Razonamiento Matemático

RAZONAMIENTO MATEMTICO CUANTITATIVO
Y CUALITATIVO
RMULO A. BERVNS F
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO
BARQUISIMETO, 1999
RAZONAMIENTO MATEMTICO CUANTITATIVO

Y CUALITATIVO
Por
Rmulo A. Bervns Faras
Trabajo de Ascenso presentado para optar

a la categora de Asociado en el escalafn
del Personal Docente y de Investigacin.
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO

Decanato de Ciencia y Tecnologa.
Barquisimeto, 1999
RAZONAMIENTO MATEMTICO
CUANTITATIVO Y
CUALITATIVO
RMULO A. BERVNS F.
1999
A Jeanette, Guillermo, Jeandely, Yahir y Yanireth.
II
PRLOGO
El presente trabajo est proyectado para servir como material de apoyo
para estudiantes que se inician en carreras como Matemticas, Fsica,
Educacin Matemtica e Ingeniera.
Fue elaborado siguiendo el programa de la asignatura Razonamiento
Matemtico Cuantitativo y Cualitativo de la Licenciatura en Matemticas de
la Universidad Centro Occidental Lisandro Alvarado.
En el primer captulo se presentan fundamentos de lgica y teora de
conjuntos. En el segundo captulo se introduce al alumno formalmente en la
demostracin de teoremas, presentando las tcnicas ms usadas para ello. En
el captulo cuatro se definen las relaciones y las funciones y sus propiedades.
La parte cuantitativa se centra en los captulos tres y seis, en los que se
presentan la proporcionalidad, las progresiones y el manejo de datos.
En el captulo seis se da una introduccin a los modelos matemticos,
presentando como ejemplo el modelo de dinmica de poblaciones. As mismo,
se presentan algunos aspectos tericos sobre modelos y su diferencia con los
ejercicios y los problemas.
Quiero finalmente expresar mi agradecimiento a todas las personas que
colaboraron en la realizacin de este trabajo, especialmente al Lic. Gerardo
Mrquez, por su gran aporte.
Rmulo Bervns
Barquisimeto, noviembre de 1999.
III
CONTENIDO
CAPTULO 1. LGICA Y TEORA DE CONJUNTOS ........................... 1
1.1.- PROPOSICIONES VERITATIVAS ........................................ 1
1.2.- OPERACIONES CON PROPOSICIONES ............................. 3
1.2.1.- NEGACIN ................................................................. 3
1.2.2.- CONJUNCIN ............................................................. 4
1.2.3.- DISYUNCIN .............................................................. 4
1.2.4.- DISYUNCIN EXCLUSIVA ...................................... 5
1.2.5.- EL CONDICIONAL ..................................................... 5
1.2.6.- EL BICONDICIONAL ................................................. 8
1.3.- FORMAS PROPOSICIONALES ............................................ 10
1.4.- TAUTOLOGAS Y CONTRADICCIONES ........................... 13
1.5.- CONJUNTOS ........................................................................... 17
1.6.- CUANTIFICADORES .............................................................
1.6.1.- CUANTIFICADOR EXISTENCIAL ...........................
1.6.2.- CUANTIFICADOR UNIVERSAL ..............................
1.6.3.- NEGACIN DE CUANTIFICADORES .....................
18
19
20
21
1.7.- INCLUSIN DE CONJUNTOS .............................................. 22

1.8.- IGUALDAD DE CONJUNTOS ............................................... 23
1.9.- OPERACIONES CON CONJUNTOS .....................................
1.9.1.- UNIN .........................................................................
1.9.2.- INTERSECCIN .........................................................
1.9.3.- DIFERENCIA Y COMPLEMENTO ...........................
1.9.4.- DIFERENCIA SIMTRICA ........................................
1.9.5.- PRODUCTO CARTESIANO ......................................
25
25
26
28
30
31
1.10.- CONJUNTO POTENCIA ...................................................... 32

1.11.- CARDINAL DE CONJUNTOS FINITOS .............................. 33
IV
CAPTULO 2. PENSAMIENTO MATEMTICO ................................... 38

2.1.- TEOREMAS Y DEMOSTRACIONES ................................... 38
2.1.1.- TEOREMAS DEL TIPO pq .................................... 38
2.1.2.- TEOREMAS DEL TIPO pq .................................... 41
2.2.- CONTRAEJEMPLOS .............................................................. 42
2.3.- CONJETURAS ......................................................................... 43
CAPTULO 3. PROPORCIONALIDAD Y PROGRESIONES ................. 44

3.1.- PROPORCIONALIDAD .......................................................... 44
3.1.1.- VARIACIN ................................................................ 44
3.1.2.- PROPORCIN ............................................................. 44
3.1.3.- VARIACIN DIRECTAMENTE PROPORCIONAL .. 46
3.1.4.- VARIACIN INVERSAMENTE PROPORCIONAL .. 48
3.2.- PROGRESIONES ARITMTICAS ......................................... 49
3.3.- PROGRESIONES GEOMTRICAS ....................................... 51
CAPTULO 4. RELACIONES Y FUNCIONES ........................................ 55

4.1.- RELACIONES ......................................................................... 55
4.2.- REPERESENTACIN GRFICA DE LAS RELACIONES ... 55
4.3.- FUNCIONES ............................................................................
4.3.1.- NOTACIN FUNCIONAL .........................................
4.3.2.- FUNCIONES BIYECTIVAS .......................................
4.3.3.- FUNCIONES EXPONECIALES Y
LOGARTMICAS .........................................................
4.3.4.- VARIACIN DE UNA FUNCIN .............................
57
58
59
63
65
CAPTULO 5. ESTADSTICA ................................................................. 67

V
5.1.- CONCEPTOS BSICOS DE ESTADSTICA ........................

5.1.1.- QU ES LA ESTADSTICA .......................................
5.1.2.- MASA, COLECTIVO Y VARIABLES .......................
5.1.3.- OPERACIONALIZACIN ..........................................
5.1.4.- ESTADSTICA DESCRIPTIVA Y ESTADSTICA
INFERENCIAL ............................................................
5.1.5.- UTILIZACIN ADECUADA DE LA
ESTADSTICA .............................................................
67
67
68
71
5.2.- ORGANIZACIN DE LA INFORMACIN ..........................

5.2.1.- FORMA TEXTUAL .....................................................
5.2.2.- FORMA TABULAR ....................................................
5.2.3.- FORMA GRFICA ......................................................
73
74
74
78
72
73
5.3.- ORGANIZACIN DE LOS DATOS ...................................... 85

5.4.- MEDIDAS DE TENDENCIA CENTRAL Y DE
POSICIN ................................................................................ 93
5.5.- AJUSTE DE CURVAS .......................................................... 100
CAPTULO 6. MODELOS MATEMTICOS ........................................ 106

6.1.- EJERCICIOS, PROBLEMAS Y MODELOS.
INTRODUCCIN .................................................................... 106
6.2.- EJERCICIOS Y PROBLEMAS ............................................. 107
6.3.- MODELO DE DINMICA DE POBLACIN ..................... 109
6.4.- EJERCICIOS DEL CAPTULO ............................................. 112
RESPUESTAS A EJERCICIOS PROPUESTOS
................................... 114
REFERENCIAS ........................................................................................ 121
VI
CAPTULO 1 . LGICA Y TEORA DE CONJUNTOS.

1.1.- PROPOSICIONES VERITATIVAS.
DEFINICIN 1.1: Una PROPOSICIN VERITATIVA ( o simplemente
proposicin) es una frase cuyo contenido es verdadero o falso, pero no ambos.
EJEMPLO 1.2: a.- Las siguientes frases son proposiciones verdaderas:
1.- 6 es un nmero par.
2.- 7 no es un nmero par.
3.- Si Juan es caraqueo, entonces es venezolano.
b.- Las siguientes frases son proposiciones falsas:
1.- 6 es un nmero impar.
2.- Todo venezolano es barquisimetano.
3.- 2=1.
c.- Las siguientes frases no son proposiciones:
1.- Cuntos aos tienes ?
2.- Qu locura!
3.- Esta frase es falsa.
Denotaremos a las proposiciones con letras minsculas y diremos que
su VALOR LGICO (VL) es uno si es verdadera y cero si es falsa.
EJEMPLO 1.3: Si p y q son las proposiciones:
p: 8 es un nmero par.
q: 2=1.
Entonces el valor lgico de p es uno ( VL(p)=1) y el valor lgico de q es
cero ( VL(q)=0).
DEFINICIN 1.4: Una PROPOSICIN ABIERTA es un par (A, P(x)) que
satisface:
i)
A es un conjunto ( al cual llamaremos DOMINIO ).
ii)
P(x) es una frase que contiene la variable x.
iii) P(x) no es una proposicin.
iv) Cada sustitucin de x en P(x) por un elemento de A produce una
proposicin.
El conjunto formado por los elementos de A para los cuales P(x) es
verdadera, se denomina DOMINIO DE VERDAD, denotado DV(A,P(x)).
1
EJEMPLO 1.5: a.- Sea A={1,2,3,4} y la proposicin

P(x): x es par; entonces
P(1) es una proposicin falsa.
P(2) es una proposicin verdadera.
P(3) es una proposicin falsa.
P(4) es una proposicin verdadera.
Luego, (A,P(x)) es una proposicin abierta y DV(A,P(x))= {2,4}
b.- Sea B={0, 1, 3, 10} y la proposicin
Q(y): y > 5; entonces
Q(0) es una proposicin falsa.
Q(1) es una proposicin falsa.
Q(3) es una proposicin verdadera.
Q(10) es una proposicin verdadera.
Luego, (B,Q(x)) es una proposicin abierta y DV(B,Q(x))= {3, 10}
En las proposiciones abiertas puede haber ms de una variable y en ese
caso deben haber tantos conjuntos como variables.
EJEMPLO 1.6: A={2, 4}
B= {1, 3, 5}
P(x,y): x < y
(A, B, P(x,y)) es tambin una proposicin abierta ya que:
P(2,1) es una proposicin falsa.
P(2,3) es una proposicin verdadera.
En este caso, el Dominio de Verdad est formado por pares ordenados.
Esto es, DV(A,B,P(x,y))= {(2,3), (2,5), (4,5)}.
EJERCICIO 1.7:
1.- Determinar cules de las siguientes frases son proposiciones:
a.- 2+1=5
b.- Para todo nmero real x, x > 0
c.- Esta frase no es una proposicin.
d.- Esta frase es una proposicin.
2.- Hallar el Dominio de Verdad de las siguientes proposiciones
abiertas:
a.- A={0, 1, 2, 3}, P(x): x-2 < 0
b.- B={crculo, cuadrado, tringulo}, Q(x):x es un polgono.
c.- C={1, 2, 3, 4, 5, 6, 7}, R(y): y no es un nmero primo.
1.2.- OPERACIONES CON PROPOSICIONES.
A continuacin estudiaremos algunas operaciones con proposiciones
tales como: negacin, conjuncin, disyuncin, disyuncin exclusiva,
condicional y bicondicional. A los smbolos que se usan para denotar estas
operaciones (~, , , , , ), se les denomina CONECTIVOS LGICOS
(o simplemente conectivos).
1.2.1.- NEGACIN.
DEFINICIN 1.8: La NEGACIN de una proposicin p es otra
proposicin ( ~ p), que se lee no p ( no es cierto que p p es falsa) y
cuyo valor lgico es VL(~p)=1-VL(p). Esto es ,
p ~p
1 0
0 1
~p
01
10
A las tablas de este tipo se les denomina TABLAS DE VERDAD.

EJEMPLO 1.9: Si p: 3 > 4
q: 5 < 1
r: x+3x+2=(x+2)(x+3)
entonces VL(~p)=1.
VL(~q)=1.
VL(~r)=0.
3
1.2.2.- CONJUNCIN.
DEFINICIN 1.10: La CONJUNCIN de dos proposiciones p y q es otra
proposicin (pq) que se lee p y q, cuyo valor lgico es VL(pq)=mn
{VL(p), VL(q)} . Esto es,
p
1
1
0
0
q pq
1 1
0 0
1 0
0 0
pq
111
100
001
000
EJEMPLO 1.11: Si p: 2 > 3

q: 2-1=0
r : 10 > 100
entonces VL(p)=1, VL(q)=0, VL(r)=1.
VL(pq)=0.
VL(pr)=1.
VL(qr)=0.
1.2.3.- DISYUNCIN (o DISYUNCIN INCLUSIVA).
DEFINICIN 1.12: La DISYUNCIN de dos proposiciones p y q es otra
proposicin (pq) que se lee p o q , cuyo valor lgico es VL(pq)=mx
{VL(p), VL(q)} . Esto es,
p
1
1
0
0
q pq
1 1
0 1
1 1
0 0
pq
111
110
011
000
EJEMPLO 1.13: Si p: Barquisimeto es la capital del estado Lara.

q: Valera es la capital del estado Trujillo.
r: Guanare es la capital del estado Cojedes.
entonces VL(p)=1, VL(q)=0, VL(r)=0.
VL(pq)=1
VL(pr)=1
VL(qr)=0.
4
1.2.4.- DISYUNCIN EXCLUSIVA.

DEFINICIN 1.14: La DISYUNCIN EXCLUSIVA de dos proposiciones p
y q es otra proposicin (pq) que se lee o p o q , cuyo valor lgico es
VL(pq)= |VL(p)- VL(q)| . Esto es,
p
1
1
0
0
q pq
1 0
0 1
1 1
0 0
p q
1 0 1
1 1 0
0 1 1
0 0 0
EJEMPLO 1.15: Si p: El mes de febrero tiene siempre 28 das.

q: Mayo tiene 31 das.
r: Marzo tiene 30 das.
entonces VL(pq)=1.
VL(pr)=0.
VL(qr)=1.
La conjuncin, la disyuncin y la disyuncin exclusiva son operaciones
conmutativas. Esto es, si p y q son proposiciones, entonces
VL(pq)=VL(qp), VL(pq)=VL(qp) y VL(pq)=VL(qp).
1.2.5.- EL CONDICIONAL.
DEFINICIN 1.16: Sean p y q dos proposiciones. El CONDICIONAL con
antecedente p y consecuente q es la proposicin (pq), que se lee si p,
entonces q cuyo valor lgico es VL(pq)=mx{1-VL(p), VL(q)} . Esto es,
p
1
1
0
0
q pq
1 1
0 0
1 1
0 1
pq
1 1 1
1 0 0
0 1 1
0 1 0
La tabla se resume en: si el antecedente es verdadero, el consecuente no

puede ser falso.
EJEMPLO 1.17: Si p: 5 es un nmero primo.

q: 6 es un nmero primo.
r: 9 es un nmero primo.
entonces VL(pq)=0.
VL(qp)=1.
VL(pr)=0.
VL(qr)=1.
Este ejemplo ilustra la no conmutatividad del condicional
VL(pq) VL(qp).
ya
que
Otras formas de leer el condicional (pq) son:

a.- p es una condicin suficiente para q.
b.- q es una condicin necesaria para p.
c.- p slo si q.
d.- q si p.
e.- p solamente si q.
EJEMPLO 1.18: Sean las proposiciones
p: Pedro es hijo de Jos.
q: Jos es padre de Pedro.
r: Jos y Pedro son hermanos.
Expresar simblicamente los condicionales:
a.- Que Pedro sea hijo de Jos es condicin suficiente para que Jos sea
padre de Pedro.
b.- Jos y Pedro son hermanos slo si Pedro es hijo de Jos.
c.- Jos y Pedro son hermanos si Jos es padre de Pedro.
d.- Una condicin necesaria para que Jos y Pedro sean hermanos es
que Jos sea padre de Pedro.
Solucin:
a.- pq.
b.- rp.
c.- qr.
d.- rq.
Por otra parte, suponiendo que Jos y Pedro son hermanos, entonces
VL(p)=0, VL(q)=0, VL(r)=1. Por tanto, los valores lgicos de los
condicionales anteriores son:
6
a.- VL(pq)=1.
b.- VL(rp)=0.
c.- VL(qr)=1.
d.- VL(rq)=0.
DEFINICIN 1.19: El DIRECTO, el RECPROCO, el CONTRARIO y el
CONTRARRECPROCO de un condicional pq son los condicionales:
Directo: pq.
Recproco: qp.
Contrario: (~p)(~q).
Contrarrecproco: (~q)(~p).
EJEMPLO 1.20: Sean p, q y r las proposiciones del ejemplo anterior.
1.- Enunciar:
a.- El recproco de pq.
b.- El contrario de rq.
c.- El contrarrecproco de rp.
2.- Identifique los siguientes condicionales como directo, recproco,
contrario o contrarrecproco de los condicionales pq, pr o qp.
a.- Si Pedro no es hijo de Jos, entonces Pedro y Jos no son
hermanos.
b.- Una condicin necesaria para que Jos y Pedro sean hermanos es
que Jos sea padre de Pedro.
c.- Jos no es padre de Pedro slo si Pedro no es hijo de Jos.
Solucin:
1.- a.- Si Jos es padre de Pedro, entonces Pedro es hijo de Jos.
b.- Si Jos y Pedro no son hermanos, entonces Jos no es padre de
Pedro.
c.- Si Pedro no es hijo de Jos, entonces Jos y Pedro no son
hermanos.
Existen otras formas de enunciar estos condicionales usando, por
ejemplo, las frases que incluyen condicin necesaria, condicin suficiente,
slo si, etc.
2.- a.- (~p)(~r)
b.- rq
c.- (~q)(~p)
( Contrario de pr ).
( Recproco de qr).
( Contrarrecproco de pq).
7
1.2.6.- EL BICONDICIONAL.
DEFINICIN 1.21: El BICONDICIONAL de dos proposiciones p y q es la
proposicin (pq), que se lee p si y slo si q y cuyo valor lgico es
VL(pq) = 1-|VL(p)-VL(q)|
Esto es,
p
1
1
0
0
q pq
1 1
0 0
1 0
0 1
pq
1 1 1
1 0 0
0 0 1
0 1 0
EJEMPLO 1.22: 1.-Supongamos que p, q, r y s son las proposiciones:

p: Fidel Castro fue presidente de Venezuela.
q: John F. Kennedy fue presidente de Estados Unidos.
r: Augusto Pinochet fue presidente de Argentina.
s: Carlos Salinas de Gortari fue presidente de Mjico.
Hallar el valor lgico de la proposicin
((~pq)r)((sr)p)
2.- Si la proposicin ((pq)r)(pp) es verdadera y VL(r)=0,
hallar VL(p) y VL(q).
Solucin:
1.-
((~pq)r)((sr)p)
1 1 0
10 0
1
1
0
0
1
Escribimos la proposicin y colocamos los valores lgicos de p, q, r, s y

p, obtenidos del enunciado, para obtener los valores lgicos considerando
las operaciones. Luego, hallamos los valores lgicos de ~pq y sr,
usndolos para conseguir los valores lgicos de (~pq)r y (sr)p con
los cuales se obtiene el valor lgico de la proposicin.
2.- Para que la proposicin ((pq)r)(pp) sea verdadera,

es necesario que las proposiciones de ambos lados del bicondicional tengan el
mismo valor lgico.
Veamos la tabla de la verdad del lado derecho
p p
1 1 0
0 1 1
Debido a esto, (pq)r es verdadera y como VL(r)=0, entonces
VL(pq)=1. Luego, VL(q)=1 y VL(p)=1, por lo que VL(p)=0.
La siguiente grfica muestra la secuencia mediante la cual se
obtienen los valores lgicos de p y q.
((pq)r)(pp)
1 1
10
1
1 1
Ms adelante definiremos equivalencia entre proposiciones y veremos
que, como lo sugiere el nombre, el bicondicional pq es equivalente a la
conjuncin de los condicionales pq y qp ; por lo que pq tambin se
lee p es condicin necesaria y suficiente para q.
EJERCICIO 1.23: 1.- Consideremos las siguientes proposiciones:
p: x=0 es la nica solucin de la ecuacin x+x=0.
q: x=0 es una solucin de la ecuacin x+x=0.
r: La ecuacin x-1=0 tiene solucin en el conjunto de los
nmeros reales.
Hallar el valor lgico de las proposiciones:
a.- (pq)r
b.- p(qr)
c.- (pq)(r)
d.- (r)((p)q)
2.- Enunciar el recproco, el contrario y el contrarrecproco de
los condicionales:
a.- Si x=1, entonces x=1.

b.- Una condicin necesaria para que Ana acepte ir al cine
con Juan es que Juan tenga dinero.
c.- Jos aprueba matemticas si estudia mucho.
3.- Sean p, q y r las proposiciones del ejercicio 1.23.1.
Identifique los siguientes condicionales como directo, recproco, contrario o
contrarrecproco de los condicionales pq, pr o qr.
a.- Si la ecuacin x-1=0 no tiene solucin en el conjunto
de los nmeros reales, entonces x=0 no es una solucin de la ecuacin x+x=0.
b.- Una condicin necesaria para que x=0 sea una
solucin de la ecuacin x+x=0 es que sea la nica.
c.- Una condicin suficiente para que x-1=0 no tenga una
solucin en el conjunto de los nmeros reales es que x=0 no sea la nica
solucin de x+x=0.
d.- Si x=0 es solucin de x+x=0, entonces no es la nica.
4.- Si la proposicin (pq)(rp) es falsa y VL(q)=0, hallar
VL(p) y VL(r).
5.- Si la proposicin (pq)(((q)r)s) es falsa y VL(p)=1,
hallar VL(r), VL(q) y VL(s).
1.3.- FORMAS PROPOSICIONALES.
Consideremos la expresin
((pq)r)((pr)(qr)) (I)
sta no es una proposicin ya que no podemos afirmar que es cierta o
falsa. Sin embargo, si tomamos las letras p, q y r como VARIABLES
PROPOSICIONALES; esto es, si podemos sustituirlas por proposiciones,
entonces (I) se convierte en una proposicin. A este tipo de expresiones se les
conoce como FORMAS PROPOSICIONALES, las cuales se denotan con
letras maysculas y seguidamente se colocan entre parntesis las variables
proposicionales que intervienen. Por ejemplo, (1) puede denotarse A(p, q, r) o
B(p, q, r), etc.
El valor lgico de una forma proposicional depende de los valores
lgicos de las variables proposicionales ( tambin llamadas
10
PROPOSICIONES ATMICAS ), ste se calcula usando tablas de la verdad.

Para ilustrar esto, construyamos la tabla de la verdad de (I).
(( p q ) r)((p r) (q r))
1 11 11 1 1 11 1 111
1 11 00 1 1 00 0 100
1 10 11 1 1 11 1 001
1 10 00 1 1 00 0 000
0 11 11 1 0 01 1 111
0 11 00 1 0 00 0 100
0 00 01 1 0 01 0 001
0 00 00 1 0 00 0 000
Para hacer esta construccin se colocan todas las combinaciones
posibles de valores lgicos de las variables proposicionales, luego se asignan
valores lgicos de acuerdo a las operaciones que intervienen, como aparece en
la siguiente secuencia
(( p q ) r)((p r) (q r))
1 1
1
1 1
1 1
1 1
0
1 0
1 0
1 0
1
1 1
0 1
1 0
0
1 0
0 0
0 1
1
0 1
1 1
0 1
0
0 0
1 0
0 0
1
0 1
0 1
0 0
0
0 0
0 0
(( p q ) r)((p r) (q r))
1 11
1
1 11
111
1 11
0
1 00
100
1 10
1
1 11
001
1 10
0
1 00
000
0 11
1
0 01
111
0 11
0
0 00
100
0 00
1
0 01
001
0 00
0
0 00
000
11
(( p q ) r)((p r) (q r))
1 11 11
1 11 1 111
1 11 00
1 00 0 100
1 10 11
1 11 1 001
1 10 00
1 00 0 000
0 11 11
0 01 1 111
0 11 00
0 00 0 100
0 00 01
0 01 0 001
0 00 00
0 00 0 000
(( p q ) r)((p r) (q r))
1 11 11 1 1 11 1 111
1 11 00 1 1 00 0 100
1 10 11 1 1 11 1 001
1 10 00 1 1 00 0 000
0 11 11 1 0 01 1 111
0 11 00 1 0 00 0 100
0 00 01 1 0 01 0 001
0 00 00 1 0 00 0 000
La columna obtenida en el ltimo paso (llamada COLUMNA
PRINCIPAL), contiene los valores lgicos posibles de la forma proposicional,
y se resalta usando letras negritas, encerrndola en un rectngulo o ambas
cosas. El conectivo debajo del cual est esta columna es llamado
CONECTIVO PRINCIPAL de la forma proposicional.
EJEMPLO 1.24: Construir la tabla de la verdad de las siguientes formas
proposicionales:
a.- (pq)(pq)
b.- p(p)
c.- ((pq)(qr))(pr)
d.- p(p)
12
Solucin:
a.- (p q)(p q)
111 1 111
110 0 100
011 0 001
000 1 000
b.- p(p)
10 0
00 1
c.- ((pq)(qr))(pr)
1111 111 1 111
1110 100 1 100
1000 011 1 111
1000 010 1 100
0111 111 1 011
0110 100 1 010
0101 001 1 011
0101 010 1 010
( Silogismo Hipottico )
d.- p(p)
11 0
01 1
1.4.- TAUTOLOGAS Y CONTRADICCIONES.
DEFINICIN 1.25: Una forma proposicional cuya columna principal est
constituida slo por unos, se denomina TAUTOLOGA. Si la columna
principal est constituida slo por ceros, se denomina CONTRADICCIN.
Una IMPLICACIN LGICA es una tautologa cuyo conectivo
principal es un condicional ( en cuyo caso el smbolo se cambia por ).
Una EQUIVALENCIA es una tautologa cuyo conectivo principal es
un bicondicional ( en cuyo caso el smbolo se cambia por o por ).
EJEMPLO 1.26: 1.- Demuestre que las siguientes formas proposicionales son
implicaciones lgicas:
a.- (pq)p
(Ley de Simplificacin)
b.- p(pq)
(Ley de Adicin)
13
c.- ((pq)(q))p
(Ley de Silogismo Disyuntivo)
2.- Demuestre que las siguientes formas proposicionales son

equivalencias:
a.- (pq)(pq)
(Ley del Condicional)
b.- (pq)((pq)(qp)
(Ley del Bicondicional)
c.- (pq)((q)(p)) (Ley del Contrarrecproco)
Solucin:
1.- a.- (p q) p
11 1 1 1
10 0 1 1
00 1 1 0
00 0 1 0
b.- p(p q)
1 1 111
1 1 110
0 1 011
0 1 000
c.- ((p q) (q)) p
111 0 0
1 1
110 1 1
1 1
011 0 0
1 0
000 0 1
1 0
2.- a.- (p q)(p q)
1 1 1 1 0 11
1 0 0 1 0 00
0 1 1 1 1 11
0 1 0 1 1 10
b.- (pq)((pq)(qp)
111 1 111 1111
100 1 100 0011
001 1 011 0100
010 1 010 1010
14
c.- (pq)((q)(p))
111 1 0 1 0
100 1 1 0 0
011 1 0 1 1
010 1 1 1 1
EJERCICIO 1.27: Demuestre que las siguientes formas proposicionales son
tautologas; siendo V una tautologa y F una contradiccin.
1.- (p)p
(Doble Negacin)
2.- (pp)p
3.- (pp)p
4.- (pq)(qp)
5.- (pq)(qp)
6- ((pq)r)(p(qr))
7.- ((pq) r)(p(qr))
(Leyes Idempotentes)
(Leyes Conmutativas)
(Leyes Asociativas)
8.- (p(qr))((pq)(pr))
9- (p(qr))((pq)(pr))
10.- pFp
11.- pFF
12.-pVV
13.- pVp
(Leyes de De Morgan)
(Leyes de Identidad)
14.- (pp)V
(Ley del tercio excluido)
15.- (pp)F
(Ley de la Contradiccin)
15
16.- VF
17.- FV
18.- (pq)((pq)F)
(Ley de reduccin al absurdo)
19.- ((pq)r)((pr)(qr)) (Ley de demostracin por

casos)
16
1.5.- CONJUNTOS.
Apoyados en conocimientos previos, hemos usado el concepto de
conjunto sin definirlo formalmente. A continuacin se presenta este concepto
y algunas propiedades y operaciones bsicas.
Consideramos CONJUNTO a toda coleccin de objetos de cualquier
naturaleza. A tales objetos los denominamos ELEMENTOS. Los conjuntos se
denotan con letras maysculas (Ej.: A, B, C,...) y los elementos con
minsculas (Ej.: a, b, c,...).
Cuando un elemento a est en un conjunto A, decimos que a pertenece
a A, y lo denotamos aA. En caso contrario, decimos que a no pertenece a
A, y lo denotamos aA.
Un conjunto est bien definido si, dado cualquier elemento a, se tiene: o
a es un elemento de A o a no es un elemento de A; esto es, para cualquier
elemento a ocurre: aA aA.
Un conjunto est definido por EXTENSIN cuando enumeramos sus
elementos, separndolos por comas y encerrndolos entre llaves. (Ej.:
A={2, 3, 4}).
Un conjunto est definido por COMPRENSIN cuando caracterizamos
sus elementos por una propiedad, o usando una proposicin abierta (Ej.:
A={xN / 2x4}).
EJEMPLO 1.28: Definir por extensin los siguientes conjuntos:
a.- A={xN / x9}.
b.- B={xZ / x=x}.
c.- C={xN / x es primo x20}.
Solucin:
a.- A={0, 1, 2, 3, 4, 5, 6, 7, 8, 9}= {1, 2,...,9}.
b.- B={0, 1}.
c.- C={1, 2, 3, 5, 7, 11, 13, 17, 19}.
Obsrvese que en cada caso se utiliza un conjunto referencial ( en la
definicin de A fue N, en la de B fue Z y en la de C fue N). A tal conjunto se
17
le denomina CONJUNTO UNIVERSAL y vara de acuerdo al contexto en el

que se trabaje. Podemos obviar este conjunto referencial cuando se
sobreentienda.
Se denomina CONJUNTO VACO a una coleccin sin objetos, o
anlogamente, a un conjunto sin elementos. Este conjunto se denota por o
{}.
1.6.- CUANTIFICADORES.
Sea (A, P(x)) una proposicin abierta. Un problema interesante es
averiguar para cuntos elementos de A, P(x) es verdadera; esto es, cuantificar
el dominio de verdad DV(A,P(x)). Entre las posibilidades que existen
tenemos:
1.- Para al menos un elemento x de A, P(x) es verdadera.
2.- Para ningn elemento x de A, P(x) es verdadera.
3.- Para todos los elementos x de A, P(x) es verdadera.
4.- Para un slo elemento x de A, P(x) es verdadera.
Ilustraremos la situacin con un ejemplo sencillo.
EJEMPLO 1.29: A={0, 1, 2, 3, 4}
P(x): x>5
Q(x): x<0
R(x): x0
S(x): x=9
De esta situacin se obtiene:
Para al menos un elemento x de A, P(x) es verdadera.
Para ningn elemento x de A, Q(x) es verdadera.
Para todos los elementos x de A, R(x) es verdadera.
Para un slo elemento x de A, S(x) es verdadera.
Obsrvese que la redaccin de la segunda proposicin puede ser
modificada de tal manera que resulte del tercer tipo. Esto es, la segunda
proposicin puede ser redactada: Para todos los elementos x de A, P(x) es
falsa.
De lo anterior resulta de basta estudiar los trminos al menos uno,
todos y uno slo. Estos trminos se denominan CUANTIFICADORES.
Daremos formalidad a la definicin de los dos primeros y del tercero como
caso particular del primero.
18
1.6.1.- CUANTIFICADOR EXISTENCIAL.

DEFINICIN 1.30: El cuantificador al menos uno, se denomina
CUANTIFICADOR EXISTENCIAL y se denota con el smbolo .
Dada una funcin proposicional (A,P(x)), la proposicin para al menos
un elemento x de A, P(x) es verdadera se escribe
(xA)(P(x))
A continuacin tenemos otras formas de leer esta proposicin:
- Existe un elemento x de A tal que P(x).
- Para algn elemento x de A, P(x).
- P(x), para algn elemento x de A.
Existe otra pregunta. Dada una funcin proposicional (A, P(x)).
Cundo es verdadera la proposicin (xA)(P(x))? La respuesta es sencilla:
cuando para al menos un elemento x de A, P(x) es verdadera. Esto es, cuando
DV(A, P(x)) es un conjunto no vaco.
Luego, ser falsa cuando DV(A, P(x)) no tiene elementos (es un
conjunto vaco).
EJEMPLO 1.31: Decidir cules de las siguientes proposiciones son
verdaderas:
a.- (xA)(P(x)) donde A={0, 1, 2, 3} y P(x): 1<x9.
b.- (xR) x>0.
c.- (xZ) x<0.
Solucin:
a.- Verdadera, ya que P(2) y P(3) son verdaderas.
b.- Verdadera, ya que 3 es un nmero real tal que 3=9>0.
c.- Falsa, ya que el cuadrado de todo nmero entero es no negativo.
Supongamos que A es un conjunto finito (A={a1, a2,...,an }); ntese que
(xA)(P(x)) P(a1)P(a2)...P(an)
Esto se debe a que (xA)(P(x)) es veradera si y slo si al menos una
de las proposiciones P(a1), P(a2),..., P(an) es verdadera y esto ocurre si y slo si
P(a1) P(a2)... P(an) es verdadera.
DEFINICIN 1.32: El cuantificador uno slo se denomina
CUANTIFICADOR EXISTENCIAL DE UNICIDAD y se denota con el
smbolo !
19
La proposicin para un solo elemento x de A, P(x) es verdadera, se

escribe
(xA)(P(x))
Otras formas de leer esta proposicin:
- Existe un nico elemento x de A tal que P(x).
- Para uno y slo un elemento x de A, P(x).
- P(x), para un solo elemento x de A.
Esta proposicin es verdadera cuando DV(A, P(x)) es un conjunto
unitario ( tiene un solo elemento).
1.6.2.- CUANTIFICADOR UNIVERSAL.
DEFINICIN
1.33:
El
cuantificador
todos
se
denomina
CUANTIFICADOR UNIVERSAL y se denota con el smbolo .
La proposicin para todo elemento x de A, P(x) es verdadera, se
escribe
(xA)(P(x))
Otras formas de leer esta proposicin:
- Para cada elemento x de A, P(x).
- P(x), para todo elemento x de A.
Esta proposicin es cierta cuando para todos los elementos x de A, P(x)
es verdadera; esto es, cuando DV(A, P(x))=A. Luego, ser falsa cuando
DV(A, P(x))A.
Por un razonamiento similar al hecho con el cuantificador existencial, si
A={a1, a2,...,an }, entonces
(xA)(P(x)) P(a1)P(a2)...P(an).
EJEMPLO 1.34: Decidir cules de las siguientes proposiciones son
verdaderas:
a.- (nN)(nn)
b.- (xR)(|x| =x)
c.- (yZ)(y+y>0)
Solucin:
a.- Verdadera. El cuadrado de todo natural n es mayor o igual a n.
20
b.- Falsa. Tenemos a 2R tal que |-2| =2-2.

c.- Falsa. Tenemos a 1R tal que (-1)+(-1) = 1 +(-1)=0.
1.6.3.- NEGACIN DE CUANTIFICADORES.
La negacin de la proposicin existe al menos un elemento x de A tal
que P(x) es para todos los elementos x de A, P(x) es falsa o similarmente
para todos los elementos x de A, P(x) es verdadera. Esto es,
[(xA)(P(x))] (xA)(P(x))
Asimismo, la negacin de la proposicin para todos los elementos x de
A, P(x) es existe un elemento x de A tal que P(x) es falsa o similarmente
existe un elemento x de A tal que P(x) es verdadera. Esto es,
[(xA)(P(x))] (xA)(P(x))
EJEMPLO 1.35: Negar las proposiciones de los dos ejemplos anteriores:
Solucin:
[(xA)(P(x))] (xA)(P(x))
[(xR)( x>0)] (xR)( (x>0))
(xR) (x0)
[(xZ)( x<0)] (xZ)( (x<0))
(xZ) (x0)
[(nN)( nn)] (xZ)( (nn))
(xZ) (n<n)
[(xR)(|x| =x)] (xR)((|x| =x))
(xR)(|x| x)
[(yZ)(y+y>0)] (xR)((y+y>0))
(xR)(y+y0)
EJERCICIO 1.36: Decidir cules de las siguientes proposiciones son
verdaderas y escribir su negacin:
a.- (xR)( x+1=0)
b.- (yZ)( 2y=1)
c.- (nN)( n=n)
21
d.- (xR)( x>0)

e.- (xZ )( x>1 x>x)
f.- (xR)(yR)(x.y=1)
1.7.- INCLUSIN DE CONJUNTOS.
DEFINICIN 1.37: Sean A y B dos conjuntos en el conjunto referencial U.
En lo sucesivo usaremos U para denotar al conjunto universal o referencial,
salvo cuando se indique). Diremos que A est incluido en B (AB) si todo
elemento de A pertenece a B. Esto es,
AB(xU)(xAxB)
Otras formas de leer AB:
- A es subconjunto de B.
- B contiene a A.
- B es un superconjunto de A.
Veamos ahora cundo un conjunto A no est incluido en un conjunto B
(AB).
AB [(xU)(xAxB)]
(xU)(xAxB)
(Neg. de cuantificadores)
(xU)(xAxB)
(Ley del condicional)
(xU)(xAxB)
(Leyes de De Morgan)
Esto es,
AB (xU)(xAxB)
(Transitividad de )
EJEMPLO 1.38: Determinar en cada caso, si AB o BA.
a.- A={0, 1, 2} B={0, 1, 2, 3}.
b.- A={x, y, z} B={x, z, y}.
c.- A={xZ / |x|2} B={-1, 0, 1}.
Solucin:
a.- AB y BA.
b.- AB y BA.
c.- AB y BA.
TEOREMA 1.39: Si A, B y C son conjuntos en U, entonces:
1.- A.
2.- AA.
22
3.- (ABBC) AC.

Demostracin:
1.- Para demostrar que A, se debe probar que dado cualquier
elemento xU, xxA es una tautologa. Pero como no tiene
elementos, entonces VL(x)=0, cualquiera sea xU. Luego,
xxA
0 1 1
0 1 0
2.- xAxA es una tautologa ya que
xAxA
1 1 1
0 1 0
3.- (ABBC) (xU)((xAxB)(xBxC))
(xU)((xAxC)
(Silogismo Hipottico)
AC
Esto es, (ABBC) AC. ( Transitividad de )
Otra forma de demostrar 3, es demostrando que
((xAxB)(xBxC)) (xAxC)
es una tautologa construyendo la tabla de la verdad ( ver ejemplo pag. ).
El teorema anterior nos dice:
- El conjunto vaco es subconjunto de todo conjunto.
- Todo conjunto es subconjunto de s mismo.
- La inclusin es transitiva.
1.8.- IGUALDAD DE CONJUNTOS.
DEFINICIN 1.40: Sean A y B dos conjuntos en U. Diremos que A y B son
iguales (A=B), si se cumple
(xU)(xAxB)
Esto es, dos conjuntos son iguales si tienen los mismos elementos.
23

1.- A=A.
2.- A=BB=A
3.- A=B(ABBA)
4.- A=BB=CA=C
Demostracin:
3.- A=B (xU)((xAxB)
(xU)((xAxB)(xBxC)) (Ley del Bicond.)
(xU)(xAxB)(xU)(xBxC))
(ABBA)
( Definicin de Inclusin)
Luego, A=B(ABBA) ( Transitividad de )
Para probar que dos conjuntos A y B son iguales, lo ms usual es
demostrar que AB y BA.
EJEMPLO 1.42: Para cada par de conjuntos A y B, determinar si A=B.
a.- A={0, 1} B={1, 0}
b.- A={0, 1} B={0, 1, 2}
c.- A={xZ |x|1} B={-1, 0, 1}
d.- A= B={}
Solucin:
a.- A=B
b.- AB pues AB, pero BA ya que (2U)(2B2A).
c.- A=B
d.- AB pues AB, pero BA ya que (U)( BA).
EJERCICIO 1.43: 1.- Determinar cules de los siguientes conjuntos son
iguales:
a.- A={x, y, z} B={z, y, x}
b.- A={ xZ x=x} B={1}
c.- C={yR 1y2} D={yR 1<y<2}
2.- Demuestre que si ABCA, entonces A=B=C.
24
1.9.- OPERACIONES CON CONJUNTOS.

1.9.1.- UNIN.
DEFINICIN 1.44: Sean A y B conjuntos en U. La UNIN de A y B es el
Conjunto AB={ xU xA xB }. Esto es,
xAB(xA xB)
U
EJEMPLO 1.45: Para cada par de conjuntos A y B, hallar AB.

a.- A={0, 1, 2} B={2, 3}
b.- A= B={x, y}
c.- A={xR 0x2} B={yR 0y<1}
Solucin:
a.- AB={0, 1, 2, 3}
b.- AB={ x, y}
c.- AB={ xR 0x2}=B
TEOREMA 1.46: SI A, B y C son conjuntos en U, entonces:
1.- AA=A
(Idempotencia)
2.- AB= BA
(Conmutatividad de la unin)
3.- (AB) C= A(BC)
(Asociatividad de la unin)
4.- A= A=A
(Elemento neutro)
5.- AU= UA=U
6.- A AB
(Adicin)
7.- ABAB=B
Demostracin:
1.- (xAxA)xA
1 1 1 1 1
0 0 0 1 0
25
Al ser una tautologa, se tiene que para cada xU, (xAxA)xA; luego
AA=A.
4.- (xAx)xA
1 1 0 1 1
0 0 0 1 0
Al ser una tautologa, se tiene que para cada xU, (xAx)xA;
luego A=A.
Similarmente se prueba que A=A.
7.- (xAxB)((xAxB)xB)
1 1 1 1
1 1 1 1 1
1 0 0 1
1 1 0 0 0
0 1 1 1
0 1 1 1 1
0 1 0 1
0 0 0 1 0
Al ser una tautologa, se tiene que para
(xAxB)((xAxB)xB); luego ABAB= B.
cada
xU,
1.9.2.- INTERSECCIN.
DEFINICIN 1.47: Sean A y B conjuntos en U. La INTERSECCIN de A y
B es el Conjunto AB={ xU xA xB }. Esto es,
xAB(xA xB)
U
A
B
EJEMPLO 1.48: Para cada par de conjuntos A y B, hallar AB.
a.- A={0, 1, 2} B={2, 3}
b.- A= B={x, y}
c.- A={xR 0<x2} B={yR 0y<1}
Solucin:
a.- AB={2}
b.- AB==A
c.- AB={ xR 0<x<1}
26

1.- AA=A
(Idempotencia)
2.- AB= BA
(Conmutatividad de la interseccin)
3.- (AB)C= A(BC)
(Asociatividad de la interseccin)
4.- A=A=
5.- AU=UA=A
(Elemento neutro)
6.- ABA
7.- ABAB=A
8.- AB (AC) (BC)
9.- A(BC)=(AB)(AC)
10.- A(BC)=(AB)(AC)
11.- AB AB
Demostracin:
6.- (xAxB)xA
1 1 1 1 1
1 0 0 1 1
0 0 1 1 0
0 0 0 1 0
Al ser una tautologa, se tiene que para cada xU, (xAxB)xA;
luego ABA.
7.- (xAxB)((xAxB)xA)
1 1 1 1
1 1 1 1 1
1 0 0 1
1 0 0 0 1
0 1 1 1
0 0 1 1 0
0 1 0 1
0 0 0 1 0
Al ser una tautologa, se tiene que para
(xAxB)((xAxB)xB); luego ABAB=A.
11.- (xA xB) (xA xB)
1 1 1 1
1 1 1
1 0 0 1
1 1 0
0 0 1 1
0 1 1
0 0 0 1
0 0 0
Al ser una tautologa, se tiene que
(xAxB)(xA xB); luego AB AB.
27
para
cada
xU,
cada
xU,
1.9.3.- DIFERENCIA Y COMPLEMENTO.

DEFINICIN 1.50: Sean A y B conjuntos en U. La DIFERENCIA de A y B
es el Conjunto A-B={ xU xA xB }. Esto es,
xA-B(xA xB)
EJEMPLO 1.51: Para cada par de conjuntos A y B, hallar A-B:

a.- A={0, 1, 2} B={2, 3}
(En este caso hallar tambin B-A)
b.- A={x, y} B={z, w}
c.- A={x, y} B={x, y, z}
d.- A={xR 0<x2} B={yR 0y<1}
Solucin:
a.- A-B={0, 1}
B-A={3}
Obsrvese que A-BB-A
b.- A-B={x, y}=A.
c.- A-B=
d.- A-B={xR 1x2}
DEFINICIN 1.52: Sea A un conjunto en U. El COMPLEMENTO de A
relativo a U es el Conjunto Ac ={ xU xA }=U-A. Esto es,
xAc xA
U
28
Cuando cse quiera destacar al conjunto referencial U, el complemento se

denota por A U .
EJEMPLO 1.53: Hallar Ac, donde:
a.- A={xN x20}
U=N
b.- A={xR |x|<1}
U=R
Solucin:
a.- A ={xN x>20}
b.- Ac ={xR |x|1}
c
TEOREMA 1.54: Si A y B son conjuntos en U, entonces:

1.- A-B=ABc
2.- AAc=
3.- AAc =U
4.- (Ac) c =A
5.- c =U
6.- (AB) c=AcBc
Leyes de De Morgan
c
c
c
7.- (AB) =A B
para conjuntos
Demostracin:
1.- xA-BxAxB
xAxBc
xABc
(Definicin de Diferencia)
(Definicin de Complemento)
(Definicin de Interseccin)
Luego, xA-B xABc
(Transitividad de )
Por tanto, A-B=ABc
(Definicin de igualdad de conjuntos)
4.- x(Ac) c xAc

(xAc)
(xA)
((xA))
xA
(Doble negacin)
Luego, x(Ac) c xA
Por tanto, (Ac) c =A
7.- x(AB) c xAB
(Transitividad de )
(Definicin de igualdad de conjuntos)
29
(x AB)
(xAxB)
(xA)(xB)
xAxB
xAc xBc
xAcBc
Luego, x(AB) c xAcBc
Por tanto, (AB) c =AcBc
(Definicin de Unin)
(Ley de De Morgan)
(Transitividad de )
(Def. de igualdad de conjuntos)
1.9.4.- DIFERENCIA SIMTRICA.

DEFINICIN 1.55: Sean A y B dos conjuntos en U. La DIFERENCIA
SIMTRICA de A y B es el conjunto AB = (A-B)(B-A).
Esto es,
xAB(xAxB)(xBxA)
U
A
EJEMPLO 1.56: Hallar la diferencia simtrica de cada par de conjuntos:

a.- A={0, 1, 2} B={2, 3, 4}
b.- C={x, y, z} D={z}
c.- B={xR x<0} C={xR x>0}
Solucin:
a.- AB ={0, 1, 2, 3, 4}
b.- CD ={x, y}
c.- BC =R
TEOREMA 1.57: Si A y B son conjuntos en U, entonces:
1.- AB=BA
(Conmutatividad)
2.- A(BC)=(AB) C
(Asociatividad)
3.- AB=(AB)-(AB)
4.- A=BAB=
30
Demostracin:
4.- (xAxB)(((xAxB)(xBxA))x)
1 1 1
1
1 1 0 0 1 0 0
1 0
1 0 0
1
1 1 1 1 0 0 0
0 0
0 0 1
1
0 0 0 1 1 1 1
0 0
0 1 0
1
0 0 1 0 0 0 1
1 0
Al ser una tautologa, se tiene que para cada xU,
(xAxB)(((xAxB)(xBxA))x); luego A=BAB=.
EJERCICIO 1.58:
1.- Se ha dejado como ejercicio la demostracin de algunas partes de las
proposiciones. Estos ejercicios deben ser realizados en el siguiente Captulo.
2.- Sean A, B y C los conjuntos:
A={1, 3, 5} B={0, 2, 4} C={0, 1, 2, 3, 4, 5}
Hallar:
a.- AB
b.- AB
c.- AB
d.- A-C
e.- C-A
3.- Sean A y B conjuntos en U. Demostrar que:
a.- A-BBc
b.-Ac-Bc=B-A
c.- AAc=U
d.- A-U=
e.- AB=AcBc
f.- ABABc=
g.- B=(B-A)(A-B)
1.9.5.- PRODUCTO CARTESIANO.
DEFINICIN 1.59: Llamaremos PAR ORDENADO, con primera coordenada
x y segunda coordenada y, al par (x, y) que satisface
(x, y)=(z, w)(x=z y=w).
31
EJEMPLO 1.60: (1, 2)(2, 1)

(1, 0)=(1, 1-1)
DEFINICIN 1.61: El PRODUCTO CARTESIANO de dos conjuntos A y B
es el conjunto AxB={(x, y) xAyB}.
Asimismo, se define el producto cartesiano de ms de dos conjuntos de
la siguiente manera:
AxBxC={(x, y, z) xA yB yC}
A1xA2x...xAn ={(x1, x2,..., xn) x1A1 x2A2 ... xnAn}
A los elementos (x1, x2,..., xn) se les denomina n-uplas y satisfacen la
propiedad (x1, x2,..., xn) = (y1, y2,..., yn) ( x1= y1 x2=y2 ... xn=yn ).
La expresin An representa al producto cartesiano de A por s mismo, n
veces. Esto es,
An =AxAx...xA (n veces)
(Ej. Rn ={(x1, x2,..., xn) xiR, para 1 i n})
EJEMPLO 1.62: Sean A={1, 3, 5} y B={0, 2, 4}. Hallar: AxB, BxA, NxB.
Solucin:
AxB={(1, x), (1, y), (2, x), (2, y)}
BxA={(x, 1), (x, 2), (y, 1), (y, 2)}
Ntese que AxBBxA.
BxN={(1, x), (1, y), (2, x), (2, y),...,(n, x),(n, y),...}
1.10.- CONJUNTO POTENCIA.
DEFINICIN 1.63: El CONJUNTO POTENCIA ( o conjunto de partes ) de
un conjunto dado A es el conjunto P(A) que tiene como elementos a todos los
subconjuntos de A. Esto es,
P(A)={X XA}
EJEMPLO 1.64: Hallar el conjunto potencia de los siguientes conjuntos:
A={a}
B={0, 1}
C=
32
D={x, y, z}
Solucin:
P(A)={, {a}}
P(B)={, {0}, {1}, {0, 1}}
P(C)={}
P(D)={, {x}, {y}, {z}, {x, y}, {x, z}, {y, z}, {x, y, z}}
Si un conjunto A tiene n elementos, entonces P(A) tiene 2n elementos.
1.11.- CARDINAL DE CONJUNTOS FINITOS.
DEFINICIN 1.65: Diremos que A es un CONJUNTO FINITO si A tiene n
elementos, con nN; para denotar el nmero de elementos de A escribiremos
CardA=n (se lee el cardinal de A es n).
Si CardA=1, diremos que A es UNITARIO.
Si A no es finito, diremos que es infinito.
Si A y B son dos conjuntos DISJUNTOS (AB=), entonces
Card(AB)=CardA+CardB.
Si A1, A2,..., An son conjuntos disjuntos dos a dos, entonces
Card(A1A2... An)=Card A1+Card A2+...+Card An.
EJEMPLO 1.66: Si A={0, 1, 2}, B={x, y, z, w} y C={}, entonces
CardA=3
CardB=4
CardC=1
TEOREMA 1.67: Si A, B y C son conjuntos finitos en U, entonces:
1.- Card(B-A)=CardB-Card(AB).
2.- Card(AB)=CardA+CardB-Card(AB).
3.- ABCardACardB.
4.- Card(AB)= CardA+CardB-2Card(AB).
Demostracin:
1.- Sabemos que B=(B-A)(AB) y que (B-A) y (AB) son disjuntos.
Luego, CardB=Card((B-A)(AB))
=Card(B-A)+Card(AB)
Por tanto,
33
Card(B-A)=CardB-Card(AB).
2.- Sabemos que AB=A(B-A) y que A y (B-A) son disjuntos.
Luego, Card(AB)=CardA+Card(B-A)
=CardA+ CardB-Card(AB).
Veamos ahora algunos ejemplos que involucran cardinalidad en
conjuntos finitos.
EJEMPLO 1.68: 1.- Supongamos que los conjuntos finitos A, B y C
satisfacen:
Card(ABC)=5
Card(AB)=6
Card(AC)=8
Card(BC)=8
CardA=CardB=CardC=11
Hallar:
i.- Card(A-(BC))
ii.- Card((BC)-A)
Solucin:
Elaboramos un diagrama que represente los tres conjuntos, comenzando
a colocar las cantidades de elementos que hay en: ABC, AB, AC,
BC y luego se va colocando el resto de las cantidades de acuerdo a la
informacin que tenemos. El siguiente diagrama ilustra el procedimiento:
B
2
3
U
1
5
3
34
5
0
De la grfica se obtiene:
i.- Card(A-(BC))=2
ii.- Card((BC)-A)=8
2.- Sean A, B y C tres conjuntos finitos que satisfacen:
CardA=10
CardB=19
CardC=11
Card(AB)=4
Card(AC)=3
Card(BC)=6
Card(A-(BC))=4
Hallar:
i.- Card(ABC)
ii.- Card(C-(AB))
iii.- Card((AB)-C)
Solucin:
Se sigue un procedimiento similar al del ejemplo anterior, slo que la
cantidad que primero se debe colocar (Card(ABC)) no se conoce; en su
lugar se coloca una incgnita (por ejemplo x) calculando luego su valor.
U
A
B
4
4-x
4-44
3-x
De la grfica se obtiene:
CardA=10=4+(4-x)+x+(3-x) 10=11-x x=1
35
Luego,
U
A
B
4
3
2
10
1
5
Por tanto,
i.- Card(ABC)=1
ii.- Card(C-(AB))=3
iii.- Card((AB)-C)=17.
EJERCICIO 1.69: 1.- Sean A, B y C conjuntos en U. Demuestre que:
a.- Ax(BC)=(AxB)(AxC)
b.- Ax(BC)=(AxB)(AxC)
c.- P(A)P(B)P(AB)
d.- Es cierto que siempre P(AB)P(A)P(A)? Justifique.
2.- Sean A, B y C tres conjuntos finitos que satisfacen:
CardA=8
CardB=8
CardC=11
Card(AB)=1
Card(AC)=3
Card(BC)=4
Card(ABC)=1
Hallar:
i.- Card((AB)- (AC))
ii.- Card(C-(AB))
iii.- Card(ABC)
36
3.- De un grupo de 15 personas, se tiene la siguiente

informacin:
5 tienen licencia de conducir;
8 tienen tarjeta de crdito;
3 tienen celular;
1 tiene licencia y tarjeta de crdito;
1 tiene licencia y celular;
2 tienen celular y tarjeta de crdito; y
3 tienen licencia pero no tienen celular ni tarjeta de crdito.
De este grupo:
i.- Cuntas personas tienen licencia, tarjeta de crdito y celular?
ii.- Cuntas personas tienen tarjeta de crdito o celular, pero no
licencia?
iii.- Cuntas personas no tienen ni tarjeta de crdito ni celular ni
licencia?
37
CAPTULO 2. PENSAMIENTO MATEMTICO.

En el Captulo anterior, hemos enunciado y demostrado teoremas, sin
dar una definicin de teorema ni establecer procedimientos para demostrarlos.
Esto tiene la finalidad de despertar la curiosidad y crear la necesidad de
conocer unos y otros.
En matemticas, existen varios tipos de enunciados: verdaderas, falsos y
conjeturas. Se denomina TEOREMA a todo enunciado verdadero relevante;
esto es, una tautologa (los teoremas son llamados PROPOSICIONES por
algunos autores).Un enunciado falso es una forma proposicional que no es una
tautologa. Una CONJETURA es un enunciado del cual an no se ha probado
su veracidad ni su falsedad.
Como se afirm, hemos estado trabajando con teoremas y enunciados
falsos en el captulo anterior. Profundizaremos ms en el tema, haciendo
nfasis en los teoremas y sus demostraciones.
2.1.- TEOREMAS Y DEMOSTRACIONES.
Colocar el adjetivo relevante a una forma proposicional verdadera,
como condicin para que sea considerada un teorema, tiene la intencin de
evitar la proliferacin de teoremas simples o superfluos. Por ejemplo, la
afirmacin (xR)(x>0) es un enunciado verdadero; sin embargo, no se
considera como un teorema por lo trivial que resulta ser.
No existe una forma predeterminada de demostrar un teorema dado;
asimismo, en muchos casos, existe ms de una manera de hacerlo. Una forma
es, en los casos ms sencillos, construir la tabla de la verdad para verificar que
es una tautologa. A continuacin veremos otras formas algunas de las cuales
ya hemos usado.
2.1.1.- TEOREMAS DEL TIPO p
q.
En este caso, p se denomina HIPTESIS y q TESIS. Las formas ms
usadas para demostrar este tipo de teoremas son:
USANDO SILOGISMO HIPOTTICO (tambin llamado transitividad del
condicional).
38
Recordemos que
((pq)(qr))(pr)
Se puede probar pq ( en este caso se lee p implica q) con base en
otros resultados ya demostrados, usando una cadena de condicionales. Esto es,
estaremos
demostrando
que
pq
si
demostramos
que
(pq1)(q1q2)...(qn-1qn)(qnq); lo que regularmente se escribe
pq1
q2
.
.
.
qn
q
En la cadena de condicionales pueden intervenir algunos bicondicionales. Esto no altera el resultado ya que claramente (pq)(pq).
EJEMPLO 2.1: Demostrar usando silogismo hipottico: ((pq)q)p
Solucin:
((pq)q)(pq)q)
(pq)(qq)
(pq)F
(pq)
p

(Ley de De Morgan)
(Ley de la contradiccin)
(Ley de identidad)
(Ley de simplificacin)
USANDO LA LEY DEL CONTRARRECPROCO.

Recordemos que
(pq)(qp)
Luego, si demostramos que qp es una tautologa, entonces pq
tambin lo es.
EJEMPLO 2.2: Demostrar usando la Ley del contarrecproco:
(p(qr))((pq)r)
39
Solucin:
((pq)r)((pq)r)
((pq)r)
(p(qr))
(p(qr))
(p(qr))

(Ley de De Morgan)
(Ley asociativa de )
USANDO LA LEY DE REDUCCIN AL ABSURDO.

Recordemos que
(pq)((pq)F)
Luego, si demostramos que (pq)F es una tautologa, entonces pq
tambin lo es.
EJEMPLO 2.3: Demostrar el silogismo hipottico usando la ley de reduccin
al absurdo.
Solucin:
Debemos probar que
((pq)(qr))(pr)
((pq)(qr))(pr)(pq)( qr)( pr)
(pq)( qr)( p)r
(pq)( qr) pr
((pq)p)(( qr)r)
qq
F
(Ley del cond.)

(Ley de De Morgan)
(Doble negacin)
(Conmut. y Asoc.)
(Silogismo disy.)
(Ley de contrad.)
USANDO LA LEY DE DEMOSTRACIN POR CASOS.

Recordemos que
((pq)r)((pr)(qr))
Luego, podemos demostrar un teorema de la forma
demostrando pr y qr por separado.
EJEMPLO 2.4: Demostrar usando la ley de demostracin por casos
((pr)(qs))((pq)(rs))
40
(pq)r
Solucin:
(pr)(pr)
(pr)(qs)
(pq)(rs)
(pq)(rs)
((pq)(rs))

(Ley de adicin)
(Conmutatividad y Asociatividad)
(Ley de De Morgan)
Luego, (pr)((pq)(rs)) (i)

(qs)(qs)
(qs)(pr)
(pq)(rs)
(pq)(rs)
((pq)(rs))

(Ley de adicin)
(Conmutatividad y Asociatividad)
(Ley de De Morgan)
Luego, (qs)((pq)(rs)) (ii)

De (i) y (ii) por la ley de demostracin por casos se tiene
((pr)(qs))((pq)(rs))
2.1.2.- TEOREMAS DEL TIPO p
q.
USANDO LA TRANSITIVIDAD DEL BICONDICIONAL.
Es fcil probar que ((pq)(qp))(pq).
Usando este hecho y siguiendo un razonamiento similar al del
condicional; se concluye que, si probamos que
(pq1)(q1q2)...(qn-1qn)(qnq)
lo que regularmente se escribe
pq1
q2
.
.
.
qn
q
estaremos demostrando que pq.
41
EJEMPLO 2.4: Ver demostracin del teorema 1.54.

USANDO LA LEY DEL BICONDICIONAL.
Recordemos que (pq)((pq)(qp)).
Luego, podemos probar pq demostrando pq y qp por separado,
para cada uno de los cuales podemos usar cualquier mtodo de 2.1.1.
2.2.- CONTRAEJEMPLOS.
Si se quiere demostrar que una proposicin de la forma (xA)(P(x))
es falsa, es suficiente con probar que su negacin ((xA)(P(x))) es
verdadera; esto es, basta mostrar un elemento x0A tal que P(x0) es falsa, o
que P(x0) es verdadera. A tal elemento se le denomina CONTRAEJEMPLO.
EJEMPLO 2.6: Demostrar, usando contraejemplos, que las siguientes
proposiciones son falsas:
a.- (xR)(x2>0)
b.- (nQ)(10n10)
Solucin:
a.- Para x0=0, se satisface 0R y 02=0. Contraejemplo: x0=0.
b.- Para n0=, se satisface Q y 10=<10.
Como sucede en la parte b, puede existir ms de un elemento en el
dominio para el cual P(x) es falsa; es decir, puede existir ms de un
contraejemplo. Sin embargo, basta con mostrar uno.
EJERCICIO 2.7:
1.- Demostrar las partes a, b y d del teorema 1.41.
2.- Demostrar las partes b, c, e y f del teorema 1.46.
3.- Demostrar las partes a, b, c, d, e, h, i y j del teorema 1.49.
4.- Demostrar las partes 2, 3, 5, 6 y 8 del teorema 1.54.
5.- Demostrar las partes 1, 2 y 3 del teorema 1.57.
6.- Demostrar las partes 3 y 4 del teorema 1.67.
7.- Demostrar la ley de reduccin al absurdo (pq)((pq)F):
a.- Demostrando por separado:
i.- (pq)((pq)F) (Usando ley de demost. por casos)
ii.- ((pq)F)(pq)
b.- Usando la ley del contrarrecproco.
42
8.- Demuestre, mediante contraejemplos, que las siguientes proposiciones son falsas:
a.- (xR)(|x|=x)
b.- Todo venezolano es barquisimetano.
c.- (xN)(n2+n>n)
2.3.- CONJETURAS.
En general, una CONJETURA es un juicio que se forma de una cosa o
acaecimiento por las seales o indicios que de l se tienen. Es una suposicin.
Como aparece en la introduccin de este captulo, una CONJETURA,
en matemticas, es un enunciado del cual no se haya probado an su veracidad
ni su falsedad.
Algunas conjeturas son tan famosas y tomadas por ciertas que son
llamadas teoremas. Tal es el caso del Teorema de Fermat, resultado que ha
dado lugar a importantes descubrimientos en lgebra y anlisis.
El matemtico francs Pierre de Fermat (1601-1665) propuso que la
ecuacin an+bn=cn no tiene solucin para nmeros enteros si n es mayor que 2.
La obra Aritmtica del matemtico griego Diofante, contiene un
captulo dedicado a los nmeros pitagricos (los conjuntos de tres nmeros a,
b y c, como 3, 4 y 5 para los cuales se cumple la ecuacin an+bn=cn).
Fermat escribi en su ejemplar de Aritmtica: He descubierto una
demostracin realmente extraordinaria de esto, que no cabe aqu por ser este
margen demasiado pequeo.
En 1908, la Universidad de Gotinga (Alemania) estableci un premio de
100.000 marcos (55.000 dlares aprox.) para quien demuestre la veracidad o
falsedad del teorema, antes del 13 de septiembre del 2007.
Con el uso de computadoras, el teorema ha sido comprobado para
exponentes hasta 125.000.
En junio de 1993, Andrew Wiles, matemtico britnico de la
Universidad de Princeton, afirm que haba demostrado el teorema. En
diciembre de ese mismo ao, los expertos encontraron un fallo en la
demostracin, pero Wiles sigui trabajando en ella obteniendo resultados que
son actualmente aceptados por gran parte de los matemticos.
43
CAPTULO 3. PROPORCIONALIDAD Y PORCENTAJES.

3.1.- PROPORCIONALIDAD.
3.1.1.- VARIACIN.
DEFINICIN 3.1: Sean a y b dos nmeros enteros. La RAZN de a a b es el
cociente a/b, lo cual tambin se escribe ab o a:b.
EJEMPLO 3.2:
a.- Si una persona pesa 60 Kg., esto significa que la relacin de su peso
a la unidad de peso, 1 Kg., es 80:1.
b.- Si un hombre pesa 80 Kg. Y su hijo pesa 20 Kg., la relacin del peso
del hombre al peso del hijo es 80:20 o 4:1. Esta es la relacin que
establecemos cuando decimos que el hombre pesa cuatro veces lo que pesa el
hijo; o bien, que el hijo pesa la cuarta parte de lo que pesa el padre.
c.- Si un automvil recorre 140 Km. En 2 horas, la relacin entre la
distancia y el tiempo 140:2 o 70:1 es su velocidad media (lo cual se expresa
comunmente 70 Km./h.).
d.- Cuando se dice que una va tiene una pendiente del 3%, lo que se
quiere decir es que un mvil ascender 3 mts. por cada 100 mts. de
movimiento horizontal. Por tanto, la razn del ascenso al movimiento
horizontal es 3:100 o 3/100.
3 mts.
100 mts.
3.1.2.- PROPORCIN.
DEFINICIN 3.3: Una PROPORCIN es la igualdad de dos razones. La
proporcin
a c
=
b d
se lee a es a b como c es a d.
44
EJEMPLO 3.4:
1.- Resolver la proporcin
2y
y
=
y+2 4
2.- Para preparar el agua de una pecera de 45 lts. Se necesitan 9 gotas de

cierto antibitico. Cuntas gotas de antibitico se necesitarn para una pecera
de 70 lts.?
3.- En una fuente de soda, a cada litro de jugo de naranja, le aaden 1/4
lt. De agua. Cunta agua le aaden a 11/2 lts. de jugo de naranja?
Solucin:
1.-
/y+2= y/4 4(2y)=y(y+2)

8y=y+2
y-6y=0
y(y-6)=0
y=0 y=6
2y
2.- 45/9 = 70/x 45x=70.9

x=14
Luego, se necesitan 14 gotas de antibitico para preparar el agua de una
pecera de 70 lts.
3.- 1/1/4 = 11/2 /x x = 11/8
Luego, le aaden
11
11
/8 lt. De agua a
/2 lts. de jugo de naranja.
Con estas proporciones se elaboran tablas como la siguiente:

Jugo de Naranja (lts.)
Agua (lts.)
/4
3
3
...
/2
/4
45
...
11
/2
11
/8
3.1.3.- VARIACIN DIRECTAMENTE PROPORCIONAL.

Con frecuencia, decimos que una variable x es directamente
proporcional a otra variable y, cuando en la medida que x aumenta, y aumenta
y en la medida que x disminuye, y disminuye. Por ejemplo, si el precio del
tomate es de 500 Bs. cada Kg., el costo C de comprar m Kgs. de tomate ser:
C = 500m
o
C
= 500
m
Este tipo de relacin entre variables se denomina Variacin Directa.

DEFINICIN 3.5: Una variable y VARA EN RAZN DIRECTA ( o es
DIRECTAMENTE PROPORCIONAL ) a otra variable x si
y
=k
x
donde k es una constante diferente de cero (kR).

Ntese que
y
=k
x
es equivalente a y=kx.
A la constante k se le denomina CONSTANTE DE VARIACIN.
EJEMPLO 3.6:
a.- Un mvil viaja con una velocidad uniforme; esto es, la distancia que
recorre vara en razn directa del tiempo. Sabemos que recorre 120 Kms. en 2
horas. Hallar una frmula para determinar la distancia en funcin del tiempo.
Qu distancia recorre en 5 horas?
b.- La corriente I de un circuito elctrico vara en razn directa del
voltaje E. Cuando E=220 volts., I=6 amperes. Completar el siguiente cuadro
46
I
E
4
110
3.5
100
Solucin:
a. -
d
=k
t
donde d es la distancia, t el tiempo y k la constante de variacin.

Sabemos que d=120 Km. cuando t=2h. Luego,
120 Km
=k
2h.
de donde k=60 Km/h.

Obtenemos la frmula d=t60Km./h
Haciendo t=5h., se tiene
d=5h.60Km/h=300Km.
Luego, el mvil recorre 300 Km. en 5 horas.
b.- E=k.I y como E=240 volts. cuando I=6 amp., tenemos
k=
240volt
= 40volt / amp.
6amp
Con la frmula obtenida E=I.40volt/amp. completamos el cuadro

I
2.75
2.5
110
100
160
3.5
140
Si en lugar de la relacin y=kx, tenemos y=kx, decimos que y vara en

razn directa al cuadrado de x.
Tambin y puede variar en razn directa al cubo de x; esto es, y=kx.
En general, y vara en razn directa ( es directamente proporcional ) a la
n-sima potencia de x si y=kxn, donde k es una constante no nula.
47
3.1.4.- VARIACIN INVERSAMENTE PROPORCIONAL.

En ocasiones tambin decimos que una variable y es inversamente
proporcional a otra variable x, cuando en la medida en que x aumenta, y
disminuye; y si x disminuye, y aumenta.
DEFINICIN 3.7: Una variable y VARA EN RAZN INVERSA (o es
INVERSAMENTE PROPORCIONAL) a otra variable x si x.y=k, donde k es
una constante diferente de cero.
EJEMPLO 3.8: El volumen V de un gas vara en razn inversa de la presin P,
cuando se mantiene constante la temperatura. Si V=80 cuando P=2, hallar una
frmula que establezca esta razn inversa y determinar el valor de V cuando
P=5.
Solucin:
V.P=k , adems k=80(2)=160 de donde
V.P=160 y cuando P=5,
160
V=
= 32
5
Anlogamente a la variacin directa, y tambin puede ser inversamente
proporcional a la n-sima potencia de x ( y.xn=k )
EJERCICIOS 3.9:
a.- Si x=10 cuando y=2, hallar una frmula que establezca la relacin de
x y y cuando:
1.- y es directamente proporcional a x.
2.- y es inversamente proporcional a x.
b.- Si y es directamente proporcional a x, entonces x es directamente
proporcional a y?Qu sucede con la proporcionalidad inversa?
c.- Determinar la relacin de proporcionalidad que existe entre x y y si:
a.- x.y=4
b.- x=4y
x2
c. - y =
2
d. - x 3 =
48
10
y
3.2.- PROGRESIONES ARITMTICAS.

DEFINICIN 3.10: Una PROGRESIN ARITMTICA es un conjunto
ordenado de nmeros (TRMINOS), cada uno de los cuales, despus del
primero, se obtiene sumando un nmero fijo (DIFERENCIA COMN) al
nmero anterior del conjunto.
EJEMPLO 3.11: 3, 5, 7, 9, 11 son los trminos de una progresin aritmtica
con primer trmino 3, diferencia comn 2 y ltimo trmino 11.
Ntese que la diferencia comn puede hallarse restando a cualquier
trmino el anterior.
Si denotamos los trminos mediante w0, w1, w2, w3 y w4 tenemos:
w0 = 3
w1 = 5 = w0+2
w2 = 7 = w1+2 = w0+2.2
w3 = 9 = w2+2 = w0+2.3
w4 = 11 = w3+2 = w0+2.4
Podemos representar la progresin aritmtica mediante la frmula
wn=w0+a.n, donde w0 es el primer elemento, a es la diferencia comn y 0n4.
Esta frmula caracteriza las progresiones aritmticas.
Ahora bien, supngase que deseamos conocer la suma de los primeros n
trminos de una progresin aritmtica dada por wn=w0+a.n. A esta suma la
denotaremos por Sn. Luego,
Sn = w0 + w1 + w2 +...+ wn
= w0 + (w0+ a) + (w0+ 2a) +...+ (wn-1 - 2a) + (wn-1 - a) + wn-1
o
Sn = wn-1 + (wn-1 - a) + (wn-1 - 2a) +...+ (w0+ 2a) + (w0+ a) + w0
de donde
2Sn = (w0+ wn-1) + (w0+ wn-1) + (w0+ wn-1) + ... + (w0+ wn-1) + (w0+ wn-1)
+ (w0+ wn-1)
= n(w0+ wn-1)
Esto es,
Sn =
n
( w0 + wn 1 )
2
Adems, considerando que wn-1 = (n-1)a , obtenemos otra frmula para Sn
49
S n = nw0 +
n(n 1)
a
2
EJEMPLO 3.12:
1.- Hallar el dcimo trmino (w9) de una progresin aritmtica cuyos
dos primeros trminos son 15, 17.
2.- Hallar el primer trmino (w0) de una progresin aritmtica que
satisface w5 = 10 y a=-2.
3.- Demostrar que la suma de los n primeros enteros positivos es
n
(n + 1)
2
Solucin:
1.- w0 =15 y w1 =17
a= w1 - w0 =17-15=2
w9 = w0 + 9a
= 15 + 9(2)
= 15 + 18
=33
2.- w5 = w0 +5a 10= w0 +5(-2)
w0 =10+10=20
3.- Si consideramos la progresin aritmtica 1, 2, 3, 4, ... ; Obtenemos
que la suma de los n primeros enteros positivos es la suma Sn de los primeros n
trminos de esta progresin, para la cual w0 =1 y a=1.
S n = nw0 +
n(n + 1)
a
2
n(n + 1)
1
2
n(n + 1)
=n+
2
2
2n + n n
=
2
2
n +n
=
2
n
= (n + 1)
2
= n.1 +
50
EJERCICIOS 3.13:
1.- Hallar el trmino
primeros trminos son:
a) 3, 7
w10
de una progresin aritmtica cuyos dos
b) 2, -1
c) 3, 5/2
2.- Hallar el trmino w5 de una progresin aritmtica que satisface:

a) w1 = 3
a = -2
b) w6 = 3
a=1
c) w10 = 10 a = 0
3.- Cules de los siguientes conjuntos de nmeros son trminos
consecutivos de una progresin aritmtica?
a) 1, 3, 5
c) 9, 9/2, 0
b) 3h, h, -3h
d) 2, 4, 8, 16
3.3.- PROGRESIONES GEOMTRICAS.
DEFINICIN 3.14: Una PROGRESIN GEOMTRICA es un conjunto
ordenado de nmeros (TRMINOS), cada uno de los cuales, despus del
primero, se obtiene multiplicando el nmero anterior del conjunto por un
nmero fijo r (RAZN COMN).
EJEMPLO 3.11: 1, 2, 4, 8, 16 son los trminos de una progresin geomtrica
con primer trmino 1 (w0 =1) y razn comn 2.
Ntese que la razn comn puede hallarse dividiendo cualquier trmino
entre el anterior.
Adems,
w0 = 1
w1 = w0.r
w2 = w1.r = w0.r2
w3 = w2.r = w0.r3
.
.
.
wn = wn-1.r = w0.rn
Esta ltima frmula caracteriza a las progresiones geomtricas.
51
Por otra parte, si denotamos por Sn a la suma de los primeros n trminos

de una progresin geomtrica, tenemos
S n = w0 + w1 + w2 + ... + wn 1
= w0 + w0 r + w0 r 2 + ... + w0 r n 1
rS n = w0 r + w0 r 2 + w0 r 3 + ... + w0 r n
S n rS n = w0 w0 r n
S n (1 r ) = w0 (1 r n )
De donde,
S n = w0
1 rn
1 r
Esta frmula es vlida para r1.

Es claro que si r=1, Sn = n.w0
EJEMPLO 3.16:
1.- Hallar el trmino w10 de una progresin geomtrica que satisfaga:
a) w0 = 1 y r = 1
b) Sus dos primeros trminos son 4, 2.
c) W6 = 2 y w8 =
2.- Hallar la suma de los primeros n trminos de las progresiones
geomtricas de la parte 1.
Solucin:
1.- a) w10 = w0 r10 = 1. 110 = 1
w 2 1
b) r = 1 = =
w0 4 2
de donde,
52
10
1
1
1
=
w10 = w0 r 10 = 4. = 4.
1024 256
2
c) w8 = w7 .r = w6 .r 2
de donde,
1
w8
=
w6
2 =
2
1 1
=
4 2
w10 = w9 r = w8 r 2 =
11 1
=
24 8
r=
luego,
2.- a) Sn = nw0
= n.1
=n
( caso r=1)
1 rn
b) S n = w0
1 r
n
1
1
2
=4
1
1
2
1
= 81 n
2
1
w8
c) w8 = w0 r w0 = 8 = 2 = 64
1 8
r
2
8
luego,
n
1
1
n
1 r
1
2
S n = w0
= 64 = 1281 n
1
1 r
2
1
2
53
EJERCICIO 3.17:
1.- Hallar el trmino w5 de una progresin aritmtica que satisfaga:
a) w0 = 1
r=2
b) w4 = 3 w7 = 81
c) Sus dos primeros trminos son 1, 0.
2.- Si en una progresin geomtrica Sn = 171, r=-2 y wn = 256 ; hallar
w0 y n.
3.- Un banco paga un inters del 24% anual, capitalizado
mensualmente. Cunto dinero generarn en intereses el depsito de 250.000
Bs. en 9 meses?
54
CAPTULO 4. RELACIONES Y FUNCIONES.

4.1.- RELACIONES.
Recordemos el estudio que hicimos en el Captulo 1 sobre las
proposiciones abiertas (Definicin 1.4). En una proposicin abierta de dos
variables (A, B, P(x,y)) se establece una relacin entre los elementos de A y
los de B. Esto es, aA est relacionado con bB si y slo si P(a, b) es
verdadera; es decir, si y slo si (a, b)DV(A, B, P(x, y)).
DEFINICIN 4.1: Sean A y B conjuntos en U. Una RELACIN de A
(CONJUNTO DE PARTIDA) en B (CONJUNTO DE LLEGADA) es una
proposicin abierta R=(A, B, P(x, y)).
El DOMINIO de R es el conjunto
DomR={aA bB t.q. P(a, b)}
El RANGO de R es el conjunto
RgoR={ bB aA t.q. P(a, b)}
El GRFICO de R es el conjunto
GrR={(a, b) P(a, b)}=DV(A, B, P(x,y))
Si (a, b)GrR, diremos que a est relacionado con b mediante R y
escribiremos aRb.
Supongamos que tenemos la relacin definida por la proposicin abierta
del Ejemplo 1.6. Esto es,
A={2, 4}, B={1, 3, 5} y P(x, y): x<y
Entonces,
GrR={(2, 3), (2, 5), (4, 5)}
DomR={2, 4}=A
RgoR={3, 5}
Otra forma de definir esta relacin es: Sean A={2, 4}, B={1, 3, 5} y R
la relacin de A en B definida por aRba<b.
4.2.-REPRESENTACIN GRFICA DE LAS RELACIONES.
Las relaciones pueden representarse grficamente de diferentes
maneras. Las ms comunes son la representacin cartesiana y la
representacin sagital.
55
Ilustrmoslo con el mismo ejemplo anterior.

La representacin cartesiana consiste en colocar dos ejes o rectas
perpendiculares (ejes cartesianos) e identificar con puntos a los elementos de
cada conjunto. Luego se colocan puntos en los sitios correspondientes a los
pares de elementos relacionados.
La representacin sagital consiste en representar los conjuntos por

figuras geomtricas y sus elementos por puntos. Luego se dibuja una flecha
entre los elementos que estn relacionados.
R
A
2.
.1
4.
.3
.5
56
EJERCICIO 4.2: Hallar el dominio, el rango, el grfico y hacer una

representacin cartesiana y una sagital de cada una de las siguientes
relaciones.
a) A={1, 2, 3} B={0, 1} xRyxy
b) A={0, 1, 2} B={a, b} xRyx=0
c) A=B=Z xRyx=y
4.3.- FUNCIONES.
DEFINICIN 4.3:Sean A y B conjuntos en U. Una FUNCIN de A en B es
una relacin R que satisface:
(xA)(!yB)xRy
Esto es, todo elemento de A est relacionado con uno y slo un
elemento de B.
EJEMPLO 4.4: Decidir cules de las siguientes relaciones son funciones:
a)
R1
A
a.
.1
b.
.2
c.
b)
R2
A
a.
.1
b.
.2
c.
57
c)
R3
A
a.
.1
b.
.2
.3
d) A=B=Z y R de A en B definida por xRyx=y

e) A=B=Z y f la relacin de A en B definida por xfyx=y.
a)
b)
c)
d)
e)
Solucin:
S es funcin.
No es funcin ya que cA no est relacionado con ningn elemento
de B .
No es funcin ya que aA est relacionado con dos elementos de B.
No es funcin ya que 1A no est relacionado con ningn
elemento de B.
S es funcin.
4.3.1.- NOTACIN FUNCIONAL.

Supongamos que tenemos una funcin f de un conjunto A en B definida
por xfyy=x+2.
La manera ms usual de denotar y definir esta funcin es: Sea f:AB la
funcin definida por f(x)= x+2.
Para el caso de las funciones xfy se escribe f(x)=y y se lee de cualquiera
de las siguientes maneras:
- x est relacionado con y mediante la funcin f.
- y es la imagen de x mediante f.
- x es pre-imagen de y mediante f.
- f evaluada en x es igual a y.
- f de x es igual a y.
58
Ntese que todo elemento x de A tiene exactamente una imagen, mientras

que los elementos y de B pueden no tener preimagen o tener ms de una.
En las ecuaciones de la forma f(x)=y, y se llama variable dependiente y
x variable independiente.
Diremos que f:AB es una FUNCIN REAL si BR y diremos que es
de VARIABLE REAL si AR.
Para las funciones tambin aplican las definiciones de dominio y rango
dadas para las relaciones. Slo que en el caso de las funciones el dominio
siempre coincide con el conjunto de partida.
EJEMPLO 4.5: Hallar el dominio y el rango de las funciones reales de
variable real definidas por:
a) f(x)=x
b) g ( x) =
1
x
c) h( x ) = x
Solucin:
a) Domf = R
Rgof ={xR x0}
b) Domg = R-{0} = Rgog

c)Domh = {xR x0} = Rgoh
4.3.2.- FUNCIONES BIYECTIVAS.
DEFINICIN 4.6: Sea f:AB una funcin. Diremos que f es:
- INYECTIVA si (x1, x2A) x1x2 f(x1)f(x2)
- SOBREYECTIVA si (yB)(xA) f(x)=y.
- BIYECTIVA si es inyectiva y sobreyectiva.
Una funcin f:AB no es inyectiva si existe al menos un elemento y de
B que tiene ms de una pre-imagen. Esto es, si ocurre una situacin similar a
la de la siguiente grfica.
59
f
A
a.
.1
b.
.2
Una funcin f:AB es sobreyectiva si Rgof=B. Y no es sobreyectiva si

existe al menos un elemento de B que no tiene pre-imagen. Esta situacin
tambin ocurre en la grfica anterior.
EJEMPLO 4.7: Determinar la inyectividad, sobreyectividad y biyectividad de
las siguientes funciones:
a)
f1
A
a.
.1
b.
.2
c.
b)
f2
A
a.
.1
b.
.2
c.
.3
.4
60
c) g:RR definida por g(x)=x

d) g:RR definida por h(x)=x
Solucin:
a) f1 no es inyectiva ya que 1 tiene ms de una pre-imagen.
f1 s es sobreyectiva ya que Rgof1=B.
f1 no es biyectiva ya que no es inyectiva.
b) f2 s es inyectiva.
f2 no es sobreyectiva ya que 3 no tiene pre-imagen.
f2 no es biyectiva ya que no es sobreyectiva.
c) g no es inyectiva ya que 4 tiene dos pre-imgenes distintas (2 y 2).
g no es sobreyectiva ya que 1 no tiene pre-imagen.
g no es biyectiva ya que no es inyectiva ni sobreyectiva.
d) h es inyectiva ya que (x1, x2R) x1x2 h(x1)h(x2).
h es sobreyectiva ya que dado cualquier elemento yR, existe un
elemento x=yR t.q. h(x)=y.
H es biyectiva ya que es inyectiva y sobreyectiva.
EJERCICIO 4.9:
1.- Hallar el dominio y el rango y determinar cules de las siguientes
relaciones son funciones:
a)
R1
A
a.
.1
b.
.2
c.
.3
61
b)
R2
A
a.
.1
b.
.2
c.
.3
c)
R3
A
a.
.1
b.
.2
c.
.3
d) A=B=Z y R de A en B definida por

xRy
1
=y
x
e) A=B=Z y S de A en B definida por

xSyx0
2.- Hallar el dominio y el rango y determinar la inyectividad,

sobreyectividad y biyectividad de las funciones reales de variable real
definidas por:
a) f ( x ) = x 2 + 1
b) g ( x ) = x 1
1
c) h( x ) = 2
x
62
4.3.3.- FUNCIONES EXPONENCIALES Y LOGARTMICAS.

DEFINICIN 4.9: Sea a un nmero real positivo. La FUNCIN
EXPONENCIAL DE BASE a es la funcin F:RR definida por F(x)=ax.
Hasta ahora, hemos estudiado potencias con exponentes enteros; esto es,
a n = a.a...a
an =
1
an
(n veces )
( si n es un entero positivo)
( si n es un entero negativo)
Sin embargo, puede considerarse tambin potencias con exponentes

racionales: si x=p/q Q, entonces
p
q
a = a = ap
x
No profundizaremos en la definicin de ax para x irracional, el cual se

calcula aproximndose a x a travs de nmeros racionales.
Para las potencias con exponentes reales, se satisfacen las propiedades
conocidas para potencias enteras:
(a )
x y
= a x. y
a x .a y = a x + y
ax
= a x y
y
a
Estudiando el comportamiento asinttico de F, su grfica depende del

valor de a. Daremos una aproximacin.
y
y=ax
1
x
0 < a< 1
63
y
y=ax
1
x
a>1
Como caso particular de este segundo caso (a>1) est un caso que es de
mucha utilidad para resolver problemas prcticos:
n
1
a = e = Lim 1 + 2,718
n +
n
DEFINICIN 4.10: Sea a un nmero real positivo. La FUNCIN

LOGARTMICA DE BASE a es la funcin loga:R+R definida por
loga(x)=y x=ax.
Como puede observarse, las funciones exponenciales a las logartmicas
guardan estrecha relacin.
Las funciones logartmicas satisfacen las siguientes propiedades, cuya
demostracin se deja como ejercicio:
logax.y= logax+ logay
loga(x/y)= logax- logay
logaxy= y.logax
De las funciones logartmicas, las ms estudiadas son la funcin
logartmica de base 10 y la de base e. Esta ltima es llamada logaritmo natural
o neperiano y denotada por ln.
Las grficas de estas dos funciones (log10 y ln ) son similares a la
siguiente:
64
4.3.4.- VARIACIN DE UNA FUNCIN.

Sea f : R R una funcin de la cual sabemos que satisface que f(1)=4
y f(5)=26; esto es, la grfica de la funcin pasa por los puntos P1=(1, 4) y
P2=(5, 26).
DEFINICIN 4.11: Los INCREMENTOS de la funcin desde P1=(x1, y1)
hasta P2=(x2, y2), en las coordenadas x y y respectivamente se definen como:
x = x2-x1 y y = y2-y1 = f(x2)-f(x1) = f(x1+x )-f(x1)
DEFINICIN 4.12: Se define el COCIENTE DE PROPORCIONALIDAD
de f desde P1 hasta P2 como
y y 2 y1 f(x1 + x) f(x1 )
=
=
x1
x1
x1
En el ejemplo anterior, el cociente de proporcionalidad entre P1 y P2 es:
y 26 2
=
= 24
x1
1
DEFINICIN 4.13: La TASA MEDIA de variacin de f entre los puntos P1 y
P2 es el cociente:
y y 2 y1 f(x1 + x) f(x1 )
r=
=
=
x x 2 x1
x
Este cociente no es ms que la pendiente de la recta que pasa por los
puntos P1 y P2; y al considerar el lmite de esta tasa media cuando x tiende a
cero, obtenemos la derivada de la funcin f en el punto x1 (si existe).
65
En el ejemplo, la tasa media de variacin de f entre P1 y P2 es:

26 4 11
r=
=
5 1
2
En el Captulo 6, el relativo a modelos matemticos, estudiaremos las
tasas geomtricas y las tasas aritmticas.
EJERCICIO 4.14: Sea f una funcin de la cual conocemos que satisface la
siguiente tabla:
x
y=f(x)
0
2
5
4
10
8
15
16
20
32
Construir una tabla con los cocientes de proporcionalidad y las tasas

medias de variacin en cada intervalo.
66
CAPITULO 5. ESTADSTICA.
INTRODUCCIN.
La estadstica se encuentra estrictamente ligada a la investigacin,

cualquier especialidad
en
es til conocer y saber interpretar conceptos
relacionados con ella.

En este captulo dotaremos al estudiante de herramientas elementales en el
uso, anlisis y aplicacin de la estadstica discreta, descriptiva e inferencial.
Por tratarse de un curso introductorio no se profundiza mucho en los
anlisis y conceptos, pero las aplicaciones que se muestran son hechas con
datos reales y se trata de explicar el mayor nmero de conceptos y sus
aplicaciones.
Se comienza por establecer los conceptos fundamentales, las formas de
organizar datos para luego presentarlos y se culmina con aproximaciones
continuas de problemas discretos.
No se dejarn ejercicios propuestos por considerar que con informacin y
datos sobre un problema real y actualizado (adems del apoyo bibliogrfco)
el trabajo tiene ms pertinencia y por consiguiente mayor inters.
5.1 CONCEPTOS BASICOS EN ESTADSTICA.
5.1.1 QU ES LA ESTADSTICA.
En primer lugar estableceremos conceptos indispensables para describir el

ambiente de trabajo y definiremos los elementos fundamentales que
intervienen en el desarrollo de este capitulo.
67
El primer concepto es el de estadstica, que puede tomarse de distintas

maneras, entre las cuales se encuentran las siguientes:
a) Es una tcnica especial apta para el estudio cuantitativo de los
fenmenos de masas
o colectivos, entendiendo por tales, aquellos
fenmenos naturales, econmicos, sociales, etc., cuya medicin requiere

una masa de observaciones de otros fenmenos ms simples llamados
individuales o particulares.
b) Es la ciencia que trata de la recoleccin, clasificacin y presentacin de
los hechos sujetos a una apreciacin numrica como base de la
explicacin, descripcin y comparacin de un fenmeno.
c) Es un poderoso auxiliar en la investigacin cientfica, que le permite a
sta
aprovechar
el
material
cuantitativo.
En
consecuencia
consideraremos a la estadstica no como una ciencia sino como un

conjunto de mtodos, que llamaremos mtodos estadsticos.
5.1.2 MASA, COLECTIVO Y VARIABLES.
El estudio de los fenmenos de masas o colectivos se precisa a travs de

fenmenos menos generales sobre los cuales recae el inters del estudio
adems de las relaciones entre estos fenmenos, de esta manera se establece el
universo estadstico (Masa o colectivo), las variables de inters (fenmenos
generales o particulares que se puedan medir) y las medidas estadsticas
adecuadas o pertinentes.
La validez y pertinencia de un estudio estadstico depende de la

identificacin y clasificacin adecuada de las variables que intervienen en el
68
problema, de hecho, es el primer paso a seguir en un estudio de esta

naturaleza.
5.1.2.1
CLASIFICACION DE VARIABLES
Las variables suelen clasificarse de acuerdo a:

Su naturaleza:
a) Cualitativa: cuando la caracterstica asigna una condicin no
numrica. Por ejemplo: sexo, nacionalidad, profesin, etc.
b) Cuantitativa: cuando la caracterstica asigna un nmero. Este tipo de
variables pueden clasificarse en:
b.1) Cuantitativa Discreta: cuando el instrumento que mide la
variable no admite valores intermedios entre dos puntos
consecutivos cualesquiera. Por ejemplo: nmero de cdula,
nmero telefnico, cantidad de estudiantes de la LCM.
b.2) Cuantitativa Continua: cuando el instrumento que mide la
variable
admite
valores
intermedios
entre
dos
puntos
consecutivos cualesquiera. Por ejemplo: tiempo, estatura, peso.
Su escala de medida:
a) Nominal: si al aplicarla sobre las unidades de investigacin
determina sub-grupos disjuntos dos a dos, esto es, una variable de
tipo nominal determina una particin sobre el universo estadstico.
Este tipo de variables etiqueta sub-grupos entre los elementos del
universo estadstico sin establecer ningn otro tipo de comparacin.
Por ejemplo: sexo, estado civil, grupo sanguneo.
b) Ordinal: si su medicin determina sub-grupos jerarquizados dentro
del universo estadstico. Por tanto toda variable ordinal es nominal.
69
Por ejemplo: grado de instruccin, rango militar, prioridad de

inscripcin.
c) De Intervalo: si permite establecer relaciones de diferencia
cuantitativa entre las unidades de investigacin pero no permite
establecer comparaciones absolutas entre
estas unidades. Esta
imposibilidad de comparaciones absolutas se debe a la ausencia de

un cero absoluto o punto en la escala que indique ausencia total de la
caracterstica medida. Una variable de intervalo es a su vez ordinal y
nominal. Ejemplos de este tipo de variables se encuentran en su
mayora en el campo de la psicologa, como la variable cociente
intelectual, no se puede afirmar que una persona con coeficiente
intelectual de 80 es el doble de inteligente de otra que tiene como
cociente intelectual 40, lo correcto es decir que existe una diferencia
de 40 puntos entre ambas medidas. (ninguna escala de las usadas
para medir inteligencia tiene un cero absoluto)
d) De Razn: si permite hacer comparaciones absolutas entre las
unidades de investigacin. Por ejemplo el peso, una persona de 100
Kg pesa el doble de una persona que pesa 50 Kg o que la segunda
pesa la mitad que la primera.(la balanza tiene un cero que indica la
ausencia de peso). Toda variable de razn es de intervalo, ordinal y
nominal.
Su Nivel de Abstraccin:
a) General: cuando no puede cuantificarse directamente o se refieren a
realidades no inmediatamente medibles empricamente.
b) Intermedia : expresan dimensiones o aspectos parciales de la
variable.
70
c) Indicadores : expresan nmeros, cantidades que permiten cuantificar

la variable.
Su Relacin con otras Variables:

a) Dependiente : cuando se constituye en el objeto de la investigacin.
b) Independiente: a partir de ellas se obtienen los valores de las
variables dependientes.
5.1.3 OPERACIONALIZACION.
El proceso de pasar de una variable general a una intermedia o a un

indicador se conoce como proceso de operacionalizacin, este proceso
consiste en definir la variable general y observando los factores de los cuales
depende establecer o definir los indicadores que en general son nmeros,
porcentajes, totales, promedios que cuantifican la variable de inters. Por
ejemplo una empresa requiere medir la calidad de determinado producto que
manofactura, la variable de inters es calidad del producto manofacturado que
por supuesto es general. La calidad de un producto depende de muchos
factores entre los cuales se puede mencionar: la experiencia de los operadores,
condiciones de la maquinaria, materia prima utilizada. Estas son las variables
intermedias
y como indicadores se pueden tomar el nmero de artculos
defectuosos fabricados en un perodo de tiempo determinado.
71
5.1.4 ESTADSTICA DESCRIPTIVA Y ESTADSTICA INFERENCIAL.
Teniendo identificada la variable de inters, al efectuar las mediciones

aparecen los Datos Estadsticos
que a su vez determinan la Poblacin
Estadstica que est conformada por conjuntos de medidas. Cualquier parte

de la poblacin constituye una Muestra y por tanto este ser un conjunto de
medidas.
Los conjuntos de datos se pueden caracterizar a travs de las
Medidas Estadsticas de Inters a saber: Medidas de Tendencia Central,

Medidas de Posicin, Medidas de Dispersin, Medidas de Asimetra, Medidas
de Curtosis, Medidas de Relacin.
Cuando estas medidas de inters se
refieren a toda la poblacin se llaman Parmetros y si se refieren a una

muestra se llaman Estadsticos.
La investigacin puede realizarse sobre toda la poblacin o sobre una
muestra, todo depende de los objetivos de la investigacin, del tamao de la
poblacin, de los costos entre otros factores. En todo caso si se hace sobre
toda la poblacin se har un censo y por consiguiente una descripcin de la
poblacin y se determinarn los parmetros, si se realiza la investigacin
usando una muestra se usar la Estadstica Inferencial y en consecuencia se
estimarn los parmetros. Para obtener una estimacin confiable y poder
generalizar los resultados la muestra debe ser representativa y deben cumplir
con algunas condiciones como la aleatoriedad (esto significa que todos los
elementos deben tener las mismas posibilidades de ser parte de la muestra).
72
5.1.5 UTILIZACION ADECUADA DE LA ESTADSTICA
La estadstica queda ligada a una serie de mtodos y procedimientos que

tienen que ver con la recoleccin, organizacin, anlisis e interpretacin de
informacin. Esto nos hace pensar que debemos seguir los siguientes pasos
para la utilizacin adecuada de la estadstica como auxilio en la toma de
decisiones:
a) Recoleccin de la informacin: se refiere al trabajo de campo que se
realiza despus de fijar los objetivos, finalidades, cobertura, perodo de
referencia, variables de estudio, antecedentes, diseo de investigacin
segn sea el caso, validacin de los instrumentos, etc. Con este trabajo
de campo se obtienen los datos estadsticos para la investigacin.
b) Organizacin de la Informacin: al obtener los datos estos aparecen,
en general, en forma no organizada y la informacin que pueden aportar
en tal estado no conduce a ninguna conclusin relevante. Esto obliga a
establecer esquemas de organizacin de datos que sern expuestos en la
siguiente seccin.
c) Anlisis e Interpretacin: consiste en calcular e interpretar las medidas
estadsticas.
5.2
ORGANIZACIN DE LA INFORMACIN
( PRESENTACIN DE LOS RESULTADOS)
Luego de haber efectuado el anlisis estadstico y la interpretacin de los

resultados, se presenta un proceso de carcter publicitario para informar al
interesado los resultados y datos obtenidos en la investigacin. Entonces debe
73
escogerse la forma de presentacin ms sencilla y comprensible de acuerdo

con el grupo que recibir la informacin.
Las formas de presentacin son: la textual, la tabular y la grfica.
5.2.1 Forma Textual
Se realiza a travs de palabras o smbolos algebraicos. Es la forma menos

aconsejable y usada en la actualidad, al punto de usarse como complemento a
la forma tabular o a la forma grfica y esto se debe a que en general resulta
ser muy extensa, tediosa y de difcil comprensin.
Un ejemplo de este tipo de presentaciones es el siguiente:

El rendimiento de los estudiantes del curso Matemtica I de Ingeniera en
Informtica ha experimentado mejoras desde el segundo lapso del ao 97, en
comparacin con los dos lapsos anteriores. Los resultados obtenidos hasta los
momentos en aprobados y aplazados para los lapsos 97-II y 98-I
son
43,23% y 57,27% respectivamente y los de los lapsos 96-I y 97-I son

25,69% y 74,31% respectivamente. Adems de esto se ha experimentado un
aumento en el ndice de notas en la asignatura pasando de un 4,9965 en los
lapsos iniciales a un 6,7 en los ltimos lapsos.
5.2.2 Forma Tabular: Tablas y Cuadros
TABLA: es la presentacin ordenada de los datos numricos en filas y

columnas con las especificaciones correspondientes segn el tipo y
caractersticas de los datos. Las partes de una tabla son:
74
Ttulo. Debe ser claro y conciso. Va escrito en minsculas,

despus de la palabra TABLA y preferiblemente centrado
respecto a la tabla.
Nmero. Un ordinal arbigo que indica qu o cul tabla es la

numerada.
Columna Matriz. Es la primera columna de la izquierda. La

ordenacin de las cifras puede ser ascendente o descendente.
Encabezamiento. Contiene el ttulo y el subttulo de cada

columna.
Cuerpo. Abarca el contenido de filas y columnas.
Notas. Hay dos tipos: al pie, que se ordenan con asteriscos y

de introduccin (poco frecuente) para tratar de especificar el
ttulo.
Indicacin de la fuente. En caso de no ser originales los

datos debe citarse
la fuente de donde se tom, lo ms
frecuente es hacerlo debajo de la nota de calce.
A continuacin se presenta un ejemplo,
75
TABLA 5.1. Rendimiento Estudiantil en Matemtica I
Lapso
Inscritos
Aprobados
Reprobados
Prom.Notas
96/1
337
105
31,16
232
68,84
5,273
97/1
356
72
20,22
284
79,78
4,72
97/2
348
130
37,36
218
62,64
5,957
98/1
332
163
49,10
169
51,9
7,443
Nota: el lapso 96/2 fue cancelado.

Fuente: Jornadas de Innovacin Educativa UCLA 1.999. Gerardo Mrquez
Las tablas no deben superar el tamao del escrito de las pginas y no van
encerradas en cuadros, es suficiente con una raya sencilla horizontal por
encima del encabezamiento otra por debajo de ste y una al final del cuerpo
de la tabla. Es factible hacer llamadas con los signos convencionalmente
usados para esto. (Asterisco * , guin - , etc).
CUADRO: es otra forma de tabular, las normas de elaboracin se ajustan a
las de las tablas y slo difieren en algunas especiales:
1 Por lo menos la columna matriz contiene designaciones o conceptos
cualitativos.
2 Los conceptos cualitativos y cuantitativos pueden estar juntos pero
ordenados en el cuerpo del cuadro.
3 Slo llevan rayado cuando las lneas facilitan su lectura.
76
4 El cuerpo se encierra en un recuadro.
A continuacin un cuadro con conceptos cualitativos y cuantitativos
CUADRO 5.1. Gastos de Condominio
Fecha
Concepto
Debito
15 de Octubre
Sueldo de Vigilantes
106.500,00
16 de Octubre
Enelbar
20 de Octubre
Artculos de Limpieza
30 de Octubre
Hidrolara *
14.400,00
5.125,00
59.620,00
* Gasto Estimado
Fuente: Junta de Condominio Centro Profesional Don Samuel.
77
El siguiente cuadro tiene solo datos cualitativos
CUADRO 5.2. El lugar de los planes del docente

Ejecutor
Documento que Produce
Contenido de Documentos
Objetivos,
Autoridades
Documentos de Base.
contenidos
metodologa apropiados para
Programa,bases del Currculo la
nacin
provincia
municipio.
Adaptacin del documento a
Escuela
Maestro
Currculo Institucional
base de la comunidad.
Plan anual
Adaptacin
Plan de unidad
institucional a su grupo de
Plan diario
alumnos.
del
currculo
Tomado de Cuadernos Pedaggicos. 26, pg.11.
5.2.3 Forma Grfica

Las representaciones grficas pueden ser en el plano cartesiano tal como
se grafica una funcin o una figura, una figura en el espacio, ortogrficas y
especiales. Se dividen en grficos, cuando se representan los datos por una o
varias lneas, curvas si representa las variaciones de una cantidad
diagramas que son dibujos que muestran la variacin de un fenmeno. Las

figuras se numeran en arbigos y se coloca junto con el ttulo al final de la
78
figura. En la medida de lo posible las tablas, grficos
o figuras
deben
colocarse en la misma pgina donde se nombran.

Para la construccin de un grfico se parte de un mdulo numrico que le
sirve de base y se denomina Escala Grfica que puede ser natural
(matemtica),
semilogartmica
logartmica.
La
primera
representa
variaciones absolutas y las ltimas se usan en la representacin de tasa de

variacin o incrementos relativos.
La presentacin grfica puede ser de base matemtica o de base no
matemtica.
5.2.3.1
De Base Matemtica
Grficos de lneas: puede ser rectilneo o curvilneo dependiendo si se

usan lneas o curvas, se ajustan al mtodo cartesiano de construccin. Son
usados preferiblemente para series cronolgicas y en distribuciones de
frecuencias.
En la siguiente pgina presentamos algunas grficas relacionadas con la

tabla 5.1.
79
Grafico 5.1 . Aprobados y Reprobados Mat.I

300
180
280
160
260
140
240
120
220
100
200
80
180
60
160
Lapso 96I
Lapso 97I
Lapso 97II
Lapso 98I
APROBADO (L)
REPROBAD (R)
Esta grfica presenta simultneamente el comportamiento de aprobados y

reprobados en los lapsos 96I al 98I y es claro que las observaciones se pueden
hacer con mucha facilidad, por ejemplo en el lapso 97II el nmero de
aprobados super al nmero de reprobados y esta tendencia se mantuvo en el
lapso 98I.
En la pgina siguiente tenemos una grfica con la columna que describe el

promedio de calificaciones en la tabla 1.
80
Grfico 5.2. Promedio de Notas Mat.I
7.443
PROM_NOT
5.957
4.72
5.273
Lapso 96I
Lapso 97I
Lapso 97II
Lapso 98I
Se observa que el promedio de notas ha venido ascendiendo en los ltimo

lapsos.
Grficos de barras: se disean con figuras rectangulares, pueden ser

horizontales, verticales, subdivididas o compuestas.
A continuacin una grfica de barras correspondiente a datos de la tabla

5.1.
81
Grfico 5.3. Aprobados y Reprobados Mat.I

300
240
180
120
60
APROBADO
0
Lapso 96I
Lapso 97I
Lapso 97II
Lapso 98I
REPROBAD
Este grfico tambin puede disponerse en forma horizontal.
El Histograma (histograma de frecuencias): consiste en representar cada

clase de una serie por un rectngulo con base sobre el eje horizontal y cuya
altura y superficie se determinan por la frecuencia de dicha clase.
Polgono de Frecuencias: es un grfico lineal trazado sobre las marcas de

clase, se puede obtener uniendo los puntos medios de los rectngulos del
histograma.
El histograma y el polgono de frecuencias sern explicados en la seccin
5.3.
82
Grfica circular o por segmento (Torta): muestra la divisin de una

unidad en sus componentes. El ngulo que corresponde a cada categora se
calcula dividiendo la cantidad de la categora entre el total de mediciones y
multiplicando por 360 y los componentes se ordenan en el sentido de las
agujas del reloj.
A continuacin grficos circulares correspondientes a la tabla 5.1
Grfico 5.4 . Aprobados en Mat.I
Lapso 96I
Lapso 98I
49
31
,16
,10
20,
22%
Lapso 97I
37
,3
6
Lapso 97II
83
Grfico 5.5. Reprobados Mat.I
Lapso 98I
Lapso 96I
51,90
68,84
62,64
Lapso 97II
79,78
Lapso 97I
5.2.3.2 GRFICOS DE BASE NO MATEMTICA.
El Cartograma: consiste en colocar sobre un mapa seales que son

proporcionales a la magnitud del hecho que representan.
El Pictograma: se usan para presentar datos estadsticos en forma
llamativa y representan por s mismos la naturaleza del fenmeno.
Estas representaciones se hacen por medio de dibujos que son semejantes al
fenmeno que se quiere representar, por ejemplo si se trata de poblacin se
dibujas figuras humanas, si es sobre viviendas se dibujan casas, etc. No
estudiaremos este tipo de representaciones con detalles, sin embargo son de
fcil comprensin y se pueden ver en las referencias bibliogrficas.
84
5.3
ORGANIZACIN DE LOS DATOS.
Cuando se realiza una investigacin, por lo general, es conveniente

organizar los datos para disponerlos en orden o secuencia lgica y as facilitar
el anlisis de la misma. Esto produce la necesidad de estudiar las series o
distribuciones de datos.
Las series o distribuciones se definen como un conjunto de datos
dispuestos de acuerdo a los valores de un carcter variable. Existen tres tipos
de distribuciones: histricas, territoriales y las generales.
Las series histricas se definen como un conjunto de observaciones
ordenadas respecto a una caracterstica de un fenmeno individual o colectivo
que se toman en periodos de tiempo diferentes. ( como la
cantidad de
estudiantes con beca premio)

Las series territoriales son aquellas en las cuales la variable que la
define est expresada en trminos de posicin territorial. (como los resultados
de elecciones regionales)
Las series generales abarca las histricas y las territoriales
y sern
estudiadas a continuacin.
5.3.1 FORMAS DE ORGANIZAR DATOS.
5.3.1.1
ORDENAMIENTO.
El ordenamiento es la forma ms simple de organizar datos, consiste en

disponerlos
en
algn
orden
preseleccionado.
decreciente).
85
(alfabtico,
creciente,
A continuacin se presentan las calificaciones finales de cuarenta alumnos

de la asignatura Matemtica IV.
60 , 58 , 15 , 26 , 63 , 41 , 59 , 71 , 54 , 44 ,
56 , 62 , 62 , 34 , 63 , 66 , 43 , 77 , 62 , 61 ,
53 , 53 , 71 , 38 , 50 , 83 , 50 , 84 , 63 , 51 ,
36 , 58 , 45 , 52 , 52 , 60 , 61 , 65 , 54 , 58 .
Ordenamos los datos de menos a mayor
15 , 26 , 34 , 36 , 38 , 41 , 43 , 44 , 45 , 50 ,
50 , 51 , 52 , 52 , 53 , 53 , 54 , 54 , 56 , 58 ,
58 , 58 , 59 , 60 , 60 , 61 , 61 , 62 , 62 , 62 ,
63 , 63 , 63 , 65 , 66 , 71 , 71 , 77 , 83 , 84.
Despus de esta organizacin se puede apreciar que la menor calificacin

es 18 la mayor es 84, adems hay calificaciones repetidas, podemos contar
cuantos hay sobre 48, etc. El ordenamiento se utiliza cuando el nmero de
datos no es muy grande.
5.3.1.2 ROL DE FRECUENCIA.
El rol de frecuencia consiste en ordenar los datos en forma creciente o

decreciente e indicar el nmero de veces que aparece cada dato en una tabla
dispuesta para esto.
86
TABLA 5.3. Rol de Frecuencias

(Calificaciones Matemtica IV)
Valores
Valores
15
50
26
51
34
52
36
53
38
41
43
44
45
54
56
58
59
60
2
1
2
2
2
1
3
1
2
Valores
61
62
63
65
66
71
77
83
85
Se observa con claridad que de este rol de frecuencias se puede

determinar con facilidad cuantos estudiantes obtuvieron x calificacin, la
cantidad de estudiantes que obtuvieron calificaciones entre dos valores
dados, etc. y muestra como se distribuyen los datos en relacin a la
escala escogida.
5.3.1.3 DISTRIBUCION DE FRECUENCIAS.
La distribucin de frecuencias se usa cuando el nmero de datos es muy

elevado y dificulta el anlisis a travs del rol de frecuencias, entonces se
agrupan los datos dentro de determinados lmites dentro de los cuales ningn
dato se considera distinto de otro en el sentido de no haber mucha diferencia
entre uno y otro, por ejemplo las calificaciones de 58 y 59 pueden
87
considerarse iguales para algunos efectos (en la escala del 0 al 20 ambas

equivalen a 12 y las dos calificaciones son aprobatorias).
A este tipo de clasificaciones se le llama distribucin de frecuencias.
Los componentes de una distribucin de frecuencias son:
a) AMPLITUD TOTAL: determinada por la diferencia entre el menor y

el mayor valor de la serie. En nuestro ejemplo la amplitud total es 84-15
= 69.
b) CLASE O GRUPO: fraccionamiento de la amplitud total para agrupar

los casos que se encuentran entre los lmites seleccionados. Para
nuestro ejemplo consideraremos siete clases.
c) LMITES
DE CLASE: son los valores que limitan las clases, el
primero se llama lmite inferior (li) y el segundo lmite superior (ls).
d) AMPLITUD DE CLASE ( ic ): es la diferencia entre los lmites

inferiores de dos clases consecutivas.
e) PUNTO MEDIO ( PM ): es el punto medio entre los lmites de una

clase, regularmente se usa para representar la clase o grupo.
f) FRECUENCIA DE CLASE ( f ): es el nmero de casos

comprendidos entre los lmites de una clase.
Ahora organizaremos una distribucin de frecuencias para los datos de la

tabla 5.3.
88
Como ya vimos la amplitud total es 69, al escoger siete ( 7 )
clases
entonces la amplitud de clase es ic = Amplitud Total / Nmero de clases = 69

/ 7 = 9,857 y escogemos ic=10..
Despus de construida la tabla de distribucin de frecuencias,
presentaremos las grficas del histograma, el polgono de frecuencias y la
torta. Estas grficas se han hecho con el apoyo de tecnologa y el software
usado es el STATISTICA, sin embargo puede usarse cualquier otro que
permita la elaboracin de estas grficas. Aunque se presentan solamente las
grficas que se ajustan a la teora aqu expuesta, este paquete tiene alcance
muy general, es sencillo de entender
y no ocupa mucho espacio en el
computador. No daremos muchas explicaciones sobre el software utilizado por

no ser el objetivo primordial de estas notas y por el hecho de dejarse con
carcter electivo el uso del mismo.
TABLA 5.4. Distribucin de Frecuencias

(Calificaciones Matemtica IV)
Clase
Intervalo
PM
fa
01
15 - 25
20
0,025
02
26 - 34
30
0,050
03
35 - 44
40
0,125
04
45 - 54
50
10
18
0,250
05
55 - 64
60
15
33
0,375
06
65 - 74
70
37
0,100
07
75 - 84
80
40
0.075
____
N=40
89
hi
______
1,00
Notas :
a) La columna fa representa las frecuencias acumuladas hasta la clase
referida.
b) El nmero total de datos es la suma de las frecuencias y se denota con
N
c) La columna hi representa la frecuencia relativa y se obtiene por la
frmula hi = f / N .
A continuacin se presentan las grficas correspondientes a la distribucin

de frecuencias de la tabla 5.4.
La Torta o diagrama de crculo,
Grfico 5.6. Calificaciones Mat.IV
Clase7 Clase1Clase2
Clase6
Clase3
Clase4
Clase5
90
El Histograma,
Grfico 5.7 . Calificaciones MatIV
Nmero de Observaciones (Frecuencia)
16
14
12
10
8
6
4
2
0
0
Polgono de frecuencias (en la pgina siguiente),
91
Grfico 5.8 . Polygono de Frecuencias Calif. MatIV

18
14
Frecuencia
10
-2
20
30
40
50
60
70
80
Missing
65
75
Missing
La Ojiva o grfica de frecuencias acumuladas,
Grfico 5.9 . Ojiva Calificaciones MatIV

45
Frecuencia Acumulada
35
25
15
-5
15
26
35
45
92
55
5.4 MEDIDAS DE TENDENCIA CENTRAL Y DE POSICIN.
El anlisis de un conjunto de datos se inicia observando las medidas o

datos alrededor de los cuales se concentra la mayora de los datos, estas
medidas se conocen como medidas de tendencia central y se reconocen como
los valores representativos de la serie. Por su parte las medidas de posicin se
usan para hacer anlisis sobre casos extremos o intermedios. Existen varias
medidas de posicin y de tendencia central a las cuales se dedicar la presente
seccin.
5.4.1 MEDIDAS DE TENDENCIA CENTRAL.
5.4.1.1
MEDIA ARITMTICA: es la medida de tendencia central por
excelencia, es el valor tpico que representa los datos y se calcula en dos

formas
N
Para datos no agrupados por la frmula X =
i 01
donde xi son los datos.
Para el ejemplo de las calificaciones de matemtica IV, la media aritmtica

es
X=
2.217
= 55,425.
40
m
Para datos agrupados por la frmula X =
x ( PM
i =1
, donde m es el nmero
de clases.
Para el ejemplo de las calificaciones de matemtica IV, tenemos que
X =
2.200
= 55.
40
93
Este valor es la nota promedio de este grupo de estudiantes de matemtica

IV, observamos que X est en la quinta clase que es la ms frecuente y
coincide con el lmite inferior de la misma, esto se debe a que los datos se
encuentran concentrados en la cuarta y quinta clase. La media puede ser
influenciada por valores muy extremos, que suelen aparecer en distribuciones
o series muy abiertas.
5.4.1.2 MEDIA GEOMTRICA: es la raz n-sima del producto de los N

valores de los datos.
N
Para el caso de datos no agrupados G =
xi , en nuestro ejemplo es G =
i =1
40
40
xi = 53.41918250 y entonces G = 53,41.

i =1
Para datos agrupados se calcula por la frmula,

m
log (G) =
f
i =1
log( PM )
= 1,7254301, por lo que
f
i =1
G = 53,14. (tomando
antilogaritmo).
La media geomtrica se usa con frecuencia en promedios de variaciones
porcentuales, series distribuidas logartmicamente y en ndices de cambios de
precios.
5.4.1.3 MEDIA ARMNICA: es la recproca de la media aritmtica de los

recprocos de los valores o datos.
Para datos no agrupados, es
H=
1
1
N
i =1 x i
Esto es, H = 50,81.

94
= 50.80899640 .
Para datos agrupados, es H =
i =1
m
fi
i =1 PM
= 50.87055261 .
Es decir, H = 50,87.
La media armnica es siempre menor que la media aritmtica y que la

media geomtrica y se usa primordialmente en problemas donde es necesario
promediar tiempo en condiciones variables.
5.4.1.4 LA MEDIANA: es la medida por encima de la cual est el 50% de

los valores de la serie, es decir divide la serie en dos partes iguales. Para
encontrar la mediana la serie debe de estar ordenada y se calcula de la manera
siguiente
Para datos no agrupados
Cuando N es impar, la mediana es Md = xk +1 donde k+1 =
N +1
, en
2
nuestro ejemplo tenemos un nmero par de observaciones y no se aplica esta

frmula.
Cuando N es par, la mediana se calcula por la frmula, Md =
donde
x k +1 + x k
,
2
k +1+ k N
58 + 56
= , en nuestro caso es Md=
= 57 .
2
2
2
Para datos agrupados

interpolacin,
la mediana se calcula por la frmula de
N
+ f a 1
Md = 2
ic + li , donde f a 1 es la frecuencia de la
fi
clase anterior de la clase medial, que se define como la clase donde se ubica la
95
mitad del nmero de las observaciones y que se encuentra usando la columna

de las frecuencias acumuladas.
En nuestro ejemplo tenemos, la mitad del nmero de datos (orden) es 20, la
clase medial es la quinta clase, entonces f a 1 = 18, li = 55, ic = 10 y f i = 15 , al
sustituir se tiene que Md = 56,33.
5.4.1.5 LA MODA: es el valor que ms se repite o el valor alrededor del cual
se encuentran acumulados la mayora de los datos. Se calcula, para datos no
agrupados, por simple observacin. En nuestro ejemplo, Mo = 62, Mo = 63 o
Mo = 58.
Para datos agrupados Mo =
d1
i c + li , donde d1 es valor absoluto de la
d1 + d 2
diferencia entre las frecuencias de la clase modal (clase que contiene el valor
que ms repite) y la clase anterior a esta clase modal y d 2 es el valor absoluto
de la diferencia entre las frecuencias de la clase modal y la clase siguiente a
esta clase modal.
En nuestro ejemplo los valores que ms se repiten son 58, 61 y 62 todos
estn
en
la
quinta
clase
se
tiene
que,
li = 55,
ic = 10
d1 = 15 10 = 5, d 2 = 15 4 = 11 , al sustituir se encuentra que Mo = 58,125.
5.4.1.5 OBSERVACIONES:
a) Si la distribucin es muy asimtrica (datos acumulados para los
extremos), debe usarse Md o Mo, o si la media aritmtica est
influenciada por los valores extremos (muy bajos o muy altos ).
96
X < Md < Mo ,
b) Si
la distribucin es asimtrica negativa; si
X > Md > Mo , es asimtrica positiva y si X = Md = Mo es simtrica.
5.4.2
MEDIDAS DE POSICIN.
5.4.2.1 CURTILES: son los valores que dividen la distribucin ordenada

en cuatro partes iguales, los cuartiles son tres Q1 , Q2 , Q3 ( Q3 coincide
con la mediana) . Para el conjunto de datos de la seccin 5.3.1.1
tenemos que Q1 =50, Q2 =58 y Q3 =63.
5.4.2.2 DCILES Y PERCENTILES: son medidas que dividen la serie de
datos o distribucin en ciertas porciones. Los deciles se denotan Dk
( D5 coincide con la mediana) y los percentiles con Pk . Se calculan de
acuerdo al siguiente procedimiento,
a) Se obtiene la columna de frecuencias acumuladas f a .
b) Se determina la posicin del trmino a calcular
El 18 percentil
P33 =
18 f i
100
El 33 percentil
33 f i
100
El 6to decl
D2 =
P18 =
D6 =
6 f i
10
El 2do-decl
2 f i
10
c) Se verifica la clase que lo contiene usando la columna f a .
97
d) Se calcula la medida de posicin por medio de la frmula P =

li +
p f a 1
ic , donde p es la posicin de la medida.
fi
Calculemos alguna medidas para la distribucin de las calificaciones de

Matemtica IV.
D2 =
2 f i
10
2(40)
= 8 =p
10
li = 35 , f i = 5 , f a 1 = 3 , ic = 10 ,
La
tercera
clase
contiene
el
2do
decl,
entonces P=45. Esto significa que el 80% de las
calificaciones est sobre 45 o tambin el 20% de las calificaciones est por

debajo de 45.
6 f i
6(40)
= 24 =p.
10
La quinta clase contiene el 6to decl,
li = 55 , f i = 15 , f a 1 = 18 , ic = 10 ,
entonces P=59. Esto significa que el 40% de
D6 =
10
las calificaciones est sobre 59 o tambin el 60% de las calificaciones est por
debajo de 59.
P18 =
18 f i
100
18(40)
= 7,2 =p. La tercera clase contiene el 18vo percentil,
100
li = 35 , f i = 5 , f a 1 = 3 , ic = 10 ,
entonces P=43,4 es decir P=44. Esto significa
que el 82% de las calificaciones est sobre 44 o tambin el 18% de las

calificaciones est por debajo de 44.
5.4.3
MEDIDAS DE DISPERSIN.
Las medidas de tendencia central por s solas carecen de significacin, no
tiene sentido conocer el promedio de una serie de valores si no sabemos como

se acercan o se alejan los valores a tal promedio, en otras palabras cmo es la
98
dispersin. Por dispersin se entiende del hecho de que los valores se

diferencian unos de otros.
5.4.3.1 LA DESVIACIN MEDIA
( DM ): es el promedio de las
desviaciones de los datos con respecto a un trmino central.

m
Se calcula por la frmula DM =
f
i =1
PM X
En nuestro ejemplo DM=10,5. En el clculo de esta medida los desvos se

toman en valor absoluto y esto hace a esta medida no subceptible a
operaciones algebraicas. Se estima que si aproximadamente el 60% de los
datos se encuentre en el intervalo
[DM- X , DM+ X ], la distribucin
es moderadamente simtrica.
En el ejemplo que hemos manejado el intervalo es [ 44.5 , 65.5 ], un total
de 27 datos se encuentran en tal intervalo que representan el 67,5% por lo que
la serie se considera simtrica.
5.4.3.2 LA DESVIACIN STANDAR O TPICA ( s ): determina la
variacin de los datos con respecto a la media aritmtica.
Es la medida que mejor proporciona la
variacin de los datos con
respecto a la media, a mayor desviacin tpica mayor dispersin de los datos y

a menor desviacin tpica menor dispersin de los datos. En el intervalo [ X -s
, X +s ] determina la zona normal de la serie donde se encuentra el 68,27%, el
intervalo [ X -2s , X +2s ] contiene el 95,45% de los datos y el intervalo [ X -
99
3s , X +3s ] contiene el 99% de los casos. La desviacin tpica se calcula

mediante la frmula
s =
f ( PM X )
f
i
En nuestro ejemplo s = 13,23 y la zona normal es [41.77 , 68.23] .
5.5
AJUSTE DE CURVAS.
En la prctica dos o ms variables suelen relacionarse de alguna manera,
como lo hacen la talla y el peso, la masa y el volumen. En muchos casos es

conveniente encontrar las relaciones entre las variables y si es posible las
expresiones matemticas que describen tal relacin. Si la relacin no es
evidente o directa entonces es necesario hacer aproximaciones o estimaciones
a partir de los datos. Esto se puede lograr usando el diagrama de dispersin
que consiste en graficar N pares ordenados ( X , Y ), correspondientes a
valores relacionados de las variables en consideracin, en un sistema
rectangular. En un diagrama de dispersin es posible observar una curva suave
que se aproxime a los datos, esa curva puede ser lineal o no lineal y se conoce
como la curva aproximante y se concluye que la relacin es lineal o no lineal
dependiendo de las caractersticas de la curva. El problema de encontrar
curvas aproximantes se llama ajuste de curvas.
Consideremos la tabla de valores
100
TABLA 5.5. Datos Para Ajuste de Curvas

X
10
11
15
17
El diagrama de dispersin o nube de puntos es

Grfico 5.10 . Nube de Puntos Tabla 5
22
18
14
10
-2
1
11
Se observa que una recta se ajusta al diagrama de dispersin. La ecuacin

de una recta es Y = b + m X , donde b y m son parmetros a determinar. Los
parmetros se pueden determinar sustituyendo cualesquiera dos puntos de la
tabla en la ecuacin Y = b + m X , por ejemplo si escogemos los puntos ( 2 ,
1 ) y ( 7 , 11 ) tenemos que :
101
1 = b + 2m
10 = 5m m = 2 y b = 3 . Por tanto la curva de ajuste es
11 = b + 7 m
Y= -3 + 2X.
El valor de m es la pendiente de la recta de ajuste y representa el cambio
en Y ( Y ) por unidad de cambio en X ( X ) es decir m =
Y
, el valor de
X
b se llama Y-interseccin,
El valor
b
m
es la X-interseccin. Una vez hecho el ajuste uno puede
encontrar valores esperados para Y correspondientes a valores dados de X, por

ejemplo si queremos conocer el valor de Yo correspondiente a Xo = 4,
entonces sustituimos en la ecuacin de la curva de ajuste y obtenemos que
Yo= -3+2(4) = 5. En este caso como Xo se encuentra entre dos valores de la
tabla ( 3 < Xo < 5 ) se dice que Yo se encontr mediante interpolacin. Si
deseamos hallar Y1 para X1=20 (valor fuera de la tabla) Y1=-3+2(20) = 37,
en este caso se encontr Y1 por extrapolacin.
En la siguiente pgina se muestra la curva de ajuste y la nube de puntos
correspondientes a la Tabla 5.5.
102
Grfico 5.11. Curva de Ajuste Correspondiente a la Tabla 5.5

22
18
14
10
-2
1
11
La curva de ajuste puede ser tambin, entre otras

Cuadrtica
Y= c + bX + aX 2
Exponencial
Y= ab X o log(Y ) = log(a ) + (log(b)) X
Logartmica
Y= a+blog(X)
El problema de decidir que curva usar se puede complicar en los casos

donde el diagrama de dispersin no indique con tanta evidencia que curva
usar, en etos casos se puede recurrir a diagramas de dispersin auxiliares,
como por ejemplo si el diagrama de dispersin de la forma ( X , logY ) indica
una relacin lineal, la curva de ajuste para ( X ,Y) debe ser exponencial
Y= ab X . ( en este tipo de anlisis puede usarse el papel calibrado
semilogartmico ). Si el diagrama ( logX , logY ) es lineal, la curva de ajuste
103
es de la forma Y= aX b y en este caso el papel calibrado se llama papel loglog (dos escalas logartmicas).
Es usual que la intuicin intervenga en la decisin sobre la curva de ajuste
escogida. Si la ecuacin de la curva escogida es conocida, se puede obtener
con algunos puntos, por ejemplo, dos puntos para la lineal y tres puntos para
la cuadrtica. La gran desventaja de este mtodo es que se afecta la unicidad
de la curva de ajuste debido a que la escogencia de la curva depende de la
persona que haga el ajuste.
Por ejemplo para la siguiente tabla,
TABLA 5.6
X
10
11
12
3.9
16
23
37
50
20
80
1.6 100 140 169
La correspondiente nube de puntos y grfica de la curva de ajuste es,
104
13
Grfico 5.12. Nube de Puntos y Curva de Ajuste Tabla 5.6
169
140
1.6
3.9
80
50
37
23
20
16
8
1
0
10
12
Se puede deducir que la curva de ajuste es una funcin cuadrtica.
105
14
CAPTULO 6. MODELOS MATEMTICOS.

6.1.- EJERCICIOS, PROBLEMAS Y MODELOS. INTRODUCCIN.
Inicialmente intentaremos dar una definicin de modelo en general y
especficamente de modelo matemtico.
Para el ingeniero y el cientfico un MODELO es todo lo que se emplea
para describir la estructura o el comportamiento de una contraparte de la vida
real. Con los modelos se logra esto mediante palabras, nmeros, smbolos
especiales, diagramas, grficos o semejanza en cuanto a apariencia o
comportamiento con las contrapartes de la vida real que representan (E. Krick.
Fundamentos de Ingeniera. 1991).
Veamos ahora algunas definiciones de modelo matemtico:
MODELO MATEMTICO es una representacin matemtica de un
fenmeno fsico, econmico, humano, etc., realizada con el fin de poder
estudiarlo mejor (Diccionario Larousse. 1999).
Los MODELOS MATEMTICOS son aquellos modelos que establecen
relaciones entre un conjunto de variables. Estas relaciones se expresan,
generalmente, mediante ecuaciones, inecuaciones y en forma grfica,
utilizando coordenadas y escalas u otros tipos de representaciones grficas (M.
Orellana. Modelando con Matemtica. 1994).
Un MODELO MATEMTICO es una coleccin de objetos matemticos y
de relaciones seleccionadas con el objeto de representar y reflejar aspectos de
un rea extra-matemtica dada, denominada realidad (ICME 6. Problem
Solving, Modelling and Applications. 1988).
MODELO MATEMTICO es la traduccin al lenguaje matemtico
(ecuaciones, inecuaciones, grficas, etc.) de una situacin extra-matemtica.
Un MODELO MATEMTICO es una representacin ideal (en la forma de
un sistema, proposicin, frmula o ecuacin) de un fenmeno fsico, biolgico
o social (Enciclopedia Microsoft Encarta 99).
Tan importante como saber a qu nos referimos cuando hablamos de
modelos es saber diferenciarlos de los ejercicios o los problemas.
La caracterstica principal de un EJERCICIO es que se cuenta con un
procedimiento o algoritmo directo para obtener la respuesta. Por ejemplo,
maximizar el rea de un cuadriltero de permetro fijo 4 es un ejercicio para
estudiantes de clculo diferencial.
106
Un PROBLEMA MATEMTICO es una situacin que da origen a

ciertas interrogantes que son intelectualmente un desafo para alguien que no
cuenta con mtodos, procedimientos o algoritmos para obtener la respuesta.
Podemos observar que esta definicin se acerca a la de modelo. Veamos
cul es la diferencia:
Un problema tiene una respuesta especfica correcta. Un modelo es ms
general y especulativo. Modelos diferentes pueden ser desarrollados para la
misma situacin y se pueden obtener respuestas distintas. No se trata de que
una ser correcta y las otras erradas, pero algunas pueden ser ms tiles que
otras. Resolver un problema requiere perspicacia y el uso de una tcnica
apropiada. Desarrollar un modelo requiere de esas cualidades conjuntamente
con imaginacin creativa (Edwards & Hamson. Guide to Mathematical
Modelling. 1990.).
6.2.- EJERCICIOS Y PROBLEMAS.
Lo que resulta ser un ejercicio para algunos puede ser un problema para
otros. Por ejemplo, para un estudiante que no cuente con la herramienta del
clculo diferencial, maximizar el rea de un cuadriltero de permetro 4 pasa a
ser un problema.
Busquemos la respuesta a esta maximizacin tratndola como ejercicio
y luego como problema.
Como ejercicio (usando clculo diferencial)
x
y
El rea del cuadriltero viene dada por A=x.y. Sin embargo,

2x+2y=4y=2-x. Por lo que podemos expresar el rea en funcin de x; esto
es, A(x)=2x-x2 y la cuestin se reduce a hallar el mximo absoluto de A en
107
[0, 2]. Como A(0)=A(2)=0, y A(x)>0 x(0, 2), el mximo absoluto est en
(0, 2).
Usando clculo diferencial se concluye que en x=1 existe el nico punto
crtico de A, donde adems existe un mximo absoluto.
Por tanto, el cuadriltero de permetro 4 con rea mayor es el
cuadrado. Puede generalizarse para un cuadriltero de permetro p obteniendo
tambin como resultado el cuadrado.
Como problema (sin usar clculo diferencial).
Un estudiante que no cuente con la herramienta del clculo diferencial
puede atacar el problema mediante el uso de tablas, dndole valores a x y a y
en [0, 2], sabiendo que 2x+2y=4.
x
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
y
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
x.y
0
0.19
0.36
0.51
0.64
0.75
0.84
0.91
0.96
0.99
1
0.99
0.96
0.91
0.84
0.75
0.64
0.51
0.36
0.19
0
Se observa que el mximo ocurre cuando x=y=1; esto es, cuando el

cuadriltero es un cuadrado.
108
La carencia de un mtodo formal hace que en ocasiones sea muy

improbable alcanzar la respuesta correcta. Por ejemplo si usamos tablas de
valores para resolver un problema cuya solucin es un nmero irracional.
6.3.- MODELO DE DINMICA DE POBLACIN.
Veamos ahora un ejemplo de modelo matemtico. La siguiente es una
tabla con datos (aproximados) sobre la poblacin mundial.
Ao
Cantidad de habitantes
(en millones)
2.500
2.714
3.000
3.286
3.643
4.000
4.371
4.786
5.243
0.950
1.955
1.960
1.965
1.970
1.975
1.980
1.985
1.990
Observando la tabla surgen algunas preguntas:

Qu podemos hacer con esos datos?
Podemos estimar a partir de esos datos, la poblacin mundial antes de
1.950, digamos, en 1.930?
Podemos estimar la poblacin mundial en cada uno de los aos
comprendidos entre 1.950 y 1.990?
Podemos estimar la poblacin mundial del ao 2.020?
En qu ao se lleg a 5.000 millones de habitantes?
Considerando como variables al tiempo t (en aos) y a la poblacin P
(en millones de habitantes), P es una funcin creciente de t. La cuestin se
reduce a estudiar el comportamiento de y eventualmente buscar una frmula
para P. Para esto, disponemos de varios procedimientos:
6.3.1.- GRFICAMENTE.
Se pueden elaborar varios tipos de grficas tales como: nube de puntos,
poligonal, curva continua, etc. Usemos la curva continua.
109
7.000
6.000
5.000
4.000
3.000
2.000
1.000
50 55 60 65 70 75 80 85 90
Para obtener una estimacin de la poblacin mundial en un ao t0, basta
hallar la ordenada correspondiente a la abscisa t0. Por ejemplo, segn
estimaciones de las Naciones Unidas, en el ao 1999 se superaron los 6
millardos de habitantes. Esto se refleja en la grfica.
Un buen ejercicio para el lector es elaborar grficas de otro tipo y
obtener conclusiones a partir de los mismos.
6.3.2.- NUMRICAMENTE.
Podemos considerar datos que proporcionan informacin a cerca de
P(t), tales como: incrementos, cocientes de proporcionalidad y tasas de
variacin .
Hagamos una tabla con los incrementos netos de la poblacin
P=P(t+t)+P(t) con amplitud de intervalo t = 5 aos y con los cocientes de
proporcionalidad.
Aos
P(t)
(en millones)
1950
55
60
65
70
75
80
85
90
2500 2714 3000 3286 3643 4000 4371 4786 5243
P
(en millones)
214
286
286
357
357
371
415
457
Cociente de
Proporcionalidad
( x10-3 )
86
105
95
109
98
93
93
105
110
A partir de estos datos y para extrapolarlos a aos anteriores a 1950 o

posteriores a 1990, podemos trabajar, entre otros con:
- El promedio de los incrementos X =2743x106/8=342.875343. Con lo que
obtenemos, por ejemplo, que para el ao 2015 la poblacin mundial ser de
6615 millones de habitantes.
- El promedio del cociente de proporcionalidad I=0.0983. Con lo que
obtenemos, por ejemplo que para el ao 2015 la poblacin mundial ser de
7629 millones de habitantes.
6.3.3.- ANALTICAMENTE.
Podemos desarrollar el modelo de dinmica de poblaciones encontrando
una expresin para la funcin P=P(t), con la finalidad de calcular y graficar.
Una forma de hacerlo es trazar segmentos de rectas entre los puntos
dados por la tabla y semirectas en los extremos, con lo que obtenemos
ecuaciones a trozos.
Desarrollemos el modelo con un par de procedimientos muy usados.
6.3.3.1.- MODELO LINEAL DISCRETO.
Podemos escoger el incremento neto en un lapso determinado (por
ejemplo 371 de 1975 a 1980), con lo que obtenemos el promedio anual (74,5).
Suponiendo que este promedio se mantiene, para un ao t, la poblacin
mundial se estima en:
P(1976)=4.000+74,5 millones de habitantes
P(1977)=4.000+2(74,5) millones de habitantes
P(1978)=4.ooo+3(74,5) millones de habitantes
.
.
.
P(1974)=4.000-74,5 millones de habitantes
P(1973)=4.000-2(74,5) millones de habitantes
.
.
.
P(t)=4.000+(t-1975)74,5 millones de habitantes
111
6.3.3.2.- MODELO EXPONENCIAL DISCRETO.

Usemos la tasa media (anual) de variacin relativa (tasa geomtrica);
por ejemplo, la del mismo perodo 1975-80, R=1,855%.
Siguiendo un procedimiento anlogo al del modelo lineal discreto
obtenemos:
P(1976)=4.000(1,855) millones de habitantes
P(1977)=P(1976)(1,855)=4.000(1,855)2 millones de habitantes
P(1978)=4.ooo(1,855)3 millones de habitantes
.
.
.
P(t)=4.000(1,855)(1975-t) millones de habitantes
6.3.4.- CONCLUSIONES.
Podemos observar que desarrollando distintos tipos de modelos para
una misma situacin se pueden obtener resultados divergentes. En la medida
que se cuenten con ms datos y se apliquen ms herramientas matemticas, se
obtendrn mejores resultados. Por ejemplo, el modelo de dinmica de
poblaciones se puede desarrollar usando matrices y sistemas de ecuaciones
diferenciales, obteniendo resultados ms ajustados a la realidad.
6.4.- EJERCICIOS DEL CAPTULO.
Con los datos de la tabla (poblacin mundial):
1.- Elaborar grficos distintos al realizado en el ejemplo (nube de puntos y
poligonal) y obtener conclusiones sobre la poblacin mundial.
2.- Hacer una tabla usando la tasa media de variacin simtrica y obtener
conclusiones.
3.- Desarrollar el modelo lineal discreto usando un lapso distinto al usado en
el ejemplo.
4.- Desarrollar el modelo exponencial discreto usando un lapso distinto al
usado en el ejemplo.
5.- Calcular los errores porcentuales cometidos al usar los mtodos anteriores,
comparndolos con la tabla.
112
Diagrama de flujo para desarrollar un modelo matemtico.

(Elaborado por el Dr. Mauricio Orellana (U.C.V.))
INICIO
1
IDENTIFICAR LA SITUACIN REAL QUE
CONDUCE A FORMULAR UN PROBLEMA.
2
SELECCIONAR LAS VARIABLES QUE INTERVIENEN Y
LA INFORMACIN DISPONIBLE Y NECESARIA.
3
SIMPLIFICAR EL PROBLEMA
4
EXPRESAR MATEMTICAMENTE EL PROBLEMA UTILIZANDO SMBOLOS, ECUACIONES,
INECUACIONES, GRFICOS, ETC.
5
APLICAR PROCEDIMIENTOS Y TCNICAS MATEMTICAS PARA
RESOLVER EL PROBLEMA MATEMTICO.
6
APLICAR LA SOLUCIN ENCONTRADA A LA SITUACIN DE PARTIDA.
7
COMPARAR CON LA REALIDAD; ESTO ES, VALIDAR CON LA SITUACIN DE PARTIDA:LOS RESULTADOS SON VLIDOS?
SI
NO
EL MODELO ES ADECUADO.
MODIFICAR EL MODELO.
REGRESAR AL PASO
FIN
113
2.
RESPUESTAS A EJERCICIOS PROPUESTOS.

EJERCICIO 1.7: 1.- a.- S es proposicin.
b.- S es proposicin.
c.- S es proposicin.
d.- No es proposicin.
2.- a.- DV(A, P(x))= { 0, 1, 2 }
b.- DV(B, Q(x))= { cuadrado, tringulo }
c.- DV(C, R(x))= { 4, 6 }
EJERCICIO 1.23: 1.- a.- VL ((p q ) r ) = 1 .
b.- VL (p (q r )) = 0 .
c.- VL (( r ) (( p ) q )) = 1 .
2.- a.- Recproco: Si x=1, entonces x2=1.
Contrario: Si x2 1, entonces x 1.
Contrarrecproco: Si x 1, entonces x2 1.
b.- Recproco: Si Juan tiene dinero, entonces Ana
acepta ir al cine con l.
Contrario: Si Ana no acepta ir al cine con Juan,
entonces Juan no tiene dinero.
Contrarrecproco: Si Juan no tiene dinero, entonces
Ana no acepta ir al cine con l.
c.- Recproco: Si Jos aprueba matemticas, entonces
estudia mucho.
Contrario: Si Jos no estudia mucho, entonces no
aprueba matemticas.
Contrarrecproco: Si Jos no aprueba matemticas,
entonces no estudia mucho.
3.- a.- Contrarrecproco de q r.
b.- Recproco de p q.
c.- Contrario de p r.
d.- Ninguno.
114
4.- VL(p)=1 y VL(r)=0.

5.- VL(r)=1, VL(q)=0 y VL(s)=0.
EJERCICIO 1.27: 1.- ( p ) p
1 0 1 1
0 1 1 0
6.- ((p q ) r ) (p (q r ))
111 11 1 11 111
111 10 1 11 110
110 11 1 11 011
110 10 1 11 000
011 10 1 01 111
010 10 1 01 110
000 11 1 01 011
000 00 1 00 000
EJERCICIO 1.31: a.- Falsa.
Negacin: ( x R)(x2+1 0).
b.- Falsa.
Negacin: ( y Z)(2y 1).
c.- Verdadera.
Negacin: ( n N)(n2 n).
d.- Falsa.
Negacin: ( x R)(x2 0).
e.- Verdadera.
Negacin: ( x Z)(x>1 x2 x).
f.- Falsa.
Negacin: ( x R)( y R)(x.y 1).
EJERCICIO 1.43: 1.- a.- A=B.
b.- A B.
c.- C D.
115
2.- Supongamos que A B, B C y C A; entonces, por

transitividad de la inclusin, tenemos que B A y C B;
Luego, A B, B A, B C y C B; por tanto, A=B y
B=C.
EJERCICIO 1.58: 2.- a.- A B= .
b.- A B= { 0, 1, 2, 3, 4, 5 }
c.- A B= { 0, 1, 2, 3, 4, 5 }
d.- A-C=
e.- C-A= { 0, 2, 4, }
3.- a.- x A x B x B
1 1 1 1
1
1 0 0 1
0
0 0 1 1
1
0 0 0 1
0
Al ser una tautologa, se tiene que
x A x B x B ; luego, A-B Bc.
para
cada
x U,
f.- (x A x B) (x A x B x )
1
1
1
1
1 0 0
1 0
1
0
0
1
1 1 1
0 0
0
1
1
1
0 0 0
1 0
0
1
0
1
0 0 1
1 0
Al ser una tautologa, se tiene que para cada x U,
(x A x B) (x A x B x ) ; luego, A B A Bc= .
EJERCICIO 1.69: 1.- a.(x, y ) Ax(B C ) x A y B C (Def. de Prod. Cartesiano )
x A ( y B y C ) (Def. de Unin )
(x A y B) (x A y C ) (Distributi vidad )
(x, y ) AxB (x, y ) AxC (Def. de Prod. Cart.)
(x, y ) (AxB) (AxC) (Def. de Unin )
d.- Falso. Dados A= {a} y B = {b}. Tenemos:
P(A B)= {, {a}, {b}, {a, b}}
P(A) P(B)= {, {a}, {b}}
116
3.- i.- Ninguna persona.

ii.- 7 personas.
iii.- 3 personas.
EJERCICIO 2.7: 8.- a.- ( - 1 R) ( 1 = 1 1 )
b.- ( 0 R)(02+0=0 (0 > 0 ) )
EJERCICIO 3.9: 1.- x=5y
2.- x.y=20
3.- a.- x es inversamente proporcional a y.
b.- x es directamente proporcional a y.
c.- y es directamente proporcional a x2.
d.- y es inversamente proporcional a x3.
EJERCICIO 3.13: 1.- a.- w10 = 43
b.- w10 = -28
c.- w10 = -2
2.- a.- w5 = -5
b.- w5 = 2
c.- w5 = 10
3.- a.- S son trminos consecutivos de una progresin aritmtica.
b.- No son trminos consecutivos de una progresin aritmtica.
c.- S son trminos consecutivos de una progresin aritmtica.
d.- No son trminos consecutivos de una progresin aritmtica.
EJERCICIO 3.17: 1.- a.- w5 = 32
b.- w5 = 9
c.- w5 = 0
1 - (0,02 )
3.- S9 = 250.000
= 298.773,14 . Por tanto los intereses
1 0,02
generados en 9 meses son 48.773,14 Bs.
9
117
EJERCICIO 4.2: a.- DomR= { 1 }

RgoR= { 1 }
GrR= { ( 1, 1 ) }
Representacin sagital
R
A
1.
.0
2.
.1
3.
Representacin Cartesiana
1-
01
b.- DomR=Z
RgoR=Z
GrR= { ( x , x ) / x Z}
118
Representacin Sagital
R
Z
.
.
.
3.
2.
1.
0.
- 1.
- 2.
- 3.
.
.
.
.
.
.
.3
.2
.1
.0
. -1
. -2
. -3
.
.
.
Representacin Cartesiana
Z
3-
2-
-3
-2
.
.
1-
-1
-1 -2 -3 119
EJERCICIO 4.9: 1.- a.- DomR1= { a, b, c }

RgoR1= { 1, 2 }
S es funcin.
b.- DomR2= { a, b, c }
RgoR2= { 1, 2, 3 }
No es funcin.
c.- DomR3= { a, b }
RgoR1= { 1, 2, 3 }
No es funcin.
2.- a.- Domf = R
Rgof = [ 1, + )
S es inyectiva, no es sobreyectiva, no es biyectiva.
b.- Domg = [ 1, + )
Rgog = [ 0, + )
S es inyectiva, no es sobreyectiva, no es biyectiva.
c.- Domh = R- { 0 }
Rgoh = ( 0, + )
No es inyectiva, no es sobreyectiva, no es biyectiva.
EJERCICIO 4.14:
10
15
20
y=f(x)
16
32
x
x1
2,5
1,25
0,625
0,3125
2,5
1,25
0,625
0,3125
120
REFERENCIAS
NESTOR LVAREZ. CONCEPTUALIZACIN EN ESTADSTICA.
POST-GRADO. U.F.T. BARQUISIMETO.
D. EDWARDS & M. HAMSON. GUIDE TO MATHEMATICAL
MODELLING. FLORIDA. U.S.A. 1990.
ICME. PROBLEM SOLVING, MODELLING & APPLICATIONS.
ACTAS DE ICME. HUNGRA. 1988.
E. KRICK. FUNDAMENTOS DE INGENIERA.
EDITORIAL LIMUSA. 4TA IMPRESIN. MXICO. 1991.
MAURICIO ORELLANA. MODELANDO EN MATEMTICA.
U.N.A. CARACAS. 1998.
MAURICIO ORELLANA. MODELOS MATEMTICOS.
CURSO TALLER. SEGUNDA VERSIN. U.C.V. 1999.
ERNESTO G. RIVAS. ESTADSTICA GENERAL.
SPTIMA EDICIN. EDITORIAL E.B.V.C.
JORGE SENZ Y OTROS. FUNDAMENTOS DE MATEMTICA.
EDITORIAL HIPOTENUSA. BARQUISIMETO. 1986
MURRAY R. SPIEGEL. ESTADSTICA. SEGUNDA EDICIN.
SERIE SCHAUM. EDITORIAL McGRAW HILL.
ENNODIO TORRES. MATEMTICA BSICA UNIVERSITARIA.
EDITORIAL HIPOTENUSA. BARQUISIMETO. 1990.
ENCICLOPEDIA MICROSOFT ENCARTA 99.
MICROSOFT CORPORATION. 1999.
DICCIONARIO LAROUSSE.1999
121

Razonamiento Matemático

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Razonamiento Matemático

Enviado por

Direitos autorais:

Formatos disponíveis

RAZONAMIENTO MATEMTICO CUANTITATIVO

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO

RAZONAMIENTO MATEMTICO CUANTITATIVO

Rmulo A. Bervns Faras

Trabajo de Ascenso presentado para optar

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO

A Jeanette, Guillermo, Jeandely, Yahir y Yanireth.

1.7.- INCLUSIN DE CONJUNTOS .............................................. 22

1.10.- CONJUNTO POTENCIA ...................................................... 32

CAPTULO 2. PENSAMIENTO MATEMTICO ................................... 38

CAPTULO 3. PROPORCIONALIDAD Y PROGRESIONES ................. 44

CAPTULO 4. RELACIONES Y FUNCIONES ........................................ 55

CAPTULO 5. ESTADSTICA ................................................................. 67

5.1.- CONCEPTOS BSICOS DE ESTADSTICA ........................

5.2.- ORGANIZACIN DE LA INFORMACIN ..........................

5.3.- ORGANIZACIN DE LOS DATOS ...................................... 85

CAPTULO 6. MODELOS MATEMTICOS ........................................ 106

RESPUESTAS A EJERCICIOS PROPUESTOS

REFERENCIAS ........................................................................................ 121

CAPTULO 1 . LGICA Y TEORA DE CONJUNTOS.

EJEMPLO 1.5: a.- Sea A={1,2,3,4} y la proposicin

A las tablas de este tipo se les denomina TABLAS DE VERDAD.

EJEMPLO 1.11: Si p: 2 > 3

EJEMPLO 1.13: Si p: Barquisimeto es la capital del estado Lara.

1.2.4.- DISYUNCIN EXCLUSIVA.

EJEMPLO 1.15: Si p: El mes de febrero tiene siempre 28 das.

La tabla se resume en: si el antecedente es verdadero, el consecuente no

EJEMPLO 1.17: Si p: 5 es un nmero primo.

Otras formas de leer el condicional (pq) son:

EJEMPLO 1.22: 1.-Supongamos que p, q, r y s son las proposiciones:

Escribimos la proposicin y colocamos los valores lgicos de p, q, r, s y

2.- Para que la proposicin ((pq)r)(pp) sea verdadera,

a.- Si x=1, entonces x=1.

PROPOSICIONES ATMICAS ), ste se calcula usando tablas de la verdad.

(Ley de Silogismo Disyuntivo)

2.- Demuestre que las siguientes formas proposicionales son

(Ley del tercio excluido)

(Ley de reduccin al absurdo)

19.- ((pq)r)((pr)(qr)) (Ley de demostracin por

le denomina CONJUNTO UNIVERSAL y vara de acuerdo al contexto en el

1.6.1.- CUANTIFICADOR EXISTENCIAL.

La proposicin para un solo elemento x de A, P(x) es verdadera, se

b.- Falsa. Tenemos a 2R tal que |-2| =2-2.

d.- (xR)( x>0)

3.- (ABBC) AC.

TEOREMA 1.41: Si A, B y C son conjuntos en U, entonces:

1.9.- OPERACIONES CON CONJUNTOS.

EJEMPLO 1.45: Para cada par de conjuntos A y B, hallar AB.

TEOREMA 1.49: Si A, B y C son conjuntos en U, entonces:

1.9.3.- DIFERENCIA Y COMPLEMENTO.

EJEMPLO 1.51: Para cada par de conjuntos A y B, hallar A-B:

Cuando cse quiera destacar al conjunto referencial U, el complemento se

TEOREMA 1.54: Si A y B son conjuntos en U, entonces:

Luego, xA-B xABc

Por tanto, A-B=ABc

(Definicin de igualdad de conjuntos)

4.- x(Ac) c xAc

1.9.4.- DIFERENCIA SIMTRICA.

EJEMPLO 1.56: Hallar la diferencia simtrica de cada par de conjuntos:

EJEMPLO 1.60: (1, 2)(2, 1)

3.- De un grupo de 15 personas, se tiene la siguiente

CAPTULO 2. PENSAMIENTO MATEMTICO.

(Ley del condicional)