Está en la página 1de 201

M

P R O Y E C T O

E P I C A

Eduardo Ramos M endez


Catedr atico de Universidad UNED

INDICE

1
1.1 1.2 1.3 1.4 1.5

Cantidad 1
N umeros naturales . N umeros enteros . N umeros racionales N umeros reales . . Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 14 22 40 54

2 3 4
4.1 4.2 4.3 4.4 4.5

Espacio y Forma 73

2.1 Geometr a anal tica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 2.2 Rectas en el plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 2.3 Figuras geom etricas planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

Cambio 99

3.1 Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 3.2 L mites y continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

Incertidumbre 120
Azar y probabilidad . . . . . . . . . . . . . . Modelo matem atico de los fen omenos aleatorios . . . Variables de la Estad stica descriptiva . . . . . . . Descripci on gr aca de una distribuci on de frecuencias Descripci on num erica una distribuci on de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 . 134 . 146 . 166 . 176

Indice alfab etico 193

UNIDAD DIDACTICA I

Cantidad

ESQUEMA RESUMEN
1.3.3 Expresi on decimal de los n umeros racionales

1.1 N umeros naturales


1.1.1 El concepto de n umero natural 1.1.2 Operaciones con los n umeros naturales 1.1.3 Divisibilidad
Conceptos b asicos Reglas de divisibilidad Descomposici on en factores primos M aximo com un divisor
C alculo del m aximo com un divisor

Paso de la expresi on fraccionaria a la decimal Paso de la expresi on decimal a la fraccionaria


Expresi on decimal nita Expresi on decimal peri odica

1.3.4 Porcentajes 1.3.5 Ordenaci on de los n umeros racionales

1.4 N umeros reales


1.4.1 El concepto de n umero real 1.4.2 Operaciones con n umeros reales 1.4.3 Ordenaci on de los n umeros reales 1.4.4 Potencias 1.4.5 Ra ces

M nimo com un m ultiplo


C alculo del m nimo com un m ultiplo

1.2 N umeros enteros


1.2.1 El concepto de n umero entero 1.2.2 Operaciones con los n umeros enteros
Suma y resta de n umeros enteros Multiplicaci on y divisi on de n umeros enteros Propiedades de las operaciones con n umeros enteros

1.5 Ecuaciones
1.5.1 La idea de ecuaci on 1.5.2 Soluciones de una ecuaci on
Ecuaciones con una unica inc ognita Ecuaciones con m as de una inc ognita Sistemas de ecuaciones

1.3 N umeros racionales


1.3.1 El concepto de n umero racional 1.3.2 Operaciones con fracciones
Suma y resta de fracciones
Fracciones con igual denominador Fracciones con distinto denominador

1.5.3 Reglas generales para resolver ecuaciones 1.5.4 Ecuaciones lineales con una inc ognita 1.5.5 Sistemas de ecuaciones lineales
Sistemas de dos ecuaciones lineales con dos inc ognitas

Sistemas de tres ecuaciones lineales con tres inc ognitas

Producto y divisi on de fracciones

UNIDAD DIDACTICA 1 Cantidad

Introducci on

na de las ocupaciones principales de las Matem aticas es el estudio de los n umeros. Esta unidad did actica se dedica a presentar las diferentes clases de n umeros que el hombre ha inventado para resolver los problemas de c alculo que se plantean en la vida cotidiana: los n umeros naturales, enteros, fraccionarios y reales.

n umeros pero, previamente, es interesante estudiar la cuesti on de la divisibilidad de n umeros naturales, introduciendo los conceptos de m ultiplo y divisor, n umeros primos y compuestos, la descomposici on en factores primos y las nociones de m nimo com un m ultiplo y m aximo com un divisor. En la segunda secci on de la unidad did actica se introducen los n umeros enteros. Se estudian las operaciones con los n umeros enteros, razonando la regla de los signos. A continuaci on se inicia el estudio del algebra, poderosa herramienta que nos ense na a calcular con expresiones literales. De esta forma es posible enunciar y demostrar de manera formal diversas propiedades, todas ellas muy familiares, de las operaciones con los n umeros enteros. En la tercera secci on se introduce el conjunto de los n umeros racionales. El primer objetivo es justicar la necesidad del nuevo conjunto. La motivaci on es similar a la que se hizo para ampliar el conjunto de los n umeros naturales a los n umeros enteros. El problema que se plantea ahora es que la divisi on de cualquier par de n umeros enteros no siempre es posible; por tanto, es necesario denir un nuevo conjunto de n umeros en el cual esta operaci on pueda efectuarse siempre. La forma intuitiva de denir los n umeros racionales es considerar
3

Los n umeros m as sencillos que se pueden considerar son los n umeros naturales: uno, dos, tres, etc. Son, sin duda, uno de los grandes inventos del hombre, cuyo origen se remonta, probablemente, a los primeros instantes de la civilizaci on. Los n umeros naturales y sus operaciones, suma, resta, multiplicaci on y divisi on, han signicado para el hombre poderosas herramientas que le han permitido avanzar en la senda de la civilizaci on. Con ellos, aprendi oa llevar la contabilidad de miembros y pertenencias, tan necesaria para la supervivencia de los grupos sociales. Asimismo, sabiamente utilizados permit an prever muchos acontecimientos relacionados con las creencias, como los ciclos del sol y la luna, o las cosechas, como la secuencia de las estaciones del a no. El hecho de que la resta y la divisi on de dos n umeros naturales no sea siempre posible sirve de punto de partida para considerar nuevas clases de

UNIDAD DIDACTICA 1 Cantidad

Introducci on

que representan unas cantidades que son fracciones de la unidad. Por eso, a los n umeros racionales se les llama tambi en n umeros fraccionarios. Hist oricamente se representan mediante una notaci on particular que se denomina quebrado. El estudio de las fracciones o quebrados consiste, principalmente, en analizar sus formas equivalentes y las operaciones que pueden realizarse con ellos: suma, diferencia, producto y divisi on. Una manera de representar los n umeros racionales, coherente con la representaci on utilizada para los enteros en el sistema de numeraci on de base diez, es la llamada expresi on decimal de los n umeros racionales. Esta representaci on es muy corriente en la pr actica, por lo que es preciso saber encontrar la equivalencia, en uno y otro sentido, entre esta representaci on y la expresi on en forma de quebrado. En la vida cotidiana, los n umeros racionales se presentan con mucha frecuencia en forma de porcentajes. Esto plantea la cuesti on de c omo encontrar un n umero racional que sea equivalente a un determinado porcentaje, e inversamente. Asimismo, muchas cuestiones de c alculo con porcentajes se resuelven acudiendo a las operaciones con los n umeros racionales. Por otra parte, existen algunas expresiones del lenguaje ordinario cuya traducci on al lenguaje de n umeros da origen a un n umero ra-

cional. Es util, por tanto, estar familiarizados con ellas y saber interpretarlas correctamente. La secci on naliza estudiando el orden de los n umeros racionales. En la cuarta secci on la introducci on de los n umeros reales completa el estudio de los diferentes conjuntos de n umeros. La existencia de n umeros que no se pueden expresar como fracciones es conocida desde antiguo. Son necesarios para resolver muchos problemas de medida, como puede ser medir la diagonal de un cuadrado con unidad de medida igual a su lado o la longitud de una circunferencia con su di ametro. Problemas de este tipo fueron planteados en la antig uedad y no tienen soluci on con los n umeros que hemos considerado previamente. Para resolverlos, se necesita denir un nuevo conjunto de n umeros: el conjunto de los n umeros reales. El esquema del estudio de los reales es similar al seguido en las secciones precedentes. En primer lugar, hay que justicar la necesidad de introducir el concepto de n umero real. Hecho esto, las operaciones con los n umeros reales son una extensi on de las correspondientes operaciones con los n umeros racionales y otro tanto ocurre con el orden de los n umeros reales. De nuevo la consideraci on de expresiones literales permite enunciar propiedades generales de
4

UNIDAD DIDACTICA 1 Cantidad

Introducci on

las desigualdades de n umeros reales. Adem as de las operaciones b asicas, suma, resta, multiplicaci on y divisi on, hay otras operaciones, extensiones de las b asicas, como la potenciaci on y la radicaci on, que son imprescindibles para muchos nes y adquieren su plena vigencia en el marco de los n umeros reales. Con los n umeros y sus operaciones pueden resolverse muchos problemas que se plantean en la vida cotidiana. Sin embargo, existen muchas situaciones reales en las que los problemas de c alculo que se presentan tienen un mayor nivel de complejidad. Son aqu ellas en las que, no s olo hay que operar con n umeros, sino que hay que encontrar el n umero, o los n umeros, desconocidos, que verican determinadas condiciones o criterios relativos a la situaci on real que se est a analizando. Las Matem aticas nos ofrecen una poderosa herramienta para ayudarnos a resolver estas situaciones: las ecuaciones. El objetivo de la secci on quinta es el estudio de algunos tipos sencillos de ecuaciones. El punto de partida consiste en dar una idea precisa de qu e es una ecuaci on y qu e tipo de problemas pueden resolverse con la ayuda de las ecuaciones. Esto conduce al planteamiento de la ecuaci on, o ecuaciones, que traducen las condiciones del proble-

ma al lenguaje de las matem aticas, con las cuales identicar los n umeros desconocidos, o inc ognitas. La comprensi on de este aspecto es, fundamentalmente, cuesti on de pr actica, por lo que son necesarios diversos ejemplos. Planteadas las ecuaciones, el siguiente problema es c omo resolverlas. Para ello es util una clasicaci on de los tipos de ecuaciones, atendiendo a dos criterios: el n umero de inc ognitas y el exponente al que est an elevadas. Tambi en es necesario denir de manera clara el concepto de soluci on de una ecuaci on y el concepto de ecuaciones equivalentes. A partir de estas ideas b asicas, es posible dar tres reglas generales que son v alidas para ayudar a resolver ecuaciones. El resto de la secci on se dedica al estudio de diferentes tipos de ecuaciones. Esencialmente, el objetivo es, en cada caso, dar m etodos para la resoluci on de la ecuaci on considerada. En primer lugar, para las ecuaciones lineales con una inc ognita, es sencillo encontrar su soluci on general. En segundo lugar se estudian los sistemas de ecuaciones lineales de los dos tipos siguientes: dos ecuaciones con dos inc ognitas y tres ecuaciones con tres inc ognitas, en cuya soluci on es posible emplear m etodos de soluci on por sustituci on o por eliminaci on.

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

1.1

N umeros naturales
umero natural 1.1.1 El concepto de n
Posiblemente en la edad de las cavernas los hombres no conocieran los n umeros ni los sistemas de numeraci on. Sin embargo, eran capaces de contar. Un pastor primitivo pod a registrar el n umero de animales que ten a o el n umero de pieles que quer a cambiar, si ten a la precauci on de guardar en una bolsa un guijarro, o hacer una marca en una tabla de madera, por cada res o por cada piel. Cada guijarro o marca representar a un animal o una piel. A fuerza de repetir esta operaci on muchas veces, el hombre primitivo lleg o a comprender que la bolsa con guijarros o la tablilla marcada representaban una cualidad del colectivo: el n umero de animales u objetos que lo compon an. Con otras palabras: desde sus or genes, el hombre advirti o que una bolsa con guijarros pod a representar un reba no de ovejas, una serie de puntas de echa o un mont on de pieles de oso. Advirti o que todos los conjuntos de objetos o de seres tienen una cualidad com un, con independencia de la naturaleza de los objetos o de los seres que los componen. Esa cualidad se denomina n umero. El n umero es un concepto que no tiene reejo en ninguna propiedad tangible. No es una cualidad que se aprecie con los sentidos. Es una cualidad abstracta. Para reconocerla precisamos de los ojos de la raz on. Ante ellos, se presenta tan evidente como la forma de los guijarros o el color de las ovejas. Es ilustrativo comparar el n umero con el concepto de color. El color es una abstracci on, una cualidad de los objetos que se maniesta en forma de colores: rojo, verde, etc.; el n umero es una cualidad de los colectivos que tiene tambi en distintas manifestaciones. Para designarlas, a lo largo de la historia, se inventaron s mbolos y sonidos muy variados. As nacieron las palabras uno, two, trois, etc., y los s mbolos 1, 2, III. Si a las manifestaciones del color se las llam o colores, a las manifestaciones del n umero, es decir, al 1, 2,..., se las denomin o n umeros naturales. Desde esa invenci on los hombres no necesitaron ya de guijarros ni de tablillas para contar. Libres de estorbos, les bastaba guardar en su memoria una palabra m agica para saber cu antos objetos compon an un colecci on. Con raz on puede decirse que los n umeros son los guijarros m as livianos del universo.
6

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

umeros naturales 1.1.2 Operaciones con los n


El hombre descubri o tambi en que con los n umeros naturales pod an realizarse operaciones aritm eticas. Si se re une una colecci on de tres objetos con una de cinco objetos se obtiene un conjunto de ocho objetos que resulta ser una manifestaci on del n umero ocho. Se encuentra as la suma (+) de n umeros naturales: 3 + 5 = 8. La operaci on anterior se puede deshacer, dando lugar a una nueva operaci on, la diferencia o resta (); as 8 5 = 3. Cuando hay que sumar repetidamente un n umero consigo mismo varias veces, se encuentra una nueva operaci on: la multiplicaci on () de n umeros naturales: 3 + 3 + 3 + 3 + 3 = 3 5 = 15. Tambi en esta operaci on se puede deshacer y resulta la divisi on (); as 15 5 = 3. Las dos operaciones directas, suma y multiplicaci on, pueden realizarse con cualquier par de n umeros, porque la suma y la multiplicaci on de dos n umeros naturales es siempre un n umero natural: 8 + 5 = 13 y 8 5 = 40. En cambio, las operaciones contrarias, resta y divisi on, pueden hacerse unas veces s y otras veces no. Por ejemplo, no es posible restar 8 de 5, porque no hay ning un n umero natural que sumado con 8 sea igual a 5. Tampoco es posible dividir 5 entre 3, porque no hay ning un n umero natural que multiplicado por 3 resulte igual a 5. Como veremos m as adelante, para poder realizar siempre estas operaciones, el hombre sinti o la necesidad de inventar m as n umeros: los n umeros negativos y los n umeros fraccionarios

1.1.3 Divisibilidad
Conceptos b asicos

Como ya se ha se nalado, no siempre es posible dividir un n umero natural por otro, de manera que se obtenga un cociente natural y resto cero. Cuando esto ocurre decimos que la divisi on es exacta, lo que abre paso al estudio de las cuestiones relacionadas con la divisibilidad de n umeros naturales. Por ejemplo, si se divide el n umero natural 14 entre el n umero natural 7 el resultado es el n umero natural 2. Este n umero se llama cociente de la divisi on. La divisi on resulta ser exacta, es decir, no sobra ninguna unidad o, dicho de otra manera, el resto de la divisi on es 0. Sin embargo si se quiere dividir 14 entre 4 resulta que el cociente es 3 y el resto es 2. La divisi on en este caso no es exacta.
7

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

DIVISIBILIDAD

Un n umero natural c se dice divisible por otro a si al dividir c entre a la divisi on es exacta, es decir, el cociente es otro n umero natural y el resto de la divisi on es cero.
EJEMPLO 1.1

El n umero natural 26 es divisible por 2 y tambi en por 13, pero no es divisible por 4.

El concepto de divisibilidad puede entenderse de otra manera. Si c es divisible por a y llamamos b al cociente exacto de la divisi on de c entre a, resulta c = a b. Es decir, cuando un n umero natural c puede escribirse como producto de dos n umeros naturales a y b se dice que c es divisible por a y que c es divisible por b. Se dice tambi en que a y b son factores o divisores de c, y que c es m ultiplo de a y de b.
DIVISORES Y MULTIPLOS

Si c y a son dos n umeros naturales, las tres expresiones: a divide a c, a es un divisor de c, c es m ultiplo de a son equivalentes a decir que la divisi on de c entre a es exacta. Si c es un n umero natural y a, b son n umeros naturales tales que c = a b, el producto a b se denomina una factorizaci on o descomposici on en factores de c. Todo n umero se puede factorizar, al menos, de las dos maneras siguientes: c = c 1 = 1 c por ello se llaman factorizaciones triviales y 1 y c divisores triviales. Hay n umeros que pueden factorizarse de maneras distintas de las triviales. Por ejemplo, el n umero 75 puede factorizarse como: 75 = 5 15 = 3 25. En cambio, hay n umeros que no admiten m as factorizaciones que las triviales. Por ejemplo, las unicas factorizaciones que admite el n umero 29 son: 29 = 1 29 = 29 1.

FACTORIZACION

NUMERO COMPUESTO

Un n umero natural, mayor que 1, que tiene alguna factorizaci on, adem as de las triviales, se dice compuesto. Un n umero natural que no tiene m as factorizaciones que las triviales se dice primo o, equivalentemente, un n umero c, mayor que 1, es primo si no tiene m as divisores que 1 y c.
EJEMPLO 1.2

NUMERO PRIMO

Los n umeros 8, 12, 15, 42, 75 son compuestos. Los n umeros 2, 3, 5, 7, 11 son primos.

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

Reglas de divisibilidad

Pueden formularse diversas reglas que anticipan cuando un n umero es divisible por otro. En particular, para saber si un n umero es divisible por 2, por 3 o por 5 hay tres reglas muy sencillas.
NUMEROS PARES E IMPARES

Los n umeros divisibles por 2 se denominan n umeros pares, mientras que los n umeros que no son divisibles por 2 se denominan n umeros impares. Un n umero es divisible por 2 si termina en 0, 2, 4, 6, 8.

DIVISIBILIDAD POR 2

DIVISIBILIDAD POR 3

Un n umero es divisible por 3 si la suma de sus cifras es divisible por 3.

DIVISIBILIDAD POR 5

Un n umero es divisible por 5 si termina en 0 o en 5.

EJEMPLO 1.3

Los n umeros 30, 32, 14, 26 y 58 son divisibles por 2, mientras que 31, 53, 75, 87 y 99 no son divisibles por 2. El n umero 102 es divisible por 3, ya que la suma de sus cifras, 1 + 0 + 2 = 3, es divisible por tres, mientras que el n umero 215 no es divisible por 3, ya que la suma de sus cifras, 2 + 1 + 5 = 8, no es divisible por 3. Los n umeros 15, 70 y 105 son divisibles por 5, mientras que 14, 27 y 38 no lo son.

Descomposici on en factores primos

Como hemos visto, todo n umero compuesto c puede escribirse como producto de dos factores que no son ni 1 ni c. Por ejemplo, el n umero 24 puede escribirse como 24 = 3 8. Ahora, si alguno de los factores
9

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

es compuesto como es el caso del n umero 8, puede factorizarse a su vez. Como 8 = 2 4, podemos poner 24 = 3 2 4. Este proceso puede repetirse hasta que todos los factores sean primos. En este caso, como 4 = 2 2, resulta nalmente 24 = 3 2 2 2. Tenemos entonces el siguiente resultado: Cada n umero natural mayor que 1 o es un n umero primo o es producto de n umeros primos.
EJEMPLO 1.4

Como 66 = 2 3 11, el n umero 66 se descompone en producto de los factores primos 2, 3 y 11.

Dado que 60 = 2 2 3 5 = 22 3 5 el n umero 60 se descompone en producto de los factores primos 2, dos veces, 3 y 5.

DESCOMPOSICION EN FACTORES PRIMOS

La serie de todos los n umeros primos que multiplicados dan como resultado un n umero dado c se llama descomposici on en factores primos de c. Para hallar la descomposici on en factores primos de un n umero conviene ordenar los c alculos. Un buen procedimiento es hacer divisiones sucesivas por los n umeros primos, de menor a mayor, hasta agotar cada factor. 84 2 Por ejemplo, supongamos que queremos calcular la descomposici on en factores primos 84 42 del n umero 84. Se comienza por probar si es divisible por 2. 0 Como la divisi on es exacta, 84 es divisible por 2. Ahora el cociente 42 de la divisi on 42 2 puede contener alg un otro factor de 2. Por ello se prueba a dividir de nuevo el cociente 42 21 por 2. 0 21 2 De nuevo la divisi on resulta exacta, por lo que se repite la operaci on de dividir por 2, 21 10 para probar si el cociente 21 es divisible por 2. 1
10

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

21 3 21 7 0 El cociente de la divisi on, 7, es primo. Luego el unico factor restante es 7. Las divisiones sucesivas se resumen en: 84 = 2 42 = 2 2 21 = 2 2 3 7. As la descomposici on en factores primos del n umero 84 es 2 84 = 2 2 3 7 = 2 3 7. A menudo, los c alculos anteriores se ordenan en una tabla que hace m as breve la escritura. En el caso del n umero 84 la tabla ser a Como 21 no es divisible por 2 se prueba si es divisible por el siguiente factor primo, en este caso 3. 84 42 21 7 1 2 2 3 7

(84 2 = 42) (42 2 = 21) (21 3 = 7) (7 7 = 1 )

Como puede verse, la tabla tiene dos columnas. En la columna de la izquierda se escribe el n umero cuya descomposici on queremos hallar y los cocientes sucesivos. En la columna de la derecha se escriben los factores primos. El proceso termina cuando en la columna de la izquierda aparece un 1. La descomposici on en factores primos es igual al producto de los n umeros de la columna de la derecha.
M aximo com un divisor
DIVISOR COMUN

Un n umero a se dice divisor com un de los n umeros b y c si divide a ambos n umeros, esto es, existen sendos n umeros naturales b1 , c1 tales que b = a b1, c = a c1 Dos n umeros naturales cualesquiera b y c, siempre tienen alg un divisor com un, puesto que al menos 1 divide a ambos. El mayor de los divisores comunes recibe un nombre especial:
11

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

MAXIMO COMUN DIVISOR

Se llama m aximo com un divisor de dos n umeros a y b al mayor de los divisores comunes. El m aximo com un divisor de a y b se representa por m.c.d.(a, b)
EJEMPLO 1.5

Los n umeros 124 y 16 tienen los divisores comunes: 1, 2 y 4. El mayor de ellos es 4, luego m.c.d.(124, 16) = 4.

C alculo del m aximo com un divisor Si se conoce la descomposici on en factores primos de b y c, el c alculo del

m aximo com un divisor es muy simple. Por ejemplo, si b = 84 y c = 360, entonces los divisores comunes no pueden tener otros factores primos que 2 y 3; ser an de la forma 2n1 3n2 . El m as grande de los divisores comunes ser a aquel que tenga los mayores exponentes posibles. Pero el exponente n1 no puede ser mayor que 2, a n de que divida a 84, ni mayor que 3, para que sea divisor de 360. Por consiguiente, la mayor elecci on posible para n1 es 2. De igual modo, se llega a la conclusi on de que la mayor 2 elecci on posible para n2 es 1. Luego m.c.d.(84, 360) = 2 3 = 12.
Para hallar el m aximo com un divisor de 225 y 90, se calcula la descomposici on en factores primos de ambos 2 2 2 2 n umeros: 225 = 3 5 , 90 = 2 3 5; luego m.c.d.(225, 90) = 3 5 = 45.
EJEMPLO 1.6
NUMEROS PRIMOS ENTRE S I

b = 84 = 22 3 7,

c = 360 = 23 32 5

Dos n umeros naturales a, b se dicen primos entre s , si se verica m.c.d.(a, b) = 1.


EJEMPLO 1.7

Los n umeros 39 y 22 son primos entre s . En efecto; la descomposici on en factores primos de cada uno de los n umeros es 39 = 3 13, 22 = 2 11. Por lo tanto, los dos n umeros no tienen factores primos comunes: el unico divisor com un es 1. Los n umeros 17 y 51 no son primos entre s . Su descomposici on en factores primos es 17 = 1 17, 51 = 3 17. Por tanto, tienen un factor primo com un: 17. Obs ervese que 17 es un n umero primo, pero 17 y 51 no son primos entre s .

12

UNIDAD DIDACTICA 1 Cantidad

N umeros naturales

M nimo com un m ultiplo

Dos n umeros naturales a y b tienen siempre m ultiplos comunes. Por ejemplo, el producto de los dos n umeros es m ultiplo de ambos. El menor de los m ultiplos comunes recibe un nombre especial.
M INIMO COMUN MULTIPLO

Se llama m nimo com un m ultiplo de dos n umeros naturales a y b al menor de sus m ultiplos comunes. El m nimo com un m ultiplo se representa por m.c.m.(a, b).
Los n umeros 4 y 6 tienen innitos m ultiplos comunes, como 12, 24, 120, 1500, . . . . El menor de todos ellos, 12, es el m nimo com un m ultiplo de 4 y 6: m.c.m.(4, 6).
EJEMPLO 1.8

C alculo del m nimo com un m ultiplo Cuando se conoce la descomposici on en factores primos de los dos

n umeros, hallar el m nimo com un m ultiplo es sencillo. Para que un n umero sea m ultiplo com un debe contener todos los factores primos de cada n umero elevados a un exponente mayor o igual que cualquiera de los exponentes que aparecen en ambas descomposiciones. Para que sea el menor de los m ultiplos comunes, el exponente debe ser el mayor de los exponentes del factor en las dos descomposiciones.
EJEMPLO 1.9

Los n umeros 12 y 15 tienen innitos m ultiplos comunes. As 180, 60 y 300 son m ultiplos comunes ya que 180 = 12 15, 60 = 12 5, 300 = 12 25, 12 = 22 3, 180 = 15 12, 60 = 15 4, 300 = 15 20. 15 = 3 5.

Ahora bien, la descomposici on en factores primos de los dos n umeros es:

El menor de los m ultiplos comunes tendr a como factores primos todos los que aparezcan en alguna de las descomposiciones, esto es 2, 3 y 5. El menor de los m ultiplos comunes ser a 22 3 5 = 60.

13

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

1.2

N umeros enteros
umero entero 1.2.1 El concepto de n
Entre las necesidades de c alculo del pastor cavern cola que descubri o los n umeros naturales y las del hombre actual hay diferencias radicales. El hombre rupestre viv a sometido a la naturaleza; sus necesidades eran elementales, mientras que el hombre de hoy vive en un mundo dominado por las creaciones del propio hombre; su mundo est a gobernado por conceptos y abstracciones. No es dif cil imaginar c omo, en alg un momento del transcurrir de la historia, el hombre descubri o que para medir ciertas magnitudes es conveniente considerar su variaci on en un sentido y otro, por encima y por debajo de un origen prejado. Veamos algunos ejemplos: Los bloques de viviendas tienen pisos por encima y por debajo del nivel del suelo. Si se pretende numerar esos pisos, parece natural denominar piso 0 al que se encuentra al nivel del suelo, y llamar 1 al primero sobre ese nivel, 2 al segundo sobre el nivel, etc.; entonces se precisan otros n umeros menores que cero, para designar a los pisos por debajo del suelo. Si la temperatura desciende 10C a partir de una temperatura de 5C, se alcanzan los 5C bajo cero. Ello nos informa de cuanto tiene que volver a subir para alcanzar el punto de fusi on del hielo. Si no se contase por debajo de cero se carecer a de tal informaci on. Si los reintegros son superiores a los ingresos, una cuenta corriente tendr a saldo negativo y el banco seguir a calculando dichas cantidades, incluso intereses negativos, en n umeros rojos para controlar exactamente la deuda. Las Matem aticas proporcionan una manera unicada de tratar las cantidades como 5C bajo cero o 1500 euros en n umeros rojos. Todo consiste en anteponer al n umero el signo menos e interpretarlo como la cantidad que falta para alcanzar el origen de la escala de que se trate; as se dice que la temperatura es de 5 C o que el saldo de una cuenta es de 1500 euros. Estos n umeros se llaman negativos.
14

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

Por cada n umero natural, como 1, 2 o 304, hay otro negativo, 1, 2, 304. En este contexto, a los n umeros naturales se les denomina n umeros positivos. Por ello, con frecuencia, al hablar de un n umero natural se insiste en su car acter positivo y se escribe +3 en lugar de 3.
NUMEROS ENTEROS

A los n umeros naturales, sus negativos y el cero se les denomina n umeros enteros.

Resulta as que los n umeros enteros provienen de incorporar a los n umeros ya conocidos, los naturales y el cero, otros n umeros que permiten expresar unas cantidades un tanto extra nas, aquellas que se consideran negativas, pero imprescindibles a partir de cierta complicaci on del modo de vida. Los n umeros enteros pueden representarse gr acamente, como se muestra en la gura 1.1. Imaginemos una carretera en la que se considera como punto de referencia 0 la posid +d d +d 0 ci on de cierto veh culo; los veh culos que le precedan a una cierta distancia d tendr an una ventaja respecto al veh culo -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 prejado de +d , y los que vayan rezagados a una distanFigura 1.1: Representaci on gr aca de los n umeros enteros. cia d , ocupar an la posici on d . As , si s olo se considera el n umero entero de kil ometros que separan dos puntos, las posiciones de un veh culo respecto del punto de referencia, escritas en orden creciente, pueden ser . . . . . . , 6, 5, 4, 3, 2, 1, 0, +1, +2, +3, +4, +5, +6, . . . . . . Seg un esta imagen de los hitos kilom etricos de la carretera, la posici on 4 puede entenderse del modo siguiente: el signo (menos) indica que la posici on es a la izquierda del punto de referencia y la cifra 4 se nala la distancia al punto de referencia. En el otro sentido, un punto designado por +5 se encontrar a a la derecha (+) del punto cero, a una distancia de 5 kil ometros. N otese que un veh culo que ocupa el punto 6 est a m as rezagado que el que ocupa la posici on 5, por lo que se puede decir que 6 es menor que 5.
15

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

En el gr aco observamos que existen puntos sim etricos respecto del punto de referencia esto es, puntos que se encuentran a igual distancia del punto cero pero en sentido contrario; por ejemplo, los puntos 4 y 4. La suma de estos dos n umeros enteros es cero, es decir, 4 + 4 = 0. La relaci on que hay entre estos dos n umeros recibe un nombre especial.
OPUESTO

El opuesto de un n umero entero a es el n umero que tenemos que a nadirle para que la suma de ambos sea cero. El opuesto de un n umero a se representa con a. En particular, el opuesto de un n umero negativo como 7 se representa con (7), donde los par entesis signican que el primer signo menos act ua sobre el n umero 7, de forma que (7) + (7) = 0. Ahora bien, el n umero que hay que sumar a 7 para que resulte igual a cero es evidentemente el n umero 7, ya que 7 + (7) = 0. Entonces resulta (7) = 7. Cuando se considera exclusivamente la distancia que separa el origen de otra posici on sin tener en cuenta si es a favor o en contra, observamos que puntos como 6 y 6 est an a la misma distancia, 6, del punto de referencia, o punto 0. Adem as este punto origen es el unico que est a a distancia nula de s mismo. Esta consideraci on nos conduce al concepto de valor absoluto de un n umero entero.

VALOR ABSOLUTO

El valor absoluto de un n umero entero a se representa por |a| y es igual a: umero entero positivo, a si a es un n |a| = 0 si a = 0, a si a es un n umero entero negativo.
El saldo de una cuenta corriente puede ser positivo o negativo. Por lo tanto se mide con n umeros enteros. Si un saldo es de 1200 euros, el signo menos () indica que el cliente tiene una deuda con el banco por un importe de 1200 euros. Si un saldo es de +1200 euros, entonces el banco tiene una deuda con el cliente por 1200 euros. En ambos casos el valor absoluto del saldo es igual | 1200| = |1200| = 1200. El valor absoluto del saldo se nala el importe de la deuda. El signo del saldo indica a favor de qui en es ese importe.
EJEMPLO 1.10

16

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

umeros enteros 1.2.2 Operaciones con los n


Suma y resta de n umeros enteros

La suma de n umeros enteros puede razonarse sin dicultad si interpretamos que los n umeros que se tienen que sumar son saldos de una cuenta corriente o temperaturas. Por ejemplo, si disponemos de un saldo de 327 euros e ingresamos un tal on de 125 euros, el saldo resultante ser a de 327 + 125 = 452 euros; o tambi en, si la temperatura era de 7 grados y ha subido 5 grados, la temperatura actual ser a el resultado de sumar 7 + 5, es decir, 2 grados. Por tanto, a partir de la suma de n umeros naturales podemos considerar la suma de n umeros enteros.
SUMA DE NUMEROS ENTEROS

La suma de dos n umeros enteros se calcula del modo siguiente: 1) Si ambos n umeros tienen el mismo signo, se suman sus valores absolutos y se antepone el signo com un. 2) Si los n umeros tienen diferente signo, se restan sus valores absolutos en el orden en que sea posible, esto es, quitando el m as peque no al m as grande, y se antepone el signo del que tenga mayor valor absoluto.
EJEMPLO 1.11

Algunos ejemplos de sumas de n umeros enteros son los siguientes:

5 + 19 = 24, 12 + (16) = (12 + 16) = 28, (2) + 9 = 9 2 = 7, (8) + 3 = (8 3) = 5, 12 + (10) = 12 10 = 2.

Con ello, la diferencia o resta de dos n umeros enteros se reduce a sumar al primero (minuendo) el opuesto del segundo (sustraendo):
DIFERENCIA DE NUMEROS ENTEROS

La diferencia, o resta, a b de dos n umeros enteros a y b es igual a la suma de a y el opuesto de b. a b = a + (b).

17

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

EJEMPLO 1.12

Las restas o diferencias de n umeros enteros se reducen a sumas: 7 (3) = 7 + 3 = 10, (4) 8 = (4) + (8) = 12, (1) (2) = (1) + 2 = 1.

Multiplicaci on y divisi on de n umeros enteros

Como hemos visto, el producto de n umeros naturales suele entenderse como una suma repetida: tres veces el n umero cuatro = 3 4 = 4 + 4 + 4 = 12. Este principio, extendido a los n umeros enteros, permite deducir cu al ser a el resultado de multiplicar un n umero positivo por otro n umero positivo o negativo. As 3 (4) se interpreta tambi en como tres veces el n umero menos cuatro = 3 (4) = (4) + (4) + (4) = 12. Pero tambi en puede darse una interpretaci on al producto por un n umero negativo. Si de una suma se quitan tres sumandos iguales a 4, la suma disminuir a en 12. Puede pensarse que se ha puesto 3 veces el n umero 4. As , se tiene: menos tres veces el n umero cuatro = (3) 4 = 12. Mientras que si de una suma se quitan tres sumandos 4, la suma aumentar a en 12, es decir: menos tres veces el n umero menos cuatro = (3) (4) = 12. Se puede denir entonces la multiplicaci on o producto de n umeros enteros del modo siguiente:
MULTIPLICACION DE NUMEROS ENTEROS

Para multiplicar dos n umeros enteros se multiplican los valores absolutos de los factores y al resultado se le da el signo que se obtiene, a partir de los signos de los factores, seg un la siguiente regla denominada regla de los signos para la multiplicaci on: + por + es igual a + + por es igual a por + es igual a por es igual a +
EJEMPLO 1.13

Supongamos que en este momento la temperatura es de 0 C.

18

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

Si la temperatura lleva todo el d a subiendo a raz on de 4 C cada hora, dentro de 5 horas la temperatura ser a de 5 4 = 20 C, mientras que hace 3 horas, es decir, en la hora 3 contada desde este instante, la temperatura era de (3) 4 = 12 C. Si la temperatura lleva todo el d a bajando a raz on de 4 C cada hora, dentro de 5 horas la temperatura ser a de 5 (4) = 20 C, mientras que hace 3 horas la temperatura era de (3) (4) = 12 C.

Con los n umeros enteros sucede como con los naturales: no siempre es posible dividir de manera exacta dos enteros. Sin embargo, cuando la operaci on puede llevarse a cabo la misma regla de los signos de la multiplicaci on permite tener el signo del cociente.
DE DIVISION NUMEROS ENTEROS

Si un n umero entero a es divisible por otro entero b, el cociente es igual al cociente de los valores absolutos con el signo dado por la siguiente regla de los signos para la divisi on: + dividido por + es igual a + + dividido por es igual a dividido por + es igual a dividido por es igual a +
EJEMPLO 1.14

12 3 = 4, 15 3 = 5, 8 2 = 4, 36 6 = 6.

Propiedades de las operaciones con n umeros enteros

Es evidente que tanto da sumar un n umero a otro que el otro al uno. Por ejemplo, es claro que 3 + 6 = 6 + 3. Esta igualdad es una consecuencia inmediata del concepto de suma de n umeros enteros y es una propiedad general que intuitivamente se reconoce como v alida para cualquier par de n umeros enteros. Sin embargo, cuando se quiere enunciar dicha propiedad de un modo general hay que recurrir a una idea sutil. Cuando se arma que 3 + 6 = 6 + 3 se est a diciendo exactamente eso: que es igual sumar 3 a 6 que sumar 6 a 3, pero esta armaci on no dice que la igualdad se siga manteniendo cuando la pareja de n umeros elegidos sea otra. Para expresar esta propiedad de un modo simb olico y general, hay que recurrir a representar los n umeros por letras, de forma que cada letra no sea ning un n umero particular sino que represente de un modo general a cualquier n umero. Con este lenguaje en el que las letras son y no son n umeros, resulta f acil expresar las
19

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

propiedades que cumplen las operaciones con los n umeros enteros. En los enunciados que siguen, las letras, como a, b, c, representan cualquier n umero entero, de forma que las armaciones que se hacen son v alidas cuando se sustituye cada letra por cualquier n umero entero.
PROPIEDAD COMMUTATIVA DE LA SUMA

Si a y b son n umeros enteros, se cumple a + b = b + a. Si a y b son n umeros enteros, se cumple a b = b a. Si a, b y c son n umeros enteros, se cumple

PROPIEDAD COMMUTATIVA DEL PRODUCTO

PROPIEDAD ASOCIATIVA DE LA SUMA

(a + b ) + c = a + (b + c ).
Si a, b y c son n umeros enteros, se cumple

PROPIEDAD ASOCIATIVA DEL PRODUCTO

(a b ) c = a (b c ).
Si a, b y c son n umeros enteros, se cumple a (b + c ) = (a b ) + (a c ).

PROPIEDAD DISTRIBUTIVA DEL PRODUCTO RESPECTO DE LA SUMA

La utilizaci on de letras para representar de forma general un n umero presenta ventajas adicionales. Es
20

UNIDAD DIDACTICA 1 Cantidad

N umeros enteros

posible realizar c alculos con expresiones literales de forma similar a como se hace con los n umeros. Los resultados que se obtengan ser an v alidos cuando se sustituyan las letras por n umeros cualesquiera. Veamos algunos ejemplos.
EJEMPLO 1.15

a) La expresi on (3a + 6b) es igual a 3 (a + 2b). En efecto, por la propiedad distributiva se cumple: b) La expresi on (a + b)(a b) es igual a (a2 b2 ) (recu erdese que a2 signica a a). En efecto, por la propiedad distributiva se tiene: (a + b)(a b) = (a + b) a + (a + b) (b). De la regla de los signos, se sigue: y, otra vez por la propiedad distributiva, se tiene: (a + b) a (a + b) b = a a + b a a b b b; pero, por la propiedad conmutativa, ba = ab, se tiene as b a a b = a b a b = 0. Resulta as Este resultado se lee: suma por diferencia de dos n umeros igual a la diferencia de sus cuadrados. 2 2 2 c) La expresi on (a + b) es igual a a + 2ab + b (recu erdese que (a + b)2 se lee: a m as b al cuadrado). Como se ha visto, el exponente 2 indica que el n umero de la base se multiplica por s mismo. Esto vale tambi en para el c alculo con letras. 3 ( a + 2b ) = ( 3 a + 3 2b ) = ( 3a + 6b ) .

(a + b) a + (a + b) (b) = (a + b) a (a + b) b

( a + b ) a ( a + b ) b = a a + b a a b b b = a2 b2

(a + b )2 = = = =

(a + b ) (a + b ) (a + b) a + (a + b) b (prop. distributiva) (a a + b a ) + (a b + b b ) a2 + ba + ab + b2.

Pero, por la propiedad conmutativa del producto, ba = ab, y adem as ab + ab = 2ab. Luego

(a + b)2 = a2 + ba + ab + b2 = a2 + 2ab + b2 ,
o bien

(a + b)2 = a2 + b2 + 2ab. Con palabras, esta igualdad se lee: el cuadrado de la suma de dos n umeros es igual al cuadrado del primero, m as el cuadrado del segundo, m as el doble producto del primero por el segundo.

21

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

1.3

N umeros racionales

umero racional 1.3.1 El concepto de n


Con los n umeros naturales y enteros es imposible resolver cuestiones tan simples como hallar un n umero que multiplicado por 5 resulte igual a 12. Esa imposibilidad es razonable cuando la unidad de las magnitudes consideradas tiene un car acter indivisible. Por ejemplo, si se pretende repartir, en partes iguales, 12 plumas estilogr acas entre 5 personas, parece natural llegar a la conclusi on de que no hay soluci on, pues ninguno de los repartos posibles merece el calicativo de equitativo. Sin embargo, si se trata de repartir 12 hect areas de tierra entre 5 agricultores, parece que ser a posible hallar una soluci on. Lo primero que llama la atenci on es lo arbitrario de la unidad de medida empleada. Si en lugar Figura 1.2: Un reparto no de la hect area se empleara el metro cuadrado, como una hect area es igual a 10000 metros equitativo: 12 5 =?. cuadrados, el problema ser a repartir 120000 metros cuadrados entre cinco agricultores, es decir, 120000 5 = 24000, y la soluci on es dar 24000 metros cuadrados a cada agricultor. De igual manera, para repartir 2 litros de vino entre cinco personas, basta considerar una nueva unidad de capacidad tal que un litro sea igual a 5 nuevas unidades. Llamemos un quinto de litro a esa nueva unidad. Entonces, el problema propuesto equivale a repartir 10 quintos de litro entre 5 personas, y la soluci on es simple: hay que dar 10 5 = 2 quintos de litro a cada persona. En resumen, las unidades de medida de algunas magnitudes como la longitud, supercie, masa, capacidad, etc., pueden subdividirse en tantas partes iguales como se desee. Entonces, el problema de repartir cierta cantidad de manera equitativa se resuelve tomando como nueva Figura 1.3: Un quinto de la unidad de medida una parte o fracci on de la unidad inicial. A los n umeros que representan esas unidad. cantidades fraccionarias se les denomina n umeros racionales.
22

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

FRACCION

La cantidad que resulta de dividir una unidad en b fracciones iguales y tomar a de estas fracciones se representa por a . El s mbolo a se denomina fracci on o quebrado. Tambi en se utiliza el s mbolo a/b. b b Una fracci on representa un n umero que se denomina racional. El n umero b, que aparece en la parte inferior, se llama denominador de la fracci on ya que denomina la unidad fraccionaria que se emplea. El n umero a, que aparece en la parte superior, numera cu antas unidades fraccionarias se toman y se llama numerador de la fracci on. Para repartir dos litros de vino entre cinco personas consideramos una nueva unidad que llamamos un quinto de litro. De igual manera pod amos haber considerado otras unidades diferentes. Por ejemplo, podr a haberse considerado como nueva unidad un d ecimo de litro, de forma que un litro fuese igual a 10 d ecimos de litro. As , 2 litros equivalen a 20 d ecimos de litro y el problema ser a ahora c omo repartir 20 d ecimos de litro entre 5 personas; la soluci on evidente es dar a cada persona 4 d ecimos de litro. Concluimos entonces que 2 es lo mismo 2 quintos de litro que 4 d ecimos de litro. Dicho con la simbolog a de fracciones representa 5 4 2 4 6 la misma cantidad que . Razonando de manera an aloga resulta evidente que fracciones como , , , 10 5 10 15 8 , representan la misma cantidad, es decir, representan al mismo n umero racional. 20

FRACCIONES EQUIVALENTES

Dos fracciones que representan al mismo n umero racional se dice que son equivalentes.

Es sencillo obtener fracciones equivalentes a una fracci on dada: Si el numerador y el denominador de una fracci on se multiplican por un mismo n umero, se obtiene una fracci on equivalente a la dada.

23

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

EJEMPLO 1.16

Las fracciones:

5 15 y son equivalentes. En efecto 15 = 3 5 y 21 = 3 7. 7 21

Cuando dos fracciones son equivalentes, por abuso del lenguaje, se acostumbra a decir que son iguales, 5 15 por lo que se escribe = . Un criterio bien simple para averiguar si dos fracciones son equivalentes consiste 7 21 en multiplicar el numerador de la primera por el denominador de la segunda y, al rev es, el denominador de la primera por el numerador de la segunda. Si ambos n umeros son iguales, entonces las fracciones son equivalentes.
CRITERIO DE EQUIVALENCIA DE FRACCIONES

Dos fracciones: a y c son equivalentes si y solamente si se cumple: b d ad = bc


15 90 y son equivalentes, mediante el criterio anterior, se calculan los productos Para averiguar si las fracciones 17 102 a d = 15 102 = 1530 y b c = 17 90 = 1530. Como son iguales, las fracciones son equivalentes.
EJEMPLO 1.17 EJEMPLO 1.18

Las fracciones:

iguales.

12 83 y no son equivalentes, ya que los productos 12 119 = 1428 y 17 83 = 1411 no son 17 119

Al igual que sucede con los n umeros naturales, tiene inter es considerar la existencia de fracciones negativas. Dos pueden ser las razones pr acticas para tenerlas en cuenta. Por una parte, una fracci on como a puede entenderse como el resultado de dividir una unidad en b partes iguales y quitar a partes. Por b otra parte no es extra no encontrarse con la necesidad de fraccionar una magnitud negativa; por ejemplo, una deuda. Entonces el empleo de fracciones negativas es natural: pueden interpretarse como la parte de la deuda total que se ven obligadas a pagar cada uno de los deudores entre los que se divide. En este punto se puede contemplar como los conceptos matem aticos van encajando uno en otro de manera natural, sin que la adquisici on de una nueva idea suponga gran esfuerzo adicional. As , la regla de los signos para la divisi on de los enteros sigue siendo plenamente v alida, como se aprecia en el siguiente ejemplo.
24

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

EJEMPLO 1.19

De acuerdo con la regla de los signos para la divisi on de n umeros enteros las siguientes fracciones son equivalentes: 2 2 2 = = 3 3 3 5 5 5 = =+ , 7 7 7

como se comprueba f acilmente mediante el criterio de equivalencia de fracciones.

Resta por hacer una observaci on adicional. Si bien todo n umero racional puede escribirse como fracci on, no todos los s mbolos que resultan de escribir un n umero encima de otro con una raya en medio representan 1 2 3 4 n umeros racionales. En concreto, los s mbolos de la forma: , , , etc. que tienen un cero en el 0 0 0 0 denominador, no representan a ning un n umero. Esto es as porque la divisi on por cero no tiene sentido.

1.3.2 Operaciones con fracciones


Suma y resta de fracciones
Fracciones con igual denominador Cuando dos fracciones tienen el mismo denominador, su suma o resta tiene

3 un sentido evidente y la operaci on es inmediata. Por ejemplo, la fracci on representa tomar tres cuartas 4 5 partes de una unidad y la fracci on representa tomar cinco cuartas partes de la unidad; luego la suma de 4 ambas cantidades contendr a ocho cuartas partes de la unidad, o lo que es lo mismo, dos unidades enteras. Con el lenguaje de fracciones escribimos: 3 5 3+5 8 + = = = 2. 4 4 4 4
SUMA DE FRACCIONES CON IGUAL DENOMINADOR

La suma de dos fracciones con igual denominador es igual a otra fracci on que tiene como numerador la suma de los numeradores y, como denominador, el com un. a c a+c + = b b b

25

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

EJEMPLO 1.20

La suma de las fracciones

2 4 6 y es igual a . 7 7 7 2 4 2+4 6 + = = . 7 7 7 7

2+4 7 7

6 7

Figura 1.4: Suma de fracciones con igual denominador. Puede entenderse la diferencia de dos fracciones como la suma de la primera con el opuesto de

Por lo que a la diferencia de fracciones se reere, el razonamiento es an alogo. Si a cinco sextas partes de la unidad se le quitan dos sextas partes de la unidad, el resultado es tres sextas partes de la unidad. 5 2 52 3 = = . 6 6 6 6

la segunda:
DIFERENCIA DE FRACCIONES CON IGUAL DENOMINADOR

La diferencia de dos fracciones con igual denominador es otra fracci on que tiene como numerador la diferencia de los numeradores y como denominador el com un. a c a c a c = + = b b b b b
17 23 6 17 23 17 23 6 y es igual a , ya que = = . 5 5 5 5 5 5 5

EJEMPLO 1.21

La diferencia de las fracciones

Fracciones con distinto denominador Cuando dos fracciones no tienen el mismo denominador, se hallar a una

fracci on equivalente a cada una de ellas, que tengan igual denominador. Luego se suman o restan seg un lo dicho.
26

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

SUMA Y DIFERENCIA DE FRACCIONES CON DISTINTO DENOMINADOR

Para sumar, o restar, fracciones con distinto denominador se buscan fracciones equivalentes con igual denominador y se suman, o restan, los numeradores.

2 5 3+6

a c Por ejemplo, para sumar dos fracciones y que no tienen denominador com un, esto es b = d , b d a c se halla una fracci on equivalente a y otra equivalente a que tengan el mismo denominador. b d Esto siempre es posible, ya que dos n umeros enteros b y d tienen innitos m ultiplos comunes. Por ejemplo, basta tomar como denominador com un el producto de los denominadores.
EJEMPLO 1.22

4 5 6+6

2 5 un. Por ejemplo Para sumar las fracciones y , se hallan otras equivalentes con denominador com 3 6 12 2 15 5 2 62 5 35 2 5 12 15 27 es equivalente a y es equivalente a , puesto que = y = . Entonces + = + = . 18 3 18 6 3 63 6 36 3 6 18 18 18

9 6

Figura 1.5: Suma de fracciones con distinto denominador.

En el ejemplo anterior se transformaron las fracciones al denominador com un 18, pero pueden 2 5 16 36 elegirse otros muchos denominadores comunes; por ejemplo: 3 + 6 = 24 + 20 24 = 24 . Cualquier n umero que sea m ultiplo com un de los denominadores puede servir como denominador com un. Desde luego, cuanto menor sea el denominador com un elegido, m as simples ser an los c alculos y las fracciones resultantes. Resulta pues de inter es elegir como denominador com un un n umero tan peque no como sea posible. Ese n umero es el m nimo com un m ultiplo de los denominadores.
EJEMPLO 1.23

2 5 En el caso de las fracciones y , el m nimo com un m ultiplo de los denominadores 3 y 6 es 6. El 3 6 2 5 4 5 9 c alculo m as sencillo de la suma es: + = + = . 3 6 6 6 6 Para calcular la diferencia de las fracciones:

17 26 se halla en primer lugar el m nimo com un 25 30 m ultiplo de los denominadores m.c.m.(25, 30) = 150; luego se obtienen fracciones equivalentes a las dadas con denominador
EJEMPLO 1.24

27

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

igual a 150 y nalmente se restan los numeradores

17 26 102 130 28 = = . 25 30 150 150 150

Cuando se trata de sumar o restar varias fracciones, el procedimiento que hay que seguir es el mismo: reducir a denominador com un todas las fracciones que aparecen en la expresi on y sumar o restar los numeradores de las fracciones equivalentes obtenidas.
7 1 3 Para calcular la expresi on + se halla el m nimo com un m ultiplo de los denominadores m.c.m.(9, 12, 4) = 36 9 12 4 7 1 3 28 3 27 28 + 3 27 4 y luego se opera del modo siguiente + = + = = . 9 12 4 36 36 36 36 36
EJEMPLO 1.25

Producto y divisi on de fracciones

El producto de un n umero entero por una fracci on tiene el mismo sentido que el producto de n umeros enteros: es una suma repetida. As , por ejemplo: 6 3 3 3 3 3 3 3 3+3+3+3+3+3 63 = + + + + + = = 7 7 7 7 7 7 7 7 7

3 De manera semejante, dividir una fracci on por un n umero entero, por ejemplo 5, signica dividir la 7 unidad en siete partes iguales, tomar tres y dividir por cinco la cantidad que resulta. Claramente, la operaci on anterior equivale a dividir la unidad en siete partes iguales, volver a dividir cada una de esas s eptimas partes 3 3 en cinco partes y tomar tres. Por lo tanto, se tiene: 5 = . Cuando se multiplica una fracci on por 7 35 6 3 otra, por ejemplo puede interpretarse ese producto como multiplicar por 6 y dividir por 5, de forma 5 7 6 3 63 Se razona as la regla del producto de dos fracciones: que = 5 7 57
28

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

PRODUCTO DE FRACCIONES

El producto de dos fracciones es otra fracci on que tiene como numerador el producto de los numeradores y como denominador el producto de los denominadores. a c ac = b d bd
EJEMPLO 1.26

El producto de las fracciones

DE UNA DIVISION POR UN FRACCION NUMERO ENTERO

a Como se ha razonado antes, la divisi on de una fracci on por un n umero entero c es equivalente a b 1 multiplicar dicha fracci on por la fracci on . c a a 1 Dividir la fracci on entre el n umero entero c es equivalente a multiplicar las fracciones y b b c a a 1 a c = = b b c bc
EJEMPLO 1.27

3 4 3 3 4 3 4 12 y es igual a = = = . 8 5 8 5 8 5 40 10

1 guardan entre s una relaci on particular: su producto es igual a 1. Esta misma c a b relaci on se mantiene entre las fracciones y cualesquiera que sean a y b no nulos. Esta situaci on recibe b a un nombre especial. El n umero c y la fracci on
FRACCION INVERSA

6 6 1 6 3 (8) = = = . 7 7 8 56 28

Dos fracciones se denominan rec procas o inversas si su producto es igual a 1. Todas las fracciones o a b n umeros racionales, menos el cero, tienen un rec proco. La fracci on rec proca de es . b a
29

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

DE DIVISION FRACCIONES

Las observaciones anteriores conducen de manera natural a la divisi on de fracciones. Dividir una fracci on c a a por otra es lo mismo que dividir entre c y multiplicar el resultado por d . b d b a c a c Dividir la fracci on entre la fracci on es equivalente a multiplicar por el rec proco de . Esto es: b d b d a d ad a c = = b d b c bc
EJEMPLO 1.28

Adem as del signo (), a menudo se emplea la misma notaci on de fracci on para expresar la divisi on de dos fracciones.
EJEMPLO 1.29

2 4 2 9 18 9 = = = . 5 9 5 4 20 10

Las expresiones siguientes son iguales:

2 3 3 5

2 3 3 5

on decimal de los n umeros racionales 1.3.3 Expresi


Adem as de las fracciones o quebrados hay otras formas de representar un n umero racional. La m as importante es la decimal que consiste en una extensi on de la ya vista para los n umeros enteros. Como sabemos, en el sistema de numeraci on decimal los n umeros enteros se agrupan en unidades, decenas, centenas, etc. Estas agrupaciones resultan inadecuadas para dar cabida a partes m as peque nas que la unidad. En su lugar, hay que considerar nuevas agrupaciones que, siguiendo la regla del sistema decimal de ir de diez en diez, resulten utiles para representar las fracciones de la unidad. En concreto, si se divide la unidad en diez partes iguales, se puede tomar como patr on de agrupaci on la d ecima parte de la unidad, de modo que diez d ecimas formen una unidad; si se divide la unidad en cien partes se puede tomar la cent esima, de modo que cien cent esimas formen una unidad, o bien, diez cent esimas formen una d ecima. De modo
30

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

an alogo pueden considerarse las mil esimas, diez mil esimas, cien mil esimas, millon esimas y as sucesivamente. Cada una de esta nuevas agrupaciones equivale a una fracci on con numerador igual a 1 y con 1 = 1 = 100 unidad denominador igual al n umero de partes en que 1 0.1 = 10 = 101 d ecima se ha dividido la unidad. Por ejemplo, la d eci1 1 1 0.01 = 100 = 10 10 = 102 cent esima 1 ma equivale a la fracci on ; la cent esima, a la 1 1 1 1 10 0.001 = 1000 = 10 10 10 = 103 mil esima 1 1 1 1 1 1 1 fracci on ; la mil esima, a la fracci on , 0.0001 = 10000 = 10 10 10 10 = 104 diez mil esima 100 1000 1 1 1 1 1 1 etc. Se puede utilizar una notaci on que repre0.00001 = 100000 = 10 10 10 10 10 = 105 cien mil esima sente las fracciones anteriores como potencias 1 1 1 1 1 1 1 0.000001 = 1000000 = 10 10 10 10 10 10 = 106 millon esima de diez elevadas a exponentes negativos, es de1 1 cir, en por 101, por 102, etc. Tambi Tabla 1.1: Algunas fracciones de la unidad. 10 100 podemos escribir estas fracciones de la unidad de un modo que resulte coherente con la escritura del sistema decimal. Para ello necesitamos introducir un s mbolo que indique en que lugar naliza la parte correspondiente a unidades enteras y comienza la parte correspondiente a fracciones de la unidad. Nosotros elegiremos el punto decimal (.) para lograr esta separaci on. As , al igual que 10 simboliza una decena, 100 una centena, 1000 un millar, etc., 0.1 simboliza una d ecima, 0.01 una cent esima, 0.001 una mil esima, etc. Todas estas representaciones vienen resumidas en la Tabla 1.1. Veamos ahora c omo representar un n umero fraccionario utilizando estas agrupaciones menores que la 17 unidad. Consideremos, por ejemplo, la fracci on . Si multiplicamos por 4 el numerador y el denominador, 25 68 encontramos una fracci on equivalente, con denominador 100, que es la fracci on . Esta fracci on se 100 interpreta de la manera siguiente: 68 60 + 8 60 8 6 8 1 1 = = + = + = 6 +8 = 6 d ecimas + 8 cent esimas 100 100 100 100 10 100 10 100
31

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

17 Obtenemos as una representaci on decimal del n umero fraccionario. Es decir, tanto la fracci on como el 25 n umero decimal 0.68 representan a la misma cantidad. 17 = 6 grupos de una d ecima + 8 grupos de una cent esima = 6 0.1 + 8 0.01 = 0.6 + 0.08 = 0.68 25 Esta representaci on decimal es v alida tambi en para fracciones mayores que la unidad. Por ejemplo, la fracci on 117 puede escribirse en forma decimal como: 25 17 117 100 + 17 100 17 = = + = 4 + = 4 + 0.68 = 4.68 25 25 25 25 25 Esta forma de representar n umeros fraccionarios es completamente similar al sistema decimal para n umeros enteros. La analog a se pone claramente de maniesto cuando empleamos las potencias de diez.
EJEMPLO 1.30

El s mbolo 7523.418 representa la cantidad 7523.418 = 7 103 + 5 102 + 2 101 + 3 100 + 4 101 + 1 102 + 8 103 = 7 1000 + 5 100 + 2 10 + 3 1 + 4 0.1 + 1 0.01 + 8 0.001 1 1 1 = 7 1000 + 5 100 + 2 10 + 3 1 + 4 + 1 +8 . 10 100 1000

Con palabras se dir a: 7523.418 es la cantidad que resulta de tomar 7 grupos de mil unidades, 5 grupos de 100 unidades, 2 grupos de diez unidades, 3 grupos de una unidad, 4 grupos de una d ecima de unidad, 1 grupo de una cent esima de unidad y 8 grupos de una mil esima de unidad.

Paso de la expresi on fraccionaria a la decimal

El algoritmo de c alculo de la expresi on decimal de una fracci on es el algoritmo de la divisi on. Para encontrar la expresi on decimal de la fracci on 117/25 efectuamos la divisi on que indica el quebrado, como se ve en la gura 1.6.
32

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

Sin embargo, no todas las expresiones decimales de las fracciones son tan simples como el 1 ejemplo anterior puede dar a entender. Si se calcula la expresi on decimal de la fracci on , resulta 0 3 0 10 3 0 0 10 0.333 . . . 0 0 que la divisi on anterior no acaba nunca. Es decir, la representaci on decimal 10 0 ... Figura 1.6: Paso de fraccio1 nario a decimal. de la fracci on exige emplear innitos decimales. Una soluci on es escribir: 3
1 1 7 1 0 0 1 7 1 5 2 2 25 4.68

1 = 0.33333 . . . 3 donde los puntos suspensivos dan a entender que el n umero 3 se repite innitas veces. Otra soluci on mejor es emplear un rasgo especial, el acento circunejo, para determinar la parte decimal que se repite indenidas veces. As se escribir a: 1 = 0.33333 . . . = 0.3 3
FRACCION PERIODICA

Una fracci on cuya parte decimal se repite indenidas veces se denomina fracci on peri odica. La parte decimal que se repite se denomina per odo.
1031 La fracci on es peri odica, como puede comprobarse al efectuar la divisi on. Este ejemplo muestra el caso m as 330 complicado que puede darse: una fracci on cuya expresi on decimal tiene parte entera, parte decimal no peri odica y parte decimal 1031 peri odica. Se escribir a = 3.1242424 . . . = 3.124. 330
EJEMPLO 1.31

Paso de la expresi on decimal a la fraccionaria

33

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

Expresi on decimal nita Cuando la parte decimal del n umero es nita basta multiplicar y dividir por 10,

100, 1000, etc., seg un que la parte decimal tenga una, dos, tres, etc., cifras. Por ejemplo, el n umero 56.97 signica 1 1 56.97 = 5 10 + 6 1 + 9 + 7 10 100 luego, si se multiplica y divide por 100, resulta: 100 5 10 + 6 1 + 9 100 1 1 +7 10 100 5697 . 100

56.97 = Este procedimiento es general.


EJEMPLO 1.32

1.168 = 1.168

1000 1168 146 = = . 1000 1000 125

Expresi on decimal peri odica Cuando la expresi on decimal es peri odica el problema es algo m as complicado;

a cambio, su soluci on sirve de introducci on en los m etodos de las ecuaciones. Sin duda, la dicultad est a en manejar la parte decimal innita del n umero. Por ejemplo, para hallar la expresi on fraccionaria del n umero 1.3 puede razonarse as : llamemos x a la expresi on desconocida, esto es: x = 1.3333 . . . Entonces diez veces el n umero ser a 10x = 10 1.3333 . . . = 13.3333 . . . Si se resta a 10x el n umero x el resultado ser a 9x por una parte y, por otra, desaparecer a la parte decimal innita. 10x = 13.3333 . . . ( ) x = 1.3333 . . . 9x = 12 12 4 4 Puesto que nueve veces x es igual a 12, 9x = 12, se tiene x = = . As pues = 1.3 . Algunos ejemplos 9 3 3 adicionales servir an para mostrar c omo deben tratarse otros casos.
34

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

Para hallar la expresi on fraccionaria del n umero 1.23 se hace x = 1.23 = 1.232323 . . . Si se multiplica x por 100 resulta 100x = 100 1.232323 = 123.232323 . . . ; luego al restar x a 100x desaparece la parte decimal innita, es decir:
EJEMPLO 1.33

()
Por lo tanto x =
EJEMPLO 1.34 122 99 .

100x = 123.232323 . . . x = 1.232323 . . . 99x = 122

Para hallar la expresi on fraccionaria del n umero 0.135 se hace x = 0.135 = 0.1353535 . . . Si se multiplica x por 1000 resulta 1000x = 135.353535 . . . Pero ahora no basta restar x para eliminar la parte decimal, ya que no son iguales los decimales de 1000x y de x. Lo m as conveniente es restar a 1000x el n umero 10x que s tiene su misma parte decimal. 10x = 1.353535 . . . Se tendr a 1000x = 135.353535 . . . () 10x = 1.353535 . . . 990x = 134 Luego x =
134 990

67 495 .

Este ejemplo ilustrar a un importante hecho en la representaci on de n umeros racionales. Se trata de encontrar una expresi on fraccionaria del n umero 0.9 . Razonamos como en los ejemplos anteriores. Si x = 0.9 , se tiene 10x = 9.9 ; luego al restar, resulta: 10x = 9.999999 . . . () x = 0.999999 . . . 9x = 9
EJEMPLO 1.35

por lo cual x = 0.9 = 9 9 = 1. Esta igualdad, que puede parecer sorprendente a primera vista, no debe causar dicultad alguna. Hay que insistir de nuevo en la diferencia que hay entre un n umero y el s mbolo que se emplea para representarlo. Un n umero racional es una manifestaci on del concepto de n umero o de cantidad, es algo esencialmente unico. Por ejemplo, tres es el n umero de elementos de cualquier conjunto de tres objetos, un metro y medio es la longitud de cualquier varilla de esa medida, independientemente del material de que est e hecha. Pero una misma cantidad puede simbolizarse de muy distintas maneras. Como hemos visto, los 3 12 s mbolos 1.5, , son maneras distintas de representar la misma cantidad. Pues bien, siempre cabe la posibilidad de escribir los 2 8 n umeros fraccionarios con parte decimal nita como n umeros con parte decimal peri odica, como en el ejemplo que acabamos de ver. Por el mismo motivo, pueden probarse las igualdades siguientes: 1.2 = 1.19 , 3 = 2.9 , 2.25 = 2.249 , 7.8 = 7.79 .

35

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

1.3.4 Porcentajes
Una manera frecuente de denir un n umero fraccionario es mediante porcentajes o tantos por ciento. Una expresi on como el alumno ha contestado al sesenta por ciento de las cuestiones signica que ha contestado a una fracci on igual a 60/100 del total de cuestiones. La expresi on por ciento se representa por el s mbolo %. As , en lugar de sesenta por ciento, se acostumbra a escribir 60 %.
PORCENTAJE

El porcentaje c % equivale a la fracci on

c . Se puede escribir 100 c c% = . 100

Es sencillo expresar una fracci on en forma de porcentaje: a Para expresar la fracci on como porcentaje, basta hallar la expresi on decimal de la fracci on y multiplicar b por cien.

EJEMPLO 1.36

6 Las igualdades que siguen muestran la equivalencia entre fracciones, decimales y porcentajes: = 0.24 = 24 %, 25 21 1 = 1.05 = 105 %, = 0.3 = 33.3 %. 20 3

Los porcentajes se emplean a menudo para dar raz on de los aumentos o disminuciones de una cantidad. Esto es as porque, en numerosas ocasiones, importa m as el aumento relativo que el aumento absoluto. = = = , el efecto que tal As , si el barril de petr oleo aumenta su precio en 1 c y pasa de costar 20 c a costar 21 c = = , siendo en ambos casos el subida produce en la econom a ser a menor que si pasa de costar 2 c a costar 3 c aumento absoluto igual.
36

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

PORCENTAJE DE VARIACION

Si se toman dos medidas, que llamaremos medida anterior y medida actual, de una determinada cantidad, entonces el porcentaje de variaci on que se observa en dicha cantidad es igual a: % variaci on = El signo de la diferencia medida actual - medida anterior da el sentido de la variaci on. - Si la diferencia es positiva el porcentaje ser a de aumento. - Si la diferencia es negativa el porcentaje ser a de disminuci on.
EJEMPLO 1.37
= pasa a valer 1.61 c = , el porcentaje de aumento de precio es del Si un producto que costaba 1.40 c

medida actual medida anterior 100. medida anterior

precio actual precio antiguo 1.61 1.40 100 = 100 = 0.15 100 = 15 %. precio antiguo 1.40
EJEMPLO 1.38
= a 4.00 c = , el porcentaje de disminuci Si el valor de una acci on pasa de 5.00 c on es del 20 % ya que:

precio actual precio anterior 4.00 5.00 100 = 100 = 20 %. precio anterior 5.00 Con frecuencia, los impuestos son porcentajes jos de ciertas cantidades denominadas bases imponibles. En concreto, el impuesto sobre el valor a nadido, conocido como iva, supone un porcentaje de aumento en el precio de los productos de consumo. Por ejemplo, si en la carta de un restaurante se lee: Estos precios no incluyen el impuesto iva del 7 %, debe = , la factura se ver entenderse que, si un determinado plato marca un precio de 12.00 c a incrementada en un 7 % m as. Es decir, se tendr a que abonar un total de
EJEMPLO 1.39

12.00 + 12.00

7 7 = . = 12.00 1 + = 12.00 (1 + 0.07) = 12.00 1.07 = 12.84 c 100 100 37

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

= , se Si por el contrario, en la carta gurase el texto: 7 % iva incluido, debe entenderse que una factura de, por ejemplo, 53.50 c = corresponden al restaurante y 3.50 c = al impuesto, ya que: reparte del siguiente modo: 50.00 c 7 = 50.00 + 3.50 = 53.50. 50.00 + 50.00 100

Hay que tener presente que al hablar de porcentajes se est a haciendo referencia a una fracci on respecto de un total. Cuando se desea conocer una cantidad denida por un porcentaje, es preciso conocer la cantidad total de la que es una parte.
Si el porcentaje de declaraciones de renta positivas es del 47 %, para conocer el n umero de declaraciones positivas ser a preciso saber el n umero total de declaraciones. As , si hay 8545000 declaraciones, habr a
EJEMPLO 1.40

0.47 8545000 = 4016150 declaraciones positivas.

Al ser los porcentajes fracciones de un total, el c alculo del porcentaje de un porcentaje es inmediato. El a % del b % es igual a una fracci on del total equivalente a: a b ab = . 100 100 10000 Por lo tanto, el a % del b % es igual al ab ab 100 % = %. 10000 100 El a % del b % es igual al ab %. 100

Si el 87 % de los trabajadores son asalariados por cuenta ajena, y el 60 % de los asalariados por cuenta ajena son mujeres, el porcentaje de mujeres asalariadas por cuenta ajena, del total de los trabajadores, es igual al 87 60 100 % = 52.2 %. 100 100
EJEMPLO 1.41

38

UNIDAD DIDACTICA 1 Cantidad

N umeros racionales

on de los n umeros racionales 1.3.5 Ordenaci


Los n umeros racionales se ordenan de acuerdo al tama no de la magnitud que representan. Es evidente que, si se trata de la misma unidad de medida, 1.5 unidades representa una cantidad menor que 2.5 unidades, 2 1 pero no resulta tan evidente saber si es mayor o menor que . 5 3 El criterio para averiguar cu ando una fracci on representa una cantidad mayor que otra es simple:
ORDEN DE LOS NUMEROS RACIONALES

La fracci on

a c a c es mayor que si la diferencia es positiva, es decir b d b d a c >0 b d

Si suponemos que b y d son positivos, lo cual siempre puede hacerse porque en otro caso siempre es posible cambiar el signo de los numeradores, esta condici on se resume en el siguiente criterio: Si b, d > 0 la fracci on a c es mayor que si se cumple ad bc > 0. b d

Si los n umeros est an escritos en forma decimal hay que prestar especial atenci on. Sin duda se tienen las desigualdades: 1.43 > 1.42 y 53.12 > 52.12. Pero de lo anterior no debe deducirse que, siempre, el n umero mayor ser a aqu el que tenga, contada de izquierda a derecha, la primera cifra mayor ya que, seg un se ha visto, se cumple 1 = 0.9 . Sin embargo, si la parte decimal es nita, la comparaci on anterior es v alida.
EJEMPLO 1.42

2 1 2 1 2351 1 es mayor que ya que = = > 0. 5 3 5 3 53 15 12 13 13 De las fracciones y la mayor es ya que 13 13 12 14 > 0. 13 14 14 La fracci on

39

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

1.4

N umeros reales
umero real 1.4.1 El concepto de n
Las magnitudes f sicas, como el tiempo, la distancia, el peso, etc., se miden en la pr actica mediante los n umeros racionales que se estudiaron en el apartado anterior. Por ejemplo, se habla de 3 on 4 de hora o 1.4 metros. Esta manera de medir permite alcanzar el grado de precisi que se desee, por el sencillo procedimiento de considerar fracciones decimales de la unidad tan peque nas como sea necesario. As , 151.4 metros puede ser una aproximaci on suciente para medir la longitud de una huerta, pero 1.4 metros puede ser demasiado imprecisa si lo que se mide es un trozo de tela. Cuando una medida aproximada hasta cierta fracci on de la unidad no es lo sucientemente precisa, se puede mejorar la medida con una regla que est e graduada m as namente. As , si para medir la tela se emplea una regla graduada en mil metros, se puede llegar a un resultado m as exacto: 1.436 metros, por ejemplo, que corrige en 36 mm (3 102 + 6 103 m) la aproximaci on inicial. No hay ninguna limitaci on te orica al grado de precisi on que se puede alcanzar y, con mejores medios t ecnicos, se podr a anar la medici on hasta la diezmillon esima de metro, obteniendo por ejemplo 1.4358742 metros. Por lo tanto, parece que los n umeros racionales deben permitir expresar con exactitud cualquier magnitud. Sin embargo, no es as . Desde los tiempos de Pit agoras, en la Grecia cl asica, se sabe que hay longitudes que no pueden ser expresadas de manera exacta mediante fracciones, es decir, mediante n umeros racionales. El ejemplo m as simple lo proporciona la longitud de la diagonal de un cuadrado de lado 1. Si se considera un cuadrado de 1 metro de lado como el que aparece en la gura 1.8, la longitud d de su diagonal cumple, seg un el conocido teorema de Pit agoras, que se ver a en el cap tulo de Geometr a, d 2 = 12 + 12 = 2.
40

Figura 1.7: Los n umeros reales expresan magnitudes que se pueden medir.

1
Figura 1.8: La diagonal d del cuadrado es inconmensurable con el lado.

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

Pero no hay ning un n umero racional, d , que verique la igualdad anterior. En efecto, si fuese d =

n2 y m n umeros enteros, deber a ser 2 = 2 o bien n2 = 2 m2 . Ahora, la descomposici on en factores primos m del primer miembro consta de un n umero par de factores 2, dado que es el doble de los que tiene la descomposici on de n; mientras que el segundo miembro tiene un n umero impar de factores 2, ya que es el doble que los que tiene la descomposici on de m y uno m as. De manera que la igualdad es imposible. No hay, pues, ning un n umero racional cuyo cuadrado sea 2 y mida con exactitud la longitud de la diagonal de un cuadrado, tomando como unidad el lado. Este razonamiento dej o consternados a los matem aticos griegos, ya que les mostraba que los n umeros racionales, o proporciones, eran insucientes para tomar la medida de ciertas longitudes y que era forzoso a nadir m as n umeros, que denominaron irracionales. Hoy en d a, superada hace tiempo la dicultad, es preciso familiarizarse con este sistema ampliado de n umeros, llamados ahora n umeros reales. Sin ellos, no se pueden resolver problemas sencillos como. hallar un n umero que multiplicado por si mismo resulte igual a 7, ni evitar que el borde de las reglas est e plagado de huecos cuya posici on es inexpresable num ericamente; bien entendido que ser an huecos puntuales puesto que habr a n umeros racionales tan pr oximos a cualquiera de ellos como se desee. Lo primero que debe observarse acerca de los n umeros irracionales, es que no tienen una expresi on decimal nita ni innita peri odica, puesto que los n umeros que tienen estas expresiones son racionales. No es racional, por ejemplo, el n umero 1.0700770007770000777700000777 . . . cuyas cifras siguen una regla de formaci on sencilla, ya que su desarrollo ni es nito, ni es peri odico. Desafortunadamente, los n umeros irracionales no obedecer an normalmente a una ley de formaci on tan clara como la del n umero anterior y hay que dise nar un procedimiento para especicar uno cualquiera de ellos, sin disponer instant aneamente de todas sus cifras. La mejor alternativa para especicar un n umero con innitas cifras consiste en hacerlo por aproximaciones sucesivas. Por ejemplo, si se quiere medir la longitud d de la diagonal de un cuadrado con una unidad de
41

n con n m

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

n 1 2 3 4 5 6 7 8 . . .

Sucesiones que denen d rn rn 1 1.4 1.41 1.414 1.4142 1.41421 1.414213 1.4142135 < < < < < < < < d d d d d d d d . . . 2 < < < < < < < < 2 1.5 1.42 1.415 1.4143 1.41422 1.414214 1.4142136 1 1.96 1.9881 1.999396 1.99996164 1.9999899241 1.999998409369 1.99999982358225 = = = = = = = =

Comprobaci on 12 (1.4)2 (1.41)2 (1.414)2 (1.4142)2 (1.41421)2 (1.414213)2 (1.4142135)2 < < < < < < < < d2 d2 d2 d2 d2 d2 d2 d2 . . . 2 < < < < < < < < 22 (1.5)2 (1.41)2 (1.415)2 (1.4143)2 (1.41422)2 (1.414214)2 (1.4142136)2 = = = = = = = = 4 2.25 2.0164 2.002225 2.00024449 2.0000182084 2.000001237796 2.00000010642496

Tabla 1.2: Denici on de un n umero irracional.

medida igual a la longitud de su lado, observamos que, en una primera aproximaci on, d mide m as de 1 y 2 2 2 menos de 2, es decir, 1 < d < 2, ya que 1 = 1 < d = 2 < 2 = 4. Si se quiere anar m as la medida, tenemos que utilizar las fracciones de la unidad. Con d ecimas del lado, observamos que 1.4 < d < 1.5 ya que, igual que 2 2 2 antes, 1.96 = (1.4) < d = 2 < (1.5) = 2.25. Para anar todav a m as, hay que considerar cent esimas del 2 2 2 lado, con las que 1.41 < d < 1.42, puesto que 1.9881 = (1.41) < d = 2 < (1.42) = 2.0164. Si se procede de este modo, con sucesivos renamientos de la medida, se obtiene una sucesi on de aproximaciones que viene reejada en la Tabla 1.2. Prolongado indenidamente este procedimiento proporciona dos sucesiones de n umeros racionales que denen sin ambig uedad el n umero d , puesto que, a la larga, determinar an todas sus cifras decimales, al estar d comprendido entre dos n umeros racionales tan pr oximos como se quiera. Podr a pensarse que el esfuerzo atica se sabe que realizado es innecesario. Con un poco de cultura matem el n umero d es simplemente 2 y no merece la pena darle tantas vueltas. Pero debe tenerse en cuenta que antes de la invenci on de los n umeros reales, mbolo sin sentido: no hay ning un n umero cuyo 2 es un s cuadrado sea 2. Despu es de haberlos creado, 2 es un nombre para representar al n umero denido por el
42

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

procedimiento anterior. on entre la longitud de una circunferencia Lo mismo puede decirse del famoso n umero que expresa la raz y su di ametro. Los griegos sab an que la circunferencia era inconmensurable con su di ametro. Hoy en d a se sabe que se corresponde con un n umero irracional, cuya representaci on decimal comienza:

= 3.141592653589793 . . .. . .
Hay calculadas m as de un mill on de cifras de , lo cual es m as que suciente para cualquier prop osito pr actico, pero nunca se lograr a conocer sus innitas cifras. De manera que est a denido por desigualdades de la forma 3.141592653589793 < < 3.141592653589794 junto con la posibilidad de aumentar la precisi on tanto como se desee. En conclusi on, este es el mecanismo que se emplea para denir todos y cada uno de los n umeros reales.
NUMERO REAL

Cualquier par de sucesiones de n umeros racionales


r1 r2 r3 rn rn r3 r2 r1 r llega a hacerse arbitrariamente peque tales que la diferencia rn na, denen un cierto n umero real. n El conjunto de todos los n umeros que pueden denirse de esta manera se denomina conjunto de los n umeros reales y se suele designar por R I.

Hay que advertir que distintas sucesiones de aproximaciones pueden denir el mismo n umero. Por ejemplo, no cabe duda de que el esquema 1.41418 1.414208 1.4142128 1.41421348 <d< <d< <d< <d< . . . 1.4144 1.41423 1.414215 1.4142137

43

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

11

7 5

2.3

20

0 Figura 1.9: Representaci on gr aca de los n umeros reales.

an con vuelve a denir el mismo n umero irracional 2, ya que al nal todas las cifras decimales coincidir las del esquema original. Obviamente el procedimiento ser a en ocasiones in util. Por ejemplo, las sucesiones: 1.399 < 1.3999 < 1.39999 < < 1.40001 < 1.4001 < 1.401 no denen otra cosa que el n umero racional 1.4. Pero esto muestra que los n umeros racionales forman parte de R I , por su misma denici on. Una vez denidos los n umeros reales, es util visualizarlos gr acamente. Consid erese para ello una longitud arbitraria, como cualquiera de las que aparece en la gura 1.9 Es claro que puede medirse con el grado de aproximaci on que se desee, tanto por defecto como por exceso, lo cual genera dos sucesiones de racionales, cada vez con una cifra decimal m as, que dan su medida con errores inferiores a una d ecima, una cent esima, una mil esima,. . . , una millon esima, etc. Estas aproximaciones sucesivas determinar an un cierto n umero real, que expresa con exactitud dicha longitud. Se concluye entonces:
RECTA REAL

Sobre una recta, en la que se ha se nalado un origen (O) y una unidad de medida, a cada punto P le corresponde un n umero real, racional o irracional, que mide la longitud del segmento OP con la unidad de medida prejada. Dicho m as llanamente, los n umeros irracionales llenan todos los huecos de la recta que se hab an detectado al considerar s olo n umeros racionales.
44

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

umeros reales 1.4.2 Operaciones con n


Puesto que todo n umero irracional se maneja a trav es de aproximaciones racionales basta operar con ellas para obtener las aproximaciones que denen el resultado. Por ejemplo, para sumar 2 y : 1.41 + 3.14 = 4.55 < 2 + < 4.57 = 1.42 + 3.15 1.414 + 3.141 = 4.555 < 2 + < 4.557 = 1.415 + 3.142 1.4142 + 3.1415 = 4.5557 < 2 + < 4.5559 = 1.4143 + 3.1416 1.41421 + 3.14159 = 4.55580 < 2 + < 4.55582 = 1.41422 + 3.14160 . . . Para multiplicarlos, 1.41 3.14 = 4.4274 1.414 3.141 = 4.441374 1.4142 3.1415 = 4.4427093 1.41421 3.14159 = 4.4428679939 < 2 < 2 < 2 < 2 . . . < 4.4730 = 1.42 3.15 < 4.44593 = 1.415 3.142 < 4.44316488 = 1.4143 3.1416 < 4.442913552 = 1.41422 3.1416

Naturalmente, si en lugar de la denici on te orica del resultado lo que se desea es un valor util a efectos pr acticos, todo se reduce a tomar una aproximaci on sucientemente precisa de cada irracional y operar con ellas. La resta y la divisi on se realizan de modo similar. Asimismo se conservan todas las propiedades de las operaciones de n umeros enteros y fraccionarios que se han estudiado en cap tulos anteriores. En concreto, se cumplen las propiedades commutativa, asociativa y distributiva y siguen siendo v alidas las reglas de los signos de la multiplicaci on y la divisi on.

45

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

on de los n umeros reales 1.4.3 Ordenaci


De manera autom atica, la construcci on realizada de los n umeros irracionales extiende la ordenaci on ya existente entre los racionales al conjunto de todos los reales: si un n umero irracional x est a denido por el esquema de aproximaciones racionales
r1 r2 r3 rn rn r3 r2 r1

debe ser Ello sit ua a x entre los n umeros racionales y, por consiguiente, ordena completamente a los n umeros reales.
ORDEN DE LOS NUMEROS REALES

r1 r2 r3 rn x rn r3 r2 r1 .

El conjunto de los n umeros reales es un conjunto completamente ordenado; se cumple por tanto que dados dos n umeros reales distintos, x e y, siempre se verica que x < y o bien x > y. Dicha ordenaci on estaba ya reejada en la representaci on gr aca de los n umeros reales sobre la recta y en la pr actica, para comparar dos n umeros, basta comparar una aproximaci on racional sucientemente precisa de cada uno. Pese a lo sencillo de esta idea, es interesante explicitar las reglas para el manejo de desigualdades, cuando se combinan con las operaciones aritm eticas.

PROPIEDADES DEL ORDEN DE R I

Sean a, b, c y d n umeros reales. Se cumple: a + c < b + c, 1) Si a < b entonces a c < b c. 2) Si 3) Si 4) Si a < b y c < d entonces a < b y c > 0 entonces a < b y c < 0 entonces a + c < b + d, a d < b c. ac < bc. ac > bc.

46

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

EJEMPLO 1.43

Se verican las desigualdades siguientes:

a) Como 3 < 5, se deduce 3 + 2 < 5 + 2. b) Como c) Como d) Como 2 2 2 2 < se tiene 2 < 2. 7 5 7 5 1 1 1 1 < y 2 < 3, se deduce + 2 < + 3. 3 2 3 2 1 1 2 3 1 3 1 2 < y < , se deduce < . 3 2 5 4 3 4 2 5

e) Como > 0, de < 5 se deduce 2 < 5 . 15 15 , se deduce 2 < 2 3.1 4 4 g) Como 2 < 3, se deduce 2 5 < 3 5. f) Como 3.1 < h) Como 5<

7 y 2 < 0, se deduce 2 5 > 2 7.

1.4.4 Potencias
Dentro del conjunto de los n u meros reales tiene ya sentido hablar de 2, o sea, el n umero cuyo cuadrado 3 es 2, o del n umero 5, es decir, aqu el que elevado al cubo es igual a 5. Antes de estudiar la cuesti on sistem aticamente conviene repasar las reglas del c alculo con potencias. Aunque en la secci on anterior ya hemos utilizado algunos casos de potencias, comenzamos deniendo el concepto de potencia en general.
47

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

POTENCIA CON EXPONENTE NATURAL

Si a es un n umero real y n es un n umero natural no nulo, el producto a aa (n veces) esima de a o potencia de base a y exponente n o, se representa por an y se denomina potencia n- 0 simplemente, a elevado a n. Si n = 0, se interpreta a = 1.
EJEMPLO 1.44

Algunos ejemplos de potencias son los siguientes:

a) 34 = 3 3 3 3. b) (5.2)3 = 5.2 5.2 5.2. c) 2 3


5

2 2 2 2 2 . 3 3 3 3 3

d) 2 = .

De la denici on de potencia n- esima se deducen inmediatamente las siguientes propiedades:


PROPIEDADES DE LAS POTENCIAS

Si a es un n umero real y n y m son n umeros naturales, se cumple: 1) an am = an+m. 2) an bn = (a b)n . 3) (an )m = anm .
EJEMPLO 1.45

Los ejemplos siguientes ilustran las propiedades anteriores:

a) 72 73 = (7 7)(7 7 7) = 75 . 48

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

b) 43 3 = (4 4 4)( ) = (4 )(4 )(4 ) = (4 )3 . c) 52


3

= (5 5)(5 5)(5 5) = 56 .

La aplicaci on repetida de las propiedades de las potencias permite simplicar expresiones complejas, como se ve en el siguiente caso:
EJEMPLO 1.46

23 34 4

= 23 34 22

= 25 34

= 25

34

= 210 38 .

En la denici on de potencia se ha exigido que el exponente sea un n umero natural. El prop osito es ahora extender la denici on de potencia a un exponente entero, contemplando la posibilidad de que el exponente 36 on de potencia y pueda ser tambi en un n umero negativo. Consideremos la divisi on 2 . Al aplicar la denici 3 la simplicaci on de fracciones, resulta: 36 3 3 3 3 3 3 = = 3 3 3 3 = 34 = 3(62) . 2 3 33 Esto indica que para dividir potencias con la misma base basta con restar los exponentes: an = anm . am Pero si n < m, el exponente ser a un n umero negativo, que es una potencia cuyo signicado todav a no 2 3 conocemos. Ahora bien, para la divisi on 6 , la misma manera de proceder da 3 32 1 1 33 = = = . 36 3 3 3 3 3 3 3 3 3 3 34 Y una notaci on coherente con la situaci on anterior lleva a denotar esta ultima fracci on como: 1 = 3(26) = 34. 4 3
49

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

Esto conduce a la siguiente denici on de potencia con exponente negativo:


POTENCIA CON EXPONENTE ENTERO

Si a es un n umero real distinto de cero y n es un n umero natural no nulo, se tiene a


n

1 a

1 . an

an Con esta denici on la igualdad m = anm no es m as que una consecuencia de la propiedad 1) de las a potencias ya que: an n 1 = a m = an am = an+(m) = anm . m a a Es sencillo comprobar tambi en que las tres propiedades de las potencias siguen siendo v alidas para exponentes enteros.
EJEMPLO 1.47

Los siguientes ejemplos ilustran las propiedades de las potencias con exponentes enteros. 23 1 = = 21 . 24 2 1 3
3

a) 23 24 =

b) 23 33 = 23 c) 42 d)
1

2 3

1 = 42 . 42 1 112
3

3 112

1 116

= 116 .

e)

a3

(a5 )

.= 3

a6 = a15 a6 = a9 . a15

50

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

ces 1.4.5 Ra
Pasemos ahora al estudio de las ra ces que, en realidad, no es muy diferente de lo anterior.
RA IZ

Dado un n umero natural n no nulo y un n umero real positivo a, siempre existe un n umero real positivo b tal que bn = a. Se dice que b es la ra z n- esima de a y se escribe b = n a o mejor

b = an .

1 Las notaciones n a y a n son equivalentes. Salvo en casos muy simples, es aconsejable abandonar la primera notaci on y utilizar s olo la segunda porque se presta a un manejo m as sencillo. En los casos m as usuales, con n=2 o n = 3 se habla de ra z cuadrada, que se representa simplemente por b, y c ubica respectivamente. Las dem as son ra ces cuartas, quintas, sextas, etc. Podemos preguntarnos si, efectivamente, dado un n umero real positivo a y un n umero natural n no nulo es siempre posible encontrar un n umero real b tal que su potencia n- esima sea igual a a. La respuesta es s y puede comprobarse acudiendo a la denici on de n umero real, es decir, construyendo el n umero buscado mediante un par de sucesiones de n umeros racionales que lo aproximen. Veamos mediante un ejemplo de qu e manera habr a que proceder. Supongamos que deseamos buscar un n umero real x tal que 3 3 umeros racionales que x = 5, es decir, x = 5. Para encontrarlo debemos considerar dos sucesiones de n lo aproximen. Comenzando por tanteo y buscando unas cuantas aproximaciones encontrar amos sucesiones 3 como las reejadas en la Tabla 1.3. Concluimos entonces que es posible encontrar el n umero 5. Esta idea es v alida para una ra z cualquiera por lo que la denici on de ra z que hemos empleado es correcta.
3 7 es un n umero real positivo que cumple 3 7 = 7. Cuando no sea necesario trabajar con valores num ericos la especicaci on anterior es suciente. Si se desea su valor aproximado, lo mejor es disponer de una calculadora de bolsillo, lo sucientemente completa para que permita calcularlo. En otro caso, no queda m as soluci on que tantear aproximaciones.
EJEMPLO 1.48

51

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

n 1 2 3 4 5 . . .

Sucesiones que denen x rn rn 1.7 1.709 1.7099 1.70997 1.709975 < < < < < x x x x d . . . 3 5 < < < < < 1.8 1.710 1.7100 1.70998 1.709976 4.913 4.991443829 4.999333821299 4.999947835616973 4.999991 . . . = = = = =

Comprobaci on 1.73 (1.709)3 (1.7099)3 (1.70997)3 (1.709976)3 < < < < < x3 x3 x3 x3 x3 . . . 5 Tabla 1.3: Denici on del n umero 3 5. < < < < < 1.83 (1.710)3 (1.7100)3 (1.70998)3 (1.709975)3 = = = = = 5.832 5.000211 5.000210000000 5.000035556051992 5.0000004. . .

La notaci on propuesta conduce de forma natural a la denici on de potencia con exponente igual a un n umero fraccionario:
POTENCIA CON EXPONENTE FRACCIONARIO

Si a es un n umero real positivo y m, n son n umeros naturales se tiene a n = an


m
m 1

= ( am ) n .

La coincidencia de las expresiones a n


1

y (am ) n se comprender a f acilmente con un ejemplo.

EJEMPLO 1.49 x4 = 23 . Ahora

El n umero x = 23 4 es, por denici on, aquel que elevado a la cuarta potencia es igual a 23 , es decir, tal que bien, por la propiedad 3) de las potencias
3 4 4 3

1 4

1 4

52

UNIDAD DIDACTICA 1 Cantidad

N umeros reales

Pero, habida cuenta que 2 4

= 2 resulta
24
1

4 3

= 23

Luego efectivamente 2 4

= 23 4 .

Veamos algunos ejemplos adicionales de la denici on de potencia con exponente fraccionario, observando que la utilizaci on de fracciones equivalentes conduce a expresiones m as simples.
EJEMPLO 1.50

a) 38 b) 23
1

1 12

= 3 12 = 3 3 . = 2 3 = 23 . = 3 2 = 32 . = 5 6 = 5 2 .
3 1 4 9

c) 34 d) 56
1

1 2

No es necesario reformular nuevas propiedades de las potencias; basta interpretar que n y m pueden ser n umeros racionales, para que se sigan vericando las ya conocidas para exponentes naturales y enteros.

53

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

1.5

Ecuaciones
on 1.5.1 La idea de ecuaci

Muchos problemas que se plantean en la vida real consisten en hallar el n umero, o los n umeros, que cumplen ciertas condiciones. Las Matem aticas nos ofrecen un arma muy util para enfrentarnos con este tipo de situaciones: las ecuaciones. El pilar en que descansa esta poderosa herramienta pr actica ya se ha encontrado anteriormente al estudiar los c alculos con expresiones literales, esto es, los c alculos donde algunas letras sustituyen a n umeros desconocidos. La mejor manera de comprender qu e es una ecuaci on y qu e tipo de problemas resuelve es do de la vida cotidiana. Supongamos que una cuenta a plazo produce Figura 1.10: Las ecuaciones presentar un ejemplo extra es anual. Una cuesti on directa que podemos plantearnos es calcular cu al ser a el representan un cierto equili- un 12 % de inter brio entre los dos miembros inter es que obtenemos si depositamos en dicha cuenta 10000 euros. Esta cuesti on se responde separados por el signo igual. f acilmente con los conocimientos adquiridos en las secciones precedentes: basta recordar que 12 % 12 12 es un n umero fraccionario, que equivale al quebrado , y efectuar la multiplicaci on 10000 = 1200, 100 100 para encontrar que el rendimiento del dep osito ser a de 1200 euros. Pero hay otro tipo de cuestiones que podemos plantearnos sobre dicha cuenta que exigen un razonamiento m as sutil. Por ejemplo, supongamos que deseamos saber cu anto dinero deber a ingresarse para obtener unos intereses anuales de 900 euros. No se sabe qu e cantidad habr a que ingresar. Como tambi en sabemos calcular con letras, podemos recurrir a denominar x a la cantidad desconocida y actuar como en el caso anterior. Si 12 se ingresan x euros, el inter es que producen ser a el 12 % de x, es decir, x = 0.12x As , para que ese 100 inter es sea igual a 900 euros, debe cumplirse que el n umero 0.12x debe ser precisamente el n umero 900, es decir, ha de cumplirse la igualdad 0.12x = 900. Recordando las operaciones con n umeros fraccionarios, 900 , o equivalentemente, encontramos que el unico n umero x que puede cumplir la igualdad anterior es x = 0.12 el n umero x = 7500. Averiguamos as que la cantidad que hay que depositar en la cuenta al 12 %, para
54

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

obtener unos intereses de 900 euros, es justamente 7500 euros. Si se repasa el caso que acabamos de exponer, se encontrar an las siguientes caracter sticas: 1. El problema plantea calcular un n umero, la cantidad de dinero que hay que depositar en una cuenta, a n de que se cumpla cierta condici on: que el inter es percibido sea igual a 900 euros. 2. El m etodo utilizado para enfrentarse con el problema consiste en designar con una letra, en este caso x, al n umero que se quiere calcular y traducir a s mbolos letras, n umeros y signo igual la condici on que estaba expresada con palabras. 3. La traducci on de la condici on tiene cierto car acter de balance. En un platillo se pone el inter es que se percibir a por depositar x euros, 0.12x; en el otro platillo, la cantidad que se quiere recibir, 900 euros. Para que ambos platillos est en en equilibrio, las dos expresiones han de ser iguales: 0.12x = 900. Luego se tendr a x = 7500 euros. La igualdad 0.12x = 900 se denomina ecuaci on y traduce completamente la condici on que resume el problema: hallar un n umero tal que su 12 % sea igual a 900. En una ecuaci on como 0.12x = 900 el n umero x que se quiere hallar se denomina n umero inc ognita, cantidad inc ognita o simplemente inc ognita. Por otra parte, si examinamos la soluci on del caso anterior, encontramos dos pasos bien distintos: 1. Primero se establece la ecuaci on que traduce al lenguaje matem atico las condiciones del problema. En el ejemplo ser a Hallar un n umero tal que su 12 % sea igual a 900 euros = 900 x? 0.12x Esta traducci on de las condiciones literales a s mbolos matem aticos se denomina planteamiento de la ecuaci on. 2. Una vez planteada la ecuaci on, se trata de hallar el valor que debe tener la inc ognita para que se verique la ecuaci on. Esta fase se denomina resoluci on de la ecuaci on.
55

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

ECUACIONES

Se llama ecuaci on a toda igualdad que relacione n umeros con letras que representan cantidades desconocidas denominadas inc ognitas y que se quieren hallar. - Plantear una ecuaci on es traducir las condiciones literales a s mbolos matem aticos. - Resolver una ecuaci on es hallar el valor que deben tener las inc ognitas para que se verique la ecuaci on.
EJEMPLO 1.51 Una herencia de 120 000 euros se reparte entre dos personas, de forma que uno de los herederos recibe 30 000 euros m as que el otro. Queremos saber cu anto recibe cada heredero. El problema consiste en hallar dos n umeros que representan las cantidades de dinero percibidas por cada uno. Para plantear la ecuaci on, designamos por x a la cantidad que recibe el m as favorecido. Por la condici on del reparto, el otro heredero recibir a 30 000 euros menos; simb olicamente: x 30 000. Puesto que toda la herencia se reparte entre ambos, la suma de las cantidades que reciben individualmente ser a igual a 120 000. Esto se traduce en la ecuaci on: x + (x 30 000) = 120 000.

Podemos simplicar la expresi on del lado izquierdo de la igualdad y obtenemos una traducci on equivalente: 2x 30 000 = 120 000. Para resolver la ecuaci on anterior podemos razonar en t erminos de estado de equilibrio: si sumamos a los dos lados de la igualdad una misma cantidad, el balance no cambia; entonces, nada impide sumar a los dos miembros 30 000 euros: 2x 30 000 + 30 000 = 120 000 + 30 000. Si efectuamos las operaciones indicadas resulta una ecuaci on m as simple: 2x = 150 000. Ahora es muy sencillo resolver la ecuaci on, ya que el unico n umero que multiplicado por 2 resulta igual a 150 000 es: x= 150 000 = 75 000. 2 56

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

As pues, el reparto consiste en dar 75 000 euros a uno y 75 000 30 000 = 45 000 euros al otro. Ambas cantidades suman 75 000 + 45 000 = 120 000 euros que es el total de la herencia.

Sobre el planteamiento de ecuaciones no hay reglas jas; es, m as bien, cuesti on de pr actica. En cuanto a la resoluci on de ecuaciones es posible dar algunos m etodos generales seg un el tipo de ecuaci on. Ello exige una labor previa de clasicaci on de las ecuaciones.
DE CLASIFICACION LAS ECUACIONES

Las ecuaciones pueden clasicarse atendiendo a diversos criterios: 1. Seg un el n umero de inc ognitas que aparecen: una, dos, tres, etc. 2. Seg un el mayor exponente al que est an elevadas las inc ognitas. Este n umero se denomina grado de la ecuaci on. Las ecuaciones de grado uno se suelen denominar lineales. Para los grados restantes se suele hablar de ecuaciones de segundo grado, tercer grado, etc. y son todas ellas ecuaciones no lineales. 3. Seg un el n umero de ecuaciones. En ocasiones, un problema conduce a plantear varias ecuaciones que deben ser satisfechas, a la vez, por las soluciones. A estos conjuntos de ecuaciones que deben vericar, simult aneamente, las inc ognitas se denominan sistemas de ecuaciones; as por ejemplo, hay sistemas de dos ecuaciones con dos inc ognitas, de dos ecuaciones con tres inc ognitas, de tres ecuaciones con tres inc ognitas, etc.
EJEMPLO 1.52

a) La ecuaci on x2 4x + 2 = 0 tiene una inc ognita y es de segundo grado, puesto que el mayor exponente de x es 2. b) La ecuaci on x 2y 3 = 0 tiene dos inc ognitas y grado igual a uno, ya que el mayor exponente al que est an elevadas las inc ognitas es 1; por lo tanto, es una ecuaci on lineal. 3 c) La ecuaci on x 2x = y + 1 tiene dos inc ognitas y es de tercer grado, porque la inc ognita x est a elevada a exponente 3; por tanto, es una ecuaci on no lineal. d) Las ecuaciones: 2x 3y = 4 4x + 2y = 3 57

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

forman un sistema de dos ecuaciones con dos inc ognitas. e) Las ecuaciones: x + 3y = 1 4x 2y = 3 3x y = 1

forman un sistema de tres ecuaciones con dos inc ognitas. f) Las ecuaciones:

forman un sistema de tres ecuaciones con tres inc ognitas.

x + 3y z = 1 4x 2y + 2z = 3 3x y 4z = 1

on 1.5.2 Soluciones de una ecuaci


Ecuaciones con una u nica inc ognita

Resolver una ecuaci on es hallar n umeros tales que al reemplazar por ellos las inc ognitas se cumple la igualdad de los dos miembros. Estos n umeros se denominan soluciones de la ecuaci on. De lo anterior se deduce que para comprobar si un n umero es soluci on de una ecuaci on debe reemplazarse la inc ognita por el n umero y, si la expresi on num erica que resulte es cierta, entonces el n umero ser a soluci on de la ecuaci on.
EJEMPLO 1.53

b) El n umero 2 es soluci on de la ecuaci on x2 4 = 0, puesto que se cumple 22 4 = 0. El n umero 2 es otra soluci on de la 2 2 ecuaci on, dado que se verica (2) 4 = 0. Sin embargo, 3 no es soluci on, puesto que 3 4 = 9 4 = 5 = 0. 58

a) El n umero 3 es soluci on de la ecuaci on 2x 5 = 1, ya que si se sustituye x por 3 se cumple la igualdad de los dos miembros 2 3 5 = 1. Por el contrario, el n umero 2 no es soluci on de la ecuaci on, puesto que si se sustituye x por 2 no son iguales los dos miembros 2 2 5 = 1 = 1.

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

c) Cada uno de los n umeros 1, 0 y 2 es una soluci on de la ecuaci on x3 + x2 = 2x, puesto que se cumple: 13 + 12 = 2 = 2 1, 03 + 02 = 0 = 2 0, (2)3 + (2)2 = 4 = 2 (2).

Ecuaciones con m as de una inc ognita

Cuando la ecuaci on tiene m as de una inc ognita, las soluciones no consisten en un n umero sino en varios: tantos como inc ognitas haya. En estos casos, es preciso escribir de manera ordenada los n umeros que componen la soluci on para saber a qu e inc ognita corresponden.
EJEMPLO 1.54

a) La ecuaci on 3x 2y = 5 2x tiene dos inc ognitas x, y. Sus soluciones ser an pares ordenados de n umeros. Por ejemplo, (1, 0). El primer n umero del par es el valor que corresponde a x, y el segundo, el valor que corresponde a y. Para comprobar que (1, 0) es una soluci on, se reemplaza en la ecuaci on x por 1 e y por 0 y se comprueba que ambos miembros son on par ordenado indica que no es igual (1, 0) que (0, 1). En efecto: el par iguales: 3 1 2 0 = 3 = 5 2 1. La expresi (1, 0) es soluci on mientras que (0, 1) no es soluci on, pues, al sustituir x por 0 e y por 1, la ecuaci on no se verica: 3 0 2 1 = 2 = 5 = 5 2 0. A menudo, para evitar confusiones en el orden de los n umeros que componen la soluci on, se escribe de manera expl cita x = 1, y = 0, pero debe entenderse que esta expresi on de dos valores, uno para cada variable, dene una unica soluci on de la ecuaci on. b) El par de n umeros x = 1, y = 2 es una soluci on de la ecuaci on 2x + y2 = 6, puesto que se tiene: 2 1 + (2)2 = 6. De igual manera puede comprobarse que el par x = 3, y = 0, tambi en es soluci on. Mientras que el par x = 2, y = 1, no es soluci on. c) La terna de n umeros x = 1, y = 2, z = 1 es una soluci on de la ecuaci on 3x 2y + z = 0. En efecto: 3 1 2 (2) + (1) = 0.

59

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

Sistemas de ecuaciones

Por lo que a sistemas de ecuaciones se reere, se denomina soluci on de un sistema a un conjunto ordenado de n umeros tantos como inc ognitas tenga el sistema que es soluci on de todas las ecuaciones del sistema.
EJEMPLO 1.55

a) El par de n umeros x = 2, y = 3, es una soluci on del sistema: 2x + y = 1 x + y = 1 porque si se reemplaza x por 2 e y por 3 en el sistema, se verican las dos ecuaciones de este. 2 2 + (3) = 1 2 + (3) = 1 b) La terna de n umeros x = 2, y = 1, z = 1, es una soluci on del sistema: x + y z = 0 = 0 x + 2y x + 2y + z = 3

porque si se reemplaza x por 2, y por 1 y z por 1 en el sistema, se verican todas las ecuaciones de este. 2 + 1 (1) = 0 2 + 2 1 = 0 (2) + 2 1 + (1) = 3

Podemos resumir todo lo anterior en la denici on siguiente:


60

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

DE UNA SOLUCION ECUACION

Se llama soluci on de una ecuaci on a todo conjunto ordenado de n umeros tantos como inc ognitas haya tales que si se sustituye la primera inc ognita por el primer n umero, la segunda por el segundo, etc., el valor del primer miembro de la ecuaci on es igual al del segundo. Se llama soluci on de un sistema de ecuaciones a un conjunto ordenado de n umeros tantos como inc ognitas tenga el sistema que es soluci on de todas las ecuaciones del sistema.

1.5.3 Reglas generales para resolver ecuaciones


Como sabemos, una ecuaci on puede entenderse como una condici on que deben cumplir ciertos n umeros. En el lenguaje ordinario, es posible expresar una misma condici on con t erminos diferentes. Otro tanto ocurre en el lenguaje de ecuaciones; puede haber diferentes ecuaciones que expresen una misma condici on. Por ejemplo, es lo mismo decir que el doble de un n umero es 3 que decir que su cu adruple es 6. La ecuaci on que representa la primera expresi on es 2x = 3, mientras que la ecuaci on que representa la segunda es 4x = 6. Pero parece evidente que no hay nada esencialmente diferente entre una y otra ecuaci on. En ambos casos, el n umero que resuelve la ecuaci on es 3/2, que es el n umero que cumple cualquiera de las dos expresiones literales. De modo an alogo, es lo mismo decir que el doble de un n umero m as uno es cinco que, directamente, decir que el doble de dicho n umero es cuatro. La traducci on, en forma de ecuaciones de estas expresiones es, respectivamente, 2x + 1 = 5 y 2x = 4. Nuevamente, comprobamos que x = 2 resuelve cualquiera de las dos ecuaciones. Esta idea de ecuaciones que comparten las mismas soluciones es clave para resolver ecuaciones.
ECUACIONES EQUIVALENTES

Dos ecuaciones se dicen equivalentes si tienen las mismas soluciones. La resoluci on de ecuaciones consiste, b asicamente, en encontrar otras ecuaciones equivalentes a las dadas que sean m as simples y, por tanto, m as sencillas de resolver. Por ello, tienen particular importancia las reglas
61

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

que vamos a estudiar a continuaci on, ya que permiten obtener ecuaciones equivalentes a la dada. Regla 1: Si se suma o resta a ambos miembros de una ecuaci on un mismo n umero, o una misma expresi on donde intervengan las inc ognitas de la ecuaci on, se obtiene una ecuaci on equivalente.
EJEMPLO 1.56

a) Si a cada miembro de la ecuaci on 2x 3 = 7 se le suma el n umero 3, es decir, 2x 3 + 3 = 7 + 3, se obtiene la ecuaci on 2x = 10 equivalente a la primera. b) Si a cada miembro de la ecuaci on 2x 3 = 7 x se le suma la expresi on 3 + x, es decir, (2x 3) + (3 + x) = (7 x) + (3 + x), se obtiene la ecuaci on 3x = 10 equivalente a la primera.

En particular, si se quiere cambiar de miembro alguno de los t erminos que aparecen en una ecuaci on, basta con sumar el opuesto de dicho t ermino a cada miembro de la ecuaci on. Por ejemplo, en la ecuaci on 2x 3 = 5 3x, para pasar al primer miembro el t ermino 3x del segundo, se suma su opuesto 3x a cada miembro; as resulta la ecuaci on equivalente (2x 3) + 3x = (5 3x) + 3x o bien, la ecuaci o n 5x 3 = 5. Este tipo de transformaciones son frecuentes y se resumen en la siguiente regla: Regla 2: Se puede pasar cualquier t ermino de una ecuaci on de un miembro a otro sin m as que cambiarle el signo.
En la ecuaci on 3x 8 = 2x + 4, el sumando 2x pasa del segundo miembro al primero con signo menos, 3x 8 2x = 4 y la ecuaci on que resulta, x 8 = 4, es equivalente a la primera.
EJEMPLO 1.57

Regla 3: Si se multiplican o dividen los dos miembros de una ecuaci on por un mismo n umero distinto de cero, la ecuaci on que resulta es equivalente a la primera.
EJEMPLO 1.58

a) Si cada miembro de la ecuaci on 4x + 5 = 2 6x se multiplica por 3, se obtiene la ecuaci on 3(4x + 5) = 3(2 6x), o bien la ecuaci on 12x + 15 = 6 18x, que es equivalente a la primera. 62

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

1 1 b) Si cada miembro de la ecuaci on 18x 6 = 12 se divide por 6 se obtiene la ecuaci on (18x 6) = (12), o bien la ecuaci on 6 6 3x 1 = 2, que es equivalente a la primera. c) La exigencia de que el n umero por el que se divida o multiplique cada miembro de la ecuaci on sea distinto de cero es imprescindible. El mal uso de la Regla 3 conduce a demostraciones parad ojicas. Pensemos, por ejemplo, en la ecuaci on a la paradoja 2 = 1. El error est a en que se ha dividido por cero cada 2x = x. Si se divide por x cada miembro, resultar miembro, puesto que si 2x = x, necesariamente x = 0; luego dividir por x equivale a dividir por cero. d) Otro ejemplo de las paradojas a que conduce el mal uso de la Regla 3 es el siguiente: se parte de la igualdad 32 2 2 se resta 3 a cada miembro 3 32 entonces (3 + 3)(3 3) se divide cada miembro por (3 3) 3+3 luego 6 Otra vez el error consiste en dividir por cero.

= = = = =

33 3 3 32 3 (3 3 ) 3 3

ognita 1.5.4 Ecuaciones lineales con una inc


La ecuaci on m as sencilla que puede plantearse es una ecuaci on en la que aparece una unica variable elevada a exponente 1; esta ecuaci on es la ecuaci on lineal, o de primer grado, con una inc ognita. Un ejemplo de este tipo de ecuaciones es la ecuaci on 5x + 4 = 9 2x. La forma de resolver este tipo de ecuaciones es sencilla. La idea consiste en tratar de poner a un lado de la igualdad todos los t erminos que contienen a la inc ognita y al otro lado a los t erminos que no la contienen. Ello se consigue aplicando de forma adecuada las reglas estudiadas anteriormente. En este caso, para lograr que todos los t erminos que tienen x est en en el primer miembro de la ecuaci on y los dem as t erminos en el segundo miembro aplicamos la Regla 2, de forma que pasamos 2x al primer miembro, sumando, y 4 al segundo miembro, restando. As se llega a la ecuaci on equivalente 5x + 2x = 9 4. Ahora podemos operar en cada miembro para obtener una nueva ecuaci on
63

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

equivalente, 7x = 5. La ecuaci on anterior es muy sencilla de resolver. Basta dividir los dos miembros de la 5 ecuaci on por el n umero 7 que est a multiplicando a la inc ognita para obtener x = . 7 La ecuaci on lineal con una inc ognita 7x = 5, equivalente a la de origen, tiene una forma peculiar: a un lado del signo igual est a la inc ognita, en este caso x, multiplicada por un n umero real, en este caso 7; al otro lado del signo igual est a unicamente un n umero real. Esta forma de la ecuaci on lineal con una inc ognita recibe un nombre especial.

FORMA NORMAL DE LA ECUACION LINEAL CON UNA INCOGNITA

Si a y b son dos n umeros reales, una ecuaci on lineal con una inc ognita x de la forma ax = b se dice que est a en la forma normal . El n umero a se denomina coeciente de la inc ognita. El n umero b se denomina t ermino del lado derecho de la ecuaci on.

Como hemos visto, dada una ecuaci on lineal con una inc ognita es sencillo encontrar una ecuaci on equivalente a ella que est e en la forma normal. Esto se consigue pasando todos los t erminos donde aparezca la inc ognita a un miembro y todos los t erminos num ericos a la otra. Luego se divide cada miembro por el coeciente de la inc ognita. Este proceso de aislar una inc ognita en uno de los miembros de la ecuaci on se llama despejar la inc ognita. Entonces, la soluci on de la ecuaci on lineal con una inc ognita en forma normal puede encontrase de manera general en funci on del coeciente a y del t ermino del lado derecho b.
64

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

DE RESOLUCION LA ECUACION LINEAL CON UNA INCOGNITA

Dada la ecuaci on ax = b donde a, b son n umeros reales y x es la inc ognita, se cumple: Si a = 0 la ecuaci on tiene una unica soluci on x= Si a = 0 hay que distinguir dos casos: Si b = 0, la ecuaci on tiene innitas soluciones, ya que cualquier n umero x cumple 0 x = 0. Si b = 0, no hay soluci on, ya que ning un n umero x puede cumplir 0 x = b.
EJEMPLO 1.59

b a

a) Resolver la ecuaci on 5x + 3 = 3x + 3. Para poner la ecuaci on en la forma normal, en primer lugar se pasa 3x al primer miembro y 3 al segundo, obteniendo la ecuaci on 5x 3x = 3 3. Luego se efect uan las operaciones en los dos miembros, a n de simplicar las expresiones, y se obtiene 2x = 0. Por lo tanto, x = 0. b) Resolver la ecuaci on 2 ( 3x 1 ) + 5 = 1 2x + 4 ( 1 + x ) . Aplicando las reglas repetidamente obtenemos la siguiente serie de ecuaciones equivalentes que conducen a una ecuaci on en la forma normal: 2 ( 3x 1 ) + 5 = 1 2x + 4 ( 1 + x ) 6x 2 + 5 = 1 2x + 4 + 4x 6x + 3 = 5 + 2x 6x 2x = 5 3 4x = 2. 2 1 Entonces x = = . 4 2

65

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

1.5.5 Sistemas de ecuaciones lineales


Sistemas de dos ecuaciones lineales con dos inc ognitas

Consideremos el siguiente sistema de de dos ecuaciones lineales con dos inc ognitas: x 4y = 6 y = 2 Este sistema no parece muy dif cil de resolver: en la segunda ecuaci on tenemos y = 2; si se reemplaza este valor en la primera, resulta x 8 = 6; esto es, x = 14. El sistema ha resultado f acil de resolver porque una inc ognita, la y, ya estaba despejada en una de las ecuaciones y ha bastado con sustituir su valor en la otra ecuaci on para convertir a esta en una ecuaci on con una sola inc ognita, la x, que ya sabemos resolver. Este ejemplo nos sugiere el camino para resolver los sistemas de dos ecuaciones lineales con dos inc ognitas. Se trata de conseguir despejar una inc ognita en una de las ecuaciones para poder llevar su valor a la otra ecuaci on, que ser a entonces una ecuaci on con una inc ognita, para la que disponemos de una forma general de soluci on. Veamos c omo podemos llevar adelante esta idea. Consideremos un sistema de dos ecuaciones con dos inc ognitas m as complicado: x 2y = 5 3x y = 10

Si en la primera ecuaci on se pasa el t ermino 2y al segundo miembro, resultar a x = 5 + 2y. Ahora, se reemplaza x en la segunda ecuaci on por su valor equivalente 5 + 2y y resulta el sistema equivalente: x 2y = 5 3(5 + 2y) y = 10 que es equivalente al sistema: x 2y = 5 15 + 6y y = 10

66

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

o bien, al sistema: x 2y = 5 5y = 5

Este ultimo sistema tambi en se resuelve de inmediato; de la segunda ecuaci on se obtiene y = 1 y, al sustituir este valor en la primera, se tiene x + 2 = 5; por lo cual x = 3. As pues, la soluci on es: x = 3, y = 1. Este procedimiento para resolver sistemas de dos ecuaciones lineales con dos inc ognitas se suele denominar m etodo de sustituci on.
METODO DE SUSTITUCION

Para resolver un sistema de dos ecuaciones lineales E1 y E2 con dos inc ognitas x, y se procede del modo siguiente: Paso 1 1.1 Se despeja en la ecuaci on E1 la inc ognita x en funci on de y. 1.2 Se sustituye en E2 el valor despejado de x; resulta una ecuaci on en y que llamamos E2 . 1.3 Se resuelve E2 y se obtiene el valor de y. Paso 2 Se sustituye el valor de y que se ha obtenido en el Paso 1.3 en el valor despejado de x del Paso 1.1.

EJEMPLO 1.60

Resolver el sistema:

Paso 1:

x + y = 4 x y = 3 x = 4 y. 67

1.1 En la primera ecuaci on se despeja x:

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

1.2 Se sustituye este valor en la segunda ecuaci on: 1.3 Se resuelve la ecuaci on en y:

4 y y = 3.

2y = 1, 1 1 y = = . 2 2
7 x = 4y = 4 1 2 = 2.

Paso 2 2.1 Se reemplaza el valor de y en el valor despejado de x:

El m etodo de sustituci on permite resolver cualquier sistema de ecuaciones pero no es siempre el m as simple. En la pr actica, seg un cual sea el problema concreto son preferibles unos m etodos a otros. La habilidad para resolver sistemas de ecuaciones, como tantas otras habilidades, se adquiere con la pr actica de resolver ejercicios.
Sistemas de tres ecuaciones lineales con tres inc ognitas

El m etodo de sustituci on, que se ha empleado con los sistemas de dos ecuaciones con dos inc ognitas, tambi en permite resolver los de tres ecuaciones y tres inc ognitas. Los pasos a seguir son: 1. Despejar una inc ognita, por ejemplo x, en una de las ecuaciones. 2. Sustituir esa expresi on en las restantes ecuaciones; se llegar a a un sistema de dos ecuaciones con dos inc ognitas, que ya se sabe resolver.
EJEMPLO 1.61

Resolver el sistema:

En la primera ecuaci on se despeja x; resulta:

x + y z = 3 x + 2y z = 4 3y + z = 4 x = 3 y + z.

68

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

Ahora, se sustituye esta expresi on en las dos ecuaciones restantes. En este sistema basta sustituir en la segunda ecuaci on, puesto que la tercera no tiene t erminos en x; resulta as , el sistema de dos ecuaciones con dos inc ognitas: 3 y + z + 2y z = 4 3y + z = 4 o bien, si se agrupan los t erminos, resulta el sistema: y = 1 3y + z = 4 En general, se resolver a por sustituci on el sistema que resulte; en este caso de la primera ecuaci on se tiene y = 1; al sustituir este valor en la segunda, se tiene z = 1 y, si se reemplazan estos valores en la expresi on: x = 3 y + z, se tiene x = 3.

Como se anticip o en el apartado anterior, el m etodo de sustituci on no siempre es el procedimiento m as simple para resolver un sistema de ecuaciones. En ocasiones, interesa reemplazar algunas ecuaciones por otras m as sencillas; esto puede hacerse siempre que la ecuaci on que se introduzca sea equivalente a la suprimida. La aplicaci on sistem atica de estas simplicaciones se suele denominar m etodo de eliminaci on, ya que trata de eliminar variables. Por ejemplo, para resolver el sistema: x + y + z = 12 x + y + z = 18 x + 2y z = 4 se pueden sumar las dos primeras ecuaciones; el sistema que resulte ser a equivalente al primero y tendr a una segunda ecuaci on sin t ermino en x. x + y + z = 12 2y + 2z = 30 x + 2y z = 4

69

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

A continuaci on, con la intenci on de eliminar el t ermino en x de la tercera ecuaci on, se resta a la tercera ecuaci on la primera. x + y + z = 12 2y + 2z = 30 y 2z = 8

El resultado de estos dos pasos ha sido eliminar la inc ognita x de las dos ultimas ecuaciones. Este proceso puede repetirse eliminando la segunda inc ognita y de la tercera ecuaci on. Para ello, se multiplica por 2 la tercera ecuaci on; resulta as : x + y + z = 12 2y + 2z = 30 2y 4z = 16

y, luego, se resta a la tercera la segunda; se obtendr a: x + y + z = 12 2y + 2z = 30 6z = 46

23 22 y, por ultimo, De la tercera ecuaci on, se tiene z = ; al sustituir este valor en la segunda, resulta y = 3 3 al sustituir los dos valores anteriores en la primera se obtiene x = 3.
70

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

METODO DE ELIMINACION

Para resolver un sistema de tres ecuaciones lineales, E1, E2 y E3, con tres inc ognitas, x, y, z se procede del modo siguiente: Paso 1 1.1 Se multiplica la ecuaci on E1 por un n umero convenientemente elegido y se suma con la ecuaci on E2 eliminando de esta la inc ognita x; resulta una ecuaci on en y, z que llamamos E2. 1.2 Se multiplica la ecuaci on E1 por un n umero convenientemente elegido y se suma con la ecuaci on E3 eliminando de esta la inc ognita x; resulta una ecuaci on en y, z que llamamos E3 . Las ecuaciones E2 y E3 forman un sistema de dos ecuaciones con dos inc ognitas, y y z. Paso 2 2.1 Se multiplica la ecuaci on E2 por un n umero convenientemente elegido y se suma con la ecuaci on E3 eliminando de esta la inc ognita y; resulta una ecuaci on en z que llamamos E3 . 2.2 Se resuelve la ecuaci on E3, encontrando el valor de la inc ognita z. Paso 3 Se sustituye en la ecuaci on E2 el valor de z encontrado en el Paso 2; resulta una ecuaci on en y, que se resuelve para encontrar el valor de la inc ognita y. Paso 4 Se sustituye en la ecuaci on E1 el valor de z encontrado en el Paso 2 y el valor de y encontrado en el Paso 3; resulta una ecuaci on en x que se resuelve para encontrar el valor de la inc ognita x. Evidentemente, en el procedimiento anterior el nombre de las ecuaciones y variables no es relevante, siendo indiferente cu al sea la ecuaci on E1, E2 o E3 y cu al sea la inc ognita x, y, z, con tal de que, por
71

UNIDAD DIDACTICA 1 Cantidad

Ecuaciones

supuesto, a lo largo del procedimiento no se cambie. Por otra parte, en la pr actica es habitual emplear una combinaci on de los m etodos de eliminaci on y sustituci on.
EJEMPLO 1.62

Paso 1 Para eliminar la x de la segunda ecuaci on se multiplica la primera ecuacion por 1 y se suma a la segunda ecuaci on, lo que equivale a restar la primera ecuaci on de la segunda. Para eliminar 2x de la tercera ecuaci on se multiplica la primera ecuaci on por 2 y se suma con la tercera, lo que equivale a restar de la tercera dos veces la primera. Las dos ecuaciones resultantes forman un sistema de dos ecuaciones con dos inc ognitas, y, z. Paso 2 Ahora hay que eliminar una de las inc ognitas, y o z, en la segunda de las ecuaciones anteriores. Observamos que es m as sencillo eliminar la z, ya que para ello basta multiplicar la primera por 1 y sumar con la segunda, o lo que es lo mismo, hay que restar la primera de la segunda. Se resuelve la anterior ecuaci on en y. Paso 3 El valor y = 1 se sustituye en la primera de las ecuaciones en y y z obtenidas en el Paso 1 y se resuelve la ecuaci on resultante en z. Paso 4 El valor y = 1 y el valor z = 1 se sustituyen en la primera de las ecuaciones del sistema y se resuelve la ecuaci on resultante en x. Concluimos que la soluci on del sistema de ecuaciones es: x = 1, y = 1, z = 1.

Resolver por el m etodo de eliminaci on el siguiente sistema de ecuaciones: x 3y + 2z = 6 x + y z = 1 2x + 3y + z = 0

1 [ x 3y + 2z = 6 ] + [ x + y z = 1 ] 4y 3z = 7 2 [ x 3y + 2z = 6 ] + [ 2x + 3y + z = 0 ] 9y 3z = 12 4y 3z = 7 9y 3z = 12 1 [ + [ 4y 3z = 7 ] 9y 3z = 12 ] 5y = 5 y = 5 = 1 5

4 (1) 3z = 7 3z = 7 + 4 = 3 3 =1 z = 3 x 3 (1) + 2 1 = 6 x = 632 = 1

72

UNIDAD DIDACTICA II

Espacio y Forma

ESQUEMA RESUMEN
2.2.2 Condici on de alineaci on de tres puntos

2.1 Geometr a anal tica


2.1.1 El teorema de Pit agoras 2.1.2 Sistemas de referencia y coordenadas
Distancia entre dos puntos

2.2.3 Posici on relativa de dos rectas


Intersecci on de dos rectas Rectas paralelas Rectas perpendiculares

2.2 Rectas en el plano


2.2.1 Ecuaci on de la recta que pasa por dos puntos

2.3 Figuras geom etricas planas


2.3.1 Pol gonos

UNIDAD DIDACTICA 2 Espacio y Forma

Introducci on

l espacio es el lugar en que habita el ser humano, es el medio en que se encuentran situados todos los objetos del mundo real.

table desarrollo en la cultura griega; culminando con Euclides, cuyos Elementos a un se reeditan y se consideran un hito en la historia de la Matem atica. Bas andose en el trabajo de sus predecesores, el prop osito y el gran logro de Euclides consisti o en deducir a partir de un peque no n umero de postulados o axiomas, tomados como verdades evidentes, gran n umero de teoremas que expresan propiedades de diversas guras geom etricas simples: rectas, angulos, tri angulos, c rculos,. . . ; describen las relaciones que existen entre ellas y analizan las transformaciones a que pueden ser sometidas: traslaciones, simetr as, giros, etc. Durante siglos, y hasta epoca bien reciente, ha sido materia de estudio este tipo de geometr a que puede calicarse de intr nseca, en el sentido de que no tiene apenas relaciones expl citas con otras ramas de las matem aticas y no utiliza en su metodolog a nada ajeno a su propio campo de estudio. La conexi on de la geometr a con otras disciplinas matem aticas, en particular el algebra o, dicho con otras palabras, la introducci on sistem atica de los n umeros en el quehacer geom etrico, fue algo que tuvo que esperar hasta el siglo XVII, cuando Descartes, en un ap endice a su Discurso sobre el m etodo, propuso utilizar un sistema de referencia,
75

El ser racional se interesa por conocer las propiedades y posiciones relativas de los objetos. Asimismo, dado que estos cambian de posici on es necesario disponer de herramientas adecuadas para comprender esta din amica. De todas estas cuestiones se ocupan las matem aticas. Los objetos presentan una caracter stica muy importante: poseen una determinada forma. La experiencia nos ense na que muchas formas presentan ciertas regularidades que, convenientemente identicadas, pueden servir como modelos matem aticos. El espacio y la forma son ambitos matem aticos que poseen un v nculo muy estrecho con la geometr a tradicional. En esta unidad did actica vamos a presentar algunas de las ideas que la geometr a ha aportado para comprender el espacio y la forma, que han signicado notables avances en la historia de la civilizaci on. La Geometr a etimol ogicamente medida de la tierra es sin duda una de las actividades matem aticas m as antiguas, ya que fue iniciada por las civilizaciones egipcia y babil onica, y alcanz o un no-

Euclides de Alejandr a (325-265 AC)

UNIDAD DIDACTICA 2 Espacio y Forma

Introducci on

ahora llamado en su honor cartesiano, para referir a el los puntos, mediante coordenadas num ericas y, a trav es de los puntos, cualquier gura geom etrica. Mediante tal procedimiento, los problemas de geometr a elemental adquieren un tratamiento unicado, que consiste en gran parte en la resoluci on de ecuaciones y no exige el ingenio que es a menudo necesario en la utilizaci on de los m etodos intr nsecos. De esta aut entica revoluci on, con la que Descartes inici o lo que se ha conocido desde entonces como geometr a anal tica, en contraposici on a la intr nseca, se ocupa este cap tulo. La unidad did actica comienza poniendo de Ren e Descartes (1596-1650)

maniesto la mencionada contraposici on geometr a anal ticageometr a intr nseca, mediante la demostraci on del famoso teorema de Pit agoras, en el que se basan diversos conceptos posteriores. El primer objetivo de la unidad did actica es exponer la idea de sistema de referencia que permite expresar cada punto mediante sus coordenadas num ericas. El segundo objetivo es la introducci on de las rectas y las ecuaciones que las representan, as como el estudio de las posiciones relativas que pueden ocupar dos rectas, lo que abre paso a los conceptos de perpendicularidad y paralelismo. Se aborda nalmente el estudio de las guras planas, en particular, los pol gonos.

76

UNIDAD DIDACTICA 2 Espacio y Forma

Geometr a anal tica

2.1

Geometr a anal tica


agoras 2.1.1 El teorema de Pit
Para poner en evidencia el inter es de los c alculos algebraicos en el campo de la Geometr a, puede servir la siguiente demostraci on de uno de los teoremas m as importantes de la Historia: el famoso teorema de Pit agoras.

TEOREMA DE PITAGORAS

El cuadrado construido sobre la hipotenusa de un tri angulo rect angulo tiene area igual a la suma de las areas de los cuadrados construidos sobre los catetos del tri angulo. Es decir h2 = b2 + c2 donde h es la longitud de la hipotenusa y b y c son las longitudes de los catetos.

c h
C

b
A

b
A

h c
B

Pit agoras (s. VI-V AC)

(a) Figura 2.1: El Teorema de Pit agoras y su demostraci on algebraica.

(b)

La gura 2.1 (a) muestra, de manera gr aca, la interpretaci on del teorema de Pit agoras: el area del cuadrado azul, que tiene como lado la hipotenusa del tri angulo ABC, es igual a la suma de las areas de los cuadrados
77

UNIDAD DIDACTICA 2 Espacio y Forma

Geometr a anal tica

verdes que tienen como lado cada uno de los catetos. El teorema de Pit agoras permite calcular la longitud h de la hipotenusa a partir de las longitudes b y c de los catetos: h= b2 + c2

o la longitud de cualquier lado a partir de las de los otros dos. La gura 2.1 (b) muestra el tri angulo rect angulo ABC, el cuadrado construido sobre la hipotenusa y otros tres tri angulos, iguales al original, que rodean dicho cuadrado. Estos elementos componen un cuadrado mayor, que tiene de lado b + c, de modo que su area (v ease la secci on 2.3) es:

(b + c)2 = b2 + 2bc + c2 .
Por otro lado, cada uno de los tri angulos rect angulos tiene area igual a bc/2. Si se resta al area del cuadrado exterior el area de los cuatro tri angulos, se obtiene el area del cuadrado interior, construido sobre la hipotenusa. As pues h2 = ( b + c ) 2 4 bc = b2 + 2bc + c2 2bc = b2 + c2 2

que es el resultado que se trataba de establecer.

2.1.2 Sistemas de referencia y coordenadas


El procedimiento para identicar cada punto del plano mediante datos num ericos consiste en jar un sistema de referencia cartesiano (gura 2.2 (a)).
78

UNIDAD DIDACTICA 2 Espacio y Forma

Geometr a anal tica

SISTEMA DE REFERENCIA CARTESIANO

Un sistema de referencia cartesiano est a compuesto por los tres elementos siguientes: Un punto arbitrario del plano, que se denomina origen, O, y que se designa num ericamente por (0, 0). Dos rectas perpendiculares que se cortan en el origen, O, y se denominan ejes de coordenadas. Dos puntos, uno sobre cada eje, equidistantes ambos del origen, que se utilizan para indicar la unidad de medida sobre los ejes, adem as de se nalar el sentido positivo sobre cada uno de ellos. El primer punto, que se designa por (1, 0), identica el eje de abscisas.

El segundo punto, que se designa por (0, 1), identica el eje de ordenadas.
eje de ordenadas ordenada
3 2

P y (0, 1) O (1, 0)

P ( x, y ) P1

(0, 1) (0, 0) (1, 0) eje de abscisas

1 3 2 1 O 1 P2 2 3 1 2 3

25 7

3 2 1

Q1 1 2 3 P2

3 P1

x abscisa

3 2 1 O 1 Q2 2 3

(a)

(b)

(c)

(d)

Figura 2.2: Sistema de referencia cartesiano.

Sobre ambos ejes, cualquier longitud se expresa sin m as que tomar como unidad de medida el segmento desde el origen hasta el punto se nalado sobre el. Es decir, se pueden marcar sobre los ejes diferentes m ultiplos de la unidad de medida (. . . , -3, -2, -1, 0, 1, 2, 3,. . . ) y la posici on de cada punto, P, sobre uno de los ejes quedar a caracterizada por el n umero (entero, fraccionario o incluso irracional; positivo o negativo) de veces
79

UNIDAD DIDACTICA 2 Espacio y Forma

Geometr a anal tica

que el segmento OP contiene a la unidad de medida. La gura 2.2 (b) muestra dos puntos P1 y P2 , uno sobre cada eje, a distancias 25/7 y 3 del origen. Habitualmente, el eje de abscisas se representa horizontal y el eje de ordenadas vertical; en el primero, el sentido positivo se toma hacia la derecha, mientras que en el eje de ordenadas el sentido positivo es hacia arriba. Es una convenci on, util en la pr actica, pero que en el fondo no signica nada: todo depende de como se coloque el papel, derecho o inclinado, de frente o al trasluz. Una vez que se ha jado un sistema de referencia, ya se puede medir la posici on de cualquier punto, respecto a esta especie de regla bidimensional. Para ello se trazan por el punto P en cuesti on las rectas paralelas a ambos ejes para determinar los puntos de intersecci on con ellos, P y P . Una vez proyectado as el punto P sobre los ejes, las posiciones de las proyecciones P y P quedan identicadas, seg un se ha indicado, por un n umero cada una de ellas, x e y respectivamente. La posici on del punto P en el plano queda entonces caracterizada por el par de n umeros, (x, y), que se denominan sus coordenadas, ver gura 2.2 (c).
COORDENADAS

Las coordenadas de un punto en el plano son las longitudes, positivas o negativas, de los segmentos determinados por sus proyecciones sobre los ejes y el origen. La primera coordenada, que recibe el nombre de abscisa, es la longitud x del segmento OP . La segunda coordenada, denominada ordenada, es la longitud y del segmento OP . Ahora debe resultar claro por qu e se ha representado por (1, 0) al punto que se nala la unidad sobre el eje de abscisas y por (0, 1) al que se nala la unidad sobre el eje de ordenadas. M as en general, el punto del eje de abscisas, situado a distancia x del origen, tiene por coordenadas (x, 0); mientras que el punto del eje de ordenadas, a distancia y del origen, tiene por coordenadas (0, y). En cuanto al punto de coordenadas (x, y) est a, por construcci on, situado en la vertical del punto (x, 0) y en la horizontal del punto (0, y).
Las coordenadas de los puntos P1 y P2 respecto al sistema de referencia de la gura 2.2 (d) son (3, 2) y (2, 1.5) respectivamente. Los puntos de coordenadas 23 an en las posiciones 8 , 1 y 2, 5 , respecto a dicho sistema de referencia, est Q1 y Q2 que se indican en la gura 2.2 (d) .
EJEMPLO 2.1

80

UNIDAD DIDACTICA 2 Espacio y Forma

Geometr a anal tica

La manera de jar la posici on de un punto respecto a un sistema de referencia es de uso corriente en la vida cotidiana. Es frecuente, por ejemplo, que en los mapas gure una cuadr cula numerada que permite expresar la localizaci on de cada accidente geogr aco. Si el mapa es de una regi on relativamente peque na, las rectas de la cuadr cula son paralelas a los bordes del plano y se emplea el m etodo cartesiano para expresar las coordenadas de cada punto. El sistema de referencia est a constituido, en esta caso, por el Ecuador terrestre y el meridiano de Greenwich, y lo que expresa la cuadr cula no son realmente la abscisa y la ordenada del punto, sino las coordenadas geogr acas: longitud y latitud, que usualmente se miden en grados.

El hecho de que los mapas representen, no una supercie plana, sino la supercie esf erica del globo terr aqueo establece algunas diferencias con el m etodo cartesiano, apreciables solamente en mapas de grandes regiones. En tal caso, las l neas de la cuadr cula, representaci on de los meridianos y paralelos terrestres, no son rectas sino que est an ligeramente curvadas. Con todo, la idea es en esencia la misma que en la representaci on cartesiana, y no es f acil ingeniar un procedimiento sustancialmente distinto, para que, por ejemplo, un barco comunique su posici on en alta mar.

Es util observar que el sistema de referencia divide el plano en cuatro cuadrantes, caracterizados por los signos de las coordenadas, tal y como se indica otese tambi en la importancia del orden de las coordenadas, en la gura 2.3. N en el sentido de que (x, y) e (y, x) corresponden a puntos distintos; exactamente sim etricos uno de otro respecto a la diagonal de los cuadrantes primero y tercero. De hecho, la diagonal est a constituida por los puntos del plano que tienen ambas coordenadas iguales y, por otra parte, (x, y) e (y, x) son v ertices opuestos de un cuadrado cuyos otros dos v ertices: (x, x) e (y, y), est an sobre la diagonal (ver gura 2.3). La importancia de la representaci on cartesiana, mediante coordenadas, no se debe s olo a su utilidad pr actica. Como cuesti on de fundamentos, si para la geometr a intr nseca el punto era un concepto primitivo, indenible, que se describ a como lo que no tiene dimensiones, para la geometr a anal tica, un punto se identica con un par ordenado de n umeros. Por supuesto es necesario apelar al concepto geom etrico de sistema de referencia para dotar de interpretaci on a tal denici on; pero basta con ella para desarrollar t ecnicas de c alculo que respondan a las preguntas que puedan hacerse sobre guras geom etricas entendidas como conguraciones de este tipo de puntos.
2o cuadrante 1er cuadrante x < 0, y > 0 x > 0, y > 0

( y, x ) ( y, y ) ( x, x ) ( x, y )

(0, 0)
3er cuadrante 4o cuadrante x < 0, y < 0 x > 0, y < 0

Figura 2.3: Los cuadrantes del plano y la diagonal principal.

81

UNIDAD DIDACTICA 2 Espacio y Forma

Geometr a anal tica

Distancia entre dos puntos

La conguraci on de puntos m as sencilla que puede imaginarse es un una pareja de ellos, que delimita un segmento. No hay muchas cosas que preguntarse acerca de una conguraci on tan P ( x, y ) P simple, pero s hay una de importancia: su longitud o, con otras palabras, la distancia entre sus dos extremos. Q En la gura 2.4 aparecen representados dos puntos P y Q de coordenadas (x, y) y (x , y ) Q ( x , y ) respecto de un sistema de referencia jado. Por la propia denici on de las coordenadas, el Q P segmento P Q tiene longitud |x x|, es decir, el valor absoluto de la diferencia x x, sin (0, 0) tener en cuenta el signo, para obtener en cualquier caso una cantidad positiva; mientras que pues, dadas las coordenadas de dos puntos, se Figura 2.4: Distancia entre el segmento P Q tiene longitud |y y|. As dos puntos. conocen los catetos del tri angulo rect angulo que aparece en la gura y el teorema de Pit agoras permite concluir que la hipotenusa h de dicho tri angulo verica h2 = (x x)2 + (y y)2 . Encontramos entonces la expresi on que nos da la distancia entre dos puntos en funci on de sus coordenadas.
DISTANCIA ENTRE DOS PUNTOS

La distancia entre los puntos (x, y) y (x , y ) es h=

(x x)2 + (y y)2 .

EJEMPLO 2.2

es igual a

La distancia entre los puntos P y Q, de coordenadas (1, 5) y (3, 1) respecto de un mismo sistema de referencia, PQ =

((3) 1)2 + (1 5)2 =

16 + 16 =

32 = 4 2.

82

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

2.2

Rectas en el plano
Al igual que ocurre con el punto, en geometr a intr nseca, el concepto de recta no tiene denici on, sino que constituye otro de sus conceptos iniciales, indenibles. Desde luego se trata de un conjunto de puntos alineados, pero inmediatamente surge la pregunta de que signica que varios puntos est en alineados. . . y la unica respuesta posible, al menos en geometr a intr nseca, es que son aquellos que se encuentren sobre una recta; lo cual cierra el c rculo vicioso y hace la denici on inservible. Intuitivamente, la imagen de una recta es la de un hilo tenso, indenidamente largo e innitamente delgado. En la geometr a anal tica, se dispone del recurso de representar cada punto por sus coordenadas (x, y) respecto a un sistema de referencia jado, y puede denirse una recta como el conjunto de puntos que cumplen cierta relaci on entre ambas coordenadas. La clave est a en elegir cu al debe ser la relaci on de manera que el resultado responda a nuestra idea intuitiva de recta.

RECTA

Una recta es el conjunto de todos los puntos, cuyas coordenadas (x, y) satisfacen una ecuaci on del tipo Ax + By + C = 0 donde A, B y C son n umeros reales que identican la recta.
EJEMPLO 2.3

De acuerdo con la denici on, un punto pertenece a una recta si, al sustituir x por la abscisa del punto e y por su ordenada, se satisface la ecuaci on.
EJEMPLO 2.4

La ecuaci on 2x 3y 3 = 0 es la ecuaci on de una recta.

a) El punto (1, 3) pertenece a la recta 4x y 1 = 0 por ser 4 1 3 1 = 0. b) El punto (2, 3) no pertenece a la recta, ya que 4 2 3 1 = 0.

83

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

recta x =

C A

Antes de interpretar la denici on, conviene distinguir dos casos para evitar ciertas anomal as en los razonamientos (ver gura 2.5): 1. Recta paralela al eje de ordenadas. Si B = 0, la ecuaci on anterior se reduce a

(0, 0)

C A

x=

C A

es decir, el conjunto de puntos de abscisa constante, igual a C A , que representa la recta C paralela al eje de ordenadas, situada a distancia A del origen.
C B recta y = C B

2. Recta paralela al eje de abscisas. Si A = 0, la ecuaci on anterior se reduce a y= C B

(0, 0)

que representa el conjunto de puntos de ordenada constante, igual a C B , es decir, la recta C paralela al eje de abscisas situada a distancia B del origen.
EJEMPLO 2.5

Figura 2.5: Rectas paralelas a los ejes de coordenadas.

a) La ecuaci on 2x 5 = 0 tiene B = 0 y es una recta vertical, es decir, paralela al eje de ordenadas, formada por 5 los puntos de abscisa constante x = . 2 b) La ecuaci on 3y + 1 = 0 tiene A = 0 y es la recta horizontal, es decir, paralela al eje de abscisas, formada por 1 los puntos de ordenada ja y = . 3

Cuando B = 0 la ecuaci on se puede expresar A C y = x B B


84

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

C que representa una recta del plano, no vertical. Si se hace a = A B y b = B , resulta:


ECUACION EXPL ICITA DE LA RECTA

Las coordenadas (x, y) de los puntos de una recta, no paralela al eje de ordenadas, satisfacen la relaci on y = ax + b para alg un par de n umeros reales a y b, que identican la recta.

algunos puntos

Los puntos de una recta que tienen la abscisa o la ordenada igual a un valor dado, se obtienen mediante substituci on en la ecuaci on. Por ejemplo, si se considera la recta denida por y = 1 2x + 4 pueden hallarse los puntos correspondientes a ciertos valores de la abscisa, sin m as que calcular, mediante la ecuaci on, el valor de sus ordenadas. As , para x = 1, el valor de y es y = 1 2 1 + 4 = 4.5, de modo que el punto (1, 4.5) est a sobre la recta. Repetido este c alculo para diversos valores de x se obtienen, por ejemplo, los puntos de la recta que guran en la tabla siguiente: x -12 -9 -6 -4 -3 0 1 5 8 10 11 y -2 -0.5 1 2 2.5 4 4.5 6.5 8 9 9.5

todos los puntos

La representaci on gr aca de los puntos de la tabla, tal y como aparece en la gura 2.6, da una justicaci on intuitiva de que la ecuaci on representa una recta, pues la conguraci on geom etrica obtenida parece responder a la idea intuitiva de puntos alineados. Puede imaginarse que se representan todos los puntos de la recta, sea cual sea la abscisa, con la ordenada calculada a O partir de la expresi on 1 a as la gr aca de la recta que est a representada en la 2 x + 4. Se obtendr parte inferior de la gura 2.6. El resultado es similar cualquiera que sean las constantes a y b, si aca Figura 2.6: Representaci on de bien la recta obtenida depende de los valores que toman estas constantes y su apariencia gr x var a. Es decir, seg un sean a y b, la recta es m as o menos inclinada y corta al eje de ordenadas la recta y = + 4. 2 en un punto m as o menos alejado del origen. M as concretamente:
85

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

PENDIENTE Y ORDENADA EN EL ORIGEN DE UNA RECTA

La constante a se denomina pendiente de la recta e indica su inclinaci on, puesto que expresa lo que crece, o decrece, la ordenada y de los puntos de la recta por cada unidad que aumente la abscisa x. La constante b representa la ordenada en el origen, en el sentido de que la recta de ecuaci on y = ax + b pasa por el punto (0, b) y b es, por tanto, el nivel al cual la recta corta al eje de ordenadas.

( x2 , y2 ) (0, b)
1 y = ax + b O x2 x1 1 y2 y1 = a ( x2 x1 ) > 0 1 O

(0, b) ( x1 , y1 )
x2 x1 y2 y1 = a ( x2 x1 ) < 0

( x1 , y1 )

( x2 , y2 )
1

y = ax + b

Recta con pendiente positiva a > 0.

Recta con pendiente negativa a < 0.

Figura 2.7: Pendiente de una recta.

En la gura 2.7 se representa una recta con pendiente positiva, a la izquierda, y otra con pendiente negativa, a la derecha. Cuanto m as grande sea |a|, m as inclinada es la recta; mientras que valores de a pr oximos a cero, corresponden a rectas casi horizontales. Adem as el signo de a indica si la recta es creciente o decreciente; es decir si y aumenta o disminuye al aumentar x. Observamos que puesto que una recta queda geom etricamente determinada por dos puntos, para trazar la gr aca de una recta de ecuaci on dada, basta determinar el valor de y para un x = 0 arbitrario, y unir (x, y) con (0, b).
Las rectas y = 2x 1 e y = 5x 3 tienen pendientes positivas, a = 2 y a = 5 respectivamente. Ambas son crecientes pero, como la segunda pendiente es superior a la primera, la primera recta est a menos inclinada hacia arriba. En cambio, la recta y = 3x + 2 tiene pendiente negativa y su inclinaci on es hacia abajo.
EJEMPLO 2.6

86

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

on de la recta que pasa por dos puntos 2.2.1 Ecuaci


Dados dos puntos de coordenadas (x1 , y1 ) y (x2 , y2 ), existe una unica recta que pasa por ambos. Podemos preguntarnos cu al ser a la ecuaci on de dicha recta o, dicho en otros t erminos, cu al es la relaci on que liga la ordenada y la abscisa de cualquier otro punto (x, y) alineado con los dos primeros. La respuesta es sencilla: se pretende buscar una ecuaci on de la forma y = ax + b que se verique para los valores (x1 , y1 ) y tambi en para los valores (x2 , y2 ); debe ser pues y2 = ax2 + b y1 = ax1 + b sistema de ecuaciones lineales que permite determinar a y b. Si se restan ambas ecuaciones resulta y2 y1 = y2 y1 a(x2 x1 ), de donde a = y b = y1 ax1. El c alculo anterior supone impl citamente que x1 = x2. Si x2 x1 x1 = x2 la respuesta es todav a m as simple, puesto que la recta en cuesti on es paralela al eje de ordenadas y su ecuaci on es simplemente: x = x1. En denitiva:
DE LA ECUACION RECTA QUE PASA POR DOS PUNTOS

Si los dos puntos tienen abscisas distintas x1 = x2 la ecuaci on de la recta que pasa por los puntos (x1 , y1 ) y (x2 , y2 ) es y2 y1 (x x1 ) + y1 . y= x2 x1 Si los dos puntos tienen abscisas iguales x1 = x2, la ecuaci on es x = x1 .
EJEMPLO 2.7

La ecuaci on de la recta que pasa por los puntos (1, 2) y (3, 1) es y= 1 2 (x 1 ) + 2 31 o bien 3 7 y = x+ 2 2

En cambio, la ecuaci on de la recta que pasa por los puntos (1, 3) y (1, 2) es x = 1. 87

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

on de alineaci on de tres puntos 2.2.2 Condici


Conocida la ecuaci on de la recta determinada por dos puntos, el criterio para saber si tres puntos est an alineados es autom atico; basta comprobar si las coordenadas del tercero verican la ecuaci on de la recta determinada por los dos primeros. Es decir, debe vericarse y3 = y2 y1 (x3 x1 ) + y1 x2 x1

( x3 , y3 ) ( x2 , y2 ) C B ( x1 , y1 ) B C A

lo que, despu es de restar y1 y dividir por x3 x1, equivale a y3 y1 y2 y1 = . x3 x1 x2 x1 y3 y1 y2 y1 = x3 x1 x2 x1

Figura 2.8: Tres puntos alineados.


DE CONDICION DE ALINEACION TRES PUNTOS

Tres puntos (x1 , y1 ), (x2 , y2 ) y (x3 , y3 ) est an alineados si

o bien x1 = x2 = x3 .
EJEMPLO 2.8

Los puntos (1, 1), (2, 4) y (0, 2) est an alineados ya que se cumple 2 1 4 1 = =3. 01 21

La condici on de alineaci on de tres puntos, tales como se representan en la gura 2.8, signica que son proporcionales los catetos: CC BB = AC AB o bien CC AC = . BB AB

88

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

No es dif cil deducir que los ultimos cocientes coinciden tambi en con AC /AB y que se cumple por tanto CC AC AC . = = AB BB AB Thales de Mileto 624-547 AC La proporcionalidad de los lados del tri angulo ACC con los lados del tri angulo ABB es la esencia del teorema de Thales, uno de los resultados m as antiguos de la geometr a griega.

on relativa de dos rectas 2.2.3 Posici


Intersecci on de dos rectas

La intuici on geom etrica indica que dos rectas, no paralelas, se cortan en un punto. Desde el punto de vista anal tico, se pueden determinar las coordenadas x e y del punto de intersecci on, sin m as que caer en la cuenta de que deben vericar la ecuaci on de ambas rectas. Para admitir la posibilidad de que alguna de ellas sea paralela al eje de ordenadas, conviene escribir la ecuaci on en la forma inicial.
DE INTERSECCION DOS RECTAS

El punto de intersecci on de las rectas Ax + By + C = 0 y A x + B y + C = 0

si existe, tiene por coordenadas la soluci on del sistema de ecuaciones Ax + By + C = 0 A x + B y + C = 0 Desde luego, si el sistema no tiene soluci on, es que las rectas son paralelas y distintas. En cambio si el sistema tiene innitas soluciones, ambas rectas coinciden. En ambos casos debe vericarse AB A B = 0 que es la condici on para que dos rectas sean paralelas o coincidentes.
89

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

y = 3x + 5 y = x 2

De esta manera, la resoluci on de los sistemas de ecuaciones lineales con dos inc ognitas adquiere una interpretaci on geom etrica sencilla.
EJEMPLO 2.9

7 ( 2 , 11 2 )

Las rectas y = x 2 e y = 3x + 5 se cortan en el punto cuyas coordenadas son la soluci on del sistema formado por ambas ecuaciones. Si se resta la primera ecuaci on de la segunda, se obtiene 2x + 7 = 0; luego x = 7 2 y, 7 11 11 por consiguiente, y = 2 . As pues el punto de corte es 2 , 2 , (ver gura 2.9).

Figura 2.9: Intersecci on de dos rectas.

Rectas paralelas

Puesto que la pendiente de una recta marca su inclinaci on con respecto a los ejes de coordenadas, dos rectas ser an paralelas si tienen la misma pendiente.
DE CONDICION PARALELISMO (FORMA EXPL ICITA)

Las rectas de ecuaciones y = ax + b y = a x + b son paralelas si a = a . Cuando las ecuaciones de las rectas est an en forma general es sencillo encontrar la condici on de paralelismo. Se ha visto en el apartado anterior que dos rectas de ecuaciones Ax + By + C = 0 y A x + B y + C = 0 son paralelas, o coinciden, si AB A B = 0. Salvo en el caso en que ambas fuesen verticales, ser a B=0 y B = 0, de manera que de la condici on anterior tenemos el siguiente resultado, que nos muestra de nuevo que las pendientes tienen que coincidir.
90

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

DE CONDICION PARALELISMO (FORMA IMPL ICITA)

Las rectas de ecuaciones

Ax + By + C = 0 A x + B y + C = 0 A A = B B o lo que es lo mismo AB A B = 0.

son paralelas si

EJEMPLO 2.10
6 2x +
2x 3

y=

y=

a) Las rectas y = 2x 3 e y = 2x + 6 son paralelas porque tienen la misma pendiente a = 2. b) Las rectas 3y 4x 3 = 0 y 9y 12x + 36 = 0 son paralelas, porque se cumple 3 (12) 9 (4) = 0. 12 Aunque tambi en puede observarse que sus pendientes 4 3 y 9 coinciden.

3=

9y

12 x+

36 =

Figura 2.10: Rectas paralelas.

A partir de lo anterior, es sencillo obtener la ecuaci on de la paralela a una recta dada que pasa por un punto (x0 , y0 ) ya que, adem as de tener pendiente a, la ecuaci on debe satisfacerse para x = x0 e y = y0 . Por otra parte, en el caso de que la recta sea vertical, la paralela por un punto es inmediata.

DE LA ECUACION RECTA PARALELA POR UN PUNTO

3y

4x

La ecuaci on de la paralela a la recta y = ax + b por el punto (x0 , y0 ) es y = a(x x0 ) + y0 . En el caso de una recta vertical x = k, la paralela por (x0 , y0 ) es la vertical x = x0 .
EJEMPLO 2.11

a) La ecuaci on de la paralela a la recta y = 3x 1 por el punto (1, 1) es y = 3(x 1) + 1, es decir, y = 3x 2. 91

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

b) La forma general de la paralela por un punto tambi en es v alida cuando la recta tiene pendiente a = 0, es decir, es paralela al eje de abscisas. Por ejemplo, la paralela a la recta y = 4 por el punto (3, 2) es y = 2. c) La paralela a la recta x = 1, por el punto ( 5, ) es igual a x = 5.

Rectas perpendiculares

(r )

(r )

El concepto de perpendicular a una recta dada es m as delicado, porque hay que saber interpretar lo que signica anal ticamente la perpendicularidad en t erminos de las pendientes. En la gura 2.11 se observa que si una recta (r) es muy inclinada tiene una pendiente a grande la perpendicular (r) tiene una pendiente peque na y de signo contrario. Y al rev es, la perpendicular a una recta (r) de peque na pendiente es una recta (r) de pendiente grande y de signo contrario.
B

Figura 2.11: Una recta r y su perpendicular r .

(r ) (1, a)

h b

D a C

1 a

(1, a )

(r )

Figura 2.12: La recta y = ax y su perpendicular y = a x.

Para deducir con m as precisi on la relaci on que existe entre la pendiente de una recta y la de su perpendicular, se considera, como muestra la gura 2.12, un tri angulo ABC rect angulo en A, de catetos b y c, y
92

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

se traza por A la perpendicular a la hipotenusa, para obtener una altura h del tri angulo, cuya intersecci on D con la hipotenusa determina sobre ella dos segmentos de longitudes a y a . Como resultado de aplicar el teorema de Pit agoras a cada uno de los tres tri angulos rect angulos de la gura, se tiene ABD : ACD : ABC : Entonces: b2 + c2 = (a + a )2 = a2 + a 2 + 2aa = c2 h2 + b2 h2 + 2aa
por

a2 = c2 h2, a 2 = b2 h2 , (a + a )2 = b2 + c2 .

ABC ABD y ACD

por

y por consiguiente al simplicar resulta aa = h2. Consideremos ahora la recta (r ) de pendiente a que pasa por el origen de coordenadas. Su ecuaci on es y = ax y, evidentemente, pasa por el punto (1, a). Sea (r ) la recta perpendicular a (r ) que pasa por el origen. Si denotamos a su pendiente por a , su ecuaci on es de la forma y = a x, y, adem as, pasa por el punto (1, a ). El dibujo de las rectas r y r proporciona una imagen id entica a la anterior, como se ve en la parte derecha de la gura 2.12, salvo que, ahora, h = 1. Luego, seg un hemos visto, debe ser aa = 1, o equivalentemente a = 1 a . En denitiva, la pendiente a de la perpendicular (r ) a (r ) vale: 1 a = . a 1 M as a un, toda perpendicular a (r ) paralela a (r ) tiene pendiente . a Conocida la pendiente de las perpendiculares a una recta dada, para determinar la ecuaci on de aquella de entre ellas que pasa por un punto dado (x0 , y0 ), basta imponer que pase por dicho punto.
93

UNIDAD DIDACTICA 2 Espacio y Forma

Rectas en el plano

DE LA ECUACION RECTA PERPENDICULAR POR UN PUNTO

La ecuaci on de la perpendicular a la recta y = ax + b por el punto (x0 , y0 ) es 1 y = (x x0 ) + y0 . a


La perpendicular a la recta y = 2x 1 por el punto (2, 1) tiene pendiente 1 on es y = 1 2 y su ecuaci 2 ( x 2 ) 1, es decir, 2y + x = 0. Ambas est an representadas en la gura 2.13.
EJEMPLO 2.12

Resta por analizar los casos extremos, es decir, encontrar la perpendicular a rectas paralelas a los ejes de coordenadas:
DE LA ECUACION PERPENDICULAR A LOS EJES

Si a = 0, la recta es paralela al eje de abscisas y su perpendicular por el punto (x0 , y0 ) es la paralela al eje de ordenadas x = x0 . Sim etricamente, la perpendicular a la recta vertical x = k por (x0 , y0 ) es la paralela al eje de abscisas y = y0 .
EJEMPLO 2.13

a) La perpendicular a la recta y = 2 por el punto b) La perpendicular a la recta x = 4 por el punto

2y +

x=

y=

3 2 2,5

es la recta de ecuaci on x = 3 2.

2x

2, es la recta y = .

(2, 1)

Figura 2.13: Rectas perpendiculares. 94

UNIDAD DIDACTICA 2 Espacio y Forma

Figuras geom etricas planas

2.3

Figuras geom etricas planas


gonos 2.3.1 Pol

A partir de las rectas, se pueden formar innidad de guras geom etricas planas: tri angulos, paralelogramos, cuadril ateros y, en general, cualquier gura poligonal, denida por n puntos 5 3 consecutivos unidos por segmentos rectil neos, que no se corten, como la que se representa en la gura 2.14, y que podr a esquematizar una parcela de terreno o la forma de un patr on 1 de costura. Los m etodos descritos para trabajar con rectas y segmentos rectil neos permiten, en 7 6 principio, resolver cualquier cuesti on que pueda interesar sobre tales pol gonos. Sin embargo hay metro y Figura 2.14: Un pol gono de dos cuestiones de especial relevancia, que merecen ser destacadas: los conceptos de per area de un pol gono. siete lados.
2 4
PER IMETRO DE UN POL IGONO

El per metro de un pol gono es la longitud total de su contorno. Se obtiene como suma de las longitudes de cada uno de los segmentos rectil neos que lo componen El area de un pol gono es un concepto que no se basa en ninguna de las ideas introducidas hasta ahora, de forma que conviene considerar primero las guras m as simples.

AREA DE UN RECTANGULO

El area de un rect angulo, con longitud de sus lados a y b, se dene como el producto de los lados; es decir A = a b.

La raz on es que, cuando a y b son enteros, el rect angulo puede dividirse en a b cuadrados de lado 1, , cada uno de los cuales representa la unidad de medida de area, como se aprecia en la gura 2.15. As a cuando la unidad de longitud sea el cm, la unidad de area ser a el cm2; si es el m ser a el m2, etc. Si a y b b no fuesen enteros, podr a variarse la unidad de longitud, y tomar la correspondiente unidad de area; Figura 2.15: El area de modo que el resultado permanece v alido.
de un rect angulo. 95

UNIDAD DIDACTICA 2 Espacio y Forma

Figuras geom etricas planas

EJEMPLO 2.14

Consid erese el rect angulo formado por los puntos A(2, 0), B(2, 5), C (1, 5) y D(1, 0). Para calcular su per metro y su area, calculamos las longitudes de los lados, utilizando la expresi on para la distancia entre dos puntos. AB BC

h b

(2 2)2 + (5 0)2 = 5, (1 2)2 + (5 5)2 = 3.

Per metro = 2 (5 + 3) = 16 unidades de longitud. = 53 = 15 unidades de area = 15 (unidades de longitud)2 . Area

Figura 2.16: El area de un paralelogramo.

Para un paralelogramo cuadril atero con sus lados opuestos paralelos la descomposici on que angulo a nadido a la izquierda es igual al pico de la derecha, permite muestra la gura 2.16, en la que el tri concluir que su area es igual a la de un rect angulo de la misma base y de la misma altura. El area de un paralelogramo es el producto de su base por su altura A = b h.
Consideremos el paralelogramo de la gura 2.17 formado por los puntos A(2, 1), B(2, 3), C (3, 0) y D(1, 4). Para calcular su per metro calculamos la longitud de sus lados, utilizando la expresi on de la distancia entre dos puntos: AB (2 + 2 )2 + (3 + 1 )2 = 4 2, 2 2 BC (3 2) + (0 3) = 10.
EJEMPLO 2.15

AREA DE UN PARALELOGRAMO

B C A E D

Entonces

Per metro

= 2 4 2 + 10 = 2 2 4 + 5

unidades de longitud.

Figura 2.17: C alculo del area Para calcular el area debemos calcular la altura, es decir, el valor del segmento recto que es perpendicular a la base de un paralelogramo. desde un v ertice del lado opuesto. Para ello, calculamos en primer lugar la recta (r ) que pasa por los v ertices A y B, utilizando la expresi on de la recta que pasa por dos puntos:

(r ) y =

3+1 (x + 2) 1 = x + 1. 2+2 96

UNIDAD DIDACTICA 2 Espacio y Forma

Figuras geom etricas planas

El lado opuesto estar a sobre la recta paralela a (r ) que pasa por el punto C (3, 0). Esta recta es la recta:

(s) y = x 3.
Ahora calculamos la perpendicular a (r ) por el punto A(2, 1):

(r ) y = (x + 2) 1 = x 3
6 h ? b

Figura 2.18: El area de un tri angulo.


AREA DE UN TRIANGULO

cuya intersecci on E con la recta (s) se obtiene resolviendo la ecuaci on x 3 = x 3, cuya unica soluci on es x = 0. La ordenada correspondiente es y = 3 y el punto E es el punto (0, 3). La longitud de la altura del paralelogramo ser a la distancia que hay desde el punto A al punto E es decir AE = (2 0)2 + (1 + 3)2 = 2 2. Podemos concluir que: Area = 4 2 2 2 = 16 unidades de area.

Para un tri angulo arbitrario, basta duplicarlo para obtener un paralelogramo, como se ve en la gura 2.18. El area de un tri angulo es la mitad del producto de su base por su altura A= bh . 2

EJEMPLO 2.16

C B D A

Consideremos el tri angulo representado en la gura 2.19 de v ertices A(0, 2), B(3, 1) y C (2, 2). Para calcular su per metro tenemos que calcular las longitudes de los lados: AB (3 0)2 + (1 + 2)2 = 32, AC (2 0)2 + (2 + 2)2 = 2 5, 2 2 BC (2 3) + (2 1) = 26. = 3 2 + 2 5 + 26 unidades de longitud.

Entonces: Figura 2.19: C alculo del area de un tri angulo. Per metro

97

UNIDAD DIDACTICA 2 Espacio y Forma

Figuras geom etricas planas

Para calcular el area debemos calcular la altura, encontrando en primer lugar la recta (r ) que pasa por los v ertices A y B:

(r ) y =
La perpendicular a (r ) por el punto C (2, 2) es:

3 (x 3) + 1 = x 2. 1+2

(r ) y = (x + 2) + 2 = x.
El punto D intersecci on de las rectas (r ) y (r ) tiene como abscisa la soluci on de la ecuaci on x 2 = x, es decir, x = 1 y como 2 2 ordenada y = 1. La distancia de D(1, 1) a C (2, 2) es CD = (1 + 2) + (1 2) = 3 2. Por tanto: Area

1 1 AB CD = 3 2 2 2

3 2 = 9 unidades de area.

En general v ease la gura 2.20 se puede obtener el area de cualquier pol gono sin m as que descomponerlo en tri angulos de manera arbitraria y sumar las areas de los tri angulos formados. Resulta intuitivamente claro que la triangulaci on efectuada no inuye en el resultado y ello permite calcular sin ambig uedad el area de cualquier pol gono.

Figura 2.20: Una triangulaci on de un pol gono.

98

UNIDAD DIDACTICA III

Cambio

ESQUEMA RESUMEN
M aximos y m nimos relativos

3.1 Funciones
3.1.1 Concepto de funci on 3.1.2 Representaci on gr aca de una funci on 3.1.3 Caracter sticas de las funciones
Funciones crecientes y decrecientes

3.2 L mites y continuidad


3.2.1 L mite de una funci on en un punto 3.2.2 Funciones continuas

UNIDAD DIDACTICA 3 Cambio

Introducci on

odo fen omeno natural es una manifestaci on del cambio; el mundo que nos rodea presenta una multiplicidad de relaciones temporales. La evoluci on de los seres vivos, las estaciones del a no, las fases de la luna, las mareas, los ciclos econ omicos, los cambios meteorol ogicos, etc. son una breve muestra de ello.

la Qu mica y se propagar a m as tarde a las Ciencias naturales. Descartes hab a sentado, poco antes, las bases de la Geometr a anal tica que hac a posible la representaci on de una amplia variedad de curvas y la situaci on era propicia para abordar dos problemas matem aticos b asicos: la determinaci on de la tangente a una curva y el c alculo del area encerrada por una curva. Casi simult aneamente Newton y Leibniz sentaron las bases para resolver dichos problemas; a partir de ah , los avances realizados por Jacob y Johann Bernouilli, Taylor, Euler y Lagrange, en el plazo de un siglo, dieron al An alisis matem atico un auge que pocas ramas de Sir Isaac la matem atica hab an conseguiNewton do nunca. Desde entonces no (1643-1727) ha cesado su desarrollo y se ha convertido en la actividad matem atica m as primordial tanto desde el punto de vista te orico como pr actico. Parad ojicamente el concepto de base de la Teor a de funciones el propio concepto de funci on no lleg o a aclararse total101

Algunos de estos procesos de cambio pueden modelarse mediante funciones matem aticas sencillas: funciones lineales, exponenciales, trigonom etricas o log sticas, tanto discretas como continuas. Por ello, es muy importante el estudio de las funciones como herramientas matem aticas para modelar el cambio. Del estudio de las funciones se ocupa el An alisis matem atico que, sin duda, es uno de los cap tulos m as fruct feros e importantes de la matem atica, tanto por los conceptos que desarrolla, como por la ingente cantidad de aplicaciones que dichos conceptos tienen en la pr actica. Conocido tambi en coGottfried mo C alculo innitesimal o Teor a de funcioWilhelm von nes, comenz o a desarrollarse de la mano de Leibniz Newton y Leibniz en el apogeo de la revolu(1646-1716) ci on cient ca que conmov a, a mediados del siglo XVII, los fundamentos de la Astronom a, la F sica y

UNIDAD DIDACTICA 3 Cambio

Introducci on

mente hasta principios del siglo XX y ello tras controversias, en algunos momentos muy vivas, sobre qu e cosas deb an recibir tal nombre y, sobre todo, cu ales deb an quedar excluidas. Al nal la soluci on fue adoptar una denici on muy general que se expondr a en la secci on inicial de este cap tulo. Esta unidad did actica se dedica al estudio de las funciones. Como hemos se nalado, el campo es muy amplio, por lo que debemos limitarnos a exponer muy brevemente algunos de los apartados m as im-

portantes. Comenzaremos por discutir el concepto de funci on; a continuaci on se estudian algunas de las caracter sticas generales de las funciones: intervalos de crecimiento y decrecimiento, m aximos y m nimos relativos y as ntotas. Posteriormente se introducen, de manera intuitiva, las nociones de l mite y continuidad, y se incluyen algunas casos sencillos del c alculo de l mites e identicaci on de las posibles discontinuidades de una funci on.

102

UNIDAD DIDACTICA 3 Cambio

Funciones

3.1

Funciones
on 3.1.1 Concepto de funci

La idea de funci on no naci o en el siglo XVII. Desde la epoca griega se sab a que el area de 2 un c rculo, A(r ) = r , es funci on de la longitud de su radio r. As mismo, las soluciones de 2 la ecuaci on de segundo on del coeciente b de la grado x + bx 1 = 0, se expresan en funci 2 b b + 4 ecuaci on: x = . De este modo ejemplos de funciones hab an estado presentes a lo 2 largo de toda la historia de las matem aticas. Lo que supuso una verdadera revoluci on cient ca fue el descubrimiento de m etodos adecuados para analizar cualquier tipo de funci on, lo cual Figura 3.1: Aparato para repermiti o su uso permanente en todas las ramas de la ciencia. gistrar la temperatura a lo larAs , por ejemplo, un acionado puede consultar un term ometro, en determinados instantes, go del tiempo. para satisfacer su curiosidad acerca de la temperatura ambiente. Pero un meteor ologo profesional debe realizar un registro continuo de las temperaturas para que su informaci on sea mucho m as completa. Contar a, sin duda, con un aparato como el representado en en la gura 3.1, en el que los movimientos de la aguja del term ometro quedan registrados sobre una tira de papel graduado, enrollado en un cilindro que gira uniformemente a medida que pasa el tiempo. Al desplegar el papel, al nal de cada jornada, encontrar a una gr aca que expresa la temperatura en funci on del tiempo. Por supuesto, dicha funci on le permite conocer la temperatura registrada en cada momento: podr a saber si se han producido subidas o bajadas bruscas de la temperatura en determinados instantes; la comparaci on de los diferentes registros diarios, le indicar a si las uctuaciones diarias muestran una cierta periodicidad horaria; tambi en podr a comparar los registros de d as de invierno con los del verano, etc. Condensada en la funci on, dispondr a, en denitiva, de una informaci on exhaustiva acerca del fen omeno meteorol ogico que le preocupa. En F sica, el estudio de la ca da de los cuerpos se inici o con Galileo y fue la base para que Newton descubriese la ley de la gravitaci on universal. La preocupaci on de Galileo era saber la distancia recorrida, en funci on del tiempo, por un objeto que se deja caer en el vac o y, pese a lo rudimentario de sus instrumentos,
103

UNIDAD DIDACTICA 3 Cambio

Funciones

consigui o descubrir que el movimiento de cualquier proyectil, en el vac o, sigue una trayectoria parab olica. M as tarde en torno a 1830 las t ecnicas de experimentaci on hab an mejorado sensiblemente y se on el fen omeno: dise n o un mecanismo, como el esquematizado en la gura 3.2, capaz de analizar con precisi el cuerpo, que cae a lo largo de una gu a, lleva unido un l apiz que traza una marca sobre un papel enrollado en un cilindro que gira uniformemente con el paso del tiempo.
tiempo 0.5s 0.75s

1.25m

2.81m distancia

Figura 3.2: Mecanismo para representar la ca da de un m ovil en funci on del tiempo.

Figura 3.3: Distancia recorrida por un m ovil en funci on del tiempo.

Al desenrollar la hoja de papel, el l apiz ha dejado una marca, en la forma indicada en la gura 3.3, que proporciona la distancia recorrida por el m ovil en funci on del tiempo de ca da que viene medido por la rotaci on uniforme del cilindro. Se observa que al cabo de 0.5 segundos el cuerpo ha ca do 1.25 metros, al cabo de 0.75 segundos la distancia recorrida es de 2.81 metros, y as sucesivamente para cualquier instante anterior a la llegada del m ovil a la base del cilindro. La propia apariencia de la curva sugiere que la expresi on matem atica que proporciona la distancia como funci on del tiempo es: distancia = constante tiempo2 = ct 2
104

UNIDAD DIDACTICA 3 Cambio

Funciones

y tal conjetura se puede conrmar con la comprobaci on de que los puntos de la curva satisfacen efectivamente dicha expresi on, para un cierto valor de la constante c que depende de las unidades de medida del tiempo y la distancia. En concreto, cuando el tiempo se mide en segundos y la distancia en metros, c es aproximadamente igual a 5 m/s2, que es el valor de la atracci on de la gravedad en la supercie de la tierra. El mismo dispositivo sirve para estudiar el movimiento del cuerpo en otras condiciones. Por ejemplo, imaginemos que el m ovil, en vez de caer libremente, est a suspendido de un muelle, A cos t inicialmente separado de su posici on de equilibrio. Al dejarlo en libertad, su posici on oscilar a abajo y arriba, debido a la acci on alternada de su peso y la fuerza recuperadora del muelle. El l apiz dibujar a ahora sobre el papel una curva como la de la gura 3.4, que reeja las oscilaciones del t m ovil a lo largo del tiempo. Los ejemplos anteriores ponen de relieve que lo que se pretende al establecer una dependencia funcional es determinar la forma en que una cierta magnitud se relaciona con otra. Puede ser on y tiempo como en los casos previos o longitud de una barra de metal seg un su Figura 3.4: Gr aca de las os- posici cilaciones de un m ovil sus- temperatura, o intensidad de un campo magn etico seg un la distancia al polo de un im an, o pendido de un muelle, en funconcentraci on de un reactivo qu mico seg un el nivel de iluminaci on, o cuota ntegra del impuesto ci on del tiempo. seg un el nivel de renta, etc. El estudio de innidad de situaciones de este tipo, en las que una magnitud depende de otra, consiste en precisar la forma exacta de dicha dependencia, mediante una funci on matem atica.
IDEA GENERAL DE FUNCION

Relacionar dos magnitudes cualesquiera X e Y mediante una funci on, consiste en disponer de un m etodo que para cada valor x de la primera permita determinar el correspondiente valor y de la segunda. Se considerar a aqu exclusivamente el caso en que ambas magnitudes X e Y puedan ser medidas mediante un n umero real, como ocurre con el tiempo, la longitud, la temperatura, la concentraci on, la renta, etc., dentro de un determinado intervalo de variaci on. Por ejemplo, se admite habitualmente que el tiempo y el espacio var an desde a +, lo cual no es m as que una manera de decir que pueden tomar valores arbitrariamente grandes, tanto positivos como negativos. En cambio, la temperatura no puede descender
105

UNIDAD DIDACTICA 3 Cambio

Funciones

por debajo del cero absoluto, 273C, y su rango de variaci on es pues el intervalo (273, ) medida en dicha unidad. As mismo, la concentraci on puede medirse en porcentaje, que oscilar a l ogicamente entre 0 y 100 o, tambi en, en proporci on, tanto por uno, mediante un n umero entre 0 y 1. Un angulo variar a entre 0 y 360 grados o entre 0 y 2 radianes, seg un las unidades de medida elegidas. Y as sucesivamente. Todas estas ideas sugieren el siguiente concepto:
RANGO DE VARIACION

El rango de variaci on de cualquier magnitud num erica puede ser: Un intervalo cerrado: [a, b], formado por todos los n umeros reales x que verican a x b. Un intervalo abierto: (a, b), formado por todos los n umeros reales x que verican a < x < b. En este caso es posible que sea a = y b = +, lo cual debe entenderse como el siguiente convenio: (, b) son todos los n umeros reales x menores que b. (a, +), son todos los n umeros reales x mayores que a. Un intervalo semiabierto: [a, b), formado por todos los n umeros reales que verican a x < b. Un intervalo semicerrado: (a, b], formado por todos los n umeros reales que verican a < x b. Con estas precisiones acerca del posible recorrido de las magnitudes num ericas, la idea de funci on se puede reformular con m as exactitud.

FUNCION NUMERICA

Si la magnitud X tiene por recorrido un determinado intervalo I de n umeros reales, la magnitud Y es funci on de X supuesto que, a cada n umero x I , se puede asociar un unico valor num erico y de Y . Se dice que y es la imagen de x mediante la funci on. Simb olicamente, para designar una funci on f denida sobre el intervalo I se utiliza la notaci on: f : I IR
106

UNIDAD DIDACTICA 3 Cambio

Funciones

que indica que la funci on f asocia a cada elemento de I un n umero real. El elemento gen erico del intervalo I se denomina variable independiente y suele designarse por x, t , u . . . El valor num erico asociado al elemento x I , mediante la funci on f , se designa por f (x). Conviene recalcar la diferencia que existe entre la funci on f y el n umero f (x), a pesar de que en muchos casos concretos el lenguaje habitual omita tal distinci on: por ejemplo, hablar de la funci on 3x2 + 1 signica la funci on que hace corresponder a cada n umero real x, el n umero real 3x2 + 1.
Matem aticamente, el m etodo habitual para especicar una funci on consta siempre de un intervalo de denici on I y la expresi on que facilita la imagen de cada elemento x I . As ocurre en los siguientes casos:
EJEMPLO 3.1

I = (0, ), I = [0, 1),

I = (2, 3),

f (x) = 4x3 1; f (x) = 2x + 1; f (x) = 1 / (x 1 ).

Hay que poner atenci on en que la expresi on de la funci on dena sin ambig uedad un unico valor asociado a cada x I . As , la denici on
EJEMPLO 3.2

I = [0, 4],

f (x) =

1 3 x2

no es correcta por dos motivos: a) El n umero real 3 x2 s olo es positivo cuando x ( 3, 3); luego f (x) no proporciona ning un valor cuando x [ 3, 4 ]. O bien se modica la expresi on de la funci on en el intervalo [ 3, 4], o bien se cambia el intervalo I , reduci endolo a I = [0, 3). b) Para x ( 3, 3), la expresi on 3 x2 tiene dos valores: las dos ra ces opuestas del n umero 3 x2 ; hay que precisar cual de las dos se que normalmente se adopta el elige para dar el valor de f (x), la positiva o la negativa. Bien es cierto convenio de que 3 x2 designa la ra z positiva (y la ra z negativa se designa por 3 x2 ).

107

UNIDAD DIDACTICA 3 Cambio

Funciones

on gr aca de una funci on 3.1.2 Representaci


Es importante poder visualizar cualquier funci on mediante su representaci on gr aca. La idea consiste en utilizar un sistema de ejes cartesianos, sobre los que se ha elegido una determinada unidad de medida, en general distinta sobre cada eje.
GRAFICA DE UNA FUNCION

La gr aca de una determinada funci on f , denida en un intervalo I , es el conjunto de puntos del plano cuya abscisa es un valor x I y ordenada f (x).

(x, f (x))
f ( x)

Figura 3.5: Representaci on gr aca de una funci on. Figura 3.6: Una calculadora con EJEMPLO 3.3 La gura 3.5 muestra la gr aca de una funci on. prestaciones gr acas. Hoy en d a existen programas de ordenador capaces de trazar la gr aca de cualquier funci on especicada

e, incluso, algunas calculadoras de bolsillo, como la de la gura 3.6, incorporan una peque na pantalla en la que pueden mostrar las gr acas de las funciones que se le indiquen, en la escala que se seleccione. Para hacerlo manualmente hay que proceder como muestra el ejemplo siguiente.
108

UNIDAD DIDACTICA 3 Cambio

Funciones

EJEMPLO 3.4

Consideremos la funci on f (x) = 1 3 x2 en el intervalo I = ( 3, 3)

Convengamos en que siempre proporciona un valor f (x) > 0. Cuando x sea pr o ximo a 3 o a 3 , ser a muy peque n o 3 x2 y, por consiguiente, el inverso f (x) ser a muy grande; en concreto, como 3 1.7320508, se puede calcular f (1.73205) 597.88, de modo que f (x) crece muy r apidamente al acercarse x hacia 3. f (1.732) 75.38, f (1.7320507) 1638.18, . . .

12

4 0.577 3 1 0 0.603
1 2

0.707 1

1 2

Figura 3.7: Representaci on gr aca de la funci on f ( x ) =

1 3 x2

en el intervalo I = ( 3, 3).

Es de se nalar que f (x) = f (x), puesto que en la expresi on de f s olo aparece x2 . Y ello signica etrica respecto que f es sim del eje x = 0: lo mismo sucede cuando x aumenta de 0 a 3 que cuando x disminuye de 0 a 3 . Adem a s, a medida que x 2 2 2 se aleja de 0, x aumenta, 3 x disminuye y 1/ 3 x crece. Es decir, los valores de f (x) son progresivamente m as grandes cuanto m as grande sea x. Consecuentemente, el m nimo valor de f (x) se alcanzar a para x = 0 , en cuyo caso el denominador de la expresi on es lo m as grande posible. Para m as exactitud: f (0) = 1/ 3 0.577. Calcular algunos otros valores concretos de la funci on, como por ejemplo f (1/2) 0.603, f (1) = 1/ 2 0.707, f ( 2) = 1, permite trazar el gr aco de la gura 3.7 en el que se aprecian de un vistazo toda las observaciones realizadas.

109

UNIDAD DIDACTICA 3 Cambio

Funciones

sticas de las funciones 3.1.3 Caracter


Funciones crecientes y decrecientes
FUNCION CRECIENTE

Una funci on f es creciente en un intervalo J si, cuando x aumenta dentro de J , el valor de f (x) aumenta. En s mbolos: f es creciente en J si se verica f (x1 ) f (x2 ) siempre que x1 < x2 y x1 , x2 J .

FUNCION DECRECIENTE

Una funci on f es decreciente en un intervalo J si, cuando x aumenta dentro de J , el valor de f (x) disminuye. En s mbolos: f es decreciente en J si se verica f (x1 ) f (x2 )
f (x2 )

siempre que x1 < x2 y x1 , x2 J .

f (x1 )

x1

. . . . . . .

x2

. . . . . . . . . . .

x1

f (x1 ) . . . . . f (x2 ) . . . . . . . . . . . . . x2

La imagen gen erica de ambos casos se muestra en la gura 3.8.


EJEMPLO 3.5

La funci on f (x) = 1 3 x2 en el intervalo I = ( 3, 3)

intervalo de crecimiento

intervalo de decrecimiento

es creciente en el intervalo [0, 3) y decreciente en el intervalo ( 3, 0], como puede verse en la gura 3.7.

Figura 3.8: Funciones creciente y decreciente. 110

UNIDAD DIDACTICA 3 Cambio

Funciones

M aximos y m nimos relativos

Intuitivamente, un m aximo relativo de una funci on es un punto que separa un intervalo de crecimiento, situado a su izquierda, de un intervalo de decrecimiento, situado a su derecha. An alogamente, un m nimo relativo de una funci on es un punto que separa un intervalo de decrecimiento, situado a su izquierda, de un intervalo de crecimiento, situado a su derecha. Esta manera de considerar los m aximos y los m nimos es util y esencialmente correcta cuando la funci on carece de saltos, como puede verse en la gura 3.9(a). Sin embargo, cuando hay discontinuidades un m aximo relativo puede separar dos intervalos de decrecimiento. En la gura 3.9(b), x1 es un m aximo relativo y x2 un m nimo relativo, a pesar de que delimitan tres intervalos de decrecimiento.

m aximos z =
f (x2 ) f (x1 )

K m nimo
x1 crec. dec. crec. dec. dec. dec. x2 dec.

(a)

(b)

Figura 3.9: M aximos y m nimos relativos e intervalos de crecimiento y decrecimiento.

111

UNIDAD DIDACTICA 3 Cambio

Funciones

Para incluir situaciones de este tipo, la denici on de m aximo relativo adopta la forma precisa siguiente:
MAXIMO RELATIVO

Una funci on f tiene un m aximo relativo en el punto x0 si se pueden encontrar a < x0 y b > x0 de modo que sea f (x) f (x0 ) siempre que x (a, b). La condici on anterior expresa que f (x0 ) domina sobre todos los valores f (x) de su entorno, correspondientes a valores de x situados en alg un intervalo (a, b) que contiene a x0 , como se ve en la gura 3.10.

x0

Figura 3.10: M aximo relativo.

De manera an aloga,
M INIMO RELATIVO

Una funci on f tiene un m nimo relativo en el punto x0 si se pueden encontrar a < x0 y b > x0 de modo que sea f (x) f (x0 ) siempre que x (a, b).
EJEMPLO 3.6

La funci on f (x) =

3 x2 tiene un m nimo relativo en el punto x = 0, como puede verse en la gura 3.7.

112

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

3.2

L mites y continuidad
mite de una funci on en un punto 3.2.1 L
En los ejemplos anteriores ha habido ocasi on de observar el signicado intuitivo del l mite de una funci on f al acercarse su variable hacia un cierto valor. Pero en matem aticas las ideas deben hacerse todo lo precisas y generales que sea posible. Con este n, el concepto gen erico de l mite de una funci on f en un punto x0 del intervalo en que est a denida, puede formularse as :

L IMITE DE UNA EN UN FUNCION PUNTO

La funci on f , denida en el intervalo I , tiene l mite cuando x tiende a x0 I , si al tomar x sucientemente pr oximo a x0, aunque diferente de x0 , puede hacerse el valor de f (x) tan pr oximo a como se desee. Cuando ello es posible se indica l m f (x) = .
xx0

Gr acamente la idea puede expresarse por medio de rect angulos centrados en el punto (x0 , ). Podemos preguntarnos si al contraerse la altura del rect angulo, puede contraerse la base de modo que la gr aca de la funci on permanezca en el interior del rect angulo, atraves andolo desde su lado izquierdo hasta el derecho. Si la respuesta a esta pregunta es armativa, como en la gura 3.11, entonces . ..................... . . l mxx0 = . El valor f (x0 ) que tome la funci on en el punto x0 no afecta al . . . . . . l mite, el cual s olo depende de los valores f (x) en puntos x pr oximos a x0 que no . . . . . coincidan con x0 . . . . . . . Una funci on f carece de l mite, al tender x a x0 , si f (x) se aproxima simult aneax0 mente a varios valores al acercarse x a x0 . El caso m as simple para que as ocurra es el que muestra la gura 3.12, en la que se han se nalado rect angulos, centrados on no atraviesa por mucho que se estreche Figura 3.11: Idea gr aca de l mite de una fun- en (x0 , 1 ) y en (x0 , 2 ), que la funci
ci on. 113

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

su base. En esta situaci on todav a se dice que hay, en el punto x0 , l mites laterales, por la izquierda y por la derecha, con valores respectivos 1 y 2. Pero la situaci on puede ser mucho m as complicada: al aproximarse x a x0 , los valores de f (x) pueden oscilar acerc andose simult aneamente a todos los puntos de un intervalo, sin posibilidad de que exista el l mite de f (x) en x0, como se representa en la gura 3.13.
. . . . . . . . . . . . 2 . . . . . . . . . . . . . 1 . . . . . . . . . . . . x0

-1

x0

Figura 3.12: L mites laterales de una funci on.

Figura 3.13: Ausencia del l mite de una funci on.

En la pr actica, a menudo, el c alculo de l mites plantea dicultades, debido al problema de las indeterminaciones que se muestra en el siguiente ejemplo.
EJEMPLO 3.7

La expresi on f (x) =

x3 1 x2 1 dene el valor de una funci on f para todos los valores de x distintos de 1, puesto que dichos valores anulan el denominador. Puede completarse la denici on de f a nadiendo, de modo arbitrario, f (1) = f (1) = 2. Mas lo interesante es saber que ocurre con los valores de f (x) al aproximarse x a 1 o a 1. Cuando x es pr oximo a 1, el denominador se hace muy peque no mientras que el numerador toma un valor cercano a 2. Ello supone que el cociente f (x) se hace muy grande. De hecho f (1.01) 101, f (1.001) 1001, f (.99) 99, f (.999) 999, . . . 114

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

9 6 3 0 -3 -6 -9 -6

x = 1 y=x

Puede concluirse que f (x) tiene l mites laterales: al crecer x hacia 1 y cuando x disminuye hacia 1. As se aprecia en la representaci on gr aca de la gura 3.14. En cambio, cuando x es 1 se presenta una indeterminaci on, pues la expresi on de f obliga a calcular un cociente de la forma 0/0. Para valores pr oximos a 1 se tiene
f ( 1)

f ( 1 ) = 2

. . .

f (0.99) 1.4925, f (0.999) 1.4993, f (1.01) 1.5075, f (1.001) 1.5007, . . . lo cual da idea de que l mx1 f (x) = 1.5. De hecho, supuesto que x = 1, puede simplicarse f (x) = x3 1 x2 + x + 1 = x2 1 x+1

y, cuando x se acerca a 1, el numerador se aproxima a 3 y el denominador a 2; luego l mx1 f (x) = 3/2. Puede entenderse ahora, por qu e la denici on de l mite obliga a tomar x pr oximo a x0 , pero diferente de x0 . El valor mx1 f (x) = 1.5 a no ser que l mxx0 f (x) no dependa del jado f (1) = 2 no es compatible con el resultado l Figura 3.14: Gr aca de la funvalor f ( x ) . 3 0 x 1 ci on f ( x ) = 2 . x 1

-3

El c alculo de l mites es, con frecuencia, una cuesti on delicada, pero los casos simples se resuelven con comodidad como vemos en los resultados siguientes. Si f (x) = c entonces l mxx0 f (x) = c. Si f (x) = x entonces l mxx0 f (x) = x0. Si f (x) = anxn + an1xn1 + + a1 x + a0 entonces
xx0 n1 l m f (x) = anxn + + a1 x0 + a0 0 + an1 x0

L IMITES ELEMENTALES

Si f (x) =

1 entonces l mx f (x) = 0. x

115

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

ALGEBRA DE L IMITES

l m[ f (x) + g(x)] = l m f (x) + l m g (x ); o bien el l mite de una suma es la suma de los l mites. l m[ f (x) g(x)] = l m f (x) l m g (x ); o sea el l mite de un producto es el producto de los l mites. f (x ) l m f (x) = , supuesto que l m g ( x ) = 0; g (x ) l m g(x) de modo que el l mite de un cociente es el cociente de los l mites, cuando el denominador no es nulo. l m
EJEMPLO 3.8

Como l mxx0 x = x0 , se deduce

xx0

l m xk = xk 0

siempre que sea k > 0 e incluso cuando es k < 0 con la salvedad de que sea, entonces, x0 = 0.
EJEMPLO 3.9

Para un polinomio f (x) = an xn + an1 xn1 + + a1 x + a0 , se concluye


xx0 n1 l m f (x) = an xn + + a1 x0 + a0 0 + an1 x0

es decir l mxx0 f (x) = f (x0 ). En concreto


x1

l m x5 3x2 + 2x = (1)5 3(1)2 + 2(1) = 1 3 2 = 6.

EJEMPLO 3.10

x3 + 4x2 3 l mxx0 x3 + 4x2 3 l m = xx0 x2 + 5 l mxx0 x2 + 5 x3 + 4x2 3 = 0 2 0 x0 + 5 116

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

En particular, si x0 = 2 resulta: x3 + 4x2 3 23 + 4 22 3 5 = = x2 x2 + 5 22 + 5 3 l m

Las reglas anteriores son v alidas siempre que el resultado est e bien determinado, lo que incluye situaciones del tipo: c + = c () = + si c < 0 = 0. En cambio, el resultado queda indeterminado en casos como: = ? 0 = ?, 0 = ?, 0 = ?, . . .

lo cual signica que, si se presenta una tal indeterminaci on, el resultado depende de las peculiaridades de las funciones f y g involucradas en el c alculo.
EJEMPLO 3.11

Calcular l mx

x 5x + 2 + 3 . 7x + 4 2x 1
x

l m

x 5x + 2 + 3 7x + 4 2x 1

= l m

x 5x + 2 + l m 3 x 7x + 4 x 2x 1

Ahora bien en ambas fracciones tanto el numerador como el denominador tienden a , dando lugar a indeterminaciones del tipo /. Para resolverlas, puede dividirse por x los t erminos de la primera fracci on y por x3 los de la segunda, de modo a obtener
5 + x23 1 0 + 0 1 x2 l m + l m = + x 7 + 4 x 2 1 7 20 x x3 1 1 = +0 = . 7 7

117

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

3.2.2 Funciones continuas


El concepto que relaciona el valor de f (x0 ) con el valor del l mxx0 f (x) es la noci on de continuidad de f en x0, que expresa matem aticamente la idea de que la funci on f no tenga en el punto x0 ning un tipo de salto, ni de escisi on.
FUNCION CONTINUA

Una funci on f es continua en el punto x0 si se verica


xx0

l m f (x) = f (x0 ).

Tanto si el l mite no existe, como si no coincide con f (x0 ), la funci on f es discontinua o tiene una discontinuidad en x0 .
EJEMPLO 3.12

La funci on f ( x ) =

x3 1 , estudiada en el ejemplo 3.7, tiene dos discontinuidades: x2 1

En el punto x = 1, existe l mx1 f (x) = 3/2 pero no coincide con f (1) = 2. Tal tipo de discontinuidad se denomina evitable, puesto que puede eliminarse modicando el valor de f (1). En el punto x = 1, no existe l mx1 f (x); en concreto, los l mites laterales valen a la izquierda del punto 1 y a su derecha. No hay, por tanto posibilidad de denir el valor de f (1) de modo que f sea continua en 1.

Los resultados sobre algebra de l mites junto con la denici on de funci on continua conducen al siguiente resultado: Son funciones continuas, en el punto x0 , la suma, el producto y el cociente de funciones continuas en el punto x0 ; salvo quiz as en el caso del cociente, si el denominador se anula en x0 .
EJEMPLO 3.13

La funci on f ( x ) = 5x ( 2 x ) +

1 x2 + 1

es continua en todos los puntos, porque es suma, producto y cociente de funciones

118

UNIDAD DIDACTICA 3 Cambio

L mites y continuidad

continuas y el denominador x2 + 1 no se anula en ning un punto. x+3 es continua en todos los puntos, excepto en x0 = 5, x0 = 2 en los que se anula el (x 5)(x 2) denominador y el numerador vale respectivamente 8 y 5. Exactamente La funci on g ( x ) =
x>5,x5

l m g(x) = +

x<5,x5

l m g(x) =

mientras que

x>2,x2

l m g(x) =

x<2,x2

l m g(x) = +.

119

UNIDAD DIDACTICA IV

Incertidumbre

ESQUEMA RESUMEN
Tablas de frecuencias

4.1 Azar y probabilidad


4.1.1 Azar y necesidad 4.1.2 Certeza y probabilidad

4.4 Descripci on gr aca de una distribuci on de frecuencias


4.4.1 Variables cualitativas
Diagramas de sectores Diagramas de barras Pictogramas

4.2 Modelo matem atico de los fen omenos aleatorios


4.2.1 Modelo matem atico de los sucesos 4.2.2 Operaciones con sucesos 4.2.3 El modelo matem atico de la probabilidad 4.2.4 Asignaci on de probabilidades en un espacio nito 4.2.5 Asignaci on de probabilidad en los modelos uniformes nitos

4.4.2 Variables cuantitativas


Histogramas
Variables discretas Variables continuas

4.5 Descripci on num erica una distribuci on de frecuencias


4.5.1 Medidas de centralizaci on

4.3 Variables de la Estad stica descriptiva


4.3.1 Conceptos b asicos en Estad stica 4.3.2 Variables y observaciones 4.3.3 Clasicaci on de las variables 4.3.4 Distribuci on de frecuencias de una variable
Frecuencias
Frecuencias absolutas Frecuencias relativas Frecuencias acumuladas

Media aritm etica


Propiedades de la media

4.5.2 Medidas de dispersi on


Rango Varianza y desviaci on t pica
Propiedades de la varianza y la desviaci on t pica

Coeciente de variaci on
Propiedades del coeciente de variaci on

UNIDAD DIDACTICA 4 Incertidumbre

Introducci on

a ciencia y la tecnolog a no s olo se ocupan de las certidumbres. En realidad, el conocimiento cient co casi nunca es absoluto; incluso, en ocasiones, puede ser err oneo. Por ello, en buena parte de las armaciones que hacen los cient cos existe siempre un umbral de incertidumbre.

La incertidumbre tambi en est a presente en la vida diaria: predicciones meteorol ogicas poco ables, resultados inciertos en las loter as, previsiones err oneas de los indicadores econ omicos como el ndice de precios al consumo, reacciones dispares de enfermos sometidos a id enticos tratamientos, etc. La idea clave incertidumbre alude a dos temas relacionados: el azar y los datos. Estos dos fen omenos son, respectivamente, el objeto de los estudios matem aticos del C alculo de probabilidades y la Estad stica, las dos disciplinas matem aticas que m as se han desarrollado en el ultimo siglo. Los conceptos y aplicaciones del C alculo de probabilidades y la Estad stica se hallan casi por doquier en nuestra vida cotidiana y sus razonamientos, impl cita o expl citamente, dirigen nuestras decisiones y la manera como interpretamos nuestras observaciones.

Como ha ocurrido otras veces en la historia de las ideas matem aticas, ambas disciplinas nacen sin relaci on aparente entre s . El C alculo de probabilidades surge del inter es por los juegos de azar, mientras que la Estad stica nace como auxiliar de la Ciencia pol tica, con el n de hacer inteligibles los datos demogr acos y econ omicos, y ayudar en la toma de decisiones sobre el gobierno de las naciones. No olvidemos que Estad stica signica Ciencia del Estado. Tambi en, cronol ogicamente, su origen es dispar. Desde la antig uedad, el hombre ha conocido diversos juegos de azar y se ha apasionado por ellos. Tal pasi on se justica por lo incierto de su resultado, ya que no podemos asegurar cu al ser a, aunque las condiciones iniciales sean id enticas. Para justicar este hecho, se cre o un mito, el Azar, al que se hizo responsable de cada resultado, y desarroll o la idea de probabilidad, como antes se hab a desarrollado el concepto de n umero. Los primeras noticias que tenemos de intentos de hacer racional la idea de probabilidad y de establecer unas reglas para calcular probabilidades, se remontan al siglo XVI, en el que Cardano y Galileo consideraron la probabilidad como caracter stica num erica de los resultados posibles. Desde entonces

Girolamo Cardano (15011576)

Galileo Galilei (15641642)

122

UNIDAD DIDACTICA 4 Incertidumbre

Introducci on

las investigaciones sobre este concepto, motivadas bien por razones te oricas o bien pr acticas, no han cesado. En los ultimos cien a nos, hemos descubierto que los fen omenos que podemos considerar como gobernados por el Azar, tambi en denominados aleatorios, no se reducen a los juegos. Hechos tan dispares como el tiempo que tarda una masa de uranio en emitir una part cula o el tiempo que tarda en fallar un componente electr onico de un computador son impredecibles, y s olo pueden ser modelados suponiendo que es la voluntad del Azar la que determina cuando ocurrir an. Resulta as la aparente paradoja de que la manera racional de establecer un modelo de estos fen omenos pasa por considerar que es un mito, el Azar, quien escoge el instante en que ocurre la emisi on de la part cula o el fallo de la componente. Tales modelos se denominan aleatorios o estoc asticos, y la teor a matem atica que los sostiene se denomina C alculo de probabilidades. Lo maravilloso del C alculo de probabilidades es que, aunque el resultado es impredecible, es capaz de hacer armaciones signicativas sobre el fen omeno. Gracias a ello, podemos controlar la energ a que libera la desintegraci on radioactiva o podemos dise nar un circuito de manera que, salvo un caso entre miles, su

duraci on supere un tiempo dado. Por su parte, la Estad stica nace para ayudar a los gobernantes a tomar decisiones acertadas, proporcionando m etodos para describir las riquezas y los medios de que disponen las naciones. Por este motivo, en el siglo XVII se la denomin o aritm etica pol tica, aunque termin o por recibir su nombre, Estad stica, del estado. Desde tiempos remotos se han hecho censos para basar en ellos el cobro de impuestos o las levas de soldados. Jes us naci o en Bel en, porque Mar a y Jos e hab an ido all a censarse, seg un edicto del emperador Augusto. Pero, es a partir del siglo XVIII, cuando los censos se elaboran de maneEl Conde de ra m as cuidadosa y se perAranda lan los primeros m etodos es(1719-1798) tad sticos para extraer informaci on de los datos de los censos de una manera realmente util. En Espa na, los primeros censos se deben al conde de Aranda (1768) y al de Floridablanca (1787). Tambi en los estudios astron omicos impulsan las indagaciones estad sticas. Astr onomos, como Lapla123

UNIDAD DIDACTICA 4 Incertidumbre

Introducci on

ce (17491829) y Gauss (17771855), fueron los primeros en estudiar el problema de los errores de medida. Por anados que estuvieran los instrumentos, diferentes observaciones de la misma magnitud daban lugar a distintas medidas. En sus trabajos, Gauss obtuvo la distribuci on de los errores, que hoy conocemos como distribuci on normal. Otro matem atico y astr onomo belga, Adolphe Quetelet (17961874), aplic o la ley de los errores a datos antropom etricos y sociales, dando origen al concepto de individuo medio. Quetelet es el iniciador de la Biometr a y la Sociometr a. Durante la segunda mitad del siglo XIX, los m etodos estad sticos se aplican a las investigaciones biol ogicas. Como suele suceder, las nuevas aplicaciones conducen a problemas nuevos que de otro modo no se hubieran planteado; adem as, sus soluciones enriquecen a la ciencia auxiliar, en este caso la Estad stica. Entre los que contribuyeron a este progreso hay que citar a Francis Galton (18221911), sobrino de Darwin, que inspiAdolphe rado por sus estudios sobre la herencia inQuetelet trodujo los conceptos de regresi on y correla(1796-1874) ci on, y a Karl Pearson (18571936) que continu o los trabajos de Galton sobre selecci on natural.

Por n, durante el nal del siglo XIX y principios del XX se plantean un nuevo problema que lleva al encuentro de ambas disciplinas, es el problema de la Inferencia estad stica. Si queremos obtener informaci on sobre cierta caracter stica antropom etrica de una poblaci on y medimos el valor de la caracter stica en todos los miembros de la poblaci on, la Estad stica nos ayudar aa sistematizar los datos y a descubrir informaci on util. Pero examinar a todos los miembros de la poblaci on puede ser una tarea muy dura, incluso imposible o indeseable. Se nos plantea la cuesti on de si bastar a hacer dicho examen en una parte de la poblaci on para obtener una informaci on que sea v alida para la totalidad. De manera m as precisa, si de un colectivo de individuos elegimos un grupo, las conclusiones que logremos al analizar estad sticamente los datos del grupo elegido, aportar an informaci on sobre todo el colectivo? Evidentemente, si el grupo es elegido de cualquier manera, la respuesta a la pregunta anterior, claramente, es no. Si escogemos precisamente al grupo de individuos que presentan los mayores valores de la caracter stica, dif cilmente podremos sostener que los datos obtenidos proporcionan un conocimiento sobre la totalidad. As , la pregunta anterior debe reformularse de la manera
124

UNIDAD DIDACTICA 4 Incertidumbre

Introducci on

siguiente hay alg un procedimiento de seleccionar un grupo de individuos de una poblaci on, de manera que si se utiliza, podemos conar en que la informaci on obtenida pueda aplicarse a todo el colectivo? O, expresado de otra forma, es posible seleccionar una parte que se comporte como el todo? A una parte que tenga esta propiedad la denominamos representativa de la totalidad. La respuesta a la pregunta anterior es armativa y, en cierto modo, sorprendente. Para seleccionar un grupo de individuos que sea representativo del total, debemos dejar que sea el Azar quien los elija. Si nosotros intervenimos en la selecci on, lograremos una serie de observaciones a nuestro gusto, pero que no ser an representativas del colectivo. Pero esta respuesta precisa un matiz. Cuando el grupo de individuos sea elegido, por decisi on del Azar o nuestra, el grupo ser a el que sea, tendr a una composici on determinada y, realmente, ser a cosa de mucha suerte que esa composici on coincida con la de todo el colectivo. Que una parte sea representativa es otra propiedad estad stica y s olo tiene sentido si consideramos una serie repetida de selecciones. Quiz a, realmente, deber amos hablar de m etodo de elecci on representativa de una parte m as que de parte representativa, ya que la elecci on mediante el Azar

no asegura que una elecci on concreta lo sea, sino que si aplicamos reiteradas veces ese procedimiento de elecci on, con gran frecuencia lograremos elegir partes, pr acticamente, representativas del total. Entramos as en una nueva clase de armaciones donde, por ejemplo, si bien es incierto que la media calculada en el grupo de individuos seleccionados tenga un valor pr oximo a la media de toda la poblaci on, podemos tener una elevada conanza en que no ser a muy diferente. De esta clase de cuestiones se ocupa la Inferencia estad stica. Durante los primeros a nos del siglo XX, el objeto y los m etodos de la Estad stica se establecen con precisi on y rigor matem atico. Se inician las disciplinas que hoy denominamos dise no de experimentos, an alisis de la varianza o contrasSir Ronald te de hip otesis, que permiten Fisher plantear experimentos y anali(1890-1962) zar los resultados con el n de extraer conclusiones signicativas. Las fuentes de inspiraci on para estos trabajos siguen siendo la investigaciones biol ogicas y agr colas. La personalidad culminante de esta epoca es sir Ronald Fisher
125

UNIDAD DIDACTICA 4 Incertidumbre

Introducci on

(1890-1962), que trabaj o en la estaci on agr cola experimental de Rothamsted. Las necesidades de los experimentos agr colas y gen eticos le impulsaron a crear nuevos conceptos y m etodos estad sticos. Fisher hab a estudiado Astronom a en Cambridge y conoci o un famoso manual de la epoca escrito por Airy sobre Teor a de errores. Al parecer, este es un camino que inevitablemente lleva a la especulaci on estad stica. En los ultimos a nos del siglo XX, los razonamientos y m etodos estad sticos se han aplicado a todas las ciencias, pr acticamente sin excepci on, desde la Medicina a la Ciencia de los computadores, sin olvidar la Filolog a, el Derecho o la F sica te orica. El siglo XX ha sido el siglo de las masas, y su ciencia es la Estad stica. En esta unidad did actica introduciremos las ideas generales de ambas disciplinas y esbozaremos alguna de sus aplicaciones. El orden establecido: primero la Probabilidad, luego la Estad stica, subraya la relaci on fundamental entre ambas disciplinas, donde la Probabilidad es auxiliar de la Estad stica, aunque los conceptos de Estad stica descriptiva que desarrollamos no requieren del conocimiento de los modelos aleatorios. En el apartado 4.1 precisamos los fen omenos que van a ser objeto de nuestra atenci on, los denomi-

nados aleatorios, cuyo resultado es incierto aunque las causas sean aparentemente id enticas. La observaci on de los fen omenos aleatorios nos sugiere la idea de probabilidad, como medio de apreciar y expresar el grado de conanza que tenemos en que un acontecimiento sea el resultado de un fen omeno aleatorio. En el apartado 4.2, hacemos un modelo matem atico de los fen omenos aleatorios. Un modelo matem atico es una idealizaci on en la que una serie de objetos matem aticos juegan el papel de los conceptos observados en la realidad. A esos objetos les supondremos una serie de propiedades y de relaciones que deben ser conformes con las propiedades y relaciones observadas. Las dos componentes de nuestro modelo son los sucesos y la probabilidad. Los sucesos se modelan en forma de subconjuntos de un espacio dado. La probabilidad se modela como una funci on denida sobre los sucesos, que posee determinadas propiedades que consideramos razonables y ajustadas a nuestra idea intuitiva de probabilidad. En este apartado consideramos exclusivamente modelos que, en Matem aticas, se denominan nitos, porque el n umero de posibles consecuencias del fen omeno es nito. El apartado 4.3 el el primero de nuestro estudio de
126

UNIDAD DIDACTICA 4 Incertidumbre

Introducci on

la Estad stica. En el hacemos un resumen de los objetivos de la Estad stica descriptiva y establecemos con precisi on una serie de conceptos fundamentales, variables, observaciones, poblaci on, frecuencias, etc., que ser an de uso corriente en los siguientes apartados. Los apartados 4.4 y 4.5 est an motivados por uno de los objetivos propios de la Estad stica: resumir

la informaci on contenida en grandes cantidades de datos de modo que, incluso a costa de perder cierto detalle o parte de esa informaci on, lograr una descripci on del colectivo que sea util. El apartado 4.4 est a dedicado a las descripciones gr acas, mientras que el apartado 4.5 lo est a a las descripciones num ericas.

127

UNIDAD DIDACTICA 4 Incertidumbre

Azar y probabilidad

4.1

Azar y probabilidad 4.1.1 Azar y necesidad


Las leyes que formulamos a partir de la observaci on de los fen omenos naturales, sociales, psicol ogicos, etc., se pueden clasicar en dos categor as: las gobernadas por la Necesidad y las gobernadas por el Azar. Las primeras determinan con exactitud las consecuencias que observamos cada vez que se repite el fen omeno bajo ciertas condiciones iniciales. Ejemplos de esta clase de leyes son las siguientes: 1. 2. 3. 4. Si Si Si Si nada la soporta, una piedra cae con aceleraci on constante. un l quido se calienta sucientemente, se evapora. se suman los angulos de un tri angulo, el resultado es 180. un n umero entero, n, es divisible por 2, n2 es divisible por 4.

Entre ellos hay casos de necesidad f sica, como los ejemplos 1 y 2, que muestran leyes emp ricas, fruto de nuestra experiencia; otros, son ejemplos de necesidad l ogica, como los ejemplos 3 y 4, producto de nuestro razonamiento. Puesto que a unas condiciones dadas siempre siguen unos resultados determinados, las leyes gobernadas por la necesidad nos llevan, inevitablemente, a la idea de causa y efecto. Dicho de otro modo, en las leyes gobernadas por la necesidad, el efecto est a determinado por las causas que lo producen. Los fen omenos de esta clase de denominan deterministas. La segunda categor a incluye las leyes que rigen los fen omenos en los que la concurrencia de unas circunstancias jas no permite prever cual ser a el efecto observado. Ejemplos de esta clase de fen omenos son los siguientes: 1. Nadie es capaz de predecir el pr oximo n umero gordo del sorteo de Navidad. 2. La demanda de electricidad entre las nueve y las diez de la ma nana no puede predecirse de manera exacta.
128

UNIDAD DIDACTICA 4 Incertidumbre

Azar y probabilidad

3. Si una moneda cae al suelo de una habitaci on, no se puede prever el punto al que ir a a parar. Aunque lancemos varias monedas id enticas, poniendo cuidado en hacerlo de la misma manera, no acabaran todas en el mismo punto. 4. Es imposible predecir con exactitud cu antas ni nas nacer an el proximo a no en Espa na. Aunque conoci eramos el n umero total de nacidos tampoco podr amos preverlo. 5. No es posible hallar una f ormula exacta, capaz de predecir la estatura de una persona a partir de su peso o de otros datos antropom etricos. En ninguno de estos ejemplos tiene sentido hablar de relaci on causaefecto. Causas id enticas producen efectos distintos. Quiz a por ello, hemos inventado un mito que denominamos Azar, al que hacemos responsable de los resultados de estos fen omenos. As , decimos que el resultado del fen omeno es fruto del Azar y que el fen omeno es aleatorio.
FENOMENO ALEATORIO

Hay fen omenos en los que, bajo condiciones jas, pueden ocurrir diversos acontecimientos, A1, A2, . . . , An , pero ninguno de ellos es necesario, de manera que no podemos predecir cual de ellos ocurrir a. Entonces, decimos que el resultado es consecuencia del azar o que se trata de un fen omeno aleatorio. Este comportamiento caprichoso del Azar, que hace in util cualquier intento de determinar qu e resultado ocurrir a en la pr oxima observaci on del fen omeno, explica la fascinaci on que por los juegos de Azar han sentido y siguen sintiendo los hombres. Lo caracter stico de las leyes gobernadas por el Azar es que no determinan los resultados de cada experiencia, sino que son globales y s olo afectan a la frecuencia de los resultados que obtenemos, cuando el fen omeno se ha repetido un gran n umero de veces.
No podemos predecir con exactitud cu antos a nos llegar a a vivir un ni no concreto nacido hoy, pero podemos estimar, con bastante precisi on, el porcentaje de personas entre los que hoy tienen sesenta a nos, que vivir an dentro de cinco a nos. No podemos predecir con exactitud la estatura que tendr a cuando tenga cinco a nos, ese ni no concreto que acaba de nacer, pero podemos estimar bastante bien el porcentaje de ni nos de su generaci on que medir an m as de 115 cm cuando tengan cinco a nos.
EJEMPLO 4.1

129

UNIDAD DIDACTICA 4 Incertidumbre

Azar y probabilidad

4.1.2 Certeza y probabilidad


La noci on de necesidad lleva asociada la noci on de certeza o seguridad. Consideramos seguro que una piedra caer a si le falla el soporte. Los fen omenos determin sticos se caracterizan porque el efecto es una consecuencia segura de las causas que lo producen y, cuando se repiten las mismas causas, es seguro que se producir an los mismos efectos. En esta clase de fen omenos, el efecto est a determinado con seguridad por la causa. Por el contrario, los fen omenos aleatorio est an asociados a la noci on de incertidumbre. Su caracter stica principal es que ante la misma causa, el resultado es incierto. La certeza es un concepto sin matices, como la verdad; algo es seguro o no es seguro como algo es verdadero o es falso. Por el contrario, la incertidumbre se nos presenta llena de grados. Por ejemplo, cu anto medir a este ni no nacido hoy cuando tenga cinco a nos?, 95 cm?, 100 cm?, la respuesta es incierta. Sin embargo, nos parece m as veros mil que mida m as de 90 cm, que mida menos de 60 cm. De nuestra experiencia se desprende una forma de conocimiento que permite medir el grado de verosimilitud de cada acontecimiento incierto. A la medida de ese grado de verosimilitud la denominamos probabilidad. La certidumbre de un acontecimiento se mueve entre la imposibilidad y la seguridad; la probabilidad de que ocurra el acontecimiento es la medida de esa certidumbre. Parece razonable que esa medida var e entre la probabilidad que asignemos a lo imposible y la probabilidad que asignemos a lo seguro. Cu ales sean los l mites de esa escala es algo que depende de nuestra conveniencia. En la vida cotidiana, con frecuencia, empleamos una escala de 0 a 100 y hablamos de las probabilidades de los acontecimientos como porcentajes. Para los c alculos matem aticos una escala entre 0 y 1 es m as adecuada, pues simplica las operaciones con probabilidades. As pues, aceptaremos que la probabilidad de un acontecimiento imposible es igual a 0 y que la probabilidad de un acontecimiento seguro es 1. Entre estos l mites se mover an las probabilidades de los restantes acontecimientos.
PROBABILIDAD

En un fen omeno aleatorio, la probabilidad de un acontecimiento posible es un n umero entre 0 y 1, que expresa la verosimilitud que atribuimos a su aparici on.

130

UNIDAD DIDACTICA 4 Incertidumbre

Azar y probabilidad

Esa atribuci on de probabilidad a un acontecimiento no es completamente arbitraria. Hay una evidencia emp rica que ha contribuido al origen de la idea de probabilidad y que permite ajustar la abstracci on a la realidad. Seguramente, el origen de la idea de probabilidad est a en la observaci on de la frecuencia con que se observa un acontecimiento, resultado de un experimento aleatorio. Esa frecuencia es una cualidad global de cada conjunto de resultados obtenidos. De la observaci on de las frecuencias, surge una abstracci on: el concepto de probabilidad. La probabilidad es el concepto ideal que gobierna el comportamiento del Azar en cada repetici on del fen omeno.
La idea de probabilidad naci o, casi con certeza, de los juegos de azar. Los yacimientos arqueol ogicos revelan que la aci on al juego es tan antigua como el hombre. Si damos un poco de margen a nuestra imaginaci on, podemos conjeturar lo que pudo ser el origen de la idea de probabilidad.
EJEMPLO 4.2

Por un momento, imaginemos, a uno de nuestros remotos antepasados. Ha hecho un dado de marl para jugar. Hace lanzamientos sucesivos y observa los resultados. Le maravilla lo imprevisible de los resultados y se esfuerza por encontrar una explicaci on. Cuando ha adquirido experiencia en el juego, inconscientemente, tiene una idea aproximada de la frecuencia con que se presenta cada resultado. Esta frecuencia es el promedio del n umero de veces que ha aparecido un resultado dividido por el n umero de repeticiones del experimento. Puesto que los experimentos transcurren en el tiempo, podemos decir que su experiencia proviene de promediar la aparici on de cada resultado, en el tiempo. Adem as ha observado que esos promedios son relativamente constantes. La experiencia de esa constancia le induce a pensar en la frecuencia de cada acontecimiento como una propiedad caracter stica del dado y prepara su cerebro para el nacimiento de una idea: la probabilidad, que act ua en cada instante. En su mente surge esta explicaci on: hay un ente mitol ogico, el Azar, que elige, cada vez, el resultado que saldr a. El Azar es imprevisible, pero no es arbitrario, ya que elige de acuerdo a unas caracter sticas del dado: la probabilidad de cada resultado. De hecho, nuestro hombre ha imaginado que en cada nuevo lanzamiento, el Azar se comporta de manera semejante a como lo hace en el largo plazo. Es como si eligiera el pr oximo resultado de un bombo que tuviera bolas marcadas con los resultados de la serie de resultados, pr acticamente ilimitada, que nuestro hombre ha observado anteriormente.

Desde luego, el nacimiento de esta idea se basa en la observaci on de que la frecuencia del acontecimiento es aproximadamente constante. Esta suerte de constancia es lo que denominamos ley emp rica de estabilidad de las frecuencias.
131

UNIDAD DIDACTICA 4 Incertidumbre

Azar y probabilidad

LEY DE ESTABILIDAD DE LAS FRECUENCIAS

En una sucesi on ilimitada de repeticiones de un fen omeno aleatorio, las frecuencias de cada uno de los acontecimientos posibles, despu es de cada nueva repetici on, se estabilizan hacia ciertos valores l mites, que consideramos la probabilidad de cada acontecimiento. Observemos que considerar la probabilidad como la frecuencia te orica, de cuya existencia nos habla la ley de estabilidad de las frecuencias, sirve para explicar el nacimiento de la idea, pero no nos ayuda para encontrar, de antemano, la probabilidad a cada acontecimiento. De hecho, la c omoda exigencia de una serie ilimitada de repeticiones para alcanzar la frecuencia te orica, implica la imposibilidad de conocer la probabilidad por observaci on directa. Aqu , como siempre, las ideas matem aticas se mueven en un mundo perfecto y las aplicaciones en un mundo de aproximaciones. Lo que explica la importancia de la idea de probabilidad en nuestro conocimiento no es una justicaci on los oca, ni la belleza de su teor a matem atica, sino la concordancia entre las previsiones de los modelos te oricos y los datos reales. El punto de partida de cualquier modelo es una asignaci on de probabilidad que tenga presente toda la evidencia de que disponemos en ese momento. Pero ning un modelo es denitivo. Las experiencias posteriores, los nuevos datos, sirven para contrastar el modelo anterior y para reasignar la probabilidad. La teor a matem atica de la probabilidad nos ense na c omo debe hacerse esa reasignaci on, para incorporar la informaci on aportada por los nuevos datos.

Que un ni no nazca hombre o mujer se nos presenta como un experimento aleatorio. Un modelo te orico consiste en suponer que, el momento de la concepci on, el Azar lanza una moneda. Si es cara, nacer a una mujer; si es cruz, nacer a un var on. Para precisar el modelo, necesitamos asignar la probabilidad p de que salga cara al lanzar la moneda. Si nos limitamos a un modelo para los nacimientos en Espa na, dispondremos de una importante evidencia sobre este fen omeno, si consultamos los datos acerca del movimiento natural de la poblaci on que publica el Instituto Nacional de Estad stica. Los ultimos datos publicados corresponden al a no 2003. La tabla siguiente muestra el total de nacimientos en los cinco ultimos a nos publicados, periodo 19992003. En ella, aparece el n umero total de nacidos por a no y su desglose en varones y mujeres.
EJEMPLO 4.3

132

UNIDAD DIDACTICA 4 Incertidumbre

Azar y probabilidad

Nacidos en Espa na, periodo 1999-2003 Nacidos Mujeres Varones Total 2003 213301 226562 439863

2002
201692 214826 416518

2001
197593 208787 406380

2000
192036 205596 397632

1999
184388 195742 380130

Total
989010 1051513 2040523

Fuente: Instituto Nacional de Estad stica

Las tasas anuales de nacidos que son mujeres resultan mucho m as elocuentes que los n umeros absolutos. Si dividimos el n umero de mujeres nacidas por el n umero total de nacimientos en cada a no y en la totalidad del periodo, obtendremos las tasas anuales y total del periodo que se muestran en la tabla siguiente.
Nacimientos de mujeres. Tasas anuales, periodo 1999-2003 2003 Mujeres 0.4849

2002
0.4842

2001
0.4862

2000
0.4829

1999
0.4851

Total 0.4847

A la vista de estas tasas es f acil sentir asombro ante la regularidad de los datos estad sticos. Sin que nadie ordene el sexo de cada nacido; sin que nadie pueda prever si un reci en concebido ser a hombre o mujer, las cifras presentan oscilaciones relativamente peque nas alrededor de una frecuencia que tratamos de aproximar. La evidencia de los datos se nala que, en nuestro modelo probabil stico de la determinaci on del sexo de un nacido, la probabilidad de cara (nacer mujer) debe, ser aproximadamente, p = 0.485. Es evidente que este valor no lo habr amos supuesto sin los datos recogidos por el INE. Pero esta circunstancia no es extra na a la ciencia, tampoco creemos que haya nadie capaz de intuir el valor de la constante de gravitaci on, antes de hacer alg un experimento.

133

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

4.2

Modelo matem atico de los fen omenos aleatorios


De acuerdo con la descripci on que hemos hecho, los fen omenos aleatorios tienen dos componentes bien diferenciadas. Por una parte, est an los acontecimientos, que pueden ocurrir o no, cada vez que repetimos la observaci on del fen omeno. A estos acontecimientos los denominaremos sucesos.

SUCESO

Denominamos suceso asociado a un fen omeno aleatorio a cualquier acontecimiento del que podamos decir si ha ocurrido o no, cada vez que observemos una realizaci on del fen omeno. Por otra parte, est a la probabilidad de cada suceso posible, que mide nuestra conanza en que ocurra ese suceso. Seg un hemos convenido, la probabilidad de cada suceso es un n umero entre 0 y 1; 0 es la probabilidad de lo imposible y 1 la probabilidad de los seguro. La probabilidad, como concepto, es la medida de lo veros mil que es la aparici on de cada suceso. Cuando medimos la probabilidad de un suceso determinado, el resultado es un n umero. Para hacer un modelo matem atico de un fen omeno aleatorio, debemos encontrar dos conceptos matem aticos formales que recojan todas las propiedades que reconocemos en los conceptos intuitivos.

atico de los sucesos 4.2.1 Modelo matem


El primer paso para describir un fen omeno aleatorio es describir todos sus posibles resultados. Como sucede en cualquier modelo matem atico, esta tarea depende de la naturaleza del fen omeno y del inter es del observador. Por ejemplo, si el fen omeno consiste en observar el n umero de mujeres que hay entre los cinco primeros nacimientos de un d a en la maternidad de un hospital, parece razonable decir que hay seis resultados posibles que podemos describir: han nacido 0 mujeres han nacido 1 mujer han nacido 2 mujeres

han nacido 3 mujeres han nacido 4 mujeres han nacido 5 mujeres


134

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

Cada uno de estos seis resultados posibles origina un suceso pero, adem as, hay otros sucesos. Por ejemplo, aunque no sean resultados posibles del fen omeno, tambi en son sucesos ha nacido alguna mujer o han nacido m as de tres mujeres. Lo caracter stico de un resultado posible es que no puede ser descompuesto en otros resultados. El suceso han nacido m as de tres mujeres se descompone en dos resultados posibles: han nacido cuatro mujeres o han nacido cinco mujeres. Es decir, para que el suceso han nacido m as de tres mujeres ocurra, tiene que ocurrir alguno de los resultados han nacido cuatro mujeres o han nacido cinco mujeres. Por esta raz on, a los resultados posibles tambi en se les denomina sucesos elementales, mientras que los restantes sucesos se calican de compuestos. La lista de los resultados posibles constituye un conjunto que denominaremos espacio de posibilidades del fen omeno aleatorio y representaremos por la letra griega omega may uscula, .
ESPACIO DE POSIBILIDADES

El conjunto de los resultados posibles de un experimento aleatorio se denomina espacio de posibilidades y se designa por .
Supongamos que lanzamos dos veces una moneda y observamos el resultado. Si nos interesa el resultado que aparece en cada lanzamiento, el espacio de posibilidades es = { , , , }. Si s olo nos importa el n umero de caras que han aparecido, hay tres resultados posibles: 0, 1 o 2 caras, y el espacio de posibilidades es = {0, 1, 2}. El fen omeno es el mismo en ambos casos, pero el espacio de posibilidades que planteemos no depende s olo del fen omeno sino, tambi en, del inter es del observador.
EJEMPLO 4.4

Los juegos de azar son siempre buenos ejemplos para comprender la construcci on del modelo matem atico. Supongamos que, como nuestro antepasado, lanzamos un dado y observamos el n umero que muestra su cara superior. Es un fen omeno aleatorio que tiene seis resultados posibles, tantos como n umeros tiene marcados el dado en sus caras. La lista de sus resultados posibles es: { , , , , , }
EJEMPLO 4.5

Un suceso es el resultado es mayor que cuatro. Parece una buena idea representar este suceso por la lista de los resultados que hacen que ocurra: { , }. Otro suceso es el resultado es par, y parece natural representarlo por la lista: { , , }.

El ejemplo anterior nos sugiere c omo traducir matem aticamente los sucesos y sus propiedades. Cada suceso se puede describir por la lista de los resultados posibles que hacen que ocurra. De manera m as formal, diremos
135

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

que cada suceso se puede identicar con el subconjunto del espacio de posibilidades que est a formado por los resultados posibles que hacen que ocurra. As , en el fen omeno aleatorio del ejemplo 4.5, tendremos } y el resultado es par = { , , }. Si observamos el resultado es mayor que cuatro = { , el resultado del fen omeno aleatorio, diremos que han ocurrido los sucesos que contienen al resultado observado, y que no han ocurrido los sucesos que no lo contienen. Por ejemplo, si el resultado es , diremos que ha ocurrido el suceso el resultado es par, pero que no ha ocurrido el suceso el resultado es mayor que cuatro. Los sucesos que tienen un unico elemento se identican con los resultados posibles. Por ejemplo, el resultado es cinco = { }

Esta observaci on nos lleva otra vez a la clasicaci on de los sucesos que ya hemos hecho. Los sucesos que s olo tienen un elemento son sucesos simples, y los que tienen m as de un elemento son sucesos compuestos.
CARACTERIZACION DE LOS SUCESOS COMO SUBCONJUNTOS DE

Los sucesos relativos a un fen omeno aleatorio se identican con los subconjuntos de su espacio de posibilidades. Los subconjuntos con un unico elemento se denominan sucesos simples. Los subconjuntos que tienen varios elementos se denominan sucesos compuestos y son agregados de sucesos simples.
EJEMPLO 4.6

Si lanzamos una moneda dos veces consecutivas y observamos sus resultados, el espacio de posibilidades es ={ , , , }

como ya vimos en el ejemplo 4.4. El suceso sale al menos una cara es compuesto, y esta formado por tres resultados posibles: , , }. El suceso ambos resultados son cara = { } es simple. sale al menos una cara = { Si lanzamos dos dados de colores distintos y observamos la puntuaci on que aparece en cada uno de ellos, tendremos 6 6 = 36 resultados posibles, tantos como pareja de caras de los dados podemos formar. Estos resultados posibles est an
EJEMPLO 4.7

136

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

Figura 4.1: Resultados que se obtienen al lanzar dos dados.

representados en la gura 4.1. El conjunto de estos 36 resultados constituye el espacio de probabilidades, , de este fen omeno aleatorio. En este espacio de posibilidades son simples los tres sucesos siguientes A={ mientras que son sucesos compuestos D={ , , } E={ , , , }; }, B={ }, C={ },

con palabras podemos denir a D como la segunda puntuaci on es el doble de la primera y a E como una puntuaci on es el triple de la otra. Tambi en es compuesto el suceso la suma de las puntuaciones es 8, este suceso se identica con el subconjunto de siguiente { , , , , } Otro suceso compuesto es ambas puntuaciones son iguales, que se identica con el subconjunto: { , , , , , }

Cualquier espacio de posibilidades tiene dos subconjuntos especiales, el subconjunto total, , y el subconjunto vac o 0 / . El conjunto total ocurre siempre, porque sea cual sea el resultado del fen omeno, siempre
137

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

est a contenido en , por esa raz on lo denominamos suceso seguro. Por el contrario, el conjunto vac o no ocurre nunca, ya que no contiene a ning un resultado y lo identicamos con un suceso denominado imposible.
SUCESOS SEGURO E IMPOSIBLE

El espacio de posibilidades es un suceso compuesto, que contiene como elementos a todos los resultados posibles del experimento y recibe el nombre de suceso seguro. El subconjunto vac o, 0 / , tambi en es un suceso; no es simple ni compuesto, sino que representa al suceso denominado imposible.

4.2.2 Operaciones con sucesos


La analog a entre sucesos y subconjuntos del espacio de posibilidades es completa. Cada suceso se corresponde con un subconjunto y cada subconjunto con un suceso. Se tienen las operaciones siguientes: Inclusi on: Dos sucesos A y B pueden estar relacionados de manera que siempre que ocurre A, ocurre B. Esta relaci on se corresponde con el hecho de que A est e contenido en B, A B. Intersecci on: La intersecci on de dos sucesos A y B es un nuevo suceso que se puede describir como A y B ocurren simult aneamente y que sucede siempre que el resultado pertenezca a A y a B; se representa por A B.

Uni on:

Complementaci on: El complementario de un suceso A es un nuevo suceso que se puede describir como el suceso contrario de A, y que sucede siempre que el resultado no pertenezca a A; se representa por Ac .
138

La uni on de dos sucesos A y B es un nuevo suceso que se puede describir como ocurre A o ocurre B, y que sucede siempre que el resultado pertenezca a A, a B o a ambos simult aneamente. Este suceso se representa por A B.

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

atico de la probabilidad 4.2.3 El modelo matem


Una vez establecido que los subconjuntos del espacio de posibilidades son un modelo matem atico de los sucesos, nos resta asignar una probabilidad a cada uno de ellos. Esa asignaci on debe hacerse teniendo en cuenta toda la informaci on de que dispongamos acerca del fen omeno. Si A es un suceso, designaremos la probabilidad de A ocurra por el s mbolo por P(A), que se lee probabilidad de A. Como hemos decidido que la escala de probabilidades est e entre 0 y 1, la probabilidad P(A) debe ser un n umero comprendido entre 0 y 1. Pero, adem as, la probabilidad matem atica debe satisfacer ciertos requisitos m nimos para que posea las propiedades que nuestra intuici on otorga al concepto. Esos requisitos se pueden resumir en las cuatro condiciones siguientes: Condici on 1: La probabilidad de un suceso A es un n umero entre 0 y 1. 0 P (A ) 1 Condici on 2: El suceso seguro, , tiene una probabilidad igual a 1. P( ) = 1 Condici on 3: Si A y B son sucesos disjuntos, es decir, que no pueden darse simult aneamente, la probabilidad del suceso A B debe ser la suma de las probabilidades de A y de B, es decir: Si A B = 0, / entonces P(A B) = P(A) + P(B) Condici on 4: Si A es un suceso, la probabilidad de su suceso contrario es igual a 1 P(A). P(Ac ) = 1 P(A)

La condici on 1 se justica porque las frecuencias relativas de cualquier acontecimiento son n umeros entre 0 y 1. La condici on 2 est a justicada porque el suceso seguro ocurre siempre. La probabilidad comparte la propiedad expresada en la condici on 3 con gran n umero de medidas f sicas, como la longitud, el peso o el volumen. Por ejemplo, la longitud de dos intervalos que no tienen ning un punto en com un es igual a la suma de las longitudes de las componentes. Adem as, esta propiedad tambi en se cumple para las frecuencias. Si A y B son dos acontecimientos que pueden darse al realizar un fen omeno aleatorio y esos acontecimientos no
139

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

pueden ocurrir simult aneamente, la frecuencia con que observamos uno u otro es igual a la frecuencia con que observamos A m as la frecuencia con que observamos B. Frecuencia(A) + Frecuencia (B) = Frecuencia(A B) As , es razonable exigir una condici on similar para la probabilidad. Finalmente, la propiedad 4 se puede deducir matem aticamente de las anteriores, concretamente de las condiciones pero 2 y 3, pero se ha preferido considerarla una exigencia m as para evitar las demostraciones.
PROBABILIDAD

Una probabilidad sobre un espacio de posibilidades es una funci on que a cada subconjunto A de le asocia un n umero P(A). Esta funci on cumple las cuatro condiciones siguientes: (1) 0 P(A) 1. (2) P() = 1. (3) Si A, B , son dos sucesos con intersecci on vac a, entonces se cumple P (A B ) = P (A ) + P (B ) (4) Si A es un suceso, la probabilidad del suceso contrario es igual a P(Ac ) = 1 P(A).

on de probabilidades en un espacio nito 4.2.4 Asignaci


Si el espacio de posibilidades contiene s olo un n umero nito de elementos, como ocurre en todos los ejemplos que hemos considerado hasta este momento, la condici on 3 que hemos exigido a la probabilidad simplica mucho la tarea de denirla. Puesto que los sucesos compuestos est an formados por un n umero nito de sucesos simples disjuntos, su probabilidad se puede expresar como suma nita de las probabilidades de los sucesos simples que lo componen. As , basta con dar las probabilidades de los sucesos simples para
140

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

tener denido el modelo. Pero, las probabilidades de los sucesos simples no pueden ser arbitrarias, tienen que respetar las condiciones de coherencia: deben ser n umeros entre 0 y 1, para que se cumpla la condici on 1, y su suma debe ser igual a 1, para que se cumpla la condici on 2.
DE ASIGNACION PROBABILIDAD EN UN ESPACIO FINITO

Para denir una probabilidad en un espacio que tenga un n umero nito de resultados posibles, basta con dar una probabilidad a cada uno de los sucesos simples. Esas probabilidades deben ser n umeros entre 0 y 1, tales que su suma sea 1. La probabilidad de los restantes sucesos se calculan sumando las probabilidades de los sucesos simples que los componen.
Consideremos el fen omeno aleatorio que consiste en lanzar dos veces una moneda. El espacio de posibilidades de este fen omeno es , , , } ={
EJEMPLO 4.8

Tiene cuatro sucesos simples. Aceptemos que no tenemos ninguna raz on para considerar que hay algo que nos haga preferir un resultado a otro. En estas condiciones, los resultados son intercambiables, podr amos llamar cara a lo que ahora denominamos cruz y el juego ser a exactamente igual. Entonces debemos aceptar que los cuatro sucesos simples tienen la misma probabilidad P(

) = P(

) = P(

) = P(

) = p,

donde p es un n umero desconocido que determinaremos gracias a la condici on que obliga a que la suma de las probabilidades de los sucesos simples sea igual a uno. De la igualdad P(

) + P(

) + P(

) + P(

) = 4 p = 1,

se deduce que p = 1/4, es decir p = 0.25. La probabilidad de cada suceso elemental es 0.25. P(

) = P(

) = P(

) = P(

) = 0.25

De las probabilidades de los sucesos simples podemos deducir la probabilidad de cualquier suceso. Por ejemplo, el suceso A = un resultado es cara = { , }, 141

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

Suceso { { { { } } } } { { { { {

Suceso , , , , , , 0.50 } } } } } } { { { {

Suceso , , , , , , , , } } } } { ,

, , }

{ Probabilidad 0.25

0.75

1.00

Tabla 4.1: Descripci on del experimento aleatorio del lanzamiento de dos monedas. tiene probabilidad igual a P (A ) = P ({ , } ) = P ({ } ) + P ({ }) = 0.25 + 0.25 = 0.5

omeno aleatorio, salvo el suceso imposible, junto con su probabilidad calculada La tabla 4.1 muestra todos los sucesos de este fen a partir de las probabilidades de los sucesos simples.
EJEMPLO 4.9

Consideremos el fen omeno que consiste en lanzar un dado. Como sabemos, su espacio muestral es { , , , , , }

Nuestra evidencia es que el dado est a perfectamente hecho, por ello aceptaremos que todos los resultados tienen la misma probabilidad de ocurrir. P ({ P ({ } ) = P ({ } ) + P ({ } ) = P ({ } ) + P ({ } ) = P ({ } ) + P ({ } ) = P ({ } ) + P ({ } ) = P ({ }) = p

De nuevo, determinaremos el valor de p gracias a que la suma de las probabilidades de los sucesos simples es igual a 1. } ) + P ({ }) = 6 p = 1 142

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

Lo que implica que p = 1/6. Una vez hemos asignado una probabilidad coherente a cada suceso simple, el modelo est a determinado, y podemos calcular la probabilidad de cualquier suceso compuesto. Por ejemplo, el suceso el resultado es par tiene una probabilidad igual a

(el resultado es par) = P({

} ) = P ({

} ) + P ({

} ) + P ({

}) =

3 = 0.5 6

Este fen omeno tiene 26 = 64 sucesos distintos y, basta con dar las probabilidades los seis sucesos simples, para tener denido el modelo. De nuevo vamos a considerar el fen omeno que consiste en lanzar un dado. Ahora, disponemos de evidencias que indican que el dado est a cargado y que los sucesos simples no tienen todos la misma probabilidad. Supongamos que, despu es de hacer un buen n umero de experimentos, llegamos a la conclusi on de que las probabilidades son las que se muestran en la tabla siguiente
EJEMPLO 4.10

Modelo no uniforme del lanzamiento del dado Suceso Probabilidad 0.1 0.1 0.4 0.1 0.2 0.1

Primero, el modelo es coherente con las condiciones de la probabilidad. Las probabilidades de los sucesos simples son n umeros entre 0 y 1, y su suma vale uno. 0.1 + 0.1 + 0.4 + 0.1 + 0.2 + 0.1 = 1.0 Segundo, este modelo no es uniforme, ya que no todos los sucesos simples tienen la misma probabilidad. Las probabilidades de los sucesos compuestos se calculan sumando las probabilidades de los sucesos simples que lo componen. Por ejemplo, probabilidad del suceso A = el resultado es impar, es P (A ) = P ({ , , } ) = P ({ } ) + P ({ } ) + P ({ }) = 0.1 + 0.4 + 0.2 = 0.7

143

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

on de probabilidad en los modelos uniformes nitos 4.2.5 Asignaci


Los ejemplos 4.8 y 4.9 son dos casos de modelos nitos y uniformes. Finitos, porque hay un n umero nito de casos posibles, y uniformes, porque todos los resultados posibles tienen la misma probabilidad de ocurrir. Estos modelos son cl asicos. La mayor a de los primeros problemas sobre Probabilidad, que se plantearon y resolvieron durante los siglos XVI y XVII se encuadran en esta categor a. Por esta raz on, tienen un lenguaje peculiar. Los resultados posibles se denominan casos posibles y, si A es el suceso cuya probabilidad queremos hallar, los sucesos simples que forman A se denominan casos favorables a A. Por ultimo, en lugar de decir que el modelo es uniforme, el Pierre-Simon de ermino cl asico es al azar. Si decimos que se elige un caso posible al azar, quiere decir que damos Laplace (17491827) t por supuesto que todos los casos posibles tienen la misma probabilidad de ser elegidos. Si los casos Matem atico, astr ono- se eligen al azar, todos los casos posibles tienen la misma probabilidad, que es igual a mo y f sico franc es de 1 la epoca napole onica. n umero de casos posibles La probabilidad de A ser a la suma de las probabilidades de los sucesos simples que lo forman; es decir, de sus casos favorables. Como todos tienen la misma probabilidad, la probabilidad de A ser a igual al n umero de casos favorables multiplicado por la probabilidad com un, lo que es igual a n umero de casos favorables n umero de casos posibles Hemos deducido as la norma cl asica para calcular probabilidades, que se atribuye tradicionalmente a Laplace, y que se enuncia:
REGLA DE LAPLACE

La probabilidad de un suceso A en un fen omeno aleatorio nito y uniforme es igual a P (A ) = n umero de casos favorables a A n umero de casos posibles

144

UNIDAD DIDACTICA 4 Incertidumbre

Modelo matem atico de los fen omenos aleatorios

EJEMPLO 4.11

Consideremos el fen omeno aleatorio que consiste en extraer al azar una bola de una bolsa que contiene 3 bolas rojas, 2 verdes y una blanca y observar su color. Este modelo, en peque no, es el patr on de muchos muestreos. Los casos posibles parecen ser la bola es roja, la bola es verde y la bola es blanca, pero, as planteado, el modelo no es uniforme. Nos parece inaceptable concluir que estos tres casos tienen la misma probabilidad de ocurrir; parece claro que es m as probable extraer una bola roja que una verde, y que es m as probable extraer una verde que una blanca. Reexionemos sobre las condiciones del sorteo, lo que se elige al azar es una bola. Es decir; es tan probable elegir una bola como elegir cualquier otra. Para hacer m as f acil nuestro razonamiento, imaginemos que las bolas est an numeradas y que apreciamos tanto el color como el n umero de la bola extra da. Ahora, los resultados posibles son: {roja1 , roja2 , roja3 , verde4 , verde5 , blanca6 } que constituye un nuevo espacio de posibilidades y ahora es razonable suponer que el modelo es uniforme. La consecuencia inmediata es que cada uno tiene probabilidad 1/6. En este espacio los sucesos sale roja y sale verde son compuestos sale roja = {roja1 , roja2 , roja3 } sale verde = {verde4 , verde5 }

mientras que sale blanca es igual a sale blanca = {blanca6 } y sigue siendo un suceso simple. La regla de Laplace asigna probabilidades P(sale roja) = 3 6

mm 1 4 2 5 3 6

2 6 1 P(sale blanca) = 6 P(sale verde) = tal y como parece razonable a primera vista.

Figura 4.2: Ilustraci on de la regla de Laplace.

145

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

4.3

Variables de la Estad stica descriptiva


asicos en Estad stica 4.3.1 Conceptos b
El origen de Estad stica puede remontarse a los recuentos de datos. El hombre hace acopio de datos para tener informaci on sobre caracter sticas de ciertos colectivos que no se pueden determinar mediante una unica observaci on, sino que son consecuencia de realizar observaciones sobre varios individuos aislados. En consonancia con sus or genes, en Estad stica se utilizan los t erminos poblaci on y unidad estad stica para referirse a los colectivos e individuos.

POBLACION

Se denomina poblaci on al conjunto de seres u objetos acerca de los que se desea obtener informaci on. Se denomina unidad estad stica, individuo, o elemento a cada uno de los miembros de la poblaci on.
La proporci on de hombres y de mujeres en un grupo social determinado es una caracter stica colectiva del grupo, hay que efectuar un recuento de los individuos observando a qu e sexo pertenecen; luego, con una operaci on matem atica se obtiene la respuesta de la cuesti on planteada.
EJEMPLO 4.12

UNIDAD ESTAD ISTICA

El estudio de este tipo de caracter sticas de los colectivos es uno de los primeros objetivos de la Estad stica. Hay que notar que el resultado de los recuentos de las observaciones individuales conducen normalmente a unos datos num ericos. Asimismo, la informaci on sobre el colectivo suele tener tambi en car acter num erico. Una primera denici on de Estad stica trata de dar cuenta de esta idea en la forma siguiente:
ESTAD ISTICA

La Estad stica es la ciencia que estudia, mediante m etodos cuantitativos, caracter sticas de las poblaciones obtenidas como s ntesis de la observaci on de unidades estad sticas. Conviene precisar un poco m as qu e tipo de caracter sticas de los colectivos caen dentro del ambito de la Estad stica; as se comprender a mejor su alcance y campo de aplicaci on. Es evidente que a nadie se le ocurre hacer una estad stica de los miembros de su familia. Este fen omeno resulta cercano para el individuo
146

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

por lo que no precisa de recuentos. Sin embargo, hay otras muchas situaciones en que la comprensi on del fen omeno colectivo requiere la ayuda de la Estad stica. Pensemos, en primer lugar, en aquellas situaciones en que el simple registro de las observaciones individuales no es suciente para tener un visi on de conjunto del problema. Y ello, por diferentes razones: porque la poblaci on objeto de estudio es muy numerosa, como cuando se quiere tener informaci on sobre el nivel de estudios de toda la poblaci on de un pa s; porque, aunque la poblaci on no sea num ericamente elevada, las observaciones individuales se producen en intervalos de tiempo grandes, por lo que no resulta sencillo llevar un registro mental de las mismas, como cuando se quiere tener informaci on sobre el n umero de partos con cuatrillizos en una poblaci on; porque las observaciones individuales producen en el receptor una impresi on diferente, como ocurre cuando el observador est a inuido por un prejuicio del estilo las mujeres conducen peor que los hombres. Pueden incluirse tambi en aquellas situaciones en que el observador precisa conrmar de manera objetiva, es decir, con el apoyo de resultados num ericos, impresiones subjetivas que, en principio, son ciertas. Por ejemplo, un investigador puede tener la impresi on de que en una tribu, la edad del var on de la pareja es usualmente mayor que la de la mujer, o bien que la poligamia es una circunstancia excepcional; pero, s olo con la ayuda de los datos estad sticos estar a en condiciones de conrmar su impresi on de una manera objetiva. En n, pueden considerarse tambi en aquellas situaciones en que, aun disponiendo de informaci on num erica sobre el fen omeno, el concurso de la Estad stica puede ayudar a precisarlo mejor y disminuir la posibilidad de error. Un ejemplo de esta situaci on son aquellas investigaciones que conllevan mediciones, como puede ser la cantidad, en gramos, de un preparado que hace letal a una dosis del mismo; en este caso, es necesario repetir varias veces la experiencia para tener una informaci on de conjunto m as precisa que la que se obtiene con una unica observaci on. Un estadio m as perfeccionado de los recuentos son los censos. Cuando se pretende disponer de informaci on sobre toda la poblaci on, cabe la soluci on, en general unicamente al alcance del estado, de hacer un censo.
CENSO

Un censo consiste en anotar determinadas caracter sticas de todos los individuos de una poblaci on. El registro de los datos que se reeren a todos los individuos constituye una descripci on global de la poblaci on. Pero adem as, es posible establecer tambi en, a partir de los datos individuales, ciertas consecuencias,
147

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

usualmente de tipo num erico, que se derivan de las observaciones realizadas y signican informaci on nueva sobre el colectivo.
El census romano inclu a los datos de cada cabeza de familia y a partir de ellos era posible calcular la cantidad de impuestos que correspond a a cada uno.
EJEMPLO 4.13

Una variante de los censos son las recopilaciones de datos que dan cuenta, como dec an los aritm eticos pol ticos, de las cosas notables de los estados. Las ideas te oricas, los m etodos pr acticos y las t ecnicas para realizar esta labor de recopilaci on y sistematizaci on de los conjuntos de datos dan origen a un apartado particular dentro de la Estad stica.
ESTAD ISTICA DESCRIPTIVA

La Estad stica Descriptiva es la parte de la Estad stica que estudia las ideas, m etodos y t ecnicas para la descripci on gr aca y num erica de los conjuntos numerosos. Los m etodos que utiliza la Estad stica Descriptiva para describir a los conjuntos numerosos son las tablas de frecuencias, las representaciones gr acas, los res umenes num ericos de los datos, etc. El resultado de su aplicaci on es una especie de fotograf a del colectivo objeto de estudio. Como hicimos notar en la introducci on, la Estad stica tiene una vocaci on m as ambiciosa que limitarse a la mera descripci on est atica del conjunto de datos que se han obtenido como resultado de un recuento o un censo. Un paso m as avanzado consiste en pensar que dichos datos no son m as que una parte de un conjunto m as amplio, que es el conjunto que realmente se quiere investigar.

MUESTRA

Se denomina muestra al subconjunto de individuos que son observados para obtener informaci on sobre el total de la poblaci on a que pertenecen. Si el conocimiento de las poblaciones se tiene que basar en el examen de muestras, es natural preguntarse c omo extender la informaci on que se obtiene mediante el estudio de los datos observados en un subconjunto a todo el universo del que proceden. Es decir, se puede plantear c omo extender las conclusiones sobre la muestra a toda la poblaci on. Este paso desde lo particular, la muestra, a lo general, la poblaci on, es una de las aportaciones m as importantes de la Estad stica al pensamiento cient co y supone una aut entica revoluci on
148

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

sobre la manera de generar conocimiento. Los m etodos para hacerlo conguran el n ucleo de la Estad stica matem atica, enlazando con las ideas pioneras de los siglos XVII y XVIII.La novedad del m etodo ha hecho acu nar una terminolog a nueva: la expresi on Inferencia estad stica. Este concepto es completamente diferente del m etodo deductivo o del m etodo de inducci on completa utilizado tradicionalmente por la Ciencia.
INFERENCIA ESTAD ISTICA

La Inferencia estad stica es la parte de la Estad stica que estudia los m etodos para establecer conclusiones sobre una poblaci on a partir de una muestra de la misma. Los m etodos de la Inferencia estad stica permiten establecer rigurosas conclusiones cient cas acerca de las poblaciones mediante el examen de una muestra o parte de las mismas. Estas conclusiones tienen la forma de estimaciones sobre constantes de la naturaleza, predicciones del comportamiento de fen omenos en que interviene el azar, conrmaci on o refutaci on de hip otesis establecidas por los investigadores, etc.

4.3.2 Variables y observaciones


Los datos estad sticos proceden de observar atributos o medir magnitudes en cierto n umero de individuos de una poblaci on.
VARIABLE ESTAD ISTICA

Los atributos o magnitudes que se observan en los individuos de la poblaci on se denominan variables estad sticas o, simplemente, variables. De los atributos, diremos que presentan modalidades. De las magnitudes, diremos que toman valores. Las modalidades o valores de una variable deben ser incompatibles y exhaustivos; es decir, todo individuo puede presentar una y solamente una modalidad.
El n umero de hijos, la raza, el sexo o el peso de una persona son variables estad sticas. El sexo y la raza son atributos, el n umero de hijos y el peso son magnitudes. La variable sexo tiene dos modalidades: masculino o femenino. La variable n umero de hijos toma los valores 0, 1, 2, . . . , hasta el valor m aximo que se presente en la poblaci on.
EJEMPLO 4.14

149

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

OBSERVACION

El conjunto de modalidades o valores de cada variable medidos en un individuo constituye una observaci on.
La tabla 4.2 muestra un extracto de las observaciones que recogi o F. Galton en la International Exhibition de 1884 EJEMPLO 4.15 y que public o en el Journal of the Anthropological Institute en 1889, en relaci on con sus trabajos sobre correlaci on. En adelante la llamaremos tabla de Galton. La tabla incluye las variables siguientes: Edad, que viene expresada en a nos y toma los valores 23, 24 y 25. Estado civil, que tiene dos modalidades: soltero y casado. Color de ojos, que tiene seis modalidades: azul, avellana, gris, marr on, negro y verde. Lugar de residencia, que tiene cinco modalidades: campo, ciudad, suburbio, mar y varios. Estatura, que viene expresada en pulgadas y toma valores comprendidos entre 59.4 y 79.5. Peso, que viene expresada en libras y toma valores comprendidos entre 107.25 y 236.00. Los valores que corresponden a un individuo constituyen una observaci on. Por ejemplo, 23, Soltero, Marr on, Suburbio, 64.00, 111.50 es la observaci on que corresponde al primer individuo de la tabla. Hay que notar que algunas observaciones est an incompletas, puesto que les falta el correspondiente valor o modalidad en alguna variable. Por ejemplo, la observaci on 35 carece de la modalidad correspondiente a la variable residencia. Por otra parte, se puede apreciar que algunas modalidades son muy poco frecuentes, como es el caso de mar en la variable lugar de residencia que solo se observa en un individuo. Estas circunstancias son habituales cuando se manejan los datos en bruto procedentes de un censo o una muestra.

150

UNIDAD DIDACTICA 4 Incertidumbre Tabla 4.2: Tabla de observaciones de F. Galton (1884).


SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Soltero Soltero Soltero Soltero Soltero Marr on Azul Negro Negro Gris Azul Negro Marr on Azul Azul Azul Azul Marr on Negro Gris Azul Azul Gris Azul Marr on Verde Avellana Gris Marr on Marr on Gris Gris Azul Marr on Azul Marr on Marr on Azul Marr on Marr on Azul Azul Gris Azul Gris Suburbio Suburbio Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Suburbio Campo Suburbio Suburbio Suburbio Campo Ciudad Ciudad Suburbio Varias Suburbio Ciudad Ciudad Ciudad Campo Suburbio Campo Ciudad Ciudad Ciudad Ciudad Ciudad Ciudad Campo Suburbio Ciudad Ciudad Ciudad 64.00 72.20 66.10 66.60 69.80 67.50 68.70 67.10 71.50 71.80 71.20 68.10 68.30 67.20 69.00 79.50 67.30 69.30 64.50 67.20 68.30 65.40 70.70 64.00 72.70 73.80 72.00 62.60 62.30 67.80 66.00 72.30 69.60 62.10 67.20 67.60 66.30 68.50 65.20 62.90 111.50 143.00 125.50 146.00 143.50 143.00 156.25 147.00 179.50 145.00 143.75 177.50 155.50 142.00 141.50 203.25 139.00 156.50 118.00 127.00 156.00 129.50 143.25 126.75 145.00 151.50 164.00 121.00 129.00 128.25 132.25 147.00 141.75 121.00 141.50 146.25 143.00 148.75 123.00 110.50

Variables de la Estad stica descriptiva

SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 Soltero Soltero Soltero Soltero Soltero Casado Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Marr on Azul Azul Gris Gris Azul Marr on Azul Marr on Gris Azul Gris Azul Azul Gris Azul Marr on Avellana Marr on Azul Gris Azul Marr on Azul Azul Azul Azul Azul Azul Gris Gris Gris Azul Azul Azul Avellana Gris Azul Azul Marr on Suburbio Ciudad Campo Ciudad Ciudad Suburbio Suburbio Suburbio Ciudad Campo Ciudad Campo Ciudad Suburbio Campo Suburbio Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Campo Ciudad Suburbio Campo Ciudad Ciudad Ciudad Ciudad Suburbio Suburbio Ciudad Suburbio 65.50 69.80 65.80 69.20 66.80 67.50 65.30 68.20 69.70 70.10 66.20 65.40 64.60 69.70 69.50 63.90 68.70 66.20 68.10 62.40 74.00 65.60 63.00 66.70 66.50 71.00 69.20 68.20 66.80 66.50 65.60 68.90 69.20 69.20 69.30 66.40 67.20 68.70 69.40 64.40 122.50 142.50 125.25 135.25 154.00 143.00 127.00 137.50 161.50 147.00 131.00 134.75 135.25 169.25 172.50 145.00 135.50 142.00 123.25 117.00 152.50 134.00 115.00 131.25 131.00 143.25 137.00 158.50 145.00 137.50 147.75 153.00 160.50 136.00 155.50 153.00 146.00 141.50 145.00 148.00

151

UNIDAD DIDACTICA 4 Incertidumbre Tabla de observaciones de F. Galton (1884) (continuaci on).


SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Soltero Soltero Soltero Soltero Soltero Soltero Marr on Gris Azul Gris Gris Gris Gris Avellana Marr on Azul Marr on Gris Avellana Azul Azul Marr on Gris Azul Negro Gris Azul Azul Marr on Marr on Azul Negro Marr on Negro Marr on Gris Azul Marr on Marr on Gris Azul Marr on Azul Ciudad Campo Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Suburbio Suburbio Ciudad Campo Ciudad Ciudad Ciudad Suburbio Ciudad Suburbio Ciudad Suburbio Suburbio Suburbio Suburbio Suburbio Campo Ciudad Suburbio Suburbio Campo Suburbio Suburbio Suburbio Campo Suburbio Ciudad Campo 59.40 68.70 71.20 69.60 69.60 66.00 68.20 67.80 68.20 65.30 70.30 70.00 63.90 67.50 71.50 64.70 68.20 68.00 67.00 70.80 69.30 62.75 68.10 67.00 62.00 65.20 64.25 67.00 68.75 72.50 64.00 68.10 67.20 66.00 66.00 67.00 71.80 67.20 68.30 64.40 109.50 147.75 157.25 157.00 142.50 128.25 134.00 140.00 138.00 139.50 154.00 164.50 120.50 151.00 152.50 130.50 153.25 158.00 143.00 154.00 138.75 129.50 139.25 157.00 131.50 124.00 115.00 140.00 151.50 152.00 119.00 139.50 141.00 142.25 127.50 139.25 145.50 135.00 130.00 124.50

Variables de la Estad stica descriptiva

SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Casado Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Gris Marr on Azul Gris Gris Azul Gris Gris Marr on Marr on Avellana Marr on Marr on Marr on Marr on Azul Gris Gris Gris Gris Marr on Gris Verde Marr on Marr on Gris Gris Azul Gris Gris Gris Gris Marr on Azul Azul Gris Azul Marr on Azul Gris Ciudad Campo Suburbio Ciudad Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Campo Ciudad Ciudad Suburbio Campo Campo Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Suburbio Campo Suburbio Ciudad Suburbio Suburbio Suburbio Ciudad Ciudad Suburbio Ciudad Ciudad Suburbio Ciudad Ciudad 71.30 71.60 67.70 66.80 66.50 70.00 72.30 66.70 62.50 69.00 67.40 66.00 68.80 67.50 70.75 69.20 69.80 66.50 68.30 67.60 69.50 65.00 70.50 68.40 64.00 65.30 70.20 66.70 72.00 71.80 72.90 65.10 68.40 69.40 64.00 65.60 70.70 67.60 67.20 70.20 154.25 145.25 149.25 131.75 113.00 147.25 164.00 144.00 120.75 131.50 132.50 126.50 148.50 137.50 153.50 141.50 236.00 132.50 149.00 142.00 132.00 138.50 145.25 138.50 143.00 133.50 122.00 136.00 150.00 165.50 162.50 137.75 138.00 137.00 122.00 116.50 204.75 154.25 123.00 149.25

152

UNIDAD DIDACTICA 4 Incertidumbre Tabla de observaciones de F. Galton (1884) (continuaci on).


SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Marr on Azul Azul Marr on Azul Marr on Marr on Marr on Marr on Gris Azul Marr on Azul Marr on Avellana Azul Azul Marr on Gris Azul Marr on Gris Gris Marr on Azul Marr on Gris Gris Azul Avellana Marr on Avellana Gris Azul Azul Azul Azul Azul Azul Ciudad Campo Ciudad Ciudad Ciudad Suburbio Suburbio Suburbio Suburbio Suburbio Suburbio Suburbio Ciudad Ciudad Suburbio Campo Ciudad Ciudad Ciudad Ciudad Ciudad Campo Ciudad Ciudad Ciudad Suburbio Campo Suburbio Campo Ciudad Suburbio Ciudad Ciudad Suburbio Suburbio Ciudad Ciudad Ciudad Ciudad Ciudad 69.70 65.40 67.20 67.60 68.00 72.00 71.60 68.60 64.30 66.70 69.50 70.20 71.40 71.00 65.00 72.60 67.00 71.20 64.90 67.80 65.80 65.60 70.20 69.50 69.20 64.60 71.40 66.50 66.30 67.30 64.40 62.60 68.60 69.90 66.40 67.00 72.40 67.70 68.60 69.00 159.00 183.50 122.50 141.50 139.00 153.75 170.75 119.00 126.50 131.75 150.50 146.00 143.00 129.75 140.75 186.75 119.00 167.00 126.00 145.25 130.50 131.00 176.00 140.25 151.75 126.00 152.50 139.25 127.50 150.50 133.50 138.00 139.00 139.50 127.00 137.50 172.50 153.50 164.00 140.50

Variables de la Estad stica descriptiva

SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Azul Avellana Gris Gris Gris Azul Marr on Gris Avellana Marr on Gris Marr on Marr on Marr on Azul Gris Marr on Gris Gris Gris Marr on Azul Marr on Azul Gris Azul Gris Marr on Azul Gris Azul Azul Gris Gris Marr on Azul Azul Gris Marr on Marr on Ciudad Suburbio Ciudad Suburbio Ciudad Ciudad Campo Campo Ciudad Ciudad Suburbio Suburbio Suburbio Ciudad Ciudad Campo Campo Ciudad Ciudad Suburbio Ciudad Suburbio Campo Campo Campo Ciudad Campo Suburbio Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Campo Suburbio Ciudad Mar 74.10 65.60 68.40 73.70 70.60 68.60 69.70 61.00 65.00 69.20 67.30 68.00 68.40 64.30 69.30 69.50 66.20 66.20 65.50 69.50 70.40 70.20 66.40 67.50 68.70 64.80 68.80 68.50 67.20 65.10 72.20 66.70 68.40 71.20 73.10 73.25 68.40 65.70 63.25 67.20 170.00 126.50 150.00 154.00 173.25 133.25 168.25 133.50 137.50 152.25 134.25 145.00 141.00 144.25 139.50 143.50 139.50 126.00 118.00 150.00 180.25 151.75 141.00 147.00 154.00 121.50 145.00 149.50 137.25 140.25 141.50 122.00 158.50 138.00 157.50 163.00 154.50 128.00 122.50 154.00

153

UNIDAD DIDACTICA 4 Incertidumbre Tabla de observaciones de F. Galton (1884) (continuaci on).


SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Azul Gris Gris Gris Marr on Azul Azul Gris Azul Marr on Gris Azul Marr on Negro Marr on Marr on Verde Marr on Marr on Negro Marr on Marr on Marr on Negro Gris Azul Azul Avellana Gris Avellana Gris Avellana Azul Avellana Azul Azul Azul Azul Ciudad Suburbio Suburbio Campo Ciudad Ciudad Campo Suburbio Ciudad Ciudad Ciudad Ciudad Campo Ciudad Campo Campo Ciudad Ciudad Suburbio Campo Suburbio Suburbio Campo Campo Campo Ciudad Suburbio Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad 68.75 67.00 69.70 70.60 65.30 68.30 68.90 66.10 69.50 63.20 66.80 71.60 68.20 68.80 68.40 69.30 63.50 69.70 67.90 66.60 65.80 63.30 68.00 68.90 68.30 68.10 63.90 71.80 69.10 65.50 68.20 64.60 68.60 65.75 68.00 73.20 66.60 69.20 73.00 69.60 154.00 131.00 152.75 206.75 124.50 145.00 133.00 123.50 160.00 143.75 131.00 151.50 130.50 145.75 147.00 167.00 140.00 148.00 142.00 134.50 128.00 120.00 142.75 142.50 137.25 142.00 122.25 155.50 154.75 137.50 161.50 155.75 166.00 141.00 142.50 147.25 146.50 144.50 147.75 146.00

Variables de la Estad stica descriptiva

SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 24 24 24 24 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 Casado Casado Casado Casado Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Negro Azul Marr on Marr on Marr on Avellana Marr on Azul Gris Gris Marr on Avellana Marr on Marr on Avellana Avellana Gris Marr on Gris Azul Azul Azul Avellana Azul Marr on Avellana Gris Avellana Azul Marr on Marr on Azul Gris Negro Azul Azul Avellana Gris Gris Azul Suburbio Ciudad Ciudad Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Suburbio Suburbio Campo Ciudad Ciudad Suburbio Ciudad Ciudad Campo Ciudad Ciudad Ciudad Ciudad Campo Ciudad Ciudad Campo Suburbio Campo Suburbio Ciudad Suburbio Ciudad Campo Suburbio Campo Suburbio Suburbio Ciudad Suburbio 63.20 72.20 67.60 67.10 73.50 74.20 68.70 71.50 69.10 73.10 66.30 69.60 75.80 65.80 64.70 68.10 69.30 63.70 68.10 65.50 72.00 63.80 65.50 66.40 66.50 69.40 65.60 66.80 67.50 63.30 65.80 66.40 67.60 69.60 66.00 71.30 71.00 66.80 67.80 67.90 132.50 161.00 139.00 144.75 177.50 169.25 158.00 203.50 157.00 196.50 117.75 141.00 186.75 127.50 135.50 141.75 153.75 136.50 151.00 141.75 167.00 131.00 134.00 129.00 155.00 160.25 142.50 123.50 170.00 131.75 126.00 128.50 140.25 158.00 130.00 171.25 164.25 139.00 143.00 141.75

154

UNIDAD DIDACTICA 4 Incertidumbre Tabla de observaciones de F. Galton (1884) (continuaci on).


SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Gris Gris Marr on Avellana Negro Azul Gris Avellana Marr on Gris Azul Gris Marr on Gris Marr on Marr on Marr on Azul Gris Azul Gris Azul Azul Marr on Gris Avellana Marr on Marr on Gris Gris Azul Marr on Azul Gris Marr on Gris Gris Avellana Marr on Gris Ciudad Ciudad Ciudad Ciudad Campo Ciudad Suburbio Ciudad Ciudad Campo Ciudad Campo Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Suburbio Ciudad Suburbio Campo Ciudad Ciudad Ciudad Suburbio Campo Ciudad Ciudad Suburbio Campo Ciudad Suburbio Suburbio Ciudad Campo Suburbio Ciudad 70.20 68.00 66.30 69.30 64.90 65.20 64.50 71.20 69.70 65.80 68.90 65.80 66.70 69.10 69.50 70.70 66.70 64.20 65.20 66.30 66.70 69.40 64.50 68.70 71.20 68.30 62.20 67.00 65.80 68.00 68.00 71.50 69.00 69.10 68.00 67.10 66.10 69.20 71.40 66.70 147.25 170.00 159.50 199.00 149.00 138.00 115.00 150.25 157.75 129.50 138.50 129.25 136.75 138.00 160.00 166.25 130.00 119.75 126.00 120.75 137.25 166.00 107.25 160.75 168.50 137.50 133.75 130.00 141.00 166.00 147.50 152.00 140.00 149.50 132.25 149.00 141.50 162.00 151.00 123.50

Variables de la Estad stica descriptiva

SUJETO EDAD ESTADO COLOR OJOS RESIDENCIA ESTATURA PESO 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 25 Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Casado Gris Azul Azul Azul Azul Marr on Gris Gris Marr on Gris Azul Azul Marr on Gris Marr on Gris Azul Azul Marr on Azul Marr on Gris Marr on Gris Marr on Gris Azul Azul Azul Marr on Gris Azul Marr on Negro Gris Marr on Azul Negro Gris Ciudad Ciudad Campo Ciudad Ciudad Ciudad Ciudad Ciudad Campo Suburbio Ciudad Ciudad Ciudad Suburbio Suburbio Suburbio Suburbio Ciudad Ciudad Campo Suburbio Suburbio Suburbio Suburbio Ciudad Ciudad Campo Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad Ciudad Suburbio Ciudad Ciudad Ciudad Ciudad 64.10 68.70 75.60 68.80 63.60 72.90 73.00 69.80 66.30 68.80 67.90 66.80 69.60 66.50 70.00 65.30 66.50 70.90 72.10 70.30 71.00 68.50 65.70 68.10 71.50 67.80 62.20 69.50 72.90 71.20 68.40 66.80 69.20 68.10 69.60 72.30 66.70 67.10 71.30 69.60 123.50 141.50 186.25 129.00 140.00 168.50 162.50 143.50 137.00 167.00 134.00 140.75 149.00 148.50 153.75 123.00 138.00 177.00 149.25 141.00 138.50 145.50 138.00 140.25 135.25 127.50 118.25 155.25 158.00 188.50 135.50 134.25 133.00 145.50 164.00 166.50 135.75 124.25 152.75 136.00

155

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

on de las variables 4.3.3 Clasicaci


Las variables estad sticas se clasican atendiendo a las propiedades de la escala de medida con que se valora el atributo o magnitud subyacente. Una primera clasicaci on distingue entre las que a cada unidad estad stica le asignan una modalidad del atributo y las que le asignan un valor num erico de la magnitud correspondiente.
VARIABLES CUALITATIVAS

Una variable se denomina cualitativa cuando mide atributos y sus modalidades no son num ericas sino simples etiquetas.
EJEMPLO 4.16

Las variables estado civil, color de ojos y lugar de residencia son variables cualitativas.

VARIABLES CUANTITATIVAS

Una variable se denomina cuantitativa cuando los valores que toma son num ericos. Seg un las propiedades del conjunto de valores que toma pueden ser: Discretas, si toman valores discretos como 0, 1, 2, . . . , etc. Continuas si es razonable suponer que puede tomar cualquier valor intermedio.
La variable n umero de hijos de una pareja es una variable cuantitativa discreta. Las variables estatura y peso se consideran variables continuas.
EJEMPLO 4.17

Hay que observar, sin embargo, que la distinci on entre variable discreta y continua es, a veces, un tanto arbitraria. En la pr actica, debido a las limitaciones de los aparatos de medida, todos los valores observados son n umeros enteros, sin m as que considerar la medida expresada en las unidades apropiadas. Por ejemplo, si medimos la estatura en d ecimas de pulgada, los valores de la variable estatura en la tabla de Galton ser an 640, 722, 661, . . . , y cabr a la posibilidad de considerar que la variable estatura es discreta. Cuando se arma que la variable estatura es continua se hace referencia a la naturaleza intr nseca de la variable, ya que puede, idealmente, tomar cualquier valor positivo. Se puede llegar entonces al convenio de que, para variables continuas, una medida concreta representa un intervalo de valores; por ejemplo, si la precisi on
156

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

utilizada es de d ecimas de pulgada y se dice que una persona tiene una estatura de 640, se quiere signicar que su verdadera estatura est a comprendida entre 639.5 y 640.5 d ecimas de pulgada.
Las variables que hacen referencia a magnitudes relacionadas con el espacio, tiempo, masa y sus posibles combinaciones, velocidad, densidad, etc. se consideran variables continuas. Por extensi on, se suelen considerar variables continuas aquellas que pueden tomar un gran n umero de valores, aun cuando sean valores aislados. Un ejemplo es la variable salario ; los valores que puede tomar son, evidentemente, discretos pues basta expresarlo en la menor unidad monetaria disponible, digamos, c entimos de euro; sin embargo si identicamos dicha unidad monetaria con la precisi on de la medida, podemos considerarla continua.
EJEMPLO 4.18

Otra clasicaci on de las variables, que coincide en parte con la anterior, se basa en la estructura aritm etica del conjunto de los valores que toma.
VARIABLES NOMINALES

Variables nominales son las que representan atributos cuyas modalidades no pueden ser ordenadas ni operadas conforme a las reglas aritm eticas.
EJEMPLO 4.19

El sexo es una variable nominal. No tiene sentido ordenar ni sumar sus modalidades. Tambi en son nominales variables como color de ojos, lugar de residencia, etc.

VARIABLES ORDINALES

Variables ordinales son las que tienen modalidades que pueden ser ordenadas de mayor a menor.

EJEMPLO 4.20

Las variables ordinales aparecen con frecuencia en las Ciencias sociales. Por ejemplo, si en una encuesta se pregunta: Est a usted satisfecho con la decisi on del gobierno respecto de los impuestos?, las modalidades que puede tener la respuesta pueden ser: muy, bastante, poco o nada satisfecho. Estas modalidades, aunque cualitativas, pueden ordenarse de acuerdo al grado de satisfacci on, aunque no podemos juzgar sobre la diferencia entre las clases. No tiene sentido decir que los ciudadanos poco satisfechos se diferencian de los nada satisfechos en la misma medida en que los satisfechos se diferencian de los poco satisfechos.

157

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

Tambi en son variables de este tipo la calicaci on en estrellas de los hoteles o en tenedores de los restaurantes; la ubicaci on de un partido pol tico en el arco parlamentario, seg un la distinci on extrema izquierda, izquierda, centro, derecha o extrema derecha, etc.

VARIABLES DE INTERVALO

Variables medidas en escala de intervalos son las que valoran alguna cualidad cuanticable de los individuos en la que el 0 de la escala de medida tiene un car acter relativo.
EJEMPLO 4.21

Una variable que se emplea con frecuencia en las Ciencias sociales es el coeciente de inteligencia (CI) de un individuo. Su valor num erico se calcula en funci on de las respuestas que dan los sujetos a un cierto test. Un coeciente de inteligencia normal ronda el valor 100. En esta escala, tanto el valor 0 como el 100 tienen car acter relativo. No puede armarse que un individuo que obtiene un 0 carece absolutamente de inteligencia. En cambio, s puede decirse que la diferencia que existe entre las puntuaciones 90 y 100 es la misma que entre 100 y 110: en ambos casos la segunda puntuaci on supone 10 puntos m as que la primera. Sin embargo, en esta escala no tiene sentido la comparaci on de proporciones: si un individuo alcanza una puntuaci on de 100 no puede decirse que sea el doble de inteligente que un sujeto que obtiene una calicaci on de 50. La temperatura, medida en la escala Celsius, es una variable de intervalo. El 0 y el 100 de la escala as como la unidad de medida, el grado cent grado, son valores denidos por convenio. En esta escala tienen sentido las operaciones suma y resta; la diferencia de temperatura existente entre 40o y 30o es la misma que la que se observa entre 30o y 40o ; sin embargo, carece de sentido comparar por cociente los valores 40o y 40o .
VARIABLES DE RAZON

Variables medidas en escala de raz on son las que valoran una cualidad de modo que el 0 tiene un sentido absoluto. Tomar el valor 0 signica ausencia absoluta de la cualidad.
EJEMPLO 4.22

La longitud o el peso son variables medidas en escala de raz on. Un objeto de peso 0 carece de peso. Para estas variables s tiene sentido la comparaci on de raz on: si un objeto pesa dos veces m as que otro, su peso es doble que el del segundo. Otras variables de este tipo son la edad en a nos, el salario en euros, etc.

158

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

on de frecuencias de una variable 4.3.4 Distribuci


Frecuencias

Los datos de un problema estad stico, tal como se presentan tras realizar un censo o una muestra, tienen una apariencia desordenada, dif cil de interpretar, como se aprecia en la tabla de Galton. Uno de los nes de la Estad stica descriptiva es proporcionar m etodos que sirvan para resumir los datos, de manera que su interpretaci on sea m as f acil.
Frecuencias absolutas La primera transformaci on de los datos suele ser el c alculo de las frecuencias abso-

lutas de las distintas modalidades o valores.


FRECUENCIA ABSOLUTA

La frecuencia absoluta de una modalidad o valor de la variable es el n umero de observaciones que presentan esa modalidad o valor. Para calcular las frecuencias absolutas, identicamos, en primer lugar, las diferentes modalidades o valores que puede tomar la variable y las representamos por x1 , x2 , . . . , xk siendo k el n umero de modalidades o valores distintos. La notaci on anterior, con los puntos suspensivos en medio de una lista de valores, se emplea con frecuencia en Estad stica: es una forma general de escribir que la lista puede tener hasta k valores distintos. A continuaci on, mediante recuento, encontramos el n umero de observaciones con modalidad o valor xi , para cada i = 1, . . . , k. Dicho n umero, que denotamos con Fi , es la frecuencia absoluta de la modalidad o valor. Puesto que las modalidades o valores son incompatibles y exhaustivos, si denotamos N al n umero total de observaciones tendremos el siguiente resultado.
159

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

La suma de las frecuencias absolutas es igual al n umero de observaciones N : F1 + F2 + + Fk = N


El sumatorio EJEMPLO 4.23 Consideremos la tabla de Galton. Vamos a calcular las freEn Estad stica se suele utilizar el s mbolo , que se lee suma o sumatorio, para cuencias absolutas de las modalidades de la variable color de ojos. La denotar, en forma abreviada, una suma de varios t erminos. Por ejemplo, la expresi on variable presenta seis modalidades: x1 = azul, x2 = avellana, x3 = gris, F1 + F2 + + Fk puede escribirse como F1 + F2 + + Fk = Obs ervese que el s mbolo incluye un ndice, en este caso la letra i, que sirve para llevar la cuenta de los t erminos que se est an sumando; tambi en se incluyen los extremos, inferior y superior, de dicho ndice, entre los que se extiende la suma; en el caso anterior son, respectivamente, 1 y k. Hay que hacer notar que la letra que denota el ndice act ua a modo de contador interno de la suma, por lo que k puede intercambiarse libremente por otra; es decir, las notaciones k i=1 Fi y j =1 Fj signican exactamente lo mismo: F1 + F2 + + Fk . Cuando no hay peligro de confusi on por deducirse claramente del contexto, pueden suprimirse en el sumatorio bien sea el ndice, bien sean los extremos de la suma, e incluso ambos; en concreto, podemos encontrarnos con las siguientes notaciones equivalentes:
i=1 i=1

Fi .

x4 = marr on, x5 = negro y x6 = verde. Si efectuamos el recuento encontramos las frecuencias absolutas siguientes: F1 = 127, F2 = 27, F3 = 111, F4 = 110, F5 = 15 y F6 = 3. Podemos tambi en observar que algunos sujetos adolecen del correspondiente dato. Para recoger estos casos es usual a nadir una modalidad adicional, que puede denominarse x7 = no consta. Se tiene entonces F7 = 7.

i=1

Fi = 127 + 27 + 111 + 110 + 15 + 3 + 7 = 400

Fi = Fi = Fi = Fi
1 i

que es el total de observaciones N .

Frecuencias relativas Las frecuencias absolutas no permiten comparar f acilmente la distribuci on de dos po-

blaciones distintas que tengan distinto n umero de observaciones. Para hacer esa comparaci on es preferible emplear las frecuencias relativas, que son la proporci on de las frecuencias absolutas al total de observaciones.
FRECUENCIA RELATIVA

La frecuencia relativa de la modalidad o valor xi es la proporci on de observaciones que presentan el valor xi . Se representa por fi y, con f ormulas, se expresa: fi = Fi N

160

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

Puesto que la suma de las frecuencias absolutas es igual al n umero de observaciones, la suma de todas las frecuencias relativas debe ser igual a 1. f1 + f2 + + fk = F1 + F2 + + Fk N = =1 N N

La suma de las frecuencias relativas de todas las modalidades o valores es igual a 1. Las frecuencias relativas expresan el tanto por uno de una modalidad o valor en el conjunto de datos. Si se multiplican por 100 se obtiene el porcentaje de la modalidad o valor.
PORCENTAJE

El porcentaje de una modalidad o valor xi es igual a multiplicar por 100 su frecuencia relativa. Si se representa por pi se tiene: pi = 100 fi
EJEMPLO 4.24

Dado que el total de observaciones es N = 400, las frecuencias relativas del ejemplo anterior son: f1 = F1 127 = = 0.3175 N 400 F4 110 f4 = = = 0.2750 N 400 F7 7 f7 = = = 0.0175 N 400 F2 27 = = 0.0675 N 400 F5 15 f5 = = = 0.0375 N 400 f2 = F3 111 = = 0.2775 N 400 F6 3 f6 = = = 0.0075 N 400 f3 =

Los porcentajes son los n umeros anteriores multiplicados por 100: p1 = 31.75 %, p2 = 6.75 %, p3 = 27.75 %, p4 = 27.50 %, p5 = 3.75 %, p6 = 0.75 %, p7 = 1.75 %

Frecuencias acumuladas Sean x1 , x2 , . . . , xk los valores que toma una variable y supongamos que est an orde-

nados, como es el caso de variables medidas en una escala nominal, de intervalo o raz on. Entonces podemos considerar las frecuencias acumuladas.
161

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

FRECUENCIA ABSOLUTA ACUMULADA

La frecuencia absoluta acumulada del valor x j es la suma de las frecuencias absolutas de todos los valores menores o igual que x j . Si se representa por N j se tiene: N j = F1 + F2 + + Fj .

FRECUENCIA RELATIVA ACUMULADA

La frecuencia relativa acumulada del valor x j es la suma de las frecuencias relativas de todos los valores menores o igual que x j . Si se representa por n j se tiene: n j = f1 + f2 + + f j .
Consideremos la variable edad de la tabla de Galton. Los valores que toma son x1 = 23, x2 = 24 y x3 = 25 140 con frecuencias absolutas F1 = 144, F2 = 140 y F3 = 116. Las frecuencias relativas son: f1 = 144 400 = 0.36, f 2 = 400 = 0.35 y f3 = 116 400 = 0.29. Las frecuencias absolutas acumuladas y las frecuencias relativas acumuladas son:
EJEMPLO 4.25

Frecuencias absolutas acumuladas N1 = F1 = = 144 N2 = F1 + F2 = 144 + 140 = 284 N3 = F1 + F2 + F3 = 144 + 140 + 116 = 400

Frecuencias relativas acumuladas n1 = f 1 = = 0.36 n2 = f 1 + f 2 = 0.36 + 0.35 = 0.71 n3 = f1 + f2 + f3 = 0.36 + 0.35 + 0.29 = 1.00

Tablas de frecuencias

Las modalidades o valores de una variable junto con sus frecuencias, absolutas o relativas, se presentan usualmente en forma de tabla. La estructura general de una tabla de frecuencias, absolutas o relativas, se puede ver en la tabla 4.3. En general, cualquier tabla de frecuencias, absolutas o relativas, de una variable estad stica tiene dos columnas. En la primera se se nalan las modalidades o valores distintos que toma la variable. En la segunda aparecen las frecuencias absolutas o relativas de cada valor modalidad o valor. Esta disposici on recibe el nombre de distribuci on de frecuencias.
162

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

Tabla de frecuencias absolutas Modalidades o valores x1 x2 . . . xk Frecuencias absolutas F1 F2 . . . Fk N

Tabla de frecuencias relativas Modalidades o valores x1 x2 . . . xk Frecuencias relativas f1 f2 . . . fk 1

Tabla 4.3: Tabla de frecuencias absolutas y tabla de frecuencias relativas.

DE DISTRIBUCION FRECUENCIAS

Una distribuci on de frecuencias, absolutas o relativas, de una variable estad stica consiste en una presentaci on en forma de tabla de los distintos valores o modalidades, xi , que toma la variable junto con sus respectivas frecuencias absolutas Fi , o relativas fi .
EJEMPLO 4.26 En la tabla 4.4 se incluyen la distribuci on de frecuencias absolutas y relativas de la variable estad stica color de ojos de la tabla de Galton.

Consideremos la variable estad stica lugar de residencia de la tabla de Galton. Para simplicar, agrupamos las modalidades mar, varias y no consta Modalidad Frecuencia Modalidad Frecuencia en una misma modalidad que llamamos otros o NC. En Azul 127 Azul 0.3175 la tabla 4.5 se incluyen las tablas de frecuencias de dicha Avellana 27 Avellana 0.0675 variable en tres casos: para todas observaciones, para los Gris 111 Gris 0.2775 Marr on 110 Marr on 0.2750 sujetos que presentan la modalidad soltero en la variaNegro 15 Negro 0.0375 ble estado y para los sujetos cuyo estado es casado. Verde 3 Verde 0.0075 Gracias a las frecuencias relativas, lo valores de las tres No consta 7 No consta 0.0175 tablas est an expresados de manera homog enea, tantos Total 400 Total 1.0000 por uno, y podemos comparar los datos del lugar de resiTabla 4.4: Distribuci on de frecuencias absolutas y relativas de la varia- dencia para solteros, casados y el conjunto de los datos. ble estad stica color de ojos de la tabla de Galton.
EJEMPLO 4.27

Tabla de frecuencias absolutas color de ojos

Tabla de frecuencias relativas color de ojos

163

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

Todos Modalidad Campo Ciudad Suburbio Otros o NC Total Frecuencia Frecuencia absoluta relativa 63 212 117 8 400 0.1575 0.5300 0.2925 0.0200 1.0000 Modalidad Campo Ciudad Suburbio Otros o NC Total

Solteros Frecuencia Frecuencia absoluta relativa 58 185 101 6 350 0.1657 0.5286 0.2886 0.0171 1.0000 Modalidad Campo Ciudad Suburbio Otros o NC Total

Casados Frecuencia Frecuencia absoluta relativa 5 27 16 2 50 0.1000 0.5400 0.3200 0.0400 1.0000

Tabla 4.5: Distribuci on de frecuencias de la variable lugar de residencia de la tabla de Galton seg un la variable estado. Las tablas sugieren que la variable estado no tiene mucha inuencia en el lugar de residencia.

Modalidades o valores x1 x2 . . . xk

En la misma tabla se puede incluir las frecuencias absolutas, la frecuencias relatiTabla de frecuencias vas, las frecuencias absolutas acumuladas Frecuencias Frecuencias Frecuencias Frecuencias absolutas relativas absolutas acumuladas relativas acumuladas y las frecuencias relativas acumuladas. Se F1 obtiene una tabla general de frecuenF1 f1 = F1 f1 N cias. En la tabla 4.6 se puede ver este tipo F2 F1 + F2 f1 + f2 F2 f2 = N de tabla. Su estructura tiene cinco colum. . . . . . . . . . . . nas: la primera muestra los valores distinFk Fk fk = F1 + F2 + + Fk f1 + f2 + + fk tos que toma la variable; la segunda, las N N 1 frecuencias absolutas de cada uno de los valores; la tercera, las frecuencias relativas Tabla 4.6: Tabla de frecuencias de una variable estad stica de cada valor, calculadas como cociente entre la frecuencia absoluta y el n umero de observaciones; la cuarta, las frecuencias absolutas acumuladas y la quinta, las frecuencias relativas acumuladas
164

UNIDAD DIDACTICA 4 Incertidumbre

Variables de la Estad stica descriptiva

Tabla de frecuencias edad Edad 23 24 25 Total Frecuencias absolutas relativas 144 140 116 400 0.36 0.35 0.29 1.00 Frecuencias acumuladas absolutas relativas 144 284 400 0.36 0.71 1.00

La tabla 4.7 muestra la tabla general de frecuencias de la variable edad de la tabla de Galton.
EJEMPLO 4.28

Tabla 4.7: Tabla de frecuencias de la variable edad de la tabla de Galton.

165

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

4.4

Descripci on gr aca de una distribuci on de frecuencias


En muchas ocasiones es preferible dar una representaci on gr aca de la tabla de frecuencias. Las gr acos expresan con sencillez relaciones y propiedades que, a partir de los valores de la tabla, s olo las personas acostumbradas a manejar n umeros son capaces de apreciar. La utilizaci on de gr acos tiene varias ventajas. En particular, permiten descubrir f acilmente las observaciones anormales y detectar errores de codicaci on, identicar r apidamente algunos valores caracter sticos, como el m aximo y m nimo, y comparar de manera sencilla varias variables estad sticas represent andolas en el mismo gr aco. Sin embargo no est an exentos de inconvenientes. Los gr acos no pueden considerarse un sustituto de las tablas de frecuencias sino que unicamente las complementan, ya que su lectura no tiene la precisi on de las tablas; adem as, hay que tener presente que las unidades de escala inuyen en la percepci on que se tiene del gr aco y pueden conducir a exagerar hechos insignicantes o disminuir otros importantes. En Estad stica descriptiva se emplea una variedad enorme de representaciones gr acas y dibujos.

4.4.1 Variables cualitativas


El principio b asico para la representaci on de variables cualitativas es la proporcionalidad entre areas y frecuencias. Las representaciones m as importantes son los diagramas de sectores, los diagramas de barras y los pictogramas.
Diagramas de sectores

Los diagramas de sectores consisten en un c rculo de radio dado que representa el total de observaciones. El c rculo se divide en sectores, uno por cada modalidad de la variable observada. El tama no de cada sector se rige por el convenio siguiente: el area de cada sector es proporcional a la frecuencia de la modalidad. Como el area de un sector es proporcional al angulo, los sectores se escogen de modo que sus angulos son proporcionales a la frecuencia de modalidad. Puesto que el c rculo completo tiene 360o, a una modalidad
166

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

que tenga frecuencia relativa f le corresponder a un sector con angulo igual a f 360o. Los diagramas de sectores muestran con claridad la estructura porcentual de una poblaci on clasicada en varias modalidades.
Color de ojos
6.75 % 31.75 % 1.75 % 27.75 % 0.75 % 3.75 % 27.50 % Azul Avellana Gris Marr on Negro Verde No consta

Modalidad Azul Avellana Gris Marr on Negro Verde No consta Total

Frec. Frec. Porcentaje absoluta relativa % 127 27 111 110 15 3 7 400 0.3175 0.0675 0.2775 0.2750 0.0375 0.0075 0.0175 1.0000 31.75 6.75 27.75 27.50 3.75 0.75 1.75 100.00

Angulo 114o 18 24o 18 99o 54 99o 00 13o 30 2o 42 6o 18 360o

Figura 4.3: Diagrama de sectores de la variable color de ojos de la tabla de Galton. Vamos a construir un diagrama de sectores que represente la variable color de ojos de la tabla de Galton. Se parte de la tabla de frecuencias y se completa con una columna con el n umero de grados de cada sector. Consideremos la primera modalidad x1 = azul cuya frecuencia es f1 = 0.3175. Para calcular el angulo del sector correspondiente razonamos as : el c rculo completo tiene 360o y el color azul supone el 31.75 % del total; luego le corresponde un sector con un angulo igual al 31.75 % de 360o , es decir, 0.3175 360o = 114, 30o = 114o 18
EJEMPLO 4.29

angulos y el De modo similar se calculan los angulos correspondientes al resto de las variables. La gura 4.3 muestra la tabla de diagrama de sectores correspondiente.

Los diagramas de sectores tambi en son utiles cuando se quiere comparar la importancia relativa de las modalidades de una variable en diferentes segmentos de la poblaci on, en particular, con respecto a otras variables. Para hacer esa comparaci on se utilizan varios diagramas de sectores.
167

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

52.86 %

16.57 % 1.71 %

54.00 %

10.00 % 4.00 %

28.86 %

32.00 %

Solteros
Campo Ciudad Suburbio Otros o NC

Casados

Figura 4.4: Diagrama de sectores de la variable lugar de residencia de la tabla de Galton, seg un las modalidades de la variable estado. En la tabla 4.5 se mostr o la distribuci on de frecuencias de la variable lugar de residencia de la tabla de Galton seg un las distintas modalidades de la variable estado. La gura 4.4 representa los diagramas de sectores para dicha variable lugar de residencia en los dos casos posibles de la variable estado, soltero y casado. Basta un r apido vistazo a los diagramas de sectores de la gura 4.4 para tener una primera impresi on de como est a repartida la poblaci on. M as de la mitad vive en la ciudad, tanto solteros como casados. La proporci on de casados que vive en el campo es ligeramente menor que la de solteros. El aspecto de las dos distribuciones es muy similar por lo que no parece que la variable estado tenga mucha inuencia en la variable lugar de residencia.
EJEMPLO 4.30

Diagramas de barras

Si hay que representar un gran n umero de modalidades, o hay algunas que tienen una frecuencia relativa muy peque na, los diagramas de sectores no son muy ilustrativos, ya que, para la vista, es dif cil apreciar la importancia de sectores que tienen angulos peque nos. Entonces, es preferible emplear los diagramas de barras, incluso para representar frecuencias relativas. Tambi en, si lo que se quiere es destacar las frecuencias absolutas de cada modalidad, es necesario recurrir a los diagramas de barras. En este tipo de gr acos la
168

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

frecuencia de cada modalidad o valor se representa mediante un rect angulo o barra. El tama no de cada barra se calcula de acuerdo con el convenio siguiente: el area del rect angulo es proporcional a la frecuencia. En particular, si todos los rect angulos tienen la misma base, su altura es proporcional a la frecuencia que se quiere representar. Los diagramas de barras se pueden emplear para representar tanto frecuencias absolutas como relativas. Tambi en es frecuente incluir en cada barra un n umero con la frecuencia correspondiente.
130 120 110 100 90 80 70 60 50 40 30 20 10 0
127 111 110

27 15 3
azul

7 NC

avellana

gris

marr on

negro

verde

Figura 4.5: Diagrama de barras que representa la variable color de ojos de la tabla de Galton. La gura 4.5 muestra el diagrama de barras correspondiente a la variable color de ojos de la tabla de Galton. Puesto que hemos escogido barras con igual base, basta con elegir una escala conveniente en el eje de ordenadas. Sobre el eje de abscisas se levantan los rect angulos que describen la frecuencia de cada modalidad. La altura de cada rect angulo es proporcional a la frecuencia absoluta. El diagrama de barras informa con claridad del n umero de individuos que tienen cada uno de los colores de ojos posibles, pero hacen dif cil percibir la importancia relativa de cada una. Para destacar este aspecto, son preferibles los diagramas de sectores, como hemos visto en el apartado anterior.
EJEMPLO 4.31

Los diagramas de barras tambi en permiten comparar variables. Hay varias maneras de hacerlo. Una de ellas se basa en utilizar, para cada modalidad de una de las variables, un barra de area igual a la unidad y
169

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

100 90 80 70 60 50 40 30 20 10 0
solteros casados

campo 10 %

16.57 %

ciudad

52.86 % 54 % 28.86 % 32 % 1.71 % 4%

suburbio

otros o nc

10

20

30

40

50

60

Campo

Ciudad Suburbio Otros o NC

solteros

casados

Figura 4.6: Representaciones mediante diagramas de barras de la variable lugar de residencia de la tabla de Galton en relaci on con la variable estado.

trocearla de manera proporcional a la frecuencia de la modalidad de la otra variable. Es conveniente emplear barras de igual base, de forma que la frecuencia sea proporcional a la altura. Otra alternativa consiste en presentar, para cada modalidad de una de las variables, una serie de barras, una por cada modalidad de la otra variable, con area proporcional a su frecuencia. Tambi en en este caso el gr aco se simplica si se usan barras de igual base. Las barras pueden tener orientaci on horizontal o vertical. No hay ning un criterio para preferir una cosa a la otra, salvo el criterio est etico que gobierne la composici on del documento.
La gura 4.6 muestra dos maneras distintas de representar mediante diagrama de barras la variable lugar de residencia de la tabla de Galton, con respecto a las diferentes modalidades de la variable estado. Los datos son los de la tabla 4.5. En la gura de la izquierda, cada barra equivale al total de la frecuencia de la modalidad, soltero o casado, de la variable estado ; los trozos de las barras se corresponden con las frecuencias de las modalidades de la variable lugar de residencia. En la gura de la derecha, se muestran por parejas, de acuerdo con las dos modalidades de la variable estado, las barras que representan las frecuencias de las modalidades de la otra variable.
EJEMPLO 4.32

170

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

Pictogramas

Las variables cualitativas admiten tambi en una representaci on muy pl astica mediante dibujos, iconos, s mbolos, mapas, etc. Estos gr acos son de comprensi on muy sencilla y se denominan, de una manera general, pictogramas. Para confeccionarlos hay que tener presente el principio de que el tama no del s mbolo que ilustra cada modalidad ha de ser proporcional a la frecuencia de la misma. Por ello, hay que tener precauci on cuando se emplean gr acos de supercie o volumen, porque su tama no se incrementa con el cuadrado o el cubo de la dimensi on b asica. Una soluci on pr actica es incluir una referencia que d e una indicaci on de la frecuencia a la que equivale cada s mbolo utilizado en el gr aco.
EJEMPLO 4.33 La gura 4.7 muestra un pictograma que representa la distribuci on de frecuencias de la variable estado de la tabla de Galton. Cada s mbolo equivale a 20 individuos, por lo que la mitad de un s mbolo son 10 individuos. El dibujo correspondiente a cada modalidad, soltero o casado, es proporcional a su frecuencia.

Solteros

Casados

Distribuci on de frecuencias Estado Solteros Casados Total Frecuencia 350 50 400

= 20 individuos Figura 4.7: Pictograma de la distribuci on de la variable estado de la tabla de Galton.

171

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

4.4.2 Variables cuantitativas


La representaci on de las distribuciones de frecuencias de variables cuantitativas puede hacerse, de forma similar a las variables cualitativas, mediante diagramas de barras, que en este caso se suelen llamar histogramas.
Histogramas

El histograma es similar al diagrama de barras empleado para variables cualitativas. Se construye de forma an aloga atendiendo al principio de proporcionalidad entre areas y frecuencias.
Variables discretas Puesto que los valores que toman las variables discretas son n umeros enteros, es frecuente

que en lugar de utilizar rect angulos se empleen simples l neas rectas levantadas sobre el lugar del eje en que se ubican los diferentes valores de la variable.
En la gura 4.8 se muestra la tabla de frecuencias de la variable edad de la tabla de Galton y el histograma correspondiente.
EJEMPLO 4.34

continuas, si se miden con cierta precisi on, suelen aparecer repetidos pocas veces. Consideremos, por ejemplo, la tabla de Galton. Una simple Edad Frecuencia ojeada a los valores de la variable peso produce la impresi on de que la 23 144 24 140 frecuencia de cada uno de ellos es baja: la mayor parte s olo aparece 25 116 una o dos veces, mientras que los de mayor frecuencia se repiten, como 23 24 25 Total 400 mucho, ocho veces. Si los representamos directamente, obtendremos un Edad diagrama con muchas barras de alturas muy semejantes. En estas condiFigura 4.8: Histograma de la variable edad de la tabla de ciones, el histograma no tiene mucho sentido, pues dif cilmente cumple Galton. su objetivo de dar una impresi on gr aca de la distribuci on de frecuencias. Para lograr una representaci on m as signicativa se recurre al histograma con valores agrupados.
140 120 100 80 60 40 20 0
116

Tabla de frecuencias edad

Frecuencia 160 144

140

Variables continuas Los datos que proceden de variables cuantitativas

172

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

HISTOGRAMA CON VALORES AGRUPADOS

Un histograma con valores agrupados se construye de la manera siguiente: 1. Se determina el rango de posibles valores de la variable, a partir de los valores m nimo y m aximo que se observan en los datos. 2. Se divide el rango en k intervalos de clase,

[ei1 , ei ) i = 1, . . . , k
formados por los valores x tales que ei1 x < ei i = 1, . . . , k

La amplitud de la clase es el n umero ai = ei ei1. 3. Se calcula la marca de clase xi , que es el punto medio de cada intervalo de clase xi = ei1 + ei . 2

4. Se calcula la frecuencia absoluta de cada intervalo de clase contando el n umero de observaciones que caen dentro del mismo. 5. Se dibujan las barras del diagrama en forma de rect angulos, cuya base es igual a la longitud del intervalo de clase y su area es proporcional a la frecuencia del intervalo. Hay algunas observaciones adicionales de car acter pr actico que merece la pena destacar. a) El rango debe incluir los valores m nimo y m aximo que se observan en los datos. Es posible que sea conveniente extenderlo m as all a de estos l mites, hacia arriba y hacia abajo, de forma que los intervalos de clase sean todos de igual tama no.
173

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

b) Aunque no es una exigencia estricta, es muy conveniente que todos los intervalos de clase tengan igual amplitud. En ocasiones, esta condici on puede no cumplirse en los intervalos de clase extremos, puesto que pueden recoger todos los valores inferiores, o superiores, a un determinado valor m nimo, o m aximo. c) Cuando todos los intervalos tienen la misma amplitud, la altura del rect angulo del diagrama es proporcional a la frecuencia de la clase. d) La construcci on de los intervalos de clase producen el efecto de discretizar una variable continua. La marca de clase puede considerarse un valor que representa a todo el intervalo, en particular, para realizar c alculos. e) No hay ninguna regla predeterminada para saber cu antas clases debemos elegir, salvo que cualquier valor debe pertenecer a una y solamente a una clase. Un n umero demasiado elevado de clases puede producir irregularidades en la representaci on porque, accidentalmente, existan clases con poca frecuencia. En sentido contrario, un n umero demasiado restringido de clases puede conducir a una p erdida de informaci on. Los programas de ordenador suelen calcular de forma autom atica el n umero de intervalos; no obstante, en la pr actica no hay que tener temor a experimentar con n umeros de clase diferentes, a n de conseguir una mejor representaci on de la tabla de datos.
EJEMPLO 4.35

Vamos a construir un histograma de datos agrupados para representar la variable peso de la tabla de datos de

Galton. a) Identicamos, en primer lugar, el rango de la variable. El valor m as peque no que se encuentra en la tabla es 107.25, que corresponde a la observaci on 344, mientras que el valor mayor es 236 que muestra la observaci on 137. Podemos considerar que los valores de la variable pueden oscilar, digamos, entre 100 y 240. Entonces, establecemos que el rango de la variable es el intervalo [100 240]. b) Dividimos el rango en intervalos de clase. Si elegimos una amplitud igual a 10 para todos, obtenemos los siguientes:
[100 110) [110 120) [120 130) [130 140) [140 150) [150 160) [160 170) [170 180) [180 190) [210 200) [200 210) [210 220) [220 230) [230 240)

174

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on gr aca de una distribuci on de frecuencias

110 100 90 80 70 60 50 40 30 20 10 0
105 115 125 135 145 155 165 175 185

Intervalo de clase

Marca Frec. de clase de clase 105 115 125 135 145 155 165 175 185 195 205 215 225 235 2 16 57 93 109 64 33 13 6 2 4 0 0 1

[100 110) [110 120) [120 130) [130 140) [140 150) [150 160) [160 170) [170 180) [180 190) [190 200) [200 210) [210 220) [220 230) [230 240)

195

205

215

225

235

100 110 120 130 140 150 160 170 180 190 200 210 220 230 240

Figura 4.9: Histograma de valores agrupados de la variable peso de la tabla de Galton. d) Calculamos las frecuencias de cada intervalo de clase que se reejan, junto con la marca de clase. e) Finalmente, el histograma de datos agrupados para la variable peso de la tabla de Galton viene representado en la gura 4.9.

175

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

4.5

Descripci on num erica una distribuci on de frecuencias


Las descripciones gr acas de las distribuciones de frecuencias de las variables estad sticas que hemos visto en la secci on anterior dan una primera impresi on visual de las caracter sticas de su distribuci on de frecuencias. Examinemos el histograma de la gura 4.9. La lectura del eje de abscisas nos informa del rango de valores de la variable, de los valores que ocupan los lugares centrales de la distribuci on, de la existencia de alg un dato an omalo, aparentemente demasiado alejado del resto de valores; el eje de ordenadas nos dice c omo se concentran, o dispersan, los valores alrededor del centro de la escala; el an alisis de conjunto nos da una idea de la forma de la distribuci on. Podemos concluir que la distribuci on tiene un unico pico, aproximadamente situado en el centro del rango de valores, contiene alg un dato an omalo que deber a inspeccionarse, es m as o menos sim etrica alrededor de su centro y est a ligeramente m as concentrada hacia los valores menores. En s ntesis, las gr acas nos informan de tres aspectos de una distribuci on de frecuencias: su centro, la dispersi on de los valores alrededor del centro y su forma. Frente a la impresi on subjetiva que obtenemos gr acamente de los aspectos anteriores, es necesario disponer de n umeros concretos que midan de manera objetiva dichas caracter sticas. Este es el objetivo de este apartado: el estudio de las medidas de centralizaci on tambi en llamadas medidas de tendencia central, medidas de posici on o, simplemente, promedios , y las medidas de dispersi on; en los temas complementarios pueden encontrarse algunas medidas de forma. En conjunto, constituyen un resumen, o representaci on num erica, de una distribuci on de frecuencias de una variable estad stica.

on 4.5.1 Medidas de centralizaci


Media aritm etica

Una de las medidas de centralizaci on m as utilizada es la media aritm etica o, simplemente, media.
176

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

MEDIA ARITMETICA

La media aritm etica de una serie de valores num ericos es igual al cociente entre la suma de los valores y el n umero de valores. Con s mbolos: el valor medio de una magnitud cuanticable X , que presenta n valores x1, x2 , . . . , xn, se representa por x y se calcula mediante la f ormula: xi x1 + x2 + + xn n x = i= 1 = n n
Una peque na empresa tiene cinco empleados. Sus salarios mensuales, en euros, vienen en la tabla 4.8 El salario medio es: 1200 + 1425 + 1600 + 1350 + 1100 x= = 1335 euros 5 Para muchos c alculos y an alisis, basta con saber el salario medio, que representa a todos los salarios cobrados por los empleados de la empresa.
EJEMPLO 4.36

Empleado Salario 1 2 3 4 5 1200 1425 1600 1350 1100

Actualmente, con el auxilio de los ordenadores, o incluso las calculadoras de bolsillo, no es dif cil realizar las operaciones para calcular la media u otras medidas. Normalmente, basta introducir on, o pulsar la tecla, correspondiente. Tabla 4.8: Salarios de los em- los datos y aplicar la funci
pleados de una empresa.
EJEMPLO 4.37

La estatura media de todos los individuos de la tabla de Galton es 64.00 + 72.20 + 66.10 + + 71.30 + 69.60 = 68.00 pulgadas 400

El peso medio de todos los individuos de la tabla de Galton es 111.50 + 143.00 + 125.50 + + 152.75 + 136.00 = 144.06 libras 400

Si los datos est an dados en forma de tabla de frecuencias, el c alculo de la media aritm etica puede ser abreviado.

177

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Tabla de frecuencias N um. N um. hijos mujeres xi Fi 0 1 2 3 4 67434 27338 34474 6500 1267 Producto xi Fi 0 27338 68948 19500 5068 120854

La tabla 4.9, muestra las frecuencias de la variable n umero de hijos nacidos vivos que tienen las mujeres entre 15 y 49 a nos con residencia en la Comunidad Aut onoma de Cantabria, seg un la Encuesta de fecundidad de 1999, publicada en el ep grafe Demograf a y Poblaci on por el Instituto Nacional de Estad stica (INE) de Espa na. De acuerdo con su denici on, el n umero medio de hijos por mujer es igual a:
EJEMPLO 4.38

n umero medio de hijos por mujer =

total de hijos n umero de mujeres

El n umero total de mujeres es la suma de las frecuencias absolutas que aparecen en la tabla: 67434 + 27338 + 34474 + 6500 + 1267 = 137013 Para hallar el n umero total de hijos, basta multiplicar cada valor por su frecuencia y sumar; por ejemplo, el producto 2 34474 indica la aportaci on, al total de hijos, de las 34474 mujeres que tienen 2 hijos. Entonces total de hijos = 0 67434 + 1 27338 + 2 34474 + 3 6500 + 4 1267 = 120854

Total 137013

Este c alculo equivale a sumar, uno a uno, el n umero de hijos de cada mujer. Si imaginamos que hemos ordenado en una la las 137013 mujeres, coloc andolas en orden creciente seg un el n umero de hijos, primero encontrar amos 67434 mujeres sin hijos, y tendr amos que sumar 67434 ceros; luego, encontrar amos 27338 mujeres con un hijo, Fuente: INE: Demograf a y Poblaci on. Encuesta de fecundidad 1999. y tendr amos que sumar 27338 veces 1, as sucesivamente. Estos c alculos est an indicados en la tabla 4.9. En resumen encontramos 120854 Tabla 4.9: Distribuci on del x= = 0.8821 137013 n umero de hijos por mujer.

N umero de hijos nacidos vivos que se observa en la poblaci on de mujeres entre 15 y 49 a nos con residencia en la Comunidad Aut onoma de Cantabria.

El ejemplo anterior nos conduce al siguiente resultado:


MEDIA ARITMETICA DE UNA DE DISTRIBUCION FRECUENCIAS ABSOLUTAS

Si los datos est an resumidos en una tabla de frecuencias absolutas, como la tabla 4.10 (a), la media aritm etica, x, se calcula por la f ormula: xi Fi x1 F1 + x2 F2 + + xn Fn n x= = i= 1 F1 + F2 + + Fn N

178

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

C alculo de la media Tabla de frecuencias absolutas Valores xi x1 x2 . . . xn Total Frecuencias absolutas Fi F1 F2 . . . Fn N x= (a) xi Fi N Productos xi Fi x1 F1 x2 F2 . . .

C alculo de la media Tabla de frecuencias relativas Valores xi x1 x2 . . . xn Total Frecuencias relativas fi f1 f2 . . . fn 1 x = xi fi (b) Productos xi fi x1 f1 x2 f2 . . . xi fi xn fn

xi Fi

xn Fn

Tabla 4.10: C alculo de la media en una tabla de frecuencias.

Si expresamos la f ormula para calcular la media a partir de las frecuencias absolutas de la forma: x = x1 F1 F1 + + xn F1 + F2 + + Fn F1 + F2 + + Fn

encontraremos que es un promedio de los valores de la variable por cocientes de la forma: Fi Fi = F1 + F2 + + Fn N que son las frecuencias relativas, fi , de cada valor. Esta observaci on nos permite escribir la f ormula para calcular la media a partir de la tabla de frecuencias relativas.
179

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

MEDIA ARITMETICA DE UNA DE DISTRIBUCION FRECUENCIAS RELATIVAS

Si los datos est an resumidos en una tabla de frecuencias relativas, como la tabla 4.10 (b), la media aritm etica, x, se calcula por la f ormula: x = x1 f1 + x2 f2 + + xn fn =

i= 1

xi fi

Intervalo de clase Tabla de frecuencias N um. Frec. Producto hijos relativa xi fi xi fi 0 1 2 3 4 Total 0.4922 0.1995 0.2516 0.0474 0.0092 1.0000 0.0000 0.1995 0.5032 0.1423 0.0370 0.8821

Marca de clase xi 105 115 125 135 145 155 165 175 185 195 205 215 225 235

Frecuencia absoluta Fi 2 16 57 93 109 64 33 13 6 2 4 0 0 1 N = 400

Frecuencia relativa fi 0.0050 0.0400 0.1425 0.2325 0.2725 0.1600 0.0825 0.0325 0.0150 0.0050 0.0100 0.0000 0.0000 0.0025

Productos xi fi 0.5250 4.6000 17.8125 31.3875 39.5125 24.8000 13.6125 5.6875 2.7750 0.9750 2.0500 0.0000 0.0000 0.5875 x = 144.3250

Tabla 4.11: C alculo de la media del n umero de hijos usando las frecuencias relativas.

[100 110) [110 120) [120 130) [130 140) [140 150) [150 160) [160 170) [170 180) [180 190) [190 200) [200 210) [210 220) [220 230) [230 240)

Tabla 4.12: C alculo de la media de la variable peso de la tabla de Galton a partir de la tabla de valores agrupados. EJEMPLO 4.39 La tabla 4.11 muestra c omo calcular la media a partir de las frecuencias relativas de la distribuci on de la tabla 4.9. Como se puede apreciar, la media buscada se obtiene directamente como suma de la tercera columna de la tabla.

180

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Cuando se han agrupado los datos de una variable continua en forma de tabla de frecuencias y, por alguna raz on, no se dispone de los datos originales, es posible todav a calcular de forma aproximada la media, tomando como valores xi las marcas de clase y como frecuencias fi las frecuencias del intervalo.
Para calcular la media de la variable peso de la tabla de Galton a partir de la tabla incluida en la gura 4.9 disponemos los c alculos como se muestra en la tabla 4.12. La media se obtiene al sumar la columna de productos de las marcas de clase por las frecuencias. El valor que resulta por este procedimiento es x = 144.3250. Podemos compararlo con el que se obtuvo anteriormente mediante la aplicaci on directa de la denici on de media, 144.06. Se observa un ligero error, consecuencia de la agrupaci on de valores.
EJEMPLO 4.40

Propiedades de la media La media es una de las medidas de centralizaci on m as conocidas y utilizadas. Su

popularidad est a motivada, sin duda, por la sencillez de su c alculo y sus propiedades. Sin embargo, no est a exenta de inconvenientes. Vamos comentar algunas de sus caracter sticas. 1. En el c alculo de la media intervienen todos los valores de la variable y siempre es un n umero comprendido entre el m nimo y el m aximo de ellos. Sin embargo, no tiene por qu e coincidir con uno de los valores que toma la variable, lo cual puede dar lugar a que su signicado sea dif cil de interpretar. En un ejemplo anterior nos encontramos con que el n umero medio de hijos por mujer era 0.8821. Este n umero s olo puede entenderse de manera abstracta, considerando que son los hijos que tiene una mujer media o ideal que representa a toda la poblaci on y no se corresponde, evidentemente, con ninguna mujer real. 2. La media es muy sensible a la inuencia de unas pocas observaciones extremas. Por ejemplo, si las puntuaciones de un estudiante en los ex amenes son 8, 9, 8, y 10 la nota media es 8.75; mientras que si las puntuaciones fuesen 8, 9, 8 y 0 la media bajar a a 6.25. Los valores muy extremos de una variable pueden ser an omalos, producto de errores en la recogida de los datos; pero tambi en puede ocurrir que sean observaciones excepcionales que deban ser incluidas en los datos. En este caso, la media puede no ser un buen resumen de la distribuci on. 3. Cuando se dispone de la tabla bruta de datos es siempre posible el c alculo de la media de una variable. Sin embargo, si se manejan datos de segunda mano, ya elaborados en forma de tabla de frecuencias,
181

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

puede darse la circunstancia de que no sea posible calcular la media. Por ejemplo, los resultados de la Encuesta de fecundidad de 1999 en mujeres entre 15 y 49 a nos para el total nacional, publicada por el INE, son los siguientes:
xi Fi 0 4738369 1 1580253 2 2674505 3 868432 4 197807 5 y m as 105871

Los valores de la variable n umero de hijos vivos de una mujer son 0, 1, 2, 3, 4, 5 y m as. La ultima modalidad es abierta, por lo que, estrictamente hablando, no se puede calcular la media de la distribuci on de frecuencias, al no ser posible precisar un valor num erico concreto para esta clase. 4. La media tiene dos propiedades muy utiles que concuerdan con lo que nos sugiere la intuici on: a) No le afecta un cambio en el origen de medida de los valores de la variable. b) Si se cambia la escala de medida, la media cambia proporcionalmente.
x a 0 a xa P

Figura 4.10: Cambio de origen de la escala.

Es sencillo razonar que las cosas son efectivamente de este modo. Sean los posibles valores de la variable x1 , x2 , . . . , xn , medidos en una determinada escala, en la que se ha jado el origen y la unidad de medida. Supongamos que se cambia el origen de medida al punto a y se mantiene la unidad de medida; entonces los nuevos valores medidos ser an: x1 a, x2 a, . . . , xn a. En la gura 4.10 se justica esa transformaci on de los valores medidos. Consideremos una observaci on P. Si su medida
182

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

(x1 a) + (x2 a) + + (xn a) (x1 + x2 + + xn ) na = = xa n n Por otra parte, si cambiamos la unidad de medida de forma que la nueva unidad sea igual a b unidades de antes, las medidas anteriores x1, x2 , . . . , xn se transforman en x1 /b, x2 /b, . . . , xn /b y la media de los nuevos valores es: xn x 1 x1 x2 + + + = n b b b b Tenemos entonces el siguiente resultado:
INFLUENCIA DE LA ESCALA DE MEDIDA EN LA MEDIA ARITMETICA

respecto del origen 0 era x, cuando el origen sea el punto a, la medida correspondiente, distancia entre P y a, ser a x a. Como consecuencia de esta transformaci on, la media de las nuevas medidas es igual a x a, ya que se tiene:

Si se cambia el origen de medida a un punto de medida a respecto del origen anterior, la nueva media se transforma de la misma manera, y se cumple: xnueva = xanterior a Si se cambia la unidad de medida, la media cambia proporcionalmente al factor de escala. Si la unidad nueva es igual a b unidades de antes, la nueva media se transforma seg un la relaci on: 1 xnueva = x b
La temperatura se mide en grados Celsius (C) o grados Farenheit (F). El paso de una a otra supone hacer un 9 cambio de origen y escala. La expresi on que permite pasar de grados Celsius a grados Farenheit es F = C + 32. Con las notaciones 5 anteriores es a = 32 y b = 5 . Los siguientes datos cticios representan la temperatura m a xima de una ciudad durante los doce 9 meses del a no, expresada en grados Celsius.
EJEMPLO 4.41

183

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Mes ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC oC 5 10 15 20 25 30 35 40 25 20 20 10

La temperatura media en grados cent grados es: 5 + 10 + 15 + 20 + 25 + 30 + 35 + 40 + 25 + 20 + 20 + 10 = 21.25 12 Si hacemos el cambio a grados Farenheit, mediante la f ormula anterior, obtenemos los siguientes datos: C=
Mes ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC oF 41 50 59 68 77 86 95 104 77 68 68 50

La temperatura media en grados Farenheit es F= 41 + 50 + 59 + 68 + 77 + 86 + 95 + 104 + 77 + 68 + 68 + 50 = 70.25 12

on que permite pasar de grados Celsius a Farenheit, ya que 70.25 = Como podemos comprobar, entre C y F se cumple la relaci 9 1 22.5 + 32, es decir, F = C a. 5 b

on 4.5.2 Medidas de dispersi


La media aritm etica es un indicador del centro de una distribuci on de frecuencias. Cuando la utilizamos como valor representativo de la serie de valores, estamos aceptando la simplicaci on de que cada valor es igual a esta medida resumen. Es decir, al usar la media aritm etica pensamos que cada individuo de la poblaci on es igual al individuo medio. Esa simplicaci on es aceptable si los valores est an muy agrupados alrededor de la media, y no lo es si hay grandes diferencias entre ellos y la media. Si la variable toma siempre el mismo valor en todos los individuos, la media es igual al valor com un y es completamente representativa. Si los datos var an mucho, resulta dif cil aceptar que la media los representa. Lo bien o mal que una medida de centralizaci on representa al conjunto de observaciones depende de una caracter stica interna de los datos como es su dispersi on o variabilidad respecto de la medida. La dispersi on de los datos se puede cuanticar de diversas formas. En este secci on estudiaremos algunas de las m as utilizadas.
184

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Rango

La idea m as simple para medir la dispersi on de una variable es dar el valor mayor y menor que toma. La diferencia entre ambos se denomina rango.
RANGO

El rango o recorrido de una variable es la diferencia entre los valores m aximo y m nimo de la variable. Se representa por R. R = xm ax xm n
EJEMPLO 4.42

a) El rango de la variable salario de la tabla 4.8 es R = 3000 900 = 2100 euros. b) El rango de la variable estatura de la tabla de Galton es R = 79.50 59.40 = 20.1 pulgadas. c) El rango de la variable peso de la tabla de Galton es R = 236 107.25 = 128.75 libras.

Varianza y desviaci on t pica

La importancia de la media aritm etica como medida de centralizaci on nos lleva a plantearnos el problema de c omo caracterizar de manera num erica la dispersi on de una serie de valores alrededor de su media. Supongamos que los valores son x1, x2 , . . . , xn y su media es x. La diferencia xi x expresa lo pr oximo o alejado que est a el valor xi de la media. Podemos pensar en medir la dispersi on total de la serie de valores sumando las dispersiones individuales, es decir, podemos tomar como medida de la dispersi on total la cantidad (x1 x) + (x2 x) + + (xn x). Ahora bien, la cantidad anterior no es util como medida de dispersi on ya que, cualquiera que sea el conjunto de valores x1, x2 , . . . , xn , siempre es igual a cero. En efecto, x1 + x2 + + xn como x = se tiene nx = (x1 + x2 + + xn ), de forma que n

(x1 x) + (x2 x) + + (xn x) = (x1 + x2 + + xn ) nx = 0


185

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

No es dif cil comprender qu e est a ocurriendo. Las cantidades (xi x) son negativas cuando xi es inferior a la media y positivas en caso contrario. La media est a en el centro de la serie; es, por as decirlo, un punto an con las otras resultando de equilibrio entre los valores. Entonces unas cantidades (xi x) se compensar que la suma es nula. Para solucionar este inconveniente se adopta el criterio de elevar las desviaciones al cuadrado, haciendo que todas tomen valor positivo. As , se tiene la serie

(x1 x)2 , (x2 x)2 , . . . , (xn x)2 .


2 Podemos pensar ahora que si sumamos los t erminos anteriores, n i=1 (xi x) , ya tenemos una medida de la dispersi on respecto de la media. Pero la suma anterior todav a tiene un defecto. Pensemos que tenemos dos conjuntos de valores: uno con muchos datos muy concentrados alrededor de la media y otro con pocos datos muy alejados de la media. En el primer conjunto los t erminos (xi x)2 son muy peque nos, mientras que en el segundo son grandes. Es natural pensar que el primer conjunto est a menos disperso que el segundo, por lo que la medida de dispersi on debiera valer menos en el primer conjunto. Pero pudiera ocurrir que la suma de muchos t erminos peque nos llegase a ser muy grande, desvirtuando la idea de que los datos est an poco dispersos alrededor de su media. Para evitar esta inuencia del n umero de datos de la serie se toma como medida de la dispersi on la media aritm etica de los valores (xi x)2 .
VARIANZA

La varianza de un conjunto de valores x1 , x2 , . . . , xn , es la media aritm etica de los cuadrados de sus 2 desviaciones respecto de la media. Se representa por s y la f ormula para calcularla es:
2 (x1 x)2 + (x2 x)2 + + (xn x)2 n i=1 (xi x) s = = n n 2

La varianza se representa por un cuadrado para hacer hincapi e en que se trata de un n umero positivo. Otra medida de la dispersi on muy empleada es la ra z cuadrada de la varianza, que se denomina desviaci on t pica.
186

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

DESVIACION T IPICA

La ra z cuadrada de la varianza se denomina desviaci on t pica. Se representa por s y la f ormula para calcularla es: 2 (x1 x)2 + (x2 x)2 + + (xn x)2 n i=1 (xi x) s= = n n
Vamos a calcular la varianza y desviaci on t pica de los datos de la tabla 4.8. Para un mejor comprensi on haremos los c alculos con detalle, organiz andolos como se muestra en la tabla 4.13. La media es x = 1335. Restamos esta cantidad a cada uno de los valores de la variable para calcular las desviaciones respecto de la media. El resultado viene en la tercera columna. Los valores inferiores a la media muestran una desviaci on negativa y los superiores positiva. La suma es igual a cero. En la cuarta columna se incluyen las desviaciones elevadas al cuadrado. La varianza es la media aritm etica de estos n umeros:
EJEMPLO 4.43

xi 1 2 3 4 5 1200 1425 1600 1350 1100 Total

(xi x) (xi x)2


135 90 265 15 235 18225 8100 70225 225 55225

152000 = 30400 euros al cuadrado 5 Tabla 4.13: C alculo de la va La desviaci on t pica es la ra z cuadrada del valor anterior: s = 30400 = 174.36 euros. rianza de los salarios. EJEMPLO 4.44 Con el auxilio de un ordenador podemos calcular la varianza y desviaci on t pica de las variables estatura y peso de todos los individuos de la tabla de Galton.
0 152000

s2 =

a) Recordando que la estatura media era 68.00 pulgadas, tenemos s2 e

(64.00 68.00)2 + + (69.60 68.00)2 = = 7.52pulgadas cuadradas 400

La desviaci on t pica es se = 2.74. b) Recordando que el peso medio era 144.06 libras, tenemos s2 p=

(111.50 144.06)2 + + (136.00 144.06)2 = 290.28libras cuadradas 400

La desviaci on t pica es s p = 17.04 libras.

187

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Si los datos est an en una tabla de frecuencias, el c alculo de la varianza se sigue de las expresiones correspondientes al c alculo de la media aritm etica para tablas de frecuencias, puesto que, por denici on, la varianza es la media aritm etica del cuadrado de las desviaciones a la media. Tenemos los siguientes resultados:
VARIANZA DE UNA DE DISTRIBUCION FRECUENCIAS ABSOLUTAS.

Si los datos est an resumidos en una tabla de frecuencias absolutas, como la tabla 4.10 (a), la varianza, s2 , se calcula por la f ormula: s2 =

(xi x)2 Fi (x1 x)2 F1 + (x2 x)2 F2 + + (xn x)2 Fn n = i= 1 F1 + F2 + + Fn N

VARIANZA DE UNA DE DISTRIBUCION FRECUENCIAS RELATIVAS.

Si los datos est an resumidos en una tabla de frecuencias relativas, como la tabla 4.10 (b), la varianza, 2 s , se calcula por la f ormula: s2 = (x1 x)2 f1 + (x2 x)2 f2 + + (xn x)2 fn =
EJEMPLO 4.45

i= 1

(xi x)2 fi

En la tabla 4.14 se muestra la disposici on de los c alculos para encontrar la varianza de una serie de datos dispuestos en tabla de frecuencias. La variable es el n umero on de mujeres. Se obtiene que la varianza es s2 = 1.0029 de hijos de una poblaci hijos al cuadrado. La desviaci on t pica es s = 1.0029 = 1.0014.

Propiedades de la varianza y la desviaci on t pica

1. La varianza mide la dispersi on con respecto a la media aritm etica. Por lo tanto s olo debe utilizarse cuando se elige esta como medida de centralizaci on. 2. La varianza es siempre no negativa y toma el valor cero unicamente cuando todos los valores de la variable son iguales, en cuyo caso coinciden con la media y hay ausencia total de dispersi on. En los
188

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Encuesta de fecundidad (1999). Comunidad de Cantabria N umero hijos vivos por mujer xi 0 1 2 3 4 Fi 67434 27338 34474 6500 1267 fi 0.4922 0.1995 0.2516 0.0474 0.0092 xi Fi 0 27338 68948 19500 5068

(xi x) (xi x)2 (xi x)2 Fi (xi x)2 fi


-0.8821 0.1179 1.1179 2.1179 3.1179 0.7780 0.0139 1.2498 4.4857 9.7215 52465.94 380.25 43085.08 29156.79 12317.19 0.3829 0.0028 0.3145 0.2128 0.0899

Total 137013 1.0000 120854 x= 120854 = 0.88 137013 s2 = 137405.25 = 1.0029 137013

137405.25 1.0029 s = 1.0029 = 1.0014

Tabla 4.14: C alculo de la varianza y desviaci on t pica en una tabla de frecuencias.

dem as casos la varianza es positiva y, cuanto mayor es la dispersi on de los datos con respecto a la media, tanto mayor ser a el valor de la varianza. 3. La varianza se mide en las unidades de la variable elevadas al cuadrado, mientras que la desviaci on t pica se mide en las mismas unidades que la variable. 4. Si se cambia el origen de medida de los valores de la variable no se modican el valor de la varianza ni el de la desviaci on t pica, mientras que si se cambia la escala de medida, la varianza cambia en proporci on al cuadrado de la nueva unidad y la desviaci on t pica en proporci on a dicha nueva unidad. Esta propiedad se comprueba de modo an alogo a como se hizo en el caso de la media. Supongamos ua un traslado de origen resultando unos que los valores originales son x1, x2 , . . . , xn y que se efect nuevos valores (x1 a), (x2 a), . . . , (xn a). Como sabemos la nueva media es x a, por lo que las desviaciones de los nuevos valores respecto de su media ser an [(xi a) (x a)] = (xi x). Como estos valores no cambian, tanto la varianza como la desviaci on t pica quedan inalteradas.
189

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Supongamos ahora que se efect ua un cambio de escala, pasando los nuevos valores a ser de la forma xn x1 x2 x , , . . . , . Recordemos que la nueva media es . Entonces las desviaciones son b b b b x1 x x2 x xn x , ,..., b b b b b b La nueva varianza ser a:
s2 nueva = 1 n x1 x b b
2

x2 x b b

+ +

xn x b b

1 (x1 x)2 + (x2 x)2 + (xn x)2 1 = 2 s2 2 b n b anterior

Hemos llegado al siguiente resultado:


INFLUENCIA DE LA ESCALA DE MEDIDA EN LA VARIANZA Y LA DESVIACION T IPICA

Si se cambia el origen de medida a un punto de medida a respecto del origen anterior no cambian ni la varianza ni la desviaci on t pica. Si se cambia la unidad de medida, la varianza cambia proporcionalmente al cuadrado del factor de escala y la desviaci on t pica proporcionalmente al factor de escala. Si la unidad nueva es igual a b unidades de antes, la nueva varianza se transforma seg un la relaci on: s2 nueva = 1 2 s b2 anterior 1 santerior b

y la nueva desviaci on t pica se trasforma seg un la relaci on snueva =

190

UNIDAD DIDACTICA 4 Incertidumbre

Descripci on num erica una distribuci on de frecuencias

Coeciente de variaci on

La varianza y la desviaci on t pica dependen de la unidad de medida que se emplea para medir la variable. Esto es un grave inconveniente cuando se quiere comparar la dispersi on de poblaciones medidas con distintas escalas. Para tener una medida invariante respecto de la unidad de medida empleada, se dispone del denominado coeciente de variaci on.
COEFICIENTE DE VARIACION

Se llama coeciente de variaci on al cociente entre la desviaci on t pica y la media, supuesto que esta es distinta de cero. Se representa por CV y su expresi on es CV =

Suele expresarse en forma de porcentaje, multiplicando para ello el valor anterior por 100.
EJEMPLO 4.46

a) El coeciente variaci on de la variable estatura de la tabla de Galton es CVe = o bien en porcentaje CVe = 3.97 %. b) El coeciente variaci on de la variable peso de la tabla de Galton es CVp = o bien en porcentaje CVe = 11.83 %. Podemos concluir que la variable peso muestra una mayor variabilidad que la variable estatura. 17.04 = 0, 1183 144.06 2.7 = 0.0397 68

191

Propiedades del coeciente de variaci on

1. El coeciente de variaci on es un n umero sin unidades que, como se ha dicho, se suele expresar como porcentaje. 2. Dado que es un coeciente para comparar la variabilidad, que es una cualidad esencialmente no negativa, s olo tiene sentido cuando es positivo. Entonces s olo se debe usar cuando los datos son positivos para poder asegurar que la media es positiva. 3. El coeciente es una medida de la dispersi on invariante respecto de un cambio de escala, como consecuencia de las propiedades de la media y la desviaci on t pica. Sin embargo no es invariante frente al cambio de origen porque el numerador queda inalterado pero el denominador cambia.

192

Indice alfab etico


Abscisa, 80 Algebra de l mites, 116 Algoritmo de la divisi on, 32 Amplitud de clase, 173 Aranda, conde de, 123 Area, 95 de un paralelogramo, 96 de un rect angulo, 95 de un tri angulo, 97 Azar, 129 Base de una potencia, 48 Cardano, 122 Censo, 147 Cent esima, 30 Clase amplitud, 173 intervalo, 173 marca, 173 Coeciente de una ecuaci on lineal, 64 Coeciente de variaci on, 191 propiedades, 192 Continuidad, de funciones, 118 Coordenadas, 80 D ecima, 30 Denominador, 23 Descartes, R., 76 Descomposici on en factores, 8 Descomposici on en factores primos, 10 Desviaci on t pica, 187 inuencia escala de medida, 190 propiedades, 188 determinista, fen omeno, 128 Diagrama barras, 168
193

sectores, 166 Diferencia, de dos n umeros enteros, 17 Dispersi on, 184, 185 Distancia entre dos puntos, 82 Distribuci on de frecuencias absolutas, 163 relativas, 163 Divisibilidad, 8 Divisor, 8 com un, 11 trivial, 8 Ecuaci on, 55, 56 de la recta paralela, 91 de la recta perpendicular, 94 de la recta que pasa por dos puntos, 87 de primer grado, 63 de una recta, 83 lineal, 57 Ecuaci on lineal, 63 forma normal, 64 coeciente de la inc ognita, 64 resoluci on, 65 t ermino del lado derecho, 64 Ecuaciones, 56 clasicaci on, 57

grado, 57 n umero de inc ognitas, 57 de primer grado, 63 equivalentes, 61 inc ognitas, 56 lineales, 57, 63 m etodos de resoluci on eliminaci on, 71 sustituci on, 67 n umero de, 57 no lineales, 57 planteamiento, 56 reglas de resoluci on, 62 resoluci on, 56, 58, 61, 65 sistemas de, 57 soluci on, 56, 58, 61 Ecuaciones lineales, 66 sistemas, 66 Eje de abscisas, 79 de ordenadas, 79 Ejes de coordenadas, 79 Elemento de una poblaci on, 146 Espacio de posibilidades, 135 Estad stica, 146
194

Estad stica Descriptiva, 148 estoc astico, 123 Euclides, 75 Exponente, 48 Factor, 8 Factores primos, 10, 11 Factorizaci on, 8 trivial, 8 Fen omeno aleatorio, 129 Floridablanca, conde de, 123 Fracci on, 23 denominador, 23 inversa, 29 numerador, 23 peri odica, 33 rec proca, 29 Fracciones, 23 criterio de equivalencia, 24 de la unidad, 31 cent esima, 30 d ecima, 30 mil esima, 31 diferencia distinto denominador, 27 igual denominador, 26 divisi on, 30

por un n umero entero, 29 equivalentes, 23 expresi on decimal, 32 nita, 33 peri odica, 34 iguales, 24 negativas, 24 ordenaci on, 39 producto, 29 suma distinto denominador, 27 igual denominador, 25 Frecuencia absoluta, 159 acumulada absoluta, 162 relativa, 162 relativa, 160 tabla, 162, 164 Frecuencias distribuci on, 163 Funci on, 105, 106 continua en un punto, 118 creciente, 110 decreciente, 110 discontinua en un punto, 118
195

gr aca, 108 imagen de un elemento, 106 l mite en un punto, 113 m aximo relativo, 112 m nimo relativo, 112 variable independiente, 107 Galileo, 103, 122 Galton, F., 124, 150 tabla, 151 Gauss, C. F., 124 Gr aca, de una funci on, 108 Grado de una ecuaci on, 57 Histograma, 172 valores agrupados, 173 Inc ognita, 55, 56 Individuo, 146 Inferencia estad stica, 149 Intervalo, 106 abierto, 106 cerrado, 106 semiabierto, 106 semicerrado, 106 Intervalo de clase, 173 Laplace, 124, 144 Leibniz, G.W., 101

L mite, de una funci on en un punto, 113 L mites c alculo, 116 elementales, 115 Marca de clase, 173 M aximo, de una funci on, 112 M aximo com un divisor, 12 Media aritm etica, 177 distribuci on de frecuencias absolutas, 178 distribuci on de frecuencias relativas, 180 inuencia de la escala, 183 propiedades, 181 M etodos de resoluci on de ecuaciones, 67, 71 eliminaci on, 71 sustituci on, 67 Mil esima, 31 M nimo com un m ultiplo, 13 M nimo, de una funci on, 112 Minuendo, 17 Modalidades, 149 modelos estoc asticos, 123 Muestra, 148 M ultiplo, 8 Newton, I., 101 Numerador, 23
196

N umero, 6 compuesto, 8, 9 divisible, 8 entero, 14, 15 fracionario, 23 irracional, 41 natural, 6 negativo, 14 opuesto, 16 positivo, 15 primo, 8, 10 racional, 23 real, 41, 43 N umeros primos entre s , 12 N umeros enteros producto, 18 suma, 17 N umero naturales divisi on, 7 multiplicaci on, 7 resta, 7 suma, 7 N umeros naturales, 14 N umeros racionales ordenaci on, 39

representaci on decimal, 32 Observaci on, 150 Operaciones aritm eticas, 7 Orden n umeros racionales, 39 n umeros reales, 46 Ordenada, 80 Ordenada, en el origen de una recta, 86 Origen, 79 Paralela a una recta, 91 Paralelogramo, 96 Pearson, K., 124 Pendiente de una recta, 86 Per metro, 95 Per odo, 33 Perpendicular, a una recta, 94 Pictogramas, 171 Pit agoras, 40, 77 Poblaci on, 146 Porcentaje, 36, 161 de aumento, 37 de disminuci on, 37 de un porcentaje, 38 de variaci on, 37 Potencia, 48 exponente entero, 50
197

exponente fraccionario, 52 Probabilidad, 130 Propiedades, de las potencias , 48 Propiedades, orden de R I , 46 Punto de intersecci on de dos rectas, 89 Puntos alineados, 88 Quebrado, 23 Quetelet, A., 124 Racionales, 23 Ra z, 51 Rango, 173, 185 Rango de variaci on, 106 Recorrido, 185 Recta, 83, 85 paralela al eje de abscisas, 84 paralela al eje de ordenadas, 84 perpendicular, 94 Rectas paralelas, 90 perpendiculares, 94 Regla de Laplace, 144 Regla de los signos, 18 cociente, 19 Reglas de divisibilidad, 9 Reglas de resoluci on de ecuaciones, 62 primera, 62

segunda, 62 tercera, 62 Sistema de ecuaciones soluci on, 60 Sistema de referencia cartesiano, 79 Sistemas de ecuaciones, 57, 66 M etodo de eliminaci on, 69 M etodo de sustituci on, 67, 68 Sistemas de ecuaciones lineales, 66 dos ecuaciones con dos inc ognitas, 66 tres ecuaciones con tres inc ognitas, 68 Soluci on, 56 de ecuaciones con m as de una inc ognita, 59, 61 de un sistema de ecuaciones, 60, 61 de una ecuaci on, 56, 58, 61 Suceso, 134 compuesto, 136 imposible, 138 seguro, 138 simple, 136 Sumatorio, 160 Sustraendo, 17 Tabla de frecuencias, 162, 164 Tales, 89 Teorema de Pit agoras, 40, 77
198

Unidad estad stica, 146 Valor absoluto, 16 Valores, 149 Variable continua, 156 cualitativa, 156 cuantitativa, 156 discreta, 156 escala de intervalo, 158 escala de raz on, 158 estad stica, 149 nominal, 157 ordinal, 157 Varianza, 186 distribuci on de frecuencias absolutas, 188 distribuci on de frecuencias relativas, 188 inuencia escala de medida, 190 propiedades, 188

199