Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GUILLERMO ENRIQUE
PALENCIA MENDOZA
TEMA: TEOREMA DE PITAGORAS,
TERNAS PITAGORICAS Y
2) b a 2 c2
3) c a 2 b2
TERNAS PITAGÓRICAS
Una terna pitagórica es un
trío de números enteros que
cumplen con el teorema de
Pitágoras, como por ejemplo
los siguientes:
(3,4,5)⇒ 32 42 52
Algunas de estas ternas ya aparecen en la llamada tablilla de Plimton 332, una tablilla de barro de
origen babilónico datada en el 1800 a.C. y que se conserva en la Universidad de Columbia.
Ejemplos
a. n=1 ⇒3(1)=3, 4(1)=4, 5(1)=5
b. n=2⇒3(2)=6, 4(2)=8, 5(2)=10
EJEMPLO
EJEMPLOS
a 2(4) 4 1 b 4 1 5 c 2(4) 4
a 8 4 1 c 8 4 12
a 13
TEOREMA DE PITAGORAS Y SUS APLICACIONES
RECOMENDACIONES PARA REALIZAR UN EJERCICIO DE APLICACIÓN
a b2 c2
Solución:
a 14900m 2 122,065metros
R Jen 1602 pies2 3002 pies2 25600pies2 90000pies2 Jen debe cubrir 340 pies en 60 segundos, así que
debe marchar a una velocidad de 340/60, ó
R Jen 115600pies2 340pies aproximadamente 5.7 pies por segundo.
3 3
ap cm
2
Y luego el valor de h
Calculando a:
a 2 a 2 100m 2
2a 2 10000 m 2
2a 100m
100m 100m 2
a . 50 2m
2 2 2
Calculando h: Ya tenemos
h 17500m 2 132,28metros
b. Ahora vamos encontrar la superficie de la pirámide que significa tener una base cuadrada y
cuatro triángulos isósceles de sus áreas
Para esto debemos encontrar la altura del triángulo de cada cara de la pirámide
150m 2 x 2 50m 2
22500m 2 x 2 2500m 2
x 2 22500m 2 2500m 2
x 2 20000m 2
x 200metros
A B 100x100m 10000m 2
1
c. Ahora para calcular el volumen recurrimos a la formula V Sb .h
3
1 1322800m3
V .10000m 2 .132,28m 440933,33m3
3 3
LECTURA CRITICA
Lo que las matemáticas nos enseñan de las
epidemias
MANUEL DE LEÓN Y LUIS M. MARTÍNEZ
11 AGO 2016
Tomado de: https://elpais.com/elpais/2016/08/10/ciencia/1470819795_495686.html
La peste ha dado lugar a visiones literarias como la de Daniel Defoe o la de Albert Camus,
en las que la solidaridad se da la mano con el egoísmo y el terror, y recordamos también
al joven Isaac Newton refugiado en el campo para librase de un rebrote de peste en
Londres y dando a la luz a su gran obra científica. Pero fundamentalmente, las epidemias
son amenazas que siempre hemos querido combatir y, a ser posible, prevenir.
En este aspecto, las matemáticas han sido y son de enorme ayuda. En 1766, en su
artículo Essai d'une nouvelle analyze de la mortalité causée par la petite vérole, Daniel
Bernoulli (uno más de la saga Bernouilli) presentó un primer modelo epidemiológico, que
fue después mejorado por Lambert y Laplace. Los modelos determinísticos modernos
(que no tienen en cuenta la estocasticidad del fenómeno), nacen con los trabajos de
Ross, Kermack y McKendrick, autores de los modelos SIR y sus generalizaciones. En
estos modelos, se toman las condiciones iniciales de una población, teniendo en cuenta
los individuos que son infectados (I), los que son susceptibles de hacerlo (S) y los
inmunes (R), y se incluyen en las ecuaciones, generalmente diferenciales, y su evolución
sirve para predecir el curso de la enfermedad, su agresividad o potencia de contagio, y su
posible alcance o probabilidad de extinción. En principio, esta capacidad predictiva nos
permitiría actuar en el momento adecuado y contra los elementos de la población precisos
para frenar, o al menos disminuir, la virulencia de una epidemia. Las ecuaciones de Lotka-
Volterra (las mismas que describen la relación entre predadores y presas en un
ecosistema) juegan también un papel en estas descripciones.
La capacidad predictiva nos permitiría actuar en el momento adecuado y contra los
elementos de la población precisos para frenar, o al menos disminuir, la virulencia
de una epidemia
Los modelos deterministas son muy efectivos prediciendo la evolución de una epidemia
que afecte a poblaciones muy grandes. Sin embargo, en poblaciones pequeñas el curso
de una enfermedad puede fluctuar de manera muy significativa y es imprescindible
considerar otras alternativas. Se sustituyen así las ecuaciones diferenciales por variables
aleatorias, modelos estocásticos y estadística; empleando teoría de sistemas dinámicos y
modelos basados en aprendizaje automático (machine learning), o cadenas de Markov,
para realizar análisis predictivos en conjuntos de datos. Muchos de estos modelos han
sido influenciados por el trabajo clásico de Thomas Robert Malthus sobre el crecimiento
exponencial de la población contenido en su obra An Essay on the Principle of
Population en 1798, que fue refinado más tarde por la función logística de Pierre François
Verhulst en 1838, al incluir además la tasa de recursos disponibles.
Por un lado, del número de personas con las que interactuemos. Si fuéramos un
ermitaño en mitad del bosque que no se relaciona con nadie, en cuanto nos curásemos o
muriésemos de la enfermedad, ésta ya no se propagaría más.
Los comportamientos exponenciales tienen una propiedad asombrosa y terrible: crecen
muy rápido partiendo de números relativamente bajos
Por otro lado, está la forma en la que se transmite la enfermedad. Algunas
enfermedades, como el ébola, son más difíciles de contagiar porque se transmiten en
gotas gordas, lo que requiere mucha cercanía con el enfermo. Otras, como la
tuberculosis, tienen un factor de propagación más alto ya que la bacteria se aloja en las
gotas más pequeñas. El coronavirus se trasmite en gotas medias, lo que implica que a
partir de cierta distancia de la persona infectada, caen al suelo y no llegan a la gente de
su alrededor.
Para saber cómo crece ese contagio se usan las matemáticas. Si queremos conocer el
número de contagiados que habrá mañana debemos partir del número de infectados que
hay hoy. Hay que tener en cuenta el número de personas con las que esos infectados han
interactuado hoy, hallar la probabilidad media de contagio y multiplicar los dos números.
Por último, al resultado hay que restarle los que se han curado. Como la enfermedad es
relativamente larga, por ahora el número de pacientes curados es mucho menor que el de
los que se infectan cada día, aunque con una gran probabilidad se vayan a curar en el
futuro.
El número de contagios medios por paciente y día varía de región a región. La razón de
esa diferencia es que hay muchos factores implicados: la cultura del país, por ejemplo
si acostumbramos a una mayor cercanía corporal como en los países mediterráneos o
una separación mayor como en los nórdicos; la humedad del ambiente, ya que con más
humedad las gotas en las que se propaga el virus viajan a menor distancia; el número de
personas con las que estamos en contacto a diario, por ejemplo si la mayoría vive en
grandes aglomeraciones o en pequeñas poblaciones, etc…
Como toda enfermedad, llegará un momento en el que se estabilizará. Esto puede pasar
porque se tomen las medidas adecuadas y el número de pacientes no se incremente,
porque se cree una vacuna que ayude a detenerla o porque la mayoría de la población
haya estado expuesta y se haya inmunizado.
Los sistemas sanitarios tienen una capacidad limitada
La pregunta que está en la mente de muchos es: ¿por qué los gobiernos están tomando
medidas tan drásticas si al final sea como sea se va a estabilizar? Se debe a que lo
importante no es cuándo se estabilice la pandemia, sino a cuánta gente haya afectado
cuando lo haga ya que los sistemas sanitarios tienen una capacidad limitada.
Por otro lado, no todas las personas que entren en nuestro ‘radio de contaminación’ nos
infectarán, sino que existe una probabilidad de que lo hagan, p. Si estamos en una fiesta y
hablamos muy cerca de otras personas, tocamos muchas superficies y luego nos
llevamos las manos a la cara sin lavarnos, por ejemplo, las probabilidades de
contagiarnos son mucho mayores.