviacin dos veces ms grande. Una confirmacin del resultado de Einstein
surgi al efectuar mediciones directas sobre la direccin de una estrella cerca
del Sol durante el eclipse solar de 1919, durante la expedicin llevada a cabo
por el astrnomo britnico Sir Arthur Stanley Eddington. Las determinaciones pticas del cambio de direccin de la posicin observada de una estrella
estn sujetas a muchos errores sistemticos, y lejos, la mejor confirmacin
de la teora de la relatividad general de Einstein se ha obtenido de las medidas de un efecto estrechamente relacionadoa saber, el aumento del tiempo
tomado por la luz a lo largo de un camino cerca de un cuerpo material. Cronometrando el tiempo de viaje de ida y vuelta de un pulso de radar entre la
Tierra y otros planetas internos que pasan detrs del Sol, los experimentos
han confirmado con incertezas del orden de un 4 por ciento la prediccin de
un retraso de tiempo adicional.
La precesin de la rbita de Mercurio de 43 segundos de arco segundo por
siglo era conocido antes del desarrollo de la teora de relatividad general. Con
medidas hechas con radar de las distancias a los planetas, se han estimado
precesiones anmalas similares para Venus y la Tierra , en plena concordancia
con la relatividad general.
3.1.12.
La esencia de la teora de Newton de gravitacin es que la fuerza entre dos cuerpos es proporcional al producto de sus masas y al inverso del
65
66
Gravitacin.
3.1.13.
5 7 ,9 0 9 ,1 7 5
Vo lu m e n (T ie rra = 1 )
M a sa
0.05 4
27
10
g
g cm3
D en sid a d
cm s2
Ve nu s
T ie rra
M a rte
1 0 8 ,2 0 8 ,9 3 0
1 4 9 ,5 9 7 ,8 9 0
2 2 7 ,9 3 6 ,6 4 0
0 .8 8
1 .0
0 .1 49
0 .3 3 0 2 2
4 .8 6 9 0
5 .9 7 4 2
0 .6 4 1 9 1
5 .4 3
5 .2 4
5 .5 1 5
3 .9 4
370
887
980
371
Ve lo cid a d d e esca p e e n el E cu a d o r
4.25 k m / s
1 0 .3 6 k m / s
1 1 .1 8 k m /s
5 .0 2 k m / s
5 8 .6 4 6 2
2 4 3 .0 1 8 7 *
0 .9 9 7 2 6 9 6 8
1 .0 2 5 9 5 6 7 5
0 .2 4 0 8 4 4 4 5
0 .6 1 5 1 8 2 5 7
4 7 .8 7 2 5
3 5 .0 2 1 4
2 9 .7 8 5 9
2 4 .1 3 0 9
E x c entric id a d d e la rb ita
0.20 5 6 3 0 6 9
0 .0 0 6 7 73 2 3
0 .0 1 67 1 0 2 2
0 .0 93 4 1 2 3 3
7 .0 0 4 8 7
3 .3 9 4 7 1
0 .0 0 0 0 5
In c lin a ci n E cu a d o r co n la rb ita ( o )
0 .0
1 7 7 .3
2 3 .4 5
G raved a d e n la su p erficie
Ve lo cid a d o rb ital p ro m ed io
km s1
T . m ed ia en la su p erfic ie s lid a
1 .8 8 0 7 1 1 0 5
1 .8 5 0 6 1
2 5 .1 9
440
730
2 8 8 -2 9 3
1 8 3 -2 6 8
288
R a d io m ed io ec u a to ria l (K m )
2,43 9 .7
1 A U = 14 9 ,5 9 7 ,8 7 0.66 k m
0 .9 9 9 9 7 8 6 2
C O 2, N 2
6 ,0 5 1 .8
N2, O 2
6 ,3 7 8.1 4
C O 2, N2, A r
3 ,3 97
S a tu rn o
77 8 ,4 1 2 ,0 2 0
1 ,4 2 6 ,72 5 ,4 0 0
13 1 6
755
1,8 9 8 .7
56 8 .5 1
U ra n o
2 ,8 7 0 ,9 72 ,2 0 0 k m
52
8 6 .8 4 9
N e p tu n o
67
P lu t n
4 ,4 9 8 , 2 5 2 , 9 0 0
5 ,9 0 6 ,3 7 6 ,2 0 0
44
0 .0 0 5
1 0 2 .4 4
0 .0 1 3
1.3 3
0 .7 0
1 .3 0
1 .7 6
1 .1
23 1 2
896
869
1100
81
59 .5 4 k m / s
0.4 1 3 5 4
1 1 .8 5 65 2 5 0 2
13 .0 6 9 7
0 .0 4 8 39 2 6 6
1.3 0 5 3 0
3 5 .4 9 k m / s
2 1 .2 9 k m / s
2 3 .7 1 k m / s
1 .2 7 k m / s
0 .4 4 4 01
0 .7 1 8 33 *
0 .6 7 1 2 5
2 9 .4 2 35 1 9 3 5
8 3 .7 4 74 0 6 8 2
1 6 3 .7 2 3 2 0 4 5
2 4 8 .0 2 0 8
9 .6 7 2 4
6 .8 3 5 2
5 .4 7 7 8
4 .7 4 9 0
0 .5 4 1 50 6 0
0 .0 4 7 16 7 7 1
2.4 8 4 4 6
0 .0 0 8 5 8 5 8 7
6 .3 8 7 1 8 *
0 .2 4 8 8 0 7 6 6
0 .7 6 9 86
1 .7 6 9 1 7
1 7 .1 4 1 7 5
2 9 .5 8
1 1 9 .6 1
3.1 2
2 6 .7 3
9 7 .8 6
5 7 .8
16 5
134
76
73
H 2 ,H e
H e ,H 2 ,C H 4
H 2 ,H e, C H 4
H2, He
2 5 ,5 5 9
2 4 ,7 6 4
1 ,1 9 5
71 ,4 9 2
60 ,2 6 8
* retrgrado.
Ejercicio 3.1.1 Un cuerpo describe una rbita circular de radio R = 100
m en torno a un punto fijo con rapidez constante dando una vuelta completa
por segundo. Determine la magnitud de la aceleracin del cuerpo.
Ejercicio 3.1.2 Si el cuerpo del ejercicio anterior, repentinamente siguiera
en lnea recta, determine la rapidez de crecimiento de la distancia al punto
fijo en m/s.
Ejercicio 3.1.3 Las masas de la Tierra y de la Luna son aproximadamente
MT = 5,98 1024 kg y ML = 7,36 1022 Kg siendo la distancia promedio
entre ellos 3,84 108 m. Determine la fuerza ejercida por la Tierra sobre la
Luna y la ejercida por la Luna sobre la Tierra.
Ejercicio 3.1.4 De los datos del ejercicio anterior, determine el tiempo
empleado por la Luna en dar una vuelta completa en torno a la Tierra, en
das.
Ejercicio 3.1.5 Determine aproximadamente la fuerza que hace la Luna
sobre una persona de la Tierra de masa 80 Kg.
68
Gravitacin.
Captulo
4.1.
Aceleracin.
(4.1)
(4.2)
d
v = g
.
(4.3)
dt
De aqu, mediante el proceso conocido como integracin podemos obtener
que
Z t
Z v(t)
dv =
g
dt,
(4.4)
v(0)
70
de donde
v(t) v(0) = gt
,
(4.5)
r(t)
(v(0) g
t)dt
(4.7)
1 2
t ,
r(t) r(0) = v(0)t g
2
(4.8)
1 2
t .
r(t) = r(0) + v(0)t g
2
(4.9)
dr =
r(0)
por lo tanto
y finalmente
4.2.
Componentes cartesianas.
Recordando que
r(t) = x + y
,
(4.10)
v = vx + vy ,
(4.11)
y que
las expresiones 4.6, 4.9 en componentes conducen a
vx (t) = vx (0),
vy (t) = vy (0) gt,
x(t) = x(0) + vx (0)t,
1
y(t) = y(0) + vy (0)t gt2 .
2
Expresiones que dan las componentes cartesianas de la velocidad y posicin
en trminos de las condiciones iniciales y del tiempo transcurrido.
4.2.1.
71
72
4.2.2.
Ecuacin de la trayectoria.
Para el ltimo caso, podemos obtener la ecuacin de la trayectoria, eliminando el tiempo entre x(t) e y(y), obteniendo
y = h + x tan
gx2
,
2v02 cos2
(4.12)
4.2.3.
Parbola de seguridad.
(4.13)
73
x
tan
+
y
+
= 0,
2v02
2v02
(4.14)
p
(v04 2gyv02 g 2 x2 )
tan =
,
(4.15)
gx
es decir, en general hay dos ngulos de disparo para alcanzar un punto de
coordenadas (x, y). Sin embargo si la cantidad subradical es negativa, dicho
punto no es alcanzable. La frontera entre la regin alcanzable y la no alcanzable, la constituyen los puntos (x, y) para los cuales la cantidad subradical
es cero, es decir los puntos tales que
v02
v04 2gyv02 g2 x2 = 0
(4.16)
o bien
v02 gx2
.
(4.17)
2g 2v02
Esta es la ecuacin de una parbola simtrica respeto al eje OY , conocida
como parbola de seguridad. Los puntos sobre la parbola de seguridad son
alcanzables justo para un ngulo, de (4.15) ese ngulo est dado por
y=
tan =
v02
.
gx
(4.18)
74
4.2.4.
Alcance mximo.
,
2g 2v02
y = x tan ,
y =
obteniendo
x = ( tan + sec )
v02
,
g
v02
g
p
v2
x2 + y 2 = x sec = sec ( tan + sec ) 0 .
g
(4.19)
75
o sea
1
cos
v2
=
=
tan = 0 =
gx ( tan + sec )
sin + 1
s
1 + sin
90 +
= tan
=
1 sin
2
1 sin2
(1 sin )2
90 +
.
(4.20)
2
Note que si = 0 se obtiene como era esperado = 45o . La figura (??)
siguiente ilustra lo que ocurre para v0 = 10, = 30o
=
76
77
Ejercicio 4.2.9 Respecto al problema anterior, determine el total de espacio recorrido por la pelota hasta detenerse.
Ejercicio 4.2.10 Un can dispara proyectiles con rapidez de 100 m/s. Determine el ngulo de disparo adecuado para dar en un blanco situado a 100
de altura y a una distancia horizontal de 1000 m del can, en el mnimo
tiempo.
Nota 4.2 Hay dos factores que en realidad hacen que la aceleracin de gravedad no sea constante. Uno de ellos es la altura. Si la altura es h sobre la
superficie terrestre y R es el radio terrestre, la aceleracin de gravedad vara
con la altura de la forma aproximada (ver 3.1)
h
g(h) = g(0) 1 2
.
R
variacin despreciable para altura mucho menores que el radio terrestre. En
segundo lugar, la rotacin terrestre hace que la aceleracin de gravedad sea
algo menor en el Ecuador que en los Polos, diferencia no muy grande porque
la Tierra no gira muy rpido. De hecho si la rotacin fuera muy rpida, los
objetos tienen una tendencia a salir de la Tierra (a seguir en lnea recta).
78
Captulo
5.0.5.
Introduccin.
5.0.6.
Las cuatro fuerzas o interacciones fundamentales de la naturaleza, electromagntica, dbil, fuerte y gravitacional., influyen en el comportamiento
de la materia segn las densidades involucradas. As, la interaccin electromagntica predomina desde bajas densidades a densidades del orden de
10 toneladas por centmetro cbico. Aqu se manifiesta la interaccin dbil,
que provoca enormes cambios en la estructura de la Materia, causando por
ejemplo la transformacin de protones en neutrones, mediante la absorcin
de electrones o a la inversa. A densidades superiores a 100,000 toneladas
80
5.0.7.
Equilibrio de un gas.
81
R es la llamada constante de los gases (R = 8,314510 J mol1 K1 ), y n es
el nmero de moles de gas encerrado en el volumen. Un mol de substancia es
igual a una cantidad de masa igual al peso atmico o molecular segn se trate
de tomos o molculas, expresado en gramos. Otra forma de confinamiento
de un gas que no requiere de paredes, la provee la fuerza gravitacional. que
prueba ser muy efectiva, cuando la cantidad de materia es relativamente
grande. Es el caso de nuestra atmsfera, de los gases del planeta Jpiter, y
otros planetas exteriores. No as es el caso de la Luna, donde la gravedad fue
insuficiente para mantener confinada algn tipo de atmsfera.
5.0.8.
Slidos y lquidos.
5.0.9.
La fuerza gravitacional.
5.0.10.
m1 m2
.
d2
Formas de la materia.
82
83
84
85
86
87
relativista, es tan grande que los electrones pueden al chocar contra los ncleos, penetrar en ellos combinndose con los protones de ellos, formando
neutrones.
La responsable de esta transformacin es la llamada interaccin dbil.
Aqu comienza a jugar de nuevo un rol el principio de exclusin; los nuevos
neutrones que se crean en los ncleos no tienen estados fsicos distintos disponibles y en consecuencia se ven obligados a abandonar el ncleo. Ahora la
presin en aumento es equilibrada por un sistema de neutrones libres, cada
vez en mayor nmero, hasta que finalmente todos los electrones se han combinado con protones, terminndose en esta etapa con un fluidos de neutrones
degenerados. Aqu se llega a las ltimas cuestiones conocidas por la fsica
actual. Como se cree, los hadrones, familia de partculas elementales a las
cuales pertenecen los neutrones y protones, estn constituidas por quarqs,
que estn confinadas en una especie de saco que define la frontera del hadrn. A presiones superiores, al alcanzar densidades ms o menos cinco veces
la densidad nuclear, aproximadamente entre 1000 y 1500 millones de toneladas por centmetro cbico, esos sacos, se cree, deberan romperse de modo
que los quarqs seran liberados, formando una especie de sopa de quarqs, el
supuesto estado final de la materia ultra comprimida.
5.1.
De acuerdo a la teora del big bang, que ser descrita en otro captulo,
despus de las primeras etapas, en el Universo exista una gran cantidad de
Hidrgeno, nubes de hidrgeno, las cuales por razones no totalmente comprendidas pero donde la gravitacin es la fuerza preponderante, formaron
regiones de mayor concentracin de hidrgeno, de forma cuasi esfrica, o elipsoidal si hay rotacin neta del gas de hidrgeno. Estas configuraciones, si de
masa suficiente reciben el nombre de proto estrellas. Normalmente se formaron grupos de estas regiones, interactuando colectivamente por la gravitacin
entre ellas. La evolucin de estas configuraciones cuasi esfricas depende de
la masa de ellas, existiendo diversas posibilidades. La gravitacin tiende a
aumentar la densidad. Si la cantidad de masa es del orden de la masa de
la tierra, el proceso de compresin, al aumentar la temperatura, causar la
perdida de la mayor parte del gas debido a que la fuerza gravitacional. es
insuficiente para retener el gas. Si la masa inicial mayor que la de la Tierra
pero menor que un dcimo de la masa solar, la gravedad retiene los gases,
88
5.1.1.
89
Enana blanca.
Para una estrella con una masa comparable a la Solar, al agotarse el
Hidrgeno, la gravitacin causar un aumento en la densidad y temperatura del ncleo, logrando las condiciones para reacciones nucleares superiores,
formando en diversas etapas, algunos millones de aos, ncleos de Carbono,
Oxgeno, hasta llegar a la formacin del Fierro, con un crecimiento de la estrella hasta una conocida como gigante roja. La reaccin nuclear que crea el
Fierro, no produce energa, sino que absorbe energa. La estrella pierde su envoltura, casi la mitad de su masa, formando una nebulosa planetaria, y luego
comienza a comprimirse lentamente, hasta alcanzar las densidades de un gas
comprimido de electrones degenerados que es capaz de detener la compresin
gravitacional. Su tamao se ha reducido hasta un dimetro del orden de unos
10,000 kilmetros, comparable a la tierra, y su masa es del orden de la mitad
de la del Sol. El ncleo de esta estrella est constituido principalmente de
Carbono y Oxgeno, pero quien balancea la presin es el gas degenerado de
electrones de Fermi. Esta estrella en su estado final, an muy caliente, se
conoce como una enana blanca, llamada as porque es muy blanca. A partir
de all seguir enfrindose perdiendo luminosidad hasta apagarse. Clculos
debidos al astrofsico Chandrasekhar, dan un lmite a la masa final de una
enana blanca capaz de soportar la gravedad. Ese valor lmite es de alrededor
de 1,4 veces la masa Solar. Las consecuencias del clculo de Chandrasekhar
fueron perturbadoras. Qu ocurrira a las estrellas de mayor masa una vez
agotado su combustible nuclear?
Estrella neutrnica.
En consecuencia el destino de una estrella de mayor masa debe ser otro.
Las estrellas ms masivas tienen algunas veces un final ms catastrfico. En
algunos casos, las estrellas pierden mucha masa durante su vida, en forma de
viento estelar por ejemplo, evitando as sobrepasar el lmite de Chandrasekhar. Pero estrellas de mucho mayor masa pasan al formarse hierro, a lo que
se denomina una super gigante roja. Su ncleo, compuesto principalmente
de hierro, Nquel y otros elementos, en forma muy comprimida, penetrada
por el plasma de electrones degenerados que soporta el colapso gravitacional, adems debe soportar el peso de las capas exteriores de la estrella. El
hierro es el ltimo paso de los procesos nucleares en una estrella. Debido a la
90
Supernova.
Sin embargo, si la masa de la estrella es muy grande, compresin ha sido
tan rpida que la enorme cantidad de materia de las capas exteriores se
queda rezagada y comienza a acelerar hacia el ncleo, desplomndose sobre
91
92
93
2GM
c2
RS =
RST =
MT
4
3
RST
3
= 2. 567 1 1020
T on
.
cm3
Una estrella neutrnica, al igual que la enana blanca, tiene un lmite para
la masa que puede tener. Se ha calculado que esa masa es del orden de 1,95
de la masa solar. Si por algn motivo, la estrella neutrnica adquiere ms
masa que esa, ya sea en el proceso de la supernova, o por captura de materia
(acrecin) del espacio o de estrellas vecinas, se llega a un punto en que no
existe mecanismo conocido que permita equilibrar la presin gravitacional., la
estrella colapsa sin lmite, el radio se hace inferior al radio de Schwartzchild,
y nada, incluido la luz puede escapar de ella. Se ha creado un agujero negro,
invisible desde el exterior excepto por el enorme campo gravitacional que
produce.
94
Captulo
El Universo y su evolucin.
6.1.
Introduccin
S = 15 (strong)
= 7,3 103
W = 3,1 1012 (weak)
G = 5,9 1039 .
Como veremos, ellas han jugado un rol determinante en diversas etapas del
modelo aceptado hoy en da de la evolucin del Universo.
Diversas preguntas se pueden formular sobre el Universo, antiguamente
en el plano de la filosofa, hoy da tratables con mtodos de la Ciencia. Es el
Universo finito o infinito? Tuvo o no un comienzo? Es el Universo siempre
igual (Esttico) o evoluciona con el tiempo (Dinmico)?, y muchas ms.
El problema de un Universo esttico o dinmico fue planteado apenas formulada la teora de la Gravitacin de Newton. En efecto, si todos los cuerpos
96
El Universo y su evolucin.
6.2.
Del anlisis del modelo de Friedmann-Robertson-Walker, se puede deducir matemticamente, y fue hecho dos aos antes de su comprobacin experimental, que el Universo debera estar en expansin o ms precisamente que
el espacio est en expansin. Debe ser destacado que el mismo Einstein haba deducido de sus ecuaciones, modelos de Universo que ya sea colapsaban
o crecan, cuestin que el descart modificando sus ecuaciones mediante la
introduccin de una cierta constante, llamada constante cosmolgica y tiene
el rol de introducir fuerzas ficticias en el modelo, cancelando la gravedad a
distancias grandes, obteniendo lo que el crea tena que ser: Universos estticos. Dos cosas pueden decirse: primero el mismo Einstein reconoci que
esta fue la mayor chambonada de su vida, y segundo que actualmente se han
encontrado nuevas razones para considerar constantes cosmolgicas. Vea por
ejemplo, Scientific American, de Enero de 1999. (Revolution in Cosmology)
97
La expansin del Universo fue descubierta por el astrnomo norteamericano Edwin Hubble en los aos 1926 a 1929. Se saba en las dos dcadas
anteriores que muchas de las galaxias visibles aparentemente se alejaban del
Sol. La velocidad de una galaxia como la de una estrella, acercndose o alejndose de nosotros se determina mediante el efecto Doppler de la luz (realmente
aqu aplica un tipo especial de efecto Doppler csmico). Las frecuencias de
las lneas de emisin de los elementos presentes en el astro aparecen corridas
hacia el rojo, en el caso que las galaxias se alejen, respecto de los mismos
elementos en la Tierra. De all se puede calcular la velocidad aparente de
recesin de las Galaxias. La contribucin mayor de Hubble consiste en haber
determinado las distancias a esas galaxias, por medio de la observacin de
ciertas estrellas variables, encontrando una correlacin muy simple: a mayor distancia corresponde una mayor velocidad aparente de alejamiento o
recesin. De modo que si v representa la velocidad de una Galaxia y d su
distancia, entonces
v = H0 d.
La constante H0 , llamada constante de Hubble se conoce en forma aproximada
H0 = 70 km s1 Mpc1 .
No hay evidencia experimental suficiente para asegurar que tal constante no
depende del tiempo, siendo una cuestin abierta si el ritmo de expansin
se mantendr, aumentar o permanecer constante. La unidad de distancia
Mpc, llamada Mega parsec es un milln de parsec, el cual es la distancia
que la luz recorre en 3,6 aos.
Es ms, Hubble interpret su correlacin como una evidencia directa de la
expansin homognea del espacio. Para visualizarlo, imagine que las galaxias
en lnea recta son puntos marcados en un elstico que se estira. Las velocidades relativas aparentes de un punto respecto a otro evidentemente crecen en
proporcin directa con su distancia. Doble distancia, doble velocidad. Esta
expansin del espacio podra imaginarse, aunque este es un modelo nada ms,
como si las galaxias fueran las pasas de un queque, el cual se expande. As,
las pasas se alejan todas, unas de otros, sin que realmente haya movimiento
relativo de las pasas respecto del queque ni tampoco un centro de expansin.
En otras palabras, es el espacio el que se expande y lo hace igual en todas
partes, principio cosmolgico, luego el Universo entero se expande. Por eso
hemos remarcado el hecho que las velocidades de recesin son aparentes. De
acuerdo al principio cosmolgico, la cuestin debe ser igual en todas partes y
98
El Universo y su evolucin.
6.3.
6.3.1.
t
lnea de Universo
de rayo luminoso
lnea de Universo
de partcula fija.
y
x
y
x
t
lnea de Universo
de partcula mvil.
y
x
99
cono de luz
y
x
100
El Universo y su evolucin.
lnea de Universo de A
B
B
A
(a)
B
A
(b)
(c)
101
lneas de Universo
(1) (2)
(3)
B
A
6.4.
Horizonte observable.
Suponiendo que el Universo fue creado T tiempo atrs, nos puede estar
llegando luz a lo ms de una distancia R = cT , la que puede haber recorrido
la luz desde el instante de su creacin. Esa distancia mxima visible se denomina horizonte de partculas o visible. Los objetos que estn ms lejanos
simplemente no los podemos observar todava. Ese horizonte visible crece
precisamente con la velocidad de la luz, y decrece hacia el pasado con la
misma velocidad. O sea en el pasado, la parte visible del Universo era mucho
menor, y llegando a cero en el instante inicial.
El tiempo de vida del Universo podra evaluarse si la velocidad de recesin
de las galaxias se supone que ha sido siempre la misma, pues tendramos por
102
El Universo y su evolucin.
la ley de Hubble
v = H0 d,
y si las distancias iniciales fueron cero, debemos tener d = vT entonces
v = H0 vT,
de donde se deduce que
T =
1
1500 millones de aos.
H0
6.4.1.
6.4.2.
103
Radiacin de fondo.
6.5.
104
El Universo y su evolucin.
6.6.
Partculas elementales.
105
Quarqs y antiquarqs.
Nombre
u (up)
anti u
d (down)
anti d
s (strange)
anti s
c (charmed)
anti c
b (bottom)
anti b
t (top)
anti t
masa
5
carga
2/3
-2/3
-1/3
1/3
-1/3
1/3
2/3
-2/3
-1/3
1/3
10
250
1500
4800
30.000?
spin
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
num barinico
1/3
-1/3
1/3
-1/3
1/3
-1/3
1/3
-1/3
1/3
-1/3
1/3
-1/3
Hadrones-nucleones.
Nombre
p (protn)
anti p
n (neutrn)
anti n
resonancia N,
, , , ,
masa
carga spin
938.21 1
1/2
-1
939.50 0
1/2
>p,n
Mesones.
Nombre
pin
pin +
pin 0
mesones
masa
139.58
139.58
134.97
carga
-1
1
0
spin
0
0
0
106
El Universo y su evolucin.
Leptones.
Nombre
e electrn
e+ positrn
mun
anti
tau
anti
e neutrino e
anti e
neutrino
anti
neutrino
anti
masa
0.511
0.511
106
106
1780
1780
< 6 105
< 0,65
< 250
carga
-1
1
-1
1
0
0
0
0
0
0
0
0
1/2
1/2
2 106 s
1/2
1/2
2 1013 s
1/2
1/2
?
1/2
?
1/2
?
1/2
?
1/2
?
1/2
?
6.7.
6.7.1.
Desde t = 0 , el inicio, hasta t = 1043 s, las condiciones fsicas de temperatura y presin son tan extremas, que no hay teora an que de cuenta
de ese periodo. Antes de t = 1043 s, el horizonte observable corresponde a
dimensiones menores que al de una partcula.
6.7.2.
107
La era hadrnica.
6.7.3.
La era leptnica.
6.7.4.
Esta poca es dominada por la radiacin, los fotones y durante ella se forman los elementos qumicos primordiales. Se extiende desde unos 10 s hasta
aproximadamente 200,000 aos de la vida del Universo. La temperatura baja
desde unos 1010 o K hasta unos 3000 o K. La materia es una mezcla de nucleones y electrones que nadan en un mar de fotones. Entre uno y quince
minutos, cuando las temperaturas estn en el orden entre 109 y 2 107 o K,
se producen los primeros ncleos de tomos de elementos ligeros, Hidrgeno,
Deuterio, Tritio y Helio. En un proceso competitivo entre la fuerza fuerte
que los forman, y los choques con los fotones que los desarman, cada vez
se forman ms ncleos. Se supone que al fin de este proceso casi el 75 % es
Hidrgeno y un 25 % es Helio. (El resto de los elementos qumicos se formarn mucho despus en las estrellas y en las supernovas). La era radiativa
termina cuando los fotones cesan de interactuar con la materia. Esto ocurre
cuando la temperatura baja a unos 3000 o K y los electrones se colocan en
sus orbitales atmicos, formando tomos neutros. Este proceso de recombinacin o desacoplamiento, marca el fin de la era radiativa. As, el Universo
se hace transparente a la luz, y esta radiacin original es la que an puede
108
El Universo y su evolucin.
6.7.5.
La era estelar.
Captulo
Matemticas.
7.1.
7.1.1.
La funcin exponencial.
La funcin exponencial
y = bx ,
donde b es la base, tiene un importante papel en Fsica. La base ms importante es el nmero e que se define ms adelante y se tienen las dos importantes
propiedades
bx by = bx+y ,
b0 = 1.
110
7.1.2.
Matemticas.
El logaritmo.
Si
y = bx
entonces
x = logb y,
que se lee logaritmo de y en base b. Todas las propiedades de esta funcin
se deducen de las propiedades de la funcin exponencial bx . Por ejemplo de
1 = b0 con b > 0
se tiene que
logb 1 = 0.
Similarmente de
b = b1
se deduce que
logb b = 1.
Tambin si
u = bx ,
v = by ,
entonces
uv = bx+y ,
luego
x + y = logb uv
o sea
logb uv = logb u + logb v.
En particular para bases, 10 y e = 2. 718 3.. (el nmero e), se habla de
logartmos vulgares y naturales que se denotan con log(x) y ln(x) Entre otras
111
propiedades se tiene:
log(AB)
log Ax
log 10
ln(e)
log(10n )
logb a loga b
ln(10)
log(e)
=
=
=
=
=
=
=
=
log A + log B,
x log A,
1,
1,
n,
1,
2,303 . . .
0,4343 . . .
7.1.3.
El nmero e.
n
1
.
e = lm 1 +
n
n
La existencia de este lmite, puede ser establecida estudiando la secuencia
n
1
an = 1 +
n
cuyos
a1
a2
a3
a4
a5
primeros
son
valores
1
= 1 + 11 = 2,0
2
= 1 + 12 = 2. 25
3
= 1 + 13 = 2. 370 370 370 37
4
= 1 + 14 = 2. 441 406 25
5
= 1 + 15 = 2. 488 32
112
Matemticas.
que muestra cierta tendencia, pero de lenta evolucin. Ahora del teorema
del binomio
n
1
n 1 n(n 1) 1
n(n 1)(n 2) 1
1+
=1+
+
+ ,
+
n
1! n
2!
n2
3!
n3
se deduce
n
(1 n1 ) (1 n1 )(1 n2 )
1
1
1+
+
+ ,
=1+ +
n
1!
2!
3!
1
1
1
+ + +
1! 2! 3!
la famosa expansin en serie del nmero e, que converge ms o menos rpidamente como se muestra a continuacin
1 + 1!1 = 2,0
1 + 1!1 + 2!1 = 2. 5
1 + 1!1 + 2!1 + 3!1 = 2. 666 666 666 67
1 + 1!1 + 2!1 + 3!1 + 4!1 = 2. 708 333 333 33
1 + 1!1 + 2!1 + 3!1 + 4!1 + 5!1 = 2. 716 666 666 67
1 + 1!1 + 2!1 + 3!1 + 4!1 + 5!1 + 6!1 = 2. 718 055 555 56
1 + 1!1 + 2!1 + 3!1 + 4!1 + 5!1 + 6!1 + 7!1 = 2. 718 253 968 25.
Como una curiosidad se presentan algunas de las frmulas donde aparece
el nmero e, de la vasta diversidad de ellas
e=3
Z
1
4
2
5
3
4
6 7
dx
= 1.
x
= 1.
ex 1 = cos x + 1 sin x.
1
+ ).
n! = 2nnn en (1 +
12n
Podr usted probar alguna de ellas?
7.2 Sumatorias.
7.2.
113
Sumatorias.
7.2.1.
n
X
ai .
i=1
Sumatorias notables.
n
X
i=1
n
X
i=1
rn+1 r
r1
1
i = n (n + 1)
2
1
i2 = n (n + 1) (2n + 1)
6
n
X
i=1
7.3.
ri =
1
i3 = n2 (n + 1)2
4
Grficos.
114
Matemticas.
1
2
3
4
5
6
7
8
9
10
0
0,3010
0,4771
0,6021
0,6990
0,7782
0,8451
0,9031
0,9542
1,0000
7.3 Grficos.
115
papel log-log
un periodo en el eje y
10
1
1
8 9 10
20
30
40
50
60 70 80 90100
papel log-log.
La propiedad log(10n ) = n hace que sea necesario conocer la escala logartmica en un periodo solamente, pues en los otros hay un desfase de un
nmero entero de unidades. As por ejemplo log(200) = log 2+2, log(0,002) =
log 2 3, etctera.
7.3.1.
14 + 12
= 3. 25,
08
116
Matemticas.
Correlacin lineal
15
10
-5
-10
-15
0
7.3.2.
Si los datos (x, y) provenientes de un experimento se ajustan a este modelo, entonces ln y = ln A + Bx, de modo que en un grfico semi-log los datos
caern sobre una lnea recta. Realizado el grfico, el de la figura, entonces
del grfico se deducen los valores de las constantes y0 y b. En efecto,del valor
yA = 5 correspondiente a x = 0, se deduce que y0 = 5. Adems se observa
que xC = 3,9, yC = 0,002, xB = 0,8, yB = 1 y dado que
yC
= eb(xC xB ) ,
yB
se deduce que
b=
ln( yyBC )
,
xC xB
ln(0,002)
= 2. 00
b=
3,9 0,8
de modo que el modelo ajustado a los datos ser
y = 5e2x .
7.3 Grficos.
117
Decaimiento exponencial
1,000
0,100
0,010
0,001
0
7.3.3.
118
Matemticas.
Modelo potencia
20
10
10
Modelo potencia
10
1
1
10
7.3 Grficos.
119
1000
Dx
A) y=Ae +C
100
10
0
A)-B)
Bx
B) y=Ae
10
12
14
7.3.4.
En un grfico semi log, los datos estn graficados en la curva (A). Para
valores grandes de x, si los parmetros B y D son diferentes, a la larga
predomina uno de los exponenciales, lo cual se hace evidente en el grfico
porque la curva tiende a ser lnea recta. (la lnea (B)) dibujada tangente a
los datos. Si se restan los datos (A) con los de la recta (B), se tiene una lnea
recta que representa a la otra exponencial.
De la figura hemos obtenido los siguientes valores numricos aproximados:
x
0
4
12
yA
300
95
31
yB yA yB
112 187
73 22
31
120
Matemticas.
7.4.
Ejercicios.
conc. (mgDL1 )
134
120
106
93
78
65
50
7.5 Derivadas.
121
t
0
1
2
3
4
5
6
y
4.85
2.943
1.785
1.083
0.857
0.398
0.241
7.5.
Derivadas.
122
Matemticas.
tangente en (1)
Derivada
70
2
60
funcin y=f(x)
y2-y1
50
40
x2-x1
30
20
10
0
0
10
12
14
x2 x1
y2 y1
f (x2 ) f (x1 )
= lm
.
x2 x1 x2 x1
x2 x1
7.6 Diferenciales.
7.6.
123
Diferenciales.
df (x)
.
dx
f 0 (x)
axa1
1
x
x
e
ag 0 (x) + bh0 (x)
f 0 (g(x))g0 (x)
cos x
sin x
f 0 (x)g(x) + f (x)g0 (x)
f (x)
g(x)
a
tan x
cot x
0
sec2 x
csc2 x
124
Matemticas.
= sin x,
= cos x;
= ex ;
= axa1 ,
=
1
.
x
7.7.
7.7.1.
Integrales.
El rea bajo una curva.
7.7 Integrales.
125
f(x)
x1
x2
x2 x1
,
N
i = 1, 2, . . . , N
o
xi = x1 + (i 1)
x2 x1
,
N
i = 1, 2, . . . , N
N
X
i=1
f (xi )
x2 x1
.
N
Como puede observarse, el error que se comete debido a que los rectngulos
tienen un dficit o exceso de rea respecto a la curva, se har cero si tomamos
el lmite haciendo que los anchos de los rectngulos tiendan a cero. Eso se
126
Matemticas.
7.7.2.
lm
lm
N
X
i=1
N
X
i=1
f (xi )
x2 x1
N
f (x1 + (i 1)
x2 x1 x2 x1
)
,
N
N
La integral definida.
A=
f (x)dx.
x1
Como veremos el clculo de este lmite puede hacerse pues est relacionado
con el concepto de derivada.
Ejemplo 7.7.1 Calcule el rea bajo la curva y = x2 entre x1 = 0 y x2 = x.
Solucin. Debemos en este caso evaluar
A =
lm
N
X
i=1
N
X
X
x2 x1
x2 x1 2 x2 x1
= lm
)
,
f (xi )
(x1 + (i 1)
N
N
N
N
i=1
N
N
x2 x
x3 X
(i 1) 2 = lm 3
(i 1)2 ,
= lm
N
N N
N
N
i=1
i=1
=
Pero
N1
x3 X 2
i.
N N 3
i=1
lm
Pn
i=1
1
1
31
,
= lm x (1 ) 2
N
6
N
N
1 3
=
x.
3
A =
lm
7.7 Integrales.
127
f(x)
x+x
7.7.3.
Considere la integral
A(x) =
f (x)dx.
Esto es el rea bajo la curva entre a y x. Esta puede ser considerada una
funcin de x y por lo tanto la podemos derivar respecto a x. Si usamos la
definicin de derivada entonces
(A(x + x) A(x))
dA(x)
= lm
.
x0
dx
x
El numerador es una diferencia de reas y si x es pequeo, esa rea ser la
del rectngulo f (x)x, ver figura
de modo que
(A(x + x) A(x))
x0
x
f (x)x
= lm
= f (x).
x0
x
dA(x)
=
dx
lm
128
Matemticas.
x4
+C
4
x3 dx =
x3 dx =
7.7.4.
a4
.
4
x4 a4
.
4
4
Resultado final.
7.7.5.
La integral indefinida.
129
7.8.
xn+1
xn dx =
n+1
Z
dx
= ln x
x
si n 6= 1
7.8.1.
0 f (x1 )
,(la tangente del ngulo)
x2 x1
130
Matemticas.
Mtodo de Newton
25
20
15
10
f(x1 )
5
0
x1
-5
x2
-10
-15
-20
-25
0
f (x1 )
.
f 0 (x1 )
Cuestin que debe ser repetida obteniendo aproximaciones sucesivas a la raz,
hasta la precisin deseada.
x2 = x1
=
=
=
=
131
y=x
1,0
f(x1)
0,8
f(x2)
0,6
0,4
0,2
y=cos(x)
x3=f(x2)
0,0
0,0
0,5
x1
1,0
x2=f(x1)
1,5
2,0
7.8.2.
132
Matemticas.
(2)
X1
X2
(1)
raiz
-1
aproximacin
-2
0,0
0,5
1,0
1,5
2,0
7.8.3.
Mtodo de la secante.
f (x2 ) f (x1 )
(x x1 )
x2 x1
f (x2 ) f (x1 )
(x x1 ) = 0,
x2 x1
x2 x1
f (x2 ) f (x1 )
x1 f (x2 ) x2 f (x1 )
.
x =
f (x2 ) f (x1 )
x = x1 f (x1 )
133
Este proceso debe ser repetido hasta alcanzar la precisin deseada, eligiendo
entre nuevos valores iniciales, (x1 , x) o (x, x2 ) segn en cual pareja hay cambio
de signo de la funcin.
7.8.4.
7.8.5.
Las siguientes frmulas (Handbook of Mathematical functions de Abramowitz) indican la forma de obtener la derivada con tres o cuatro puntos
correspondientes a abscisas igualmente espaciadas en una cantidad pequea
h.
Tres puntos, p = 1, 0, 1.
1
f (x0 + ph) =
h
0
1
1
(p )f1 2pf0 + (p + )f1 .
2
2
134
Matemticas.
Cuatro puntos, p = 1, 0, 1, 2
f 0 (x0 + ph) =
7.8.6.
1 3p3 6p + 2
3p2 4p 1
3p2 2p 2
f1 +
f0
f1
h
6
2
2
3p2 1
f2 .
+
6
Un ejemplo.
dx
0,015
x
0,0000
0,0150
0,0300
0,0450
0,0600
0,0750
0,0900
0,1050
0,1200
0,1350
0,1500
0,1650
0,1800
error en t %
0,1
v0
10
a
-10
t
0,00000
0,00150
0,00300
0,00451
0,00602
0,00753
0,00904
0,01056
0,01207
0,01359
0,01511
0,01664
0,01816
t con error
0,00000
0,00150
0,00301
0,00451
0,00602
0,00753
0,00905
0,01055
0,01208
0,01360
0,01511
0,01662
0,01817
135
dos puntos
dx/dt
9,9955
9,9622
9,9562
9,9714
9,9153
9,8964
9,9395
9,8523
9,8393
9,9302
9,9359
9,7191
dx/dt
error 0,1% en t
10,00
dx/dt
9,95
9,90
9,85
9,80
-0,002 0,000 0,002 0,004 0,006 0,008 0,010 0,012 0,014 0,016 0,018
tres puntos
dx/dt
10,0123
9,9789
9,9457
9,9997
9,9433
9,8875
9,9836
9,8957
9,8093
9,9273
9,9330
9,9388
136
Matemticas.
dx/dt
error 0,0% en t
10,00
dx/dt
9,95
9,90
9,85
9,80
-0,002 0,000 0,002 0,004 0,006 0,008 0,010 0,012 0,014 0,016 0,018
7.9.
Ejercicios.
Ejercicio 7.9.1 Determine numricamente una (o dos) raz de las ecuaciones algebraicas
x3 x + 1 = 0, ( R: x = 1. 324 718),
x5 x + 1 = 0, ( R. x = 1. 167 304),
x6 + x 1 = 0, (R. x = 1. 134 724 1, x = 0. 778 089 6)
Ejercicio 7.9.2 Determine numricamente una (o dos) raz de las ecuaciones trascendentales
x = ex (R: x = 0. 567 143 29),
x = e2x , (R: x = 0. 426 302 75),
cos x = 2x, {R: x = 0. 450 183 61} .
Ejercicio 7.9.3 (Investigacin) Considere la regla de iteracin
xn+1 = xn (1 xn ).
7.9 Ejercicios.
137
diverge si N .
138
Matemticas.
Captulo
Elementos de probabilidades
8.1.
Introduccin
Es una experiencia cotidiana que si un experimento se realiza un nmero de veces bajo las mismas controlables condiciones, los resultados son
en general diferentes, aun cuando las diferencias pueden ser pequeas. Cada
experimento se realiza tratando de mantener las mismas condiciones. En el
mundo macroscpico en realidad no estamos en condiciones de controlar todas las variables que afectan al fenmeno por lo tanto uno puede pensar que
los diversos resultados se deben precisamente a la falta de control de algunas
de las variables que influyen en los resultados. Por ejemplo el ruido de los
dispositivos electrnicos, fluctuaciones incontrolables de una fuente de voltaje, variaciones imperceptibles de la temperatura, etctera. Sin embargo, con
el desarrollo de la Mecnica Cuntica (qu ser eso?), se ha aceptado que
esto es un aspecto intrnseco de nuestro Universo, es decir que an cuando
las condiciones se mantengan absolutamente iguales, pueden haber diversos
resultados de un mismo experimento, no adjudicables a variables no controladas o no conocidas. Estos hechos fueron motivo de mucha controversia en los
inicios del desarrollo de la Mecnica Cuntica, siendo clebre la Conferencia
de Solvay en Bruselas en 1927, ver foto, donde Albert Einstein se enfrent al
resto del Mundo de los fsicos, tratando de salvar el determinismo clsico, de
acuerdo al cual, bajo mismas condiciones, se repiten los mismos resultados y
que cualquier discrepancia debera ser debida a causas no consideradas. Sin
140
Elementos de probabilidades
8.2.
8.3.
Cosas concretas.
Para que esta discusin no le parezca demasiado abstracta, ejemplos simples concretos se encuentran en los juegos de azar, por lo cual analizaremos
algunos, antes de introducir definiciones formales ms abstractas.
8.3.1.
141
Lanzar un dado.
Como usted debe saber al lanzar un dado hay seis resultados posibles,
que salga cualquiera de los nmeros del 1 al 6. Si usted idea un mtodo para
predecir el resultado que va a ocurrir, debera felicitarlo. Repita este experimento, digamos 100 veces y anote los resultados que se obtienen. Una manera
de resumir la informacin obtenida es contando cuantas veces sali cada resultado, y mejor calcular la fraccin del total en que ocurri cada resultado.
Estos resultados experimentales difcilmente coincidirn con los de otra
realizacin de 100 lanzamientos. Aqu no queda ms remedio y especular que
para un nmero muy grande de lanzamientos todos los resultados deberan
ocurrir en la misma proporcin. Esta conjetura podr ser sostenida hasta que
existan serias discrepancias con ella. (En tal caso lo que uno podra pensar
es que el dado est cargado).
8.3.2.
8.3.3.
142
8.4.
8.4.1.
Elementos de probabilidades
Probabilidad
Poblacin o Universo
8.4.2.
Eventos simples
8.4.3.
Eventos compuestos
Cualquier subconjunto del Universo o Poblacin se denomina un evento compuesto. Por ejemplo, ver figura, los subconjuntos A, B, AB, AB,
etctera. (por ejemplo los casos en que la suma de los dos dados es 7)
8.4.4.
Eventos simples
Aunque es posible hacer un tratamiento axiomtico del concepto de probabilidad, seguiremos un proceso ms cercano a la experimentacin. Supongamos que el Universo es de tamao finito M. Si al repetir un experimento
N veces el evento o resultado xi ocurre ni veces, la frecuencia relativa de
ocurrencia de dicho resultado se define como
ni
fi = ,
N
y si tal expresin tiene un lmite cuando N , entonces definimos la
probabilidad.
8.4 Probabilidad
143
Pi = lm
De la definicin se desprende que
M
X
Pi = 1.
i=1
Pi = 1.
i=1
Cualquier subconjunto A del Universo es denominado un evento compuesto. Su probabilidad se define por
PA =
xi A
Pi .
144
Elementos de probabilidades
A
B
A B
Figura 8.2:
Evento unin A B y evento interseccin A B
La unin o interseccin de dos subconjuntos del universo, es tambin un
subconjunto del universo o sea es un evento compuesto. Sus probabilidades
pueden relacionarse de acuerdo a
PAB = PA + PB PAB ,
pues, de acuerdo a la figura (??), si los subconjuntos A y B tienen interseccin vaca, al sumar las probabilidades de A y de B obtenemos correctamente
la probabilidad de la unin.
Sin embargo si la interseccin no es vaca, al realizar lo anterior estamos
contando dos veces los elementos de la interseccin. Restando en ese caso
los elementos de la interseccin una vez, se obtiene el resultado correcto. A
veces, la probabilidad de la unin puede leerse como : la probabilidad de que
el simple est en A o en B y similarmente para el caso de la interseccin,
la probabilidad de que el simple est en A y en B
Eventos independientes, probabilidad condicional
Queremos definir dos conceptos que juegan un rol muy importante en
teora de probabilidades. El concepto de probabilidad condicional toma en
cuenta el efecto (si lo hay) de que el saber que ocurri un determinado evento
A, afecta o no la probabilidad del siguiente evento B.
Definicion 8.4.2 Definimos la probabilidad condicional P (B | A) como la
probabilidad de que ocurra el evento B si sabemos que el evento A ocurri.
8.4 Probabilidad
145
con reposicin
1, 1
2, 1
3, 1
4, 1
5, 1
1
P (1 2) = 25
P (1 | 2) = 15
P (2) = 15
notando que P (1 | 2) =
1, 2
2, 2
3, 2
4, 2
5, 2
P (12)
P (2)
N
1, 3
2, 3
3, 3
4, 3
5, 3
1, 4
2, 4
3, 4
4, 4
5, 4
1, 5
2, 5
3, 5
4, 5
5, 5
146
Elementos de probabilidades
sin reposicin
2, 1
3, 1
4, 1
5, 1
1, 2 1, 3
2, 3
3, 2
4, 2 4, 3
5, 2 5, 3
1, 4
2, 4
3, 4
5, 4
1, 5
2, 5
3, 5
4, 5
1
P (1 2) = 20
P (1 | 2) = 14
P (2) = 15
P (A B)
P (B)
8.5.
Sacar cuentas.
8.5.1.
147
Si un procedimiento A puede hacerse de nA maneras diferentes y si procedimiento B puede hacerse de nB maneras diferentes, para cada forma en
que se hizo el primero, entonces el procedimiento A seguido por el B puede
hacerse de nA nB maneras diferentes.
Ejemplo 8.5.1 Si se elige un comit sorteando un hombre de un grupo de
seis y una mujer de un grupo de tres, el comit puede formarse de 6 3 = 18
maneras diferentes.
8.5.2.
Permutaciones.
n! 2nnn en
Ejemplo 8.5.2 Por ejemplo con los nmeros 1, 2, 3 hay 6 diferentes ordenes,
a saber (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1). En efecto 3! = 6.
8.5.3.
Combinaciones.
n n
n n1
n n2 2
n
n n
n
n1
(a + b) =
+
a +
a b+
a b ++
ab
b
0
1
2
n1
n
148
Elementos de probabilidades
Ejemplo 8.5.3 Por ejemplo, de un grupo de 10 personas, el nmero de formas en que se puede constituir un comit de 4 personas es
10
10!
7 8 9 10
=
=
= 210.
4
6!4!
1234
Ejemplo 8.5.4 Se lanza N veces una moneda al aire. Si la ocurrencia de caras o sellos es igualmente probable, determine la probabilidad de que ocurran
n sellos.
Solucin. El nmero de casos favorables de que ocurran n sellos es
n
.
m
Por otro lado, el total de casos est dado por (0 1 2 n sellos)
m=n
X
m=0
n
,
m
ahora bien, esta suma se puede deducir del teorema del binomio para el caso
en que a = 1, b = 1 obtenindose
m=n
X
m=0
n
= 2n ,
m
149
probabilidad
0,20
0,15
0,10
0,05
0,00
10
numero m
8.6.
Variables aleatorias
150
Elementos de probabilidades
decir por definicin que el resultado del experimento es una variable aleatoria
x con distribucin de probabilidad P (x) definida por
P (x) = Pi si x = xi
P (x) = 0 en otro caso.
Ejemplos de variables aleatorias discretas pueden ser
Ejemplo 8.6.1 x el nmero de caras que pueden ocurrir al lanzar n veces
una moneda. De acuerdo a lo explicado
1 n
P (x) = n
si x = m( n)
2 m
P (x) = 0 en otro caso.
Ejemplo 8.6.2 x el resultado obtenido al arrojar un dado. Aqu
1
si x (1, 2, 3, 4, 5, 6)
6
P (x) = 0 en otro caso.
P (x) =
8.6.1.
Distribucin binomial.
8.6.2.
151
Caso continuo
(8.1)
x2
x1
f (x)dx = 1.
152
Elementos de probabilidades
Algunos ejemplos
Ejemplo 8.6.3 Distribucin uniforme. La funcin distribucin uniforme,
corresponde a elegir un nmero real al azar dentro de un intervalo y est
dada por
0
si
x<
1
si < x <
f (x) =
0
si
x>
donde < son dos nmeros reales
Ejemplo 8.6.4 Un generador simple de nmeros (seudo) aleatorios. Considere la secuencia generada de acuerdo a
xn+1 = 4xn (1 xn ),
donde dado un nmero (semilla) x1 entre 0 y 1, se generan todos los siguientes en el mismo intervalo. Construya numricamente la funcin distribucin
de tal secuencia de nmeros. Para ello, divida el intervalo (0, 1) en un nmero de partes, por ejemplo 100, y cada vez que el nmero resulte en un
intervalo i (1 i 100) agregue 1 a un contador ni inicialmente en cero.
Grafique enseguida las razones ni /N, siendo N el nmero total de cuentas.
La siguiente grfica se obtuvo para un nmero de 100 intervalos y 20.000
generados. Un generador simple de nmeros (seudo) aleatorios. Considere la
secuencia generada de acuerdo a
xn+1 = 4xn (1 xn ),
153
0,07
Distribucin logstica
intervalos = 100
generados = 20.000
0,06
0,05
n/N
0,04
0,03
0,02
0,01
0,00
20
40
60
80
100
intervalo
154
Elementos de probabilidades
0.3
0.2
0.1
x
1 e 2
2
-4
-2
2 x
Campana de Gauss.
1 t/
e
para u 0
10
15
20
25
= 5, Exponencial
La deduccin de tal funcin distribucin se muestra para quien se interese en
el apndice (A).
155
1
(t)n et
n!
o
P (n, t) =
1
(t)n et
n!
156
8.6.3.
Elementos de probabilidades
p
V ar(x).
Puede verificarse fcilmente que para la funcin distribucin normal, efectivamente se cumple que
Z
(z)2
1
ze 22 dz,
=
2
y que
1
=
2
2
z 2 e
(z)2
2 2
dz.
1
=
1
xdx = ( + ),
2
1
x2 dx = ( 2 + + 2 ).
3
157
x2
x1
V ar(cx) =
=
x2
Zx1x2
x1
158
8.6.4.
Elementos de probabilidades
xi
x=
N i=1
tiene, para N distribucin normal
x2
1
f (x) =
e 22 .
2
8.6.5.
159
Por su importancia, considere ahora variables xi aleatorias e independientes con distribucin uniforme con valor esperado , desviacin estndar ,
entonces la variable aleatoria (el promedio)
x =
1 X
xi
N
donde ahora x tiene la distribucin normal con valor esperado cero. Por las
propiedades sealada
x )d
x
F (
x)d
x = f (x)dx = Nf ( N(
o sea
2
N N (x)
F (
x) =
e 22 ,
2
que puede ser escrita como
2
donde x =
ma:
(
x)
1
F (
x) =
e 22x ,
2 x
y que puede ser escrito entonces como un importante teore-
I Teorema 8.3
Si las variables xi son aleatorias e independientes cada una con distribucin
uniforme con valor esperado , desviacin estndar , entonces la variable
aleatoria (el promedio)
1 X
x =
(8.3)
xi
N
en el lmite de N grandes, tiene distribucin normal N(, x )
2
(
x)
1
e 22x
F (
x) =
2 x
160
Elementos de probabilidades
x = .
N
Como veremos, este teorema es fundamental para el tratamiento de errores cuando se supone que ello son aleatorios. Por las propiedades explicadas,
para utilizar la distribucin normal estndar N(0, 1),es preferible utilizar la
variable estandarizada Z que se define a continuacin, pues ella tiene desviacin estndar unidad y valor esperado cero.
Z=
x
,
/ N
161
162
Elementos de probabilidades
x
< 1,
/ N
x / N < < x + / N,
o numricamente
12,8 0,05 < < 12,8 + 0,05
resultado que suele escribirse como
= 12,8 0,05
con una probabilidad de un 68,3 %. Tambin se utiliza el trmino de intervalo
de confianza del 68,3 % al intervalo [12. 75, 12. 85]. Debe observarse que hay
dos factores que compiten. Si se desea aumentar el nivel de confianza (la
probabilidad), ello causa un ensanchamiento del intervalo de confianza. Ello
puede ser compensado aumentando el nmero N de medidas,
pues ello tiende
a disminuir el ancho del intervalo de confianza como 1/ N.
N
Una parte de los resultados
anteriores, El resultado de que la desviacin
estndar del promedio es / N, puede ser obtenido directamente, usando
propiedades del valor esperado. En efecto si
x =
entonces
E(
x) =
1 X
xi ,
N
1 X
1 X
E(xi ) =
= ,
N
N
163
X
2
1
xi ),
= E(
N
aqu hay que cuidar sobre la independencia de las variables, pues al desarrollar
2
X
1
xi ,
N
2x
resulta
2 X
1 XX
x
x
xi + 2 ,
i
j
N2
N2
donde debemos separar la suma doble en los trminos cuadrticos pues involucran variables dependientes, de los otros de la siguiente forma
1 X 2 X
2 X
(
x
+
x
x
)
xi + 2 ,
i j
N2 i i
N
i
i6=j
por lo tanto
2x =
X
1 X
2 X
2
E(xi ) + 2 ,
(
E(x
)
+
E(x
)E(x
))
i
j
i
N2
N
i6=j
que se reduce a
1
(NE(x2 ) + (N 2 N)2 ) 22 + 2 ,
N2
o bien finalmente a
2
1
E(x2 ) 2 = .
N
N
Ms en general, puede demostrarse el teorema ms fuerte, llamado teorema del lmite central, que colocamos aqu sin demostracin.
2x =
164
8.6.6.
Elementos de probabilidades
Muestras pequeas
x
,
/ N
tiene distribucin N(0, 1). Sin embargo dado que la desviacin estndar de
la distribucin es desconocida, se suele estimarla mediante = sn1 , es decir
usando la desviacin estndar insesgada de la muestra, siendo
1 X
=
(xi x)2 .
n 1 i=1
n
s2n1
Sin embargo, el estadgrafo
t=
x
,
sn1 / n
considerado como una variable aleatoria debe tener una funcin distribucin
distinta a la normal, pues ahora no ms se puede considerar a sn1 una constante, sino que es tambin una variable aleatoria. Fue el estadstico ingls
W.S.Gosset quin descubri la funcin distribucin de la variable t, denominada distribucin hk (t) denominada distribucin t de Student con k grados
de libertad. (Su trabajo fue publicado con el seudnimo de Student)
hk (t) =
)
( k+1
t2 (k+1)/2
2
)
, < t < .
(1
+
k
( k2 ) k
El trmino grados de libertad, corresponde al nmero de variables aleatorias independientes presentes en el estadgrafo considerado. Para el caso de
sn1 estn involucradas las n variables aleatorias xi x, pero ellas no son
todas independientes, pues hay una relacin entre ellas
X
(xi x) = 0,
de modo que para ese caso hay n 1 grados de libertad, por lo tanto la
distribucin de
x
,
t=
sn1 / n
165
es
hn1 (t) =
( n2 )
t2 n/2
p
)
(1
+
, < t < .
n
1
( n1
)
(n
1)
2
(8.4)
0.3
0.2
0.1
-4
-2
2 t
Distribucin T-Student.
8.6.7.
166
Elementos de probabilidades
dx
1
1
y=x2
f (x) |dx| ,
x = y. As resulta
g(y) |dy| = f (+ y) |d y| + f ( y) |d y| ,
o bien
1
g(y) = (f (+ y) + f ( y)) ,
2 y
pero f (x) =
1
2
g(y) =
167
Bidimensional
Cuando se tienen dos variables aleatorias continuas x, y con fd conocidas,
f (x), y g(y), supuestas independientes, la fd de una funcin z = F (x, y), h(z)
puede evaluarse como sigue
Z
f (x)g(y) |dxdy| ,
(8.5)
h(z) |dz| =
z=F (x,y)
o sea la integral es sobre el rea entre las dos curvas F (x, y) = z, y F (x, y) =
z + dz. Como veremos en un ejemplo prctico, deberemos reemplazar las
variable (x, y) por otro conjunto (z, v) con v convenientemente elegida. En el
captulo sobre errores, se vern otras aplicaciones de esta relacin.
Generacin de una distribucin normal a partir de variables uniformes.
Ejemplo 8.6.10 Ejemplo, sean x, y continuas con distribucin
uniforme en
2 ln x = z 2 + v 2 , x = e 2 (z
2 +v 2 )
1
v
v
arctan ,
tan 2y = , y =
z
2
z
y el jacobiano de la transformacin implica
x x
1 1 z2 1 v2
z
v
|dxdy| = |dzdv| y
e 2 2 |dzdv| ,
y =
2
z
v
resulta entonces
h(z) =
f (e 2 (z
2 +v 2 )
)g(
1
v 1 1 2 1 2
arctan ) e 2 z 2 v dv,
2
z 2
168
Elementos de probabilidades
N
Nota 8.1 Esto tiene una evidente importancia para efectos de clculos numricos. En la mayor parte de los programas de computacin (C, Pascal,
Basic, etctera) estn desarrolladas rutinas para generar variables con distribucin uniforme en algn rango predeterrminado. Utilizando el resultado
anterior podemos entonces generar una variable z con distribucin normal
estndar.
Nota 8.2 Puede parecer perverso (Numerical Recipes in Pascal, The Art
of Scientific Computing) que la mquina ms precisa y determinista ideada
por el ser humano, el computador, pueda producir nmeros al azar. Todo
programa ideado debera producir un resultado completamente determinado
o predecible, por lo tanto no al azar. Sin embargo estos seudo generadores de
nmeros al azar, donde los nmeros que salen, finalmente cierran un ciclo,
generalmente muy largo, tienen muchas de las propiedades de los verdaderos
nmeros al azar, vea Knuth, Donald E. 1973, Sorting and Searching, vol. 3
of the Art of Computer Programming. (Addison - Wesley)
Nota 8.3 Qu es un verdadero nmero al azar? Aqu hay mucho de filosofa, pero segn se acepta hoy da, los fenmenos fsicos son intrnsecamente
probabilisticos, de modo que ellos pueden servir de base para generar verdaderos nmeros al azar.
8.7.
Ejercicios.
8.7 Ejercicios.
169
a) sumen 7.
b) obtener dos nmeros iguales.
c) dos nmeros iguales o que sumen 8.
Ejercicio 8.7.3 En una caminata al azar, dando pasos hacia la izquierda
o hacia la derecha con la misma probabilidad, si los pasos son de un metro,
determine la probabilidad de que en 10 pasos, el avance sea de 8 metros hacia
la derecha.
Ejercicio 8.7.4 Respecto a la situacin del ejercicio anterior, determine la
posicin ms probable despus de 10 pasos.
Ejercicio 8.7.5 Una bolsa contiene 6 bolitas azules, 4 bolitas rojas y 2 bolitas verdes. Determine la probabilidad de al extraer sin reemplazo
a) tres de tres sean azules.
b) de cuatro, ninguna sea roja.
c) de tres, todas sean verdes.
Ejercicio 8.7.6 En un estudio para determinar la agudeza visual de una
persona se le presentan cuatro matices de diferente brillantes. Determine la
probabilidad de que ellos sean ordenados correctamente por casualidad.
Ejercicio 8.7.7 En una prueba de alternativas, cada pregunta tiene 5 alternativas, siendo slo una de ellas correcta. Cul es la probabilidad de que
en 10 preguntas contestadas al azar, todas las respuestas sean correctas.
Ejercicio 8.7.8 Respecto a la pregunta anterior, si el estudiante tiene 5
respuestas buenas y 5 respuestas malas, cual debera ser su calificacin en la
escala de notas del 1 al 7.
Ejercicio 8.7.9 Si las variables aleatorias xi son independientes con valor
esperado y desviacin estandar , pruebe que
E(< x >) =
170
Elementos de probabilidades
E(z) =
y varianza
2z =
ai i
a2i 2i
<x> =
n
Solucin.
1 X X
E( < x >2 ) = 2 E(
xi
xj ) =
n
1 X 2 X
= 2 E(
xi +
xi xj )
n
i6=j
X
1
1
=
E(xi xj )
E(x2i ) + 2
n
n i6=j
=
1
1
E(x2 ) + 2 (n2 n)2 ,
n
n
pero
E(x2 ) 2 = 2 ,
por lo tanto
E( < z >2 ) =
=
2
+ 2 ,
n
1 2
1
( + 2 ) + 2 (n2 n)2
n
n
adems
E(< x >) = E(
1X
xi ) =
n
8.7 Ejercicios.
171
entonces
2<x> =
2
2
+ 2 2 = .
n
n
N
Ejercicio 8.7.12 Si las variables aleatorias undependientes x, y tienen distribucin de probabilidad uniforme en e intervalo [0, 10] detemine la funcin
distribucin de
a) z = x + y.
b) w = xy.
c) u = x2 .
172
Elementos de probabilidades
Captulo
Estadstica de datos
9.1.
Introduccin
174
9.2.
Estadstica de datos
Estadgrafos muestrales
s2n1
(9.3)
s2n
175
s2n
o sea
9.3.
Distribuciones de frecuencia
Si se tiene una enorme muestra, mejor que examinar ese enorme listado
de valores, no se pierde demasiada informacin si los datos se agrupan en
intervalos o clases de igual ancho, indicando junto al respectivo intervalo, el
nmero de datos que tienen valor dentro de el, cuestin llamada la frecuencia
de la respectiva clase fi . Como valor representativo de la clase xi se suele usar
el promedio de los lmites de clases, es decir el valor central de la clase, aunque
ese valor podra no existir en la muestra. Por ejemplo, una tabla de frecuencia
tendra un aspecto como el siguiente.
176
Estadstica de datos
clase
5 10
10 15
15 20
20 25
25 30
30 35
xi
7,5
12,5
17,5
22,5
27,5
32,5
n=
fi
5
10
40
35
20
3
113
Si esta es la informacin disponible, de aqu se pueden calcular aproximadamente los estadgrafos muestrales con algunas modificaciones en las
frmulas. As
1 X
< x >=
fi xi ,
n clases
s2n1 =
1 X
fi (xi < x >)2 ,
n 1 clases
5 if 5 < x < 10
10 if 10 < x < 15
40 if 15 < x < 20
f (x) =
35 if 20 < x < 25
20 if 25 < x < 30
3 if 30 < x < 35
9.4.
177
40
35
30
25
20
15
10
5
5
10
15
20
x
25
30
35
Es decir se tiene una funcin cuadrtica en las variables a y b. Mediante tcnicas del clculo, detalles que usted puede omitir si tiene fe, resulta entonces
que los coeficientes a y b deben ser tales que
X
X
2(a + bxi yi )xi = 0,
(a + bxi yi )2 =
a
178
Estadstica de datos
X
X
(a + bxi yi )2 =
2(a + bxi yi ) = 0.
b
Estas ecuaciones pueden ser escritas en trminos de promedios, de la
siguiente forma
b < x2 > +b < x > < yx >= 0,
b < x > +a < y >= 0,
de donde podemos despejar
b=
por lo tanto
(9.4)
9.4.1.
Variaciones
X
(yi < y >)2 .
<y>
Total
179
<y>
<y>
No explicada
Explicada
X
(yi y(xi ))2 ,
X
(y(xi ) < y >)2 .
I Teorema 9.1
Entre las variaciones definidas se tiene que
X
X
X
(yi < y >)2 =
(yi y(xi ))2 +
(y(xi ) < y >)2 ,
SST = SSR + SSE.
Demostracin. Desarrollando los cuadrados se tiene que
180
Estadstica de datos
SST =
X
(yi < y >)2 = n(< y 2 > < y >2 ),
X
(yi y(xi ))2
X
=
(yi < y > a(xi < x >))2
X
=
(yi < y >)2 + na2 (< x2 > < x >2 )
SSE =
X
(yi < y >)2 na2 (< x2 > < x >2 ),
X
(y(xi ) < y >)2 = na2 (< x2 > < x >2 ),
9.4.2.
181
sx
,
sy
sy
(x < x >).
sx
Definicion 9.4.1 Aunque esta materia no tiene que ver con errores en las
mediciones (vea captulo siguiente), se define el error estndar del ajuste,
como
rP
(yi y(xi ))2
sest =
= SSE,
n
el cual es evidentemente cero si el ajuste es perfecto.
Alternativamente podemos usar alguna expresin deducida ms arriba
SSE =
X
(yi < y >)2 na2 (< x2 > < x >2 ) =
182
Estadstica de datos
por lo cual
sest =
SSE = sy 1 r2 .
Note adems que este error tambin se reduce a cero si sy = 0, puesto que
en este caso todos los datos yi son iguales.
9.4.3.
Resumen
1X
xi ,
n
1X
(xi < x >)2
n
=
< x2 > < x >2 ,
sn =
1 X
(xi < x >)2
n1
r
n
=
< x2 > < x >2 ,
n1
sn1 =
varianzas muestrales
1X
(xi < x >)2
n
= < x2 > < x >2 ,
s2n =
1 X
(xi < x >)2
n1
n
(< x2 > < x >2 ).
=
n1
s2n1 =
183
Para n grande, las diferencias entre los estadgrafos de dispersin de la muestra sn y sn1 son mnimas. (O entre s2n y s2n1 ) Sin embargo hay una diferencia
conceptual entre ellos. Si se trata de establecer la dispersin de los datos respecto al promedio, cualquiera de ellos la define de una manera. Sin embargo,
y esto ser establecido ms adelante, si se trata de estimar los valores de la varianza ( 2 ) del Universo del cual la muestra proviene, es un mejor estimador
s2n1 .
Recta de ajuste de mnimos cuadrados
Forma 1:
y(x) =< y > +r
sy
(x < x >).
sx
Forma 2:
y(x) = a + bx.
Coeficiente de correlacin lineal de Pearson
r ==
Desviaciones estndar
Variacin total
SST =
X
(yi < y >)2 = ns2y .
184
Estadstica de datos
Variacin no explicada
SSE =
Variacin explicada
X
(yi y(xi ))2 = ns2y (1 r2 ).
SSR =
X
(y(xi ) < y >)2 = nr2 s2y
sest
rP
Pendiente
P P
P
sy
n xi yi xi yi
P
P
b = r =
sx
n x2i ( xi )2
< xy > < x >< y >
=
< x2 > < x >2
< xy > < x >< y >
=
.
s2x
Intercepto
P P
P 2P
sy
yi xi xi yi
xi
P
P
a = < y > r =
sx
n x2i ( xi )2
< x2 >< y > < x >< xy >
=
< x2 > < x >2
2
< x >< y > < x >< xy >
=
.
s2x
Tpicos ms avanzados se encuentran en el captulo siguiente sobre modelos. All se explican, pero eso requiere de ms matemticas, las formas de
tratar los errores de los modelos lineales.
Captulo
10
Modelos lineales.
10.1.
Introduccin.
186
Modelos lineales.
causa un quiebre de la teora, mientras que en el segundo caso, si se encuentra que una relacin no es objetable, se trata afanosamente de justificarla
tericamente, lo cual a su vez produce avances en las teora. El avance de
los mtodos experimentales encuentra caminos para producir avances en las
teoras, as tambin a la inversa.
En el captulo anterior se indicaron las tcnicas para hacer un ajuste de
mnimos cuadrados a un conjunto de datos. Es una pregunta frecuente del
cmo estimar los errores del ajuste, los errores de la pendiente y del intercepto. Es ms, muchos programas computacionales simplemente los calculan.
Sin embargo hay cuestiones conceptuales que es conveniente aclarar antes
de entrar a ese tema el cual requiere de matemticas algo avanzadas pero que
ser presentado de todos modos por completitud.
Si los datos fueran por ejemplo el consumo per cpita (yi ) de algn producto a travs del tiempo (xi ), y los datos son los correctos, no hay nada
ms que hacer y el ajuste de mnimos cuadrados, resulte de la calidad que
sea, es todo lo que se puede hacer. Podramos a lo sumo hacer una prediccin
sobre el consumo per cpita del ao siguiente, pero no hay forma de estimar
su error aun cuando el ajuste de los aos anteriores sea perfecto. Esto es un
ejemplo pero hay muchsimas situaciones del mismo tipo.
Hay otro tipo de situaciones y eso hay que aclararlo a priori antes de
intentar aplicar las tcnicas que se explicarn.
10.2.
Modelo lineal.
187
y el
Intercepto
< x2 >< y > < x >< xy >
.
s2x
pasan a ser variables aleatorias puesto que los yi lo son. Naturalmente, es
ahora importante dilucidar cuestiones acerca del cunto se acercan los valores
calculados de a y b a los valores verdaderos o sea los parmetros del modelo.
Del modelo
y = + x
a=
188
Modelos lineales.
Similarmente
< x2 > E(< y >) < x > E(< xy >)
s2x
< x2 > ( + < x >) < x > ( < x > + < x2 >)
=
s2x
= .
E(a) =
Aceptaremos para los diversos xi las variables aleatorias yi , yj son independientes y tienen la misma varianza .
Entonces
X
X
2c =
d2i 2 (yi2 ) = 2
d2i .
i
Luego de
1
b=
n
podemos calcular
2b
Similarmente de
1
= 2
n
1
a=
n
sigue que
P
(xi < x >)yi
,
s2x
i (xi
< x >)2 2
1 2
=
.
s4x
n s2x
P
(< x2 > < x > xi )yi
,
s2x
P
2 (< x2 > < x > xi )2
= 2
.
n
s4x
Usted podra probar que esto se puede escribir
2a
2a =
2 < x2 >
n s2x
10.2.1.
189
Para que las frmulas anteriores tengan alguna utilidad, debemos ser
capaces de estimar . Se enuncia sin demostracin el siguiente teorema.
I Teorema 10.2
Un estimador insesgado de 2 es
s2 =
SSE
.
n2
sest = SSE = sy 1 r2 ,
de modo que podemos estimar mediante
sy 1 r2
s=
n2
10.2.2.
Aqu, nuevamente es necesario hacer algunas suposiciones. Podemos estimar , mediante los coeficientes a y b, pero debemos cuantificar algo sobre
la validez de la estimacin. El problema pasa por saber la distribucin de
probabilidad que tienen las variables aleatorias a(y) y b(y). A su vez esto
depende de la distribucin de probabilidad que tiene la variable aleatoria y.
Supondremos que la variable aleatoria yi es normal con valor esperado
= + xi y desviacin estandar .
Usted podra hacer otras suposiciones, pero es en este caso donde hay
varios teoremas que enunciamos sin demostracin:
I Teorema 10.3
Un intervalo de confianza del (1 p)100 % para el parmetro es
=b
stp/2
sx n
190
Modelos lineales.
I Teorema 10.4
Un intervalo de confianza del (1 p)100 % para el parmetro es
pP
stp/2
x2i
=a
nsx
donde tp/2 es un valor de la distribucin t con n 2 grados de libertad.
I Teorema 10.5
Intervalo de prediccin. Un intervalo de confianza del (1 p)100 % para el
valor esperado de una medicin y0 correspondiente al valor x0 es
y0 = y(x0 ) stp/2
1+
+
n
sx n
10.2.3.
sy 1 r2
s=
.
n2
Valores particulares de tp .
191
0.10
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.282
0.05 0.025
0.01
0.005
6.314 12.706 31.821 63.657
2.920 4.303 6.965 9.925
2.353 3.182 4.541 5.841
2.132 2.776 3.747 4.604
2.015 2.571 3.365 4.032
1.943 2.447 3.143 3.707
1.895 2.365 2.998 3.499
1.860 2.306 2.896 3.355
1.833 2.262 2.821 3.250
1.812 2.228 2.764 3.169
1.796 2.201 2.718 3.106
1.782 2.179 2.681 3.055
1.771 2.160 2.650 3.012
1.761 2.145 2.624 2.977
1.753 2.131 2.602 2.947
1.746 2.120 2.583 2.921
1.740 2.110 2.567 2.898
1.734 2.101 2.552 2.878
1.729 2.093 2.539 2.861
1.725 2.086 2.528 2.845
1.721 2.080 2.518 2.831
1.717 2.074 2.508 2.819
1.714 2.069 2.500 2.807
1.711 2.064 2.492 2.797
1.708 2.060 2.485 2.787
1.706 2.056 2.479 2.779
1.703 2.052 2.473 2.771
1.701 2.048 2.467 2.763
1.699 2.045 2.462 2.756
1.645 1.960 2.326 2.576
192
Modelos lineales.
Captulo
11
Mtodo experimental
11.1.
Medicin
194
11.2.
Mtodo experimental
Valor verdadero
Los errores en las mediciones estn bien definidos, aunque sean desconocidos, cuando el valor verdadero de la propiedad fsica siendo medida existe.
Este punto no est absolutamente claro, pero se cree que hay ciertas cantidades fsicas que tienen valor verdadero. Por ejemplo la carga del electrn o
del protn. La masa en reposo del electrn. La velocidad de la luz. Adems
existen constantes en las leyes de la fsica, las cuales tienen presumiblemente un valor verdadero, por ejemplo la constante de gravitacin universal, la
constante de Planck, etctera. Por otro lado, la corriente que circula por un
dispositivo puede tener fluctuaciones intrnsecas de causas desconocidas, que
indeterminan el concepto de valor verdadero, y por lo tanto el concepto de
error en su medicin. La aplicacin de teoras de errores o tratamiento estadstico de datos que se explica ms adelante, requiere tener claridad sobre
estos aspectos. Considere por ejemplo el siguiente caso.
Caso 3 Es una prctica usual de algn curso de laboratorio de primer nivel,
entregarle a un alumno una esfera metlica, un instrumento para medir
longitudes, por ejemplo un pie de metro, y se solicita el dimetro de la esfera con su error.
Discusin. Este simple caso tiene muchos de los aspectos que nos proponemos clarificar en este libro, por lo cual se analiza desde un punto de
vista crtico. Claramente, por la existencia de otro tipo de errores, errores
de fabricacin, no existen esferas perfectas. Por otro lado esferas imperfectas
simplemente no son esferas. Qu hacer? Para exagerar la situacin y que
esto queda algo ms claro, supongamos que en realidad se tiene un elipsoide.
Si el pie de metro se coloca varias veces para medir un dimetro en la
misma posicin relativa respecto al objeto, la distancia d entre los paralelas
a los puntos de contacto (ver figura 11.1) debe tener un valor verdadero
(suponiendo que no haya causas que la hagan variable), y los resultados
experimentales del proceso de medicin probablemente sean parecidos pero
distintos. De esto tratar la teora de errores, tratando de aproximarse al valor
verdadero de esa distancia. Para ello jugarn un papel importante aspectos
de la estadstica matemtica.
Si ese proceso se repite, para varias posiciones relativas del instrumento
respecto al objeto, se tendrn diversos valores, ahora no necesariamente parecidos, cada uno con una estimacin de su error. Qu se puede decir sobre
195
196
Mtodo experimental
modelo. Lo lgico en este caso ser decir que no hay evidencias experimentales
en contra del modelo elegido. Ms adelante, por su importancia, se analizar
una tcnica llamada regresin lineal mltiple, con las respectivas tcnicas
para establecer su validez, que es una de las tantas tcnicas para seleccionar
mejores modelos.
Este resumen se ha hecho a modo de introduccin para justificar lo que
viene. Deberemos aprender a tratar errores, a ajustar modelos mediante mtodos estadsticos y finalmente discriminar la mejor respuesta posible.
11.3.
Estandarizacin
Los primeros estndares de medicin aparecieron en las culturas mediterrneas y estaban basadas en partes del cuerpo humano, o en lo que algn
animal poda tirar, o en el volumen de algn depsito. La unidad egipcia
cubit se acepta que fu la unidad de longitud lineal ms extendida en el
mundo antiguo a partir de ao 3000 BC, y consista en la longitud entre
el codo del brazo hasta la punta de los dedos extendidos. Bueno, las cosas
han avanzado progresivamente y hoy da de acuerdo a una convencin internacional realizada en Pars en 1960 acordaron el sistema internacional de
unidades (SI) basado en siete unidades bsicas.
Las letras SI representan al Systme International dUnits. Este es
el sistema internacionalmente acordado para la mayor parte de los trabajos
cientficos y tecnolgicos en la mayora de los pases. Las Unidades SI son de
tres tipos base, suplementarias, y derivadas. Hay siete unidades base correspondientes a las siete cantidades fsicas dimensionalmente independientes,
como se muestra en la tabla siguiente
Unidades SI base
Cantidad fsica
Nombre
Smbolo
longitud
metro
m
masa
kilogramo kg
tiempo
segundo
s
corriente elctrica
Ampre
A
temperatura termodinmica Kelvin
K
cantidad de substancia
mol
mol
intensidad luminosa
candela
cd
11.3 Estandarizacin
197
Unidades SI suplementarias
Cantidad fsica Nombre
Smbolo
ngulo plano
radin
rad
ngulo slido
estereorradin sr
Unidades SI derivadas
Cantidad fsica
Nombre
Smbolo
frecuencia
Hertz
Hz
energa
Joule
J
fuerza
Newton
N
potencia
Watt
W
presin
Pascal
Pa
carga elctrica
Coulomb C
diferencia de potencial elctrico
Volt
V
resistencia elctrica
Ohm
conductancia elctrica
Siemens
S
capacidad elctrica
Farad
F
flujo magntico
Weber
Wb
inductancia
Henry
H
densidad de flujo magntico 11.3 Tesla
T
flujo luminoso
Lumen
lm
iluminacin
Lux
lx
*Tambin conocida como induccin magntica
Unidades SI se usan con catorce prefijos para formar mltiplos decimales
y submltiplos de las unidades.
Prefijos usados
Nombre de
Factor Prefijo Smbolo
10
decada
2
10
hecto- h
3
10
kilok
mega- M
106
109
gigaG
1012
teraT
1015
petaP
18
10
exaE
con unidades SI
Nombre de
Factor Prefijo
101
deci2
10
centi3
10
mili106
micro9
10
nano1012
pico15
10
femto18
10
atto-
Smbolo
d
c
m
n
p
f
a
198
11.4.
Mtodo experimental
De acuerdo a la recomendacin de 1986, CODATA recomienda los siguientes valores de algunas constantes fundamentales
Cantidad
Smb.
Valor
c
0
0
G
299792458
4 107
8.854187817..
6.67259(85)
1.05457266(63)
1.60217733(49)
9.1093897(54)
6.0221367(36)
e
me
NA
Unidad
ppm
m s1
N A2
1012 F m1
1011 m3 kg1 s2
1034 J s
1019 C
1031 kg
1023 mol1
0
0
0
128
0.60
0.30
0.59
0.59
11.5.
199
11.6.
Introduccin a errores
11.6.1.
La fsica no es una ciencia exacta por la imposibilidad concreta de determinar exactamente los valores de las cantidades fsicas. Muchos son los
factores que inciden en la calidad de la determinacin de una cantidad fsica.
Por ejemplo
Errores de apreciacin. Cuando se utilizan instrumentos de medida, la
ltima cifra que podra determinarse se estima como una fraccin de
200
Mtodo experimental
la divisin ms pequea. Por razones de muy diversa ndole, si un observador repite estas mediciones, apreciar cada vez diversas fracciones
de la escala ms pequea. Estas constituyen errores de apreciacin que
supondremos variarn de manera aleatoria o casual. Los valores determinados en cada medicin quedan entonces determinados hasta esa
ltima cifra, correspondiente a la fraccin estimada de la divisin ms
pequea, estando incierta la cifra siguiente. Por ejemplo si se utiliza
una regla graduada en mm para determinar una longitud, los valores
obtenidos podran ser
10,2
10,1
10,1
10,3
10,2
10,1
10,2
10,3
10,2 0,05
10,1 0,05
10,1 0,05
10,3 0,05
10,2 0,05
10,1 0,05
10,2 0,05
10,3 0,05
mm
mm
mm
mm
mm
mm
mm
mm
donde en la primera columna se indican solamente las cifras significativas y en la segunda se hace explcita la incerteza que se produce
producto del desconocimiento de la cifra que sigue. Para todo el proceso
que se explicar ms adelante, se utilizarn los valores como los dados
en la primera columna, pero para efectuar las operaciones matemticas, como ser la determinacin del promedio y otras, se utilizarn las
reglas para operaciones con nmeros con cifras significativas conocidas,
es decir se determinar el promedio con tres cifras significativas y de
acuerdo a lo que se explica ms adelante, el resultado de la longitud se
puede escribir con un 68 % de seguridad como
l = 10,2 0,02
Errores aleatorios o casuales. Adems de los errores de apreciacin,
caractersticas similares tienen los errores que son causados por causas o fluctuaciones de causas desconocidas de las condiciones en cada
medida. Por ejemplo fluctuaciones de la tensin de alimentacin de algn instrumento. Fluctuaciones de la presin atmosfrica, temperatura
ambiente, etctera.
201
11.7.
Errores aleatorios
202
Mtodo experimental
11.7.1.
= xi ,
valor imposible de determinar, pues no podemos conocer , el valor verdadero o esperado de la distribucin. Sin embargo, hay formas de estimarlo,
cuestin que nos proponemos explicar. Para ello podemos utilizar el teorema
central del lmite que fu explicado en el captulo de probabilidades. Supongamos que hemos hecho un nmero n de medidas, arrojando valores xi . Como
se explic en el captulo referido, si < x > indica el promedio, entonces la
variable aleatoria
< x >
z=
,
/ n
tiene distribucin normal estndar N(0, 1), si n es grande. La variable aleatoria (promedio) < x > est dada por
x = < x > =
1X
xi ,
n
x
< z ,
/ n
203
z
1
2
3
0. 682 69
0. 954 5
0. 997 3
11.7.2.
Estimacin de
similarmente desarrollemos
1 X
n
(< x2 > < x >2 ),
=
(xi < x >)2 =
n 1 i=1
n1
n
s2n1
1 XX
1 X 2 XX
E(
x
x
)
=
E(
xi +
xi xj )
i j
n2
n2
i6=j
XX
1
1
= 2 (nE(x2 ) +
2 ) = 2 (n( 2 + 2 ) + (n2 n)2 ),
n
n
i6=j
E( < x >2 ) =
E(< x >2 ) =
2 + 2 n
.
n
similarmente resulta
E(< x2 >) = E(
1X 2
xi ) = 2 + 2 ,
n
204
Mtodo experimental
n
(E(< x2 >) E(< x >2 )) = 2 .
n1
sn1
= xi = xi x z .
n
11.8.
205
Exactitud. La exactitud es una medida de la ausencia de errores sistemticos. Esto es considerando que los errores aleatorios pueden ser eliminados por el proceso estadstico que se describe ms adelante. En
otras palabras un aparato de medicin es ms exacto mientras ms se
acerque el valor promedio de las lecturas al valor verdadero.
Precisin. La precisin de un aparato es una medida de lo pequeo que son
los errores aleatorios, es decir un aparato muy preciso arrojar casi los
mismos valores en cada medicin en ausencia de errores personales o
de otro tipo.
Como puede comprenderse, exactitud requiere de precisin pero precisin
no garantiza exactitud.
Tambin es importante conocer los conceptos de resolucin y sensibilidad
de un instrumento.
Resolucin. La resolucin esta relacionada con el nmero de cifras significativas con que el instrumento muestra los resultados. Por ejemplo
si un instrumento medidor de velocidades indica una velocidad v =
1,18745 m s1 podemos decir que este instrumento resuelve 0,00001
m s1 . Este instrumento tiene mayor resolucin que otro que indicara
v = 1,18 m s1 .
Sensibilidad. La sensibilidad es el cambio incremental ms pequeo que
puede detectar el instrumento. A primera vista se confunde con el concepto de resolucin pero hay diferencias. De hecho, aparatos de medicin electrnicos pueden aumentar su sensibilidad (por ejemplo amplificando la seal siendo medida) pero ello puede causar problemas
de estabilidad en la lectura, debindose en consecuencia mantener la
resolucin fija para tener lecturas estables.
11.9.
Propagacin de errores
La pregunta que uno puede hacerse ahora es, si se conocen los errores de
propiedades fsica medidas A, B, cuales son los errores de expresiones tales
como A + B, AB, A2 + B, f (A, B), etctera. La respuesta pasa tambin
por una anlisis probabilstico, debemos poder decir algo de las funciones
de distribucin de las combinaciones de variables, suponiendo que ellas son
206
Mtodo experimental
11.9.1.
Z Z
Z Z
si cambiamos variable x xA = xB
=
=
Z Z
Z
=
=
=
Z Z
Z Z
Z Z
207
11.9.2.
Como se estudi en el captulo de probabilidades (8.5) si la variable aleatoria z depende funcionalmente de dos variables aleatorias x, y con fd , f (x)
y g(y) respectivamente, siendo z = F (x, y), la funcin distribucin de z ser
Z
h(z) |dz| =
f (x)g(y) |dxdy| ,
z=F (x,y)
donde la integral es sobre el rea entre las dos curvas F (x, y) = z, y F (x, y) =
z + dz. Por ejemplo
Producto de dos variables
Aqu z = xy, de donde resulta
Z
h(z) |dz| =
z=xy
f (x)g(y) |dxdy| ,
208
Mtodo experimental
1 0
x
y
det z z
= det
= x,
y x
x
y
siendo entonces
dxdy =
por lo tanto
dxdz
,
x
z dx
f (x)g( ) ,
x x
es la funcin distribucin del producto.
Nos interesa ahora calcular z y 2z . Lo primero resultar
h(z) =
z =
=
zf (x)g(y)dxdy
Z
xf (x)dx yg(y)dy
= x y .
209
z=x/y
f (x)g(y) |dxdy| ,
x
x
z
x
x
y
z
y
siendo entonces
dxdy =
por lo tanto
h(z) =
= det
1
1
y
0
yx2
x
,
y2
y 2 dxdz
xdxdz
=
,
x
z2
Z
x xdx
f (x)g( ) 2 ,
z z
210
Mtodo experimental
x x
1
x
y
= det F
det z z
x
siendo entonces
dxdz
dxdy = ,
F
y
por lo tanto
h(z) =
0
F
y
,
=
y
dx
f (x)g(y) ,
F
y
y lo segundo
2z
=
=
Z Z
Z Z
(F (x, y) z )2 f (x)g(y)dxdy
F 2 (x, y)f (x)g(y)dxdy 2z
(11.1)
211
Aproximacin para 2z
Si se expande F (x, y) en serie de Taylor en torno a los valores esperados
x y y se tiene
F (x, y) = F (x , y ) + (x x )Fx + (y y )Fy +
1
((x x )2 Fxx + (y y )2 Fyy + 2(x x )(y y )Fxy ) +
2
de donde resultar
1
z = F (x , y ) + ( 2x Fxx (x , y ) + 2y Fyy (x , y )) +
2
(11.2)
por lo tanto
Z Z
2
,
F 2 (x, y)f (x)g(y)dxdy = F 2 (x , y ) + 2x Fx2 + 2y Fy2 + 2x 2y Fxy
(11.3)
luego resultar
2
,
2z = 2x (Fx2 F Fxx ) + 2y (Fy2 F Fyy ) + 2x 2y Fxy
212
Mtodo experimental
(
x
y
x y
z2
G2
H2
GH
0
0
0 0
2z
G
H
2
2
2 2 GH 2
=
)
x
y
x
y
z2
x G
y H
GH
11.10.
Resumen
= xi ,
11.10 Resumen
213
el promedio
x = < x > =
la desviacin estndar
sn1
1X
xi ,
n
v
u
n
u 1 X
=t
(xi x)2 ,
n 1 i=1
algunos valores de z
z
1
2
3
0. 682 69
.
0. 954 5
0. 997 3
De modo que al utilizar el promedio como estimador del valor verdadero, el error se puede escribir como
sn1
z .
n
Propagacin de errores estndar. Si dos cantidades fsicas A y B con
errores aleatorios tienen valores verdaderos y errores estndar conocidos, es decir se conocen sus valores esperados A , B y sus varianzas
2A , 2B . Estas variables aleatorias las supondremos estadsticamente independientes. Entonces los valores verdaderos y los errores estndar de
algunas funciones f (A, B), la suma, el producto y el cuociente, son los
siguientes.
La suma
A+B = A + B ,
q
2A + 2B .
A+B =
El producto
AB = A B ,
q
AB =
2A 2B + 2B 2A + 2A 2B .
214
Mtodo experimental
El cuociente
A/B = A 1/B ,
q
A/B =
21/B 2A + 2A 21/B + 2A 21/B .
11.10.1.
Captulo
12
Mtodos numricos
12.1.
Puede generar nmeros random enteros o reales xi con distribucin uniforme en un rango seleccionable [a, b], en un determinado nmero, y hacer
algunas pruebas para comprobacin de su calidad
te
orico
simulaci
on
P
1
1
< x >=
= 2 (a + b),
P n xi
1 2
1
2
2
2
= 3 (a + ab + b ). sn1 = n1 (xi < x >)2
12.2.
Generacin de N(0, 1)
216
Mtodos numricos
12.3.
z=
,
/ n
debe tener distribucin normal N(0, 1) siendo
= 12 (a + b),
= 13 (a2 + ab + b2 ),
2
12.4.
Distribucin t Student
( n2 )
t2 n/2
p
)
,
(1
+
n
1
( n1
)
(n
1)
2
12.5.
Integracin numrica.
12.5.1.
donde
< t < .
ba
n
xi = 12 (xi1 + xi )
es el punto medio de [xi1 , xi ].
12.5.2.
Zb
217
f (x) dx Tn =
x
[f (x0 ) + 2f (x1 ) + 2f (x2 ) + + 2f (xn1 ) + f (xn )]
2
donde
x = (b a)/n y xi = a + i x
12.5.3.
Cotas de error:
12.5.4.
Z
K(b a)3
12n2
|EM |
K(b a)3
24n2
Mtodo de Simpson:
f (x) dx Sn =
x
[f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + + 2f (xn2 )
3
+4f (xn1 ) + f (xn )]
12.5.5.
12.6.
12.6.1.
Diferencial:
218
Mtodos numricos
12.6.2.
Aproximacin lineal:
12.6.3.
Aproximacin cuadrtica:
f 00 (a)
(x a)2
2
3x2 + 5
2x 4
17
f 00 (a)
227
(x a)2 =
58x + x2 .
2
2
2
.
Las funciones y = (3x2 +5)/(2x4), y = 377x, y = 227/258x+17x2 /2
estn representadas en los grficos
219
80
200
-10
150
60
100
y 40
50
20
10
20
30
-50
-20
-100
40
30
y
20
10
0
2.5
3.5
4.5
-10
20
19
18
17
y 16
15
14
13
12
12.7.
2.8
2.9
3x
3.1
3.2
220
Mtodos numricos
8
6
4
2
-3
-2
-1
(3, 7), (2, 4), (1, 2), (0, 0), (1, 1,5), (2, 5), (3, 10)
El grfico siguiente muestra el ajuste mediante una parbola (polinomio de
grado 2, en verde) y un polinomio de grado tres (curva roja).
10
8
6
y
4
2
-3
-2
-1
221
+B
X +C
X2 + D
X
X
X3 =
X
X
A
X +B
X2 + C
X3 + D
X4 =
XY
X
X
X
X
X
A
X2 + B
X3 + C
X4 + D
X5 =
X 2Y
X
X
X
X
X
A
X3 + B
X4 + C
X5 + D
X6 =
X 3Y
12.8.
Mtodo de Newton.
x=
b+ b2a4ac ,
.
b+b2c2 4ac .
12.8.1.
Mtodo de Newton-Raphson.
f (x0 )
.
f 0 (x0 )
222
Mtodos numricos
xn+1 = xn
0.2
-1
0.2
0.4 x 0.6
0.8
-0.2
-0.4
x x3
12.9.
X
n=0
cn (x a)n
|x a| < R
f (n) (a)
n!
X
f (n) (a)
n=0
n!
(x a)n = f (a)+
f 00 (a)
f 0 (a)
f 000 (a)
(x a)+
(x a)2 +
(x a)3 +...
1!
2!
3!
223
X
f (n) (0)
n!
n=0
xn = f (0) +
n
X
f (i) (a)
i=0
i!
f 0 (a)
f (n) (a)
f 00 (a)
2
(x a) = f (a)+
(x a)+
(x a) +...+
(x a)n
1!
2!
n!
i
f (n+1) (z)
(x a)n+1
(n + 1)!
224
Mtodos numricos
12.9.1.
1
1x
Serie de Maclaurin
P
=
xn = 1 + x + x2 + x3 + ...
n=0
n
P
2
3
x
ex =
= 1 + 1!x + x2! + x3! + ...
n!
n=0
P
3
5
7
x2n+1
sin x =
(1)n (2n+1)!
= x x3! + x5! x7! + ...
n=0
P
2
4
6
x2n
cos x =
(1)n (2n)!
= 1 x2! + x4! x6! + ...
n=0
P
2n+1
3
5
7
1
tan x =
(1)n x2n+1 = x x3 + x5 x7 + ...
n=0
12.10.
Intervalo de Convergencia
(1, 1)
(, )
(, )
(, )
[1, 1]
12.10.1.
Mtodo de Euler.
12.10.2.
225
Mtodo de Runge-Kutta.
=
=
=
=
hf (x, y),
hf (x + h/2, y + k1 /2),
hf (x + h/2, y + k2 /2),
hf (x + h, y + k3 ),
entonces
y(x + h) = y(x) + (k1 + 2k2 + 2k3 + k4 )/6.
12.10.3.
Los mtodos predictor corrector hacen uso de una frmula para una primera aproximacin de yk+1 , seguida de una frmula correctora que hace mejoramientos sucesivos. As por ejemplo una primera aproximacin es
0
yk+1
= yk + hyk0 ,
12.10.4.
Mtodo de Milne:
12.10.5.
Mtodo de Adams.
0
0
0
yk+1 = yk3 + (h/24)(55yk0 59yk1
+ 37yk2
9yk3
),
0
0
0
0
yk+1 = yk1 + (h/24)(9yk+1 + 19yk 5yk1 + yk2 ),
226
Mtodos numricos
12.10.6.
La ecuacin lineal
d2 y
dy
),
=
f
(x,
y,
dx2
dx
se reduce a un sistema de ecuaciones de primer orden. Para ello defina p =
dy/dx y entonces
dy
= p,
dx
dp
= f (x, y, p),
dx
es un sistema de ecuaciones diferenciales de primer orden, que es resuelto
similarmente adaptando los mtodos anteriores.
12.11.
Derivacin numrica.
Si tenemos una funcin conocida para valores discretos igualmente espaciados de las abcisas xi con xi+1 xi = h, entonces existen algoritmos
que permiten estimar la derivada de distinto orden, utilizando determinado nmero de puntos.Las siguientes frmulas (Handbook of Mathematical
functions de Abramowitz) indican la forma de obtener la derivada con tres
o cuatro puntos correspondientes a abscisas igualmente espaciadas en una
cantidad pequea h.
Dos puntos. Tenemos las tres posibilidades
(f (x + h) f (x))/h,
0
(f (x) f (x h))/h,
f (x) =
(f (x + h) f (x h))/2h.
Tres puntos, p = 1, 0, 1.
1
1
1
f (x0 + ph) =
(p )f1 2pf0 + (p + )f1 .
h
2
2
0
Cuatro puntos, p = 1, 0, 1, 2
f 0 (x0 + ph) =
1 3p3 6p + 2
3p2 4p 1
3p2 2p 2
(
f1 +
f0
f1
h
6
2
2
3p2 1
f2 ).
+
6
Captulo
13
Apndice
13.1.
A) La distribucin exponencial.
Z t
dt
f (t)dt = 1
f ( ))d
,
0
de aqu
f (t)
df (t)
=
,
dt
e integrando
t
f (t) = ce ,
normalizacin (certeza que falle alguna vez) requiere que
Z
t
ce dt = c,
1=
0
228
Apndice
de donde finalmente
f (t) =
13.2.
1 t
e ,
229
resultando
0
(t) = Pn (t) Pn+1 (t),
Pn+1
1 2
P0 (0)t2 ,
2!
230
Apndice
y finalmente
Pn (t) =
1 n
P0 (0)tn et ,
n!
Pn (t) = 1,
n=0
13.3.
1
(t)n et ,
n!
en el lmite para N muy grande. (Estos detalles requieren de slidos conocimientos de matemticas que si usted desea puede omitir)
Haciendo uso de la independencia de las variables, podemos entonces
escribir la expresin
Z
Z
P (x1 )dx1 P (x2 )dx2
P (xN )dxN
f (x)dx =
x < 12
0 si
1
1 si 2 < x < 12
P (x) =
0 si
x > 12
231
la integral puede ser reducida a todo el espacio usando la delta de Dirac una
de cuyas representaciones que usaremos es
Z
1
eikx dk,
(x) =
2
de modo que
f (x)dx =
12
12
N
1 X
(x
xi )dx,
N i=1
pero
1
f (x)dx =
2
ikx
dk
12
P (xN )dxN i
e N
PN
j=1
xj
12
dx,
!N
Z 1
2
1
1
ik z
N
eikx dk
dze
,
1
pero
1
ik 1 z
12
k
2 N
sin ,
dz =
k
2 N
luego
1
f (x) =
2
!N
N
k
2
sin
eikx dk
k
2 N
232
Apndice
1
f (x) =
2
ikx
N
1 2 k2
dk 1
,
24 N
o bien
1
2
eikx
2 k2
24
dk,
2
1 6x
24
2
e
2
pero
1
V ar(x) = =
x2 dx =
12
1 2
,
12
por lo cual
x2
1
e 22 ,
f (x) =
2
13.4.
D) La distribucin binomial.
13.4.1.
233
El valor esperado de m.
Su definicin es
n m nm
m
,
E(m) =
p q
m
m=0
n
X
finalmente
E(m) = np.
13.4.2.
La varianza de m.
Debemos calcular
n m nm
p q
m
,
E(m ) =
m
m=0
2
n
X
= np p(p + q)n1
p
= np((p + q)n1 + (n 1)p(p + q)n2 ),
= p
234
Apndice
pero
p + q = 1,
luego
E(m2 ) = np(1 + (n 1)p).
Entonces
2m =
=
=
=
Para p = q =
1
2
E(m2 ) (E(m))2
np(1 + (n 1)p) n2 p2
np(1 p) = npq,
E(m)(1 p)
se tiene que
1
n,
2
1
=
n.
4
E(m) =
2m
13.4.3.
235
y(m) = y(m0 )
P (m) = Ce
1
(mm )2
2
m
13.4.4.
Caminata al azar
236
Apndice
d= .
N
Luego la probabilidad de que la variable x tenga valores entre x = {2m N} d
y x = {2m + 2 N} d, es decir en el intervalo
2
dx = 2d =
N
en torno de x ser
2
f (x)dx = f (x) = N
(2 +
N
N!
x
)!( N2
2d
x
)!
2d
1
( )N
2
N!
1
N
( )N
f (x) =
N
x
N
x
2 ( 2 + 2d )!( 2 2d )! 2
N!
N
1
=
( )N
N
x
N
x
2 ( 2 + 2 N)!( 2 2 N)! 2
N!
N
1
=
( )N
N
x
N
x
2 ( 2 (1 + N )!( 2 (1 N )! 2
cuestin sobre la que tomaremos el lmite cuando N . Para ello usaremos
la llamada aproximacin de Stirling
n! 2nnn en
237
podemos aproximar
r
N
N
N
N
N
2 (1 + )( (1 + )) 2 (1+ ) e 2 (1+ )
( (1 + ))! =
2
2
r 2
N
N
N
N
N
( (1 ))! =
2 (1 )( (1 )) 2 (1 ) e 2 (1 )
2
2
2
y entonces
N
( )
N (1 + ) 2
N
N
N
N
( (1 + ))!( (1 ))! = N 1 2 ( )N (1 2 ) 2
N( ) e
2
2
2
2
(1 )
N N
N! =
2NN e
resultando
N( )
1
N
2NN N (1 ) 2
( )N
f (x) = =
N
N
N
2 N 1 2 ( )N (1 2 ) 2 (1 + ) 2 ( ) 2
2
x
N(
2 N)
x
2(1
)
1
N
=
2
x
2 1 2 (1 2 ) N2 (1 + x ) N2 ( xN )
N
N
)
N
(1
1
2 (1 x22 ) N2 (1 +
N
x
x N
2
x N
x
) 2
N
2
(e ) 2
1
1
x2
2 .
=
=
e
2
2 e 2x 2 (e x ) 2x
2
x N
) ex .
N
Sorprendentemente, hemos encontrado que se trata de la distribucin normal.
(1 +
x2
1
f (x) =
e 22 .
2
con valor esperado cero y desviacin estndar . Para efectos de hacer clculos numricos
=d N