Silvia Elena Ibarra Olmos Martha Cristina Villalva Gutirrez Editoras

El saber de mis hijos har mi grandeza

Silvia Elena Ibarra Olmos Martha Cristina Villalva Gutirrez Editoras

QA11.A1 .S44 2011

Semana Regional de Investigacin y Docencia en Matemticas (20 : 2011 : Hermosillo, Sonora) Memorias de la XX Semana Regional de Investigacin y Docencia en Matemticas; Hermosillo, Sonora, enero de 2011 / Silvia Elena Ibarra Olmos, Martha Cristina Villalva Gutirrez, Editoras.-Hermosillo, Sonora : Editorial Universidad de Sonora. Divisin de Ciencias Exactas y Naturales. Departamento de Matemticas, c2011. 204 p. : Il., Fotog.; 27 cm. ISBN: 978-607-7782-91-9 Incluye bibliografa. 1. Matemticas - Investigaciones - Congresos, conferencias, etc. 2.Matemticas - Enseanza - Congresos, conferencias, etc. I.Ibarra Olmos, Silvia Elena, ed.I I.Villalva Gutirrez, Martha Cristina, ed.
rea de Anlisis Bibliogrfico, Subdireccin de Servicios de Apoyo Acadmico, DSU, Universidad de Sonora

Memorias de la XX Semana Regional de Investigacin y Docencia en Matemticas Editada por Silvia Elena Ibarra Olmos y Martha Cristina Villalva Gutirrez
Derechos reservados para esta edicin: D. R. 2011, Silvia Elena Ibarra Olmos y Martha Cristina Villalva Gutirrez (Editoras) D. R. 2011, Universidad de Sonora ISBN: 978-607-7782-91-9 Universidad de Sonora Calle Rosales y Blvd. Luis Encinas Hermosillo, Sonora C.P. 83000 Telfono (01-662) 2592155 Fax (01-662) 2592219 Diseo de portada: Olivia Carolina Gut Ocampo Fotografa tomada de www.flick.com, con permiso de uso sin fines de lucro
Impreso en Mxico Printed in Mexico

Memorias de la XX Semana Regional de Investigacin y Docencia en Matemticas

Directorio
Dr. Heriberto Grijalva Monteverde
Rector

Dr. Enrique Velzquez Contreras

Secretario General Acadmico

M. E. Rosa Elena Trujillo Llanes

Secretaria General Administrativa

Dra. Arminda Guadalupe Garca de Len Peuri

Vicerrectora de la Unidad Regional Centro

M. C. Miguel ngel Moreno Nez

Director de la Divisin de Ciencias Exactas y Naturales

Dr. Jess Adolfo Minjrez Sosa

Jefe del Departamento de Matemticas

M. D. O. Manuel Ignacio Guerra Robles

Director de Vinculacin y Difusin

Lic. Ral Acevedo Savn

Jefe del rea de Publicaciones

Comit organizador
Presidenta Secretaria Silvia Elena Ibarra Olmos Martha Cristina Villalva Gutirrez Agustn Grijalva Monteverde Jorge Ruperto Vargas Castro Olivia Carolina Gut Ocampo Francisco Javier Tapia Moreno Silvia Elena Ibarra Olmos Martha Cristina Villalva Gutirrez Jos Dolores Dvila Galindo Lina Morales Peral Jos Mara Bravo Tapia Lorena Armida Durazo Grijalva Comisin Acadmica

Comisin de Difusin

Comisin Editorial

Comisin de Logstica

Comisin de Relaciones Pblicas

ndice
Presentacin Construccin del significado geomtrico de la derivada a partir de la resolucin de problemas de optimizacin y uso de Geogebra
Mara Teresa Dvila Araiza, Agustn Grijalva Monteverde y Jos Mara Bravo Tapia

1 3

La metacognicin y la competencia de estudiantes de ingeniera en la resolucin de problemas de optimizacin

Jos lvaro Encinas Bringas y Ramiro vila Godoy

Diseo instruccional con soporte en videos digitales y WinPlot para el aprendizaje de Lmites
Rafael Pantoja Rangel, Juan Carlos Martnez Sandoval, Elena Nesterova

15 21

Un estudio comparativo de una estrategia didctica que incorpora calculadora graficadora y el enfoque tradicional, para abordar aplicaciones de ecuaciones diferenciales
Maximiliano De Las Fuentes Lara, Jos Luis Arcos Vega y lvaro Encinas Bringas

Construccin de la funcin derivada a partir de una visualizacin dinmica de la linealidad local

Martha Gabriela Robles Arredondo

27 33 39 45

Visualizacin dinmica en la enseanza de la derivada

Eduardo Tellechea Armenta

Diseo de actividades introductorias para el desarrollo de la nocin de muestreo

Eleazar Silvestre Castro, Irma Nancy Larios R. y Manuel A. Urrea Bernal

Argumentos utilizados por estudiantes de nivel medio superior y superior, con consideraciones en su desarrollo hacia la formalidad
Mario Alberto Quionez Ayala y Jorge Ruperto Vargas Castro

Propuesta didctica para el tratamiento de las funciones exponenciales

Guadalupe Villaseor Gndara

51 57 63 69

Por qu la elipse se llama elipse y la hiprbola, hiprbola?

Jorge Ruperto Vargas Castro

Proyecto: Textos Dinmicos (TD)

Ricardo Ulloa Azpeitia, Elena Nesterova y Rafael Pantoja Rangel

Propuesta de actividades didcticas para la capacitacin de profesores de secundaria en el eje curricular manejo de la informacin
Manuel A. Urrea Bernal, Irma Nancy Larios R. y Maricela Armenta Castro

Construir grficas de funciones usando incrementos de variables para introducir el concepto de funcin derivada
Jos Carlos Corts Zavala

75

Explorando transformaciones lineales en el plano usando Geogebra

Csar Fabin Romero Flix, Jos Luis Soto Mungua

79

Diseo de software educativo: construccin de algoritmos para el manejo de grficas y construcciones geomtricas interactivas
Christian Morales O., Lourdes Guerrero M.

85

Discrepancias en el clculo de los cuartiles y posibles consecuencias en el aprendizaje de los estudiantes en dichos conceptos
Alejandrina Bautista Jacobo

91

Importancia de la lgica en la enseanza de las demostraciones matemticas

Carlos Arturo Loredo Villalobos

97 103

Propuesta del diseo de una secuencia didctica para la enseanza-aprendizaje del objeto matemtico potencia
Jess Manuel Duarte Snchez, Jos Luis Daz Gmez

Aprendizaje ubicuo en la enseanza de las matemticas

Hctor Antonio Villa Martnez, Fco. Javier Tapia Moreno y Claudio Lpez Miranda

109 115 123 135 145 153 167 177 183 189 197 201

Clulas de aprendizaje asincrnico. Experiencia en didctica de las matemticas

Sergio Pou Alber, Manuel Moreno Mercado y Gloria Elena Rub Vzquez

Comparacin de heursticas y algoritmos de bsquedas en el dominio del ajedrez

Omar Edgardo Lugo Snchez, Julio Waissman Vilanova

Aprendizaje de funciones de utilidad basado en criterio de Metrpolis para el juego de Othello

Ismael Tesisteco Flix, Julio Waissman Vilanova

Ecuaciones diferenciales parciales no lineales: Separacin de variables, soluciones simblicas

Inna Shingareva y Carlos Lizrraga Celaya

La bifurcacin Takens-Bogdanov m-paramtrica n-dimensional

Francisco A. Carrillo, Fernando Verduzco G, Joaqun Delgado F.

Visualizacin de campos vectoriales analticos generalizados

Alvaro lvarez Parrilla, Martn Eduardo Fras Armenta, E. Lpez Gonzlez y C. Yee Romero

Un paseo por la probabilidad y la estadstica: de Baha de Kino a Varadero (Parte 1)

Claudio A. Lpez Miranda y Francisco Javier Tapia Moreno

Un paseo por la probabilidad y la estadstica: de Baha de Kino a Varadero (Parte 2)

Claudio A. Lpez Miranda y Francisco Javier Tapia Moreno

Inferencia estadstica para cadenas de Markov

Martha Cecilia Palafox Duarte

El Anlisis Didctico en el marco del Enfoque Ontosemitico

Vicen Font Moll y Norma Rubio Goycochea

Grupo de discusin Educacin a distancia

Gisela Montiel Espinosa, Martha C. Villalva Gutirrez, Francisco Javier Tapia Moreno y Ricardo Ulloa Azpeitia

Memorias de la XX Semana Regional de Investigacin y Docencia en Matemticas

Presentacin
Por veinte aos consecutivos el Departamento de Matemticas de la Universidad de Sonora ha organizado la Semana Regional de Investigacin y Docencia en Matemticas. En su edicin 2010 se celebr simultneamente el vigsimo aniversario de la creacin del Programa de Maestra en Ciencias con especialidad en Matemtica Educativa. Al igual que en las ediciones anteriores, la participacin de estudiantes, profesores e investigadores en matemticas, matemtica educativa y ciencias de la computacin, tanto nacionales como extranjeros, fue abundante. A las actividades ya tradicionales de presentacin de ponencias, reportes de investigacin, conferencias, talleres y cursos, se agreg ahora la realizacin de dos grupos de discusin. Como colofn al evento, se presenta esta Memoria, en la cual se incluye la mayor parte de los trabajos participantes. Agradecemos la colaboracin de autores, cuerpo de evaluadores y de todos aquellos que de una u otra manera sumaron esfuerzos para lograr su concrecin.

Editoras

Hermosillo, Sonora, Enero de 2011

Construccin del significado geomtrico de la derivada a partir de la resolucin de problemas de optimizacin y uso de GeoGebra
Mara Teresa Dvila Araiza, Agustn Grijalva Monteverde, Jos Mara Bravo Tapia Departamento de Matemticas Universidad de Sonora tere.davila.araiza@gmail.com, {guty, jmbravo}@gauss.mat.uson.mx Nivel educativo: Superior Resumen En este trabajo se presenta el resumen de los avances de tesis para obtener el grado de Maestra en Matemtica Educativa, consistente en una propuesta didctica apoyada en el software GeoGebra, para la enseanza de la derivada como la pendiente de la recta tangente, en el curso Clculo Diferencial e Integral I del rea de Ingeniera de la Universidad de Sonora. El objetivo del trabajo es promover la construccin pragmtica del significado de la derivada y otros objetos matemticos del Clculo, resolviendo problemas de optimizacin, pues consideramos que de esta forma el estudiante le dar a estos objetos un significado ms cercano a su profesin. Se incluye adems la descripcin de una actividad didctica que refleja las caractersticas de nuestra propuesta

1. Introduccin
El clculo ha sido el centro de atencin de diversos trabajos de investigacin, que no slo muestran la existencia de diversas dificultades enfrentadas por los estudiantes para comprender los objetos y procesos de esta disciplina [1], sino que tambin sealan que es comn en los cursos de clculo presentar a los objetos matemticos como algo ya acabado y alejado de la realidad; enfatizar las prcticas algortmicas y privilegiar el trabajo en el registro algebraico, por considerar los tratamientos numricos y grficos como no matemticos [2],[3] &[4]. Esto puede ocasionar que el curso de clculo carezca de sentido para el alumno; que sus significados de los objetos matemticos sean pobres; que presente dificultades para usarlos en registros distintos del analtico y en problemas no rutinarios, en particular para modelar situaciones planteadas en contextos extramatemticos e interpretar los resultados obtenidos. Teniendo en cuenta que el ingeniero durante su formacin acadmica y su prctica profesional, requiere modelar, describir y analizar situaciones cambiantes y resolver problemas, optimizando costos, tiempo, materiales, etc.; consideramos necesario realizar un acercamiento al clculo, que promueva en los estudiantes de ingeniera la construccin de significados para los objetos matemticos del clculo diferencial, en un ambiente cercano a las prcticas de un ingeniero.

2. Caractersticas de la propuesta
Nuestra propuesta se centra en la derivada, y se apoya en elementos tericos del Enfoque Ontosemitico del Conocimiento y la Instruccin Matemtica, conocido como EOS. En particular, se retoma la naturaleza pragmtica de los objetos matemticos (personales o institucionales) asumida en esta teora, como los entes que emergen gradualmente de los sistemas de prcticas realizadas durante la resolucin de campos de problemas [5].

El acercamiento a la derivada, que proponemos con nuestro trabajo, es distinto al tradicional (caracterizado por el uso de lmites). Se pretende promover a travs de la resolucin de problemas de optimizacin de contexto extramatemtico, familiar para los estudiantes y cercano a la ingeniera, el desarrollo de sistemas de prcticas de los cuales emerja la derivada como la pendiente de la recta tangente. Para guiar al estudiante, diseamos actividades didcticas integradas por hojas de trabajo y ambientes dinmicos virtuales creados con el software de geometra dinmica GeoGebra. Este software utiliza distintos registros de representacin semitica (lengua natural, grfico, algebraico y numrico) y se puede vincularlos dinmicamente, lo cual que contribuye a su articulacin y a la construccin de un significado ms amplio de los objetos, ya que cada representacin ayuda a producir slo una parte del significado [6]. Otra caracterstica importante de GeoGebra es que permite representar objetos variables, y dado que el clculo estudia la variacin, esta propiedad se vuelve de gran ayuda para modelar fenmenos cambiantes. Los ambientes dinmicos virtuales que creamos con GeoGebra, son manipulables, involucran diferentes registros de representacin, y constan de a) una construccin dinmica y manipulable que simula el contexto de los problemas a resolver; b) las representaciones tabular, analtica y grfica de la funcin que modela al problema, donde la tabla es representada por una hoja de clculo; c) el enunciado del problema y d) la recta tangente a la grfica. Todos estos elementos del ambiente dinmico pueden ocultarse o aparecer activando unas casillas de control que se encuentran visibles en la pantalla. Las actividades didcticas de nuestra propuesta tienen una estructura parecida, que podemos describir de la siguiente manera: Se comienza con la manipulacin de la construccin que simula al fenmeno implicado en el problema, para que el estudiante observe que hay magnitudes que cambian y que estn relacionadas, pues al modificar una, se modifica a la otra. Le sigue el establecimiento de las representaciones analtica, tabular y grfica de la funcin que modela al fenmeno. Luego se realiza una aproximacin numrica (con ayuda de la hoja de clculo) de las coordenadas del punto correspondiente al valor extremo y se ubica a ste en la grfica. Posteriormente, usando la herramienta zoom en torno a dicho punto, se observa cmo sta se convierte localmente en una recta horizontal, que coincide con la recta tangente en tal punto, con lo cual se caracteriza al mismo. Finalmente, se busca establecer la monotona de la funcin de dos maneras, primero relacionando los valores de la tabla con la forma de la grfica, y luego, relacionando la pendiente de la recta tangente con la forma de la grfica.

A continuacin presentamos brevemente una de las actividades didcticas que conforman nuestra propuesta, la cual es representativa del conjunto de actividades que diseamos.

3. Ejemplo de una de las actividades que forman parte de la propuesta

Uno de los problemas de optimizacin que seleccionamos es problema de la viga ms resistente en cuyo enunciado se presenta a continuacin: La resistencia de una viga rectangular es directamente proporcional al producto del ancho y el cuadrado de la altura de su seccin transversal. Determine las dimensiones de la viga ms resistente que se pueda obtener de un tronco circular de 30 cm de radio. Consideramos que antes de plantear el problema se podra realizar una discusin grupal muy rica para determinar intuitivamente de qu podra depender la resistencia de la madera a la compresin y al hecho de que dos magnitudes sean directamente proporcionales, para luego poder interpretar la proporcionalidad entre la resistencia y el producto del ancho por el cuadrado de la altura en una viga cualquiera. Esta discusin puede originar que sean los propios estudiantes quienes planteen el problema de construir una viga a partir del tronco de un rbol, que tenga la mxima resistencia. De manera general, pretendemos que el estudiante siga una ruta como la descrita a continuacin, despus de haberse planteado el problema: Al abrir el archivo de GeoGebra aparecer una construccin dinmica y manipulable que simula la seccin transversal del tronco y la viga, donde el valor del ancho de sta (denotado por ) cambia en tiempo real. El estudiante puede observar que hay una gran cantidad de vigas diferentes que se pueden hacer de un tronco dado, cambiando el valor del ancho.

Figura 1. Tronco y viga virtuales. x=29.2 cm.

Figura 2. Tronco y viga virtuales. x=58.8 cm.

Al fijar el valor del ancho, se espera que el estudiante descubra que se puede usar el teorema de Pitgoras para obtener el alto de la viga correspondiente a ese ancho. Luego, reflexionando que el valor del ancho puede cambiar y tomando como referencia el procedimiento seguido para ese valor dado, se pide al estudiante construir una expresin analtica para la altura de la viga en dependencia de y finalmente una expresin para la resistencia, tambin en dependencia de . Al manipular el punto variable, se puede observar que el ancho de la viga slo puede tomar valores en el intervalo .

Usando la expresin analtica de la resistencia, se procede a calcular valores particulares de sta para distintos valores dados del ancho y a colocarlos en una tabla y unos ejes coordenados. En la tabla numrica se puede observar que la resistencia alcanza un valor mayor al resto. Se espera que los estudiantes sugieran que se pueden obtener otros valores an mayores. Al activar en el archivo de GeoGebra las casillas que muestran las representaciones grfica, analtica y numrica de la funcin implicada y un punto variable (punto manipulable), se espera que el estudiante compruebe sus resultados y use la hoja de clculo para aproximar, con varios decimales, las coordenadas del punto correspondiente al valor mximo, mediante la bsqueda en intervalos cada vez ms pequeos.

Figura 3. Exploracin en el intervalo

Figura 4. Exploracin en el intervalo

Al intentar que coincidan, en la grfica, las coordenadas del punto variable con las encontradas en la hoja de clculo, mediante acercamientos sucesivos (zoom) sobre el punto, se podr observar que la grfica se vuelve una recta horizontal alrededor del punto. Despus, se puede discutir grupalmente por qu sucede esto y cul es esa recta. Al activar la casilla tangente aparece una recta que se sobrepone con la grfica y al alejarse del punto (zoom out), se puede observar que la recta es tangente a la grfica en el punto variable, por lo cual, al mover tal punto, se mueve sta.

Figura 5. Curva linealizada al hacer zoom.

Figura 6. Curva y recta tangente sobrepuestas.

Figura 7. Curva y recta tangente al alejarse.

Posteriormente se reflexiona sobre la monotona de la funcin, primero analizando los valores de la resistencia en la tabla numrica, antes y despus del valor ms alto, y observando cmo es la grfica en cada caso. Luego se observa cmo es la pendiente de la recta tangente cuando el punto variable est antes del punto ms alto y cuando est despus de ste. Con esto se buscar promover grficamente el establecimiento de una relacin, entre la monotona de la funcin y el signo de la pendiente de la recta tangente.

Figura 8. Recta tangente antes del punto ms alto.

Figura 9. Recta tangente despus del punto ms alto

Finalmente se espera que los estudiante propongan grficamente cmo solucionaran el problema de la viga ms resistente: determinando el valor de tal que la pendiente de la recta tangente a la grfica en el punto correspondiente a , tiene pendiente cero.

4. Comentarios finales
El acercamiento que proponemos en este trabajo es intuitivo y al inicio informal. Las actividades didcticas de nuestra propuesta estn diseadas para estudiantes principiantes en el estudio del Clculo en Ingeniera, por lo que durante las primeras actividades no se usa terminologa matemtica, pues sta se ir construyendo gradualmente (al igual que los objetos matemticos) conforme se establezcan ciertas regularidades entre los problemas, es decir, que en el transcurso de las actividades se le ir poniendo nombre a los objetos que construyan.

5. Referencias
[1] Artigue, M. (1995). La enseanza de los principios del clculo: problemas epistemolgicos, cognitivos y didcticos. Ingeniera didctica en educacin matemtica (pp. 97-140). [2] Castaeda, A. (2002). Estudio de la Evolucin Didictica del Punto de Inflexin: una Aproximacin Socioepistemolgica. Relime, 5(1), 27-44. [3] Dolores, C. (2000). Una Propuesta Didctica para la Enseanza de la Derivada. ICME-8 Sevilla, Espaa, 155-181. [4] Serna Martnez, L. (2007). Estudio Socioepistemolgico de la Tangente. (Tesis de Maestra, Instituto Politcnico Nacional. Centro de Investigacin en Ciencia Aplicada y Tecnologa Avanzada). Recuperado de http://www.matedu.cicata.ipn.mx/tesis/maestria/serna_2007.pdf [5] Godino, J. D., Batanero, C. & Font, V. (2008). Un enfoque ontosemitico del conocimiento y la instruccin matemtica. Recuperado del sitio Web del Departamento de Didctica de la Matemtica de la Universidad de Granada: http://www.ugr.es/local/jgodino/indice_eos.htm [6] Font, V. (2009). Algunos puntos de vista sobre las representaciones en didctica de las matemticas. Coleccin Digital Eudoxus, 0(11). Recuperado de http://cimm.ucr.ac.cr/ojs/index.php/eudoxus/article/view/422/421

La metacognicin y la competencia de estudiantes de ingeniera en la resolucin de problemas de optimizacin

Jos Alvaro Encinas Bringas y Ramiro vila Godoy Facultad de Ingeniera. Universidad Autnoma de Baja California Departamento de Matemticas. Universidad de Sonora aencinasb@uabc.mx; ravilag@gauss.mat.uson.mx Nivel educativo: Superior Resumen Se presenta parte de una investigacin sobre la comprensin y competencia que estudiantes de ingeniera muestran al abordar problemas de optimizacin. En el presente, se estudian sus significados ante esos problemas. Se apoya en el Enfoque Ontosemitico de J.D.Godino. Para ello se seleccionaron problemas de un texto escolar y se aplicaron a estudiantes de un curso de Clculo en la Facultad de Ingeniera de la Universidad Autnoma de Baja California. Se efectuaron anlisis de las configuraciones cognitivas y metacognitivas sobre las respuestas escritas y verbales. Los resultados muestran un bajo desempeo de los estudiantes ante esos problemas. Se considera se debe al tipo de significados institucionales implementados por profesores en el aula.

1. Introduccin
El presente documento refiere sobre una parte de la investigacin denominada Comprensin y competencia sobre optimizacin en estudiantes de ingeniera. En ella se pretende describir y explicar la relacin que existe entre la comprensin que tienen los alumnos de los conceptos y procedimientos que se utilizan en la resolucin de problemas rutinarios de optimizacin y su competencia (eficacia) en el abordaje y resolucin de problemas ms complejos del mismo tema. El sustento de la investigacin es la Teora Ontolgica Semitica de la Cognicin e Instruccin matemtica de Godino [2,4,7,8]. Este enfoque considera que un Objeto Matemtico (OM) (Institucional o Personal) es un emergente del sistema de prcticas (sociales o personales) asociadas a un campo de problemas. El Significado Institucional (SI) o el Significado Personal (SP) de un OM corresponde al sistema de prcticas discursivas u operatorias asociadas al campo de problemas. Los SI se pueden considerar de los siguientes tipos: de referencia, planeado, evaluado e implementado. Mientras los SP, en globales, declarados y logrados. Los SI de referencia, se pueden encontrar en los documentos curriculares y en libros de texto y en sujetos tales como el profesor, el coordinador de rea, autoridades, etc. El SI planeado es lo pretendido por el profesor para su clase y el SI implementado es lo realmente efectuado en ella mientras que lo evaluado corresponde a la prctica correspondiente. Los SP, por ejemplo de un estudiante, del tipo global corresponden a la totalidad de prcticas sobre un cierto OM; declarado, son las prcticas expresadas como respuesta de una evaluacin propuesta por el profesor y logrado corresponde a las prcticas manifestadas exitosas o en concordancia con las institucionales. Los OM se clasifican en [7,8]: Lenguaje, Problemas, Conceptos, Procedimientos, Proposiciones y Argumentos.

Godino [8] y Font [9] han construido nociones tericas para un anlisis de la actividad matemtica dentro y fuera del aula, proponiendo arreglos o configuraciones de los seis tipos de OMs anteriormente mencionados. Estas configuraciones pueden ser epistmicas (redes de objetos institucionales) o cognitivas (redes de objetos personales). Adems la configuracin metacognitiva [10, 11,12] correspondiente a un arreglo de la planificacin, supervisin y control de la actividad cognitiva. Como antecedente inmediato de este trabajo, se tiene una investigacin [6] sobre la relacin entre los significados institucionales de referencia, planeados e implementados de optimizacin en un curso de clculo para estudiantes de primer semestre de ingeniera, donde se muestra una fuerte influencia del libro de texto sobre la actividad en el aula del profesor seleccionado. Asimismo, se evidencian algunos aspectos de la prctica docente del mismo.En este trabajo se estudia el desempeo de estudiantes ante problemas de optimizacin en el mismo curso de Clculo mencionado, analizndose mediante el uso de las configuraciones cognitivas y metacognitivas.

2. Materiales y mtodos
El mtodo utilizado en la toma de datos, fue primeramente seleccionar seis problemas propuestos en el libro de texto, El Clculo de Louis Leithold [5], utilizado por algunos profesores en la Facultad de Ingeniera de la Universidad Autnoma de Baja California (UABC) para los cursos de Clculo Diferencial. Se identificaron cinco de los ms exitosos estudiantes, que comprenden el OM optimizacin, del curso mencionado. Adems, otros cinco exitosos, de otro grupo y finalmente tres estudiantes de semestres posteriores que pueden considerarse como expertos. Se les aplicaron los problemas en forma individual y aislada, solicitndoles que anotaran en papel sus respuestas. Adems se les pidi que externaran en voz alta sus pensamientos en forma simultnea al proceso de resolucin del problema. Lo hecho por cada uno de los estudiantes participantes en la investigacin, se video grab. Estas grabaciones fueron transcritas para su posterior anlisis junto con las hojas de respuestas de los estudiantes. El anlisis se llev a cabo comparando la configuracin epistmica del problema con la configuracin cognitiva de cada resolutor. Se detectaron algunos conflictos semiticos o de significados. De las transcripciones se identifican competencias metacognitivas de planificar, supervisar y control de los propios procesos cognitivos de resolucin de problemas. 2.1 Los problemas Los seis problemas seleccionados del texto [5], son del tipo escolar de contexto evocado [1]. El enunciado de uno de los problemas seleccionados, est planteado en un contexto geomtrico e involucra en su solucin una funcin de tipo radical. Problema 1. Dos postes con longitudes de seis y ocho metros respectivamente se colocan verticalmente sobre el piso con sus bases separadas una distancia de 10 metros. Calcule la longitud mnima de un cable que puede ir desde la punta de uno de los postes hasta un punto en el suelo entre los postes y luego hasta la punta del otro poste. Respecto a los otros cinco problemas, dos son de clculo de reas que se modelan, uno con una funcin cuadrtica y el otro con una funcin recproca; dos ms relacionadas con funciones radicales y uno ms complejo que conduce a funciones trigonomtricas.

3. Resultados y discusin

10

3.1 Respuestas escritas a los problemas En seguida se presenta la Tabla 1, en la cual se describe la configuracin cognitiva de la alumna N, donde sintetiza y estructura su propuesta de resolucin del primer problema. Tabla 1. Configuracin cognitiva de la alumna N del problema #1.
Objetos Matemticos Situacin-problema Especificaciones Problema escolar, de contexto extra matemtico evocado de aplicacin. Minimizacin de longitud entre dos puntos. Emerge una expresin de races de cuadradas de nmeros. Trminos y expresiones: longitud, variable, expresiones algebraicas e igualdades. Representacin: dibuja dos postes de 6 y 8 m paralelos, nombrndolos A y B respectivamente, situados a una distancia de 10 m. Dibuja un cable que une los extremos de los postes tocando el piso en el punto medio entre ambos. Asigna variables a las hipotenusas y catetos de la base de los dos tringulos formados. Longitud, tringulo rectngulo, relaciones trigonomtricas. El cuadrado de la hipotenusa en un tringulo rectngulo es igual a la suma del cuadrado de los catetos Lee el enunciado del problema. Identifica algunos datos e incgnitas. Encuentra dos soluciones del problema. Supone que la hipotenusa de un tringulo rectngulo es igual al cociente del lado opuesto entre el adyacente. Deduce que la suma de las longitudes de las hipotenusas de dos tringulos distintos es igual al cuadrado de las mismas.

Lenguaje

Conceptos Proposiciones Procedimientos Argumentos

Este arreglo se compara con la Configuracin Epistmica correspondiente (no mostrada por razones de espacio), de cuyo resultado se elabora la Tabla 2, donde se anotan las discrepancias o conflictos semiticos entre los significados personales de la alumna N y los de la institucin, representados en este caso por un resolutor experto.
Objetos Matemticos Situacin-problema Tabla 2. Conflictos semiticos. Conflictos semiticos La estudiante no identifica que es un problema de optimizacin. En lugar de emerger una funcin cuadrtica, lo hace una expresin algebraica de races cuadradas de nmeros. No aparecen los trminos: funcin, derivada, desigualdades. Representacin: dibuja el cable que une los extremos de los postes tocando el piso en el punto medio entre ambos. En lugar de que pueda ser cualquier punto. Asigna variables a las hipotenusas pero no a los catetos de la base de los dos tringulos formados. No aparecen los conceptos: variable, funcin, derivada, mnimo relativo. Slo utiliza el teorema de Pitgoras en trigonometra no considerando algn resultado del clculo diferencial. Interpreta incorrectamente el enunciado del problema como lo muestra su estrategia de solucin. No identifica las incgnitas o magnitudes variables. No construye la funcin radical que relaciona magnitudes variables, y por tanto el resto del procedimiento correcto falla. Encuentra dos soluciones incorrectas del problema. Tantea soluciones. No valida la solucin del mismo. Encuentra errneamente el valor hipotenusa de un tringulo rectngulo, correspondiendo realmente al seno del ngulo. No es posible aplicar el teorema de Pitgoras a dos tringulos distintos simultneamente.

Lenguaje

Conceptos Proposiciones Procedimientos

Argumentos

11

El indicador ms bsico de la competencia de resolucin de problemas de acuerdo con la Universidad del Deusto en [13], es precisamente el que el estudiante identifique el que un enunciado corresponde a un problema de cierto tipo, en este caso, de optimizacin, mismo que la estudiante N no logra. Al tomar la decisin de fijar el cable a la mitad entre las bases de los postes, y de all plantear su estrategia de resolucin, sta queda definida en un ambiente trigonomtrico y no de tipo variacional. Se presume que su pensamiento variacional no est lo suficientemente desarrollado como puede observarse en el tramo de trascripcin que se presenta en seguida. 3.2 Transcripciones en voz alta A continuacin se presenta lo dicho en voz alta por la alumna N en un segmento del proceso de resolucin del problema: ah! lo voy a leer otra vez para entenderlo mejor dos postes con longitudes de seis y ocho metros respectivamente, se colocan verticalmente sobre el piso con sus bases separadas a una distancia de diez metros, calcule la longitud mnima de un cable mnima de un cable que puede ir desde la punta de unos de los postes hasta un punto en el suelo entre los postes; o sea las bases y luego hasta la punta del otro, bien, a la punta del otro, ok Lo primero que voy a hacer va a ser un dibujo que me muestre los dos postes,ok aqu est un poste y a una distancia de diez metros en el suelo est el otro poste,ok uno mide ocho y uno mide seis metros. ste lo voy a poner ms pequeo que el otro y ste mide seis metros, el del lado derecho mide ocho metrosok la longitud que tienen entre cada uno es de 10 metros, dice: calcule la longitud mnima de un cable que puede ir desde la punta de uno de los postes voy a ponerle del poste de seis metros que le voy a llamar poste A y el poste B va a ser el de ocho metros, calcule la longitud mnima de un cable que puede ir desde la punta de uno de los postes o sea desde la punta del poste A, hasta un punto en el suelo entre los postes voy a poner desde la punta del poste A hasta en medio de los dos postes de la distancia de los 10 metros y luego hasta la punta del otro poste; sera como una especie de tringulo para arriba ok dice: calcular la longitud mnima del cable ok pues si se forman tringulos est diciendo que es entre los dos postes, entonces la mitad van a ser 5 de la longitud de la punta de un poste al piso y de la longitud del cable de en medio hasta la punta del otro poste entonces podra usar un una la frmula para como es bueno me voy a fijar en los apuntes del cuaderno, creo que es la frmula de la hipotenusa ok La Figura 1, muestra lo expresado anteriormente por la alumna N.

Figura 1. Dibujo de la alumna N del problema 1.

En la trascripcin anterior, se identifican competencias metacognitivas tales como autoplanear y auto supervisarse. En su pensamiento se fija el hecho de que el cable llega a la mitad de la distancia entre las bases. Revisando todo su trabajo, no se encuentra evidencia alguna de que al menos intente fijar la llegada en algn otro punto. Al no pensarlo o hacerlo es imposible

12

identificar que es lo que vara y que es lo constante y por tanto no podr construir la funcin correspondiente. En un momento posterior el investigador entabl un dilogo con la alumna N, sobre este punto y despus de un tiempo sta pudo considerar otros puntos diferentes que el punto medio. Este dilogo aclaratorio tambin se llev a cabo con otros estudiantes y otros problemas y se observ cmo se activaban ms rpidamente los conocimientos y estrategias requeridas para avanzar en la resolucin del problema. La mayor parte de los obstculos se presentaron en la identificacin de magnitudes variables y la construccin de la funcin. Ya obtenida esta, ya sea por lo mostrado en el proceso de resolucin o en la trascripcin, en su autoplaneacin, se concluye que el proceso algortmico posterior para encontrar los puntos extremos de la funcin es dominado aceptablemente. Del anlisis de las transcripciones, se puede concluir que los elementos o competencias metacognitivas de planeacin, direccin y control, estn ms presentes en los estudiantes ms avanzados (tercer semestre) que con respecto a los del curso de clculo de primero, independientemente del grupo. En este mismo grupo de estudiantes, alumnos con una mayor metacognicin corresponde a mejor proceso de resolucin cognitiva del problema. En el estudio [6] se muestra una prctica del profesor de uno de los grupos de clculo, de donde se seleccionaron estudiantes, caracterizada como expositiva y actuante por el instructor. No se promueve de manera interactiva la comprensin de los enunciados de los problemas revisados en clase, no explorando posibilidades de interpretacin o de alternativas de solucin tan propio de los problemas de optimizacin. La argumentacin es escasa en ese proceso instruccional. Se considera que este tipo de prctica docente explica el que los estudiantes no sean exitosos en la resolucin de problemas de optimizacin.

4. Conclusiones
En este ejercicio se ha encontrado que los estudiantes de clculo para ingeniera seleccionados como exitosos en el mismo curso, muestran un bajo desempeo en el proceso de resolucin de problemas de optimizacin seleccionados del libro de texto y dentro de una prctica docente. Se considera que esta ltima incide fuertemente en los resultados obtenidos. Un reto de los de los sistemas educativos en la pretensin de mejorar los resultados del aprendizaje de las matemticas, adems de los planteados en [6]:a) la seleccin y elaboracin de materiales consistentes con las nuevas tendencias de la enseanza centradas en la resolucin de problemas y, b) la formacin, capacitacin y actualizacin de profesores, es lograr una adecuada formacin metacognitiva de los estudiantes que les permita planear y administrar sus propios procesos cognitivos en la resolucin de problemas.

5. Referencias
[1] Font, V. (2007). Comprensin y contexto: una mirada desde la didctica de las matemticas. Gaceta RSME, 10(2). del

[2] Godino, J.D.( 2002). Perspectiva semitica de la competencia y comprensin matemtica. XVI Convengo Nazionale: Incontri con la Matemtica. Castel San Pietro Teme (Bologna) Versin en espaol recuperada en abril de 2007 en: (URL:http//www.ugr.es/local/jgodino). [3] Malaspina, U.(2007). Intuicin, Rigor y Resolucin de Problemas de Optimizacin. Revista Latinoamericana de Investigacin en Matemtica Educativa, 10 (3) ,365- 399.

13

[4] Godino, J.D. (2003). Teora de las funciones semiticas. Un enfoque ontolgico y semitico de la cognicin e instruccin matemtica. Universidad de Granada. Recuperado en abril de 2007. Disponible en: (URL:http//www.ugr.es/local/jgodino). [5] Leithold, L. (1998). El Clculo (Mata, F.,Trad.) Mxico, D.F., Mxico: Oxford University Press. [6] vila, R., Encinas, A y Rivera, R. Significados institucionales de referencia, planeados e implementados de optimizacin en un curso de clculo para estudiantes de ingeniera. En P. Lestn (Ed.), Acta Latinoamericana de Matemtica Educativa 23, 2009, en proceso, Mxico:CLAME [7] Godino, J.D. y Batanero, C. (1994). Significado institucional y personal de los objetos matemticos. Recherches en Didactique des Mathmatiques, 14(3),325-355. [8] Godino, J.D. Batanero, C. y Font, V. (2007).The ontosemiotic approach to researh in mathematics education. ZDM. The international Journal on Mathematics Education , 39 (1-2):127- 135. Versin ampliada al 9 de marzo de 2008 en (URL:http//www.ugr.es/local/jgodino [9] Font, V. y Godino, J.D. (2006). La nocin de configuracin epistmica como herramienta de anlisis de textos matemticos. Educao Matematica Pesquisa, 8(1), 67-98. [10] Gonzlez, F. (1996). Acerca de la metacognicin. Revista paradigma. Recuperado en abril de 2007 en URL:http//www.revistaparadigma.org.ve/Doc/Paradigma96/doc5.html. [11] DAmore,B., Font,V. y Godino, J. (2007). La dimensin metadidctica en los procesos de enseanza y aprendizaje de la matemtica. Revista Paradigma, 28 (2), 49-77. [12] Gusmo,T., Font, V. y Cajaraville, J. Anlises cognitivo e metacognitivo de prcticas de resoluo de problemas. Educao Matematica Pesquisa. So Paulo, v.11, # 1,pp. 8-43, 2009. [13] Villa, A. y Poblete, M. (2008). Aprendizaje basado en competencias. Universidad de Deusto. Ed. Mensajero. Espaa:

14

Diseo instruccional con soporte en videos digitales y WinPlot para el aprendizaje de lmites
Rafael Pantoja Rangel, Juan Carlos Martnez Sandoval, Elena Nesterova Departamento de Matemticas. CUCEI Universidad de Guadalajara Leopoldo Castillo Figueroa Departamento de Ciencias Bsicas Instituto Tecnolgico de Ciudad Guzmn rpantoja@prodigy.net.mx, rafael.pantoja@red.cucei.udg.mx Nivel educativo: Superior Resumen En el Instituto Tecnolgico de Cd. Guzmn (ITCG), la Academia de Ciencias Bsicas de Ingeniera (ACBI), implement el diseo instruccional de la Unidad III del curso de Matemticas I con soporte en las nuevas tecnologas, que corresponde al contenido de Lmites y continuidad de funciones reales de una variable real, de las carreras de ingeniera del Instituto Tecnolgico de Ciudad Guzmn (ITCG) y que se experiment en el mes de Septiembre del 2009. El ambiente para aprendizaje se integr de actividades sustentadas en los medios y materiales siguientes: Tres DVD del concepto de Lmite, continuidad y asntotas para consulta en un lector de un equipo de cmputo o residencial, la gua de estudio y actividades con el WinPlot. En un primer anlisis, se puede inferir que el diseo instruccional fue del agrado de los estudiantes.

1. Introduccin
En la Academia de Ciencias Bsicas de Ingeniera (ACBI) del Instituto Tecnolgico de Ciudad Guzmn (ITCG) se plantea sistematizar el proceso de enseanza, con la finalidad de significar el aprendizaje de los alumnos. Con este fin se realiz un diseo instruccional para la enseanza de lmites y continuidad, con empleo de videos explicativos en formato DVD, el programa WinPlot y un cuaderno de trabajo. Se experiment su efectividad para los estudiantes del primer semestre de las carreras de ingeniera del ITCG, con un promedio de edad entre los 17 y 18 aos. Una de las carencias que se observa en el ITCG es la escasa elaboracin de materiales con las nuevas tecnologas (multimedia, audio y video digital, software y sitios en Internet, entre otras) que apoyen de manera sistemtica el aprendizaje de los alumnos. En el diseo de los materiales y las instrucciones para las actividades de aprendizaje se tomarn en consideracin los problemas de corte epistemolgico y didctico, que se enfrenta para el aprendizaje y enseanza de lmites y continuidad. Brousseau [1], define un obstculo epistemolgico como aquel conocimiento que ha sido en general, satisfactorio durante un tiempo, para la resolucin de ciertos problemas, pero que posteriormente, este conocimiento resulta inadecuado y difcil de adaptarse cuando el alumno se enfrenta con nuevos problemas. Un obstculo no es una falta de conocimiento sino un conocimiento adquirido que dificulta la construccin (o reconstruccin) de un concepto. Segn Skemp [2] los conceptos contributorios deben estar disponibles para cada nueva etapa de abstraccin pues si un nivel dado se comprende imperfectamente cualquier cosa derivada se encuentra en peligro.

15

El diseo instruccional empleado se basa en el modelo de Dick y Carey [3], el cul consta de diez pasos: 1) Identificar la meta instruccional; 2) Anlisis de la instruccin; 3) Anlisis de los estudiantes y del contexto; 4) Redaccin de objetivos; 5) Desarrollo de Instrumentos de evaluacin; 6) Elaboracin de la estrategia instruccional; 7) Desarrollo y seleccin de los materiales de instruccin; 8) Diseo y desarrollo de la evaluacin formativa; 9) Diseo y desarrollo de la evaluacin sumativa; y 10) Revisin de la instruccin. El objetivo de la investigacin fue determinar y evaluar los efectos que la aplicacin del diseo instruccional produce sobre el aprendizaje de lmites y continuidad. Fue planeada la hiptesis que la aplicacin de del diseo instruccional les permite a los alumnos del grupo experimental superar en aprovechamiento a los alumnos del grupo de control. El diseo y desarrollo de materiales es un rea de oportunidad que no ha sido explotada en la misma proporcin en que se han desarrollado las nuevas tecnologas [4], ya que se ha relegado por la dificultad para producir un programa multimedia, un tutorial o un software educativo, porque demanda competencias de diseo grfico y programacin que estn fuera del alcance de la mayora de los docentes. Tres estudiantes de las carreras de ingeniera en sistemas computacionales que participaron en el verano cientfico organizado por el programa interinstitucional para el fortalecimiento de la investigacin [5] apoyaron el diseo grfico y programacin de los materiales. Otra situacin es que la DGEST enva los programas de los cursos, con un apartado de Sugerencias Didcticas [6]. En esta investigacin se cubrieron las sugerencias propuestas por DGEST, tales como usar los recursos tecnolgicos que faciliten la comprensin de los conceptos, la resolucin de problemas e interpretacin de los resultados (WinPlot y video explicativo en formato DVD); formar los grupos de discusin y anlisis sobre los conceptos previamente investigados; proporcionar al estudiante una lista de problemas del tema y genere prcticas de laboratorio para confrontar los resultados obtenidos.

2. Fundamentacin
Dentro de los aspectos epistemolgicos se consideraron, el desarrollo histrico del concepto de lmite y la presencia a travs de dicho desarrollo de los obstculos epistemolgicos, que tienen dos caractersticas principales: son inevitables y esencialmente constitutivos del conocimiento por ser adquirido y se encuentran por lo menos en alguna parte del desarrollo histrico del concepto. Histricamente el concepto de Lmite, apareci de manera implcita en el concepto de sucesin infinita de sumas parciales, como un proceso dinmico y slo despus de la aparicin de los conceptos de integral y derivada y hasta fines del siglo XIX, se defini formalmente como un objeto esttico [7], [8]. Los principales obstculos epistemolgicos que se han presentado en el desarrollo conceptual del lmite tienen que ver con la dificultad en el paso del infinito potencial al infinito actual y el replanteamiento sobre la existencia de las cantidades infinitesimales [9]. El diseo de los materiales y las instrucciones para las actividades de aprendizaje se bas en que la utilizacin de distintas representaciones del concepto de lmite (numrico, grfico, algebraico, verbal) mejora su comprensin [10]. La representacin numrica proporciona una visin dinmica de aproximacin y est vinculada con procesos reales. La representacin grfica es un puente entre la representacin numrica y la algebraica, vincula tendencias entre las variables. La representacin algebraica es abstracta, proporciona una visin esttica, tiene precisin inmejorable, pero poco

16

vnculo con procesos reales. La representacin verbal es dinmica y vinculada con la realidad fuertemente. Por otro lado, la teora del aprendizaje significativo, afirma sobre la existencia de una estructura cognitiva en el alumno, esto es, esquemas de conocimientos, conceptos, percepciones, hechos, etc. El aprendizaje consiste en una reestructuracin activa de dicha estructura: La nueva informacin es vinculada a los aspectos relevantes y preexistentes en la estructura cognitiva y en el proceso se modifican la informacin recientemente adquirida y la estructura preexistente [11]. De acuerdo con la teora APOE, para que un concepto matemtico, pueda convertirse en un objeto aprendido, se requiere primeramente que este sea concebido como un objeto mental (primitivo) sobre el cual pueda ejercerse alguna accin. Cuando dicha accin es interiorizada por el sujeto entonces se convierte en un proceso. Dicho proceso puede llegar a evolucionar en un objeto conceptual ms general e insertarse con otros conceptos en un nuevo esquema mental. El concepto de lmite tiene esta doble cara: es proceso y es objeto pero adems, es necesario manejar la reversibilidad del objeto en proceso [12].

3. Metodologa
De la revisin de la informacin referente al aprendizaje del concepto de lmite y los textos ms empleados en la enseanza del clculo se identificaron la meta instruccional, los contenidos para la enseanza, los conocimientos previos que debe poseer el alumno y el contenido del examen de diagnstico, aplicado en la primeras sesin. Se redactaron los objetivos de enseanza y de aprendizaje y se desarrollaron las estrategias, los instrumentos y criterios de evaluacin. Se elabor el cronograma que incluye por sesin las actividades en el aula, en la compuaula y extraclase. La experimentacin se desarroll en doce sesiones de 50 minutos cada una. A los alumnos del grupo experimental se les entreg el cuaderno de trabajo con los objetivos e instrucciones, actividades de aprendizaje, seis cuestionarios y ocho problemarios, tres DVD con 28 videos digitalizados con los conocimientos previos para cada uno de los temas de la unidad III del programa vigente de Matemticas I, para las carreras de ingeniera de la DGEST y un manual de WinPlot con uso especfico al estudio de lmites. Al inicio del experimento se aplic un examen de conocimientos previos y al finalizar el experimento, se aplic el pos test para evaluar el aprendizaje logrado por los alumnos en el tema. Se aplicaron dos encuestas al grupo experimental para conocer el nivel de satisfaccin en el uso de los medios y materiales usados.

4. Resultados
Resultados de la evaluacin diagnstica. Los promedios de calificaciones: el grupo experimental tuvo como promedio 52.7 y el de control 46.7. Treinta alumnos del grupo experimental (41.1%) tuvieron una calificacin mayor o igual a 60. Se consider que los alumnos del grupo experimental, tienen los conocimientos bsicos para iniciar la experimentacin. Resultados del pos test. El pos test los estudiantes de ambos grupos, experimental y de control, contestaron a lpiz y papel en la ltima sesin. En el grupo experimental se tuvo a 29 alumnos

17

(40.3%) con al menos 70 de calificacin, y la calificacin ms alta fue de 84.6. En el grupo de control se tuvo solo un alumno (1.8%) con al menos 70 de calificacin, y su calificacin fue de 73.1. Anlisis estadstico. El anlisis para la prueba t, (Comparacin de Medias), as como el supuesto de que las variancias son iguales, fueron validados por los clculos del StatGraphics, que arroj los datos siguientes: t = -7,93557, P-value=1.18464E-7. Con base en estos valores y que la hiptesis nula de la investigacin seala que la diferencia entre las medias es cero ( , mientras que la hiptesis alternativa propone que la diferencia entre las medias es negativa y como P-valor < 0.05, se acepta la hiptesis alternativa, lo que significa que existe una diferencia significativa a favor del grupo experimental sujeto a la aplicacin de la propuesta para el aprendizaje de lmites. Anlisis de las encuestas. Los datos cualitativos se obtuvieron de la encuesta y ser cuantificada con una escala de Likert [3]. a) El promedio general de las dos encuestas es de 4.08 que cae en la categora De acuerdo. b) El promedio para la evaluacin de los materiales es de 4.22, y es superior a 4, por lo que corresponde a la categora De acuerdo. El 58% de las respuestas caen dentro de la categora De acuerdo, y el 34% caen en la categora Completamente de acuerdo.

Figura 1. Resultados de la encuesta sobre los materiales y la nueva forma de trabajo.

c) El promedio correspondiente a la nueva forma de trabajar (metodologa) es de 3.91, y siendo 9 centsimas inferior a 4 tiende a cae dentro de la categora De acuerdo. El 56% de las respuestas caen dentro de la categora De acuerdo, y el 22% caen en la categora Completamente de acuerdo.

Figura 2. Resultados de la evaluacin correspondiente a la satisfaccin por aprender.

18

d) El promedio correspondiente a la satisfaccin por aprender es de 4.11, ligeramente superior a 4, correspondiente a la categora De acuerdo. El 52% de las respuestas est en la categora De acuerdo, y el 32% en Completamente de acuerdo (Fig. 2).

5. Respuestas a las preguntas de investigacin complementarias

1. Cmo los videos intervienen en el aprendizaje sobre el concepto de lmite? De la respuesta a la encuesta en las preguntas P1, P11, P16 y P19 relacionadas con el uso de los videos en la propuesta, se afirma que los alumnos consideraron los videos apropiados para aprender lmites (Promedio = 3.95). Adems, de las observaciones realizadas en el aula, se concluye que los alumnos muestran ms inters por el aprendizaje del nuevo conocimiento. 2. De qu manera el cuaderno de trabajo influye en el aprendizaje del alumno? Las actividades incluidas en el cuaderno de trabajo fueron los cuestionarios, los problemarios y la consulta de videos, de acuerdo al promedio calculado (4.12) en las preguntas de la encuesta (P3, P4, P5, P9 y P10) son satisfactorios para la propuesta, porque promovieron las actividades extraclase, las discusiones en el aula y el trabajo en un medio tan importante como es la computadora. 3. Cmo contribuye el software WinPlot en el aprendizaje de los alumnos? Se sabe que el uso del software de matemticas es un buen medio para aprender matemticas, tal y como sucedi en esta investigacin, donde de acuerdo a lo respondido por los alumnos en las preguntas de la encuesta P2, P8 y P15, su satisfaccin por el uso del software ha sido positivo, corroborado con el promedio de 4.2, que fue el mayor obtenido de las preguntas auxiliares de la investigacin.

6. Conclusiones
Son varias las investigaciones donde se afirma que las nuevas tecnologas son una buena opcin para aprender matemticas, pero esta propuesta se sustent con los elementos que soportan el diseo Instruccional orientado al trabajo a lpiz y papel, que los alumnos desarrollaron tanto en el trabajo extra clase, en el aula y en la compuaula, dado que para el estudio fueron importantes las respuestas que los alumnos dieron a los cuestionarios y a los problemarios, se reflej en su inters por participar activamente en la adquisicin de su aprendizaje, por tal motivo, un ambiente de aprendizaje mixto, donde se incluya el trabajo extra clase, en el aula y la compuaula, es y ser muy importante para el aprendizaje de las matemticas. Los medios y materiales son un factor relevante en el diseo de un ambiente para aprendizaje. Se recomienda que las actividades que el alumno realizar se orienten hacia el trabajo extra clase, en el aula y en el centro de cmputo, dado que la integracin de tales actividades propiciar el aprendizaje. Es sabido de que los contenidos incluidos en la propuesta, referentes al estudio de lmites, continuidad y asntotas son de un nivel complicado para su enseanza y aprendizaje, sobre todo en lo referente a la aplicacin de la definicin de lmite, que en la enseanza tradicional se trata de manera relampagueante y orientada slo a la cuestin analtica y a uno que otro ejemplo escrito en el pizarrn. En la propuesta se not la satisfaccin por el acercamiento numrico y grfico, que fueron tratados en la compuaula con el programa WinPlot y que se reflejaron en la contestacin de los

19

cuestionarios y problemarios, diseados para la propuesta, en la que se resalta que lo observado en la pantalla de la computadora se reflejara en el trabajo a lpiz y papel. El trabajo extra clase realizado en funcin de los videos incluidos en el DVD, fueron un factor importante en las discusiones en el aula, porque se not en los alumnos que los conocimientos previos adquiridos con la observacin del video y las correspondientes respuestas a los cuestionarios, que propiciaron el aprendizaje de los contenido de lmites, continuidad y asntotas. Como toda experimentacin, siempre hay imponderables (variables exgenas) que se deben cuidar, pero cuando institucionalmente estos imponderables son generados por los compromisos que no pueden evitar las autoridades, generan problemas que se ven reflejadas en los resultados de investigacin, as que se sugiere que los estudios sean planificados con precisin tal que evite contratiempos, como los enfrentados en este estudio, pues hubo sesiones que se tuvieron que reprogramar, como la sesin donde se tomaran evidencias en video del desarrollo de la sesin o como la suspensin de clases, que ao con ao se otorgan por la Feria de Cd. Guzmn. Por ltimo, se concluye que este tipo de estudio se debe integrar de manera paulatina en las instituciones de nivel superior, con las variantes de trabajo individual o colaborativo, con el uso de las nuevas tecnologas, dejar de lado el trabajo a lpiz y papel y las discusiones en el aula orientadas, sin dejar de lado que para cada nuevo contenido que se ha de tratar, se sugiere verificar los conocimientos previos, tendientes a propiciar las discusiones en el aula, como fue el caso de los videos incluidos en la investigacin o para desarrollar las actividades propuestas.

7. Referencias
[1] Brousseau, G. (1983). Les obstacles epistemologiques et les problmes en mathematiques. Recherches en Didactique des Mathematiques.Vol. 4 No. 2. pp. 165-198. [2] Skemp, R (1980). Psicologa del aprendizaje de las matemticas. Madrid: Ediciones Morata. [3] Dick, W., Carey, L. y Carey, J. (2005). The systematic design of instruction, (6th ed.). USA: Person. [4] Pantoja, R. y Ulloa R. (2005). Aprendizaje de la teora de polinomios en un ambiente virtual con soporte en multimedia y el software MathCad. En la Revista Cuadernos de los Altos, Num. 2. [5] DELFIN (2009). Programa Interinstitucional para el Fortalecimiento de la Investigacin y el Posgrado del pacfico. http://www.programadelfin.com.mx/ [6] DGEST (2010). Gua para la instrumentacin didctica de los programas de estudio para la formacin y desarrollo de competencias profesionales. [7] http://www.dgest.gob.mx/index.php/academica/docencia/direccion_de_docencia.htm [8] Boyer, C. B. (1959). The History of the calculus and its conceptual development. New York:Dover Publications, Inc. [9] Edwards, J. (1979). The Historical Development of Calculus. New york: Springer Verlag. [10] Corn, B. (1991). Limits. En Tall, D. (Ed.), Advanced Mathematical Thinking, 153-166. Dordrecht: Kluwer Academic Press. [11] Blzquez S., Ortega T. (2001). Los sistemas de representacin en la enseanza del lmite. RELIME 4(3), 219-236. Valladolid, Espaa [12] Ausubel, D. P., Novak J. & Hanesian, H. (1996), Psicologa Educativa: Un punto de vista cognoscitivo. Mxico: Editorial Trillas. [13] Cottrill, J., Dubinsky, E., Nichols, D., Schwingendorf, K., Thomas K., & Vidakovic, T. (1996). Undesrtanding the Limit concept: Begining with a Coordinated Process Schema, Journal of Mathematical Behavior, 15(2), 167-192.

20

Un estudio comparativo de una estrategia didctica que incorpora calculadora graficadora y el enfoque tradicional, para abordar aplicaciones de ecuaciones diferenciales
Maximiliano De Las Fuentes Lara, Jos Luis Arcos Vega, lvaro Encinas Bringas Facultad de Ingeniera, Universidad Autnoma de Baja California maxito6782@hotmail.com Nivel educativo: Superior Resumen Resumen: Se presentan los resultados de una investigacin cuyo propsito es establecer de manera comparativa la eficiencia de dos mtodos de enseanza, uno con enfoque tradicional [1], y otro con una estrategia didctica que incorpora la calculadora y basada en la teora de las representaciones semiticas de Duval [2]. La eficiencia se midi a travs de la actividad cognitiva de los estudiantes en la manipulacin de los registros de representacin alrededor del fenmeno sistema masa-resorte, en un curso de ecuaciones diferenciales. Esto en la Facultad de Ingeniera de la Universidad de Baja California. A 30 estudiantes se les ense de manera tradicional y a 36 mediante la estrategia propuesta. Se administr un instrumento de medicin tipo post-test. Los resultados muestran de manera significativa, mayores niveles de eficiencia en la manipulacin de los registros en los estudiantes que abordaron el objeto de estudio mediante la propuesta.

1. Introduccin
Los cursos de matemticas de nivel superior buscan que los estudiantes se apropien de conceptos matemticos, los cuales deben ser aplicados en otros contextos diferentes al cual se aprendieron. Tambin se espera que los estudiantes desarrollen habilidades en el manejo de conceptos en sus diferentes representaciones: algebraico, numrico, grfico e inclusive en el lenguaje natural, as como tambin que logren competencias para modelar, plantear y resolver problemas, representar y utilizar el lenguaje simblico y formal. Esta accin presupone la plena comprensin de un concepto matemtico, cuanto ms si la situacin de aprendizaje esta enmarcada en un contexto fsico o de ingeniera. Segn Artigue [3], estudios realizados sobre la enseanza universitaria muestran claramente que esta se centra en el funcionamiento dentro del cuadro algebraico, en una praxis algortmica y en la evaluacin de las competencias algebraicas correspondientes. Al parecer slo se prepara a los estudiantes con destrezas y capacidades procedimentales, sin incorporar ni los avances en el conocimiento de cmo aprenden los estudiantes ni los recursos tecnolgicos modernos. En la formacin del ingeniero, actualmente se estima que entre el 14% y 20% de la carga curricular son unidades de aprendizaje del rea de matemticas. Las ecuaciones diferenciales y el estudio y aprendizaje de las mismas permiten modelar, comprender y avanzar en el conocimiento de diversos fenmenos de la naturaleza; crecimiento y decrecimiento poblacional, variacin de temperatura de los cuerpos, propagacin de los virus, sistemas masa-resorte con o sin amortiguamiento,

21

iluminacin, circuitos elctricos, son ejemplos comunes de ello. Uno de los tpicos a estudiar durante el curso de ecuaciones diferenciales, es precisamente el denominado sistema masa-resorte, el cual tiene mltiples aplicaciones en las diversas reas de ingeniera. Actualmente en la Facultad de Ingeniera de la Universidad Autnoma de Baja California se cuenta con ndices de reprobacin estudiantil en los cursos de ecuaciones diferenciales del orden del 25% en promedio, lo cual es preocupante, por tal motivo se rezagan o desertan ms de 75 alumnos por cada semestre solamente debido a esta unidad de aprendizaje. En el presente proyecto de investigacin se dise e implement una estrategia didctica, diseada a partir de la teora cognitiva de Duval [2], toda vez que en las actividades que los estudiantes tienen que realizar en la estrategia se enfatiza en la habilidad para cambiar de un registro de representacin a otro, adems de promover el equilibrio de los distintos registros de representacin (algebraico, numrico y geomtrico) para no privilegiar en particular alguno de ellos; y los avances logrados en el campo tecnolgico segn Kutzler [4]. El Diseo de la estrategia didctica considera la dialctica herramienta objeto, de acuerdo a Douady [5], en el cual los conceptos matemticos van alternando el papel de instrumento o herramienta para afrontar o resolver un problema, y de objeto tomando un lugar en la construccin de un conocimiento organizado. Se presentan los resultados de un anlisis comparativo basado en la actividad cognitiva desarrollada por los estudiantes a partir de la implementacin de la estrategia didctica que incorpora tecnologa de la calculadora y el instrumento de medicin, con el propsito de evidenciar que un grupo de estudiantes que enfrente el estudio del fenmeno sistema masa-resorte y los conceptos matemticos involucrados en el mismo mediante una estrategia didctica que incorpore la calculadora logra una mayor eficiencia en cuanto a la manipulacin de los distintos registros de representacin que los estudiantes de un grupo cuyo acercamiento al tema citado es a travs de un enfoque de enseanza tradicional.

2. Metodologa
El estudio involucr a dos grupos de estudiantes inscritos en la unidad de aprendizaje de ecuaciones diferenciales de la Facultad de Ingeniera en la Universidad Autnoma de Baja California. El diseo de investigacin que se utiliza es el denominado experimento puro Hernndez, Fernndez y Baptista [6], en virtud de que se manipula de manera intencional, variables independientes (enfoque de enseanza tradicional y otro que incorpora tecnologa de la calculadora) y se mide la variable dependiente (eficiencia de la actividad cognitiva), as como para el establecimiento de la comparacin de los dos grupos. Con el objeto de comprobar si existe diferencia de la eficiencia en cuanto a la actividad cognitiva desarrollada por los estudiantes ante los dos enfoques de enseanza se usa la prueba de diferencia de medias de Walpole y Myers [7]. Los resultados de la aplicacin de un instrumento de medicin diagnstico permiti establecer la homogeneidad de los estudiantes en cuanto a la manipulacin de los distintos registros de representacin al momento previo al inicio de abordar el estudio del fenmeno sistema masa-resorte, toda vez que las pruebas de hiptesis evidenciaron que no existe diferencia significativa sobre los registros de representacin de los estudiantes de los grupos participantes. Dicho instrumento se dise con la consideracin de los criterios de Contreras [8], para la generacin de tems en la construccin de exmenes del tipo criterial alineado con el currculum.

22

Participaron en la investigacin 66 estudiantes de la Facultad de Ingeniera, 36 de ellos integraban el grupo piloto, y el resto (grupo de control) trabajaron de manera tradicional, la experimentacin tuvo una duracin de 12 das e incluyo la puesta en escena de la estrategia didctica y la aplicacin de la posprueba o post-test. La calidad del experimento fue verificada mediante su validez interna, de acuerdo a Hernndez [6]. El instrumento de medicin post-test o posprueba esta constituido por 34 reactivos y se ha diseado bajo las mismas consideraciones que el diagnstico, a diferencia que se aboca a determinar la actividad cognitiva en cuanto a la manipulacin de los estudiantes para con los registros de representacin, alrededor de los conceptos matemticos del fenmeno sistema masa-resorte. La posprueba se administr a ambos grupos de investigacin posterior a la puesta en escena de la estrategia didctica, de manera que la comparacin de los resultados permite determinar si existe diferencia en la eficiencia de la actividad cognitiva de los estudiantes. La calidad de este instrumento es juzgada mediante la validez de contenido, toda vez que participaron jueces expertos en su revisin, as como tambin por la validez de criterio, en cuanto que se correlacionaron los resultados con dos pruebas colegiadas, alineadas con el currculum y criteriales de matemticas I y II, las cuales se aplican desde 2007 a nivel Estatal en las Facultades de Ingeniera de la Universidad Autnoma de Baja California y con las que se obtuvieron una correlacin muestral de Pearson de 0.73 para el caso de matemticas I, y una correlacin de Pearson de 0.79 para el caso de matemticas II. En ambos casos se rechazara la hiptesis de no asociacin lineal con un nivel de significancia de 0.01. Tambin se calcul la confiabilidad por el mtodo de mitades partidas, en donde se obtuvo un coeficiente de 0.81, calificado como correlacin positiva considerable de acuerdo a la escala de Hernndez [6]. Adems de los elementos anteriormente descritos, se determin el promedio del ndice de discriminacin del post-test obteniendo 0.46, el cual puede considerarse como una calificacin excelente (mayor que 0.40) para Ebel y Frisbie [9].

3. Resultados
Se presentan los resultados de un anlisis comparativo entre la actividad cognitiva de los estudiantes de los grupos de control y experimental, logrados a partir de los esquemas de enseanza tradicional y otro que incorpora tecnologa de la calculadora, y medidos con los ndices de dificultad con la administracin de post-test. El ndice de dificultad o valor p del reactivo, se refiere a la proporcin de examinados que contestaron correctamente el tem. La actividad cognitiva de tratamiento externo o conversin evidencia la mayor dificultad para los estudiantes cuando esta se presenta como necesaria para la resolucin de un reactivo. La representacin se posiciona como la de menor dificultad y secundariamente la actividad de tratamiento. De acuerdo a las pruebas de hiptesis no hay diferencia significativa entre tales actividades cognitivas para el grupo de control. De manera reincidente los estudiantes del grupo de control muestran mayor dificultad para resolver los reactivos cuyo registro inicial es grfico, mientras que en contraste se tiene el registro inicial numrico, de hecho la prueba de hiptesis sugiere diferencia significativa entre los registros grfico y numrico.

23

El grfico de barras (ver figura 1) muestra claramente la diferencia en cuanto a las actividades cognitivas de los estudiantes del grupo experimental y del grupo de control medidas a partir del ndice de dificultad.

Comparativo grupo de control contra grupo experimental

Indice promedio de dificultad
0.60 0.50 0.40 0.30 0.20 0.10 0.00 Representacin Tratamiento Conversin
Grupo de control Grupo experimental

Actividad cognitiva

Figura 1. Grfico comparativo de los grupos de control y piloto en cuanto a la actividad cognitiva y el ndice de dificultad promedio.

Para el caso de las actividades cognitivas, el comparativo entre los grupos de control y experimental evidencia diferencia de manera significativa a favor del grupo experimental en cuanto a la actividad cognitiva de representacin, de tratamiento y de conversin. Ambos grupos reflejan menor eficiencia cuando la actividad cognitiva requerida para resolver favorablemente un reactivo es la conversin, le sigue la actividad de tratamiento y la representacin. Algunos resultados asociados al registro inicial y final de los reactivos presentados en el post-test se indican a continuacin: En todos los casos el grupo experimental presenta contra el grupo de control mayor eficiencia evidenciado por los ndices de dificultad cuando se trata de los registros iniciales de representacin algebraico, grfico y de lenguaje natural, y aunque mnimamente tambin en el registro inicial numrico, es en este ltimo registro en el que no existe diferencia significativa. De manera sobresaliente el registro inicial grfico en el grupo experimental destaca ante cualquier otro registro dentro y fuera del mismo grupo experimental. En todos los casos el grupo experimental presenta contra el grupo de control mayor eficiencia cuando se trata de los registros finales de representacin algebraico, grfico y de

24

lenguaje natural, y aunque mnimamente tambin en el registro final numrico, es en este ltimo registro en el que no existe diferencia significativa. De manera sobresaliente el registro final grfico en el grupo experimental destaca ante cualquier otro registro de representacin dentro y fuera del mismo grupo experimental.

4. Conclusin
Adems de la medicin de la eficiencia en cuanto a la actividad cognitiva se detect que la mayora de los estudiantes no estn acostumbrados a trabajar en sus clases habituales con estrategias didcticas que incorporan tecnologa de la calculadora, sino simplemente con ejercicios mas o menos rutinarios con dependencia del profesor como producto de la enseanza tradicional, de hecho una encuesta aplicada a los estudiantes del grupo experimental evidenci sobremanera el poco uso y potencialidad de las calculadoras graficadoras y simblicas (que incluyen Sistema de Cmputo Algebraico), pues solamente el 21% cuenta con calculadora de ltima tecnologa y la eficiencia de su uso es muy discutible. La experiencia puede considerarse como exitosa en varios aspectos, por una parte logra que los estudiantes del grupo experimental se apropien intelectualmente de los problemas que conforman la estrategia didctica, adems se consigue que el estudiante transite adecuadamente del contexto grfico al contexto fsico virtual, los estudiantes logran describir tanto fsica como geomtricamente los diferentes tipos de movimiento armnico y amortiguado en sus tres dimensiones, sobreamortiguado, crticamente amortiguado y subamortiguado. Los estudiantes asocian adecuadamente el grfico de la ecuacin de movimiento a partir de la ecuacin diferencial que modela el sistema, y viceversa.

5. Referencias
[1] [2] [3] [4] Gerald, A. G. (2002). Representaciones en el aprendizaje de las matemticas y resolucin de problemas. En L. D. English (Ed.), Manual de investigacin internacional en educacin matemtica (pp. 197-218). New Jersey, EE. UU. Duval, R. (2006). Quelle Smiotique Pour LAnalyse de LActivit et des productions mathmatiques. Revista Latinoamericana de Matemtica Educativa. Mxico, Nmero especial, pp. 45-81. Artigue, M., Douady R., Moreno L., & Gmez P. (1995). Ingeniera didctica en educacin matemtica. pp. 97-140. Grupo Editorial Iberoamrica. Kutzler, B. (2003). La calculadora algebraica como herramienta pedaggica para ensear matemticas (J. Jimnez, Trad.). En A. Del Castillo, L. Drame, J. Jimnez & E Hugues, (Eds.), Antologa de lecturas, El uso del sistema de cmputo simblico voyage 200 como recurso didctico, nivel bsico (pp 9-27). Hermosillo, Sonora: (Artculo original en ingls Kutzler B. The Algebraic Calculator as a Pedagogical Tool for Teaching Mathematics. Douady, R. (1985). Juego de marcos y dialctica herramienta objeto. Recherches en Didactique de Mathmatique. Vol. 7, No. 2. pp. 5-31. Versin en espaol Ernesto Snchez S. y Gonzalo Zubieta B. Lecturas en Didctica de las Matemticas: Escuela Francesa. DME-CINVESTAV. 1993

[5]

25

[6] [7] [8] [9]

Hernndez, S. R., Fernndez, C. C., & Baptista, L. P., (2006). Metodologa de la investigacin (cuarta edicin). Mxico: Mc. Graw Hill. Walpole, R. E., & Myers, R. H., (1989). Probabilidad y estadstica para ingenieros (segunda edicin). Mxico: Interamericana. Contreras, L., Bachhoff, E. & Larrazolo, N. (2004). Capacitacin de Comits Elaborador de Reactivos, Curso-Taller para la Elaboracin de Exmenes Criteriales Ebel, R. L. y Frisbie, D. A. (1986). Essentials of Education Measurement. Englewood Cliffs, NJ.: Prentice Hall.

26

Construccin de la funcin derivada a partir de una visualizacin dinmica de la linealidad local

Martha Gabriela Robles Arredondo Departamento de Matemticas Universidad de Sonora gaby@gauss.mat.uson.mx Nivel educativo: Superior Resumen Las nociones de derivada en un punto y de funcin derivada entraan tradicionalmente una dificultad especial para los alumnos. La forma clsica de introducir el concepto de derivada, con la nocin de lmite en el centro de sus acepciones puntual y funcional, conlleva un alto nivel de complejidad, lo que pudiera explicar el origen de la dificultad mencionada. En este trabajo se presentan los avances de un proyecto de tesis que propone una tcnica de construccin de la funcin derivada, con base en el diseo e implementacin de una secuencia de actividades didcticas asistidas por computadora, que promueve un significado ms amplio en torno a dicho objeto matemtico, con alumnos del primer curso de Clculo de la Divisin de Ingeniera de la Universidad de Sonora, buscando constituir una introduccin alternativa al tratamiento va lmites, desde la nocin de linealidad local

1. Introduccin
Es tradicional que, en los cursos de Clculo Diferencial, las nociones de derivada en un punto y de funcin derivada entraen una dificultad especial para los alumnos. Particularmente en el nivel universitario, la forma clsica de introducir el concepto de derivada, con la nocin de lmite en el centro de sus acepciones puntual y funcional, conlleva un alto nivel de complejidad, lo que pudiera explicar el origen de la dificultad mencionada. Es frecuente tambin que en un curso de Clculo se sobrevaloren los procedimientos analticos y la algoritmia, desatendiendo la pertinencia de los recursos geomtricos y visuales, entre otras razones, por considerarlos no matemticos. Esto hace comn encontrar estudiantes que desarrollan una gran habilidad para derivar, sin haber logrado construir un verdadero significado en torno a las nociones involucradas (lmites, pendiente de la recta tangente, razn instantnea de variacin, funcin derivada). La desatencin a la articulacin entre representaciones, que privilegia el manejo analtico sobre el geomtrico, se evidencia cuando, an en los casos ms sencillos, la observacin simultnea de las grficas de f y f no logra activar en el estudiante ningn proceso reflexivo a partir de la definicin de derivada va lmite. Adems, la dificultad que entraa el propio concepto de lmite (Artigue, 2000) es algo que motiv el inters por ampliar el abanico de posibilidades para promover la emergencia de la funcin derivada, buscando no restringirla al tratamiento va lmites. Es decir, se trata de proponer al estudiante la realizacin de una tarea matemtica menos compleja, que lo introduzca al proceso de construccin de la funcin derivada. Por todo lo anterior, en lo que respecta a la posibilidad de obtener mejores resultados con alumnos de un primer curso de Clculo, la reflexin se orienta hacia los siguientes aspectos:

27

La forma en que los procesos de instruccin promueven que los estudiantes construyan su propio concepto de derivada, a travs de prcticas que privilegian, finalmente, el uso de las tcnicas de derivacin, por sobre dos grandes aspectos: su interpretacin geomtrica como la pendiente de la recta tangente a una curva en un punto, por un lado, y como una funcin, por el otro. La importancia de promover una mayor riqueza en el lenguaje utilizado para abordar la tarea matemtica, concretamente, en cuanto a la articulacin de las diferentes representaciones asociadas a un objeto matemtico. La conveniencia de incorporar los recursos que ofrece la herramienta tecnolgica, como una forma de apoyar el quehacer en el aula.

Como proyecto de tesis de desarrollo docente, para la obtencin del grado de Maestra en Ciencias con Especialidad en Matemtica Educativa, esta propuesta gira en torno a la siguiente idea: a partir de la grfica de f, mediante una construccin visualmente convincente de la recta tangente desde la nocin de linealidad local, el alumno pudiera utilizar la interpretacin geomtrica de la derivada para llegar a la identificacin de la expresin analtica de la funcin derivada, f . As, la secuencia de actividades didcticas tiene como propsito central el propiciar que el alumno ponga en juego las diferentes representaciones del objeto funcin derivada, con la intencin de promover que, a partir de una tabla obtenida mediante el trabajo dinmico desarrollado con el software, el estudiante construya la grfica correspondiente y, finalmente, obtenga la expresin analtica de la funcin derivada. Sin embargo, la aplicacin de la secuencia va ms all en sus objetivos, pues contempla, adems, el aprovechamiento de los recursos visuales del Applet Descartes para poner al estudiante en contacto con dos nociones esenciales: la recta tangente como la recta que ms se parece a la curva en las cercanas del punto de tangencia, y la no derivabilidad puntual de una funcin.

2. Elementos tericos
El Enfoque Ontosemitico del conocimiento y la instruccin matemtica (EOS), desarrollado por Juan Daz Godino y colaboradores (Godino, 2008), constituye el marco terico que orienta y da soporte a esta propuesta. Las nociones de objetos primarios, prctica matemtica, sistema de prcticas y significado han resultado muy tiles, como herramientas tericas, para dar sustento a los planteamientos contenidos en este trabajo. Adems, la identificacin de la trama de funciones semiticas que el alumno debe activar en el desarrollo de la tarea matemtica planteada, permite observar las diferentes paradas que se realizan en el trayecto, desde la grfica de la funcin f hasta la identificacin analtica de la funcin derivada de f, lo que, finalmente, favorece la deteccin de posibles conflictos durante el proceso de instruccin. De acuerdo a los planteamientos del EOS (Font,2007), la tcnica de acercamiento a la observacin de la linealidad local, en el proceso de construccin de la funcin derivada, relaciona los siguientes ostensivos: Grfica de f(x) zoom Grfica de f(x) Tabla de f(x) Expresin analtica de f(x) Grfica de f(x)

28

As, para hacer emerger a la funcin derivada de una funcin f en cada actividad de la secuencia, el alumno debe activar una trama de funciones semiticas, que puede describirse como sigue: 1. El objeto x con el objeto pendiente del segmento visualizado en el punto de abscisa x 2. El objeto pendiente del segmento visualizado en el punto de abscisa x con el objeto pendiente de la recta tangente en el punto de abscisa x 3. El objeto pendiente de la recta tangente en el punto de abscisa x con el objeto mt(x) 4. El objeto x con el objeto mt(x) 5. El objeto x con el objeto (x, mt(x)) 6. El objeto (x, mt(x)) con el objeto grfica de mt(x); es decir, el objeto (x, mt(x)) con la clase a la cual pertenece 7. El objeto grfica de mt(x) con el objeto expresin analtica de mt(x) 8. El objeto mt(x) con el objeto f(x); es decir, una notacin con otra diferente pero equivalente. 9. El objeto x con la clase a la cual pertenece, al considerarla como la variable de la funcin derivada obtenida. 10. El objeto funcin derivada con la clase a la cual pertenece.

3. Aspectos Metodolgicos
La propuesta est constituida por una secuencia de actividades didcticas, a implementarse en el curso de Clculo Diferencial e Integral I, correspondiente a los programas de la Divisin de Ingeniera de la Universidad de Sonora. Como elementos que intervienen en la realizacin de cada una de las actividades didcticas que conforman la secuencia, se identifican los siguientes: 1. Applet Linealizador. Escenario interactivo configurado con el Applet Descartes, que constituye el recurso indispensable para la realizacin del ejercicio. 2. Hoja de Trabajo. Material impreso y diseado ex profeso que pretende ser suficiente para conducir al estudiante durante el desarrollo de cada actividad. Este documento contiene, por un lado, una coleccin de grficas de funciones, analticamente no identificadas, seleccionadas cuidadosamente con objeto de simplificar la tarea esencial y evitar tareas secundarias ruidosas, as como una serie de indicaciones y preguntas que constituyen la gua de trabajo, por el otro. La articulacin de los elementos anteriores busca facilitar que el profesor, con un mnimo de intervencin que propicie en el alumno el mayor grado de reflexin posible, juegue el papel de conductor de la actividad didctica, promoviendo as que el estudiante se vuelva el sujeto ejecutor de la prctica, de la manera ms autnoma posible. En el desarrollo de este proyecto de tesis, se identifican diferentes etapas, distinguindose como la principal de ellas la del diseo e implementacin de la secuencia didctica. Las actividades didcticas que constituyen la secuencia, diseadas gracias a la configurabilidad del applet Descartes, puede describirse brevemente como sigue:

29

 Actividad 1 Esta primera actividad tiene como propsito presentar al estudiante una justificacin visual de una proposicin matemtica que es el eje de esta propuesta: la recta tangente es la recta que mejor aproxima a una curva en las cercanas del punto de tangencia. La argumentacin planteada por esta primera actividad constituye lo que se denomina un razonamiento plausible (Polya,1954), ya que se trata de una demostracin verosmil o convincente (probable) de que la recta tangente coincide con el segmento visualizado. As, el proceso de acercamiento (zoom), posible gracias a los recursos visuales del applet Linealizador, permite mostrar al estudiante que, de todas las rectas que pasan por un punto dado de la curva, la que mejor aproxima a sta en las cercanas del punto es la que tiene como pendiente la misma que el segmento visualizado y, tras un proceso de alejamiento, que se trata precisamente de la recta tangente a la curva en dicho punto. Actividad 2 Dada una terna de rectas, se plantea la construccin de la funcin pendiente de la recta tangente, mt(x), considerando las tres posibilidades: una recta creciente (m>0), una recta decreciente (m<0) y una recta horizontal (m=0). El objetivo principal de esta actividad es propiciar que el estudiante concluya que, cuando f es lineal, la determinacin de la funcin mt(x) no requiere de la ayuda del software. Adems, se busca que el alumno reflexione sobre el hecho de que la funcin mt(x) resulta ser constante en todos los casos, as como sobre la relacin entre el signo de la pendiente y el comportamiento de la recta como creciente o decreciente. Actividad 3 En este caso el proceso linealizador se aplica a un conjunto de grficas de funciones cuadrticas. Se presenta un conjunto de parbolas que permite al estudiante observar diversas situaciones en cuanto a concavidad y traslaciones (vertical y horizontal). El propsito de esta actividad es que el alumno deduzca que, cuando las funciones analizadas son cuadrticas, la funcin mt(x) resulta lineal, y que sta es creciente o decreciente como resultado de la concavidad de la parbola correspondiente. Tambin se espera que deduzca los efectos de las traslaciones vertical y horizontal sobre la expresin analtica de la funcin mt(x). Tanto en la actividad 2 como en la 3, se espera que el estudiante sea capaz de realizar por s mismo la identificacin analtica de la funcin f en cada caso. Actividad 4 Esta actividad propone al estudiante un proceso linealizador aplicado a las grficas de dos polinomios: uno de grado 3 y otro de grado 4. Ambos polinomios se han seleccionado cuidadosamente para facilitar la identificacin analtica de la funcin mt(x) correspondiente. Lo que se persigue con esta actividad es que el estudiante concluya (tal vez apoyado en los resultados de las tres actividades anteriores) que, para polinomios de grados 3 y 4, las funciones mt(x) resultantes son polinomio de grados 2 y 3, respectivamente. Actividad 5 Para esta actividad didctica se presenta una seleccin de grficas de funciones trascendentes que se consideran esenciales en el estudio del Clculo. Cabe hacer la

30

aclaracin de que entre las grficas seleccionadas no se incluye la de la funcin exponencial natural, pues, dada su importancia, se le considera como nica funcin a analizar en la actividad siguiente. El objetivo de la actividad 5 es que el alumno, adems de identificar la funcin derivada de cada una de las funciones trascendentes seleccionadas, tenga un primer acercamiento, aunque mnimo, a la Regla de la Cadena y que ste, en su momento, pueda ser retomado como apoyo. Actividad 6 La observacin de la linealidad local de la funcin exponencial natural se ha postergado para esta sexta actividad. De las grficas seleccionadas para su anlisis a lo largo de la secuencia, la de la funcin exponencial natural es la nica que no se presta a que el estudiante lea, de manera precisa, la pendiente del segmento visualizado a partir de la cuadrcula de respaldo. As, se pide al alumno que aproxime, lo mejor posible, el valor de la pendiente en cada caso, con la intencin de que, al colocar los puntos determinados por la tabla sobre el plano cartesiano, observe cmo stos se ubican sobre la grfica de f, a diferencia de las actividades anteriores. Un aspecto importante sobre el cual se pretende incidir a lo largo de las actividades de la 2 a la 6, es la identificacin de los intervalos donde la grfica de la funcin f es creciente o decreciente, y su relacin con el signo de la pendiente de la recta tangente, lo que constituira un primer contacto con los criterios de mximos y mnimos relativos. Actividad 7 Esta actividad es la ltima de la secuencia y en ella se analizan las grficas de tres funciones no derivables en uno o ms puntos. Para estas funciones la causa de la no derivabilidad puntual puede referirse a cambios abruptos en la curva o a la existencia de una recta tangente vertical. Como puede apreciarse, el objetivo de esta actividad es esencialmente distinto al de las dems actividades didcticas, ya que busca poner al estudiante en contacto con la nocin visual de no derivabilidad en un punto. As, en un caso, el propsito es llevar al estudiante a concluir que la diferencia entre una curva suave y otra que presenta algn cambio abrupto en su comportamiento grfico, radica en que sea posible o no visualizarla localmente como un segmento de recta nico, mientras que, en el otro, se busca que el alumno identifique que la derivabilidad en un punto est relacionada con un valor real de la pendiente de la recta tangente en dicho punto. En el desarrollo de este proyecto de tesis, se identifican, adems del diseo e implementacin de la secuencia didctica, otras fases como las siguientes: Revisin bibliogrfica Diseo e implementacin de un instrumento de diagnstico Puesta en escena Diseo e implementacin de un instrumento de evaluacin Organizacin y anlisis de la informacin Reporte de resultados Versin actualizada de la secuencia de actividades didcticas

31

De estas etapas, a la fecha faltan por abordar las tres ltimas; es decir, mientras que la revisin bibliogrfica contina, y as ser a lo largo de todo el proyecto, tras la aplicacin del instrumento de diagnstico y la puesta en escena de la secuencia, con un grupo de primer ingreso a la carrera de Ingeniera Qumica de la Universidad de Sonora, al momento se ha avanzado hasta la implementacin de un instrumento de evaluacin, quedando pendiente el tratamiento de la informacin recabada.

4. Comentarios finales
Con este trabajo se pretende contribuir a enriquecer el significado del objeto funcin derivada, a travs de un acercamiento alternativo al tratamiento va lmites. Este acercamiento supone el trnsito del estudiante a lo largo de una ruta procedimental que, desde la nocin de linealidad local, promueve la emergencia del objeto funcin derivada, a travs de la realizacin de una tarea matemtica asistida por computadora, que se considera sencilla y amigable. Por ltimo, aunque el primer propsito es el de incidir positivamente sobre el significado de funcin derivada, se espera que, como consecuencia, los planteamientos aqu presentados contribuyan a enriquecer tambin el significado de derivada como objeto matemtico, concebida sta como la herramienta por excelencia asociada a la medicin de la variacin en los fenmenos del entorno propios de la ingeniera y, por tanto, como elemento esencial en el estudio del Clculo.

5. Referencias
[1] Bagert et al. (1999). Guidelines for Software Engineering Education, Version 1.0., tech. report CMU/SEI99-TR-032. Pittsburgh, PA: Carnegie Mellon Univ. Software Engineering Institute. [2] Bourque and Dupuis, eds.(2004) IEEE CS, Guide to the Software Engineering Body of Knowledge: 2004 Version. Consultado el 15 de octubre de 2007 en www.swebok.org. [3] Hislop et al. (2006). Resources for reconsidering software engineering offerings by computer science departments, Journal of Computing Sciences in Colleges, 21(6), pp. 251-260. [4] Laporte, C.Y., April, A., Renault, A. (2007). Applying ISO/IEC JTC 1/SC7 Software Engineering Standards in Very Small Enterprises, Crosstalk, Journal of Defense Software Engineering, February 2007, pp. 29-30.

32

Visualizacin dinmica en la enseanza de la derivada

Eduardo Tellechea Armenta Departamento de Matemticas Universidad de Sonora etellech@gauss.mat.uson.mx Nivel educativo: Superior Resumen En este trabajo se pretende motivar entre los profesores el uso de software dinmico que permita disear ambientes computacionales interactivos con alternativas visuales en la enseanza de la derivada. Con esta propuesta, a partir de la interaccin con las representaciones grficas dinmicas, los alumnos desarrollarn habilidades de exploracin y conjetura que les permitir, encontrar las expresiones analticas de las derivadas de las principales funciones del clculo, enriqueciendo de esta manera la variedad de enfoques educativos que se derivan de atender la visualizacin de las funciones.

1. Introduccin
Con el fin de promover un tratamiento alternativo del estudio de la derivada, partiremos slo de su interpretacin geomtrica como la pendiente de la recta tangente, encontrada sta como lmite de pendientes de rectas secantes, y mostraremos que con el uso de software dinmico (Applet Descartes y Geogebra) es posible, a partir de la grfica de la funcin, encontrar la expresin analtica para la derivada de las ms importantes funciones del clculo. En la tercera seccin presentamos un applet que traza la recta tangente a la grfica de una funcin en un punto dado y, a partir de su interseccin con el eje de las abscisas, descubriremos la derivada, tanto puntual como globalmente. En las secciones cuatro y cinco se obtiene la derivada de las funciones seno y coseno, a partir de su representacin en el crculo trigonomtrico. Es pertinente puntualizar que el acercamiento presentado en estas dos secciones se fundamenta en una serie de tratamientos en el registro geomtrico (construcciones), lo que permite visualizar a la derivada desde una perspectiva diferente. Finalmente, en la seccin seis, se construye un trazador de la funcin derivada que, desde su representacin grfica, permite reconocer la expresin analtica respectiva.

2. Contexto y fundamentos de la propuesta

El concepto de derivada se introduce usualmente en los libros de texto mediante una breve motivacin grfica, para pasar luego a su formulacin algebraica. En dicha introduccin grfica se plantea el problema de calcular la pendiente de la recta tangente a una curva en cualquier punto, como uno de los principales problemas del clculo. Sin embargo, esta aproximacin resulta insuficiente para establecer una base de significacin grfica en el estudiante, porque una vez presentado y definido, el resto del tema se desarrolla de manera algebraica. El problema de calcular la pendiente de la recta tangente a una curva en un punto dado, es un problema local y, como algunas investigaciones en educacin matemtica han mostrado, el

33

establecimiento de la relacin general entre una funcin y su derivada no es cognitivamente un problema simple. La diferencia, tal como lo ha sealado Sfard (1992), estriba en concebir a la funcin como un proceso o como un objeto. Es conveniente destacar la importancia de introducir los conceptos matemticos, no en trminos estructurales, sino procedimentales y permitir al estudiante avanzar tanto como el software lo permita. Tal como Sfard lo ha planteado: No debe exigirse una concepcin estructural mientras que el estudiante pueda hacer bien las cosas sin ella. Gracias al surgimiento de lo que hoy se conoce como paquetes computacionales de geometra dinmica, es posible profundizar en las aproximaciones grficas-numricas a los conceptos matemticos. Particularmente en el presente trabajo, se utiliza el Applet DESCARTES y GeoGebra, para proponer actividades de aprendizaje mediante construcciones grficas-numricas manipulables directamente en pantalla. Las ideas expuestas aqu no pretenden sustituir el desarrollo analtico del tema sino, ms bien, servir como soporte intuitivo a ese desarrollo. Se presenta un acercamiento sobre la base de que un ambiente computacional diseado para la enseanza, debe permitir al estudiante la interactividad con las representaciones grficas y numricas y, como resultado de ello, detectar patrones de comportamiento y formular conjeturas sobre los objetos representados y sus caractersticas. As, se considera que una primera aproximacin grfica a los conceptos matemticos, puede ser til para crear una base de significacin ms concreta, antes de examinar estos conceptos a un nivel ms abstracto y, que la manipulacin de las representaciones grficas dinmicas puede ayudar a construir dicha base de significacin.

3. La derivada a partir de consideraciones geomtricas de la recta tangente

Con la ayuda del Applet Configurable DESCARTES, se construye un archivo en el que se muestra la grfica de una funcin y la recta tangente en un punto, construida sta como aproximacin de secantes, como se muestra en la Figuras 1 y 2.

Figura 1

Figura 2

Se disean actividades escritas para que, mediante la interactividad con el software, el estudiante descubra, para cada funcin dada, una propiedad que cumplen todas las rectas tangentes, que le permitan determinar su pendiente, es decir la derivada de la funcin en el punto dado y, posteriormente, generalizarlo para obtener la expresin analtica de la funcin derivada.

34

Esta propuesta est basada en un archivo que permite modificar en pantalla, la expresin analtica de la funcin y el valor de x. Hechas estas modificaciones, se mostrarn en pantalla, los cambios grficos y numricos correspondientes. Al abrir el Applet, se muestra la grfica de la funcin f, y la recta secante que pasa por los puntos ( x, f ( x)) y ( x h, f ( x h)) (Figura 1). Hacemos h = 0.000001, de tal manera que la recta secante pueda considerarse como la recta tangente a la grfica de f, en el punto ( x, f ( x)) . (Figura 2). Localizamos la interseccin de la recta tangente con el eje de las abscisas, y guiamos al alumno para que descubra la propiedad que tienen todas las tangentes y, con la ayuda del tringulo que se muestra en amarillo (Figura 2), calculamos la pendiente de la recta tangente, obteniendo as la derivada en el punto dado. La actividad consiste en proporcionar al alumno un archivo como el de la Figura 3, en el que se muestra la grfica de la funcin f ( x) x 2 y se le pide que interacte con l, visualizando numricamente la interseccin de la recta tangente con el eje de las abscisas, con la ayuda del zoom. El Applet muestra en cada acercamiento, las marcas del eje x, en unidades, dcimas, centsimas, etc. Por ejemplo para x = 1.38, visualizar la interseccin en 0.69 y por lo tanto, mediante un sencillo clculo numrico, encontrar que la pendiente de la tangente ser m = 2.76. Una vez hechas estas exploraciones en algunos casos particulares, se le pide que anote sus datos en una tabla como la de la Figura 5, y que conjeture una expresin analtica para f ' ( x) . x -1 0 1 1.2 1.38 1.5 2
Figura 3

f (x) -2 0 2 2.4 2.76 3 4

Tabla 1

Una vez analizados los casos particulares, el alumno descubrir que la propiedad que cumplen todas las tangentes a la parbola, es que el corte se da en el punto medio del segmento Ox, visualizando de esta manera, la derivada puntual y la funcin derivada de la parbola, como la razn del cateto opuesto al cateto adyacente, en el tringulo de color amarillo.

x2

x2 0 x2 2x 2 f ' ( x) m 2x x x/2 x/2 x

x/2 Figura 4

35

Con una exploracin similar, el alumno descubrir la derivada de f ( x) x , analizando el corte de la recta tangente con el eje de las abscisas, para obtener as, como en el caso anterior, x x1 / 21 1 1 / 2 1 . la funcin derivada: f ' ( x) m x 2x 2 2 2 x Finalmente, se le pide al estudiante que explore la derivada de otras funciones de la forma f ( x) x para algunos valores reales del exponente, como por ejemplo

3, 4, 5, 1, 2, 1 / 3, 2 / 3, 1 / 2, ... etc, conjeturando que:

d x x 1 dx
ex e x , es 1

Asimismo, encontrar que para la funcin f ( x) e x , la interseccin de la recta tangente con el eje x se da una unidad a la izquierda del punto x, obtenindose: f ' ( x) m decir

d x e ex dx

4. La derivada de funciones trigonomtricas utilizando el Teorema de Pitgoras y la identidad trigonomtrica

A B

Figura 5

Con GeoGebra, graficamos f ( x) sin x y su recta tangente L, en el punto P de abscisa x. y hacemos la siguiente construccin para determinar la derivada de f : a) Trazamos el segmento horizontal PB de longitud 1 b) Trazamos el segmento vertical AB, con A sobre la recta tangente. c) La longitud de AB representar grficamente la pendiente de la recta tangente, es decir, la derivada de f en el punto x. Nota: cuando la recta tangente tenga pendiente negativa, BA= -AB

36

d) El segmento AB se desplaza paralelamente a la interseccin B, del eje x con el crculo de radio 1 centrado en P, obtenindose el segmento AB e) Trasladamos este segmento al eje de las abscisas a partir de un crculo con centro en B f) De la interaccin con el software, se observa que el extremo A cae SIEMPRE sobre el punto x. g) Como Px = sinx y PB =1, por el Teorema de Pitgoras, en el tringulo sombreado tendremos: sin 2 x ( xB' ) 2 1 y de la identidad trigonomtrica sin 2 x cos 2 x 1, obtenemos: d (sin x) cos x dx

5. La derivada de funciones trigonomtricas utilizando el Crculo Trigonomtrico

Figura 6

De manera anloga al caso anterior, hacemos uso de las definiciones de las funciones trigonomtricas referidas al crculo unitario. Con GeoGebra hacemos la siguiente construccin: a) Trazamos un crculo de radio 1 con centro en el origen (circulo trigonomtrico) b) El segmento CE representa el seno del arco t1. c) El segmento BD representa el seno del arco t2. d) Con centro en C, trazamos un crculo de radio 1 (crculo punteado ) sin t 2 sin t1 BF GH e) = = GH BC GC t 2 t1 f) De la interaccin con el software observaremos que si acercamos t2 a t1, es decir, en el lmite, la recta que contiene al segmento GC es la recta tangente y en consecuencia

37

ser perpendicular al radio OC, por lo tanto los tringulos OCE y semejantes. g) De la semejanza de los triangulaos, tenemos que, en el lmite, GH = OE. h) En el crculo trigonomtrico, por definicin, OE = cos t1 . sin t 2 sin t1 = OE = cos t1 i) En consecuencia, f ' (t1 ) lim t2 t1 t 2 t1 d As pues de manera grfica hemos establecido que sin x cos x dx

GCH son

5. Referencias
[1] Bagert et al. (1999). Guidelines for Software Engineering Education, Version 1.0., tech. report CMU/SEI99-TR-032. Pittsburgh, PA: Carnegie Mellon Univ. Software Engineering Institute. [2] Bourque and Dupuis, eds.(2004) IEEE CS, Guide to the Software Engineering Body of Knowledge: 2004 Version. Consultado el 15 de octubre de 2007 en www.swebok.org. [3] Hislop et al. (2006). Resources for reconsidering software engineering offerings by computer science departments, Journal of Computing Sciences in Colleges, 21(6), pp. 251-260. [4] Laporte, C.Y., April, A., Renault, A. (2007). Applying ISO/IEC JTC 1/SC7 Software Engineering Standards in Very Small Enterprises, Crosstalk, Journal of Defense Software Engineering, February 2007, pp. 29-30.

38

Eleazar Silvestre Castro, Irma Nancy Larios Rodrguez, Manuel Alfredo Urrea Bernal Departamento de Matemticas Universidad de Sonora fel_silvester@hotmail.com Nivel educativo: Superior Resumen Se presenta el primer acercamiento al tema a desarrollar como trabajo de tesis para obtener el grado de maestra en el Programa de Maestra en Ciencias con Especialidad en Matemtica Educativa de la Divisin de Ciencias Exactas y Naturales de la Universidad de Sonora. Este reporte particularmente se centra en la ubicacin y la justificacin de la problemtica que se aborda, as mismo se presenta una de las actividades con la que se tiene planeado introducir el tema de muestreo del programa de Estadstica II (Estadstica Inferencial) del rea Econmico Administrativo de la Universidad de Sonora.

Diseo de actividades introductorias para el desarrollo de la nocin de muestreo

1. Introduccin
El trabajo se enmarca en el desarrollo de un tema del curso de Estadstica II del rea econmico administrativo, mismo que est diseado en el marco de los Lineamientos Generales para el Nuevo Modelo Curricular de la Universidad de Sonora [1]. Dada la naturaleza del trabajo que se va a desarrollar nos parece importante sealar algunos de los objetivos de dicho modelo curricular: 1. Fomentar en los estudiantes el descubrimiento y construccin de conocimiento, en oposicin a la tendencia predomnate de trasferencia del conocimiento. 2. Centrar los procesos de enseanza y aprendizaje en los estudiantes y no en los profesores. 3. Introducir el trabajo en equipo entre la planta docente y los estudiantes. 4. Promover la flexibilidad, movilidad y vinculacin en el desarrollo del currculo. 5. Incorporar el uso nuevas tecnologas en la enseanza. Esta estructura curricular exige una forma distinta de trabajar en el aula de cmo se ha venido haciendo en esta institucin. Particularmente, en el caso de los cursos de estadstica, se ha visto que la enseanza tradicional no impacta de manera importante en el desarrollo de conocimientos significativos para los estudiantes, ya que habitualmente se ensean tcnicas aisladas que tratan de unirse al final con algn tipo de aplicacin; se ensean primeramente teoras y frmulas y despus algunos ejercicios; se enfatiza en calcular una respuesta correcta, sin entender para qu se est realizando ese clculo.

2. La propuesta
Primeramente sealaremos que el trabajo de tesis que se pretende realizar corresponde a una tesis de desarrollo docente, con la intencin de disear una serie de secuencias de actividades didcticas para el tema de muestreo del programa de Estadstica II (Estadstica Inferencial) del rea Econmico Administrativo de la Universidad de Sonora. Un punto de partida para este trabajo es considerar que el proceso de aprendizaje que realiza el estudiante se genera a partir de las situaciones de aprendizaje con las cuales interacciona,

39

utilizando su propia experiencia, adems que las situaciones de aprendizaje le sern significativas en la medida que le sean atractivas, cubran alguna necesidad y/o se utilicen entornos que les sean familiares e interesantes. En la tesis se van a desarrollar secuencias didcticas para los siguientes aspectos: a) Conceptos bsicos: espacio muestra, poblacin objetivo, variable y muestra. b) Tamao de muestra. c) Tipos de muestreo: aleatorio y no aleatorio. d) Implicaciones del muestreo en la aplicacin de parmetros estadsticos. Sin embargo, hasta este momento slo se tienen desarrolladas actividades introductorias para los conceptos bsicos, a manera de ejemplo se presentar una de ellas en un apartado posterior.

3. Justificacin
La estadstica es una ciencia que ha tomado mucha importancia en el ltimo siglo, su desarrollo y aplicacin ha permitido un avance gigantesco a la sociedad al convertirse en el medio matemtico para modelar el comportamiento de informacin de ciertos fenmenos. Se ha convertido en el conjunto de herramientas que son base para analizar datos de un diseo experimental, donde la finalidad de dichos anlisis y tratamiento de informacin es simple y sencillamente una mejor toma de decisiones. Asimismo, nos encontramos en una sociedad que est expuesta por diferentes medios de comunicacin a un gran cmulo de informacin que no necesariamente se presenta de manera accesible y digerible, adems en muchos casos, estamos en la necesidad de crear nuestra propia informacin. Requerimos entonces del conjunto de conocimientos que nos permitan entender, interpretar, analizar y crear de manera objetiva esta informacin: por ello requerimos de una base de conocimientos estadsticos. En este sentido, la incorporacin de materias de estadstica en los diferentes niveles educativos toma an mayor importancia. Se considera entonces, que en este momento es vlido preguntarse: Qu se persigue exactamente con la enseanza de la estadstica? Qu se espera que realice el individuo que aprende estos conocimientos? Cmo puede ayudar esto en la formacin del individuo? Las instituciones educativas, por lo general, no pretenden formar estudiantes que sean expertos en estadstica, pero tampoco desea capacitarlos para realizar clculos y procedimientos sin ningn significado en los contextos que se realizan. Se desea incidir en aquellos elementos que sern realmente tiles, dentro de las posibilidades, en la vida profesional de cualquier individuo. Estos elementos conforman la base de conocimientos y capacidades estadsticas necesarias para desarrollar lo que se considera una cultura estadstica, esto es: a) capacidad para interpretar y evaluar crticamente la informacin estadstica, los argumentos apoyados en datos o los fenmenos estocsticos que las personas pueden encontrar en diversos contextos, incluyendo los medios de comunicacin, pero no limitndose a ellos, y b) capacidad para discutir o comunicar sus opiniones respecto a tales informaciones estadsticas cuando sea relevante. [3]. Batanero [2] propone los siguientes elementos como aquellos que se mantienen como inalterables y preparan para la autoformacin futura: Conocimientos y destrezas. Se desea que el estudiante sea capaz de disear investigaciones, recoger datos de observacin y representarlos, diferenciar entre datos categricos y numricos, usar medidas de tendencia central, seleccionar las mejores formas de representacin para los datos y poder hacer conclusiones en base a la evidencia.

40

Razonamiento estadstico. Dividido en 5 cualidades: o Reconocer la necesidad de los datos. o Transnumeracin. o Percepcin de la variacin. o Razonamiento con modelos estadsticos. o Integracin de la estadstica y el contexto. Intuiciones. Que el individuo no se deje engaar por las intuiciones que posea sobre el azar y que pueda diferenciar aquellas que sean correctas o no aplicando el razonamiento estadstico para la toma de decisiones. Actitudes. La suma de emociones, sentimientos, valores y actitudes pueden tener un impacto en el proceso de aprendizaje del objeto de estudio e influir de manera considerable en el individuo.

Un vistazo rpido a textos tradicionales de estadstica, segn el rea, permite ver que las situaciones utilizadas obedecen ciertamente a contextos de la vida diaria, es decir, situaciones cuyos escenarios pueden resultar bastante familiares al estudiante. Sin embargo, el hecho de utilizar situaciones ambientadas en contextos tangibles, se perfila en realidad ms como un recurso de motivacin y ejemplificacin; mientras que el proceso de enseanza de los conceptos matemticos queda como algo tradicional. Por lo regular, se deja de lado el contexto para declarar definiciones, conceptos, teoremas, etc. y despus quizs regresar a lo planteado inicialmente para aplicar este nuevo conocimiento adquirido. Este proceso nos hace dudar de su eficacia en trminos de aprendizaje. Es necesario considerar aquellas actividades que el profesor lleva a cabo dentro y fuera del aula para lograr que el aprendizaje se cumpla, es decir, la planeacin didctica a implementar. Tomando en consideracin lo que se desea formar y promover en el estudiante, la presente propuesta toma como base la utilizacin de situaciones que no slo estn en contextos tangibles y su intencin sea la de ambientar, sino que stas sean el medio donde se plantean problemas que el estudiante debe resolver y a travs de este proceso, construya sus conocimientos estadsticos. Por medio de cuestionamientos y reflexiones planteadas, promovidas por el profesor, se busca que el estudiante proponga y ponga en prctica estrategias para encontrar soluciones y valorarlas a travs del anlisis de los resultados obtenidos. En el contexto de todo lo anteriormente sealado y por necesidad de acotar el tema de tesis, es que se eligi uno de los conceptos fundamentales de la estadstica inferencial, el tema de muestreo. Es el muestreo quien proporciona la representatividad necesaria para inferir sobre toda una poblacin, la correcta seleccin de muestras nos brinda la posibilidad de trabajar con conjuntos de datos no grandes que pueden representar otros conjuntos de mayor tamao o inclusive de poblaciones infinitas. Los elementos que giran alrededor del muestreo son considerables, como lo pueden ser procesos aleatorios y probabilsticos, de proporcin, niveles de confianza, estadsticos, etc. La conjugacin de dichos elementos deriva en las diferentes tcnicas de muestreo, divididos en muestreo aleatorio y no aleatorio, que a su vez se dividen en el muestreo estratificado, sistemtico, por conglomerados, a conveniencia, etc. Escoger el mtodo apropiado para realizar muestras implica una comprensin de los elementos mencionados, as como conceptos bsicos de estadstica, como pueden ser el espacio muestral, poblacin objetivo, variable estadstica, etc. Alrededor de ellos se desarrollarn las secuencias didcticas.

41

4. Actividad didctica
En este apartado se presenta, a manera de ejemplo, una actividad que forma parte de una secuencia de actividades en las que se aborda el tema del muestreo. Es una primera actividad de carcter introductorio y de arranque, en la que se tratan temas iniciales y bsicos de un curso de estadstica inferencial. En esta actividad se plantean situaciones problmicas cuya finalidad es ser uno de los principales recursos didcticos. Actividad de introduccin Objetivos de la actividad: que el estudiante: 1) Reflexione acerca del papel que desempea la utilizacin de instrumentos para recopilar informacin de una poblacin, particularmente las encuestas. 2) Identifique en las situaciones planteadas los siguientes conceptos: El universo, la poblacin objetivo, la variable estadstica. 3) Reconozca la necesidad de realizar un muestreo. Estrategia didctica: Trabajo individual en hojas de trabajo, discusin de respuestas en equipo y discusin grupal con la direccin del profesor. Situacin 1. Estudio de mercado. La empresa Coca Cola desea lanzar al mercado una nueva bebida y ha seleccionado la ciudad de Hermosillo para la etapa inicial de lanzamiento. Antes de comenzar la campaa de lanzamiento, la empresa necesita informacin acerca de la competencia en el mercado de esta ciudad. Contesta lo siguiente a) De qu manera se podra obtener esta informacin? b) Menciona las ventajas y dificultades que se presentaran en tu propuesta. *1 c) Despus de haber comparado tu propuesta con la de tus compaeros, cul crees que sea la propuesta ms apropiada? Justifica tu respuesta y comenta con tus compaeros. *2 Si se optara por utilizar una encuesta para recabar la informacin que se necesita: d) Qu preguntas especficas haras para conocer la informacin acerca de la competencia? e) Qu caractersticas consideras deben tener los individuos que te daran informacin relevante respecto a la problemtica de inters? f) Qu caractersticas consideras no seran de inters conocer? g) Describe el perfil de la persona que resulta de inters para el estudio que se pretende realizar. h) Cules de estas caractersticas se pueden medir? cules no? Explica en cada caso. *3 De acuerdo al ltimo Conteo de Poblacin y Vivienda, realizado en 2005, la ciudad de Hermosillo cuenta con 641,791 individuos. i) Cul crees que sea la proporcin de individuos que poseen las caractersticas que te interesan? Si los individuos que poseen las caractersticas de inters son 398,620. j) Ser posible preguntar lo que interesa a cada uno de estos individuos? k) Qu proporcin de esta poblacin consideras necesaria encuestar? Justifica tu respuesta l) Realiza diferentes propuestas de cmo se podran escoger los individuos. m) Cul crees que sea la mejor propuesta o mtodo de seleccin? Justifica tu respuesta. *4

42

*1 Se abre un espacio para que los estudiantes discutan las respuestas de las preguntas anteriores en equipo, de manera que puedan intercambiar ideas y enriquecer las propias. *2 Se espera que los estudiantes propongan diferentes formas de recopilar informacin, donde uno de los instrumentos sea la utilizacin de encuestas. Es necesario consensar de manera grupal que este es el camino ms conveniente, aclarando solo si es necesario, que el contexto brinda elementos suficientes para llevar esto a cabo. *3 Se procede de nuevo a comparar respuestas en equipos para pasar a una discusin grupal y llegar a un acuerdo donde se establezcan las caractersticas de inters y el por qu de stas. *4 En esta ltima intervencin, se realiza un anlisis de las propuestas de manera grupal, haciendo que los estudiantes expliquen y justifiquen las respuestas de las ltimas preguntas. La intencin es dejar abiertas las propuestas y no clasificarlas por correctas e incorrectas, de tal forma que quede pendiente la validacin de las mismas por parte del profesor. En la siguiente situacin se realiza un cambio de contexto donde se provee de informacin acerca del instrumento de medicin utilizado. Se cambia tambin el registro de representacin en el cual se brinda la informacin. Situacin 2. Instalaciones sanitarias. La Secretara de Desarrollo Social (SEDESOL) desea conocer el estado de las instalaciones sanitarias de las escuelas pblicas de nivel bsico (preescolar, primaria y secundaria) en el municipio de Cajeme. Para realizar esto, se aplicar una encuesta que contiene las siguientes preguntas. 1. Nombre de la escuela____________________________ 2. Tipo de escuela_______________________________ (preescolar general, preescolar indgena, primaria general, primaria indgena, secundaria comunitaria, secundaria general, secundaria tcnica y telesecundaria) 3. Nmero de alumnos de la escuela____________________________________ 4. Nmero de bebederos_______________________________________ 5. Estado de los bebederos____________________________________ (excelente, bueno, regular, malo y psimo) 6. Nmero de baos________________________________________________ 7. Estado de los baos__________________________________________ (excelente, bueno, regular, malo y psimo) 8. Problemas de los baos_______________________________________ (texto abierto) Contesta lo siguiente: a) Qu diferencias o similitudes encuentras en las respuestas a las preguntas anteriores? b) Cules de ellas se pueden medir y cules no? Justifica tu respuesta. c) Propn otras preguntas cuyas respuestas puedan ser medidas y otras que no lo sean. *1 Debido a los limitados recursos que posee la institucin, se ha decidido levantar informacin slo en algunas de las escuelas mencionadas. SEDESOL cuenta con la informacin que se proporciona en la tabla 1 acerca de las escuelas en el municipio de Cajeme. a) Cules localidades tomaras en cuenta para seleccionar escuelas?, cules no? b) Qu proporcin sera este nmero del total de escuelas en el municipio? c) Para la localidad de Ciudad Obregn, cuntos preescolares, primarias y secundarias crees que sea conveniente seleccionar? Justifica tu respuesta. d) Para la localidad Pueblo Yaqui, cuntas primarias ser conveniente seleccionar? *2 *1 Se pretende hacer nfasis en el tipo de preguntas que se realizan en la encuesta para continuar tratando el concepto de variable estadstica, se puede retomar rpidamente las

43

preguntas planteadas en la situacin 1. Tambin se espera consensar caractersticas de inters como refuerzo de la situacin anterior. *2 Se recomienda que los alumnos justifiquen el por qu de las respuestas de este segundo bloque, haciendo nfasis en el nmero de escuelas por localidad. Se propone tambin que el estudiante proponga otro criterio para seleccionar escuelas, diferente al que haya planteado.

Tabla1
Tipo de escuela Primaria Secundaria 39 16 2 0 1 0 0 0 5 2 1 0 3 0 0 0 0 0 7 2 0 0

Municipio Cajeme Cajeme Cajeme Cajeme Cajeme Cajeme Cajeme Cajeme Cajeme Cajeme Cajeme

Localidad Ciudad Obregn Cuauhtmoc Ccorit Colonia Allende (El Dieciocho) Esperanza Francisco Villa Los Hornos Marte R. Gmez (Tobarito) Mora Villalobos (Campo 29) Pueblo Yaqui El Olvido

Nmero de escuelas 59 3 2 2 9 3 4 1 1 12 1

Preescolar 4 1 1 2 2 2 1 1 1 3 1

5. Conclusiones
Como se precis al inicio, lo que aqu se presenta es el primer acercamiento al tema de tesis, de tal forma que ms que establecer conclusiones en este apartado, se sealarn algunas acciones que se calendarizaron para el semestre 2010-1 y as lograr avanzar en la concrecin del trabajo. Primeramente, se estn realizando lecturas para poder precisar a la brevedad un marco terico pertinente, sta es una de las acciones prioritarias para poder seguir desarrollando las actividades didcticas, se realizar un pilotaje en dos grupos del curso de Estadstica II con las actividades que hasta el momento se tienen diseadas, se realizarn entrevistas a profesores que imparten la materia para conocer las dificultades que a su parecer tienen los estudiantes en torno al tema seleccionado y se continuar con el diseo de las secuencias de actividades didcticas de acuerdo a los contenidos sealados en la propuesta e incorporando tecnologa.

6. Referencias
[1] Colegio Acadmico de la Universidad de Sonora, (2003). Lineamientos Generales para un Modelo Curricular en la Universidad de Sonora. Gaceta Unison (Edicin Especial).. [2] Batanero, C., (2002). Los retos de de la cultura estadstica. Jornadas Interamericanas de Enseanza de la estadstica. Conferencia inaugural. [3] Gal, I., (2002). Adults statistical literacy. Meaning, components, responsabilities. International Statistical Review.

44

Argumentos utilizados por estudiantes de nivel medio superior y superior, y consideraciones en su desarrollo hacia la formalidad
Mario Alberto Quionez Ayala, Jorge Ruperto Vargas Castro Departamento de Matemticas Universidad de Sonora maqa_86@hotmail.com Nivel educativo: Medio Superior y Superior Resumen Estamos presentando la descripcin terica y metodolgica de un proyecto de investigacin cuyo principal objetivo es el estudio y anlisis de los tipos de argumentos utilizados por estudiantes de ltimos semestres de nivel medio superior, contrastndolos con los realizados por estudiantes de nivel superior, seleccionando a representantes de los distintos niveles educativos ya mencionados, con una orientacin matemtica. La investigacin pretende generalizar las observaciones con el fin de tomarlas como punto de partida en el diseo de actividades que promuevan el avance gradual de las argumentaciones de los alumnos hacia las demostraciones formales, propias de la disciplina Matemtica.

1. Introduccin
Entre la comunidad docente es innegable la importancia de la demostracin matemtica dentro del trabajo en el aula y, aunque la gran mayora destaca su trascendencia en la formacin del estudiante, generalmente se le asigna un trabajo implcito o superficial, al limitarse a desarrollar hbitos en la forma de actuar durante la actividad matemtica (descuidando los distintos papeles que desempea dentro del saln de clases). Las argumentaciones en al aula, en general, son utilizadas para validar o explicar afirmaciones utilizadas durante la resolucin problemas, demeritando su uso como medio para comunicar los descubrimientos matemticos entre los involucrados (maestro-alumno o, de mayor relevancia en la evaluacin del aprendizaje, alumno-alumno y alumno-maestro) y descuidando, adems, el uso sistemtico asumido en la disciplina desde la influencia de Euclides en la organizacin matemtica. El inters del presente trabajo es detectar la influencia de la metodologa mencionada anteriormente, asumida por los profesores de manera habitual, mediante la identificacin del tipo de argumentaciones utilizados por estudiantes de preparatoria, contrastndolos con los usados por alumnos de nivel profesional (de los primeros semestres, para evitar ventajas). Al margen de la influencia del trabajo en el aula, un objetivo secundario es generalizar lo ms posible los resultados, para tomar ste diagnstico como punto de partida, ideal, en el diseo de actividades que fomenten el avance gradual hacia demostraciones rigurosas, propias de la matemtica formal. La estrategia a utilizar consiste en el diseo e implementacin de actividades donde el proceso de exploracin-conjetura-demostracin tome un rol significativo y, adems, utilizar las categoras de demostracin propuestas por Rodrguez (2006).

2. Planteamiento del problema, preguntas de investigacin y objetivos

45

El asignar un papel protagnico a la argumentacin en el quehacer matemtico escolar (en particular a la demostracin matemtica y sus caractersticas) es indispensable en la formacin de los estudiantes y, en teora, los profesores estn conscientes de dicha trascendencia, no obstante, descuidan el tratamiento del tema dentro de su prctica profesional, segn diversas investigaciones mencionadas en Crespo (2007, p.18). Es en este punto donde comienza nuestro proyecto, con la intencin de clarificar el efecto del tratamiento implcito de la demostracin matemtica en el aula, mediante el anlisis del tipo de argumentaciones usadas por estudiantes entrenados bajo sta metodologa de enseanza. En un intento de objetivar los resultados hemos decidido contrastar los argumentos usados por estudiantes que se encuentran en la transicin preparatoria-universidad, y adems cursando alguna especialidad matemtica (tentativamente con alumnos de la especialidad FsicoMatemtico de Cobach y alumnos de la Licenciatura en Matemticas de los primeros semestres), pensando considerar algn grado de exigencia que los estudiantes asuman, para sus pruebas, en cada nivel escolar. Dicho esto, las preguntas que guiarn la investigacin son las siguientes: Qu tipo de argumentos plantean los estudiantes para validar sus conjeturas? Realmente consideran (ellos) que son contundentes? Es posible generalizar los tipos de argumentos utilizados (diferenciando el nivel medio superior y superior)? Bajo que condiciones? Qu caractersticas comunes son identificables en los argumentos de estudiantes? Cul es la axiomtica en la que basan sus argumentos? Especficamente En que medida estn influenciados por sus percepciones? Dadas las interrogantes que nos interesan, es necesario disear un instrumento suficientemente potente para capturar de manera fiel los argumentos de los estudiantes (tanto explcitos como implcitos), razn por la cual es conveniente la realizacin peridica de pilotajes para evaluarlo. A la par de la retroalimentacin del instrumento de captura de informacin, destacamos los siguientes objetivos en la investigacin: Hacer un diagnstico sobre el tipo y nivel de razonamiento que muestran los estudiantes ante el desarrollo de pruebas (sin influencia del profesor). Analizar las argumentaciones de los estudiantes e identificar las generalmente utilizadas y admitidas. Usar el reconocimiento del tipo de argumentacin utilizado por los estudiantes como punto de partida en el diseo de actividades que permitan un avance gradual hacia la demostracin matemtica, reconocida en la disciplina y con los lineamientos del razonamiento formal caractersticos.

3. Marco Terico
Las corrientes tericas que podemos destacar son: El papel y las funciones de la demostracin propuestas por de Villiers (1993) citada por Crespo (2007, p.62-63) y las aportaciones de los esquemas de demostracin, y el anlisis de stos, hecho por Rodrguez (2006). De Villiers considera distintas funciones de la demostracin en el saln de clases, al no limitarla a procesos de verificacin, asignada dentro de la disciplina matemtica por sus lineamientos lgicos, o como metodologa de explicacin de resultados matemticos, atribuida por los profesores; considera, adems, la importancia de las demostraciones en el descubrimiento de nuevos resultados en matemticas (construidos por el estudiante), la comunicacin de stos entre los involucrados en la actividad escolar (maestro-alumno o, de mayor relevancia para nuestro estudio, alumno-alumno y alumno-maestro) y la organizacin sistemtica de los resultados (propios de la influencia de Euclides).

46

Las consideraciones que pretendemos enfatizar en la actividad ha implementar se realizan con el afn de rescatar los papeles relacionados al descubrimiento y comunicacin de resultados matemticos, intentando adems identificar la organizacin sistemtica, explcita o implcita, utilizada por los estudiantes, permitindonos ver su concepcin del conocimiento matemtico (mediante el reconocimiento de los axiomas y lemas usados en la resolucin de problemas). Cabe aclarar que no pretendemos omitir los papeles de verificacin y explicacin, usualmente trabajados, tan solo no demeritar el resto de funciones complementarias de la demostracin matemtica en la formacin escolar. En cuanto al uso de las categoras de demostracin presentado por Rodrguez (2006), han sido seleccionados por los diversos matices que se le asigna a las de tipo emprico y deductivo, lo fino de estas clasificaciones nos permitirn precisar los tipos de argumentos usados por los estudiantes bajo la premisa, a priori, del salto intuitivoracional que representa el nivel preparatorio, lo que implica esperar de ellos respuestas de ste estilo. A modo de sntesis, es conveniente mencionar, a grandes rasgos, la clasificacin de las categoras de demostracin que se mencionan. En una primera instancia se diferencian las demostraciones influenciadas por agentes externos a la propia persona y aquellos que son gestados en el interior del sujeto, en conviccin externa y conviccin propia respectivamente. La categora de conviccin externa podemos clasificarla a su vez, dependiendo del origen la influencia, en: Rituales Simblicas Autoritarias Cuando la fuente de conviccin se basa en una cierta apariencia de los argumentos (plausibles). Cuando la conviccin es fruto de manipulacin simblica de diversas expresiones. Cuando la creencia se basa en la autoridad asignada a otra persona, un libro de texto o cualquier otro elemento que represente un conocimiento superior.

Los argumentos de conviccin propia, a su vez, se clasifican en empricos o deductivos. Entre los de tipo emprico podemos diferenciarlas, dependiendo de la fuente de conviccin, en: las que provienen de la comprobacin en ejemplos o generalizacin de comprobaciones (inductiva) o las basadas en experiencias fsicas (perceptivas). Otros criterios para clasificarlas, son segn la forma de escoger los ejemplos representativos (Empirismo naif, Experimento crucial, Ejemplo genrico y Exhaustivo) o el grado de abstraccin involucrado (Pura o Con inferencia), ilustrado en la siguiente tabla. Segn la forma de escoger los ejemplos Empirismo naif Cuando la conjetura se verifica en algunos ejemplos seleccionados al azar y sin un criterio especfico. Experimento crucial Si se verifica en un ejemplo escogido de manera que sea lo menos particular posible. Ejemplo genrico Si se verifica en un ejemplo al que se le da el carcter de representante de su clase (genrico). Exhaustivo Si la conjetura hecha se verifica en todos los casos posibles (aplicable nicamente en conjuntos finitos). Segn el grado de abstraccin

47

Pura Con inferencia

Si la justificacin consiste en realizar comprobaciones empricas de que la propiedad se cumple. Cuando, a pesar de seguir basndose en ejemplos, se realizan razonamientos ms all de las comprobaciones empricas, como el uso de propiedades aceptadas o relaciones entre elementos matemticos del ejemplo.

Las argumentaciones deductivas son fruto de una argumentacin lgico-deductiva y, de modo similar, se puede realizar con base en dos aspectos: el uso o no de ejemplos (Experimento mental o Formal) y el tipo de razonamiento utilizado (Transformativa o Axiomtica). Ilustrado en la siguiente tabla: Segn el uso o no de ejemplos Experimento mental Si, an siendo deductiva y abstracta, est organizada con la ayuda de ejemplos. Formal Si la demostracin est basada sin la ayuda de ejemplos. Segn el tipo de razonamiento involucrado Transformativa Si est basada en operaciones mentales que producen una transformacin del problema en otro equivalente. Axiomtica Si, para demostrar la tesis, se parte de los datos del problema, trminos definidos y axiomas que se organizan en una cadena deductiva. Como apoyo al lector, y para ilustrar las relaciones entre las categoras, se presenta el esquema que aparece en Rodrguez (2006, pp.26).

Dado que la naturaleza de las clasificaciones se basa en aspectos independientes, podemos catalogar a las demostraciones empricas en inductiva de experimento crucial con inferencia o una demostracin deductiva en experimento mental transformativa. Otra de las caractersticas se plantean en investigaciones previas, con el uso de la tipologa presentada, es que los alumnos no poseen una determinada categora, sino que razonan influenciados por varias de ellos y utilizan uno u otro en funcin de si les pide que hagan una demostracin o , simplemente, entender una que se les propone. Basados en la variedad de

48

categoras a considerar en cada estudiante, es conveniente definir modalidades de los esquemas de demostracin segn el papel que desempean, proponindose los siguientes: Esquema utilizado: Es el utilizado por el estudiante para resolver un problema. Esquema aceptado: Si un razonamiento presentado es aceptado como demostracin. Esquema adherido: Si el estudiante, adems de aceptar la demostracin presentada, rechaza explcitamente las anteriores. Esquema declarado: Cuando un estudiante expone su interpretacin de lo que significa demostrar. Como ltima herramienta de anlisis, pensando en el proceso de exploracin-conjeturademostracin, es conveniente aclarar los lineamientos para analizar los distintos momentos por los que transita un estudiante durante la resolucin de problemas, o demostracin de teoremas, considerando la observacin de Marrades y Gutirrez (2000) citada en Rodrguez (2006, p.27-28): Las diferentes clasificaciones de demostraciones descritasasumen que los estudiantes trabajan de una forma lineal y coherente desde el principio hasta el final de la solucin del problema. Sin embargo, la realidad es, en muchos casos, diferente. Normalmente, muchos estudiantes comienzan realizando comprobaciones empricas y, cuando han entendido el problema y la manera de demostrar la conjetura, continan escribiendo una justificacin deductiva. Tambin es habitual realizar varios saltos entre mtodos empricos y deductivos durante la resolucin de un problema. La nica particularidad en la que diferimos es la justificacin deductiva a la que se hace alusin, ya que es posible que los estudiantes, sujetos de nuestro trabajo, no la consideren necesaria para la veracidad de sus afirmaciones. Al margen de la aclaracin se declaran dos posibles saltos en el proceso exploracin-conjetura-demostracin, como herramientas de anlisis del estadio en la resolucin del problema, dependiendo del inters que persiguen y son: Fase ascendente: Actividad que ayuda a entender el problema, generar conjeturas y verificarlas. Fase descendente: Actividad encaminada a construir una argumentacin contundente, desde la perspectiva del estudiante, sobre la conjetura elaborada Relacionado con la aclaracin anterior, en el trabajo de Rodrguez (2006), se habla de fase descendente cuando se construyen demostraciones deductivas, encaminadas a argumentar la validez de la conjetura, pero en nuestro caso hablamos de justificaciones contundentes, para el alumno, dado que ste puede no considerar necesario un argumento de esa naturaleza y simplemente estar convencido de su veracidad por otros medios

4. Contexto de investigacin y Metodologa

La metodologa de la investigacin, interesada en caractersticas y categoras de argumentacin de los estudiantes de nivel medio superior y superior, asume un enfoque cualitativo de los resultados, apoyada en un estudio de casos. La herramienta de recopilacin, para obtener la mxima eficiencia posible, no se puede limitar a un examen o prueba, ya que nuestro inters no son las soluciones de los problemas (riesgo que se corre si los alumnos solo presentan la versin final de su trabajo, omitiendo sus intentos previos y relevantes dadas las pretensiones del trabajo), sino incluyendo, adems, las hojas en sucio que contienen los mtodos de solucin y los intentos fallidos de demostraciones, ya que, implcitamente, nos aportan informacin sobre su concepcin de los elementos que debe contener una argumentacin y los procesos cognitivos relacionados.

49

Para las actividades planteadas, incluidas como anexo, fue seleccionada el rea de geometra plana, por las familiaridades visuales que ofrece y el enfoque formal (axiomtica material) que se incluye en la mayora de los planes de estudio de preparatoria, esperando que los estudiantes de nivel medio superior, principalmente, tengan conocimiento e incluso experiencia con su uso (tratando de evitar la posible ventaja del trabajo de la Matemtica Formal propia de la Licenciatura). Los problemas seleccionados se relacionan con la construccin y descubrimiento, en el sentido planteado por de Villiers, de las rectas notables y sus propiedades, mediante un acercamiento que permita al estudiante involucrarse en el proceso exploracin-conjetura-demostracin. La seleccin del tema de rectas notables se debe al poco trabajo sobre el contenido, y superficial desde nuestra perspectiva, declarado en el libro de texto del Colegio de Bachilleres del Estado de Sonora (2009, pp. 46-48), lo cual convierte a dicha institucin en un candidato de prueba. La dinmica de la actividad consiste en la aplicacin de una serie de actividades de manera individual y posteriormente en equipo a los representantes de ambos niveles (medio superior y superior), para posteriormente conseguir informacin concluyente sobre su nocin de demostracin mediante entrevistas y discusiones grupales. Como ya se mencion, para categorizar las formas de argumentar de los estudiantes, se seleccion la modalidad de estudio de casos, con el fin de poder observar el desempeo de estudiantes representativos de educacin preparatoria y universitaria, pero dadas las complicaciones temporales, nos limitaremos a realizar un pilotaje que nos ayude a editar el instrumento de medicin con la intencin de implementar, con algo de experiencia, el diseo de manera oficial durante el semestre actual (enero-junio 2010). Entre las principales ventajas de posponer el trabajo podemos resaltar que la institucin Cobach cuenta en sus planes de estudio el curso de Matemticas 2 en el semestre enero-junio, el cual contiene apartados relacionados a la axiomtica material y un primer acercamiento a las pruebas formales, lo cual lo convierte en un escenario idneo para evaluar las categoras de demostracin antes y despus de un estudio sistemtico de pruebas, basadas en el razonamiento deductivo

5. Referencias
[1] Arsac, G. (1987). Ensayo de la demostracin: Ensayo de epistemologa didctica. En Recherches en didactique des mathematiques, Vol. 8, no 3, pp. 267-312 [2] Colegio de Bachilleres del Estado de Sonora (Ed.) (2009). Matemticas 2. Direccin Acadmica del Colegio de Bachilleres del Estado de Sonora [3] Crespo, C. (2007). Las argumentaciones matemticas desde la visin de la socioepistemologa. Tesis de doctorado no publicada, CICATA, IPN, Mxico [4] Laporte, C.Y., April, A., Renault, A. (2007). Applying ISO/IEC JTC 1/SC7 Software Engineering Standards in Very Small Enterprises, Crosstalk, Journal of Defense Software Engineering, February 2007, pp. 29-30. [5] de Villiers, M. (1993). El papel y la funcin de la demostracin en matemticas. psilon. 26, 15-30 [6] Kline, M (1980). Matemticas: la prdida de la certidumbre. Espaa, Editorial siglo XXI [7] Polya , G (1965). Cmo plantear y resolver problemas. Mxico, Editorial Trillas. Rodrguez, F. (2006). Anlisis de demostraciones en entornos de lpiz y papel y de cabri por estudiantes de la licenciatura en matemticas. Departamento de didctica de la matemtica. Universidad de Valencia [8] Rodrguez, F. (2006). Anlisis de demostraciones en entornos de lpiz y papel y de cabri por estudiantes de la licenciatura en matemticas. Departamento de didctica de la matemtica. Universidad de Valencia

50

Propuesta didctica para el tratamiento de las funciones exponenciales

Guadalupe Villaseor Gndara Departamento de Matemticas Universidad de Sonora gviga@gauss.mat.uson.mx

Nivel educativo: Superior Resumen Como parte del estudio de las funciones exponenciales se presenta una secuencia didctica que consta de tres actividades, cuyo objetivo es que el estudiante realice un primer acercamiento geomtrico y numrico a la rapidez de cambio de la funcin exponencial, as como tambin un primer acercamiento geomtrico y numrico a la base , utilizando como recurso didctico el dispositivo CAS: Voyage 200

1. Introduccin
El crecimiento y decaimiento exponenciales son caractersticas esenciales de fenmenos naturales cuyo estudio demandan diferentes especialidades de las ciencias y las ingenieras. La base que se usa con ms frecuencia en las ciencias es el nmero , se utiliza para modelar prcticamente la mayora de los procesos naturales de crecimiento o decrecimiento, por medio de distintas funciones relacionadas con este nmero (Gompertz, hiperblicas, logstica, etc.) y particularmente de las funciones exponenciales simples; N = N0 k t

2. Argumentacin terica
En este trabajo se concibe el concepto de funcin como modelo matemtico de la variacin. Esto debido a que se considera que dicho concepto surge y se desarrolla a travs del estudio del cambio. Este enfoque propone remover el discurso matemtico escolar desde el fondo, cambiando el papel principal que los cursos de clculo confieren al concepto de lmite y poniendo en su lugar a la variacin fsica. Numerosas investigaciones en el campo de la Matemtica Educativa han puesto de manifiesto que existen dificultades persistentes en los estudiantes, ligadas, a la construccin del concepto de funcin. Artigue (2000) sintetiza y presenta algunos resultados de investigaciones didcticas, y en lo que se refiere al concepto de funcin, encuentra que existen dificultades para relacionar los diferentes registros de representacin: verbal, tabular, grafica y expresin algebraica o analtica. La falta de habilidad y conocimiento de los estudiantes para realizar la conversin entre los diferentes registros de representacin ha sido identificada como una de las principales dificultades para el aprendizaje de las matemticas. Cuando un estudiante tiene acceso a todas las representaciones de un objeto matemtico, es capaz de identificarlas, darle un tratamiento adecuado en cada registro de representacin y adems hacer una articulacin coherente de los diferentes registros de representacin sin contradicciones, el estudiante puede acceder a ese conocimiento y apropirselo (Duval, 1998). Sin embargo la conversin entre diferentes registros de representacin no es espontnea, y debe por tanto ser objeto explcito de enseanza.

3. Construccin del mtodo de evaluacin

51

Los estudiantes que usan CAS (Computer Algebra System) pueden generar fcilmente representaciones grficas de los problemas, manipular representaciones algebraicas y analizar representaciones numricas. Esto puede ayudar a los estudiantes a construir interconexiones entre las diferentes formas de representacin aumentando as su comprensin.

4. Caractersticas generales de la secuencia didctica

El presente trabajo pretende abordar el estudio de las funciones exponenciales mediante la vinculacin dinmica de sus distintas representaciones y el nfasis en las correspondientes conversiones en los diferentes registros de representacin, utilizando como herramienta didctica la calculadora Voyage 200.

5. Anlisis de la secuencia didctica

Actividad 1: Visualizacin Grfica y Numrica de la Rapidez de Cambio Objetivos: Que el estudiante realice una visualizacin geomtrica y numrica de la rapidez de cambio de la variacin exponencial, haciendo referencia a un fenmeno fsico que analiz anteriormente. Descripcin de la Actividad: En esta actividad se analiza la rapidez de cambio en forma local. Primeramente se le pide que haciendo referencia a la Actividad en la que trabaj anteriormente sobre Crecimiento Bacteriano escriba las unidades de la rapidez de cambio (B/t) para que al analizar stas, logre describir lo que representa dicho concepto en el contexto en el que est trabajando. En esta Actividad el estudiante se va a apoyar, para hacer los anlisis correspondientes, en el programa camrelat. En la primera parte se analiza la rapidez de cambio promedio en diferentes intervalos, a travs del tringulo caracterstico y del valor numrico de aquella, pidindosele escriba la interpretacin en este contexto. Despus se le propone al estudiante que calcule aproximadamente la rapidez de cambio de ste cultivo bacteriano en un instante dado, utilizando la rapidez de cambio promedio sobre intervalos cada vez menores que contengan a ese instante. Despus de completar una tabla para diferentes instantes dados se le pide un anlisis sobre el comportamiento de esta rapidez de cambio con la intencin de que observen que conforme transcurre el tiempo la poblacin bacteriana crece ms rpido. Actividad 2: Rapidez de cambio, un anlisis global. Objetivos: Que el estudiante realice un anlisis global de la rapidez de cambio de la variacin exponencial a travs de una visualizacin geomtrica y numrica, haciendo referencia al anlisis de la rapidez de cambio puntual que se realiz en la actividad anterior. Descripcin de la Actividad. En esta Actividad se va a trabajar con el mismo modelo matemtico con el que utiliz en la Actividad anterior referente al crecimiento bacteriano, apoyado con el programa variexpo.

52

Una vez que el estudiante introduce la frmula que representa el fenmeno de variacin con el que va a trabajar, se le pide seleccione la opcin Rapidez de Cambio Promedio, en la pantalla aparece la grfica de la funcin, los tringulos caractersticos correspondientes y un men con la opcin Continuar (Figura 1.) la cual se le pide que la elija las veces que sta aparezca, el efecto de esta accin es la reduccin de los t (Figura 2.). El propsito de esta parte es que se realice un anlisis visual del comportamiento de la rapidez de cambio promedio a travs de los tringulos caractersticos y la reduccin de stos. Pidindosele escriba sus observaciones.

Figura 1.

Figura 2.

A continuacin se le pide al estudiante elija la opcin B/t, apareciendo en la pantalla la grfica de la funcin, los segmentos verticales que corresponden a la magnitud de la rapidez de cambio (B/t) del intervalo indicado y un men con la opcin Continuar (Figura 3.); a partir de aqu las opciones y acciones son similares a las descritas el punto anterior. El propsito de esta parte es que se realice un anlisis visual del comportamiento de la variacin de la rapidez de cambio conforme se reduce el tamao de los t.

Figura 3.

53

Figura 4.

Por ltimo, se le pide elegir la opcin Ver Tabla [F1] (Figura 4.), en la cual pueda realizar los clculos que crea necesarios para encontrar un patrn en el comportamiento de la rapidez de cambio de la variacin exponencial, esto con el objetivo de que al analizar el patrn identifique que corresponde tambin a una variacin exponencial. Finalmente se le pide que escriba sobre los resultados obtenidos. La primera columna corresponde a los valores de t, en la siguiente columna se muestran los valores de la rapidez de cambio (B/t) correspondiente al intervalo indicado (Figura 5.).

Figura 5.

Actividad 3: Buscando una base. Objetivos: El propsito de esta Actividad es explorar un primer acercamiento grfico y numrico a la base e. Descripcin de la Actividad: En esta Actividad se trabaja con el programa base ( ). Primeramente se le pide que le asigne el valor a la base A=1.5 (Figura 6).

Figura 6.

Al seleccionar la opcin Continuar, en la pantalla se observa la grfica de la funcin y un men de usuario, del cual se le pide que elija la opcin y/x [F1] (Figura 7), el efecto de

54

dicha opcin es que se grafican segmentos verticales que representan la magnitud de la rapidez de cambio correspondiente del intervalo indicado (Figura 8). El propsito de lo anterior es que analice grficamente el comportamiento de la rapidez de cambio y que escriba sobre lo que representa el que la grfica de los y/x se localiza por debajo de la grfica de la funcin f(x).

Figura 7.

Figura 8.

La siguiente instruccin es seleccionar la opcin Ver Tabla, apareciendo la pantalla de la Aplicacin Data-Matrix (Figura 9), la primera columna corresponde a los valores de la variable x, en la siguiente columna aparecen los valores de la funcin f(x) y la tercera columna corresponde a los valores de los y/x.

A continuacin se le da la instruccin de que genere una nueva columna con los clculos necesarios para encontrar el patrn de variacin de los y/x con el propsito de que identifique que la rapidez de cambio de la funcin exponencial, vara tambin en forma exponencial (Figura 10).

Figura 9.

Figura 10.

55

Continuando con el anlisis numrico se le pide genere otra nueva columna para calcular las diferencias entre los valores de la funcin f(x) y los valores de la rapidez de cambio y/x (Figura 11.) y que describa los resultados obtenidos.

Figura 11.

A continuacin se le pide ejecute de nuevo el programa base( ) y le asigne a la base A el valor de 5, con sta nueva funcin va a realizar las mismas instrucciones y anlisis realizados en la parte anterior. En la parte final de esta Actividad se pide le asigne otros valores a la base A de modo que la grfica de los y/x coincida lo ms posible con la grfica de la funcin f(x), realizando el anlisis numrico en la tabla correspondiente. Con el propsito de que realice un primer acercamiento a la base .

6. Referencias
[1] Artigue , M. (2000). Enseanza y aprendizaje del anlisis elemental: Qu nos ensean las investigaciones y los cambios curriculares? En R. Cantoral (Ed.), El futuro del clculo infinitesimal, (pp. 93-115) Grupo Editorial Iberoamrica. Mxico. [2] Duval, R. (1998). Registros de representacin semitica y funcionamiento cognitivo del pensamiento. En F. Hitt (Ed.), Investigaciones en Matemtica Educativa II, (pp. 173-201). Grupo Editorial Iberoamrica. Mxico.

56

Por qu la elipse se llama elipse y la hiprbola, hiprbola?

Jorge Ruperto Vargas Castro Departamento de Matemticas Universidad de Sonora rvargas@gauss.mat.uson.mx

Nivel educativo: Superior Resumen Generalmente cuando un profesor, tanto de nivel medio superior como superior, inicia un curso de Geometra Analtica Plana, lo primero que hace, sin mayor prembulo, si acaso despus de comentar algunas generalidades de la geometra analtica, es dibujar en el pizarrn un par de ejes coordenados con la caracterstica de que son dos y perpendiculares; sin mediar una discusin, informacin o al menos un comentario acerca de si realmente es necesario que sean dos los ejes y si deben ser perpendiculares. En este trabajo se presentan estrategias accesibles a estudiantes, incluso de bachillerato, para comprender la necesidad de que sean dos los ejes y que no es necesario que sean perpendiculares; se analizan tambin las ventajas o conveniencias de que s lo sean. Avanzado ya el curso, se hace el estudio de las cnicas, en ocasiones s se explica el origen del nombre genrico de cnicas, pero raramente se explica el origen del nombre particular de algunas de ellas, tales como parbola, elipse e hiprbola. En este trabajo, con el apoyo de un software de geometra dinmica, se explica el significado y origen etimolgico de dichos nombres y como fruto adicional de la discusin, se explica el uso como calificativo de parablico, hiperblico o elptico en otros campos como en geometras no euclidianas, entre otros.

1. Introduccin
En el estudio de la geometra analtica, en el espritu de Ren Descartes su creador, se espera que la mente del estudiante y la del profesor puedan tambin ser calificadas como analticas; y anlisis, segn una de las acepciones del diccionario LAROUSSE 2003 es: Examen que se hace de una cosa estudiando cada una de sus partes, mientras que en el mismo diccionario, la palabra ANALTICA TRASCENDENTAL significa, en su acepcin filosfica, Bsqueda de los elementos a priori del entendimiento que se aplican a los fenmenos. Irnicamente, la falta de una visin analtica en los cursos de geometra analtica, en la visin de algunos autores de textos que a la vez influyen en la concepcin que de la disciplina adquieren muchos de los profesores y que stos a la vez lo inducen en los estudiantes, reducen la geometra analtica a un conjunto de tcnicas ridas y uso mecnico de recursos algebraicos para resolver problemas geomtricos, perdiendo muchas veces la misma visin geomtrica del problema [3]. Dentro de este panorama global en el que se enmarca la visin general de la disciplina en cuestin, destacamos el tratamiento que en dicho enfoque se da a dos de los temas fundamentales; el concepto de sistemas de coordenadas y el nombre particular de cada una de las cnicas. A continuacin, entrando ya en materia, hacemos un anlisis de los tpicos recin mencionados.

57

2. Sistemas de coordenadas
Como lo indicbamos en el primer prrafo del resumen, el profesor en el inicio de un curso de geometra analtica tiende a dibujar, en automtico, un par de lneas perpendiculares a partir de los cuales define el sistema de coordenadas cartesianas; sin cuestionar el por qu tienen que ser dos y por qu perpendiculares. En los siguientes prrafos proporcionaremos ideas prcticas, para argumentar a un nivel accesible a profesores y estudiantes de bachillerato y primeros semestres de licenciatura, el por qu debe ser dos la cantidad de ejes requeridos para definir y describir al plano cartesiano, a la vez que haremos ver que NO ES NECESARIO QUE SEAN PERPENDICULARES para poder hacer geometra analtica; discusin que concluye formalmente al estudiar el concepto de base y dimensin en un curso de lgebra lineal; donde se entiende que hay bases no ortogonales, ortogonales y ortonormales, teniendo estas ltimas ciertas ventajas operativas. Por qu tienen que ser dos los ejes? Para dar un argumento intuitivo de este hecho, primero razonamos un tanto empricamente el por qu una sola recta no es suficiente para definir en forma nica un plano. Por qu una recta no es suficiente para determinar un plano? Una lnea recta siempre yace sobre al menos un plano, incluso es utilizada para la definicin que de superficie plana proporcion el griego Ten de Esmirna (70d.C.-135d.C. aprox.) y que despus Euclides (S.III d.C.) utilizara en lugar de su propia definicin, la nmero 7 del Libro I de Los Elementos [2]; la definicin de Ten dice lo siguiente: Una superficie plana es aquella en la cual al unir dos puntos cualesquiera de ella por medio de una lnea recta; todos los puntos de la recta que los une yacen sobre la superficie Pero es un hecho que una recta puede pertenecer a dos o ms, e inclusive a una infinidad de superficies planas; basta con doblar una hoja de papel para descubrirlo; pero no solo eso, sino que adems una recta puede yacer sobre superficies curvas, como sucede con la generatriz de cualquier cilindro o de cualquier cono (ver figuras 1 y 2); por lo tanto, una recta no determina de forma nica a una superficie plana.

Figura 1

Figura 2

Ahora, afirmamos que dos rectas no paralelas s determinan en forma nica a un plano.

58

Con argumentos semejantes a los utilizados en el caso anterior, razonamos lo siguiente: Ya analizamos en el caso anterior que una recta sola s puede pertenecer a una superficie curva, incluso una infinidad de ellas como las generatrices de un cono o de un cilindro (ver figuras 1 y 2); partiendo de esta idea, si dibujamos dos rectas no paralelas sobre una hoja de papel, y despus le damos curvatura a la hoja, como ya analizamos antes, puedo lograr, en determinado momento, que una de las lneas siga siendo recta, por ejemplo, si la hago coincidir con una generatriz de un cono o de un cilindro formado con la hoja curveada, pero la otra necesariamente se curvear (dejar de ser recta); en el caso particular del cono puedo lograr la concurrencia de muchas semirrectas (pero no rectas completas) en el vrtice, pero cualquier otra necesariamente se curvea; con esta experiencia podemos lograr que el estudiante realice un razonamiento plausible, sin ser prueba formal, de que es imposible que dos rectas no paralelas yazcan en una misma superficie si no es plana, por supuesto que en el contexto de la Geometra Euclidiana. Despus de analizar que realmente dos lneas rectas no paralelas determinan un nico plano, ahora analizamos cmo responder a la siguiente pregunta: Para poder hacer geometra analtica; es necesario que los dos ejes utilizados para definir las coordenadas de un punto sean perpendiculares? La respuesta es NO. Si los ejes son oblicuos, en lugar de usar rectngulos podemos usar paralelogramos para determinar las coordenadas de un punto en el plano, de tal manera que si el ngulo entre los ejes es , podemos tambin determinar una frmula de distancia entre dos puntos con la ayuda de la ley de los cosenos, como lo hacemos despus de la siguiente figura (Figura 3), a la cual nos referimos en dicho desarrollo.

Q(a2,b2)

b2

b2 - b1

P(a1,b1)

a2 - a1

p-a A

b1 I H

a1 a2

En un sistema de coordenadas ordinario, dado que los ejes son perpendiculares, para obtener la frmula de la distancia entre dos puntos se aplica el Teorema de Pitgoras; pero aqu los ejes forman un ngulo , por lo cual usaremos una generalizacin de dicho teorema, el llamado Ley de los Cosenos en el tringulo PAQ; as: d(P,Q) = Sabemos que la ecuacin de una circunferencia con centro en el origen y radio 5, en un sistema de coordenadas cartesianas convencional es:

Figura 3

59

En cambio, por aplicacin de la frmula de distancia entre puntos en un sistema de coordenadas de ejes oblicuos que acabamos de obtener, cuando el ngulo entre los ejes es de 60, la ecuacin de la misma circunferencia con centro en el origen y radio 5 es:

En la Figura 4 mostrada abajo, se presentan grficamente ambos casos; dichas grficas se obtuvieron directamente del software Cabri Gomtre II Plus, ya que permite variar el ngulo entre los ejes proporcionando a la vez las respectivas ecuaciones sobre las grficas, estas coinciden con las que obtenemos al aplicar las respectivas frmulas de distancia arriba mencionadas

x2 +

xy + y2 - 2 5 = 0

1 1

x2 + y2 = 52

1 1

60,0

Figura 4

Se invita al lector a analizar qu representa la ecuacin obtenida para ejes a 60 si se ve desde el punto de vista de los ejes coordenados perpendiculares. En resumen, vemos que s es posible desarrollar los principales tpicos de geometra analtica plana con un sistema de coordenadas con ejes oblicuos; por lo cual concluimos que NO es necesario que los ejes sean perpendiculares. Qu ventajas tiene usar ejes perpendiculares? Como ya lo pudimos observar, no es necesario que los ejes coordenados sean perpendiculares para poder obtener resultados en geometra analtica; sin embargo, el que lo sean representa algunas ventajas, menciono dos a continuacin: 1.- Debido a que cos(90) = 0, el uso de la ley de los cosenos se reduce al caso particular del Teorema de Pitgoras, trayendo como consecuencia la simplificacin de la frmula de distancia y por consiguiente las expresiones analticas de algunas curvas. 2.- Slo cuando los ejes son perpendiculares, la composicin de reflexiones de una figura con respecto a los ejes coordenados, equivale a un giro de 180 y por consecuencia a la reflexin con respecto al origen, facilitando el estudio de las simetras de una curva. Como ya lo mencionamos, esta discusin tendr su expresin formal cuando se estudie, en un curso de lgebra Lineal, el concepto de base y de base ortonormal, extendindose a cualquier dimensin.

60

Ahora pasamos a la siguiente parte de la discusin, lo relativo al significado del nombre asignado a cada una de las cnicas, presentado con ilustraciones grficas intentando hacer ms intuitivo y comprensible e concepto. Analicemos primero el nombre de la elipse: La palabra elipse tiene su origen etimolgico del latn ellipsis, que a la vez proviene del griego elleipsis que significa insuficiencia o defecto; y para entender qu relacin tiene la curva llamada elipse con insuficiencia o defecto, debemos entenderla como uno de los posibles cortes de un cono mediante un plano; para ello consideremos la figura 5:
G

A R

C P D

O K

Figura 5

Si el tringulo OQR, junto con su opuesto por el vrtice O, representan un corte por un plano de dos conos congruentes opuestos a lo largo del eje comn AB, de tal manera que al girar dicha figura alrededor del eje AB se obtiene el par de conos mencionados, P representa un punto sobre el cono, la lnea EF marca la direccin de un corte al cono paralelo a la generatriz QO; CD representa un corte perpendicular al eje, GH un corte paralelo al eje y JK es una lnea que gira con centro en P representando a un corte de direccin variable, podremos hacer el siguiente anlisis: A partir del corte en la direccin CD que produce una circunferencia, cuyo nombre supondr que s se conoce su origen, tomemos como referencia el ngulo EPC; como la lnea EF es paralela a la generatriz, el corte en la direccin de dicha lnea corresponde a la parbola, la cual proviene del latn parabola que significa comparacin smil, del cual se deriva tambin la palabra paralelo; por lo cual la parbola est relacionado con paralelo. Cualquier corte en la direccin contenida en el ngulo EPC representado por las diversas posiciones de la lnea JK dentro de dicho ngulo, corresponde a un ngulo que an no alcanza la direccin paralela (EF), es en ese sentido que se aplica defecto o insuficiencia (le falta) de ah el nombre de elipse (ellipsis, insuficiencia o defecto). De la misma raz es la palabra elipsis que es una forma lingstica en la que se suprimen palabras sin perder el sentido de la expresin; son por lo tanto expresiones incompletas pero aceptadas; un ejemplo lo tenemos en el ttulo de este trabajo, ya que se sobreentendi la segunda vez en que se iba a usar el trmino se llama.

61

Hiprbola: Su etimologa proviene del griego hyperbole que significa exageracin o exceso. Aprovechando de nuevo la figura 5, observamos que si la direccin de corte, representada por la lnea JK, se ubica dentro del ngulo RPE, el cual equivale al ngulo entre dos generatrices simtricas con respecto al eje AB, va a cortar a ambos conos, generando dos curvas en el mismo plano; aunque muchos libros [1] le llaman hiprbola slo a la curva con dos ramas generadas por un corte paralelo al eje comn, etimolgicamente todos los cortes comprendidos dentro del ngulo mencionado, por haber excedido ya el corte en direccin EF paralelo a la generatriz, alcanzan la categora de hiprbola, aspecto tambin descuidado en los cursos ordinarios de geometra analtica. Con la misma raz de hiprbola tenemos la palabra hiprbole, figura retrica que consiste en exagerar la expresin; ejemplo: No hay ocano ms grande que su llanto. Si tomamos como referencia central a la parbola, en el contexto analtico, en la ecuacin general de la cnica, es la que tiene excentricidad e=1; a la elipse relacionada con defecto o faltante, es la que le falta para completar la excentricidad de la parbola (0 < e < 1), mientras que para la hiprbola, e > 1(exceso). El calificativo parablico, elptico o hiperblico se usa en otros contextos con el mismo sentido etimolgico combinado con otros factores; por ejemplo, la clasificacin de las geometras en parablica, hiperblica y elptica para la geometra euclidiana, de Lobachevsky y la esfrica (de Riemann) respectivamente est en relacin con aspectos etimolgicos y de la geometra proyectiva, en especial con la cantidad de puntos al infinito asociados a cada geometra con respecto a la curva correspondiente que le da nombre.

3. Referencias
[1] Boyer C. ( 1986 ) . Historia de la Matemtica Alanza [2] Heath T. (1956). Euclid The Thirteen Books of The Elements Dover [3] Lehmann Ch.. (2002). Geometra Analtica Limusa

62

Proyecto: Textos Dinmicos (TD)

Ricardo Ulloa Azpeitia, Elena Nesterova, Rafael Pantoja Rangel Seccin de Matemtica Educativa Departamento de Matemticas Universidad de Guadalajara/CUCEI ricardo.ulloa@cucei.udg.mx Nivel educativo: Superior Resumen Se describe un proyecto de investigacin en la lnea de lectomatemticas, dirigido a experimentar una opcin didctica para incidir sobre el problema derivado del pobre dominio del idioma materno y los procesos de traduccin al lenguaje especializado de las matemticas, el lenguaje simblico y el grfico. Tal problema ha sido observado como presente en estudiantes de diferentes niveles, estratos sociales, ubicacin geogrfica y tipo de institucin educativa. Se defini un sustento terico-prctico para elaborar lo que se denomina textos dinmicos, con los que se intentar apoyar el aprendizaje de conceptos matemticos, al menos en los dos primeros niveles de la taxonoma de Bloom, mediante la integracin de hipertextos que presentarn diferentes contextos para propiciar la construccin de conceptos por parte de los estudiantes.

1. Introduccin
El origen de la lnea de investigacin en la cual se inserta este trabajo, lectomatemticas (estudio de los procesos de traduccin del lenguaje matemtico al lenguaje materno y viceversa, lo que influye en las actividades de modelaje), se deriva de la observacin de que alumnos a despecho de tener diferentes condiciones contextuales, sociales o econmicas, no superan obstculos epistemolgicos que enfrentan cuando resuelven problemas en palabras que implican modelar la situacin descrita. A partir de investigaciones realizadas [1],[2],[3][4],[5] entre otras, ha resultado obvio que existen serios problemas con el empleo del lenguaje cotidiano y los procesos de traduccin al lenguaje matemtico. Se ha investigado desde diferentes perspectivas la problemtica que presenta el aprendizaje de las matemticas y no obstante la gran cantidad de proyectos de investigacin desarrollados, pareciera que no se ha incidido en los factores estratgicos, dado que no se sabe de una mejora en el estado del arte. Es muy probable que la influencia del lenguaje haya sido poco considerada, a pesar de los indicadores al respecto de su importancia como mediador de los procesos de aprendizaje complejo, por lo que este estudio podra arrojar informacin valiosa para elaborar estrategias y materiales que atiendan esa situacin. Cmo puede un alumno comprender que debe realizar una cierta operacin, si no comprende las palabras empleadas para implicar tal operacin? preguntas como la anterior agregan elementos de peso para justificar el presente proyecto, pues parece muy complicado que un estudiante con deficiencias de lectoescritura, llegue a aprender las Matemticas a nivel formal. Existen trabajos que muestran la dependencia de los estudiantes del lenguaje y la necesaria mediacin que ejerce ste para producir aprendizajes ms all del nivel de memorizacin, sin

63

embargo, tampoco se puede asegurar que un estudiante con buena lectoescritura aprender Matemticas sin enfrentar problemas. En la definicin del objeto de estudio se tomaron en consideracin los resultados previamente identificados, en diferentes contextos y niveles, desde secundaria hasta posgrado y en diferentes ramas de la materia. Con el desarrollo del proyecto de investigacin se pasa a la fase de experimentar alternativas para superar los obstculos observados y se busca determinar el efecto de una alternativa didctica que implica el empleo de hipertextos diseados para incidir sobre el aprendizaje de conceptos matemticos. En trminos prcticos se pretende que los alumnos logren al menos aprendizajes de nivel 1 y 2 de la taxonoma de Bloom. El diseo tambin implica un trabajo en la lnea de diseo y construccin de Objetos para Aprendizaje (OPAs), con validacin sustentada tanto desde una teora constructivista del aprendizaje, como por evidencia emprica. Se planea la construccin de TDs con diferentes niveles, con la idea de propiciar un proceso de semiosis (proceso de construccin de signos y negociacin de significados) por parte del estudiante, que posibilite un cierto acompaamiento de la negociacin de significados de trminos estratgicos para cada rea correspondiente. Otro nivel implica pedir al alumno una definicin propia del concepto y luego comparar con las usuales de los textos matemticos. El tercer nivel acarrea la presentacin de alguna aplicacin en la que se denota la presencia e importancia del concepto. Finalmente se indica trabajar en el contexto de un problema abierto en el que aparecen y se usan los conceptos estratgicos, de manera que involucra al estudiante en obtener una solucin razonada, pues puede deducir diferentes respuestas correctas. Objeto de estudio. Proceso de construccin de significados de conceptos matemticos en el contexto del empleo de una alternativa didctica sustentada en el empleo de hipertextos. Hiptesis. El empleo de la alternativa didctica propicia mejores resultados de aprendizaje por parte de los estudiantes.

2. Antecedentes
Un profesor se expresa de manera que refleja su experiencia y formacin previa y obviamente es diferente a aquella a la que estn acostumbrados sus alumnos. Para comprenderle, debern invertir cierta energa en decodificar lo que escuchan o leen. Tal inversin cognitiva implica una cierta desventaja con respecto a aquellos alumnos que dominan un "idioma" semejante al del profesor. Desde luego que ste no es el nico factor que influye en el aprendizaje, pero es crucial por el efecto de conexin que se requiere entre el profesor y el alumno. El problema se exacerba cuando la comunicacin incide sobre los aspectos estratgicos de la disciplina. Se ha detectado que los alumnos pueden repetir definiciones, sin entender su significado, como es el caso del concepto de ecuacin que lo relacionan con una cierta operacin. Tal situacin se repite en todas las ramas de las matemticas que han sido exploradas hasta el momento. Por ejemplo, en el caso de la geometra, hay una estrecha relacin entre el lenguaje y los niveles: las diferentes capacidades de razonamiento asociadas a los cuatro niveles de Van Hiele no slo se reflejan en la forma de resolver los problemas propuestos, sino en la

64

forma de expresarse y en el significado que se le da a determinado vocabulario. A cada nivel de razonamiento le corresponde un tipo de lenguaje especfico. Atender los problemas que se originan por el uso del lenguaje se considera que ayuda a interpretar la mayora de las dificultades que tienen los estudiantes para aprender: dificultades semnticas, dificultades inherentes a la estructura que adopta el cdigo notacional y el funcionamiento del mismo, dificultades relativas al cundo y cmo utilizar el cdigo notacional para resolver determinada situacin, etc. El enfoque hacia incidir sobre el proceso de comunicacin derivado del pobre dominio del lenguaje implica una visin integradora del currculo: comunicacin, memorizacin de datos, formacin de conceptos, modelaje y resolucin de problemas. Se pone el acento en la construccin progresiva de los significados, en los aspectos comunicativos y en el dominio sintctico orientado hacia la operacin con smbolos. Una vez que el concepto ha sido comprendido, deseablemente presentado en ms de un contexto conocido por el estudiante, el docente deber "descontextualizarlo". Esta es una operacin importante, el poder de los modelos matemticos radica en su generalidad y abstraccin. La experimentacin supone las dos etapas, la contextualizacin, que apunta al sentido, la comprensin y el inters, y la descontextualizacin, o lo que es equivalente, la ubicacin del modelo en el contexto de la disciplina matemtica, que apunta a la generalidad y abstraccin. En el mismo sentido propuesto por Brousseau [6].

3. Metodologa
Se prev proporcionar a los estudiantes una herramienta que les permita superar el dominio de los dos primeros niveles taxonmicos de Bloom, lo que representa requisito indispensable para el progreso de los estudiantes, pues si no entienden lo que se les solicita, no podrn modelar y resolver problemas expresados en palabras. El reto es poner los conocimientos estratgicos en un contexto que tenga sentido para los estudiantes y deseablemente, despierte el inters de los estudiantes y propicie aspectos ldicos. De cierta forma se pretende incidir sobre la zona de desarrollo prximo de los estudiantes [7] de manera que la interaccin con los TDs permita ampliarla y facilitar la apropiacin de los conceptos que han sido detectados como complicados para los estudiantes. A fin de lograr la necesaria generalidad y abstraccin de los conocimientos, se piensa recurrir a mostrarlos en ms de un contexto, lo que sugiere la idea de diferentes tipos de TDs, en consideracin de que el conocimiento es situado. Una ganancia adicional de la estrategia se refiere a las aplicaciones del concepto. En efecto, conocer los modelos matemticos en varios contextos, aumenta las probabilidades que el estudiante reconozca situaciones en las que lo puede aplicar. Alternativa experimental. Bsicamente la idea representa construir hipertextos en el contexto del diseo instruccional de cada curso, mdulos manejables para cada captulo o unidad. Para los conceptos estratgicos identificados se incluyen ligas de diferente nivel de dominio a los que puede acceder el estudiante, desde la negociacin de significados para construir un modelo matemtico, la interaccin con su propia definicin y comparacin con las tradicionales, una aplicacin, distinguir su presencia en el contexto de una situacin o involucrarlo en la solucin de algn problema. Se espera que provocar en los estudiantes la experiencia con esa triada, propiciar que superen los obstculos de aprendizaje que suelen enfrentar en la solucin de problemas en palabras. En tal sentido se planea la construccin de tres niveles de TD.

65

Primer nivel. Se dispone un contexto para propiciar al estudiante construir significados. Se parte de usar enfoque sincopado hasta obtener una representacin simblica. Se propicia una negociacin por parte del estudiante en la que se impulsa su creatividad. Por ejemplo, el caso del vendedor de chicles, usado para desarrollar concepto de ecuacin. Se parte de la experiencia de la balanza de platos, con la idea bsica de que el peso de los nmeros de un plato es igual al peso de nmeros del otro. La abstraccin implica imaginar que el valor de los nmeros que se ubican de uno y otro lado tiene un peso. Entonces se presenta una secuencia que puede ser animada y realzada con colores para los elementos estratgicos, en la que el estudiante interacta en el contexto propuesto y gradualmente se provoca un aumento en la abstraccin para generar el modelo matemtico que corresponde a la idea de ecuacin: Ganancias = Ingresos menos gastos = Saldo previo menos saldo actual Ingresos - gastos = Saldo previo - saldo actual Ingresos = costo de venta de todos los chicles vendidos Ingresos = costo de venta de cada chicle por nmero de chicles vendidos Ingresos = (.) x () Se pide al estudiante abreviar cada factor Ingresos = (.) x (.) Se pide abreviar an ms Se repite el proceso para el segundo miembro y se insiste a lo largo de la interaccin que cada una de las expresiones planteadas son ecuaciones, pero que traducidas al lenguaje preferido en matemticas se parece ms a la ltima expresin. Se enfatiza que se ha construido un modelo matemtico abstracto. Segundo nivel. Se pide al alumno una definicin propia del concepto, luego se proporcionan una o ms definiciones, como las usuales de los textos matemticos y se le pide compararlas con la que dio. Tercer nivel. Se presenta una aplicacin o bien, el contexto de un problema en el que se denota la presencia del concepto en estudio. Cuarto nivel. Se plantea con influencia del enfoque de Aprendizaje Basado en Problemas y la estrategia de enseanza recproca [8] con la intencin de incidir sobre la construccin de conceptos y sus aplicaciones en el modelado de situaciones propuestas. Implica las siguientes etapas. 1. Presentacin de contexto: espacio para sustentar el tema a desarrollar, real o simulado, que incluya elementos de inters para los estudiantes a los que se dirige y preferentemente tambin, elementos ldicos. 2. Disponer espacio para construccin, por parte de los estudiantes, de los conceptos de inters identificados en la etapa anterior, mediante una construccin semejante a un Wiki, en una plataforma o pgina Web para hacer las aportaciones. La intencin es propiciar la negociacin de significados (semiosis) en lugar de imponerlos, de manera parecida al primer nivel, aunque menos inducida y con trabajo colaborativo. 3. Se pide simbolizar y acotar conceptos estratgicos identificados en la etapa anterior, as como atender cuestionamientos para propiciar comparar con denominacin tradicional, mediante liga vinculada a tal concepto. 4. A partir del contexto definido, presentar situacin problemtica abierta en la que los estudiantes puedan incorporar el uso de sus constructos y/o los tradicionales, a efectos de provocar la traduccin entre ellos y consolidacin de significados.

66

5. Invitar a encontrar una solucin y argumentar su validacin, para lo cual se ofrecer un espacio para interaccin de los estudiantes y proposicin de soluciones. 6. Solicitar contrastar las soluciones propuestas y compararlas, as como con una solucin clsica (tpica) a consultar en el TD. 7. Pedir atender contenidos para realimentacin. Entre los temas a incluir se planea usar los derivados de la historia de la construccin de los propios conocimientos matemticos, no tanto de aspectos biogrficos, aunque posiblemente salpicados con ancdotas que impriman un cierto toque ldico

4. Reflexiones finales
Dado que los resultados de investigaciones previas muestran que los profesores tambin contribuyen a generar los problemas con el uso del lenguaje, para una siguiente etapa se planea la construccin de TDs para su empleo, diferentes de los diseados para estudiantes, a manera del libro del maestro que existi en tiempos pasados. Se propone invitar a las diferentes academias de la institucin a participar en la construccin de TDs. Su participacin representa una cooperacin para la construccin de ambientes de aprendizaje, la identificacin del glosario estratgico de la materia, as como la seleccin o construccin de problemas abiertos, apropiados para superar los obstculos de aprendizaje. Adems, se pretende aprovechar sus experiencias para propiciar realimentacin mediante el aprovechamiento de la presencia de errores consuetudinarios que han identificado, a fin de consolidar aprendizajes y volverlos significativos. Entre los elementos que se pretende considerar como hilo conductor para la definicin de estrategias de enseanza que impliquen la solucin de problemas abiertos estn las situaciones problemticas que se enfrentaron en el desarrollo histrico de los contenidos matemticos, por ejemplo, pasar por el lgebra sincopada o algo ms verbal (retrica), antes de llegar a la etapa simblica, semejante a los niveles definidos por Bruner. Entre los indicadores que sern utilizados en la construccin de los TD se cuentan: Calidad: Los materiales a emplear debern ser autocontenidos, expresados en lenguaje al alcance de los estudiantes, de manera clara y concisa, dispuestos en un contexto que tenga sentido para los estudiantes, deseable que ese contexto sea motivador y deseablemente ldico, que sirva para despertar el inters de los alumnos y se d en un ambiente al alcance al que aprende. Para propiciar la generalizacin y abstraccin de los conocimientos, se pueden mostrar en ms de un contexto, pero tambin incluir previsiones para descontextualizar el conocimiento, esto es para traducir al lenguaje cotidiano los resultados obtenidos con el empleo de modelos matemticos, en el sentido propuesto por Brousseau [6]. Vinculacin: Relacionado con los conocimientos previos que poseen los estudiantes, tanto vertical, como horizontalmente, as como a aspectos de la vida cotidiana de los estudiantes. Sentido: Que permita a los estudiantes visualizar posibles consecuencias y usos del material, que de alguna forma responda a la pregunta clsica y esto para qu sirve? Distribucin: Que sea susceptible de subir a la red para ser empleado. Reusable: Que pueda usarse en ms de un curso.

67

Flexible: De manera que otros docentes puedan emplear secciones del material que les sean de utilidad, para emplearlas en otras opciones.

5. Referencias
[1] Martnez, I. (2005). Estudio Clnico para la identificacin de problemas en el aprendizaje de las matemticas determinados por deficiencias de lectocomprensin, en bachillerato. Tesis de Maestra en Ciencias en Enseanza de las Matemticas. Universidad de Guadalajara, CUCEI [2] Lomel Plascencia, Mara Guadalupe. (2005). Estructuras Lingsticas y las dificultades que originan en el Proceso de modelaje Matemtico. Tesis de Maestra en Ciencias en Enseanza de las Matemticas. Universidad de Guadalajara, CUCEI. [3] Figueroa, R. (2005). Influencia de las habilidades de lecto-comprensin en el aprendizaje de las Matemticas en el nivel medio superior: estudio correlacional y clnico. Tesis de Maestra en Ciencias en Enseanza de las Matemticas. Universidad de Guadalajara. CUCEI. [4] Torfer, C. (2009). Identificacin de obstculos de lectomatemticas en la solucin de problemas en palabras de clculo diferencial. Tesis de Maestra en Enseanza de las Matemticas. Universidad de Guadalajara, CUCEI. [5] Tavares, L. (2010). Alternativa didctica enfocada a lectocomprensin para problemas en palabras que implican el planteamiento de ecuaciones lineales. Tesis de Maestra en Enseanza de las Matemticas. Universidad de Guadalajara, CUCEI [6] Brousseau, G. (1986). Fondements et mthodes de la didactique des mathematiques. Recherches en Didactique des Mathematiques, Vol. 7, N. 2, pp. 33 115. [7] Vygotsky, L. (1995). Pensamiento y Lenguaje. Ediciones Fausto. Recuperado el 30 de octubre de 2008, de http://www.psicojack.com/blog/2007/07/libro-vigotsky-lev-s-pensamiento-y.html; http://platea.pntic.mec.es/~jescuder/algebra1.htm [8] Pallincsar, A. S. and Brown, A. L. (1984). Reciprocal Teaching of comprehension-fostering and comprehension-monitoring activities. Cognition and Instruction, 1.2, 117-175

68

Propuesta de actividades didcticas para la capacitacin de profesores de secundaria en el eje curricular Manejo de la Informacin
Manuel A. Urrea B., Irma N. Larios R., Maricela Armenta C. Departamento de Matemticas Universidad de Sonora maurr@gauss.mat.uson.mx Resumen En el presente trabajo se proponen una serie de actividades didcticas diseadas para promover el desarrollo de conocimientos y habilidades, necesarios para la formacin de competencias disciplinares que los profesores de secundaria deben desarrollar al trabajar en el eje curricular de Manejo de la Informacin en lo que respecta a Probabilidad. Las actividades consisten de situaciones que se les plantean a los profesores con el propsito de que pongan en juego sus conocimientos previos relacionados con el tema, as como para que tengan acercamientos intuitivos respecto de los objetos matemticos que se pretenden desarrollar en este eje.

Nivel educativo: Bsico

1. Introduccin
En los ltimos aos se han realizado modificaciones en los programas de estudio en el nivel bsico del sistema educativo mexicano, en primaria inici la implementacin de la nueva reforma en el 2009 y en secundaria la reforma empez a implementarse en el 2006 [2], en ambos casos hay una variante general respecto a la reforma de 1993, tanto para primaria como para secundaria se plantea un modelo educativo basado en el desarrollo de competencias en los estudiantes, y en el caso particular de matemticas se hace un reagrupamiento de los ejes temticos en los que se organiza el contenido de esta disciplina. Mientras que en los planes de estudio anteriores (Reforma 1993) la matemtica de primaria estaba estructurada en los siguientes seis ejes: Los nmeros sus relaciones y sus operaciones Geometra Tratamiento de la informacin La prediccin y el azar Medicin Variacin Con la nueva reforma tanto en primaria como en secundaria se han reagrupado los contenidos de matemticas en los siguientes tres ejes: Sentido Numrico y Pensamiento Algebraico Espacio, Forma y Medida Manejo de la Informacin. Estos cambios en el sistema educativo exigen la necesidad de capacitacin y actualizacin de la planta docente de ambos niveles educativos, dicha capacitacin debe realizarse en dos vertientes tanto en el manejo de contenidos matemticos como en la manera de implementar la nueva propuesta. Las actividades que en este trabajo se proponen estn dirigidas a la capacitacin de profesores de secundaria, en particular nuestras actividades estn enfocadas al

69

eje Manejo de la Informacin, por cuestiones de espacio ejemplificamos con algunas actividades que promueven el desarrollo de ideas relacionadas con probabilidad..

2. Contexto de la propuesta
Tal como se han mencionado en la introduccin, los cambios en los planes y programas de estudio del nivel secundaria que se han generado en aos recientes han propiciado modificaciones tanto en el enfoque, objetivos y en la estructura de los contenidos, lo anterior hace surgir la necesidad de capacitar y actualizar a los profesores en servicio en las diferentes disciplinas que se imparten en este nivel educativo. La Secretara de Educacin Pblica (SEP) planea sus acciones de actualizacin del magisterio tratando de responder en trminos de lo declarado en el Plan Nacional de Desarrollo, en el que se dice Se fortalecern los programas de capacitacin de la planta magisterial, de manera que se pueda contar con ms profesores certificados y comprometidos con la docencia en todos los niveles educativos. Una de las acciones que ha asumido la SEP a travs de la Direccin General de Formacin Continua de Maestros en Servicio es la de integrar un Catlogo Nacional de Formacin Continua y Superacin Profesional de Maestros de Educacin Bsica en Servicio, en el cual se integran cursos de actualizacin, diplomados, especialidades, maestras y doctorados. Nuestra propuesta est orientada a ser incluida dentro de los cursos de actualizacin para profesores de secundaria, la mayora de las actividades propuestas fueron incluidas en un curso que se imparti a profesores de este nivel educativo del estado de Sonora en 2006, por esta razn es que tenemos algunos resultados obtenidos de dicha implementacin.

3. Propsitos
El objetivo general de las actividades didcticas propuestas, es apoyar la capacitacin del profesorado de la escuela secundaria para mejorar su ejercicio profesional en la enseanza de las nociones, ideas y conceptos propios de la matemtica en general y en particular del eje curricular Manejo de la Informacin, reflexionando sobre su prctica docente, los materiales didcticos, el uso de los recursos tecnolgicos y las experiencias que el entorno le ofrece. Con lo cual se pretende estimular la emergencia de alternativas que potencien la calidad del ejercicio docente en bsqueda de una mayor calidad de la educacin que reciben los jvenes de sus escuelas. El objetivo general se alcanzar en la medida de que los profesores logren los siguientes objetivos especficos: Profundizar en su conocimiento y comprensin sobre los contextos y las secuencias de situaciones problemticas que dan significado a los contenidos matemticos, en este caso centrados en el eje de Manejo de la Informacin. Profundizar en sus conocimientos sobre el enfoque didctico de la propuesta curricular vigente para la enseanza de las matemticas en la escuela secundaria, la cual est basado en el desarrollo de competencias. Experimentar una manera grata y creativa de hacer matemticas y buscar elementos que permitan a los jvenes vivir una experiencia semejante en el saln de clases.

Ubicar desde la perspectiva pedaggica vigente en la propuesta curricular para la enseanza de las matemticas, el papel que pueden jugar los apoyos tecnolgicos en la implementacin de las metodologas sugeridas en ella.

70

4. Propuesta y elementos que la sustentan

Para el diseo de las actividades propuestas se parte de la idea de que los sujetos que aprenden (estudiantes) no son simples receptores que acumulan informacin proporcionada por quien ensea (profesor), sino que aprenden a travs de enfrentar situaciones que les permitan tener nuevas experiencias que, representando un conflicto cognitivo superable, les hacen ajustar o modificar ideas y/o conocimientos anteriores. Por lo anterior, consideramos que enfrentar a los sujetos, en este caso a profesores, a situaciones problema en las que debern poner en juego sus conocimientos previos, para as poder tener experiencias que les permitan modificar o enriquecer dichos conocimientos, es una estrategia adecuada para promover y estimular el aprendizaje de las matemticas. Tomando en cuenta las consideraciones antes planteadas creemos que no hay mejor forma de aprender matemticas que haciendo matemticas, por lo que las actividades contempladas en el presente curso cuentan con una fuerte vertiente en esa direccin, adems como este es un trabajo dirigido a profesores de matemticas se promueve la reflexin en torno a cuestiones relacionadas con los siguientes aspectos: cmo se aprenden, cules estrategias resultan efectivas, qu errores y dificultades son enfrentadas y cmo, qu caractersticas debe reunir una actividad para llevarla al saln de clases, qu aportaciones ofrecen a la educacin matemtica los recursos tecnolgicos (recurso computacional como: applets, Excel), cundo y cmo incorporarlos, etctera; adems de las que resultan de analizar materiales fsicos (dados, monedas, ruletas, etc.) y virtuales (simulaciones) de los que dispone el profesor para desarrollar su trabajo. Este planteamiento retoma algunos aspectos planteados en [1] respecto al tratamiento didctico que se recomienda para contenido de estocsticos. Los aspectos ante mencionados estn dirigidos a orientar el trabajo didctico del profesor acorde al planteamiento de la reforma, en la que es fundamental el desarrollo de competencias en los estudiantes, entendiendo por competencia la articulacin que se debe generar entre conocimientos, habilidades, actitudes y valores. Metodologa La estrategia que se propone para implementar las actividades diseadas es la siguiente: Iniciar con una ubicacin general del curso a cargo del o los instructores, poniendo especial atencin en las motivaciones que ha tenido, en las actividades contempladas, en las dinmicas de participacin y en las principales expectativas.

Las situaciones problemticas previstas se abordarn primeramente por los participantes, individualmente o por equipos, con el propsito de que pongan en juego sus conocimientos previos respecto de la situacin planteada. Si el primer acercamiento a la actividad es individual se pasar a una discusin por equipos, en la que tendrn la oportunidad de presentar sus estrategias utilizadas para resolver la situacin y/o los resultados que hayan obtenido, al mismo tiempo tendrn la oportunidad de escuchar otras propuestas de sus compaeros lo que los puede llevar a replantear la validez de sus conocimientos y estrategias utilizadas. Una vez que se realiza la discusin en equipos pequeos se organizar una discusin grupal en la que los participantes tendrn la oportunidad de tener un tercer acercamiento de la misma situacin, escuchando las opiniones de ms compaeros.

71

En la discusin colectivamente se promover la reflexin en aspectos que consideramos de gran importancia en la actualizacin de los profesores tales como las estrategias seguidas o los contenidos matemticos empleados, las dificultades y aprendizajes que surgen en la actividad, as como el papel que los recursos tecnolgicos pueden jugar en el desarrollo de tales situaciones y, en su caso, la pertinencia y forma en que stas pudieran ser llevadas al saln de clase.

Tanto en el trabajo de equipo como en el grupal el participante tendr la oportunidad de argumentar a favor de las estrategias que ha utilizado y de los resultados que ha obtenido, as como de refutar los argumentos que planteen sus compaeros. Las acciones antes mencionadas son las que le permitirn al sujeto tener nuevas experiencias de aprendizaje para poder modificar o enriquecer sus conocimientos. Actividades Presentamos ahora algunas de las actividades que forman parte de una de las secuencias didcticas que proponemos para el desarrollo de ideas relacionadas con la identificacin de situaciones probabilsticas y situaciones no probabilsticas. Descripcin de las actividades. Las dos primeras actividades que se presentan tienen el propsito de que el profesorestudiante tenga la oportunidad de enfrentar una situacin en la que deber poner en juego sus conocimientos y/o creencias para determinar cundo una situacin es aleatoria o no. El propsito de la actividad es que los profesores estudiantes: - Pongan en juego sus conocimientos y/o creencias de lo que es una situacin aleatoria. - Reflexiones sobre las caractersticas que debe tener una situacin para ser considerada como aleatoria. Tal como se seala en la parte de la metodologa general, en estas actividades se plantea que el profesor estudiante primero trate de resolver de manera individual los cuestionamientos planteados en cada situacin. Una vez que cada participante ha generado sus respuestas se propone que integren equipos de cuatro personas para que discutan sobre las respuestas generadas por cada integrante del equipo. Despus de que han discutido en los equipos se plantea una discusin grupal en la que los equipos debern plantear los acuerdos o desacuerdos obtenidos y son sometidos al resto del grupo. Situacin 1. La toma de decisiones en nuestras actividades cotidianas1 En nuestro quehacer diario tomamos una gran cantidad de decisiones, muchas de ellas son para la organizacin de nuestras actividades inmediatas, en otras ocasiones nos ayudan a planear nuestra vida a mediano o largo plazo. Por ejemplo, al comprar un automvil mediante un plan de autofinanciamiento, necesitamos tomar en cuenta una serie de factores que determinan la posibilidad de poder cumplir con este compromiso durante un periodo de tres, cuatro o cinco aos, dependiendo del plan que seleccionemos; lo mismo sucede cuando
1

Las actividades se han retomado del material didctico: Pensamiento Variacional, material de trabajo del tercer mdulo del diplomado Enseanza de las Matemticas en la Educacin Secundaria, impartido en 2006 a profesores de secundaria del Estado de Sonora.

72

decidimos adquirir vivienda mediante un plan de financiamiento, en este caso estamos hablando de un compromiso a pagar en un periodo ms largo de tiempo. Actividad 1. Planes de financiamiento El agente de ventas de automviles nuevos, le ofrece al cliente potencial dos opciones para el pago de un auto: Plan 1. En la primera opcin de pago le propone hacer un pago inicial del 35% del valor del auto y 36 pagos mensuales fijos de $3,850.00. Plan 2. En la segunda opcin de pago le propone hacer un pago inicial de 20% del valor del auto y 36 pagos mensuales, el primer pago ser de $3,100.00 y variar en funcin de la inflacin mensual registrada por la Secretara de Hacienda. 1.1 Es posible saber cunto pagar mensualmente el cliente si escoge el plan 1? __________ Por qu?_________________________________________________________________ _________________________________________________________________________ 1.2 Si el cliente acepta el primer plan, Cunto pagar en total por el automvil?_________ 1.3 Si el cliente acepta el plan 2, Cunto pagar en total por el automvil? ______________ Por qu?_________________________________________________________________ _________________________________________________________________________ 1.4 Las situaciones planteadas en cada uno de los planes de pago, Son deterministas o aleatorias? ________________________________________________________________ Por qu has dado esa respuesta?______________________________________________ _________________________________________________________________________ _________________________________________________________________________ 1.5 Si la compra se hiciera en este momento, Cmo le puede hacer el cliente para estimar lo que pagara en total por el auto si selecciona el segundo plan?________________________ _________________________________________________________________________ Por qu? _________________________________________________________________ _________________________________________________________________________ 1.6 Si el cliente decide utilizar el plan 2, Cules son los costos totales posibles que puede pagar por el auto? __________________________________________________________ _________________________________________________________________________ Actividad 2. Cmo planear un operativo vacacional Durante los periodos vacacionales las autoridades municipales, estatales y federales, montan operativos para salvaguardar la seguridad de las personas que se trasladan de un lugar a otro. 2.1 Cmo crees que le hacen las autoridades para ubicar los puntos conflictivos? ________ _________________________________________________________________________ _________________________________________________________________________ _________________________________________________________________________

73

2.2 Antes de implementar el operativo, puede la autoridad correspondiente determinar con certeza cuntos agentes colocar en cada punto crtico? _____________________ Por qu?_____________________________________________________________________ _________________________________________________________________________ 2.3 Determinar el nmero de agentes que participarn en el operativo, Es una situacin determinista o aleatoria? _____________, Por qu?_______________________________ _________________________________________________________________________ 2.4 Antes de implementar el operativo, Puede la autoridad correspondiente saber cuntos accidentes ocurrirn en ese perodo vacacional? ___________________________________ Por qu? ________________________________________________________________ _________________________________________________________________________ 2.5 Determinar el nmero de accidentes que se presentarn en el prximo periodo vacacional, Es una situacin determinista o aleatoria?________________________ Por qu? ___________________________________________________________________________ ___________________________________________________________________________ 2.6 Es posible hacer una estimacin del nmero de accidentes que se pueden presentar en el prximo perodo vacacional? __________ Cmo crees que se puede hacer?_____________ ___________________________________________________________________________ stas son slo dos de las primeras actividades que integran una secuencia didctica, la cual est formada por un grupo mayor.

5. Conclusiones
Nuestra experiencia al trabajar con profesores de secundaria nos dice que de los contenidos de matemticas que ms descuidados se tienen en el aula son los relacionados con Probabilidad y Estadstica, que en la nueva estructura corresponden al eje curricular de Manejo de la Informacin. Adems, al aplicar un instrumento para tener un diagnstico de los conocimientos y el tipo de razonamiento probabilstico que utilizan los profesores, hemos podido identificar la presencia de conocimientos incorrectos o incompletos as como sesgos en el tipo de razonamiento que utilizan al enfrentar situaciones probabilsticas. Por lo antes expuesto consideramos que es muy importante promover cursos de actualizacin y capacitacin dirigidos a profesores del nivel bsico, con contenido matemtico en general y en particular de Probabilidad y Estadstica

6. Referencias
[1] Batanero, C. (2001). Didctica de la Estadstica. Espaa: Departamento de Didctica de la Matemtica, Universidad de Granada. [2] Direccin General de Desarrollo Curricular, SEP (2006). Reforma de la Educacin Secundaria. Fundamento Curricular: Matemticas. Secretara de Educacin Pblica. Mxico [3] Hugues, E., Jimnez, J., Larios, I., Urrea, M. (2006). Pensamiento Variacional. Mxico: Universidad de Sonora .

74

Construir grficas de funciones a partir de graficar los incrementos de las variables

Dr. Jos Carlos Corts Zavala Facultad de Fsico Matemticas Universidad Michoacana jcortes@umich.mx

Nivel educativo: Medio Superior y Superior Resumen En el siguiente artculo se propone un acercamiento grfico-numrico para realizar grficas de funciones. Para ello se propone iniciar introduciendo las ideas de diferencias, incrementos y razn de incrementos tanto en forma numrica como grfica, y a partir de estas ideas iniciar la construccin de grficas de funciones. El que esto escribe dise y desarroll un software de apoyo a la introduccin de estas ideas. Para abordar la temtica se exponen ideas tericas y una exposicin de lo propuesto en el software.

1. Planteamiento
Se propone un acercamiento numrico para resaltar la importancia de iniciar la graficacin de funciones, para ello se utiliza la graficacin de incremento de variables y la graficacin de razn de cambio. De esta manera se introduce de forma ms intuitiva, el concepto de funcin derivada. Se introducen las ideas de diferencias, incrementos y razn de incrementos tanto en su forma numrica como grfica. Para su realizacin se utiliza un software ad-hoc diseado y desarrollado como apoyo a la introduccin de estas ideas. Diversos investigadores sealan la importancia de introducir el concepto de derivada a travs del uso de razones de cambio y de igual manera es posible introducir el concepto de funcin derivada. Basado en esta idea se dise y desarroll un software, denominado Funciones y Derivadas Corts (2002). En l se incorporaron actividades que resaltan aspectos relacionados con diferencias, incrementos y razn de incrementos, tomando como base ideas visuales y que sirven de apoyo para la construccin del concepto de funcin derivada.

2. Marco Terico
Hughes (1990) observ que muchos estudiantes calculan algebraicamente las derivadas de diversas funciones, pero no son capaces de determinar, en una grfica, en qu lugares la funcin tiene derivada positiva y en cules negativa. Adems, la autora nota que pocas veces se utiliza un acercamiento numrico para ensear este concepto. Confrey (1993) indica que la presencia de tablas numricas puede (1) iluminar la conexin funcional de los valores contenidos en ellas y (2) la presentacin algebraica. Scher (1993) realiz un estudio sobre la utilizacin de mltiples representaciones para conceptualizar la derivada. l concluye que existe la necesidad de promover el uso de tales representaciones para que el estudiante obtenga un entendimiento adecuado de los conceptos del clculo, menciona, por ejemplo, que la nocin de razn de cambio debe ser accesible para todos los estudiantes (Scher, 1993, p. 16). Por su parte Corts et al. (Corts et al. 2005) hacen una propuesta basada en un acercamiento numrico para introducir el concepto de funcin derivada. El tratamiento numrico y grfico es usado poco. Propuestas como la de Duval (1988, 1993 y1995), Confrey(1993), Scher(1993), Meja(1997), Hitt (2002) y Pluvinage (2005) mencionan

75

la importancia, que tiene para el aprendiz, el manejo grfico y numrico. Los aspectos numricos, grficos y algebraicos son representaciones de los objetos matemticos y cada uno de ellos presenta cierto tipo de informacin del objeto, adems permiten cierto tipo de actividades cognitivas en el sujeto. Cuando solamente se usa un tipo de representacin se corre el riesgo, como lo menciona Duval (1988), de confundir al objeto con la representacin, por lo que este investigador, propone el uso de mltiples representaciones de un objeto.

3. La Propuesta
El planteamiento se ubica dentro de la teora de sistemas semiticos de representacin (Duval 1988, 1993 y 1995), ya que el software permite la manipulacin de diferentes representaciones relativas a diferentes registros de representacin, adems de motivar las tareas de conversin entre representaciones; es decir, permite el tratamiento de representaciones en cada uno de los registros y conversin entre representaciones. Se introducen las ideas de incrementos de variables tanto en forma numrica como grfica. En la siguiente seccin vamos a mostrar la forma en que se presenta la informacin para resaltar las ideas de incrementos de variables y la de razn de cambio. Incrementos de Variables En el tema de Incrementos de variables de forma numrica, stos se hacen explcitos a partir de una tabla que contiene 4 filas tal y como se muestra en la Figura 1. El objetivo es introducir numricamente esta nocin ya que de acuerdo a los datos encontrados en una experimentacin realizada no es fcil que los estudiantes comprendan la nocin de incremento de variables. Tambin se realiza la graficacin de x y y como un punto, el incremento de x en forma horizontal y el incremento de y de forma vertical (ver Figura 2).

Figura 1

Punto (x, y)

Inc. y

Inc. x

Figura 2

76

Razones de Cambio El acercamiento numrico y grfico al concepto de Razn de Cambio se realiza a travs del llenado de tablas de valores y de su reflejo en la construccin de graficas. A travs de este acercamiento se introduce la pendiente de una recta como la razn de incrementos, es decir, se da significado a lo que representa una razn de cambio. La opcin Razn de Cambio se aborda como el cociente de dos incrementos, con este resultado se va llenando una tabla de valores (ver Figura 3) la cual representar una nueva funcin que hemos denominado funcin razn de cambio (ver Figura 4). Si se Selecciona una funcin cbica de la forma, f ( x) ax 3 bx 2 cx d se generan aleatoriamente los parmetros a, b, c y d (fig. 4 y 5).

Figura 3

Figura 4

4. Metodologa
La experimentacin se practic con cinco estudiantes de bachillerato durante doce horas, repartidas en cuatro sesiones. Se trabaj en una sala equipada con tres computadoras, un pizarrn y dos cmaras de video. Se formaron tres equipos de trabajo (dos con dos estudiantes y uno de uno) y cada uno de ellos trabaj en una computadora con el software desarrollado. En la primera sesin se dio una instruccin sobre la navegacin en el paquete, para que en las sesiones siguientes el estudiante navegara libremente los contenidos permitidos en el software. El instructor se desempe bsicamente como un observador pero poda intervenir para contestar algunas preguntas cuando le eran requeridas o para hacer preguntas que propiciaran que los estudiantes encontraran por s mismos la estrategia correcta.

77

5. Resultados
Dentro del desarrollo de la presente experimentacin se detect que la idea de incremento de una variable no es entendida fcilmente por los estudiantes, lo cual dificulta entender la razn de cambio y por supuesto el concepto de derivada. A travs del uso del software y de la intervencin del profesor, la idea de incrementos de variables fue entendida por los estudiantes

6. Conclusin
Por medio del uso de tablas de valores de funciones es posible que los estudiantes entiendan el concepto de diferencias e incrementos de variables, as mismo el uso de la graficacin de incrementos para delinear la grfica de la funcin permitir que el estudiante entienda lo que es una razn de cambio. Utilizando a su vez la razn de cambio podrn construir una nueva funcin y a partir de ella, los educadores pueden introducir la funcin derivada.

7. Referencias
[1] Corts C. (2002). Desarrollo de software para la enseanza del clculo diferencial. Tesis de doctorado. Cinvestav-ipn, Mxico, 2002. [2] Corts et al (2005). Software para la enseanza de la derivada. Reflexiones sobre el aprendizaje del clculo y su enseanza Editorial Morevallado. Mxico. [3] Confrey, J.(1993). A constructivist research programme towards the reform of mathematics educations. (Introduction to symposium for the Annual Meeting of American Education Research Association), April, 1993. [4] Duval R. (1988) Graphiques et equations: l'Articulation de deux registres. Anales de Didactique et de Sciences Cognitives 1(1988) 235-253. Traduccin: Grficas y ecuaciones: la articulacin de dos registros. En Antologa en Educacin Matemtica (Editor E. Snchez). Departamento de Matemtica Educativa del Cinvestav-IPN, Mxico. [5] Duval R. (1993) Registres de reprsentation smiotique et fonctionnement cognitif de la pense. Annales de Didactique et de Science Cognitives 5(1993) 37-65. Traduccin: Registros de representacin semitica y funcionamiento cognitivo del pensamiento. En Investigaciones en Matemtica Educativa II (Editor F. Hitt). Grupo Editorial Iberoamrica. [6] Duval R. (1995) Smiosis et pense humaine: Registres smiotiques et apprentissage intellectuels. Peter Lang, Suisse. [7] Hitt F. (2002) Funciones en contexto. Editorial Pearson Educacin. Mxico. [8] Hughes, D.(1990). Visualization and Calculus Reform. In Visualization in Teaching and Learning Mathematics: A Project (MAA notes #19). Walter Zimmerman and Steven Cunningham, eds. Washington DC: Mathematical Association of America, 1-8. [9] Meja, H.(1997). Geometra Analtica, Grficas y Tablas. en el octavo seminario nacional de calculadoras y computadoras en educacin matemtica Universidad de Sonora1997. Pp.315-322. [10] Scher, D.(1993). Students Conceptions of the Derivative across Multiple Representations. Mathematics in College (Fall): 3-17.

78

Explorando transformaciones lineales en el plano usando GeoGebra

Csar Fabin Romero Flix , Jos Luis Soto Mungua Departamento de Matemticas Universidad de Sonora Cesar.rfelix@gauss.mat.uson.mx Nivel Educativo: Superior Resumen En el presente trabajo se describe una actividad que se propone para la enseanza de transformaciones lineales en el nivel superior. Particularmente en los cursos de lgebra lineal de las carreras de ciencias e ingeniera. Se dise la actividad con el objetivo de apoyar a los estudiantes en la construccin de un significado geomtrico para las transformaciones lineales. Nos servimos del software GeoGebra para crear un ambiente dinmico con el cual, junto con instrucciones escritas e indicaciones del profesor a cargo, los alumnos puedan identificar transformaciones lineales y no lineales definidas de R2 en R2

1. Introduccin
El lgebra lineal es una de las principales disciplinas matemticas enseadas a nivel universitario aunque es comn que se le considere difcil de aprender o ensear. En la enseanza de esta materia podemos identificar un tipo de enfoque como el ms difundido, aquel que privilegia el formalismo y la estructura axiomtica de la disciplina. En general tal tendencia suele provocar confusin en los estudiantes de manera que no entienden los conceptos lo cual da pie a que trabajen en el nivel de manipular expresiones pero ignoran los significados de stas o las reglas matemticas que siguen. Esto ha sido documentado por varios investigadores y algunos acuaron el trmino obstculo del formalismo para referirse a esta problemtica [6]. En el caso de las transformaciones lineales, uno de los temas principales dentro de un curso lgebra lineal, algunas de las dificultades acarreadas son el no poder reconocer a las transformaciones lineales en distintos registros de representacin, no distinguir entre transformaciones lineales y no lineales o incluso no poder pensar en la existencia de transformaciones no lineales. Tambin sucede que al hacer la conexin con la geometra de los conceptos vistos previamente de manera abstracta mediante ejemplos casi triviales, las transformaciones lineales son identificadas slo como movimientos geomtricos simples (contracciones, expansiones, rotaciones, etc.) o combinaciones de stos y se descartan transformaciones ms complicadas como T(x,y)=(-2x-y,-x+y), o se incluyen entre las lineales aquellas transformaciones que se pueden describir como traslaciones [4]. Esto, como se mencion, tiene que ver con la forma en que se usan los lenguajes aritmtico (de los espacios Rn), algebraico (de la teora general de espacios vectoriales) y geomtrico (de

79

los espacios de 2 y 3 dimensiones) en el aprendizaje del lgebra lineal, pues en estos enfoques se utiliza principalmente el lenguaje algebraico para introducir conceptos y resolver problemas, mientras el lenguaje aritmtico y el geomtrico se dejan para exponer ejemplos. Aqu se pueden observar los problemas de la operacin cognitiva de conversin relacionados con el paso de un lenguaje a otro, o ms precisamente de un sistema de representacin semitica a otro. Si tomamos en cuenta la teora de representaciones semiticas de Duval [3] se suelen pasar por alto las complicaciones de realizar la operacin de conversin dndole un carcter trivial cuando hay evidencias de que en lgebra lineal la conversin entre registros juega un papel central en el aprendizaje y que las conversiones que involucran al registro de la escritura simblica resultan de mayor complejidad [5].

2. Caractersticas de la propuesta
Dada esta situacin, consideramos necesario que los estudiantes cuenten con una aproximacin al concepto de transformacin lineal que sea ms intuitiva que la del habitual enfoque formalista y por lo tanto diseamos una actividad didctica centrada en los significados grficos de las transformaciones lineales y no lineales en R2. Para apoyar a los estudiantes en la construccin de tales significados diseamos un ambiente dinmico con GeoGebra adems de hojas de trabajo que junto con las instrucciones del profesor servirn de gua para la actividad del estudiante, incluyendo su interaccin con el software. Basados en algunos resultados de varios investigadores en la materia, el diseo de las actividades se gua por los siguientes lineamientos: Privilegiar las representaciones grficas y propiciar la realizacin de conversiones entre este registro y los de la lengua natural y el algebraico. Utilizar ambientes dinmicos diseados con GeoGebra para facilitar a los estudiantes la observacin y comprobacin de las propiedades grficas de una transformacin lineal. Poner nfasis en la distincin entre transformaciones lineales y no lineales.

La propuesta incluye un archivo HTML visible desde cualquier navegador web y unas hojas de trabajo, las cuales incluyen instrucciones y preguntas para los estudiantes. En la actividad se les presentan a los estudiantes cuatro funciones de R2 en R2, de las cuales una es transformacin lineal, con la intencin de que los estudiantes adems de identificar las propiedades definitorias grficamente puedan distinguir entre transformaciones lineales y no lineales. Las transformaciones no lineales se seleccionaron para que de alguna manera fueran unas menos lineales que otras para tratar de que el significado que los estudiantes construyan sea ms preciso. En el archivo HTML se presenta grficamente, por un lado el dominio de la funcin y por el otro la imagen de sta. Como se puede apreciar en la siguiente figura.

80

Figura 1: Posicin de las grficas en pantalla

Ambas grficas corresponden a archivos de GeoGebra de modo que los objetos son modificables directamente en pantalla con el uso del ratn o algn otro dispositivo apuntador. Aunque, para mantener la atencin de los estudiantes en las partes que creemos importantes, fijamos algunos objetos para que no pudieran ser manipulados. Por el mismo motivo, tambin desactivamos la barra de herramientas de GeoGebra ya que todas las construcciones necesarias ya estn hechas. Las instrucciones de las hojas de trabajo tratan de guiar al estudiante para que se percate de las diferencias en comportamiento entre las 4 funciones que se le presentan y que observe que slo una tiene las propiedades deseadas. Se incluyen tablas, a llenar por el estudiante, para anotar qu propiedades observan a partir de su interaccin con el ambiente dinmico en los cuatro casos incluidos. Las tablas son como la que se muestra a continuacin.
Tabla 1: Ejemplo de una tabla.
Para estos valores de k:
0 1 -1 2 -2 Escoja un nmero entre 5 y -5 Antelo aqu ____

Anote aqu cmo cambia la grfica de la derecha

Al final de las hojas de trabajo hay otra tabla en la que los estudiantes deben anotar todas las propiedades grficas que observaron y especificar cules funciones cumplen tales propiedades, esto con el motivo de que observen que slo una es transformacin lineal. Entre las transformaciones no lineales, se puede observar que algunas cumplen una de las dos propiedades que definen a una transformacin lineal, y que otras slo lo hacen en ciertas regiones del plano.

81

3. Sobre el uso de GeoGebra

Como ya se mencion, la actividad se dise con el apoyo del software GeoGebra. La eleccin de GeoGebra como apoyo tecnolgico es principalmente debida a las caractersticas dinmicas e interactivas que lo sitan como un software de geometra dinmica (DGS por sus siglas en ingls), particularmente por la herramienta elige y mueve (comnmente llamada arrastrar en otros programas del mismo tipo) que permite la manipulacin directa en pantalla de objetos geomtricos, dando as la oportunidad de trabajar, en nuestro caso, con vectores arbitrarios, anlogo a usar letras para representar nmeros arbitrarios. Esta cualidad de ser variable se presenta en tanto stos estn siendo modificados con tal herramienta y en el momento que un objeto deje de ser movido pierde el carcter variable y se mantiene como un objeto particular. Otras caractersticas de GeoGebra esenciales para el diseo de esta actividad es la capacidad de mostrar en pantalla distintas representaciones de los objetos, en particular representaciones grficas y algebraicas que son las que escogimos, y que stas estn dinmicamente articuladas, es decir, al modificar alguna representacin de un objeto las otras son instantneamente modificadas de manera acorde. Una ltima cualidad que result bastante til es la de exportar las construcciones a un archivo HTML visible desde cualquier navegador web sin necesidad de tener instalado el programa GeoGebra y que dentro de este archivo HTML se pueden abrir varios archivos de GeoGebra que se comuniquen entre s, mediante cdigo en lenguaje javascript, de manera que al modificar algn objeto desde un archivo de GeoGebra se puede programar una respuesta en el otro archivo, por ejemplo modificar un vector al cambiar el valor de un nmero en otro archivo, como se muestra en la figura 2.

Figura 2: Dos archivos en pantalla comunicados por javascript.

82

4. Referencias
[1] Dreyfus, T., Hillel, J., & Sierpinska, A. (1999). Cabri based linear algebra: Transformations. First Conference of the European Society for Research in Mathematics Education (pgs. 209-221). Osnabrck, Alemania: Forschungsinstitut fuer Mathematikdidaktik. [2] Duval, R. (1997). Registros de representacin semitica y funcionamiento cognitivo del pesnamiento. Annales de Didactique et de Sciences Cognitives , 37-65. [3] Duval, R. (1999). Semiosis y pensamiento humano : registros semioticos y aprendizajes intelectuales. Cali: Ed. Universidad del Valle. [4] Molina, J. G., & Okta, A. (2007). Concepciones de la transformacin lineal en contexto geomtrico. Revista Latinoamericana de Investigacion en Matematica Educativa , 241-273. [5] Pavlopoulou, K. (1993). Un problema decisivo para el aprendizaje del lgebra lineal: la coordinacin de registros de representacin. Annales de didactique et de sciences cognitives , 67-93. [6] Uicab, R., & Okta, A. (2006). Transformaciones lineales en un ambiente de geometra dinmica. Revista Latinoamericana de Investigacin en Matemtica Educativa , 459-490.

83

84

Diseo de software educativo: construccin de algoritmos para el manejo de grficas y construcciones geomtricas interactivas
Lourdes Guerrero M, Christian Morales O Universidad Michoacana {gmagana,chris}@umich.mx Nivel: Medio Superior Resumen La computadora permite trabajar con grficas de ecuaciones matemticas de manera dinmica e interactiva; sin embargo, para que la computadora sea una buena herramienta de aprendizaje, necesitamos generar algoritmos eficientes que permitan a esta herramienta realizar las acciones precisas para generar expresiones visuales de los objetos matemticos en diferentes representaciones semiticas. En este trabajo, presentamos los resultados de un trabajo de investigacin encaminado al desarrollo de algoritmos eficientes de graficacin de cnicas y otras curvas, para permitir la interaccin dinmica directa con estas grficas.

1. Introduccin
La geometra analtica es una de las asignaturas del tronco comn de muchos bachilleratos; su enseanza no solamente debe implicar la identificacin de formas geomtricas, sino tambin de sus propiedades y relaciones a travs de procesos de exploracin. Para ello, los estudiantes deben tener oportunidades de interactuar con los objetos geomtricos realizando tratamientos en una misma representacin y conversiones entre representaciones (Duval, 1993); es decir, tener un contacto directo con los objetos matemticos a travs de sus mltiples representaciones para propiciar un aprendizaje significativo y ms duradero (Carpenter & Lehrer, 1999) que aquel que se produce mediante un proceso tradicional. As mismo, al disponer en todo momento de diferentes formas de representar un objeto matemtico, de tal manera que podamos extraer la esencia del mismo, se logra una mayor comprensin de los conceptos y nociones. La computadora es una de las mejores herramientas para este fin cuando nos apoyamos en el software adecuado a las necedades de aprendizaje especficas. En el curso de geometra analtica del bachillerato, generalmente se incluye el estudio de la recta y las cnicas en sus diferentes representaciones y es precisamente, la conversin entre diferentes representaciones, uno de los procesos principales en esta rea. As, se espera que los estudiantes aprendan a graficar las ecuaciones de las cnicas (esto es, realizar una conversin de un registro simblico a uno grfico, de acuerdo con la teora de Duval (1993)), aprendan a reconocerlas a partir de la identificacin de caractersticas especficas, o a relacionar una grfica especfica con una ecuacin. Cada una de las representaciones en que puede ser expresado un concepto matemtico aporta una variedad distinta de informacin que, en conjunto, permite tener una mejor comprensin del concepto. La teora de los Registros de Representacin de Duval (1999), seala que los estudiantes pueden tener un mejor entendimiento de los conceptos si la instruccin favorece el uso, no solamente de una forma de representarlo, sino diferentes formas de hacerlo que, adems, deben conectarse para permitir a los estudiantes transitar de una a otra.

85

Las diferentes formas de representar un concepto, y las formas en que podemos transitar de una representacin a otra, deben ser promovidas mediante experiencias de aprendizaje que ayuden a los estudiantes a conectar y entender los conceptos ms all de solo manipular sus representaciones (Hitt, 2008). Diferentes representaciones nos permiten ver los objetos matemticos desde diferentes perspectivas; para capturar ms informacin, que nos permita a su vez entenderlos mejor. La informacin grfica est tomando una renovada importancia en el estudio de las matemticas (Balderas, 2005). Los estudiantes deben tener oportunidades de aprender a interpretar, entender, transformar y comunicar informacin grfica. En particular, en el curso de geometra analtica, la representacin grfica de las cnicas, y la posibilidad de realizar tratamientos en el registro grfico de manera directa, adems de promover el desarrollo de habilidades de visualizacin (Hitt, 1998; Balderas, 2005) en los estudiantes, ayuda a la mejor comprensin de los conceptos propios de esa rea de las matemticas. La inclusin de la tecnologa computacional en el proceso de enseanza aprendizaje, requiere del uso de software especializado. Sin embargo, la mayora de las veces solamente se dispone de paquetes de cmputo diseados por industrias de software, que resultan ser muy genricos a nivel de la enseanza, an siendo software de matemticas. El resultado es que estos paquetes de cmputo tienen poco potencial para la enseanza, ya que normalmente no toman en cuenta los aspectos pedaggicos, adems de la eficiencia en el diseo algortmico (Clements & Battista, 2000). As mismo, la mayor parte del software comercial se evala a nivel del funcionamiento, sin seguir una etapa de prueba en donde se ponga en juego su potencialidad real y su conexin con la teora e investigacin bajo la que fueron diseados. Un diseo efectivo de software educativo, debe estar basado en modelos de aprendizaje que puedan ser articulados en un ambiente tecnolgico (Wong, 2003). Adems, su implementacin debe estar libre de errores computacionales; los que muchas veces estn asociados a la imposibilidad de las computadoras de realizar algunos procesos y ocuparse de algunos conceptos matemticos, sobre todo aquellos que tienen que ver con la variacin continua o la definicin de un dominio de variacin. Por tal motivo, el desarrollo de un software efectivo para la enseanza y la investigacin en educacin matemtica, debe considerar una gran cantidad de elementos tanto de carcter educativo como de tipo computacional; as mismo, debe someterse a diferentes fases de evaluacin, tanto en trminos de su funcionamiento como en el sentido educativo especfico para lo que fue diseado.

2. Diseo computacional efectivo para el manejo de las curvas

El trazo de figuras geomtricas en un sistema computacional se basa en rutinas bsicas de dibujo como son el punto, el segmento y la circunferencia. Estos objetos geomtricos tienen asociadas propiedades de color y posicin de acuerdo con un sistema de referencia asociado a la pantalla de la computadora. As, las imgenes grficas de la computadora deben ser generadas mediante rutinas de dibujo apoyadas en estos objetos grficos bsicos: puntos, segmentos, circunferencias y un sistema de coordenadas cartesianas. Por ejemplo, si queremos que un programa de computadora muestre la grfica de una funcin, deberemos disear un algoritmo que permita realizar dicha tarea en la pantalla con base en los elementos grficos bsicos. Dicho algoritmo es un plan expresado como una secuencia de acciones precisas que nos llevan al objetivo final; en este caso, una grfica en la pantalla de la computadora, construida posiblemente mediante un conjunto de pequeos segmentos que

86

unen de manera consecutiva, una serie de puntos sobre la curva, de tal forma que mientras ms segmentos tengamos mejor ser la aproximacin a la curva real (ver figura 1). Este proceso se ha denominado histricamente como rectificacin de una curva.

Figura 1. Rectificacin de una curva

El algoritmo puede ser tan general, como para permitirnos graficar cualquier tipo de curva; pero debe incluir las restricciones especficas asociadas a los dominios de definicin de las curvas. En este sentido, deberemos buscar las mejores estrategias de construccin, para tomar en cuenta las restricciones en el dominio de las variables, que pueden ocasionar errores de clculo y cadas del sistema de cmputo.

3. El caso de la recta
La recta parecera ser uno de los casos ms simples en la construccin de un algoritmo de graficacin ya que, teniendo al segmento como figura bsica, la recta puede ser expresada mediante un segmento cuya longitud abarque toda la pantalla de la computadora. Por ejemplo, para graficar la recta cuya ecuacin es y 3x 5 , podemos graficar un segmento con punto inicial en (0, 5) y punto final en (p, q), donde p es el ancho de pantalla y q 3p + 5 (ver figura 2).

Figura 2. Grfica de la recta y = 3x + 5 en la pantalla de la computadora. Observe que el origen del sistema de coordenadas de la pantalla est en la esquina superior izquierda de la misma. As mismo, la unidad en el sistema es el pixel por lo que una grfica que usualmente se visualiza como en la figura de la izquierda, se construye bsicamente como en la de la figura de la derecha.

Sin embargo, si el software bajo diseo tiene como intencin promover el aprendizaje de conceptos de geometra analtica, se necesita poder trazar rectas en el sentido de la geometra euclidiana; es decir, rectas que no necesariamente estn asociadas a un sistema de coordenadas. Debemos por ejemplo, producir rectas verticales a travs de un algoritmo, lo cual se vuelve un problema de construccin, cuando se usa una ecuacin que incluya a la

87

pendiente, como lo es y = mx + b. Esto se debe a que la pendiente est asociada con la y expresin m en la que, si x 0 , se produce un error de mquina (errores producidos x por el uso de valores muy pequeos o muy grandes, divisiones por cero, etc.). Lo que necesitamos entonces es disear un algoritmo eficiente para la graficacin de rectas y otras curvas que pueden presentar problemas anlogos. En el caso de la recta, el problema se puede resolver utilizando las ecuaciones paramtricas, en lugar de las ecuaciones en coordenadas cartesianas.

4. Ecuaciones paramtricas de la recta

Una recta en el plano puede definirse mediante el conjunto de puntos Px, y cuyas coordenadas x y y estn dadas mediante una pareja de ecuaciones de la forma: x f t y g t , ; donde f y g son dos funciones continuas de variable t, a la que se denomina parmetro. Para determinar dos funciones f y g, asociadas con una recta l, observemos lo siguiente: 1)
x
0

es cualquier punto de la recta, entonces existe t f y y g t t .

Si Q x , y
0

para el cual

2) Si v es un vector paralelo a l, entonces v y l tienen la misma inclinacin. Entonces, si Px, y y Q x0 , y0 son dos puntos de l y v v x , v y paralelo a l, tenemos:
PQ es paralelo a v

un vector de posicin

Entonces:
PQ t , donde t es una constante v

y,

x x0 , y y0 t v x , v y

de donde
x x0 t v x ;

y y0 t v y

Figura 3. Recta l paralela a

que corresponden a una pareja de ecuaciones paramtricas de la recta l, donde t es el parmetro de las ecuaciones y est definido en el intervalo , . x 5 3t Por ejemplo, la pareja de ecuaciones definen la recta que pasa por el punto de y 2 t coordenadas 5, 2 y es paralela al vector v 3, 1 . As mismo, el conjunto de ecuaciones

88

y 5 t definen, sin restriccin alguna, una recta paralela al eje y (recta vertical). En general, el conjunto de ecuaciones x x0 t v x y y0 t v y para t , , define una

define una recta que pasa por 0, 5 y es paralela al vector v 0, 1 ; es decir

recta en el plano x-y que puede graficarse sin tener que restringir sus variables y parmetros y, por consiguiente tampoco el tipo de rectas a graficar. Esta parametrizacin de la recta permite que el algoritmo de graficacin de rectas sea eficiente en el sentido de que asegura la ausencia de errores de mquina; lo que a su vez, permite generar algoritmos eficaces para que el estudiante pueda interactuar dinmicamente y sin restricciones con los objetos geomtricos en pantalla. Estos algoritmos adicionales incluyen entre otros: la deteccin de la recta para realizar alguna accin sobre ella y, el movimiento de la misma utilizando el ratn de la computadora (ver figura 4).

Figura 4. Ratn detectando la recta para girar

Al igual que en el caso de la recta, las ecuaciones cartesianas de las cnicas pueden presentar restricciones en cuanto a la determinacin de algunos parmetros, debido a la forma en que intervienen en la ecuacin. Por ejemplo, para una elipse centrada en el origen, con radio en x x2 y2 igual a a y radio en y igual a b, tenemos una ecuacin cartesiana de la forma: 2 2 1 a b que, en la interaccin dinmica para realizar algn tratamiento sobre ella, pude llevar a producir valores de a o b iguales a cero, ocasionando nuevamente un error de mquina. En este caso, el uso de las ecuaciones paramtricas, aunado a la definicin geomtrica de la elipse, nos permite evitar estos posibles errores de mquina en la dinamizacin de los objetos. De: A:

x c 2 y k 2
a
2

x c a cos y k b sen

0 Donde ahora , 2 es el parmetro.

En el proceso de interaccin con la figura, se requiere determinar cualquiera de los elementos que componen al conjunto de ecuaciones paramtricas a partir de las coordenadas dadas por la posicin del ratn en cualquier instante. Por ejemplo, si queremos modificar continuamente

89

el valor de a, las ecuaciones paramtricas nuevamente nos llevaran a un posible error de mquina, ya que deberamos utilizarlas de la siguiente forma: xc yk 0 sen 1 ; a cos 0 b Para resolver este problema de clculo, podemos usar la definicin de la elipse: El lugar geomtrico de todos los puntos cuya suma de distancias a dos puntos fijos es una constante. As, si F1 c, 0, F2 c, 0 son las coordenadas de los focos de una elipse centrada en el origen cuyo radio mayor est en el eje x, tenemos:
d 1 , P d 2 , P k 2a F F

Por lo que
a

x c 2 y 2 x c 2 y 2
2

De igual manera, en el caso de la hiprbola las ecuaciones paramtricas junto con la definicin geomtrica de la misma, nos proporcionan los medios para construir un algoritmo de graficacin eficiente desde el punto de vista computacional.

5. Conclusiones
La tecnologa computacional est siendo parte de nuestra vida cotidiana; particularmente, en la enseanza, est modificando la forma en que se ensea y se aprende matemticas. En especial, la tecnologa tiene un gran potencial como herramienta de aprendizaje en aquellas reas del conocimiento en las que la representacin grfica y visualizacin son mecanismos muy importantes para el entendimiento de conceptos. La geometra analtica es una de esas asignaturas, en las que la visualizacin es esencial para analizar y representar, en diferentes registros, las ideas y conceptos fundamentales. Por ejemplo, la tecnologa hace que el concepto de lugar geomtrico tome, nuevamente, un lugar importante en esa rea de estudio; concepto que histricamente da origen a la que actualmente llamamos geometra analtica.

6. Referencias
[1] Balderas, Patricia (2005). Visualizacin y uso de tecnologa en el aula. En: Memorias de la XI Jornadas de Investigacin en el aula de matemticas. La Geometra. Granada, Espaa. [2] Carpenter, T., Lehrer, R. (1999) Teaching and Learning Mathematics with Understanding. En: Elizabeth Fennema y Thomas Romberg (Eds.). Mathematics Classrooms that Promote Understanding (pp. 19-32). NJ: Lawrence Erlbaum Associates, Publishers. [3] Clements D., Battista, M. (2000). Designing effective software. En: Anthony E. Kelly y Richard A. Lesh (Eds.), Handbook of Research Design in Mathematics and Science Education (pp. 761-776). NJ: Lawrence Erlbaum Associates, Publishers. [4] Duval,R.(1993): Registros de representacin semitica y funcionamiento cognitivo del pensamiento. En: Fernando Hitt (Ed.) Investigaciones en Matemtica Educativa II, Editorial Iberoamericana, p.p 173-201. Traduccin del documento original publicado por Universit Louis Pasteur de Strasbourg, France.

90

Discrepancias en el clculo de los cuartiles y posibles consecuencias en el aprendizaje de los estudiantes en dichos conceptos
Alejandrina Bautista Jacobo Departamento de Matemticas Universidad de Sonora ale@gauss.mat.uson.mx Nivel: Medio Superior y Superior Resumen El siguiente trabajo pretende analizar las discrepancias que existen en el resultados del clculo de los cuartiles para datos sin agrupar por parte de algunos autores de textos y software estadstico y las posibles implicaciones en el aprendizaje que podra provocar en los estudiantes esta falta de unanimidad, no solo por dichos autores, sino por los mismos maestros que impartimos dichos cursos. Se prestan las maneras de cmo algunos texto llegan a obtener los cuartiles y la forma operacional de estos conceptos de los software como SPSS, STATA y EXCEL.

1. Introduccin
Uno de los principales problemas con el que nos enfrentamos los maestros que impartimos estadstica, aparte de la motivacin, son las habilidades matemticas con las que cuentan los estudiantes. Particularmente, en el rea de la estadstica nos enfrentamos a errores como por 2 ejemplo, el confundir el clculo de ( f m2 ) por f m . En cuanto a las representaciones grficas, confunden mucho un polgono con una grfica acumulada (ojivas) y no se diga de las interpretaciones que tienen que dar sobre las grficas o las medidas de resumen, o en los conceptos de prueba de hiptesis. Son muchos los tipos de errores o los diferentes obstculos que nos encontramos en el aprendizaje de la estadstica, lo interesante aqu es saber identificar qu tipo de obstculos se presentan para poder abordar esta problemtica. Afortunadamente existen ya investigaciones y asociaciones que trabajan en esta direccin, tales como la IASE (International Association for Statistical Education) o la revista The Journal of Statistics Education, por mencionar algunas, que intentan apoyar al docente, no solo con material didctico para esta rea, sino que adems permiten la difusin de investigaciones sobre las dificultades y errores que cometen los estudiantes en la interpretacin de los contenidos de estadstica. En Batanero y colaboradores [1] se exponen algunas de estas dificultades que experimentan los estudiantes, asimismo, hacen referencia sobre algunas concepciones tericas que debemos tomar en cuenta los docentes a la hora de detectar estos errores conceptuales. Este trabajo no trata de profundizar sobre tales concepciones tericas, pero s propiciar una reflexin en la comunidad de profesores de estadstica sobre las posibles implicaciones que podra provocar en los estudiantes la falta de unanimidad en el clculo de percentiles por parte de los textos de estadstica, as como tambin en algunos paquetes estadsticos y entre los mismos profesores que impartimos tales cursos.

91

Se mostrarn en particular algunas maneras de obtener los cuartiles para datos no agrupados por partes de distintos autores de textos estadsticos, as como tambin, los resultados obtenidos para estos valores usando SPSS, STATA y EXCEL.

2. La experiencia en clase
Cuando se habla de implicaciones en este trabajo, se refiere a la incertidumbre que provoca en los estudiantes el realizar estos clculos y confiar o no en el resultado obtenido, y esto surge precisamente del comentario de un alumno en una clase de estadstica cuando se estaba tratando el tema de los cuartiles: maestra, una compaera de otro grupo tiene otro procedimientos para calcular los cuartiles, cul es el correcto? Al explicarles precisamente que existe una discrepancia para el clculo de los cuartiles entre diferentes autores de texto de estadstica surgieron comentarios como: quiere decir que para un mismo grupo de datos puede haber cuartiles diferentes, dependiendo del procedimiento que se utilice.?. Al afirmarlo y mencionar que tales procedimientos arrojan valores aproximados, algunos alumnos ponen cara de desconcierto. Esto se debe a que hay alumnos que s aceptan la idea de que pueda existir ms de un procedimiento para calcular los cuartiles. Pero ellos esperaran que tales procedimientos arrojaran los mismos resultados. Esta situacin es precisamente la que se pone de manifiesto en este documento. Ya que quizs no sea un problema el que existiera ms de un procedimiento para el clculo de cuartiles, el detalle est en que tales procedimientos arrojan resultados diferentes. Tal situacin quizs no sea significativo para algunos maestros, e incluso para ciertos autores de textos en este campo, ya que muy poco se comenta al respecto. En Navidi [2] se hace el siguiente comentario: Existen diferentes formas de calcular cuartiles, pero todos dan aproximadamente el mismo resultado. Con respecto al software se comenta: algunos software usan mtodos ligeramente diferentes para calcular cuartiles, por lo que sus resultados no pueden ser exactamente los mismos que los obtenidos por el mtodo que aqu se describi. lvarez [3] tambin expone lo siguiente: Hay discrepancias en el clculo de los percentiles entre distintos autores Ms adelante, en una apartada titulado: Discrepancia en el clculo de percentiles, lvarez comenta: Sorprende que en una cosa aparentemente tan sencilla como el clculo de percentiles no haya unanimidad de clculo entre los diferentes autores, por eso el valor de un determinado percentil de un conjunto de datos puede ser diferente si se utiliza distintos programas informticos. lvarez tambin hace referencia a el software estadstico, que es otro aspecto por comentar, ya que al hacer uso de esos recursos para los anlisis estadsticos, se presentan precisamente esas discrepancias cuando se le pide a los alumnos que calculen los cuartiles y el diagrama de caja en algunos paquetes como SPSS, STATA o simplemente en EXCEL, los tres muestran para un mismo conjunto de datos valores diferentes para Esto, de alguna manera confunde a los estudiantes. En Schuyten [4] refiere que la diferencia entre el conocimiento declarativo de un concepto y el procedimiento utilizado para su clculo puede ser un problema para los estudiantes. Incluso hace referencia a la mediana, y seala que los alumnos

92

tienen dificultades en aceptar que existan diferentes procedimientos y con resultados diferentes para un mismo concepto.

3. Forma de encontrar la posicin de los cuartiles para datos no agrupados en algunos textos y software estadsticos
La definicin de los cuartiles es presentada de manera muy similar en la mayora de los textos de estadstica. Berenson y Levine [5] los exponen as: El primer cuartil, Q1 , es un valor tal que 25.0% de las observaciones son menores y 75.0% de las observaciones son mayores. El segundo cuartil, Q2 , es la mediana, 50.0% de las observaciones son menores y 50.0% de las observaciones son mayores. El Tercer cuartil, Q3 , es un valor tal que el 75.0% de las observaciones son menores y 25.0% son mayores. Al igual que la mayora de los textos de estadstica, exponen las siguientes expresiones para encontrar la posicin de los cuartiles para datos no agrupados: Q1 = valor correspondiente a n 1 observacin clasificada 4 2(n 1) n 1 Q2 = mediana, valor correspondiente a observacin clasificada, 4 2 3(n 1) Q3 = valor correspondiente a , observacin clasificada. 4 Para encontrar los cuartiles plantean las siguientes reglas: 1. Si el punto de posicionamiento resultante es un entero, se elige la observacin numrica particular correspondiente a ese punto de posicionamiento para el cuartil. 2. Si el punto de posicionamiento resultante est a la mitad del camino entre dos enteros, se selecciona el promedio de sus valores correspondientes. 3. Si el punto de posicionamiento no es ni un entero ni un valor a la mitad del camino entre dos enteros, se usa una regla simple para aproximar el cuartil particular que consiste en redondear al punto de posicionamiento entero ms cercano y seleccionar el valor numrico de la observacin correspondiente. Retomando los datos que presentan como ejemplo: 4.9, 6.3, 7.7, 8.9, 10.3 y 11.7, 6 1 Q1 1.75ta 2da observacin clasificada, es decir, Q1 =6.3. La posicin para la 4 6 1 mediana sera: Q2 3.5ta , de modo que, segn las reglas especificadas, el valor de la 2 7.7 8.9 mediana ser el promedio del 3er y 4to valor, de modo que: Q2 8.30 . Por 2 3(6 1) ltimo, la posicin para el tercer cuartil es, Q3 5.25ta 5ta observacin 4 clasificada, esto es, Q3 10.30 . Como se puede observar, Berenson y Levine presentan una manera sencilla de encontrar los cuartiles.

93

P para localizar 100 cualquier punto percentil, en donde n es el nmero de observaciones y P representa el percentil que se busca. Se puede observar que, para el caso particular de los cuartiles, la frmula expuesta por Lind es exactamente igual a lo expuesto por Berenson. La diferencia aqu radica en la regla para localizar el punto percentil una vez obtenido el resultado de la frmula. Veamos el ejemplo que presentan Lind y colaboradores: suponga que un conjunto de datos contiene los seis valores: 91, 75, 61, 101, 43 y 104. Busca localizar el primer cuartil. Ordene los valores de menor a mayor: 43, 61, 75, 91, 101 y 104. El primer cuartil se localiza en P 25 L25 (n 1) (6 1) 1.75 100 100

Por su parte, Lind y colaboradores [6] exponen la expresin L p (n 1)

La frmula de localizacin indica que el primer cuartil se localiza entre el primero y segundo valores, que representa 0.75 de la distancia entre el primero y segundo valores. El primer valor es 43 y el segundo 61. De esta manera, la distancia entre estos valores es 18. Al localizar el primer cuartil, necesita desplazarse una distancia de 0.75 entre el primero y segundo valores; as, 0.75(18)=13.5. Para completar el procedimiento, sume 13.5 al primer valor e indique que el primer cuartil es 56.5 Se hace la aclaracin que para el caso en donde la frmula arroja un valor entero, Lind usa el mismo criterio que Berenson para encontrar la posicin del cuartil. Mientras que Lind hace una especie de interpolacin lineal, William Navidi expone estos conceptos de la siguiente forma: Existen diferentes formas de calcular cuartiles, pero todos dan aproximadamente el mismo resultado. El mtodo ms simple cuando se calcula manualmente es el siguiente: Sea n el tamao de la muestra. Ordene los valores de la muestra del ms pequeo al ms grande. Para encontrar el primer cuartil, calcule el valor 0.25(n+1). Si ste es un entero, entonces el valor de la muestra en esa posicin es el primer cuartil. Si no, tome entonces el promedio de los valores de la muestra de cualquier lado de este valor. El tercer cuartil se calcula de la misma manera, excepto que se usa el valor 0.75(n+1). El segundo cuartil usa el valor 0.5(n+1). El segundo cuartil es idntico a la mediana. Ahora bien, si calculramos el primer cuartil para el ejemplo que presenta Lind usando el 43 61 procedimiento de Navidi, tendramos que Q1 52 , mientras que con la regla de 2 Berenson, ste dara el valor de 61. Tenemos entonces tres valores diferentes: 56.5, 52 y 61 para el primer cuartil de un mismo conjunto de datos. Supongamos que los valores que se presentan en el ejemplo de Lind fueran puntajes en un examen de admisin, y que se decidiera elegir a todos aquellos que estn por arriba del primer cuartil. Obviamente se tendra que decidir tambin la regla para elegir la posicin del cuartil, ya que, segn la regla de Berenson, se elegiran todos los que estn por arriba de 61 sin incluir al 61. Por lo que respecta a Lind y Navidi entraran todos los que estn por arriba de 56.5 y 52 respectivamente, conjunto que si incluira al valor de 61. Antes de pasar al software estadstico, se describir un procedimiento ms que se encuentra en Kazmier [7]. Al igual que en los casos anteriores, se expondr exclusivamente la expresin

94

para los cuartiles: C1 ( primer cuartil ) X [( n / 4)(1/ 2)] , C2 (segundo cuartil ) X [( 2n / 4)(1/ 2)]
C3 (tercer cuartil ) X [( 3n / 4)(1/ 2)]

Como se puede observar, la discrepancia con Kazmier consiste en el procedimiento, no en los criterios para elegir la posicin de los cuartiles. Por la estructura de la frmula, sta siempre dar un valor entero o un valor entre la mitad de dos enteros. En caso de dar un valor entero, Kazmier al igual que los dems elige el dato que se encuentra en esa posicin para el cuartil. En caso contrario, elige el promedio de los dos valores enteros. Dependiendo de la cantidad de datos, los cuartiles pueden coincidir con los calculados por Berenson y si la cantidad de ellos es muy grande, se pude llegar a obtener valores muy aproximados entre ellos. Con respecto al software estadstico, veamos los resultados que presentan para los cuartiles para los datos presentado por Lind.
Estadsticos VAR00001 N Percentiles Vlidos Perdidos 25 50 75 6 0 56.5000 83.0000 101.7500

Tabla 1. Resultados SPSS

Tabla 2. Resultados STATA

Tabla 3. Resultados EXCEL

La Tabla 1 presenta los resultados hechos en el programa SPSS versin 15, la Tabla 2 son resultados obtenidos usando el software STATA versin 10.0, y la Tabla 3 los resultados en EXCEL. Se puede observar que los resultados obtenidos por SPSS coinciden con Lind y colaboradores, mientras que los valores que se presenta en STATA son los mismos resultados obtenidos por Berenson. Los procedimientos que hace Excel no son muy precisos y hay mucha confusin al respecto por parte de los alumnos.

3. Conclusin
Como se puede observar, son varios los criterios que se usan para encontrar la posicin de los cuartiles los cuales arrojan resultados diferentes, salvo la mediana. Y aunque estas discrepancias consistan en los resultados y no en lo conceptual, si es importante que la comunidad de maestros que impartimos cursos de estadstica pongamos un poco de atencin a esta situacin. Sabemos que es vlido que se pueda tener varios procedimientos para llegar a una solucin. Lo que confunde a los estudiantes es ver como dichos procedimientos no

95

convergen a un mismo resultado. Esta experiencia la hemos vivido algunos de nosotros en el saln de clase al exponer estos temas. A los alumnos no les queda muy clara esta falta de unanimidad y se quedan con cierta incertidumbre. Pese a las explicaciones que pudiramos dar, no aceptan muy bien el hecho de que haya varios procedimientos y que arrojen resultados diferentes para un mismo concepto. Hay dos situaciones ms que se observa en la enseanza de los cuartiles. Una de ellas es que los alumnos no aceptan que el resultado sea un valor que no existe entre los datos. Esto no solo pasa con los cuartiles, sino con cualquier otra medida de posicin. La otra situacin que se da entre algunos estudiantes es la falta de comprensin del mismo concepto de percentil. Se observa con regularidad entre ellos que confunden el resultado de la frmula para la posicin del cuartil con el valor mismo. Afortunadamente ya existen investigaciones relacionadas con la comprensin de este concepto (Mayn [8], Alcntara y Ros [9], Cobo y Batanero [10]), que quizs podran servir de apoyo para iniciar en nuestra comunidad un trabajo alrededor del la comprensin del concepto de percentil.

4. Referencias
[1] Batanero, C., Godino, J. D., Green, D. R., Holmes, P., Vallecillos, A. (1996). Errores y dificultades en la comprensin de los conceptos estadsticos elementales. Recuperado el 9/12/2009, de la direccin electrnica: http://www.ugr.es/~batanero/ARTICULOS/erroresestadis.doc [2] Navidi, W. (2006). Estadstica para ingenieros y cientficos. Mxico: McGraw-Hill Interamericana. [3] lvarez, R. (2007). Estadstica aplicada a las ciencias de la salud. Madrid: Daz de Santos. [4] Schuyten, G., Belgium, G. (1991). Statistical thinking in psychology and education. Recuperado el da 1/12/2009, de la direccin electrnica: a. http://www.stat.auckland.ac.nz/~iase/publications/18/BOOK2/B9-5.pdf [5] Berenson, M. L., Levine, D. M. (1996). Estadstica bsica en administracin, conceptos y aplicaciones. Mxico: Prentice Hall Hispanoamericana. [6] Lind, D. A., Marchal, W. G., Wathen, S. A. (2008). Estadstica aplicada a los negocios y a la economa. Mxico: McGraw-Hill Interamericana. [7] Kazmier, L. J. (1978). Estadstica aplicada a la administracin y a la economa. Mxico: McGraw-Hill Interamericana. [8] Mayn, S., Daz, C., Batanero, C. (2009). Students semiotic conflicts in the concept of median. Recuperado el da 1/12/2009, de la direccin electrnica: http://www.stat.auckland.ac.nz/~iase/serj/SERJ8(2)_Mayen.pdf [9] Alcntara, F., Ros, M de J. (). Significado y comprensin de las medidas de tendencia central. Un estudio de caso en estudiantes de educacin superior. Recuperado el da 2/12/2009, de la direccin electrnica: http://www.comie.org.mx/congreso/memoria/v9/ponencias/at05/PRE1178975300.pdf [10] Cobo, B., Batanero, C. (2000). La mediana en la educacin secundaria obligatoria: un concepto sencillo? Recuperado el da 2/12/2009, de la direccin electrnica: http://www.ugr.es/~batanero/ARTICULOS/MEDIANA.pdf

96

Importancia de la Lgica en la ense anza de o n demostraciones matemticas a

Carlos Arturo Loredo Villalobos Departamento de Matemticas a Universidad Autnoma Metropolitana Unidad Iztapalapa o r2ro.loredo@gmail.com Nivel Educativo: Medio Superior, Superior
Resumen Establecer la validez de una proposicin mediante una demostracin es parte de la vida o o cotidiana de un matemtico y la demostracin es la base del edicio matemtico. Dos a o a de las mayores dicultades que enfrentan los estudiantes de matemticas a lo largo a de su formacin son: entender las demostraciones escritas en algn libro y aprender a o u construir demostraciones por cuenta propia. En este trabajo proponemos que para sanar estas dicultades es necesaria una enseanza metodolgica de lgica matemtica. n o o a

1. Introduccin o
Muchos estudios coinciden en la necesidad de dotar al estudiante de matemticas de una a formacin lgica elemental (ver p. ej. [2],[4]) y en la dicultad que tienen para entender y o o realizar demostraciones (ver [3]). En matemticas interesan principalmente los argumentos a correctos basados en deducciones sistemticas. La lgica nos ayuda a construir proposicioa o nes, a evaluar su certeza y establece reglas espec cas de inferencia que permiten determinar cuando un razonamiento es correcto o incorrecto. Consideramos que para aprender a leer, entender y construir demostraciones, es necesario descomponer la prueba en una serie de pasos simples y observar las claves entre ellos. Como primer paso antes de realizar una demostracin o es importante conocer la forma lgica de la proposicin a demostrar. Este paso nos ayuda a o o elegir el mtodo de prueba ms apropiado y a distinguir tanto los posibles supuestos la(s) e a hiptesis como lo que se quiere probar la conclusin. Teniendo identicado lo anterior la o o prueba se construye utilizando los conocimientos espec cos del campo en el cual se presenta la proposicin y auxilindose de las reglas de inferencia para garantizar que los razonamientos o a aludidos sean vlidos. En el presente trabajo presentamos los elementos lgicos que, a nuestro a o juicio, son necesarios para un mejor entendimiento de una demostracin matemtica. o a

2. Elementos de lgica de enunciados o

Para la lgica el lenguaje es importante en tanto sistema semitico. Las leyes lgicas garano o o tizan que si ciertas expresiones ling usticas son verdaderas, entonces algunas otras tambin e sern verdaderas y esto depender slo de como estn estructuradas, i.e. de su forma lgia a o a o ca. Se hacen entonces necesarios la existencia de un lenguaje formal adecuado y un anlisis a 1 IL

97

lgico-semntico. En matemticas, las pruebas formales son el resultado de sistemas formales, o a a consistentes de un lenguaje formal, de axiomas y de reglas de deduccin. A grandes rasgos o un lenguaje formal consiste de un conjunto de s mbolos iniciales y de reglas de formacin. La o estructura del lenguaje formal del clculo de enunciados, abreviado LCE , consiste de a 1. Letras enunciativas: P, Q, R, . . . o Pi , Qi , Ri . . . (i N) 2. Conectivos lgicos: o negacin, & conjuncin, disyuncin, condicional, bicondicional o o o Con los conectivos construimos las expresiones lgicas: (A), (A&B), (A B), (A B) o y (A B), llamadas formas enunciativas. Mediante LCE podemos escribir la forma lgio ca de muchas expresiones (vase p. ej. [4]). Los siguientes ejemplos, propios del lenguaje e matemtico, lo ilustran. a Ejemplo 1. Si una funcin f es continua en un intervalo y no tiene ceros en l, entonces o e f (x) > 0 o bien f (x) < 0. Sean: P f es continua en un intervalo, Q f tiene ceros en el intervalo, R f (x) > 0, S f (x) < 0 Forma Lgica: (P&Q) (R S) o Ejemplo 2. Dos rectas que no son verticales, son paralelas si y slo si tienen la misma o pendiente. Consideremos los enunciados: P dos rectas son verticales, Q las dos rectas son paralelas, R las dos rectas tienen la misma pendiente Forma lgica: P (Q R) o 2.1. Leyes lgicas o Los conectivos lgicos de LCE pueden caracterizarse semnticamente por medio de las llao a madas tablas de verdad, que se aprenden en un curso de lgica elemental. Cualquier forma o enunciativa tiene un valor de verdad que depender de los valores de verdad de los enunciados a que lo constituyen. La verdad o falsedad de un enunciado depende de la interpretacin que o se le den a las letras enunciativas. En lgica interesan aquellas formas enunciativas que son tautolgicas. Se llama tautolog a o o a una forma enunciativa que toma siempre el valor de verdad verdadero, sean cuales sean los valores de verdad de las letras enunciativas que en ella aparecen. Se representa con el s mbolo . Desde un punto de vista semntico, en la demostracin de una proposicin se debe hacer a o o ver que dicha proposicin es consecuencia lgica de ciertas hiptesis u otras proposiciones. o o o El concepto de consecuencia lgica es fundamental para la lgica y debe ser importante en o o la base de conocimientos del estudiante de matemticas. a Denicin 1 (Consecuencia lgica). Dadas dos formas enunciativas A y B, se dice que B es o o consecuencia lgica de A, que se denota A B, si la implicacin (A B) es una tautolog o o a. Denicin 2 (Equivalencia lgica). Dadas dos formas enunciativas A y B se dice que son o o lgicamente equivalentes, denotado A B, si el bicondicional (A B) es una tautolog o a. Algunas tautolog son sumamente importantes y reciben el nombre de leyes lgicas. Es as o importante que los estudiantes conozcan y memoricen algunas de ellas.
98

101

1. 2. 3. 4. 5.

Identidad: A A Tercero excluso: A A No contradiccin: (A&A) o Doble negacin: A A o Importacin/exportacin: o o ((A&B) C) (A (B C))

6. Transitividad: ((A B)&(B C)) (A C) 7. Contraposicin: (A B) (B A) o 8. Modus ponens: ((A B)&A) B 9. Modus tollens: ((A B)&B) A

Tabla 1. Algunos ejemplos de leyes lgicas o

2.2. Inferencia lgica o Muchos estudiantes de matemticas no siempre tienen claro si los argumentos a los que a aluden en una prueba son correctos o no, es por ello necesario contar con un conocimiento m nimo sobre inferencia lgica. A el proceso de inferir una proposicin B llamada conclusin o o o de ciertas proposiciones dadas A1 , A2 , . . . , An llamadas premisas se le conoce como razonamiento y se representa por lo general de forma esquematica del modo siguiente: A1 A2 . . . An B Las reglas de inferencia son reglas de razonamiento con las cuales deducimos una conclusin correcta. Un razonamiento es vlido o correcto cuando, si sus premisas son verdaderas, o a entonces necesariamente lo es tambin su conclusin. Las inferencias son importantes pues e o permiten deducir una proposicin a partir de otras proposiciones aceptadas o previamente o demostradas como verdaderas. Ahora bien, es conveniente aclarar lo siguiente: una ley y una regla son lo mismo, slo que dicho de dos maneras distintas. Una ley es la forma enunciativa o de un esquema vlido de inferencia, mientras que una regla es el enunciado de una instruca cin para realizar una inferencia vlida. Por ejemplo la ley o regla del modus ponens puede o a escribirse: Ley (tautolog a): ((P Q)&P) Q Regla de inferencia: PQ P Q

La primera expresin es la forma enunciativa de dicha ley o regla, mientras que la segunda es o una instruccin que puede ser enunciada de la siguiente manera: si tomamos como premisas o un condicional y su antecendente podemos inferir el consecuente como conclusin. o 2.3. El condicional En matemticas muchas armaciones son expresadas mediante condicionales. Los estudiantes a llegan a presentar dicultades en el manejo verbal y conceptual del condicional. Al menos debe ser claro para ellos lo siguiente, dado como condicional base A B, existen tres condicionales asociados:

99 101

Rec proco. B A. Contrario. A B. Contrapuesto. B A. De estos, unicamente el contrapuesto es lgicamente equivalente al condicional base. o

3. Elementos de lgica de predicados o

Existen muchas expresiones que no pueden traducirse a LCE , por eso se hace necesario contar con un lenguaje ms complejo: el clculo de predicados LCP . La lgica de predicados supone a a o una extensin del anlisis lgico formal a travs del examen lgico de la estructura de los o a o e o enunciados. A grandes rasgos la lgica de predicados una lgica de predicados puros proo o piamente dicho esta compuesta por tres elementos: los trminos (nombres de objetos), los e predicados (propiedades de los trminos) y los cuanticadores: universal () y existencial (). e (Consltense [1] y [6] para ms detalles). u a Ejemplo 3. El enunciado, todos los nmeros primos a excepcin del 2 son impares, traduu o cido a LCP quedar a: x((P(x)&Q(x, 2)) R(x)) donde x Z, P(): es primo, Q(, ): es igual a y R(): es impar. La formalizacin y anlisis de predicados supone un tratamiento exhaustivo, sin embargo o a consideramos que los estudiantes deben conocer al menos lo siguiente: la caracterizacin o semntica, la negacin de los cuanticadores y algunas reglas universalmente vlidas. a o a 3.1. Caracterizacin semntica de los cuanticadores o a x A(x) es v x A(x) es f x A(x) es v x A(x) es f
Dfn Dfn Dfn Dfn

A(x0 ) es v sea cual sea x0 A(x0 ) es f para algn x0 u A(x0 ) es v para algn x0 u A(x0 ) es f sea cual sea x0

donde A(x0 ) es una instancia (de sustitucin) de A(x) y x0 es un elemento del dominio de o denicin de la variable x. o 3.2. Negacin de los cuanticadores o ( x A(x))
Dfn

x A(x);

( x A(x))

Dfn

x A(x)

3.3. Frmulas universalmente vlidas o a Hacemos hincapi en tres frmulas: e o (xA(x)) ((xA(x))); (xA(x)) ((xA(x))); xyA(x) yxA(x)

de las cuales la ultima nos dice que los cuanticadores universal y existencial no son con mutativos en ambos sentidos. Por ejemplo, la propiedad del inverso aditivo del campo de los nmeros reales ilustra este hecho. u

100

101

4. Sobre los mtodos de prueba e

Hemos hablado hasta el momento de la importancia de ciertos aspectos lgicos en la conso truccin de una demostracin. En general no existe un procedimiento unico para realizar una o o demostracin nos referimos en este caso a las demostraciones deductivas , pero conocer la o forma lgica de una proposicin nos da idea de cual es el mtodo de prueba ms apropiado. o o e a Mencionamos brevemente slo dos mtodos: directo y reduccin al absurdo, por considerarlos o e o signicativos en el entrenamiento del pensamiento matemtico (ver [5]). a 4.1. Mtodo directo e Consiste en suponer verdadera la forma lgica de las premisas y a partir de ello llegar a o establecer que entonces la forma lgica de la conclusin tambin es verdadera. Si la forma o o e lgica de la proposicin es un condicional A B, la estrategia recomendada es encontrar o o una sucesin nita de pequeas implicaciones verdaderas de la forma: o n A1 A1 A2 A2 A3 . . . An B B con A1 A. Cuando A es verdadera se debe tener que A B es verdadera, luego por la regla de inferencia modus ponendo ponens, B es verdadera, que es lo que deseamos. Ejemplo 4. Demostrar la siguiente proposicin: dados dos nmeros racionales x y y tales o u que x < y, existe un nmero racional z entre ellos. u Anlisis de la demostracin. La forma lgica de la proposicin es: a o o o xy (P(x, y) z(P(x, z)&P(z, y))) donde x, y, z Q y P(, ): es menor que . La presencia de cuanticadores universales nos indica que debemos elegir arbitrariamente dos nmeros racionales x, y y con ellos mostrar que u el condicional es verdadero. Si procedemos por el mtodo directo debemos suponer que P(x, y) e es verdadera, i.e. x < y, y debemos concluir que existe un z Q tal que P(x, z)&P(z, y), i.e. existe un z Q tal que x < z y z < y. La presencia del cuanticador existencial nos indica que debemos exhibir o construir un cierto objeto matemtico que satisfaga, en este caso, las a propiedades P(x, z) y P(z, y). Demostracin. (por el mtodo directo). Sean x y y dos nmeros racionales tales que x < y. o e u r p r p Entonces x = y y = , con p, q, r, s Z y q, s = 0, tales que < . Entonces q s q s 2r p r + < q s s Anlogamente a p s r + q s s q q < 2r s ps + rq r < 2qs s

p ps + rq < q 2qs
101

u Obsrvese que ps + rq Z y sq = 0, por lo tanto, haciendo u = ps + rq, v = sq y z = se e v tiene x < z < y. 4.2. Reduccin al absurdo o El mtodo de reduccin al absurdo de una proposicin A consiste en establecer que la negacin e o o o de A, lleva a un absurdo: (C&C). Si se muestra que A implica tal contradiccin, entonces o en virtud de que (C&C) siempre es falsa, se concluye que A tambin es falsa. En el caso e particular de que la forma lgica de una proposicin sea un condicional A B, el mtodo o o e de reduccin al absurdo comienza por suponer que A y B , y por medio de una sucesin de o o pasos lgicamente vlidos, se llega a una proposicin contradictoria. o a o Ejemplo 5. Queremos probar la siguiente proposicin: para cualesquiera nmeros reales o u a, b, si a b = 0 entonces a = 0 b = 0. o Anlisis de la demostracin. La forma lgica de la proposicin es: a o o o ab(P(f (a, b), 0) (P(a, 0) P(b, 0))) donde a, b R, P(, ): es igual a , f (, ) : . Obsrvese que el conectivo principal es e un condicional. Si procedemos por reduccin al absurdo, debemos suponer que P(f (a, b), 0) o es verdadera y adicionalmente que (P(a, 0) P(b, 0)) es falsa, i.e.: (P(a, 0) P(b, 0)) P(a, 0)&P(b, 0) Demostracin. Sean a, b R, supongamos que a b = 0 y que a = 0 y b = 0 (hiptesis o o 1 adicional de reduccin al absurdo). Como a = 0 entonces existe a . Por hiptesis a b = 0 o o a1 a b = a1 0 1b=0 b=0 Pero esto contradice la suposicin de que b = 0. Por lo tanto a = 0 o b = 0. o

5. Conclusiones
En general no hay recetas para construir una demostracin matemtica. Sin embargo, soso a tenemos que el contar con una metodolog de lgica matemtica permite a los estudiantes a o a entender y elaborar mejor las demostraciones.

6. Bibliograf a
[1] Deao, A. (1990). Introduccin a la lgica formal. Madrid. Alianza Universidad Textos. n o o [2] Epp, S. (2003) The role of logic in teaching proof. The American Mathematical Monthly, vol. 110, no. 10, 886-899. [3] Moore, R. (1994). Making transition to formal proof. Educational Studies in Math., 27, 249-266. [4] Snchez, J. (1993). Forma lgica: Aspectos metodolgicos. Contactos, Nva. poca, 10, 50 61. a o o e [5] Solow, D. (2008). Introduccin al razonamiento matemtico. Mxico. Limusa. o a e [6] Suppes, P. y Hill, S. (2004) Introduccin a la lgica matemtica. Mxico. Revert. o o a e e

102

Propuesta del Diseo de una Secuencia Didctica para la Enseanza y el Aprendizaje del Objeto Matemtico Potencia
Jess Manuel Duarte Snchez, Jos Luis Daz Gmez Departamento de Matemticas Universidad de Sonora
Email: jesusm_duarte@hotmail.com; jdiaz@gauss.mat.uson.mx

Nivel educativo: Medio superior Resumen

Un fenmeno didctico, detectado en la enseanza aprendizaje del lgebra en el bachillerato, es la falta de significado de los estudiantes en torno al objeto matemtico potencia. Para abordar esta problemtica, hemos diseado una secuencia didctica a travs del anlisis didctico (Gmez, 2002). Con sta, se pretende coadyuvar en la solucin de las dificultades y errores reportados en investigaciones acerca del concepto Potencia; promover algunas competencias de la RIEMS (SEP, 2008) y fomentar el significado del concepto Potencia como una herramienta para la resolucin de problemas.

1. Introduccin
Un fenmeno didctico que se presenta en la enseanza y el aprendizaje de las matemticas, es la falta de significado por parte de los estudiantes en los objetos matemticos que se estudian en los diferentes sistemas educativos. Actualmente, hemos identificado la problemtica en torno al objeto matemtico potencia, donde se percibe la falta de significado en los estudiantes, debido a su introduccin a la enseanza como una herramienta facilitadora de operaciones en un acercamiento bsicamente aritmtico y algebraico. Lo cual se pone de manifiesto cuando se utiliza este objeto en los diferentes cursos donde se requiere la manipulacin significativa de expresiones algebraicas. La cual ha sido estudiada por diversos investigadores que sustentan los errores y dificultades que presentan los alumnos. Con base en la problemtica detectada, se realizar la propuesta de una secuencia didctica para la enseanza aprendizaje de este objeto matemtico apoyndonos en el Anlisis Didctico (Gmez, 2002) como metodologa de investigacin para llevar a cabo el diseo de nuestra propuesta de secuencia didctica.

1.1 Propsitos
El objetivo general es disear una propuesta de Secuencia Didctica a travs del Anlisis didctico para la enseanza y el aprendizaje del objeto matemtico Potencia para estudiantes de primer semestre de bachillerato en la asignatura lgebra. Los objetivos especficos son: Coadyuvar a la solucin de las dificultades y errores que se reportan en torno del concepto Potencia; Promover algunas competencias de la RIEMS y promover el significado del concepto Potencia como una herramienta para la resolucin de problemas.

103

2. Justificacin
Existen diferentes investigaciones en torno a la enseanza y el aprendizaje de los exponentes (potencia) que sustentan la presencia de algunos errores y dificultades, que presentan los alumnos cuando se pone en juego el uso de esta herramienta (potencia). En este trabajo en concreto, revisamos las investigaciones realizadas por: Dolores, Martnez, Farfn, Carrillo, y Lpez (2007), quienes encontraron que en el bachillerato, la nocin de potencia es manejada en el contexto algebraico como una

mediante ejercicios en los que se realizan transformaciones de expresiones algebraicas, es decir tratamientos en el registro analtico.

a a a a a n donde, esta definicin se introduce multiplicacin reiterada. Es decir, n veces

Ferrari (2001), manifiesta que la enseanza de estructuras multiplicativas para introducir la potencia, se convierte en un obstculo para la aprehensin de otros conceptos por parte de los alumnos, cuando se trabaja con exponentes en el dominio de los nmeros naturales mayores que 1. Por su parte, Martnez (2000), enumera varios fenmenos didcticos que fueron detectados en la investigacin de Lezama (1999) con estudiantes de secundaria, bachillerato y nivel superior entre los que destaca la falta de argumentos para justificar las potencias, cero, uno negativas y fraccionales. Curricularmente, se ha tratado de subsanar la presencia de los fenmenos anteriormente citados mediante la implementacin de Reformas en los diferentes niveles educativos. Con el propsito de conocer ms sobre estas reformas, analizamos la Reforma 2006 para Secundaria (RES), por ser el nivel precedente al cual estamos enfocando nuestro trabajo y la Reforma Integral en la Educacin Media Superior 2008 (RIEMS) con el propsito de tener los referentes tericos en la enseanza y el aprendizaje en ambos niveles educativos.

3. Marco terico
En este trabajo, utilizaremos el Anlisis Didctico (Gmez, 2002) como metodologa de investigacin para llevar a cabo el diseo de nuestra propuesta de secuencia didctica. Este anlisis, es una conceptualizacin del nivel local de la planificacin de un tema matemtico especfico. En este nivel, el profesor debe considerar la complejidad del contenido matemtico y contemplar tanto los diferentes significados de las matemticas como la diversidad en su enseanza. De hecho, la negociacin y construccin de estos mltiples significados por parte de los alumnos, debe ser uno de los propsitos centrales de la interaccin en el aula cuando el profesor propone las actividades didcticas. En el contexto concreto de la planificacin de una hora de clase o del diseo de una secuencia didctica, el profesor puede organizar la enseanza basndose en cuatro anlisis que sustentan el Anlisis didctico: Anlisis de contenido; Anlisis cognitivo; Anlisis de instruccin y Anlisis de actuacin.

4. Diseo de la Secuencia Didctica (Aplicacin del Anlisis Didctico)

104

4.1 Anlisis de contenido

El ciclo del anlisis didctico inicia, ubicando el contenido matemtico de estudio (concepto Potencia) como parte de la asignatura lgebra del primer semestre de la Direccin General de Educacin tecnolgica Industrial (DGETI), dependiente de la Subsecretara de Educacin Media Superior vigente a la fecha bajo el nombre de leyes de los exponentes. Los objetivos que pretendemos coadyuvar con nuestra secuencia son parte del propsito general de la asignatura lgebraDesarrollar la capacidad del razonamiento matemtico haciendo uso del lenguaje algebraico, a partir de la resolucin de problemas de la vida cotidiana, dentro y fuera del contexto matemtico, representados en modelos donde se aplican conocimientos y conceptos algebraicos, en un clima de colaboracin y respeto (SEMS, 2009). Para iniciar el estudio del objeto matemtico Potencia, analizamos la propuesta del lgebra escolar impartido a maestros de escuelas secundarias y preparatorias (Wu, 2005) y la estructura propuesta en el libro de texto recomendado por el subsistema (DGTI) para la enseanza y el aprendizaje del lgebra. (Acosta, 2006).

4.2 Anlisis Cognitivo

En el anlisis cognitivo, el profesor debe describir las hiptesis acerca de cmo los estudiantes pueden progresar en la construccin de su conocimiento sobre la estructura matemtica cuando se enfrenten a las tareas de las actividades de enseanza y aprendizaje. Para concretar este anlisis, diseamos la tabla 1 que nos ayuda a establecer la forma en la que ciertas capacidades contribuyen al logro de las ocho competencias ver tabla 1. Por lo tanto, este procedimiento nos permite organizar la informacin sobre el desarrollo matemtico de los estudiantes con respecto a un tema especfico concepto Potencia antes y despus de la instruccin. Tabla 1
Capacidades o sub-competencias para la conceptualizacin del objeto matemtico potencia.
Capacidades o sub-competencias Competencias 4 5 6 1 Construye y establece distintas representaciones de la potencia. C1 C2 C3
1. 2. 3. 4. 5. 6. 7. 8.

Identifica las principales variables (base y el exponente) de una situacin problema, construye tablas y organiza la informacin. Elabora diagramas que describen la situacin problema con sus principales variables. Establece las relaciones que mejor se ajustan al comportamiento de las variables registrado en las tablas y diagramas.

x x x

x x x

Competencias disciplinares matemticas (SEP, 2008) Construye e interpreta modelos matemticos deterministas o aleatorios mediante la aplicacin de procedimientos aritmticos, algebraicos, geomtricos y variacionales, para la comprensin y anlisis de situaciones reales o formales. Propone, formula, define y resuelve diferentes tipos de problemas matemticos buscando diferentes enfoques. Propone explicaciones de los resultados obtenidos mediante procedimientos matemticos y los contrasta con modelos establecidos o situaciones reales. Argumenta la solucin obtenida de un problema, con mtodos numricos, grficos, analticos y variacionales, mediante el lenguaje verbal y matemtico. Analiza las relaciones entre dos o ms variables de un proceso social o natural para determinar o estimar su comportamiento. Cuantifica, representa y contrasta experimental o matemticamente magnitudes del espacio que lo rodea. Elige un enfoque determinista o uno aleatorio para el estudio un proceso o fenmeno, y argumenta su pertinencia. Interpreta tablas, grficas, mapas, diagramas y textos con smbolos matemticos y cientficos.

4.3 Anlisis de Instruccin

105

En este anlisis, el profesor disea, analiza y selecciona las tareas que constituirn las actividades de enseanza y aprendizaje objeto de la instruccin

4.4 Anlisis de actuacin

El anlisis de actuacin debe basarse en el anlisis de la actuacin de los escolares al abordar las tareas y al interactuar con los compaeros y con el profesor (Gmez, 2005). En este apartado, presentamos un anlisis de las actuaciones de un estudiante con la primera versin de una actividad (pilotaje) que forma parte de las tareas que conforman la instruccin (secuencia didctica) con el propsito de ilustrar la aplicacin del Anlisis Didctico. Tarea 1. Problema 1. Una persona se entera de un secreto y a las 10 de la maana, lo cuenta a sus tres mejores amigos pidindoles que lo mantengan en secreto. Diez minutos despus stos rompen el pacto de confianza contndoselo cada una a otros tres ntimos amigos. Si este secreto fuera contado de este modo, siempre cada diez minutos y a tres nuevos amigos que no lo conocan. Considerando que en Hermosillo, Sonora hay 768954 habitantes. A qu horas estarn todos enterados? Estudiante 1. Para iniciar el proceso de resolucin de la situacin problema que se le presenta, este estudiante, elabora un diagrama para simular dicha situacin. En este diagrama, incluye cuatro intervalos de tiempo (forma en que se cuenta el secreto) en el sistema de representacin numrico y el total de personas que se enteran del secreto en el mismo registro de representacin (ver figura 1).

Consideramos importante comentar que este estudiante no consider a la persona que cuenta el secreto por primera vez e inicia el diagrama en el segundo intervalo de tiempo. Pero, posteriormente se percata del error y hace la rectificacin en un segundo diagrama (ver figura 2). Para continuar con la resolucin del problema, nuevamente realiza un tratamiento en dicho registro de representacin (diagrama) y en las primeros cuatro intervalos de tiempo el estudiante utiliza figuras (crculos y cuadros) para representar el nmero de personas que se enteran exactamente a una hora determinada (ver figura 2) mientras que en el resto de los intervalos solo utiliza nmeros. Es decir, el estudiante presenta dificultades para seguir simulando el fenmeno en el mismo registro de representacin por lo que se ve en la necesidad de realizar una conversin al registro numrico que le permite seguir avanzando en dicho proceso de resolucin.

Figura: 1

Para seguir avanzando en vas de llegar a la solucin del problema, el estudiante realiza una conversin de la representacin semitica figural (diagrama) a la elaboracin de

Figura: 2

106

una tabla (registro de representacin numrico tabular). En esta tabla, incluye dos columnas, en la primera incluye los intervalos de tiempo y la etiqueta con hora (conversin), y en la segunda el total de personas que se enteran a una hora determinada (ver figura 3).

Nota: Fue necesario que el profesor le pidiera al estudiante que examinara detalladamente el reactivo 7 (ver figura 4) para poder arribar a la institucionalizacin del conocimiento que se haba puesto en juego.

Figura:3

Una vez que el estudiante hizo lo anterior, se le pregunt que si podra expresar matemticamente de otra manera 3x3. Y el estudiante regres nuevamente a decir que 3x3=9. Para poder continuar, se le pregunt que si poda abreviar la operacin que tena en la tabla pero que en la abreviacin se tena que incluir el 3 (base). Con el propsito que el estudiante lograra una estructuracin de sus conocimientos y lograra dar el salto a la nocin de exponente. Que era lo que estbamos tratando de promover en este momento del problema.

Figura: 4

4.5 Capacidades que el estudiante 1 puso en juego al abordar el problema

Tomando como referencia la tabla 1 de capacidades y competencias que estamos tratando de promover con las actividades que conforman las tareas, consideramos que este estudiante esta en grandes posibilidades de lograr las siguientes capacidades.
Capacidades C1 C2 C5 C6 C8 C13 C16 Competencias 1 2 3 4 x x x x x x x x x x 5 x x 6 7 8

4.6 Los caminos de aprendizaje seguidos por el estudiante uno

C13 C8 C2 C1 C5 C6 C16

4.7 Dificultades que los estudiantes pueden encontrar al abordar las tareas
Este estudiante, present dificultades con el exponente cero y el exponente uno (ver figura 5), Pareciera que en el segundo rengln de la tercera columna el resultado es correcto (3), solo que la forma como se encuentra expresado (3x1) no corresponde a la situacin que

107

representa. Por otro lado, estos errores ya los habamos previsto como probables de cometer por parte de los estudiantes ya que se detectaron en las investigaciones que revisamos en torno a los exponentes Martnez (2000) y Ferrari (2001).

Para tratar de subsanar estas dificultades, se le pregunt al estudiante cuantas veces se haba contado el secreto a las 10:00; cuantas veces a las 10:10; etc., con el propsito de que ste, encontrara la relacin que existe entre el exponente y las veces que se cuenta el secreto.

Figura: 5

5. Conclusiones
En este pilotaje, detectamos y corregimos errores en la redaccin de la situacin problema y en las preguntas de algunos reactivos. Adems, con base en este pilotaje, tomamos la decisin de llevar a cabo una serie de replanteamientos, los cuales se le irn presentando a cada alumno, dependiendo de las dificultades que presente a la hora de resolver el problema.

6. Referencias
[1] [2] Acosta, S. R. (2006). lgebra. Mxico: Direccin General de Educacin Tecnolgica Industrial, SEP. Dolores, C., Martnez, G., Farfn, R. m., Carrillo, C., & Lpez, I. N. (2007). Naturaleza y significado de los exponentes. En MATEMTICA EDUCATIVA, Algunos aspectos de la socioepistemologa y la visualizacin en el aula (pgs. 123-130). Mxico: Daz de Santos. Ferrari Escol, M. (2001). Una Visin socioepistemolgica. Estudio de la funcin Logartmo. Tesis de maestra. Instituto Politcnico Nacional CINVESTAV. Mxico. Gmez, P. (2005). ANLISIS DIDCTICO EN LA FORMACIN INICIAL DE PROFESORES DE MATEMTICAS DE SECUNDARIA. 17. Gmez, P. (2002). DESARROLLO DIDCTICO DE LOS FUTUROS PROFESORES DE MATEMTICAS. PROYECTO PARA UNA TESIS. 10. Martnez Sierra, G. (2000). Hacia una explicacin sistmica de los fenmenos didcticos. El caso de las convenciones en el tratamiento de los exponentes no naturales . Tesis de maestra. Instituto Politcnico Nacional. CINVESTAV. Mxico. SEMS. (2009). Reforma curricular del Bachillerato tecnolgico. Recuperado el 25 de Julio de 2009, de Programas de estudio de las asignaturas del componente de formacin bsica y propedutica: http://www.dgeti.sep.gob.mx/site/lanzador.phtml?idcont=121 SEP. (2008). COMPETENCIAS GENRICAS Y EL PERFIL DEL EGRESADO DE LA EDUCACIN MEDIA SUPERIOR. SEP. (2006). Reforma de Educacin Secundaria. Recuperado el 23 de Febrero de 2009, de http://www.reformasecundaria.sep.gob.mx/matematicas. Wu, H.-H. (2005). Introduction to School Algebra(Draft). University of California, Department of Mathematics, #3840, Berkeley, CA 94720-3840.

[3] [4] [5] [6]

[7]

[8] [9] [10]

108

Aprendizaje ubicuo en la ense anza de las matemticas n a

Hctor Antonio Villa Mart e nez, Francisco Javier Tapia Moreno, Claudio Lpez Miranda o Departamento de Matemticas a Universidad de Sonora hvilla@gauss.mat.uson.mx, ftapia@gauss.mat.uson.mx, claudio@gauss.mat.uson.mx Nivel Educativo: Medio Superior y Superior
Resumen El aprendizaje ubicuo o u-learning benecia a los estudiantes porque les permite recibir instruccin personalizada a cualquier hora y en cualquier lugar donde puedan llevar o una computadora. A pesar de estos benecios existe una carencia de plataformas de aprendizaje ubicuo. En este art culo presentamos un panorama del aprendizaje ubicuo, de los principales retos que hay que resolver para su implementacin, proponemos que o se pueden resolver esos retos utilizando una red bayesiana y presentamos una de las escasas implementaciones de aprendizaje ubicuo en matemticas que se encuentra en a la literatura. Finalmente concluimos con nuestras futuras l neas de investigacin. o

1. Introduccin o
El aprendizaje ubicuo permite a un estudiante recibir instruccin personalizada en cualquier o lugar y a cualquier hora. Como tal, el aprendizaje ubicuo es la unin de dos sistemas de o enseanza. El primer sistema es el aprendizaje en l n nea personalizado, que permite al estudiante recibir instruccin individualizada y que t o picamente se lleva a cabo en una computadora de escritorio a travs de internet. El segundo sistema es el aprendizaje mvil que permite al e o estudiante recibir instruccin a cualquier hora y en cualquier lugar mediante una computao dora porttil y tecnolog de comunicaciones como Wi-Fi y GSM. a as T picamente, la implementacin de una plataforma de aprendizaje ubicuo se lleva a cabo o mediante una interface hombre-mquina que se adapte al nivel de conocimientos, habilidades a informticas, preferencias y a la plataforma computacional que est siendo empleada por el a e estudiante. Adicionalmente, la interface puede ayudar al estudiante realizando tareas como generar un plan de estudios apropiado, recomendaciones de material relevante, bsquedas u inteligentes y ayuda personalizada. A esta clase de interfaces hombre-mquina se les conoce a como interfaces adaptativas o interfaces inteligentes. El uso de una interface adaptativa en un ambiente de aprendizaje ubicuo incide positivamente en el aprendizaje del alumno porque le permite estudiar a cualquier hora, en cualquier lugar y desde cualquier computadora en un ambiente personalizado. As el estudiante puede concentrarse en el estudio de la asignatura, sin tener que perder tiempo buscando material relevante ni depender de sus habilidades informticas para utilizar la interface. a El objetivo de este trabajo es dar a conocer los principales retos de implementar una plataforma de aprendizaje ubicuo y los ejemplos disponibles en la literatura para la enseanza de n las matemticas. Para cumplir este objetivo, el resto de este trabajo est organizado como a a 1 II

109

sigue. La seccin 2 dene los conceptos bsicos del aprendizaje ubicuo. La seccin 3 discute o a o los problemas que hay que resolver para implementar una plataforma de aprendizaje ubicuo. La seccin 4 presenta un caso de estudio de la utilizacin del aprendizaje ubicuo en la o o enseanza de las matemticas. Finalmente, la seccin 5 presenta las conclusiones obtenidas n a o de la presente investigacin. o

2. Antecedentes
Esta seccin dene los conceptos de aprendizaje en l o nea personalizado (sub-seccin 2.1), o aprendizaje mvil (sub-seccin 2.2) y aprendizaje ubicuo (sub-seccin 2.3). o o o 2.1. Aprendizaje en l nea personalizado El aprendizaje en lnea (e-learning en ingls) se dene como la instruccin recibida en una e o computadora por medio de un CD-ROM, internet o intranet. Clark y Mayer [1] arman que el aprendizaje en l nea puede ser s ncrono o as ncrono. El aprendizaje en l nea s ncrono se realiza en tiempo real en un aula virtual y es conducido por el instructor. El as ncrono, por otra parte, est diseado para que el individuo estudie a su propio paso. Ambos formatos a n permiten el uso de aprendizaje colaborativo tales como wikis, grupos de discusin y correo o electrnico. o El aprendizaje en l nea tradicional ofrece a todos los estudiantes el mismo servicio sin tomar en cuenta sus conocimientos previos, metas, habilidades de comunicacin e intereses. Segn o u Shute y Towle [2] desde la dcada de los setentas se reconoci el impacto de las diferencias e o humanas en la educacin. Es decir, que una instruccin unitalla no satisface a todos los o o estudiantes y es necesario buscar nuevos paradigmas de enseanza tales como el aprendizaje n en l nea personalizado. El aprendizaje en lnea personalizado (adaptive e-learning) ofrece una solucin a este prob o lema mediante la adaptacin a las necesidades particulares de cada estudiante. Mas formalo mente, el aprendizaje en l nea personalizado se dene como un sistema de enseanza en l n nea que adapta la seleccin y presentacin de contenidos de una manera individual al estudiante o o basndose en su nivel de estudios, sus necesidades, su estilo de aprendizaje, sus conocimientos a previos y sus preferencias [3]. 2.2. Aprendizaje mvil o El aprendizaje mvil (m-learning) es la adquisicin de conocimiento por medio de alguna o o tecnolog de cmputo mvil [4]. Por computadoras mviles se entiende telfonos celulares, a o o o e agendas personales digitales (PDAs), netbooks, tablet PCs y tal vez, dependiendo del tamao, n laptops. Las diferencias del aprendizaje mvil con otros tipos de aprendizaje, en particular el apreno dizaje en l nea tradicional, se pueden estudiar desde dos puntos de vista: el tecnolgico y el de o la experiencia educacional. Respecto a la tecnolog el aprendizaje mvil se distingue por el a, o uso de equipo porttil que permite al estudiante accesar los objetos de aprendizaje a cualquier a hora y desde cualquier lugar. Con respecto a la experiencia educacional, Traxler [5] compara

110

el aprendizaje mvil y el aprendizaje en l o nea usando palabras clave. De esta forma, el aprendizaje mvil es personal, espontneo, oportunista, informal, ubicuo, privado, sensible o a al contexto, segmentado y porttil, mientras que el aprendizaje en l a nea es estructurado, multimedia, ancho de banda amplia, interactivo, inteligente y usable. El mismo autor remarca que algunas de estas distinciones pueden desaparecer conforme la tecnolog mvil a o avance, pero propiedades como informalidad, movilidad y contexto permanecern. a 2.3. Aprendizaje ubicuo El aprendizaje ubicuo (u-learning) es un sistema de aprendizaje en l nea personalizado que permite al individuo estudiar a cualquier hora y en cualquier lado del mundo donde pueda llevar una computadora [6]. En otras palabras, el aprendizaje ubicuo es la combinacin del o aprendizaje en l nea personalizado con el aprendizaje mvil. Fraser [7], Ramn [8] y Wheelo o er [9] denen al aprendizaje ubicuo usando la frmula: aprendizaje ubicuo = aprendizaje o en l nea + aprendizaje mvil. Para hacer nfasis que el aprendizaje ubicuo involucra no el o e aprendizaje en l nea tradicional, sino el aprendizaje en l nea personalizado, preferimos usar la siguiente frmula: o aprendizaje ubicuo = aprendizaje en l nea personalizado + aprendizaje mvil o Las ventajas del aprendizaje ubicuo son evidentes. Tiene las mismas que el aprendizaje en l nea personalizado, es decir, permite a los alumnos seleccionar los objetivos de aprendizaje y aplicar su estilo de aprendizaje propio [3, 10, 11]. Adems permite al estudiante utilizar a cualquier plataforma a su alcance y situarse en casi cualquier parte del mundo. La principal desventaja, por el momento, es el alto costo relativo de los equipos y de la conexin, sobre o todo en telfonos celulares. Sin embargo, conforme la tecnolog avance es previsible que los e a precios se reduzcan.

3. Implementacin de una plataforma de aprendizaje ubicuo o

Para implementar una plataforma de aprendizaje ubicuo hemos identicado que se necesitan resolver varios problemas agrupados en dos reas: infraestructura y software. En el rea a a de infraestructura se debe contar con un servidor de internet y equipo de cmputo, tanto o de escritorio como porttil, con acceso a internet. En el rea de software, el diseo e ima a n plementacin de una interface adaptativa plantea tres problemas principales: la creacin del o o modelo del estudiante, la generacin del contenido y la adaptacin del contenido. o o Consideramos que los problemas de infraestructura se pueden resolver mediante recursos nancieros. Por otra parte, los problemas de software requieren especial atencin puesto que o su solucin involucra aspectos de ciencias de la computacin. Por ese motivo en esta seccin o o o detallaremos los mencionados problemas de software. El modelo del estudiante captura informacin relevante sobre el estudiante, por ejemplo, o el nivel de conocimientos previos, metas de aprendizaje, estilo de aprendizaje y tiempo disponible para el aprendizaje. El modelo debe realizar una evaluacin inicial del estudiante, o tanto de sus conocimientos en la materia de estudio como de sus habilidades informticas, y a luego evolucionar conforme estos conocimientos y habilidades cambian. Algunos problemas

111

que identicamos para que el modelo funcione de manera adecuada son los siguientes: 1) el modelo debe aprender rpido para ser util desde el primer momento, 2) debe trabajar con a informacin incompleta, y posiblemente contradictoria, que reciba del estudiante y 3) debe o poder evaluar los conocimientos y habilidades del estudiante para as poder evolucionar. La generacin del contenido consiste en producir una interface personalizada para cada estuo diante con la capacidad de realizar tareas inteligentes, como bsquedas y recomendaciones, u que redunden en un aprendizaje mas efectivo por parte del alumno. Los problemas mas importantes que hay que resolver son: 1) establecer un criterio de relevancia para ordenar los objetos de aprendizaje, 2) generar una trayectoria de aprendizaje de acuerdo a la meta del estudiante y el tiempo disponible para el estudio, 3) mantener una base de datos con los objetos de aprendizaje que el alumno haya encontrado relevantes con el n de recomendarlos a otros estudiantes con metas semejantes y 4) descubrir y recomendar objetos de aprendizaje que puedan ser de inters para el alumno. e Finalmente, la adaptacin del contenido implica cambiar la interface conforme evoluciona el o conocimiento del estudiante y presentar una interface consistente en cualquier computadora sin importar el tamao de la pantalla. Para lograr estos objetivos es necesario 1) contar con n una base de datos con las capacidades (por ejemplo tamao de pantalla) de cada plataforma n computacional y 2) adecuar el contenido a las capacidades de la computadora que est siendo e utilizada. Un mtodo para implementar una interface adaptativa es utilizar una red bayesiana, una e estructura matemtica para razonar con incertidumbre [12]. La aplicacin de redes bayesianas a o est documentada en el aprendizaje en l a nea personalizado [3, 10, 11], en el modelado del alumno [13, 14] y en el diseo de interfaces adaptativas [15]. n

4. Caso de estudio: ense anza de las matemticas n a

Son escasas las aplicaciones reportadas del aprendizaje ubicuo, tal y como se dene en la Seccin 2.3, a la enseanza de las matemticas. Esta situacin contrasta con los reportes o n a o de aplicaciones en matemticas del aprendizaje en l a nea [16], del aprendizaje en l nea personalizado [17] y del aprendizaje mvil utilizando calculadoras [18], PDAs [19] y telfonos o e celulares [20]. Dentro de este panorama destaca MoreMaths [21], un medio ambiente de aprendizaje diseado n para apoyar cursos universitarios de matemticas. MoreMaths consta de dos componentes a desarrollados en Java. Un componente corre en una computadora personal (PC) de escritorio, mientras que el otro corre en una PDA Compaq iPAQ. El aprendizaje toma lugar en la PC, donde el estudiante consulta el material de la clase y recibe retroalimentacin personalizada. o Despus de esta interaccin, el estudiante puede llevarse en su PDA material a la medida e o para su posterior revisin. Una vez nalizada la revisin, el componente en la PC administra o o un examen sobre dicho material y actualiza el modelo del estudiante. MoreMaths fue probado en un grupo piloto con 9 estudiantes, 8 de los cuales evaluaron la revisin individualizada en la PDA como til o muy util. Los autores concluyen que los o u sistemas combinados, computadora de escritorio y mvil, son potencialmente provechosos. o Sin embargo, tienen la desventaja de cada estudiante debe contar con los dos equipos.

112

5. Conclusiones
El aprendizaje ubicuo benecia a los estudiantes porque les permite estudiar a cualquier hora y en cualquier lugar de una manera personalizada e independiente de la plataforma utilizada. A pesar de estas ventajas no existen muchas implementaciones de plataformas de aprendizaje ubicuo y esto es notable en la enseanza de las matemticas, donde tambin n a e resalta la falta de objetos de aprendizaje adecuados. Consideramos que esta carencia se debe a que el costo de la infraestructura ha impactado negativamente el desarrollo del aprendizaje ubicuo. Sin embargo, ya que es previsible que el costo de la tecnolog se abarate con el a tiempo, es factible considerar que habr un incremento en el desarrollo de plataformas de a aprendizaje ubicuo. Por ultimo, dentro de nuestro trabajo futuro de investigacin est investigar la aplicacin o a o de las redes bayesianas en la implementacin de una interface adaptativa en un ambiente de o aprendizaje ubicuo y la creacin de objetos de aprendizaje para la enseanza de matemticas o n a y ciencias de la computacin. o

6. Referencias

[1] Clark, R. y Mayer, R. (2002). e-Learning and the Science of Instruction: Proven Guidelines for Consumers and Designers of Multimedia Learning. San Francisco, Estados Unidos. Pfeier. [2] Shute, V. y Towle, B. (2003). Adaptive E-Learning. Educational Psychologist, 38, 2, 105 114. [3] Tapia Moreno, F. J. (2007). Modelo Bayesiano para la Optimizacin y Personalizacin del o o Proceso de Aprendizaje en L nea: Estudio Casu stico. Tesis doctoral. Las Palmas de Gran Canaria, Espaa. Universidad de Las Palmas de Gran Canaria. n [4] Traxler, J. (2005). Dening mobile learning. International Conference Mobile Learning 2005. Malta. 261 266. [5] Traxler J. (2007). Dening, Discussing, and Evaluating Mobile Learning: The moving nger writes and having writ... . International Review of Research in Open and Distance Learning, 8, 2, 1 12. [6] Jones, V. y Jo J. H. (2004). Ubiquitous learning environment: An adaptive teaching system using ubiquitous technology. Proceedings of the 21st ASCILITE Conference, 468 474. [7] Fraser, J. (2005). u-Learning = e-Learning + m-Learning Recuperado el 9/12/2009 de la direccin electrnica. http://www.infotech.monash.edu.au/promotion/coolcampus/workshop/ o o 3rdworkshop/walkaboutlearning.pdf [8] Ramn, O. (2007). Del e-Learning al u-Learning: la liberacin del aprendizaje Recuperado el o o 9/12/2009 de la direccin electrnica. http://sociedaddelainformacion.telefonica.es/ o o jsp/articulos/detalle.jsp?elem=5162 [9] Wheeler, S. (2006). U-Learning: Education for a Mobile Generation Recuperado el 6/1/2010 de la direccin electrnica. http://www2.plymouth.ac.uk/distancelearning/U-Learning.ppt o o

113

[10] Tapia, F., Galn, M., Ocn, A. y Rubio, E. (2005). Using Bayesian Networks in the Global a o Adaptive e-Learning Process. EUNIS 2005. [11] Tapia, F. J., Lpez, C.A., Galn, M. y Rubio, E. (2008). Bayesian Model for Optimization o a Adaptive e-Learning Process. Journal of Emerging Technologies in Learning, 3, 2, 38 52. [12] Neapolitan, R. E. (2003). Learning Bayesian Networks. Englewood Clis, Estados Unidos. Prentice-Hall. [13] Bunt, A., Conati, C. (2002). Probabilistic Student Modelling to Improve Exploratory Behaviour. Journal of User Modeling and User-Adapted Interaction, 13, 3, 269 309. [14] Conejo, R., Milln E., Prez de la Cruz, J. L. y Trella, M. (2001). Modelado del alumno: un a e enfoque bayesiano. Inteligencia Articial, Revista Iberoamericana de Inteligencia Articial, 12, 50 58. [15] Harrington, R. A. (1996). Utilizing bayesian techniques for user interface intelligence. Tesis de maestr Wright-Patterson AFB, Estados Unidos. Air Force Institute of Technology. a. [16] Gonalves, M. J. y Kaldeich, C. (2007). E-Learning in the School: Applied to Teaching Mathc ematics in Portugal. Proceedings of the 2007 Informing Science and IT Education Joint Conference, 23 47. [17] Panjawaranonda, A. y Srivihok, A. (2005). Individualized e-Learning System: Agent for Learning Mathematics in Primary Education in Thailand. Proceedings of the Pacic Asia Conference on Information Systems, 1160 1167. [18] Burrill, G., Allison, J., Breaux, G., Kastberg, S., Leatham, K. y Sanchez, W. (2002). Handheld Graphing Technology in Secondary Mathematics: Research Findings and Implications for Classroom Practice. Reporte Tcnico CL2872. Dallas, Estados Unidos. Texas Instruments. e [19] Dieterle, E. y Dede, C. (2006). Straightforward and Deep Eects of Wireless Handheld Devices for Teaching and Learning in University Settings Recuperado el 10/12/2009 de la direccin electrnica. http://gseacademic.harvard.edu/~hdul/ o o ubicomp-in-ed-dieterle-dede-final.pdf [20] Yerushalmy, M. y Ben-Zaken, O. (2004). Mobile phones in Education: the case of mathematics Recuperado el 10/12/2009 de la direccin electrnica. http://construct.haifa.ac.il/ o o ~michalyr/celularreport.pdf [21] Bull, S. y Reid, E. (2004). Learning with Mobile Devices Research and Development. Cap tulo Individualised revision material for use on a handheld computer, 35 42. Londres, Inglaterra. Learning and Skills Development Agency.

114



  
     

  
  !" #

 $% 
 &'


 ( )  !*   
 #

   &'


 ( ) 
* +  ,!% -. #

  &'


 ( ) '*
)
 ' 
 

 

,


  
 


 
 

 
   
 




 






 


 

 
 

  

  

 
!  " 
#




! 
   





 
 
 
 
          
  

!    
 
    
 
 !  
 

 
 
 




 
!

/ $

$
 

   
  
 
  %  
   
  &   
 
  
  
 




 
'()*+
&

   
 


!(,*+!-.
/0
 
 

1 1

115

.  
     
 
 
     .  

    
     
  
 

 
 
 
  
 
 
 !1
  2
 
3 

4 1
2
 
 
   
    

   
          
  
 

 
 
 


3

5
 (6*
 



             
 
  
     
 

   
 
 



  

!
 
 ! -  
     
  70   
 8
 
    4
  2

    
 9 
 1 
:

4

&
 3

+. 

 

   
 


  

 
   !   2
 
0   
   !;   ! 

     2
 
 00      
    !   <
       !   5    
 2
 
 4   =
    
 8
 
    4
  2

  
  
 
 >3:       
 

 



8
 

! 3





 


 

!<
 
  !$




 
   




!

0 ' ! 

  1%
;   2
 
3 




 


?5&?@ A 5
B
+
 .


 
  


      
    

 
%   
 
  
 
  
     
!  

 

  3
-
C

&8
 
4
2

+<2
  &8
 
D
3

+!3 
   
 
              
   
        

   

3
-
C

 
    ! 3 
?5 /)

$
< <
 54
 











 
 
      &8 
 )+!  1              
  

  
 
 


    

!

 . 

   
 2 2 2
116

$
 

 
 
 3
-

8
 
 4
  2

      

     .
      
  .

     @
   

.
 
 
 



 
  

     
          
             
    
 
   !1   

      
 



 
 
 


  


 !$ 

  
  ! 5 

  <2
 
8
 
D
 

  

  

   
 
  
 
000

!$



  

 
   


  


A

  
(/*!

2  1 1    3 

3 <2
  
 
 
   
  
 
 

 &8 
 /+           
       
        
% 



   


 
 !3  



"

# 


)E

 
 !

   

$
 
 
  


 &

  
% 
 

%      
 
 



  
+!$ 
 





.
  

 




  
 
!3



 
 



   

  


 D  !3 

   

!1
  
 
  

 

.


 

  




 

 

.

!$
 


   




 
 
  
 

! 3  
 

    
  

  
     .
  
           


3 3
117

 
           

  " 
   

#    

    
 

  

  

 

 
 


!

4 
  
 
$ 
  



 &  
    
 
 +! $ 
  

 


 
  

 

 





 "

# >3:&  
/+!
 


  



               


      
        
! <

   
&
 

  
+
 

      


%
  
 


   

  



    
      

    
           
    
  

!      
 




    
  
   
  " 
# 

 
  
   
    
 

! 3
 
6  
  
 
   


 
, 
  
 

" 
#


 5
    .  +    

3
  " 
#       

 
  

     
     
  

   !3 
   
     




! 3  
   
 
  
    

                 %        
            


                


!$


  




 


 

 
 


  

 
 


   !3
 

 






     
  
"

#!5 
 
   
   
  " 
#       
   
  
  
   
      




 
! ;  
  
 

4 6
118



 .

"

#
    
   



 



 
 !

6 ,
 3 

   




$B    
))0F
 
/
  )0F60F6  60FG0F, G0FH0FGH0F&1D+!  3 


I0   
  
H/!3    
 
 




 

5=)0!0!1 


 
 
 ! 3
 

  
/0 G/.! 4


    
    
              
            
          
  
!4
    
! $

 



<2
 
 

 .
  !4


 
&,,!,F+
 
 

<2  




 H0F& G+!5  

   
  
  &8 
G+!


,' )   

,' )   

3    
        
    
 J$  
  


<2
  



%   J!3 
 
 
 &2
,!)0


G+,G!7F 
 

H0F
   
&8 
E+! C   
         
    
      
  
   

 
   
  

8D3

  




<2
 
 


 

 

!$
 
  
 
 
 
,!/,


G  !<


 GE!IF  


 H0F

  
  !
5
119

3 

   



  
   .
  


 




 .

  

 
 

 


     
 
 
 
 

!

7 ,)
()*3.!$!&/00/+!5 <.
D D 

K
.2
.
3 
!4.
 ) ?
B    D 

  K
.    2
.
  3 
!  $  -  3.  &3 +!  L 
   <.!$
@3
1
!5 .!2
.@
.;@M!6A)E (/*2
 2!1!&/00/+!<. <.
1
  2
.
$
!4.
 /H! ?
B    D 

  K
.    2
.
  3 
!  $  -  3.  &3 +!  L 
   <.!$
@3
1
!5 .!2
.@
.;@M!EIGAH/, (6* C C!1!$!&/00/+!$
3

5

3 
<
5
!
3  D 

 5

/00/!$
?


!),E (,*N
2!!2!&/00I+!5 
 








 
! 2
)3  ;


3

4 !4D;=3<1=2!)H)A)H,

6 6
120



d77 7 7
121

8 8
122

Comparacin de heur o sticas y algoritmos de b squedas u en el dominio del ajedrez

Omar Edgardo Lugo Snchez y Julio Waissman Vilanova a Departamento de Matemticas a Universidad de Sonora omare.lugos@correoa.uson.mx Nivel Educativo: Superior
Resumen Una etapa fundamental en el desarrollo de un motor de ajedrez computacional es la implementacin de algoritmos ecientes de bsqueda de soluciones, basados en el mtodo o u e de Minimax. La eciencia de dichos algoritmos dependen tanto de la representacin de o la informacin, como de mtodos heur o e sticos de ordenamiento. En este trabajo se estudian los principales algoritmos de bsqueda, as como las heur u sticas de ordenamiento que mejores resultados presentan en el juego de ajedrez. Con el n de estudiar las ventajas y desventajas de dichos algoritmos, se realiza un estudio comparativo del uso de diferentes combinaciones de algoritmos y heur sticas.

1. Introduccin o
La publicacin de 1950 de Shannon ((Programming a Computer for Playing Chess)) [11] o an describe las bases del ajedrez computacional actual. De acuerdo a [11], un motor de u ajedrez debe contener al menos 3 mdulos: generador de movimientos, funcin de evaluacin o o o y algoritmos de bsqueda. u El generador de movimientos es usado para generar recursivamente los nodos del arbol de juego. En este mdulo es programada la estructura de datos que represente internamente un o tablero, as como la evaluacin de movimientos legales e identicacin de estados terminales o o (jaque mate o tablas). Una buena seleccin es necesaria para realizar un motor de ajedrez o que no sea muy demandante en memoria, y que genere movimientos rpidamente. Entre los a mtodos de representacin ms conocidos se puede destacar el 0x86 [8]. e o a La funcin de evaluacin asigna un valor a las hojas del rbol para que, mediante los mtodos o o a e de bsqueda, se encuentre el camino a una posicin ganadora. Lgicamente, cuando una u o o posicin ganadora es encontrada (jaque mate a favor), la funcin de evaluacin tiene que o o o retornar el valor mas alto posible vmax > 0, mientras que una posicin perdedora (jaque o mate en contra) debe de ser exactamente el mismo valor, pero negado vmax , ya que es un juego de suma cero. Debido a la conocida explosin combinatoria del juego de ajedrez, no o es posible analizar el arbol de juego en toda su profundidad, por lo que es necesario evaluar las posiciones en estados no terminales que permitan tomar decisiones adecuadas. Dicha evaluacin se realiza en funcin de las caracter o o sticas del estado del juego (o tablero). Entre las caracter sticas ms importantes se encuentra la ventaja material, la localizacin de las a o piezas y el encadenamiento de peones entre otras [8]. Una buena funcin de evaluacin es o o 1 I
123

indispensable para un motor que juegue razonablemente bien. En [8] se propone una funcin o inicial que da resultados aceptables si se combina con algoritmos ecientes de bsqueda. El u aprendizaje y adaptacin de la funcin de evaluacin es un rea importante de desarrollo en o o o a el campo del ajedrez computacional [13][4]. Los algoritmos de bsqueda son la parte medular de todo sistema de ajedrez computacional (y u de cualquier juego computacional en general). A travs del algoritmo de bsqueda es posible e u tomar las decisiones que llevan a una posicin ganadora, o en su defecto a una posicin en o o donde la esperanza de ganar sea la ms alta posible. La profundidad a la que se realiza la a bsqueda en un arbol de juegos es equivalente a la prediccin que puede realizar el jugador u o n pasos adelante, lo que determina directamente la calidad del motor de ajedrez. Si bien los mtodos de bsqueda son de complejidad exponencial (problema NPcompleto), es posible, e u mediante el usos de heur sticas, reducir el espacio de bsqueda y por consiguiente aumentar u la profundidad de sta. e El trabajo de tesis de licenciatura en Ciencias de la Computacin que realiza el primer o autor, bajo la supervisin del segundo, tiene como n el desarrollo de un motor completo de o ajedrez, incluyendo mtodos sencillos de aprendizaje de la funcin de evaluacin. El trabajo e o o presentado en este documento se centra en el desarrollo, implementacin y evaluacin de los o o mtodos de bsqueda ms utilizados en ajedrez, as como el uso y combinacin de diferentes e u a o heur sticas. El documento se encuentra organizado de la manera siguiente; en la seccin 1, se presenta el o algoritmo bsico de minimax para bsquedas en juegos, as la variante conocida como poda a u , que permite la realizacin prctica del minimax, y una variacin a la poda conocida o a o como ventana mnima que en algunos casos presenta ventajas sobre la poda . En la seccin siguiente se presentan las principales heur o sticas de ordenacin de movimientos o que se utilizan en el juego de ajedrez y se describen los algoritmos de las heur sticas principales. Con el n de apreciar las ventajas y desventajas que ofrece cada una de las heur sticas, se realiza una comparacin prctica sobre la bsqueda, manteniendo la misma funcin de o a u o evaluacin, de una posicin intermedia en una partida de grandes maestros. Esto permite o o ilustrar de manera clara en que casos son ecientes las heur sticas y cuando signican una carga extra de clculo. Por ultimo se presentan las conclusiones del trabajo desarrollado. a

2. Algoritmos de B squeda u
Para que un programa de computadora pueda jugar ajedrez, tiene que determinar la secuencias de jugadas que le permitan ganar la partida, para hacer esto, necesita hacer una bsqueda atraves de un arbol de juego, donde cada nodo del arbol representa un congurau cin del tablero y cada arco representa cada movimiento legal para el jugador en turno en ese o estado. El programa de computadora debe encontrar un camino a travs del rbol de juego e a que termine en el resutaltado mas favorable. Para realizar esta bsqueda es fundamental que u el programa asuma que el oponente tambien estar buscado el mejor camino posible. a As el valor de un nodo ser el valor que maximice la utilidad (o ganancia) del jugador en , a turno respecto a sus nodos sucesores. Este simple algoritmo llamado MiniMax [11]. garantiza encontrar la solucin optima. Sin embargo, al estar el valor de un nodo determinado por el o valor de sus nodos sucesores, es necesario calcular el valor de todos los nodos del arbol de

124

juego hasta una profundidad establecida. La complejidad de minimax est dada por O( d ) a [11] donde es el tamao de ramicacin y d es la profundidad establecida. Debido a que n o el espacio de bsqueda es enorme y este algoritmo es poco eciente, poco tiempo despus u e surgi una mejora para este algoritmo conocida como poda . o 2.1. Algoritmo de Poda La idea bsica del algoritmo [2] es podar partes irrelevantes del arbol que no tienen a inuencia en el valor nal de la bsqueda. El algoritmo ahorra este tiempo de bsqueda u u asumiendo la siguiente idea: si ya se conoce que cierto movimiento es peor que el mejor movimiento encontrado en un determinado momento, es posible ahorrar tiempo necesario para calcular que tan malo es este movimiento. Para hacer esto el algoritmo usa un limite inferior y un limite superior a los que llamamos y respectivamente. Los nodos que sern podados sern los que tengan un valor fuera de estos a a limites. Estos limites son incializados con los valores extremos vmax y vmax respectivamente. Cada vez que un valor mximo es encontrado y este es mas pequeo que el valor del limite a n superior, este limite es actualizado con este valor, mientras que el limite inferior es actualizado con el m nimo mas grande. En un nivel de minimizacin, los nodos que tengan un sucesor con o un valor mas grande que el limite superior pueden ser podados. En un nivel de maximizacin, o los nodos con un valor mas pequeo que el limite inferior pueden ser podados. De esta manera n la poda de estos subrboles completos deja el valor del nodo raiz identica a la obtenida con a el algoritmo de minimax. El pseudocdigo del algoritmo se presenta en el Algoritmo 1. o Algoritmo 1 BsquedaAlphaBeta(, , d) u
Entrada: d N profundidad de bsqueda. u Entrada: , [-inf, inf] Variable global n posicin del tablero. o Salida: Valor minimax de la posicin actual de n. o Iniciar con BsquedaAlphaBeta( -inf, inf,d). u 1: si n es terminal o d = 0 entonces 2: regresar Evaluacin de n. o 3: n si 4: M ovimientos Generar movimientos de n. 5: Ordenar M ovimientos de acuerdo a una estrategia establecida. 6: para todo M ovimiento M ovimientos hacer 7: n Hacer M ovimiento 8: valor BsquedaAlphaBeta( , , d 1 ). u 9: n Deshacer M ovimiento 10: si valor entonces 11: regresar . 12: n si 13: si valor > entonces 14: valor. 15: n si 16: n para 17: regresar .

125

2.2. Bsqueda de ventana m u nima PVS Avances en algoritmos de bsqueda, basados en tcnicas de bsqueda de ventanas m u e u nimas [9] demostraron un mejor rendimiento que el algoritmo normal. La idea bsica detrs estos a a mtodos es que es mas econmico en tiempo comprobar a un subrbol que determinar el valor e o a exacto de este. Se ha mostrado que, para rboles grandes, las tcnicas de ventanas m a e nimas proveen una ventaja signicativa[9]. Para arboles sin ordenar, se sabe que su complejidad es asintticamente equivalentes a un algoritmo simple, aunque puede llegar a revisar ms o a nodos, ya que se asume que la ordenacin de los movimientos es perfecta; si la ordenacin falla, o o entonces se tendr que volver a revisar los subarboles de esos movimientos. El pseudocdigo a o para ventana m nima con variacin principal se presenta en al Algoritmo 2. o Algoritmo 2 BsquedaPV(, , d) u
Entrada: d N profundidad de bsqueda. u Entrada: , [-inf, inf] Variable global n posicin del tablero. o Salida: Valor minimax de la posicin actual de n. o Iniciar con BsquedaPV( -inf, inf,d). u 1: si n es terminal o d = 0 entonces 2: regresar Evaluacin de n. o 3: n si 4: bSearchP v True 5: M ovimientos Generar movimientos de n. 6: Ordenar M ovimientos de acuerdo a una estrategia establecida. 7: para todo M ovimiento M ovimientos hacer 8: n Hacer M ovimiento 9: si bSearchPv entonces 10: valor BsquedaPV( , , d 1 ). u 11: si no 12: valor BsquedaPV( 1, , d 1 ). u 13: si valor > entonces 14: valor BsquedaPV( , , d 1 ). u 15: n si 16: n si 17: n Deshacer M ovimiento 18: si valor entonces 19: regresar . 20: n si 21: si valor > entonces 22: valor. 23: bSearchP v False 24: n si 25: n para 26: regresar .

3. Heur sticas de ordenacin de movimientos o

El algoritmo devuelve exactamente el mismo resultado que el algoritmo minimax, sin embargo, el nmero de nodos visitados puede ser bastante diferente. Que tan bien lo haga deu pende del ordenamiento en que los nodos son explorados. En el peor caso, no ocurren ningn u

126

corte, debido a que los nodos son explorados de la manera incorrecta. As el algoritmo , d se convierte un algoritmo minimax plano, con una complejidad de O( ). En el mejor caso, la ordenacin de los movimientos es perfecta, los mejores movimientos o son visitados primero en cada nodo, por lo que el numero de cortes es el mximo. En [12] se a demostr que la complejidad del mejor caso depende del hecho de que d sea par o impar. Para o d par la complejidad temporal ser O(2 d/2 +1) y para d impar ser O( (d+1)/2 + (d1)/2 1). a a Como una buena ordenacin de los movimientos es crucial para lograr una bsqueda efectio u va en el juego del ajedrez, heur sticas estticas como dinmicas has sido desarrolladas a a durante las pasadas dcadas. La ordenacin esttica de los movimientos signica que los e o a movimientos son ordenados dentro del generador de movimientos segn ciertas heur u sticas que son independientes de la posicin actual del nodo del rbol. La ordenacin de movio a o mientos dinmica trata de usar informacin adquirida durante la bsqueda para decidir que a o u movimiento explorar primero. 3.1. Heur sticas estticas a Dentro del generador de movimientos, a cada movimiento se le asigna un valor basado en alguna heur stica esttica, y estas son diferentes si son movimientos de captura o de no a captura. Con el n de asignar un valor a un movimiento de captura, la pieza que captura (el agresor) como tambin la pieza captura (v e ctima) deben ser tomadas en consideracin. Una o estrategia comn es la heur u stica MVV/LVA [3], los movimientos de captura son ordenados por la relacin que existe entre v o ctima mas valiosa (most value victim), y el agresor menos valioso (less value agresor). La forma de expresar esta relacin para ordenar los movimientos o depende de cada programa de ajedrez. 3.2. Heur sticas asesinas La idea bsica de las heur a sticas asesinas es que los movimientos que han sido buenos, aquellos que han causado un corte a cierta profundidad, deber de ser tratados de nuevo a la misma an profundidad. Esta heur stica fue propuesta por Slate y Atkin [1]. Ellos sugieren guardar 2 movimientos de captura para cada jugada, y mantener un contador para cada uno de ellos. As cada vez que ocurra un corte, el movimiento que ocasion el corte ser comparado con , o a los movimientos de captura; si corresponde a alguno de ellos, entonces el contador correspondiente es aumentado y el movimiento de captura con el contador menor es reemplazado por el movimiento que ocasiono el corte. 3.3. Heur stica de historia La idea detrs la heur a stica de historia [10] es que cada movimiento que a sido bueno en promedio a travs de todo el arbol, deber de ser explorado antes que los otros. Para esto, e a un valor histrico es mantenido para cada posible movimiento, que es actualizado cada ves o que ocurre un corte o cada ves que un mejor movimiento es encontrado. El valor histrico o es incrementado por la distancia que existe entre el horizonte de bsqueda y el movimiento u que se explor. La idea es que movimientos que se han probado que son buenos en una o profundidad mayor sean recompensados de mayor manera que aquellos que resultaron de bsquedas menos profundas. u

127

Algoritmo 3 Profundidad Iterativa

Entrada: d N profundidad de bsqueda. u Entrada: , [-inf, inf] Variable global n posicin del tablero. o Salida: Valor minimax de la posicin actual de n. o Iniciar con BsquedaPV( -inf, inf,d). u 1: para d = 1, 2, . . . , dmax hacer 2: valor BsquedaPV( , , d 1 ). u 3: n para

3.4. Profundidad iterativa Esta es una de las ms importantes Heuristicas [8]. La idea bsica es que, para realizar a a una bsqueda primero profundidad a una profundidad d, primero se realiza una bsqueda u u a profundidad d-1, y los resultados de esta bsqueda se utilizan para efectuar una mejor u ordenacin de los movimientos, usando tablas de transposicin o tablas de refutacin. Aunque o o o esto en principio parezca una gran perdida de tiempo, un anlisis mas cuidadoso [6] muestra a que el tiempo utilizado en los niveles 1, 2, . . . , d 1 es insignicante comparado con el tiempo gastando en expandir el nivel d. Una de las ventajas principales de la profundidad iterativa es que cuando se comienza a expandir los nodos a una profundidad d, ya se tiene una buena estimacin de los movimientos o que se deben comenzar a explorar, mediante el uso de las heur sticas dinmicas y uso de tablas a de transposicin, lo que permite podar una mayor cantidad de nodos. Igualmente, en casos o como un torneo, donde hay una restriccin de tiempo para cada movimiento, si se alcanza el o tiempo mximo de bsqueda, se tendr un movimiento aceptable a realizar. La profundidad a u a iterativa es reconocida como un componente fundamental en cualquier programa de ajedrez. El pseudocdigo de profundidad iterativa se muestra en el algoritmo 3. o 3.5. Tablas de transposicin o El espacio de bsqueda en el ajedrez es en realidad un grafo ac u clico, esto signica que podemos llegar a una misma posicin varias veces y desde diferentes estados, debido a las o diferentes maneras en que las piezas pueden jugarse. Ocasionando mucha redundancia en el arbol de bsqueda. El principal objetivo de las tablas de transposicin[7] es poder reconocer u o posiciones que ya han sido examinadas. as cuando encontremos estas posiciones, la informa cin que guardamos en las tablas puede ser utilizada para 3 propsitos, el primero es que o o podemos ajustar los limites de la ventana de bsqueda, el segundo propsito es que podeu o mos podemos recordar el mejor movimiento encontrado anteriormente mediante profundidad iterativa y ser el primero movimiento en ser explorado, ya que probablemente puede haber ocasionado un corte anteriormente y pueda volver a ocasionarlo. De esta manera la tabla de transposicin es usada como una mecanismo de ordenacin de movimientos. Por ultimo y o o el principal propsito de la tabla de transposicin es poder reconocer posiciones que ya han o o sido examinadas completamente, y que ya se ha determinado su valor, por lo que no hay necesidad de volver a examinarlas nuevamente. El uso de las tablas de transposicin dentro o del algoritmo de ventana mnima se ilustra en el pseudocdigo presentado en el algoritmo 4. o

128

Algoritmo 4 BsquedaPVTT(, , d) u
Entrada: d N profundidad de bsqueda. u Entrada: , [-inf, inf] Variable global n posicin del tablero. o Salida: Valor minimax de la posicin actual de n. o Iniciar con BsquedaPV( -inf, inf,d). u 1: ZobristKey Generar Clave Zobrist de n 2: ComprobarTT(d,,, ZobristKey) 3: si n es terminal o d = 0 entonces 4: regresar Quiesce( , ). 5: n si 6: bSearchP v True 7: f lag LimiteSuperior 8: M ovimientos Generar movimientos de n. 9: Ordenar M ovimientos de acuerdo a una estrategia establecida. 10: para todo M ovimiento M ovimientos hacer 11: n Hacer M ovimiento 12: si bSearchPv entonces 13: valor BsquedaPVTT( , , d 1 ). u 14: si no 15: valor BsquedaPVTT( 1, , d 1 ). u 16: si valor > entonces 17: valor BsquedaPVTT( , , d 1 ). u 18: n si 19: n si 20: n Deshacer M ovimiento 21: si valor entonces 22: Guardar(d,,,valor, ZobristKey,LimiteInf erior) 23: regresar . 24: n si 25: si valor > entonces 26: valor. 27: f lag V alorExacto. 28: bSearchP v False 29: n si 30: n para 31: Guardar(d,,,valor, ZobristKey,f lag) 32: regresar .

El algoritmo 4 utiliza una tabla hash como estructura de datos para guardar los valores de las posiciones, debido a que la bsqueda en dicha estructura es de complejidad logar u tmica. Sin embargo, la cantidad de posibles estados (posiciones del tablero) que existen en el ajedrez implicar el uso de una cantidad de memoria extremadamente grande para guardar la an informacin. Para evitar esto, se dene una codicacin, en la cual, si bien varias posiciones o o del tablero comparten una clave, las probabilidades que ambas posiciones se encuentren cercanas son muy bajas. Esta codicacin se conoce como Zobrist. Mientras mayor sea la o memoria asignada a la tabla hash, menor nmero de colisiones existirn; esto es, posiciones u a que puedan encontrarse en una misma bsqueda y compartan clave Zobrist. El uso de la u cdicacin Zobrist, tal como se requiere en el algoritmo 4 se encuentra en el pseudocdigo o o o del algoritmo 5.

129

Algoritmo 5 ComprobarTT(d,,, ZobristKey)

Salida: Valor para la posicin actual. o 1: Indice ZobristKey % (Tamao de la tabla Hash) n 2: si TablaHash[Indice].ZobristKey == ZobristKey entonces 3: si TablaHash[Indice].Profundidad d entonces 4: si TablaHash[Indice].Bandera == ValorExacto entonces 5: regresar TablaHash[Indice].valor 6: n si 7: si TablaHash[Indice].Bandera == LimiteInferior && TablaHash[Indice].valor entonces 8: regresar . 9: n si 10: si TablaHash[Indice].Bandera == LimiteSuperior && TablaHash[Indice].valor entonces 11: regresar . 12: n si 13: n si 14: n si

4. Comparacin de tcnicas y heur o e sticas

Con el n de comparar los resultados de las diferentes modicaciones al algoritmo , se analiz, a partir del motor de ajedrez desarrollado, el nmero de nodos generado por cada o u mtodo, empezando por la profundidad 1, hasta una profundidad 7. Para esto, se seleccion la e o jugada No. 16 de la partida Bobby Fischer (blancas) vs. J. Sherwin (negras) en New Jersey, 9/2/1957 [5]. La posicin se muestra en la gura 1. o

8 7 6 5 4 3 2 1

0sbZ0skZ o0Z0Zpop 0o0lpZnZ Z0ZnZ0M0 0ZpO0Z0Z Z0O0Z0O0 POQZ0OBO S0A0S0J0

a b c d e f g h

Figura 1. Posicin utilizada para la comparacin de algoritmos o o

Es de remarcar que, debido a que todos los mtodos utilizan la misma funcin de evaluacin, e o o la variacin principal es la misma para cada una de las pruebas. Igualmente, se analiz la o o velocidad de procesamiento, en nodos por segundo, de los diferentes mtodos, siendo mas o e menos constante para todos de 140 mil nodos por segundo. El motor se program en Visual o

130

C++ bajo el entorno .net, y la velocidad de procesamiento est estimada bajo una MacBook a con procesador 2.13 Mhrz y 1,72 Gb de RAM. Se prob la eciencia de los dos algoritmos de bsqueda presentados (la poda y el o u algoritmo de ventanas m nimas) combinando diferentes heur sticas de ordenamiento. En la tabla 1 se muestran las combinaciones seleccionadas. La heur stica MVV/LVA se aplico en todos los mtodos debido a la imposibilidad de contar con un mtodo de poda sin e e heur sticas a una profundidad signicativa. Las combinaciones a y c nos permiten comparar la cantidad de nodos generados debido a la profundidad iterativa, sin aprovechar las ventajas de esta.
Tabla 1. Combinacin de Mtodos y Heur o e sticas para las pruebas Mtodo PVS MVV/LVA Historia Ref. Prof. Iter. Tablas de Transp. e l X X a X X X b X X X X c X X X X d X X X X X e X X X X X X f X X X X X g X X X X X h X X X X X i X X X X j X X X X X k X X X X X X

Tabla 2. Mtodo e l a b c d e f g h i j k

Comparativo de nodos generados a profundidades de 1 a 7 1 2 3 4 5 6 7 124 5,090 9,962 235,103 965,932 11,567,050 65,813,333 124 4,787 9,713 156,053 461,844 4,898,899 21,804,429 124 4,743 9,049 117,123 328,451 2,607,850 10,245,987 124 4,350 7,979 139,097 484,282 4,934,670 20,173,121 124 4,409 6,493 132,110 487,076 6,035,801 17,247,365 124 4,430 11,856 123,490 475,863 2,833,614 12,506,148 124 4,489 10,425 119,167 462,794 3,370,414 13,671,872 148 2,804 5,849 120,458 303,682 2,311,321 11,615,960 148 2,952 7,690 105,022 397,310 2,720,102 13,296,845 148 4,003 7,841 88,288 356,824 3,165,677 14,890,689 148 2,923 7,178 76,836 282,321 1,364,310 5,935,786 148 3974 7,373 61,439 235,243 1,799,974 7,082,247

El resultado de los nodos generados por cada algoritmo y combinacin de heur o sticas, para profundidades de busqueda desde 1 hasta 7, se muestran en la Tabla 2. Se puede apreciar como el crecimiento de nodos es exponencial al aumento de la profundidad, as como el efecto que tiene cada una de las heur sticas empleadas y la ordenacin de movimientos basados en o

131

la poda . En relacin a los mtodos a y b, podemos apreciar como el uso de la profuno e didad iterativa implica una menor generacin de nodos a profundidades grandes (aunque no o signicativa) con el uso de las heur sticas ms simples. Conforme se utilizan ms heur a a sticas, el uso de la profundidad iterativa es ms notorio, como se muestra en la combinacin h. a o Si bien la profundidad iterativa tiene un efecto importante, el uso de tablas de transposicin o es signicativo en el nmero de nodos generados. La implementacin y optimizacin del u o o uso de las tablas de transposicin es una tarea no trivial, y consume importantes recursos o (memoria). Sin embargo los benecios que otorga compensan sus requerimientos.

Figura 2. Tiempo normalizado de procesamiento a diferentes profundidades

Con el n de mostrar los resultados en forma normalizada, que permitan resaltar el aporte de cada mtodo a diferentes profundidades, en la Figura 2 se muestra el tiempo, normalizado e respecto al algoritmo bsico (poda sin heur a sticas) de cada algoritmo, utilizando todas las heur sticas, denidos por las combinaciones e y k de la tabla 1. Debido a que la diferencia con el mtodo bsico es importante, se presentan los resultados en escala logar e a tmica. Es posible ver que, a partir de una profundidad d = 3, el uso de heur sticas reduce en un 90 % el tiempo de busqueda. Igualmente, se muestra en forma clara como, a partir de cierta profundidad, la diferencia entre el uso del algoritmo de poda respecto al de ventanas m nimas se mantiene mas o menos constante, de 10 %. Esta relacin se mantiene regularmente en otras o posiciones.

5. Conclusiones
En este trabajo se presentaron los avances de tesis sobre el desarrollo de un motor de ajedrez concernientes a los algoritmos de bsqueda entre adversarios. El algoritmo de bsqueda utiliu u zado es la poda , as como su variante conocida como ventanas m nimas. Para mejorar el tiempo de bsqueda del algoritmo, se presentaron diferentes heur u sticas de ordenamiento. Las

132

diferentes heur sticas y algoritmos fueron implementados y comparados en una situacin real. o Todos los mtodos presentados fueron implementados en el motor de ajedrez desarrollado el e cual se encuentra en versin 2,5, y es completamente funcional. o Debido a las limitaciones de espacio se decidi omitir en este documento los mtodos de o e representacin, as como la funcin de evaluacin. La funcin de evaluacin es, junto a los o o o o o algoritmos de bsqueda, lo que determina la calidad del motor de bsqueda, por lo que, se u u prevee como trabajo futuro realizar un mtodo que permita ajustar una funcin de utilidad e o nominal a partir de la experiencia.

6. Referencias

[1] S.G. Akl and M.M. Newborn. The principal continuation and the killer heuristic. In Proceedings of the 1977 annual conference, New York, NY, USA, 1977. [2] A. G. Bell. The alpha-beta heuristic. In Games Playing with Computers, Stanford, 1972. [3] M. Boul. An FPGA Move Generator for the Game of Chess. PhD thesis, McGill e University, Montral, Qubec, Canada, 2002. e e [4] K. Chellapilla and D.B. Fogel. Evolution, neural networks, games and intelligence. In IEEE, pages 14711496, 1999. [5] Chess Games. B. Fischer vs. J. Sherwin, 1957. /perl/chessgame?gid=1008366, 2010. http:// www.chessgames.com PhD thesis,

[6] J. Gillogly. Performance Analysis of the Technology Chess Program. Carnegie-Mellon University, 1987.

[7] R. Greenblatt, D. Eastlake, and S. Crocker. The greenblatt chess program. Proceedings of the APs Fall Joint Computer Conference, 31:801810, 1967. [8] R.E. Korf. Depth-rst iterative-deepening: An optimal admissible tree search. Articial Intelligence, 27:97109, 1985. [9] T.A. Marsland. Relative eciency of alpha-beta implementations. In International Joint Conference on Artifcial Intelligence, Karlsruhe, Germany, 1983. [10] J. Schaeer. The history heuristic. International Computer Chess Association Journal, 41:1619, 1983. [11] C.E. Shannon. Programing a computer for playing chess. Philosophical magazine, 41:29 48, 1950. [12] J. H. Slagle and J. K. Dixon. Experiments with some programs that search gametrees. Journal of the ACM, 21:189207, 1969. [13] R.S. Sutton. Learning to predict by the methods of temporal dierences. In Machine Learning 4, pages 944. Kluwer Academic Publishers, 1988.

133

135

Aprendizaje de funciones de utilidad basado en Criterio de Metropolis para el juego de Othello

Ismael Tesisteco Flix y Julio Waissman Vilanova e Departamento de Matemticas a Universidad de Sonora ismael.tesistecof@correoa.uson.mx Nivel Educativo: Superior
Resumen El factor de exploracin y explotacin es importante en el aprendizaje por refuerzo de o o funciones de utilidad de un algoritmo tipo Minimax. En este trabajo se hace uso de una tcnica de optimizacin combinatoria para mejorar el factor de exploracin y explotae o o cin en el algoritmo TD(0). El criterio de Metropolis del algoritmo temple simulado o se introduce con el n de equilibrar el factor exploracin y explotacin para el apreno o dizaje de la funcin de utilidad a partir de la experiencia. Los experimentos muestran o que el aprendizaje converge ms rpido que con otras pol a a ticas ( -greedy, softmax), y la bsqueda no sufre la degradacin del desempeo debido a la excesiva exploracin. Se u o n o presentan resultados comparativos basados en el juego de Othello.

1. Introduccin o
El aprendizaje reforzado (AR) es un mtodo de aprendizaje que se basa en la interaccin e o entre un agente y su medio, estableciendo una pol tica de operacin del agente a travs de o e una serie de seales llamadas refuerzos que provee el entorno [9]. La principal ventaja del n AR es que no se tiene necesidad de contar con un modelo preciso del entorno as como de la evaluacin. Esto lo hace especialmente adaptado al problema de estimar funciones de utilidad o en problemas de juegos de suma cero[4]. El aprendizaje por interaccin implica un compromiso entre la exploracin del espacio de o o estados y la explotacin de la informacin. Encontrar el equilibrio entre exploracin y exo o o plotacin en el AR es un problema que requiere cierto tratamiento. Si se realiza demasiada o explotacin se encuentra un optimo local muy rpidamente. La exploracin est basada en o a o a tomar acciones al azar para obtener ms informacin sobre el problema. Esta informacin a o o permite no caer en un ptimo local, pero la exploracin excesiva disminuye drsticamente el o o a rendimiento del aprendizaje y en algunos casos podr ser perjudicial con respecto a los resula tados del aprendizaje de s mismo [9]. El equilibrio entre la explotacin y la exploracin (E/E) o o ha sido investigado con anterioridad, proponiendose diferentes mtodos en la literatura, entre e los que destacan los mtodos avido [9] y Softmax [9]. e En este trabajo se propone modicar la estrategia de E/E, basndose en el criterio de Mea tropolis (CM) [7] utilizado comnmente en el mtodo de optimizacin heur u e o stica de temple simulado. Con el n de ilustrar los resultados, se implement el algoritmo de aprendizaje o 1 I

135

reforzado TD(0) en el popular juego de Othello, y se compar los resultados del aprendizaje o utilizando la estrategia CM con las estrategias clsicas de E/E avida y Softmax. a El documento est estructurado de la siguiente manera: Primeramente se presenta el algoa ritmo base de bsqueda en juegos deterministas de suma cero. En la siguiente seccin se u o presenta el mtodo de aprendizaje reforzado retenido para estimar las funciones de utilidad e y la estrategia propuesta para E/E. Enseguida, se presenta la implementacin en el juego de o Othello as como los resultados obtenidos. Por ultimo se presentan las conclusiones y trabajos futuros.

2. B squedas en Juegos Deterministas de Suma Cero u

Un juego determinista, por turnos de suma cero con informacin perfecta, es un entorno o observable, en el cual hay dos agentes cuyas acciones deben alternar y en el que los valores de utilidad de los agentes al nal del juego son siempre iguales y opuestos (i.e. ganar (+1), empatar(0) o perder(-1)). Esta oposicin en las funciones de utilidad hace de los agentes o adversarios. Si el juego, de acuerdo a sus reglas, no permite repeticiones de posicin (como el o caso del Othello o el ajedrez), un juego puede representarse como un grafo ac clico, donde el nodo ra es la posicin inicial, y los movimientos legales de cada jugador van generando el z o a rbol de juego. Cada nodo n pertenece al conjunto S de todos los estados que puede tomar el juego. La estategia ptima de juego, para uno de los agentes o jugadores, puede determinarse exao minando el valor minimax de cada nodo del arbol de juego. El valor minimax de un nodo Vmm (n) es la utilidad de un agente, estando en un nodo, y asumiendo que ambos agentes juegan de manera ptima hasta el nal del juego. Si el nodo es terminal, su valor minimax o es directamente su utilidad V (n). En caso que se encuentre en un nodo donde los sucesores dependen de una jugada legal del agente seleccionado, su valor minimax ser el mximo de a a los valores minimax de sus sucesores, mientras que si los sucesores de un nodo dependen de una movida legal del adversario, entonces su valor ser el m a nimo de los valores minimax de los nodos sucesores, de manera que: si n es un nodo terminal V (n) mxsSucesores(n) Vmm (s) si en n se espera un movimiento propio a . Vmm (n) = m sSucesores(n) Vmm (s) si en n se espera un movimiento del adversario n El algoritmo Minimax calcula el valor minimax de un nodo en forma recursiva, ofreciendo la informacin necesaria de cual es el movimiento legal que maximiza la utilidad de un jugador. o Sin embargo, el algoritmo contempla una bsqueda exhaustiva en el rbol de juego, por lo u a d que su complejidad temporal es de O(b ), donde b es el nmero de jugadas legales promedio y u d la profundidad del rbol de juego (el nmero de jugadas faltantes estimadas). Por ejemplo, a u el Othello tiene en promedio 8 jugadas legales por tablero, as que, para la posicin inicial, o es necesario general 860 nodos, lo cual es prcticamente irrealizable. Por esta razn, existen a o modicaciones al algoritmo Minimax ms ecientes. a El algoritmo de poda se basa en evitar explorar nodos en ramas del arbol de juego, de las cuales es seguro que no es posible encontrar un mayor valor minimax en un nodo del agente seleccionado, por lo que es tericamente equivalente al algoritmo minimax. La poda o

136

se basa en la aplicacin de maximizaciones y minimizaciones sucesivamente. Por ejemplo, o consideremos un nodo en el que mueve el agente seleccionado con unicamente dos niveles, de los cuales se conocen ciertos valores de utilidad y otros no. Supongamos entonces que el valor de utilidad del nodo n se puede calcular como: Vminimax (n) = mx m a n(1, 0, 1), m n(1, x, y), m n(1, 1, z) = 0. En este ejemplo se puede observar que no fue necesario conocer los valores de x, y y z para calcular Vminimax (n) (fueron podadas). Igualmente es posible ver que, en la tercer rama, fue necesario calcular los dos primeros trminos, hasta encontrar un valor menor a 0, por lo que e el orden de bsqueda impacta directamente en el nmero de nodos generados. En particular, u u d/2 la poda tiene una complejidad de O(b ) en el mejor de los casos, y en el peor de los casos tendr la complejidad del algoritmo minimax. Como se puede apreciar, el ordenamiento a de los sucesores es fundamental para incrementar la eciencia del algoritmo, lo que ha dado lugar a una serie de mtodos y algoritmos que quedan fuera del alcance de este trabajo. En e el Algoritmo 1 se presenta una versin compacta y elegante de la poda conocido como o negamax [1]. Algoritmo 1 negamax(n, d, , , j) Entrada: n nodo del arbol, d N profundidad mxima de bsqueda. a u Entrada: , [-inf, inf], j {1, 1}. Salida: Valor minimax del nodo n. Iniciar con negamax( n, d, -inf, inf, 1). 1: si n es terminal o d = 0 entonces 2: regresar jugador V (n). 3: n si 4: N lista de sucesores de n. 5: para todo n N hacer 6: mx(, negamax( n , d 1, , , j )). a 7: si entonces 8: regresar . 9: n si 10: n para 11: regresar . Sin embargo, an con la drstica reduccin de nodos debido a la poda, el nmero de nodos u a o u que deben inspeccionarse es demasiado grande para ser practicable, por lo que en la prctica a solamente se realiza una bsqueda en profundidad limitada, y a partir de ese momento se u estima la utilidad del nodo n como si fuera un nodo terminal. La funcin de estimacin de o o utilidad V : S R estima la utilidad esperada en el nodo n , si a partir de ste se continuara e jugando de forma optima. Es claro que la funcin ser ms precisa mientras ms cerca se o a a a encuentre el nodo n de un nodo terminal. El uso de funciones de estimacin de utilidad se debe a la gran cantidad de nodos existentes, o por lo que en general no es posible almacenarla en forma tabular, como un conjunto de pares ordenados. T picamente la funcin de estimacin se calcula en relacin a un conjunto de o o o caracter sticas del nodo n, tal que i : S R es la iesima caracter stica de un nodo, la cual

137

puede ser las posiciones de las piezas, el nmero de piezas, la ocupacin de lugares claves, u o etc. Si se consideran p caracter sticas, entonces todos los nodos pueden ser representados por su vector de caractersticas (n) = [1 (n), . . . , p (n)]. As es posible estimar la utilidad de , cada nodo como V (n) = f ((n), ), donde es un vector de parmetros. En juegos compua tacionales se han utilizado t picamente dos tipos funciones de aproximacin parametrizadas, o las funciones lineales y las redes neuronales [8]. En particular, las funciones de estimacin o lineal estn dadas por: a V (n) = f ((n), ) = T (n) donde Rp se conoce como el vector de pesos, el cual le asigna mayor o menor valor a cada una de las caracter sticas. El desarrollo y establecimiento de la funcin de estimacin o o de utilidad es parte fundamental de los mtodos de bsqueda en juegos, la cual inuye e u directamente en la calidad de la toma de decisin. o

3. Aprendizaje de funciones lineales de estimacin de utilidad o

El AR es un conjunto de tcnicas que asumen nulo conocimiento sobre un entorno y ajusta e una funcin de evaluacin a partir de la interaccin con el medio y de los resultados (refuerzos o o o o recompensas) que el entorno regresa al cabo de una serie de acciones. En el caso de juegos deterministas la funcin de evaluacin es la funcin de estimacin del valor minimax. o o o o Si se supone que se realiza una partida, comenzando en el nodo n0 , y terminando en el nodo nT , el valor de un nodo puede aproximarse como la suma de todos los refuerzos futuros, de manera que V (n0 ) r0 + + rT , o lo que es equivalente V (n0 ) r0 + V (n1 ). Sin embargo, esta aproximacin implica que en el calculo del valor de un nodo inuyen de la misma manera o los nodos ms cercanos que los ms lejanos. Si bien en el caso de juegos deterministas esto a a es cierto, la complejidad temporal de un juego no permite mantener en la memoria el rbol a de juego completo. Una opcin es considerar un factor de descuento, de la forma o V (n0 ) r0 + V (n1 ), (1)

donde (0, 1) se conoce como factor de descuento o factor de olvido. La idea bsica de los algoritmos de AR se condensa en el mtodo de diferencia temporales a e (n) para su ajuste. Consideremos que un [9], la cual es usar las evaluaciones sucesivas de V juego se encuentra en el tiempo t y el nodo ni , Vt (ni ) representa la evaluacin en el tiempo t o del nodo ni . Enseguida se aplica la accin at y hace que el entorno (juego) transite del nodo o ni al nodo nj en el tiempo t + 1, mientras el agente reciba una seal de refuerzo ri . El valor n del nodo ni deber ser en el tiempo t + 1, de acuerdo a (2): a Vt+1 (ni ) = ri + Vt (nj ). As la diferencia temporal entre las dos evaluaciones sucesivas de ni es ri + Vt (nj ) Vt (ni ). , Esta diferencia entre dos evaluaciones no puede considerarse un error absoluto, debido a que el valor real de V (ni ) es desconocido, pero s implica que la funcin utilizada para estimar o (ni ) presenta inconsistencias. Este error temporal se utiliza para actualizar la funcin de V o estimacin como o Vt+1 (ni ) = Vt (ni ) + (ri + Vt (nj ) Vt (ni )).

138

 En caso que V (n) se estime por una funcin f ((n), ), la actualizacin se realiza respecto o o al vector de parmetros y queda naturalmente como a t+1 = t + (ri + f ((nj ), t ) f ((ni ), t ))
f ((ni ), t ),

(2)

donde f ((ni ), t ) es el gradiente de f respecto a evaluado para ni y t . El pseudocdigo o de este mtodo, llamado T D(0), se presenta en el Algoritmo 2. e Algoritmo 2 TD(0)(, , Nmero juegos, Juego, ) u Entrada: , (0, 1), Nmero juegos N. u Entrada: Juego, donde se pueda interactuar con el agente adversario y devuelva el estado actual y la recompensa. Entrada: : S Rp , Funcin para obtener el vector de caracter o sticas de un estado. Salida: Rp vector de parmetros. a 1: Inicializa arbitrariamente. 2: para i = 1 hasta N mero juegos hacer u 3: s s0 , estado inicial del entorno. 4: (s). 5: V T . 6: repetir 7: Seleccionar una accin con un algoritmo tipo Minimax. o 8: Modicar la accin de acuerdo a una estrategia de ExploracinExplotacin. o o o 9: Aplicar accin y esperar que el contrario aplique su accin. o o 10: Recuperar el estado actual s y el valor de recompensa r. 11: (s ). 12: V T . 13: + (r + V V ) 14: ss, V V , 15: hasta Fin de la partida 16: n para 17: regresar . Entre las estrategias ms clsicas de E/E se encuentra la vida, la cual consiste en sea a a leccionar la accin (o jugada) que lleve al nodo sucesor con mayor valor minimax con una o probabilidad de 1 , mientras que, con probabilidad se selecciona una accin en forma o aleatoria entre todas las movidas legales. El mtodo vido tiende a encontrar muy rpidamente m e a a nimos globales si el valor de es muy pequeo, mientras que, si el valor es muy grande (cercano a 0,5, los valores de n los parmetros estimados tienden a oscilar mucho). Una estrategia clsica es comenzar con a a valores de grandes y reducirlos conforme pasa el tiempo. Sin embargo, la exploracin (la cual se realiza con una probabilidad de ), se realiza en forma o aleatoria, lo que puede conducir muchas veces a explorar regiones del espacio de descripcin o del juego que son claramente indeseables, lo que nos lleva a una prdida en la eciencia del e algoritmo de aprendizaje. Con el n de priorizar la bsqueda en las regiones del espacio ms u a prometedoras, se desarrollo el mtodo de Softmax. e

139

La estratgia de Softmax consiste en seleccionar la accin a tomar como una distribucin e o o polinomial en relacin a las jugadas legales posibles. El mtodo ms comn de softmax o e a u utiliza una distribucin de Boltzmann [9] para establecer dichas probabilidades por jugada o legal. Sea s un estado del tablero de juego y a A(s) una jugada legal a partir de s. Si se considera sa como el estado sucesor de s al aplicar la accin a, la probabilidad de aplicar la o accin a en el estado s est dada por la funcin: o a o p(s, a) = exp(V (sa )/ ) , exp(V (sb )/ )

bA(s)

donde es un parmetro positivo llamado temperatura y V (sa ) es la funcin de estimacin a o o del valor del estado sucesor al elegir la accin a. o La estrategia Softmax proporciona una gran cantidad de exploracin mientras que los valores o de los estados sucesores son similares, pero con el tiempo, al aumentar signicativamente el valor de un estado sucesor, esta estrategia tiende a explorar menos, tendiendo a estabilizarse a un valor. Sin embargo, es necesario para poder implementar Softmax el calculo de todos los valores minimax de los sucesores posibles, lo que lo hace extremadamente lento. Por esta razn se propone modicar la estrategia de E/E inspirados en el algoritmo de optimizacin o o heur stica de temple simulado. El temple simulado pertenece a la clase de procesos computacionales los cuales semejan a la naturaleza [3] que ha demostrado ser un algoritmo de aproximacin ecaz para resolver proo blemas de optimizacin combinatoria. El ncleo de este algoritmo es el criterio de Metropolis, o u desarrollado en 1953 [7]. Observando la similitud entre el proceso de el calentamiento de los solidos y los problemas de optimizacin combinatoria, Kirkpatrick introdujo el criterio de o Metropolis en la optimizacin para resolver el problema de quedarse atrapados en los optimos o locales [5]. En el algoritmo temple simulado el criterio de Metropolis se utiliza para decidir si la transicin de la situacin actual (la solucin) i para un nuevo estado j ocurre. La probabilidad o o o de transitar del estado i al j, Pr(i j) se puede denir, en el caso de un problema de maximizacin, como o Pr(i j) = 1, exp
f (j)f (i) t

si f (j) f (i), , en otro caso ,

donde f (j) y f (i) son los valores de la funcin de costo del problema de optimizacin y t es o o el tiempo transcurrido. Las funciones de costo f (j) y f (i) se pueden comparar con la energ a de los estados j y i en un slido calentado. Obviamente, el algoritmo temple simulado no es o avido al no rechazar todas las soluciones subptimas, y el estado optimo puede llegar con el o tiempo. Para aplicar el criterio de Metropolis como estrategia de E/E, se utiliza la funcin de estio macin de valor V (sM M ) del estado sucesor si se aplicara la accin obtenida con el mtodo o o e minimax, as como la estimacin del valor de un estado sucesor a partir de una accin b o o (sb ). seleccionada al azar entre los movimientos legales, V De manera anloga a la utilizada en el algoritmo de temple simulado, la probabilidad de a seleccionar la accin al azar se calcula en relacin su valor, as como el valor del sucesor que o o

140

se considera hasta el momento el mejor, de la forma Pr(b) = 1, exp

V (sb )V (sM M ) t

si V (sb ) V (sM M ), , en otro caso

Esto nos dice que, si al explorar (tomar una accin al azar), esta mejora la funcin de valor, o o entonces explora. En caso contrario toma la accin con minimax. Al principio se explora o mucho con esta estrategia, pero conforme las partidas avanzan, se deja poco a poco de explorar. Esto se debe a que se est acercando a un buen optimo local y slo explora si tomar a o la accin al azar lleva a un mejor ptimo local. Por otra parte conforme avanzan las partidas o o el valor de t disminuye, lo que signica que va dejando de explorar.

4. Experimentos
Las diferentes estrategias de E/E fueron probadas en el juego Othello comparando los resultados obtenidos con el algoritmo de aprendizaje TD(0) y las estrategias avida, Softmax y CM. El Othello emplea un tablero de 8 las por 8 columnas y 64 chas idnticas, redondas, e blancas por una cara y negras por la otra. Las casillas se denotan numerando las columnas, comenzando por la esquina superior izquierda del tablero, con letras de la A a la H, e igual con las las, con nmeros del uno al ocho. De inicio, se colocan dos chas con cara blanca en u D4 y E5, y dos con cara negra en E4 y D5 [6]. Empezando por quien lleva las chas negras los jugadores deben hacer un movimiento por turnos, a menos que no puedan hacer ninguno, pasando en ese caso el turno al jugador contrario. El movimiento consiste en colocar una cha de forma que anquee una o varias chas del color contrario y voltear esas chas para que pasen a mostrar el propio color. Se voltean todas las chas que se han anqueado en ese turno al colocar la cha del color contrario. Esas chas, para que estn anqueadas, deben formar una l e nea continua recta (diagonal, horizontal o vertical ) de chas del mismo color entre dos chas del color contrario. Cuando ya no puedan colocarse ms chas en el tablero, gana el jugador con ms chas de su a a propio color. El juego se program en el lenguaje interpretado Python [2] y se puede descargar o en [10]. El Othello tiene aproximadamente 1054 estados posibles y hacer una tabla de pares estadoaccin no es prcticamente posible, as como intentar realizar el algoritmo de bsqueda o a u con toda la profundidad. Es por eso que se hace una funcin de estimacin de utilidad. o o Mientras ms factores sean tomados en cuenta por la funcin de utilidad, mayor exibilidad a o tendr el algoritmo de aprendizaje para ajustar buenas estrategias. En este trabajo se opt por a o comparar los resultados de las diferentes estrategias de E/E manteniendo una funcin de o utilidad simple. La funcin de utilidad que se utiliz fue asignar un peso a cada casilla, promoviendo una o o estrategia de juego por posicin. Utilizando la simetr del tablero de Othello, slo es necesario o a o una octava parte de l para representar grupos de casillas, como se aprecia en la gura (1). e Con esto se requieren solamente 10 parmetros para denir la funcin de aproximacin de la a o o forma V (s) = i,j i,j (s)
(i,j)P

141

Figura 1. Equivalencia de casillas

donde s S es la posicin de chas en el tablero, P = {(0, 0), (0, 1), (0, 2), (0, 3), (1, 1), o (1, 2), (1, 3), (2, 2), (2, 3), (3, 3)} son los diferentes grupos de casillas y i,j es el peso para el grupo de casillas. Las caracter sticas (s)i,j estn dadas por a (s)i,j = Ni,j Bi,j , Ni,j + Bi,j

desde el punto de vista del jugador de chas negras, donde Ni,j es el nmero de piezas negras u en las casillas identicadas con (i, j) mientras que Bi,j es el numero de piezas blancas.

Figura 2. Peso del aprendizaje en las casillas (0, 0).

142

El aprendizaje se realiz para ambos jugadores, utilizando la misma estrategia de E/E a o lo largo de 7000 partidas de Othello. Ambos agentes se inicializaron con todos los pesos iguales a cero. Una vez que se cont con el aprendizaje de los agentes, se enfrentaron entre o s a los agentes que aprendieron con diferentes estrategias de E/E. En todos los casos, tanto para el jugador negro como el jugador blanco, los agentes que estimaron su funcin con CM o derrotaron a los agentes que estimaron los parmetros con las estrategias avida y Softmax. a En todos los casos, cuando se enfrentaron dos agentes que aprendieron con la misma estrategia de E/E, el jugador negro sali victorioso, de lo que se puede concluir que en el juego de Otello o comenzar el juego ofrece cierta ventaja al jugador. La Figura 2 muestra el peso 0,0 a lo largo de las partidas de aprendizaje con las tres estrategias de E/E tanto para el jugador negro como para el jugador blanco. Se puede apreciar que la estrategia vida (l a nea verde) explora mucho y no tiende a establecerse en un valor a lo largo de las partidas. La pol tica Softmax (l nea roja) explora muy poco, pero converge lentamente a un m nimo local, mientras que para CM (l nea azul) el factor de exploracin es pequeo al o n principio, pero tiende a un valor cercano al que se encuentra con Softmax.

Figura 3. Peso del aprendizaje en las casillas (1, 1).

La Figura 3, representa el aprendizaje del valor 1,1 para las tres estrategias. En este caso, las pol ticas convergen a un peso negativo dado que ocupar esta casilla es una mala decisin [6]. o Aunque al utilizar la estrategia vida se estima un peso ms grande que con las dems, no a a a ofrece un buen balance con los dems pesos. Con Softmax el valor es muy pequeo, mientras a n que CM encuentra un buen equilibrio.

143

5. Conclusiones
En este trabajo se estudi el efecto de la estrategia de exploracinexplotacin en la estio o o macin, por aprendizaje reforzado, de los parmetros de funciones de estimacin de utilidad o a o para juegos deterministas de suma cero. Para esto, se program una versin del algoritmo de o o poda , la cual se implement en el juego de Othello. o Se propuso el uso del criterio de Metropolis, utilizado ampliamente en los mtodos de temple e simulado, como otra estrategia ms de E/E, y se compar los resultados del aprendizaje a o obtenidos con dicha estrategia en relacin a las estrategias vida y Softmax. Los resultados o a muestran que la estrategia de Metropolis es claramente mejor que vida, y que tienden a a mejorar, aunque por poco margen, a la estrategia Softmax. El experimento se realiz utilizando el algoritmo TD(0), que si bien ha demostrado en la o prctica ser eciente en el aprendizaje de funciones de utilidad, existen otros algoritmos de a aprendizaje ms sosticados, como TD() o TDLeaf, con los cuales deber ser probada la a a estrategia CM. Igualmente, como trabajo futuro se encuentra el uso de funciones de utilidad no lineales, espec camente el uso de redes neuronales, y su adaptacin utilizando tcnicas o e de aprendizaje reforzado.

6. Referencias
[1] Althfer, I. (1990). An incremental negamax algorithm, Articial Intelligence, 43, 1, 5765. o [2] Barry, P. y Griths, D. (2009). Head First Programming: A Learners Guide to Programming Using the Python Language. OReilly Media. [3] Boettcher, S. y Percus, A. (2000). Natures way of optimizing, Articial Intelligence, 119, 12. 275286. [4] Fudenberg, D. y Tirole, J. (1991). Game Theory. Cambridge, MIT Press. [5] Kirkpatrick, S. Gelatt, C. D. y Vecchi M. P. (1983). Optimization by simulated annealing, Science, 220, 4598, 671680. [6] Landau, T. (1987). Othello: Brief & Basic, An introduction to strategy and tactics for the game of Othello. New York. Milton Bradley Co. [7] Metropolis, N. Rosenbluth, A. W. Rosenbluth, M. N. Teller, A. H. y Teller, E. (1953). Equation of calculations by fast computing machines, The Journal of Chemical Physics, 21, 6, 10871092. [8] Russell, S. y Norvig, P. (2002). Articial Intelligence: A Modern Approach. Prentice Hall. [9] Sutton, R. S. y Barto, A. G. (1998). Reinforcement Learning: An Introduction. Cambridge, MIT Press. [10] Tesisteco, I. (2010). Pgina personal. http://yoliztli.cs.buap.mx/~efi/Othello.rar. a t

144

Ecuaciones diferenciales parciales no lineales: separacin de variables, o soluciones simblicas o Inna Shingareva, Carlos Lizrraga Celaya a a Departamento de Matemticas Universidad de Sonora
e-mail: inna@fisica.uson.mx, carlos@fisica.uson.mx

Resumen
El presente trabajo considera la construccin de soluciones exactas de ecuaciones diferenciales o parciales (EDP) no lineales mediante los mtodos de separacin de variables y de lgebra come o a putacional. Se aplican los mtodos anal e ticos (separacin ordinaria de variables, separacin o o parcial de variables, separacin generalizada de variables mediante diferenciacin y separacin o o o en partes splitting) para obtener soluciones exactas y simblicas de varias clases de ecuaciones o diferenciales parciales no lineales. En particular, se obtienen soluciones exactas y simblicas o (mediante el sistema Maple) de la ecuacin de onda no lineal, la ecuacin de sine-Gordon o o y dos ecuaciones no lineales de tercer orden. Para la ecuacin de sine-Gordon, se describen o sus cuatro clases diferentes de soluciones exactas tipo solitn y se visualizan los resultados o anal ticos.

Introduccin o

Es bien conocido que la separacin de variables es uno de los mtodos ms importantes o e a y poderosos para resolver ecuaciones diferenciales parciales lineales (EDP), en la cual la estructura de una EDP en particular nos permite buscar soluciones exactas separables (aditivamente o multiplicativamente), por ejemplo u(x, t) = (x) (t), donde la multiplicacin o o la adicin se denota por el operador . o En general, el mtodo de separacin de variables en ecuaciones diferenciales parciales e o nos permite reducir el problema original a un sistema de ecuaciones diferenciales ordinarias (ODE), el cual se puede resolver por cuadraturas. La aplicacin exitosa de este mtodo o e a varias ecuaciones lineales de la f sica-matemtica nos lleva a buscar una transformacin a o de variables tal que en las nuevas variables la EDP se puede resolver mediante un ansatz separable (aditivo o multiplicativo) para encontrar una solucin. o En general, todav no existe un mtodo que nos permita decidir si una EDP dada a e admite soluciones separables y como encontrar estas. Aunque para algunas clases particulares de ecuaciones diferenciales parciales existen criterios algor tmicos de separabilidad que nos permiten decidir si la separacin de variables existe y encontrar las soluciones expl o citamente. Aunque para algunas ecuaciones diferenciales parciales no lineales espec cas, es posible aplicar esta idea de la separacin de variables, como sucede en el caso de EDPs lineales, la o

145

amplia clase de EDPs no lineales no permiten la aplicacin de este mtodo directamente. Por o e e lo tanto, en las ultimas dcadas este tema ha sido estudiado extensivamente con respecto a EDP no lineales y han sido desarrollado nuevos mtodos que forman una familia de mtodos e e de separacin de variables, tales como la separacin ordinaria de variables, separacin paro o o cial de variables, separacin generalizada de variables, separacin funcional de variables, o o separacin incompleta de variables. En este trabajo consideramos algunos ejemplos de los o primeros tres mtodos. e Adems, aunque en algunos casos es posible realizar una separacin de variables, se oba o tienen expresiones muy complejas de resolver, por lo que construimos algor tmos y programas apoyados en sistemas de lgebra computacional para resolver varias clases de ecuaciones no a lineales. Los programas (desarrollados en Maple y Mathematica) para resolver ejemplos en el presente trabajo y otros numersas ecuaciones se pueden encontrar en [6]. Tambin este o e enfoque simblico nos sirve para la bsqueda de ecuaciones diferenciales parciales no lineales o u que admiten una separacin de variables. o 2 Separacin ordinaria de variables o

En esta Seccin, consideraremos el primer mtodo (ms simple) de la familia de mtodos o e a e de separacin de variables y una ecuacin no lineal, donde es posible realizar la separacin o o o ordinaria de variables (como en el caso lineal). Consideremos la ecuacin de onda no lineal de la forma o utt = a(eu ux )x . Si aplicamos el mtodo de separacin ordinaria de variables y buscamos las soluciones exactas e o en la forma u(x, t) = (x)+ (t), podemos demostrar que la solucin exacta de esta ecuacin o o tiene la forma 2 C1 Cx2 2C1 xa + 2C1 C2 a 1 . u(x, t) = ln 2Ca cos(t C1 + C2 C1 ) + 2Ca 3 Separacin parcial de variables o

En esta Seccin, consideraremos el segundo mtodo de la familia de mtodos de separacin de o e e o variables y una ecuacin no lineal, donde es posible realizar la separacin parcial de variables o o (diferente del caso lineal). Se hace un anlisis de la ecuacin y se buscan todos los casos a o especiales donde la ecuacin dada admite una separacin ordinaria de variables. o o Consideremos la ecuacin no lineal de tercer orden o ut uxx + aux utt = buxxx + cuttt , donde a, b, y c son parmetros. Si aplicamos el mtodo de separacin de variables y buscamos a e o las soluciones exactas de la forma u(x, t) = (x)+(t), podemos demostrar que las soluciones exactas de esta ecuacin existen para los tres casos especiales y tienen las siguientes formas: o 1) si t = C1 , obtenemos u(x, t) = C1 t + C2 + C3 x + C4 eC1 x/b (donde (t) = C1 t + C2 y (x) = C2 + C3 x + C4 eC1 x/b );

146

2) si x = C1 , obtenemos u(x, t) = C1 x + C2 + C3 t + C4 eaC1 t/c (donde (x) = C1 x + C2 y (t) = C2 + C3 t + C4 eaC1 t/c ); 3) si buscamos la solucin en la forma (x)=C1 eA1 x +A2 x, (t)=C2 eA3 t +A4 t+C3 o con los coecientes desconocidos A1 , A2 , A3 , y A4 , entonces podemos encontrar estos coecientes, A3 = 1, A2 = c/a, A1 = a, A4 = ab, y la solucin nal (x) = C1 eax + cx/a, o (t) = et C2 abt + C3 , y u(x, t) = C1 eax + cx/a + et C2 abt + C3 . 4 Separacin de Variables Generalizada o

Ahora consideramos el tercer mtodo de la familia de mtodos de separacin de variables, es e e o decir, una generalizacin de las soluciones ordinarias separables representadas en la forma o u(x, t) = 1 (x)1 (t) + + n (x)n (t), n N,

donde las funciones i (x), i (t) (con diferentes ndices i) son independientes entre si y i (x)i (t) son soluciones particulares de una EDP no lineal dada. En este caso decimos que u(x, t) es la solucin separable generalizada. o El concepto de la separacin no lineal de variables fue introducido por primera vez por o Galaktionov [1] en el estudio de ecuaciones parablicas no lineales cuyas soluciones explotan o (blow-up) en el tiempo, donde la solucin se representa de la forma u(x, t) = (t)(x) + (t). o Una gran cantidad de EDPs no lineales de varios tipos que admiten las soluciones separables generalizadas son presentadas por Polyanin et al. [3], [4]. Adems, se pueden encontrar a numerosas soluciones exactas y simblicas en [5] y [6]. En esta Seccin encontraremos soluo o ciones separables generalizadas para algunos problemas mediante diferenciacin y separacin o o en partes (splitting). 1) Soluciones separables generalizadas por diferenciacin. Ecuacin de sine-Gordon. Visuao o lizacin de soluciones tipo solitn. Consideremos la ecuacin de sine-Gordon o o o uxx utt = sin u, la cual tiene numerosas aplicaciones en la f sica (por ejemplo, en las teor de campos as relativistas, la f sica de estado slido, la ptica no lineal, etc.). Si aplicamos la transformacin o o o u(x, t) = 4 arctan U (x, t) , el mtodo de separacin generalizada de variables, y buscamos e o las soluciones exactas en la forma u(x, t) = (x)/(t), llegamos a la siguiente ecuacin: o
2 2(2 t ) + ( 2 + 2 ) x

xx tt +

= 2 2 .

Luego si derivamos esta ecuacin con respecto a x y t y separamos las variables, obtenemos o el siguiente sistema de ecuaciones diferenciales ordinarias (EDOs): xx xxx 3 = C, 2 x 1 2 = C4 + A1 2 + A2 , x 4 tt ttt 3 = C, 2 t 1 2 t = C 4 + B1 2 + B2 , 4

donde C es una constante de separacin. Estas EDOs se pueden integrar dos veces: o

147

donde A1 , A2 , B1 , B2 son constantes arbitrarias. Si sustituimos (x) y (t) en el sistema de ecuaciones diferenciales ordinarias mencionada anteriormente, obtenemos las relaciones B1 = 1 A1 , B2 = A2 y las ecuaciones se convierten en 1 2 = C4 + A1 2 + A2 , x 4 1 2 t = C 4 + (A1 1) 2 A2 . 4

Ahora consideramos algunos casos particulares importantes, de los cuales obtendremos y o visualizaremos soluciones tipo solitn. Entre ellas encontraremos las soluciones tipo 1-solitn o que se pueden clasicar de dos tipos, pliegue y antipliegue. Un pliegue es una solucin cuyos o valores l mites en el innito izquierdo () es 0 y en el innito derecho (+) es 2, y un antipliegue es una solucin cuyos valores l o mites son 0 y 2, respectivamente. Adems, la a solucin tipo 1-solitn produce soluciones de onda solitaria, es decir solitones del tipo forma o o de joroba o antisolitones que se propagan sin cambiar su forma en direcciones opuestas. Las soluciones tipo 2-solitones se pueden clasicar en varios casos diferentes: interaccin o entre dos pliegues, interaccin entre dos antipliegues, interaccin entre un pliegue y un ano o tipliegue, interaccin entre un antipliegue y un pliegue, y una solucin especial llamada la o o solucin oscilante tipo breather. Adems, las soluciones tipo 2-solitones producen otras o a soluciones que representan la interaccin entre dos solitones o antisolitones iguales del tipo o forma de joroba y la interaccin entre un solitn y antisolitn o la interaccin entre un o o o o antisolitn y solitn. o o 1. Para C = 0, A2 = 0, A1 > 1 obtenemos las siguientes soluciones exactas: a) (x) = D1 exk1 , (t) = E1 etk2 , u1 (x, t) = 4 arctan Aexk1 tk2 , donde k1 = A1 , k2 = A1 1, D1 = eC1 k1 , E1 = eC1 k2 , A = D1 /E1 y A1 > 1 es una constante arbitraria. b) (x) = D1 exk1 , (t) = E2 etk2 , u2 (x, t) = 4 arctan Aexk1 +tk2 , donde D1 = eC1 k1 , E2 = eC1 k2 , A = D1 /E2 y A1 > 1 es una constante arbitraria. Estas o o o soluciones representan la solucin tipo 1-soliton, el caso solucin tipo pliegue de la ecuacin de sine-Gordon. c) (x) = D2 exk1 , (t) = E1 etk2 , u3 (x, t) = 4 arctan Aexk1 tk2 , donde D2 = eC1 k1 , E1 = eC1 k2 , A = D2 /E1 y A1 > 1 es una constante arbitraria. d) (x) = D2 exk1 , (t) = E2 etk2 , u4 (x, t) = 4 arctan Aexk1 +tk2 , donde D2 = eC1 k1 , E2 = eC1 k2 , A = D2 /E2 y A1 > 1 es una contante arbitraria. Estas soluciones representan la solucin tipo 1-solitn, el caso antisolitn o solucin tipo antipiegue o o o o

148

de la ecuacin de sine-Gordon. Adems vericamos que estas soluciones son las soluciones o a o exactas, presentamos las grcas correspondientes y animacin de estas soluciones. Estas a soluciones del tipo solitn y antisolitn producen las soluciones ui x y ui t (i = 1, . . . 4), las o o cuales representan soluciones de onda solitaria, es decir solitones o antisolitones del tipo forma de joroba, que se propagan sin cambio de forma en direcciones opuestas. Presentamos las animaciones correspondientes de estas soluciones de onda solitaria. 2. Para C = 0, A2 = 0, A1 > 1, obtenemos, por ejemplo, las siguientes soluciones exactas ms complicadas: a u1 (x, t) = 4 arctan u2 (x, t) = 4 arctan k2 (e2C1 k1 A2 e2xk1 )ek2 (t+C1 )k1 (x+C1 ) k1 (e2C1 k2 A2 + e2tk2 ) k2 (e2xk1 A2 e2C1 k1 )ek2 (t+C1 )k1 (x+C1 ) k1 (e2tk2 A2 + e2C1 k2 ) , ,

donde k1 = A1 , k2 = A1 1, C1 , A1 , y A2 son constantes arbitrarias. Estas soluciones pertenecen a la clase de soluciones tipo 2-solitones y fueron investigadas numericamente o por primera vez por Perring y Skyrme [2]. Estas soluciones describen la interaccin de dos soluciones iguales del tipo pliegue o antipliegue. Vericamos que estas soluciones son soluciones exactas y presentamos las animaciones correspondientes de estas soluciones. Las soluciones mencionadas anteriormente, es decir, soluciones tipo 2-solitones, el caso de la interaccin de dos soluciones iguales del tipo pliegue o antipliegue, produce las soluciones o ui x y ui t (i = 1, 2), las cuales representan, respectivamente la interaccin de dos solitones o o antisolitones del tipo forma de joroba, la interaccin de un solitn y un antisolitn o la o o o interacccin de un antisolitn y un solitn. Presentamos las animaciones correspondientes o o o de estas interacciones. 3. Para C = 0, A2 = 0, A1 > 1 (A1 = 4, C = 4, C1 = 0, C2 = 0) obtenemos, por ejemplo, las siguientes soluciones exactas: 2 1 tanh(t 3 ) 2 tanh(2x) , u1,2 (x, t) = 4 arctan 2 tanh(2x) 3 3 tanh(t 3 ) Estas soluciones describen un antipliegue o pliegue que se mueve hacia la frontera, ux (0, t) = 0, y luego se reeja en la frontera en forma de un pliegue o antipliegue, respectivamente. En otras palabras, podemos decir que estas soluciones tipo 2-solitones representan la interaccin o de un antipliegue con un pliegue o la interaccin de un pliegue con un antipliegue, respectivao mente. Vericamos que estas soluciones son soluciones exactas y presentamos las animaciones correspondientes de estas soluciones. Notemos que en este caso ui x y ui t (i = 1, 2) no tienen valores reales. 4. Para C = 0, A2 = 0, 0 < A1 < 1, A1 = 1 2 , = 1 0.9, C = 4, C1 = 0, C2 = 0, obtenemos las siguientes soluciones especiales: (2k 2 (1 + e2xk e4xk ))exk | cos(t)| sin(t) , u1,2 (x, t) = 4 arctan (4e2xk + 4 2 e2xk 1) cos(t)

149

 donde k = 1 2 . Estas soluciones se llaman las soluciones oscilantes del tipo breather o de la ecuacin de sine-Gordon y describen una estructura del tipo pulso de un antisolitn o o solitn del tipo forma de joroba, respectivamente. Por lo tanto, en este caso las soluciones son o funciones peridicas en el tiempo t con frecuencia para una posicin x ja. o o Presentamos las animaciones correspondientes de estas soluciones para la frecuencia = 1 0.9. Si consideramos el caso 1, por ejemplo = 1 0.1, las soluciones obtenidas describen las soluciones oscilantes del tipo breather de amplitud pequea. n 2) Soluciones separables generalizadas mediante la separacin en partes (splitting). Consio deramos la ecuacin diferencial parcial no lineal de tercer orden o uxt + (uxx )2 uuxx = uxxx . Si aplicamos el mtodo de separacin generalizada de variables, buscamos soluciones exactas e o en la forma u(x, t) = 1 (x)1 (t) + 2 (t), y aplicamos el procedimiento de separacin en o partes (splitting), llegamos a la siguiente ecuacin funcional: o
4

i (x)i (t) = 0,
i=1 2 donde 1 = 1 x , 1 = 1 t , 2 = 1 xx , 2 = 1 2 , 3 = 1 xx 1 + (1 x )2 , 3 = 1 , 4 = 1 xxx , 4 = 1 . Si conocemos las soluciones de esta ecuacin funcional, por ejemplo, o la solucin 1 = A1 3 +A2 4 , 2 = A3 3 +A4 4 , 3 = A1 1 A3 2 , 4 = A2 1 A4 2 , o llegamos al siguiente sistema de EDOs: 2 2 1 t = A1 1 + A2 1 , 1 2 = A3 1 + A4 1 , 1 xx 1 + (1 x )2 = A1 1 x + A3 1 xx , 1 xxx = A2 1 x + A4 1 xx .

Es fcil de probar que las ultimas dos ecuaciones son consistentes si y slo si la funcin 1 (x) a o o satisface la ecuacin 1 x = B1 1 + B2 . o Si integramos estas ecuaciones, encontramos las soluciones exactas: 1 = B2 x + B3 (si B1 = 0), 1 = B2 /B1 + eB1 x B3 (si B1 = 0), 1 = 1/(A1 t B4 ) (si A2 = 0), 1 = A2 /(A1 eA2 t B4 A2 ) (si A2 = 0), y 2 = A3 1 +A4 . Luego, podemos determinar las relaciones entre las constantes arbitrarias A1 , A2 , A3 , A4 , B1 , y B2 , y por consecuencia 2 llegamos a las ecuaciones: A4 B1 + A2 B1 = 0, B1 (B2 A3 B1 + A1 ) = 0, y B2 (B2 A3 B1 + A1 ) = 0. Todas estas frmulas nos permiten determinar las soluciones exactas de la forma u(x, t) = o 1 (x)1 (t) + 2 (t). Si consideramos, por ejemplo, el caso A2 = 0, B1 = 0, B2 = A1 , obtenemos la forma nal de la solucin exacta o B3 + A3 B4 x + C1 + C3 , , C2 = , C3 = A4 . C1 = u(x, t) = t + C2 B2 B2 5 Conclusiones

En el presente trabajo consideramos varios mtodos anal e ticos para la construccin de soluo ciones exactas y simblicas de ecuaciones diferenciales parciales no lineales mediante los siso temas de lgebra computacional. Desarrollamos nuevos algoritmos matemticos para obtener a a

150

soluciones anal ticas de un conjunto de clases de EDP no lineales en la forma general que a surgen en varias reas de las matemticas y las ciencias. En particular, consideramos la a ecuacin de onda no lineal, ecuacin de sine-Gordon y dos ecuaciones no lineales de tercer o o orden. Resolvemos estas ecuaciones no lineales mediante el mtodo de separacin ordinaria e o de variables, el mtodo de separacin parcial de variables para obtener soluciones exace o tas, y soluciones separables generalizadas mediante diferenciacin y separacin en partes o o (splitting). Para la ecuacin de sine-Gordon encontramos las cuatro diferentes clases de o soluciones exactas del tipo solitn y visualizamos los resultados anal o ticos. Debido a su generalidad matemtica, los resultados obtenidos se pueden aplicar a numerosos problemas a particulares en varias reas de las matemticas y ciencias. Aunque frecuentemente casi cada a a ecuacin diferencial parcial no lineal dene su propia clase y no se puede generalizar, exiso ten muchos ejemplos de ecuaciones donde se puede aplicar el m smo mtodo. Por ejemplo, e ya que la ecuacin de sine-Gordon es un caso particular de la ecuacin de KleinGordon, o o utt uxx = F (u) (donde F (u) es una funcin arbitraria), se puede aplicar los algor o tmos y programas construidos para varias funciones F (u) (con slo algunos modicaciones). o Agradecimientos Nos gustar agradecer el evaluador de este trabajo que mencion comentarios interesantes. a o Este trabajo ha sido realizado gracias a nanciamiento de CONACYT, proyecto No. 55463. Bibliograf a [1] Galaktionov, V. A.: On new exact blow-up solutions for nonlinear heat conduction equations. Dierential and Integral Equations 3, 863874 (1990). [2] Perring, J. K. and Skyrme, T. H. R.: A model of unied eld equation. Nucl. Phys. 31, 550555 (1962). [3] Polyanin, A. D., Zaitsev, V. F.: Handbook of Nonlinear Partial Dierential Equations. Chapman & Hall/CRC Press, Boca Raton 2004. [4] Polyanin, A. D., Zhurov, A. I.: Exact Solutions to Nonlinear Equations of Mechanics and Mathematical Physics. Doklady Physics 43 (6) pp. 381385 (1998). [5] I. Shingareva and C. Lizrraga-Celaya: Maple and Mathematica. A Problem Solving a Approach for Mathematics, Second Edition. Springer, Wien-New York, 2009. [6] I. Shingareva and C. Lizrraga-Celaya: Nonlinear Partial Dierential Equations with a Maple, Mathematica, and Matlab, in Handbook of Nonlinear Partial Dierential Equations. Second Edition. Chapman & Hall/CRC Press, Boca Raton 2011 (to appear).

151

152

La bifurcacin Takens-Bogdanov m-paramtrica o e n-dimensional

Francisco A. Carrillo N.1, Fernando Verduzco G.2 y Joaqu Delgado F.3 n 1 2 Departamento de Matemticas, a Universidad de Sonora, 3 Departamento de Matemticas, a Universidad Autnoma Metropolitana Unidad Iztapalapa. o 1 carrillo@gauss.mat.uson.mx, 2 verduzco@gauss.mat.uson.mx, 3 jdf@xanum.uam.mx. Nivel Educativo: SUPERIOR.
Resumen Originalmente, Takens en 1974 [8] y Bogdanov en 1975 [3], dieron condiciones sucientes para que un sistema no lineal m-paramtrico en el plano sea topolgicamente e o equivalente a la deformacin versal (o desdoblamiento universal) de la bifurcacin o o Takens-Bogdanov. Tiempo despus, Y.A. Kuznetsov, con otro tipo de clculos obtuvo e a el caso particular m = 2. En este artculo presentamos una generalizacin al resulta o do de Takens y Bogdanov, siguiendo la losofa del anlisis de Kuznetsov, pero desde a otro punto de vista y con otro tipo de herramientas matemticas, esta generalizacin a o es en el sentido de que encontramos condiciones sucientes para un sistema no lineal n-dimensional k-parametrizado, cuya matriz Jacobiana evaluada en un punto crtico de inters, tiene un valor propio cero de multiplicidad algebraica y geomtrica igual a dos e e y el resto de los valores propios con parte real diferente de cero, tal que la dinmica a sobre la variedad central bidimensional de este sistema, sea topolgicamente equivalente o a la deformacin versal mencionada anteriormente. o

1. Introduccin o
Takens [8] y Bogdanov [3] dieron de manera independiente, sus respectivas deformaciones versales para la bifurcacin doble cero (como tambin se le conoce a la bifurcacin Takenso e o Bogdanov), es decir, encontraron una familia bidimensional bi-paramtrizada de campos e vectoriales cuyo ujos locales contienen todas las posibles pequeas perturbaciones de un n sistema no lineal bidimensional, cuya matriz jacobiana evaluada en un punto de equilibrio de inters, tiene una valor propio cero de multiplicidades tanto algebraica como geomtrica e e igual a dos, y al sistema mismo. Kuznetsov [7] analiz una familia de campos vectoriales o bi-parametrizada en el plano, usando la deformacin versal dada por Bogdanov. o En este art culo, presentamos una generalizacin del anlisis dado Takens [8] y Bogdanov [3], o a para una familia de campos vectoriales n-dimensional mparametrizada, esta generalizacin o se hizo desde un punto de vista diferente al presentado por Kuznetsov para el caso particular m = 2 en [7], lo cual nos permiti obtener un clculo expl o a cito de las supercies de bifurcacin o ver el Theorema 1. 1 I

153

Analizaremos una familia de campos vectoriales k-parametrizados, en un punto de equilibrio de inters, cuya matriz Jacobiana evaluada en este punto de equilibrio, tiene un valor propio e cero con multiplicidades algebraica y geomtrica igual a dos, y el resto de los valores propios e con parte real diferente de cero. Damos condiciones sucientes sobre esta familia de campos vectoriales, tales que las dinmicas sobre la variedad central bidimensional de esta familia de a campos vectoriales es topolgicamente equivalente a la deformacin versal de la bifurcacin o o o doble cero, dada por Bogdanov [3].

2. La bifurcacin Takens-Bogdanov o
Consideremos un sistema en el plano de la forma x= 0 1 0 0 x + f(x), (1)

donde f(x) es un vector cuyas entradas contienen trminos no lineales, tal que f(0) = 0. e Se utiliza la teor de las formas normales para determinar la forma ms sencilla de (1) que a a mantenga sus caracter sticas escenciales. x= 0 1 0 0 x + f2(x) + O(x3), (2)

estas formas normales no son unicas, aqu por ejemplo f2 (x) = ax2 1 bx2 1 o f2 (x) = ax2 1 0 + bx1x2 ,

la dinmica para el sistema (2) alrededor del origen es una cspide, ver Figura 1, pero a u

Figura 1. Punto c spide para a > 0. u

u n o esta cspide es muy inestable y se puede romper con cualquier pequea perturbacin al sistema. Si ab = 0, Takens y Bogdanov demostraron cada uno por separado que se pueden despreciar los trminos cbicos y las formas normales se pueden truncar hasta orden 2, es e u decir, 0 1 0 x= x+ , 0 0 ax2 + bx1x2 1
154

es una forma normal truncada hasta orden 2 del sistema (1). Y principalmente fueron los primeros en demostrar que las familias biparamtricas e z= z= 0 1 0 0 0 1 0 0 z+ z+
2 az1 2 bz1

+ +

2 z1 1

, ,

2 az1

0 + bz1z2

0 1 + 2 z1

desdoblan esta cspide, es decir, estas familias biparamtricas llamadas deformaciones veru e sales o desdoblamientos universales, contienen a la cspide y a todas las posibles dinmicas u a subyacentes en su rompimiento o bifurcacin. o Entonces, todas las posibles dinmicas subyacentes en stas familias biparamtricas las podea e e mos observar en el diagrama de bifurcacin de la segunda familia. Al conjunto de escenarios o observados en la Figura 2, se conoce como la bifurcacin Takens-Bogdanov. o

o o Figura 2. Diagrama de bifurcacin de la bifurcacin Takens-Bogdanov.

3. Planteamiento del problema

Considrese el campo vectorial m-parametrizado e x = F (x, ), (3)

donde x Rn , Rm , con m 2, y F Cr (Rn Rm ), con r 2. Supongamos que existe (x0 , 0 ) Rn Rm tal que H1) F (x0, 0 ) = 0, y H2) (DF (x0 , 0 )) = {j C | 1,2 = 0, caso no semisimple. Re(j ) = 0, for j = 3, . . . , n } , considerando el

155

El caso no semisimple se reere al caso cuando la multiplicidad geomtrica del valor propio e cero es uno. Nuestro objetivo es encontrar condiciones sucientes sobre el campo vectorial F , tales que la dinmica sobre la variedad central en x = x0, sea localmente topolgicamente equivalente a a o la deformacin versal de la bifurcacin Takens-Bogdanov genrica, en el plano o o e z1 = z2 2 z2 = 1 + 2z1 + az1 + bz1z2, donde ab = 0. (5) (4)

4. Dinmica sobre la variedad central a

En esta seccin usaremos la teor de la variedad central para determinar la dinmica sobre o a a la variedad central m-parametrizada bidimensional en el punto de equilibrio x = x0 para 0 . 4.1. Forma de Jordan Consideremos la expansin de Taylor alrededor de (x0 , 0), para el campo vectorial F (x, ) o en (3) F (x, ) = DF (x0, 0 )(x x0) + F (x0 , 0 )( 0 ) 1 + D2 F (x0, 0 )(x x0 , x x0) + Fx (x0 , 0 )( 0 , x x0 ) + . 2 o De la hiptesis H2) tenemos que, Proposicin 1. La matriz A = DF (x0 , 0 ) Rnn es similar a la matriz o J= donde J1 R(n2)(n2) es tal que (J1) = {j C | Re(j ) = 0, para j = 3, . . . , n } . Sean p1 , p2 Rn los vectores propios derechos generalizados de A asociados al valor propio = 0: Ap1 = 0; Ap2 = p1 . (7) Sea P = (p1 , p2 , P0 ), donde P0 R(n2)(n2) la matriz que contiene los vectores propios derechos generalizados asociados a los valores propios de la matriz J1. Se sabe que P 1 AP = J. (8) J0 0 0 J1 ,

(6)

156

Entonces, si P 1

Es decir, q1 , q2 Rn son los vectores propios izquierdos generalizados de A asociados al valor propio = 0. Prueba: Esta prueba la puede consultar en [4]. 4.2. Cambio de coordenadas En esta seccin usaremos un primer cambio de coordenadas para poner el campo vectorial o de la parte derecha de (3) en su forma de Jordan. Considrese el cambio de coordenadas y de parmetros e a y = P 1 (x x0), y = 0 , entonces (3) se transforma en 1 y = J y + P 1 F(x0 , 0 ) + P 1 D2 F (x0, 0 )(P y, P y) + 2 P 1 Fx (x0 , 0)(, P y) + . Denamos v0 = ( p1 p2 ), y w0 = ( q1 q2 )T , entonces P = ( v0 P0 ) y P 1 = denamos y1 y2 = y = P 1 (x x0) = w0(x x0) Q0(x x0) , w0 Q0 (9) 2

T q1 T = q2 Q0

entonces

T q2 A = 0, T T q1 A = q2 .

(10) . Ahora

es decir, y1 = w0(x x0) R2, y y2 = Q0 (x x0) Rn2 . Con estas transformaciones de coordenadas tenemos que (10) se transforma en 1 y1 = J0 y1 + w0F (x0, 0 ) + w0 D2 F (x0, 0 )(v0y1 , v0y1) + 2 1 w0 D2 F (x0, 0 )(v0y1 , P0 y2) + w0D2 F (x0, 0 )(P0 y2, P0 y2 ) 2 +w0 Fx (x0, 0 )(, v0y1 ) + w0Fx (x0 , 0)(, P0 y2) + 1 y2 = J1 y2 + Q0F (x0, 0 ) + Q0D2 F (x0, 0 )(v0 y1, v0y1 ) + 2 1 Q0 D2 F (x0, 0 )(v0y1 , P0 y2) + Q0D2 F (x0, 0 )(P0 y2 , P0 y2) 2 +Q0 Fx(x0 , 0 )(, v0y1 ) + Q0Fx (x0, 0 )(, P0 y2 ) + . Con el n de simplicar el sistema anterior, usaremos la siguiente

157

 1 . Denicin 1. Dados Rn , = . y L Rn(rs) , L = o . n denimos el producto

n

L1 . , donde L Rrs , . i . Ln

L=
i=1

i Li .

Por lo tanto, el sistema puede ser escrito como el sistema extendido y1 J0 w0F (x0 , 0 ) 0 y1 F1(y1 , , y2) = 0 , 0 0 + 0 y2 0 Q0F (x0, 0 ) J1 y2 F2(y1 , , y2) donde F1(y1 , , y2) = + + 1 w0 D2 F (x0, 0 ) (v0, v0 ) (y1, y1) 2 w0 D2 F (x0, 0 ) (v0, P0 ) (y1, y2 )

(11)

1 w0 D2 F (x0, 0 ) (P0 , P0 ) (y2 , y2) 2 + [(w0 Fx (x0, 0 )) v0] (, y1) + [(w0 Fx(x0 , 0 )) P0 ] (, y2 ) + , 1 F2(y1 , , y2) = Q0 D2 F (x0, 0 ) (v0, v0) (y1 , y1) 2 + Q0 D2 F (x0, 0 ) (v0 , P0 ) (y1, y2 ) 1 + Q0 D2 F (x0, 0 ) (P0 , P0 ) (y2, y2 ) 2 + [(Q0 Fx (x0, 0 )) v0 ] (, y1 ) + [(Q0 Fx (x0, 0 )) P0 ] (, y2 ) + . Puede consultar los detalles de estos clculos y los posteriores en [4]. a Para calcular la variedad central local m-parametrizada en el punto de equilibrio y = 0, primero consideramos el cambio de coordenadas y1 = P 1 , (12) y2 I2 0 0 I2 0 0 1 donde P = 0 Im 0 y P 1 = 0 Im 0 , con K2 = J1 Q0F (x0, 0 ). 0 K2 In2 0 K2 In2 Entonces, a travs de (12) el sistema (11) se transforma en e J0 R0 0 f1 (, , ) = 0 0 0 + , 0 (13) 0 0 J1 f2 (, , ) donde R0 = w0 F (x0, 0 ), y f1 (, , ) = F1(, , K2 ), f2 (, , ) = F2(, , K2 ).

158

De la teor de la variedad central, el sistema (13) tiene una variedad central = h(, ) = a 2 O(|, | ), con h(0, 0) = Dh(0, 0) = 0, y la dinmica sobre esta variedad central est dada a a por = J0 + R0 + f1 (, , h(, )) donde
1 f1 (, , h(, )) = F1 (, , h(, ) J1 Q0F (x0 , 0 )) = [(w0 Fx (x0 , 0)) v0] (, ) 1 + w0 D2 F (x0, 0 ) (P0 J1 Q0F (x0 , 0), v0 ) (, ) 1 + w0 D2 F (x0, 0 ) (v0 , v0) (, ) + O(||2 ) + O(|, |3 ). 2

e Observe que no es necesario calcular la variedad central h(, ) por que sta no afecta los trminos cuadrticos en f1 . e a Entonces, hemos probado el siguiente Lema 2. Sea el sistema no lineal x = F (x, ), que satisface las condiciones de no hiperbolicidad H1)H2) en el punto de equilibrio (x0, 0 ). Entonces la dinmica sobre la variedad central m-parametrizada bidimensional en el punto a de equilibrio x = x0 para 0 , est dada por a 1 = J0 + R0 + R1 (, ) + R2 (, ) + O(||2) + O(|, |3 ), 2
1 donde = w0 (x x0 ), = 0 , A0 = P0 J1 Q0 , y

(14)

R0 = w0F (x0 , 0), R1 = (w0 Fx (x0, 0 )) v0 + w0 D2 F (x0, 0 ) (A0F (x0, 0 ), v0), R2 = w0 D2 F (x0, 0 ) (v0 , v0).

(15) (16) (17)

5. Teorema principal
En esta seccin probaremos el teorema principal del art o culo. La prueba la dividiremos en una serie de lemas, con los cuales transformaremos el sistema (14) en el caso genrico de la e deformacin versal de la bifurcacin Takens-Bogdanov. o o 5.1. Equivalencia topolgica entre la variedad central y la deformacin versal o o Primero reescribimos (4) como z = J0z + 1e2 + 2z1e2 + h0 (z), (18)

159

donde e2 = (0, 1)T , y h0(z) = 0 2 az1 + bz1z2 .

Luego, nuestro objetivo es encontrar un cambio de coordenadas 1 = z + L0 + T L1 z + z T L2 z, 2 donde L0 R2m , L1 R2(m2) , L2 R2(22), tal que (14) sea transformado en (18). Observe que = (I + T L1 + z T L2 )z z = (I + T L1 + z T L2 )1 , pero para |z| 0, tenemos que (I + T L1 + z T L2 )1 = I T L1 z T L2 + , entonces, 1 z = J0z + R0 + T R1 z + z T R2 z + , 2 donde, R0 = J0L0 + R0 , R1 = L1 + R1 L1 J0 + LT R2 RT L2 0 0 R2 = L2 + R2 2L2 J0, con, L0 = L0 = LT 01 LT 02 LT 02 0 , L1 = , L1 = L11 L12 L12 0 , L2 = , L2 = L21 L22 L22 0 , .

Observacin 1. En el transcurso de las pruebas de los siguientes lemas, haremos uso del o siguiente hecho elemental: si la matriz X = ( X 1 X 2 ) Rn2 es dividida en dos columnas, entonces 0 1 XJ0 = X 1 X 2 = 0 X1 . 0 0 Lema 3. Existe L0 tal que R0 = 1e2. Prueba: Observe que R0 = w0 F (x0, 0 ) = denimos el resultado se sigue. Observacin 2. Obsrvese que L01 an permanece sin determinarse. o e u RT 01 RT 02 =
T q1 F (x0, 0 ) T q2 F (x0, 0 )

, entonces, si

T T L02 = F (x0, 0 )q1 , y 1 = q2 F (x0, 0 ),

160

2 Lema 4. Existe L2 tal que 1 z T R2 z = (az1 + bz1z2)e2. 2

Prueba: Primero, de (17), R2 = w0 D2 F (x0, 0 ) (v0, v0 ) = donde qi D2 F (x0, 0 ) (v0 , v0) = T p1 (qi D2 F (x0, 0 )) p1 pT (qi D2 F (x0, 0 )) p2 1 T 2 T 2 p2 (qi D F (x0, 0 )) p1 p2 (qi D F (x0, 0 )) p2 = pT Di p1 pT Di p2 1 1 pT Di p1 pT Di p2 2 2 , con Di = qi D2 F (x0, 0 ). Luego, si denimos L21 = L22 =
1 T p D2 p2 2 2 1 l12 1 + pT D1 p2 l12 1 1 l22

(q1 D2 F (x0, 0 )) (v0 , v0) (q2 D2 F (x0, 0 )) (v0 , v0)

, ,

1 T p D2 p2 pT D1 p1 1 2 2 1 T 1 p D2 p2 2l12 pT D1 p2 2 2 2

1 1 donde l12 y l22 estan sin determinar. El resultado se sigue, con

a =

1 T p1 q2 D2 F (x0, 0 ) p1 , 2 b = pT q1 D2 F (x0, 0 ) p1 + pT q2 D2 F (x0, 0 ) p2 . 1 1

(19) 2

Lema 5. Existen L01 y L12 tales que T R1 z = 2z1e2 . Prueba: Recordemos que R1 = = si denimos L12 = L11 J0 R11 LT R21 + RT L21, 0 0 entonces R11 = 0, R12 = R12 + LT (R22 + R21J0 ) RT (L22 + L21J0 ) + R11 J0. 0 0
161

R11 R12

= L1 + R1 L1 J0 + LT R2 RT L2 0 0 ,

L12 + R11 L11 J0 + LT R21 RT L21 0 0 R12 L12 J0 + LT R22 RT L22 0 0

entonces usando la observacin 1, o R12 = = R1 | R2 12 12 R1 + LT R1 RT L1 | R1 + R2 + LT (R1 + R2 ) RT (L1 + L2 ) . 12 0 22 0 22 11 12 0 21 22 0 21 22

Ahora, de (16) y (17), se sigue que para i, j = 1, 2, Rj = 1i Rj = 2i entonces, si denimos L01 =

1 l12

qi Fx (x0, 0 ) (A0F (x0 , 0 ))T D2 F (x0, 0 ) pT Di pj 1 pT Di pj 2 ,

pj

1 1 2 pT D1 p2 + pT D2 p2 R01 + l12 + l22 R02 R1 R2 , 1 2 11 12 b 1 T b = p2 D1 + D2 p2 , 3 4a

se sigue que R2 = 0, 12 2a T R1 = (p q1 D2 F (x0, 0 ) p2 + pT q2 D2 F (x0, 0 ) p2 ) 12 2 b 1 T pT q2 D2 F (x0, 0 ) p2 F (x0, 0 )q1 1 2a b

2

qi Fx (x0, 0 ) (A0F (x0, 0 ))T D2 F (x0, 0 )

i=1

pi

+ q2 Fx (x0 , 0) (A0 F(x0 , 0 ))T D2 F (x0, 0) esto es, T R1 z = 0 R1 z1 12

T

p1 ,

= T R1 z1e2, 12 2

entonces, si denimos 2 = T R1 , el resultado se sigue. 12 Antes de establecer el teorema principal, denamos

T S1 = F (x0, 0 )q2, 2a T S2 = (p1 q1 D2 F (x0, 0 ) p2 + pT q2 D2 F (x0, 0 ) p2 ) 2 b T pT q2 D2 F (x0, 0 ) p2 F (x0 , 0 )q1 1

2a b

qi Fx (x0 , 0) (A0 F(x0 , 0 ))T D2 F (x0, 0)

i=1

pi (20)

+ q2 Fx (x0, 0 ) (A0F (x0, 0 ))T D2 F (x0, 0 )

p1 .

162

Adems, para desdoblar la bifurcacin doble cero de la variedad central, la transformacin a o o m 2 T : R R , dada por T S1 ( 0 ) T () = T S2 ( 0 ) debe tener rango dos, es decir, S1 y S2 deben ser linealmente independientes. Entonces como consecuencia de los lemas 3-5 podemos establecer ahora el resultado principal Teorema 6. Dado el sistema no lineal x = F (x, ), (21)

donde x Rn , Rm con m 2, tal que, existe (x0, 0 ), que satisfacee las condiciones H1) F (x0, 0 ) = 0, H2) [DF (x0, 0 )] = {1,2 = 0; Re(j ) = 0, j = 3, . . . , n }, H3) ab = 0, H4) S1 y S2 son linealmente independientes, donde a = 1 T p q2 D2 F (x0, 0 ) p1 , 2 1 b = pT q1 D2 F (x0, 0 ) p1 + pT q2 D2 F (x0, 0 ) p2 , 1 1 (no hiperbolicidad) (no degeneracidad) (transversalidad)

a y S1 , S2 son dados por (20). Entonces, la dinmica sobre la variedad central del sistema (21) en x = x0 y 0 , el cual es dado por (14), es localmente topolgicamente equivalente a la o deformacin versal de la bifurcacin Takens-Bogdanov o o z1 = z2 2 z2 = 1 + 2z1 + az1 + bz1z2,
T T donde 1 = S1 ( 0 ), y 2 = S2 ( 0 ).

6. Un ejemplo de aplicacin o
En esta seccin presentaremos un ejemplo con cuatro parmetros como una ilustracin del o a o teorema 6.

Un ecosistema depredador-presa.
Consideremos el siguiente sistema de dos ecuaciones diferenciales: x1 = x1
x1 x2 1+x1

x2, 1 (22) x2, 2

x2 = x2 +
163

x1 x2 1+x1

o o o Figura 3. Supercies de bifurcacin: Ssn supercie de la bifurcacin silla-nodo, SH supercie de la bifurcacin de Hopf y Shom supercie de la bifurcacin homocl o nica.

x = x x y/(1 + a x) y = g y + x y/(1 + a x) d y2

a = .5

g = .66666666666666 d = .22222222222222

x = x x y/(1 + a x) y = g y + x y/(1 + a x) d y2

a = 1/2

g = 2/3 d = 2/9 1/100

3.05 3.04

3.03 3.02 3.01 3 2.99 2.98 2.97

3.5

y 2.5 2 1.5
3.9 3.95 4 x 4.05 4.1

2.96 2.95

2.5

3.5

4.5 x

5.5

6.5

x = x x y/(1 + a x) 2 y = g y + x y/(1 + a x) d y

a = 1/2

g = 2/3 d = 2/9 1/10

x = x x y/(1 + a x) y = g y + x y/(1 + a x) d y2

a = 1/2 1/100

g = .4 d = 2/9

12

7
10

y
4 2

0
2 4 6 8 x 10 12 14 16

4 x

10

u Figura 4. Diferentes dinmicas del sistema (22), de izquierda a derecha, de arriba a abajo: (a) Punto c spide a 1 en x0 = (4, 3)T para = 2 , = 2 , = 2 . (b) Foco estable. (c) Continuacin del foco estable. (d) Un ciclo o 3 9 l mite estable.

164

Las ecuaciones (22), modelan la dinmica de un ecosistema de un depredador con una prea sa. Las variables x1 y x2 son nmeros poblacionales (a escala) del depredador y la presa, u respectivamente, mientras , , , y son parmetros no negativos que describen el compora tamiento de las poblaciones aisladas y su interaccin (ver [2] citado en [7]). Suponiendo que o = 0 est jo. Con el n de que en el diagrama de bifurcacin del sistema con respecto a a o los tres parmetros restantes (, , ), pueda ser exibida la bifurcacin de codimension dos a o Takens-Bogdanov, consideraremos que (0, 1) y < 1. Si consideramos = (, , )T , entonces (x0, 0 ) = 1 +1 , 2
T

1 , , , (1 + ) (1 + )2

o es una familia de puntos de equilibrio cuya linealizacin tiene un valor propio cero doble, y p1 = 1 , p2 = 1+ 0 , q1 = 0
1

q2 =

1 1+ 1 (1+)

son los vectores propios derechos e izquierdos (generalizados) respectivamente, asociados al valor propio cero. Adems, de (19), a a = 1 T 2 p1 (q2 D2 F (x0, 0 ))p1 = , 2 (1 + )3 2 ( 1) , ( + 1)2

b = pT (q1 D2 F (x0, 0 ))p1 + pT (q2 D2 F (x0, 0 ))p2 = 1 1 y, de (20),

T S1 =

4 (1

1 1 1+ , , 2 + ) 3

T S2 =

2(2 2 1) 2 3 2 2 2 1 , , . 2 ( + 1)2 ( 1) 2 1 ( 1)

As las condiciones H1), H2), H3) y H4) son satisfechas para toda (0, 1). Por lo tanto, 1 si elegimos = 2 , el sistema (22) es localmente topolgicamene equivalente a o z1 = z2 , z2 = 1 + 2 z1 + donde 1 =< S1 , >, y 2 =< S2 , > 1 2 2 con T = ( , , ). 2 3 9
2 2 z 27 1

1 zz , 18 1 2

o a Las supercies de bifurcacin en el espacio de parmetros es mostrado en la Figura 3. En la Figura 4 se muestran las diferentes bifurcaciones que el sistema (22) experimenta para diferentes valores de , y .

165

7. Referencias

[1] Arrowsmith, D.K., Place, C.M. Bifurcations at a cusp singularity with applications. Acta Applicandae Mathematicae 2, 101-138. 1984. [2] Bazykin, A. Mathematical Biophysics of Interacting Populations. Nauka, Mmoskow. In Russian. 1985. [3] Bogdanov, R.I. Versal deformations of a singular point of a vector eld on the plane in the case of zero eigenvalues. Funct. Anal. Appl. 9, 144-145. 1975. [4] Carrillo, F.A., Verduzco, F. and Delgado, J. Analysis of the Takens-Bogdanov bifurcation on m-parameterized vector elds. International Journal of Bifurcation and Chaos. Vol. 20, No. 4. Abril 2010. [5] Carrillo, F.A. and Verduzco, F. Control of the Planar Takens-Bogdanov Bifurcation with Applications. Acta Appl. Math. 105: 199-225. 2009. [6] Guckenheimer, J., Holmes, P. Nonlinear oscillations, dynamical systems, and bifurcations of vector elds. Applied Mathematical Sciences, Vol. 42. Springer-Verlag. 1983. [7] Kuznetsov, Y.A. Elements of Applied Bifurcation Theory. Applied Mathematical Sciences, Vol. 112. Springer. Second Edition 2000. [8] Takens, F. Forced oscillations and bifurcations. Comm. Math. Inst. Rijkuniversiteit Utrecht, 3, 1-59. 1974. [9] S. Wiggins. Introduction to Applied Nonlinear Dynamical Systems and Chaos. Texts in Applied Mathematics, Vol. 2. Springer-Verlag. Second Edition. 2003.

166

Visualizacin de campos vectoriales anal o ticos generalizados

Alvarez-Parrilla A.1 , Fr as-Armenta M.E.2 , Lpez-Gonzalez E.3 y Yee-Romero C.4 o Carrera de Matemticas a Universidad Autnoma de Baja California o 1 alvaro.uabc@gmail.com 4 cyeer.mxl@gmail.com
2 1,4

Departamento de matemticas a Universidad de Sonora martineduardofrias@gmail.com

Instituto de Ingenier y Tecnolog a a Universidad Autnoma de Ciudad Juarez o elgonzal@uacj.mx Nivel Educativo: Superior
Resumen El problema de visualizacin de campos vectoriales no es trivial en particular porque los o mtodos tradicionales utilizan tcnicas de integracin numrica. Los autores del pree e o e sente trabajo han propuesto un mtodo de visualizacin de campos vectoriales anal e o ticos complejos que tiene grandes ventajas sobre los mtodos tradicionales. e Recientemente los autores generalizaron dicho mtodo para que pueda ser utilizado con e campos vectoriales anal ticos generalizados de dimensin real n. En este trabajo se preo senta, a manera de ejemplo de la generalizacin, un campo vectorial en dimensin dos o o que no es un campo vectorial anal tico complejo, pero que si es anal tico generalizado, y se procede a su visualizacin. o

1. Introduccin o
Los campos vectoriales son objetos matemticos interesantes y utiles, tanto desde el punto a de vista de las matemticas puras como desde el punto de vista de aplicaciones. Los campos a vectoriales aparecen en mltiples contextos: muchos fenmenos f u o sicos son modelados por campos vectoriales (campos elctricos, magnticos, campos de velocidades, etc.); y existen e e muchas aplicaciones interesantes (vease por ejemplo [2, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]). Por dems la visualizacin de campos vectoriales, adems de ser bella por si misma, puede a o a ser de grn utilidad para mejor entender ciertos conceptos tericos. a o Recientemente en [1] se desarroll un mtodo (que denominaremos mtodo Newtoniano) que o e e permite visualizar campos vectoriales anal ticos complejos sobre supercies de Riemann. Este mtodo Newtoniano tiene varias ventajas sobre los mtodos de visualizacin tradicionales, e e o entre las que destacan: 1 II

167

Permite visualizar de forma global el campo vectorial. No tiene propagacin de error, por lo que es util para visualizar campos cerca de o singularidades. Provee informacin relativa a la parametrizacin de las soluciones (tiempos). o o Permite visualizar de forma eciente los ujos, aun para condiciones iniciales espec cas. Los recursos de cmputo requeridos son mucho menores que los que se necesitan para o los otros mtodos. e Permite visualizar todo campo vectorial anal tico complejo sobre cualquier supercie de Riemann. Es fcilmente paralelizable. a Posteriormente en [3], utilizando un formalismo basado en lgebras normales, se procedi a a o extender el mtodo Newtoniano a una familia mas grande de campos vectoriales denominados e campos vectoriales analticos generalizados [9]. A la generalizacin la denominaremos mtodo o e Newtoniano generalizado. En este art culo se presenta un ejemplo de un campo que no es un campo vectorial anal tico complejo pero que si pertenece a esta familia (esto es, es un campo vectorial analtico generalizado) y se procede a su visualizacin utilizando el mtodo o e Newtoniano generalizado. La organizacin del trabajo es como sigue: En la seccin 2 se presenta, de manera esquemtica, o o a el metodo Newtoniano para visualizar campos vectoriales anal ticos complejos. Despus en e la seccin 3 se presenta un ejemplo de un campo vectorial polinomial que no proviene de un o campo vectorial anal tico complejo, y que por lo tanto no puede ser visualizado con el mtodo e Newtoniano. En la seccin 4 se presenta el esquema de la generalizacin comenzando con las o o deniciones correspondientes a algebras normales, funciones anal ticas generalizadas y se enuncian los teoremas (sin demostracin) que dan lugar al mtodo Newtoniano generalizado. o e En la seccin 5 retomamos el ejemplo presentado en la seccin 3, mostrando que pertenece o o a la familia de campos que pueden ser visualizados con el mtodo Newtoniano generalizado. e Por ultimo, en la seccin 6 se hacen algunos comentarios nales sobre el mtodo Newtoniano o e generalizado.

2. El caso de campos vectoriales anal ticos complejos

En [1] se muestra primero que todo campo de Newton pueden ser visualizado mediante el uso de una integral de movimiento denida por la funcin que dene al campo de Newton, o y luego utilizando el resultado de [2] donde se muestra que todo campo vectorial anal tico complejo es un campo de Newton. En esta seccin presentamos este mtodo de manera resumida (consultar las referencias para o e mayores detalles), para que nos sirva como pauta para una generalizacin a campos vectoriales o anal ticos generalizados.

168

Se comienza con un campo vectorial real de dimensin 2 o F (x, y) = u(x, y) cuya matriz jacobiana es de la forma a b . b a Enseguida introduciendo el campo de n meros complejos C = (R2 , +, ) (campo en el u sentido algebraico, esto es un algebra commutativa con unidad donde todos sus elementos nocero son invertibles) y la variable z = (x, y) = x + iy, se prueba que el campo vectorial anal tico complejo (2) X(z) = f (z) , z con f (z) = u(z) + iv(z), tiene la propiedad de que Re (X(z)) = F (z). Despus se hace uso de las tcnicas de variable compleja para integrar funciones anal e e ticas, de manera que es posible mostrar que X es un campo de Newton, esto es que X(z) = f (z) (z) = , z (z) z (3) + v(x, y) , x y (1)

por lo que las trajectorias de X(z) estn dadas como el pullback de las trajectorias de w w a via z d (z) = exp . (4) f ()

As pues, el ujo de F (x, y) corresponde con las curvas de nivel de h(z) = Arg ((z)).

3. Un ejemplo de un campo vectorial que no es anal tico complejo

Consideremos el siguiente campo vectorial F (x, y) = u(x, y) donde u(x, y) = 1 6 1 6 2 + 6x + 4+ 5x2 22 + 20x + 7y 5(2 + 4x + 5y) + 2 + 8x(1 + y) + y(4 + 5y) + 8x(1 + y) + y(4 + 5y) 4 + 5x 5(4 + 5x + 4y) 4 7x 20y + 2 + 8x(1 + y) + y(4 + 5y) + 8x(1 + y) + y(4 + 5y) 4 + 5x , + v(x, y) , x y (5)

v(x, y) =

4 + 6y

4+

5x2

Al calcular las derivadas parciales u 1 = x 15 15 (4 + 3u)(82 + 120u + 117v) 22 2 + 2 + 8u(1 + v) + v(4 + 5v) 4 + 5u (4 + 5u2 + 8u(1 + v) + v(4 + 5v))
169

 v 1 = y 6

25(4 + 3u)(2 + 3v) 50 2 + 8u(1 + v) + v(4 + 5v) 2 + 8u(1 + v) + v(4 + 5v))2 4 + 5u (4 + 5u

6+ +

5(4 + 5u + 4v)(4 + 8u + 10v) 20 2 + 8u(1 + v) + v(4 + 5v) 2 + 8u(1 + v) + v(4 + 5v))2 4 + 5u (4 + 5u 2(2 + 4u + 5v)(4 + 7u + 20v) 20 2 2 + 8u(1 + v) + v(4 + 5v) 4 + 5u (4 + 5u2 + 8u(1 + v) + v(4 + 5v))

se observa que estas son distintas, por lo que matriz jacobiana de F (x, y) no es de la forma u u a b , con a = , b= . b a x y Con este ejemplo se muestra que no todos los campos vectoriales, ni siquiera todos los polinomiales de la forma + Q(x, y) , P (x, y) x y son campos vectoriales que provengan de un campo anal tico complejo, y por lo mismo no cumplen con las hiptesis de la tcnica desarrollada en la seccin 2. Surge entonces la pregunta o e o natural: Es posible extender el mtodo de la seccin 2 de manera que se pueda aplicar e o a una familia mas grande de campos vectoriales? En las siguiente seccin se enuncia una generalizacin a una familia de campos vectoriales, o o de dimensin dos sobre los reales. o

4. La generalizacin o
En [3], los autores generalizaron la metodolog desarrollada en [1, 2] utilizando el cona cepto de lgebras normales. En esta seccin se presentan las deniciones y conceptos bsicos a o a necesarios para poder presentar la generalizacin. Ver [1] para mayores detalles. o 4.1. Algebras normales Consideremos un lgebra A conmutativa, asociativa, normada con unidad e de dimensin a o 1 nita sobre R. Un elemento a A es regular si existe un unico inverso a A. Dada una base B = {e1 , . . . , en } de A, la multiplicacin en el algebra se puede representar como o
n

ei ej =
k=1

cijk ek ,

donde cijk R son los coecientes de estructura del lgebra en la base B. a La primera representacin fundamental es el isomorsmo de algebras R : A M (n, R), o dado por R(x1 e1 + x2 e2 + + xn en ) = x1 R1 + x2 R2 + + xn Rn ,

170

donde Ri = (cijk ) es la matriz cuya entrada k, j es cijk para i = 1, 2 . . . , n. Dada una matriz B de n n con entradas en los reales con forma normal B1 0 0 0 B2 0 B= , ... 0 0 Bl donde Bi M (ki , R) (i = 1, 2, . . . , l) son matrices cuadradas tomadas de alguna de las cuatro siguientes formas 0 0 0 C 0 0 0 1 0 0 I2 C 0 0 0 , 0 I2 C 0 , con C = , (), 0 1 . . ... ... . . . . 0 0 0 0 0 0 C , , R y k1 + + kl = n, podemos asociar un algebra de matrices N asociativa, conmutativa que contiene a B llamada lgebra normal de matrices de B. De aqu en adelante a N denotar un algebra normal de matrices. a 4.2. Funciones anal ticas generalizadas Denicin 1. Decimos que una funcin g es anal o o tica en el lgebra A (o anal a tica generalizada) en x si tiene derivada g (x) en el sentido de Lorch, esto es si existe un elemento del algebra g (x) tal que ||g(x + h) g(x) g (x) h|| = 0, l m h0 ||h|| en cuyo caso g (x) se le llama la derivada de g en x, que corresponde, bajo la primera representacin fundamental, a la matriz jacobiana Jg(x) de derivadas parciales de g en x. o Teorema 1. Sea f : Rn Rn un campo vectorial en Rn . Supongase que existe una matriz invertible A tal que A [Jf (A1 (x))] A1 N para toda x , entonces el campo vectorial g = A f A1 : Rn Rn es anal tico en el algebra A cuya primera representacin fundamental es N , donde = A(). o Teorema 2. Sea f : Rn Rn un campo vectorial anal tico sobre un lgebra A con a n primera representacin fundamental N , y sea E la base cannica de R . Entonces existe una o o base B = {1 , . . . , n } de elementos invertibles del algebra A tal que el siguiente diagrama conmuta f Rn Rn A A g A A
171

donde A es la matriz asociada al cambio de base E B, y g() es funcin de la variable o

n

=
j=1

xj j . Adems a dg g( + h) g() () = l m h0 d h h regular

tiene sentido y representa la derivada g (). Denicin 2. Diremos que un campo vectorial X es un campo vectorial anal o tico generalizado si la funcin f que lo representa es una funcin anal o o tica generalizada. 4.3. Campos de Newton Denicin 3. Un campo vectorial f : Rn Rn se dice que es un campo de Newton si o existe un campo vectorial : Rn Rn tal que f (x) = [J(x)]1 (x). Obtenindose el siguiente corolario. e Corolario 3 (Los campos vectoriales anal ticos generalizados son de Newton). Sean f : Rn Rn y g: AA

como en el teorema 2. Entonces tanto f como g son campos de Newton. En particular existe : A A anal tica generalizada tal que g() = y f (x) = [J(x)]1 (x) con (x) = ( A)(x). Corolario 4 (Visualizacin de campos anal o ticos generalizados). Sea f : Rn Rn un campo vectorial anal tico sobre un algebra A con primera representacin fundamental N . o Entonces las soluciones de la ecuacin diferencial o dx = f (x) dt corresponden a las curvas de nivel de la funcin real o h() = Arg (()) = Arg ((x)) = h(x). En particular, para visualizar la trayectoria que pasa por el punto 0 = A(x0 ), es suciente con trazar la curva de nivel h() = h(0 ) = h(x0 ) = h(x). () ()

172

5. El ejemplo visitado de nuevo

Retomemos el ejemplo de la seccin 3. Si tomamos la matriz o A= al calcular A JF (A1 (x, y)) A1 obtenemos A JF (A1 (x, y)) A1 = con a(x, y) = 1 y b(x, y) = 4y (48 96x 24x2 16x3 9x4 + 2x5 + 2(3 + 2x) (4 + x2 ) y 2 + (3 + 2x)y 4 ) x4 + (4 + y 2 )2 + 2x2 (4 + y 2 )
2

1 2 , 2 1

a(x, y) b(x, y) , b(x, y) a(x, y)

(6)

2 x(6 + 4x + 3y) x(4x 3(2 + y)) 2 + 2 + 2 2 x2 + (2 + y)2 (x2 + (2 + y)2 ) x + (2 + y)2 (x2 + (2 + y)2 )

Por lo tanto A JF (A1 (x, y)) A1 pertenece al lgebra normal de los complejos, por lo a que se puede aplicar la metodolog de las secciones 4.2 y 4.3 para visualizar el ujo de una a manera sencilla, como a continuacin se muestra. o Sea + v1 (x, y) , G(x, y) = (A F A1 )(x, y) = u1 (x, y) x y entonces 6 4x 3y 6 4x + 3y u1 (x, y) = 1 + x + + , 2 (x2 + (2 + y)2 ) 2 (x2 + (2 + y)2 ) v1 (x, y) = x (12 + 12x + x3 ) y + 2 (2 + x2 ) y 3 + y 5 . x4 + (4 + y 2 )2 + 2x2 (4 + y 2 )

el cual dene un campo vectorial anal tico complejo, puesto que JG(x, y) = A JF (A1 (x, y)) A1 N , por lo que al hacer el cambio de variable z = x + y i, vemos que se cumple con G(z) = Re g(z) donde g(z) = u1 z 2 z2 + z3 4 + z2

z+z zz , 2 2i

+ v1

z+z zz , 2 2i
z

i=

De acuerdo a (4) la funcin asociada al campo G esta dada por o (z) = exp d , g()

173

de manera que (z) = z1i z1+i

i

(z + 1)1 =

e2 arctan(1z) , z+1

mientras que la integral de movimiento h esta dada por: h(z) = Arg ((z)) = arctan y 1+x + 1 4y log 1 2 2 + (2 + x)x + y(2 + y)

y la funcin h asociada al campo F es: o h(x, y) = (hA)(x, y) = arctan 4(2x + y) 2x + y +log 1 2 + y(2 + 5y) + x(2 + 8y) 1 + x + 2y 2 + 5x .

As pues para visualizar las trayectorias correspondientes al campo F es preciso encontrar las curvas de nivel de h(x, y). Estas se presentan en la gura 1.

Figura 1. Visualizacin del campo vectorial dado por (5), utilizando la metodolog nueva. En este caso se o a ha trazado tambin la trayectoria que pasa por uno de los polos (curva en blanco), algo que ser muy dif e a cil con los mtodos tradicionales. e

A manera de comparacin se presenta en la gura 2 la visualizacin con los mtodos tradio o e cionales.

6. Conclusiones
En el presente trabajo se muestra el uso del mtodo de Newton generalizado para visuae lizar un campo vectorial polinomial de dimensin dos que no es un campo vectorial anal o tico

174

3 3 2 1 0 1 2 3

Figura 2. Visualizacin del campo vectorial dado por (5) utilizando los mtodos tradicionales. En este o e caso se han trazado tambin algunas trayectorias particulares para ayudar a la visualizacin del campo. La e o visualizacin se realiz con el programa Mathematica R , que utiliza integracin numrica. o o o e

complejo. Para esto se muestra que este campo vectorial es un campo vectorial anal tico generalizado, por lo que si es posible utilizar el mtodo de Newton generalizado que tiene las e mismas ventajas que el mtodo de Newton. e

7. Referencias

[1] Alvarez-Parrilla, A.; Solorza-Caldern, S.; Yee-Romero, C.: Complex analytic vector eld vio sualization without numerical integration, preprint, 2009. [2] Alvarez-Parrilla, A.; Gmez-Arciga, A.; Riesgo-Tirado, A.: Newton vector elds on the plane o and on the torus, Complex Variables and Elliptic Equations, Vol. 54, No. 5, May 2009, 440461. [3] Alvarez-Parrilla, A.; Fr as-Armenta M.E.; Lpez-Gonzalez E.; Yee-Romero, C.: Generalized o analytic vector eld visualization, preprint, 2010. [4] Alvarez-Parrilla, A.; Mucio-Raymundo, J.: Dynamics of Complex Analytic Vector Fields with n Essential Singularities I, preprint, 2008. [5] Benzinger, Harold E.: Plane autonomous systems with rational vector elds. Trans. Amer. Math. Soc. 326 (1991), no. 2, 465483. [6] Dedieu, J.P.; Shub, M.: Newton Flow and Interior Point Methods in Linear Programming. International Journal of Bifurcation and Chaos, Vol. 15, No. 3 (2005), pp. 827839.

175

[7] Hirsch, M.W.; Smale, S.: On algorithms for solving f (x) = 0. Comm. Pure Appl. Math., 32, (1979), 281312. [8] Hockett, K., Ramamurti, S.: Dynamics near the essential singularity of a class of entire vector elds. Transactions of the American Mathematical Society vol. 345, N. 2 October (1994) 693 703. [9] Lpez-Gonzlez, E.: Dierential equations over algebras, preprint, 2010. o a [10] Mucio-Raymundo, J.: Complex structures adapted to smooth vector elds. Math. Ann. 322, n (2002), 229265. [11] Mucio-Raymundo, J.; Valero-Valdz, C.: Bifurcations of meromorphic vector elds on the n e Riemann sphere. Ergod. Th. & Dynam. Sys. 15, (1995), 12111222. [12] Newton, T.; Lofaro T.: On using ows to visualize functions of a complex variable. Mathematics Magazine, Vol. 69, No. 1 (Feb., 1996), 2834. [13] Palmore, Julian I.; Burns, Scott A.; Benzinger, Harold E.: Ecology models and Newton vector elds. Nonlinearity in biology and medicine (Los Alamos, NM, 1987). Math. Biosci. 90 (1988), no. 1-2, 219232. [14] Smale, S.: A convergent process of price adjustment and global Newton methods. J. Math. Econom. 3, (1976), 107120.

176

Un paseo por la Probabilidad y la Estadstica: de Baha de Kino a Varadero (parte 1)

Claudio A. Lpez Miranda y Francisco J. Tapia Moreno Departamento de Matemticas, Universidad de Sonora. (claudio@gauss.mat.uson.mx y ftapia@gauss.mat.uson.mx) Nivel Educativo: Bsico y Superior Resumen Durante un viaje a Baha de Kino, surgi la siguiente pregunta entre los autores: Hay alguna manera de ilustrar los resultados tericos de probabilidad y estadstica, como por ejemplo el Teorema del Lmite Central (TLC?). La respuesta a esta interrogante se present en Varadero, Cuba. Es cierto que el TLC es siempre vlido para ? La respuesta es no, ya que depende del sesgo de la distribucin poblacional.Cmo se comporta el mximo de una distribucin binomial? Para qu valores la distribucin de Poisson tiene probabilidad significativamente distinta de cero en funcin del parmetro lambda? Cmo se simula un trfico de aviones? Saba que el estimador insesgado S2 para la varianza de poblaciones normales siempre es menor que el punto medio de su intervalo de confianza? La simulacin permite ver a la probabilidad y la estadstica como nunca antes. Nuestro trabajo es presentado en dos partes: en la parte 1 hacemos un anlisis exploratorio de datos mediante computadora y damos un paseo por la probabilidad, mientras que en la parte 2 presentamos dos tcnicas de Montecarlo para ilustrar el TLC, entre otras cosas. A propsito Sabe Usted de dnde son los cantantes?

1. Introduccin
Tpicamente la enseanza de la estadstica en el nivel superior se basa en la explotacin de datos recolectados de estudios previos o ejemplos de libros de texto; y limitando al clculo manual de las estimaciones y grficas para realizar estadsticas descriptivas y de inferencia. Por lo tanto, el uso de un paquete de cmputo para simular (crear) la materia prima (los datos) de muestras aleatorias de una poblacin, tiene un potencial enorme. La simulacin de vv.aa. permiten un anlisis estadstico ms all de la mera comprensin y aplicacin del conocimiento. Los paquetes de cmputo cientfico como Matlab, SPSS, R, Excel; o bien, el software de libros de texto como STATDISK o lenguajes de programacin como C++, nos permiten llevar el aprendizaje de la estadstica a un proceso de sntesis del conocimiento. Por ejemplo, podemos estudiar los procesos de Poisson simulando el trfico de llamadas en una central telefnica; o analizar cmo influye el valor de un parmetros en el comportamiento de las funciones de densidad como la binomial, geomtrica y Lognormal, etc.; hasta demostrar intuitivamente el teorema del lmite central (TLC). Este presenta dos formas de utilizar los paquetes de cmputo como herramienta de aprendizaje de la estadstica, los cuales pueden motivar a ser implantados en un curso convencional. En esta primera parte realizaremos un anlisis exploratorio de datos con SPSS (ver Seccin 2); mientras que en la Seccin 3, usamos el paquete Matlab para ilustrar, mediante grficas, cmo influyen los parmetros en la distribucin de probabilidades de una variable aleatoria (v.a.) como la binomial, Poisson (ver Seccin 3, aunque debido a la falta de espacio, en la presentacin de la ponencia analizaremos la chi-cuadrada y lognormal en un ambiente dinmico e interactivo, entre otras).

177

2. Anlisis exploratorio de datos mediante SPSS

Desde un punto de vista muy general, el anlisis exploratorio de datos consiste en resaltar las estadsticas descriptivas mediante la cuales se deducen las pesquisas de investigacin, que sirven para establecer las hiptesis estadsticas o inferir conclusiones sobre la poblacin de la cual proviene la muestra. Un anlisis exploratorio completo requiere del uso de un paquete de cmputo estadstico, ya que de otra manera el tiempo durante los cursos sera insuficiente y tendramos un anlisis de datos muy pobre, tanto en profundidad como en cantidad. El anlisis exploratorio tiene como objetivo inferir a priori de manera visual o por intuicin, cul podra ser la distribucin de los datos y las caractersticas principales de la poblacin 2.1. Estadsticas descriptivas numricas mediante SPSS Esta seccin contiene un anlisis exploratorio de datos de la Tabla 1, los cuales representan valores de pH sanguneo en 80 individuos (ejemplo tomado de [2].) Los resultados se presentan a partir de la Tabla 2, la cual contiene un conjunto de estadsticas muy completa, ya que nos ofrece tanto las medidas centrales, de dispersin, un intervalo de confianza, el coeficiente de simetra y de curtosis de la muestra. Dicha tabla se complementa con los valores extremos identificados por su valor y por su posicion relativa en la Tabla 3. La Tabla 4 contiene los estimadores para la media poblacional; mientras que la Tabla 5 las pruebas de bondad de ajuste KolmogorovSmirnov y Shapiro-Wilk. Ambas pruebas de ajuste sugieren aceptar la normalidad de la distribucin a un nivel de 99% de confianza. Las estadsticas descriptivas estn completas con las medidas de posicion relativa o percentiles de la Tabla 6. Un dato interesante en la Tabla 2 es la media recortada, que resulta de eliminar el 5% de los datos inferiores y superiores, as, podramos omitir los efectos de datos distantes que provengan por errores que no son de muestreo. 2.2. Anlisis exploratorio con estadsticas descriptivas grficas Con el fin de inferir intuitivamente la posible distribucin de los datos, presentamos el anlisis grfico-descriptivo mediante el histograma porcentual de frecuencias y su curva de ajuste en la Figura 1; el diagrama de tallo y hojas (Figura 2); as como el diagrama de caja de la Figura 3 que muestra la concentracin, simetra, dispersin e identificacin de datos distantes moderados y extremos (outliers). La grfica cuantilar para prueba de normalidad aparece en la Figura 4. El ajuste la curva normal estimada en el histograma es bueno. Por otro lado, con el diagrama de tallo y hojas, el alumno puede deducir por inspeccin la posibilidad de que los datos provengan de una poblacin con forma de campana. La similitud y simetra entre las Figuras 1 y 2 confirma a priori la posible normalidad. Por otro lado, la Figura 3 muestra que la mediana est muy cerca del centro de la caja y prcticamente coincide con la media (Tabla 2) confirmando de nuevo una simetra.
Tabla 1. Conjunto de datos de pH sanguneo de 80 individuos 7.33 7.31 7.26 7.33 7.37 7.27 7.30 7.33 7.32 7.35 7.39 7.33 7.38 7.33 7.37 7.35 7.34 7.32 7.29 7.35 7.38 7.32 7.33 7.32 7.40 7.33 7.32 7.34 7.33 7.31 7.32 7.33 7.28 7.33 7.34 7.33 7.35 7.34 7.31 7.32 7.29 7.36 7.30 7.36 7.30 7.32 7.33 7.34 7.35 7.32 7.34 7.33 7.31 7.34 7.32 7.32 7.33 7.31 7.32 7.35 7.33 7.32 7.30 7.34 7.34 7.35 7.29 7.31 7.35 7.31 7.29 7.32 7.28 7.36 7.30 7.33 7.33 7.36 7.38 7.33

178

Tabla 2. Estadsticas descriptivas para el pH sanguneo Estadistico Error Tip. 0 .00302 Media 7.3301 Intervalo de confianza lmite inferior 7.3241 Para la media al 95% lmite superior 7.3361 Media recortada al 5% 7.3300 Mediana 7.3300 Varianza 0 .001 Desv. Tip. 0.02698 Mnimo 7.26 Mximo 7.40 Rango 0.14 Amplitud intercuartil 0 .03 0.269 Asimetra 0 .153 0.532 Curtosis 0 .511

Tabla 3. Valores extremos (outliers) Nmero Valor del caso 25 7.40 11 7.39 67 7.39 13 7.38 21 7.38 3 6 73 33 71 7.26 7.27 7.28 7.28 7.29

pH

pH

Mayores

1 2 3 4 5 1 2 3 4 5

Menores

a. En la tabla de valores extremos mayores slo se muestra una lista parcial de los casos con el valor 7.38. b. En la tabla de valores extremos menores slo se muestra una lista parcial de los casos con el valor 7.29.

Tabla 4. Estimadores de la media

Estimador-M De Hubera 7.3294 Biponderado De Tukeyb 7.3291 Estimador-M De Hampelc 7.3293 Onda de Andrewsd 7.3291

Tabla 5. Pruebas de normalidad

Kolmogorov-smimaov Estadstico gl Sig. ph 0.139 80 0.001 Shapiro-wilk Estadstico gl Sig. 0.974 80 0.095

ph

Tabla 6. Medidas de posicin 5 Promedio pH Ponderado(definicin 1) Bisagras de Tukey pH 7.2805 10 7.3000 25 7.3200 7.3200 Percentiles 50 7.3300 7.3300 75 7.3475 7.3475 90 7.3690 95 7.3800

As mismo, los datos extremos moderados fuera de los bigotes de la caja, indican que las colas de la distribucin de la cual provienen los datos podra ser un poco ms pesadas que las de una distribucin normal ideal. Esto ltimo tambin puede apreciarse en la grfica cuantilar q-q normal de la Figura 4, ya que los valores inferiores en la muestra son un poco mayor que los esperados de la normal; lo contrario sucede con los valores superiores. Sin embargo, la aproximacin de los cuantiles centrales es bastante aceptable, haciendo factible que la distribucin del pH sanguneo sea normal. En general, vara mucho la apariencia de la grfica de probabilidad con tamaos de muestra de menos de 30, y slo con tamaos de muestra muchos ms grandes predomina el patrn lineal (para un anlisis ms completo de ajuste de distribuciones ver [4]).

179

2 0%

Porcen taje

1 5%

1 0%

5%

Frecuencia Tallo & Hojas 4.00 Extremes (=<7.280) 3.00 729 . 000 5.00 730 . 00000 7.00 731 . 0000000 14.00 732 . 00000000000000 18.00 733 . 000000000000000000 9.00 734 . 000000000 8.00 735 . 00000000 4.00 736 . 0000 2.00 737 . 00 3.00 738 . 000 3.00 Extremos (>=7.390) Ancho de Tallo Casos por hoja: .01 01 caso(s)

0% 7 .30 7 .35 7 .40

Valores de p H s an gun eo

Figura. 1. Histrograma porcentual y curva de ajuste de normalidad

7.40 25 67 11 7.375

Figura. 2. Diagrama de tallo y hojas del pH

Grfico Q-Q normal de Valores de pH sanguneo

7.35

Normal esperado
73 33 6 3

7.325

-1

7.30

-2
7.275

-3 7.275 7.300 7.325 7.350 7.375 7.400

Valores de pH sanguneo

Valor observado

Figura 3. Diagrama de caja del ph

Figura 4. Grfica cuantilar q-q normal de pH

3. Anlisis mediante computadora del efecto de los parmetros de una distribucin

El propsito aqu, es mostrar cmo puede utilizarse un programa de computadora, para analizar el efecto de los parmetros en la distribucin de probabilidades de una variable en particular. Por cuestiones de espacio, slo presentamos dos casos especiales, las variables discretas binomial y de Poisson. Aunque una simulacin en tiempo real permitir ampliar los resultados 3.1. Parmetro p y n de la distribucin binomial En la distribucin binomial de (1), n representa el nmero de ensayos independientes de un experimento, mientras que p es la probabilidad constante de xito en cada rplica. Si n se mantiene fijo, la pregunta de inters es qu forma tiene la distribucin para diferentes valores de p? Por el contrario, si p es constante, qu diferencias hay para distintos valores de n?

180

 n P[ X x] p x (1 p) n x ; x 0,1,..., n x

(1)

La Figura 5 muestra la distribucin binomial para p = 0.01, 0.2, 0.5, 0.8, 0.99 y n = 20. Note en primera instancia que el parmetro p es un factor de forma; ya que para valores pequeos (grandes) de p = 0.01 (0.99), la distribucin tiene un sesgo negativo (positivo). En general, el sesgo es negativo para p < 1/2 y positivo para p > 1/2; adems para p = 1/2 la distribucin es simtrica. Observe tambin que p es un parmetro de desplazamiento, la distribucin es la misma (aunque invertida) para un valor p y un valor (1 - p). Por ejemplo, los valores en p = 0.2 se invierten cuando p = 0.8. El punto mximo disminuye conforme p aumenta de 0 hasta 0.5.

Figura 5. Distribucin binomial con p = 0.01, 0.02, 0.5, 0.8, 0.99 y n = 20.

Observe que los valores de X con probabilidades significativamente mayores a cero son cuasi simtricas con respecto al valor esperado de la variable ( ), y se encuentran a menos de tres veces su desviacin estndar ! Es importante hacer notar que gracias a esta simetra, la curva punteada en la Figura 5 representa muy buena aproximacin de la distribucin normal a la binomial, en los valores de X precisamente con probabilidades positivas. 3.2. Parmetros y t en la distribucin de Poisson. La distribucin de Poisson viene dada por (2), con media y varianza iguales a t. El parmetro t representa el intervalo [0, t] en el cul se observa la v.a. X, el nmero de ocurrencias de un suceso por unidad medicin (tiempo, rea, volumen). t es un factor de escala, ya que comprime o expande la distribucin. La Figura 6 muestra el comportamiento de (2) para distintos valores t y un fijo. Conforme t se incrementa, el nmero de ocurrencias se diversifica expandiendo la distribucin, cuyo sesgo se va perdiendo conforme t aumenta. Lo mismo ocurre si fijamos t y variamos . Conforme crece el centro se desplaza hacia el valor esperado (). Los valores de X con probabilidad distinta de cero, estarn concentrados a 2 desviaciones de la media. Lo anterior se confirma en la Figura 7, en la cual aparece tambin la aproximacin de la normal. (2)

181

Figura 6. Distribucin de Poisson con fijo ( = 2) y t variable (t = , , , 1, 2, 4).

Figura 7. Distribucin de Poisson con t = 1 fijo y variable (= , 1, 2, 10, 20, 30)

El sesgo negativo hace que la aproximacin normal est sobrada para pequeos valores de ; pero, conforme crece, dicho sesgo desaparece y la aproximacin se vuelve exacta, confirmando los resultados tericos de la aproximacin normal y del TLC.

4. Referencias
[1] Triola, Mario F. Estadstica, Novena Edicin, Pearson-Addison Wesley (2004). [2] Prez Lpez Csar, Tcnicas Estadsticas con SPSS, Ed. Prentice Hall, p. 183 (2001). [3] Devore Jay L., Probabilidad y Estadstica para Ingeniera y Ciencias, Ed. Thompson. 7 Ed., p. 176 (2008). [4] Cuthbert Daniel y Wood Fred., Fitting Equations Data. J. Wiley & Sons, Inc. New York, NY, USA (1980).

182

Un paseo por la Probabilidad y la Estadstica: de Baha de Kino a Varadero (parte 2)

Claudio A. Lpez Miranda y Francisco J. Tapia Moreno Departamento de Matemticas, Universidad de Sonora. (claudio@gauss.mat.uson.mx y ftapia@gauss.mat.uson.mx) Nivel Educativo: Bsico y Superior Resumen En esta segunda parte de nuestro trabajo, presentamos dos tcnicas bsicas de Montecarlo para simular muestras de vv.aa. de cualquier poblacin discreta o continua. Daremos un paseo por la estadstica para mostrar que el Teorema del Lmite Central (TLC) no siempre es vlido para . Adems, ilustraremos de manera interactiva, en la ponencia, la simulacin del trfico de aviones y los intervalos de confianza, que muestran que, para poblaciones que provienen de una distribucin normal, S2siempre es menor que el punto medio de su intervalo.

1. Introduccin
A continuacin damos las dos tcnicas bsicas de Montecarlo para simular muestras de vv.aa. a partir de la funcin de distribucin acumulada (fda) o mediante una transformacin adecuada, como la requerida para generar muestras de una distribucin normal. Dichas tcnicas se usan para analizar un proceso de Poisson que modela el trfico de aviones; as como para demostrar intuitivamente el TLC aplicado sobre una poblacin uniforme (simtrica) y lognormal (sesgada).

2. Simulacin de muestras de variables aleatorias

De acuerdo con Prez [1], el procedimiento general para simular muestras de variables aleatorias de cualquier poblacin (finita o infinita, discreta o continua), a partir de su densidad f(x), requiere obtener la distribucin acumulada F(x) y poseer un generador de nmeros (pseudo) aleatorios con distribucin uniforme en el intervalo [0, 1], la cual es denotada por U [0, 1]. 2.1. Simulacin de variables aleatorias discretas Para generar muestras de una variable aleatoria discreta X mediante simulacin Montecarlo, que toma los valores {x1, x2,, xn} con probabilidades {p1, p2,, pn}, dividimos el intervalo [0, 1] en n sub-intervalos, tal que la longitud del i-simo sub-intervalo sea pi. Por lo tanto, si el nmero aleatorio generado r cae en el intervalo i, la muestra seleccionada ser xi precisamente con la probabilidad deseada pi! La Fig. 1 muestra la grfica escalonada de F(x), para una v.a. X con la distribucin de la Tabla 1. F(x) est representada por los valores ais, tal que (1)
Tabla 1. Distribucin de probabilidades de X discreta.

xi pi ai = F (xi)

0 1 2 3 4 0.41 0.26 0.18 0.10 0.05 0.41 0.67 0.85 0.95 1.00

183

Begin Introducir valores ; Introducir probabilidades a[1] = p[1]; For i = 2 to n a[i] = a[i 1] + p[i]; end For i = 1 to M seleccion = 1; i = 1; Elegir nmero aleatorio r U [0, 1]; While (r a [i]) do i = i +1; end muestra [seleccion] = x [i]; seleccion = seleccion +1; end return muestra; end

Fig. 1. Generacin de muestras de v.a. discreta a travs de F(x).

Fig. 2. Pseudocdigo para simular muestras de tamaos M para una v.a. discreta X

2.2. Simulacin de variables aleatorias continuas1 El procedimiento es similar al de la seccin previa, slo que la funcin escalonada se sustituye por la funcin montona continua F(x). El procedimiento que utiliza la transformacin inversa de F es como sigue [1]: Tome un nmero r con distribucin U [0, 1] de tantas cifras como precisin se desee. Considere el valor r como un valor de y tomar como valor observado en la muestra aquel valor de x tal que r = F(x), es decir, . Repita el proceso con distintos nmeros aleatorios hasta completar el tamao de muestra. La Fig. 3 ilustra el procedimiento anterior, donde la proyeccin de r es a travs de la inversa de F. As, se garantiza que la secuencia de nmeros x obedecern la distribucin implcita f(x) de la variable. Por ejemplo; si queremos generar un muestra para una v.a. X que representa el tiempo de duracin de un dispositivo electrnico (sin desgaste), cuya poblacin obedece la distribucin exponencial de parmetro ; basta con obtener un nmero r con distribucin U [0, 1] y usar la transformacin , debido a que ; donde es el tiempo esperado de duracin de los dispositivos. (2)

Dedicado con mucho amor a mi esposa Francis, quien hace que mi vida sea plena Hay que Ninamu! C.A.L.M.

184

Fig. 3. Generacin de muestras de variables continuas a travs de la transformacin

2.3. Muestras de variables aleatorias con distribucin normal Desafortunadamente no siempre es posible obtener la inversa de la distribucin acumulada F; por ejemplo con la distribucin normal. Aunque en la Fig. 3 se muestra la distribucin acumulada de la normal, analticamente no existe una expresin cerrada para su clculo, por lo que debemos recurrir a la integracin numrica haciendo imprctico el procedimiento anterior. En este caso, se procede de acuerdo a la teora de transformaciones, mtodo equivalente al de la seccin previa pero extendido a varias variables. Para ms informacin consultar el Captulo 7 de [2]. A continuacin damos la receta de un procedimiento muy conocido para generar muestras aleatorias de una distribucin normal [2]. Paso 1. Generar dos nmeros aleatorios r1 y r2 con distribucin U [0,1] en el cuadrado unitario (3) Paso 2. Hacer (4) (5) Entonces, ambas z1 y z2 tienen distribucin normal estndar . Paso 3. Hacer . x1 y x2 tendrn la distribucin . 2.4. Aplicacin de la simulacin de muestras de variables aleatorias: proceso de Poisson. Suponga que en un aeropuerto de una ciudad determinada, tanto el arribo de aviones X como los despegues Y, se comportan con una distribucin de Poisson con parmetro = 1; es decir, en promedio arriba y despega 1 avin por minuto. Si al iniciar el da existe un determinado nmero de aviones K en tierra, simularemos el trfico de aviones en tierra Z durante la primera hora del da. Gracias a la simulacin se pueden analizar para diferentes tasas de arribo y despegues, as como distinto nmero inicial de aviones en tierra. El espacio son 60 minutos, por lo tanto, se requieren 60 muestras para los arribos y 60 para los despegues. Al final de cada intervalo de tiempo ; tal que . Los resultados se muestran en la Fig. 4, de abajo hacia arriba, representan el trfico de aviones en los 60 minutos de la primera hora del da para K = 10, 20, 35, 55 y 70; mientras que y ; respectivamente. En el primer caso existe la misma tasa de arribos y despegues, por lo que el promedio se mantiene en 10. En el segundo caso el tiempo de observacin se redujo a un cuarto de minuto, por lo que el perodo de observacin es ms estrecho, etc. En el quinto caso, donde la tasa es (1:4), K = 70 y el promedio esperado de aviones en tierra resulta 73.

185

Fig. 4. Simulacin del trfico de aviones

2.5. Demostracin emprica del Teorema de Lmite Central El TLC establece en palabras que la suma de n vv.aa. independientes tiene aproximadamente la distribucin normal, sin importar cul sea la distribucin de las variables. Sean X1,.Xn una muestra aleatoria de tamao n extrada de una poblacin X con media poblacional y desviacin estndar . Debemos notar que para que las extracciones resulten independientes es necesario un muestreo con reemplazo o una poblacin infinita. En caso de poblaciones finitas de tamao N, la independencia se garantiza cuando el tamao de muestra es menor que el 5% de la poblacin (n < 0.05N). En este trabajo supondremos que se cumplen las condiciones de independencia, tal que las variables X1,, .Xn, resultan independientes e idnticamente distribuidas (i.i.d.). Una de las aplicaciones ms utilizadas del TLC es para aseverar que la media muestral est normalmente distribuida con media y desviacin estndar ; ya que en este caso la media y la desviacin estndar de las Xi es la misma. La pregunta de inters es para qu valor de n dicha aproximacin es suficientemente buena? En otras palabras, cul debe ser el tamao de la muestra para afirmar que el TLC tiene una aproximacin razonable? El conocimiento popular de la estadstica asegura que para Sin embargo, mostraremos que la respuesta depende de la distribucin de la poblacin de origen. Es decir, de la simetra o asimetra (sesgo). Por ejemplo, si la distribucin original es simtrica como la binomial o la uniforme, el TLC es bueno para n mucho menor que 30(ver Seccin 3 Parte I). En el caso de la distribucin uniforme los resultados sugieren que es suficiente (Por cuestin de espacio este caso tendr que esperar hasta la presentacin de la ponencia). La visualizacin del TLC se har a partir de la distribucin lognormal. El experimento consiste en aplicar el procedimiento de simulacin de muestras de vv.aa. de la Seccin 2.2. Se simulan M = 1,000 muestras de tamao n por cada caso; generando as 1,000 valores de ; luego, se calcula el histograma para analizar la posible distribucin de y se contrasta con la curva normal del TLC, . Aunque en el trabajo se presentan cuatro grficas estticas, en la ponencia se ver el comportamiento dinmico variando el tamao de la muestra. La simulacin dinmica e interactiva resulta muy interesante en la conceptualizacin de los conocimientos, ya que se analizarn desde tamaos de muestra n = 1 hasta n = 50 cada una con 1,000 rplicas!

186

Adems, generaremos los intervalos de confianza y el sesgo de los estimadores puntuales de , los muy conocidos , respectivamente. Por qu no aprovechar la oportunidad y ; el cual implica al mostrar el sesgo del estimador de mxima verosimilitud controversial denominador n en vez de (n-1). El potencial de la simulacin es ilimitado! Caso 2. TLC aplicado a la distribucin lognormal (distribucin sesgada) A continuacin analizamos la distribucin de para muestras que provienen de una poblacin con distribucin lognormal, la cual es una distribucin sesgada [3]. Nota: Primero simule una v.a. normal Y; luego hacer ; as X tendr distribucin lognormal .Veremos que tan bueno podra resultar la aproximacin del TLC. Recordemos que una v.a. X tiene la distribucin lognormal si ln X tiene la distribucin normal con media miu () y desviacin estndar sigma (). La funcin de densidad lognormal viene dada por (6). . Se puede demostrar que (ver [3]) y . (7) Los resultados de la simulacin se muestran en las Fig. 5, 6 y 7. La Fig. 5 ilustra la densidad lognormal para distintos valores de los parmetros y . Observe que con = 1 y = 1 la densidad tiene un sesgo muy grande hacia la izquierda. Este es el caso ms complicado de la distribucin y sobre ella se ilustrar la aproximacin del TLC. La Fig. 7 contiene los histogramas de frecuencia relativas con 20 intervalos para los mil valores de y distintos tamaos de muestra n = 5, 10, 20 y 30. Las frecuencias relativas fueron normalizadas entre la longitud de los intervalos para obtener un histograma de rea unitaria, tal como debe ser si queremos contrastarla con la funcin de densidad terica normal (TLC). Observe que para n = 5, el histograma est sesgado, conforme n se incrementa de 10 a 20 dicho sesgo se va perdiendo. En los tres casos (n < 30) la aproximacin del TLC no es buena. El incremento de n produce un mayor grado de concentracin de los histogramas en torno al valor medio de la poblacin (4.48). Aunque el histograma para n = 30 hace parecer una buena aproximacin a la distribucin Normal, la curva de probabilidad de la Fig. 6 indica que an se requiere un tamao de muestra mayor a 30 para aproximar mejor las colas de la distribucin (el promedio de result 4.52 ligeramente arriba de (6)

Fig. 5. Funcin de densidad lognormal

Fig. 6. Grfica de probabilidad normal

187

Fig. 7. Histograma de frecuencias normalizado y curva de ajuste normal para n = 5, 10, 20 y 30.

la media poblacional). En resumen, debemos tener cuidado con la aplicacin del TLC cuando la distribucin de la poblacin tenga un sesgo o asimetra importante; en estos casos es posible que se requiera un n > 30 para que la aproximacin del TLC se considere buena.

3. Conclusiones
Las simulaciones mostradas en la Parte 1 y en la Parte 2 de nuestro trabajo, permiten corroborar visualmente resultados importantes de la estadstica, como la posible normalidad de un conjunto de datos, el efecto de los parmetros, los alcances y limitaciones de la aplicacin del TLC, analizar un fenmeno aleatorio como el trfico de aviones. En sntesis, podemos concluir que travs de las herramientas de cmputo y la simulacin de muestras de vv.aa., es posible propiciar un aprendizaje mucho ms analtico y prctico de la estadstica. Se crea un ambiente dinmico e interactivo de enseanza y aprendizaje, que a la larga puede resultar en una simplificacin de resultados complejos o tericos. Las simulaciones fomentan el pensamiento crtico y creativo, muy necesario en esta materia. As tambin, permiten analizar y evaluar con mayor profundidad el comportamiento de los fenmenos estadsticos. La estadstica debe ser prctica, y en este mbito, el potencial de la simulacin es ilimitado! A propsito, los cantantes son de La Loma!

Referencias

[1] Prez Lpez Csar, Muestreo Estadstico: conceptos y problemas resueltos, Ed. Pearson., Espaa (2005). [2] Press William H. et al. Numerical Recipes in C++. The Art of Scientific Computing. Press Syndicate of the
University of Cambridge., 2th Edition (2003). [3] Devore Jay L., Probabilidad y Estadstica para Ingeniera y Ciencias., Ed. Thompson, 7 Edicin, (2008).

188

Inferencia Estadstica para Cadenas de Markov

Martha Cecilia Palafox Duarte Departamento de Matemticas Universidad de Sonora cecypalafox@gauss.mat.uson.mx

Nivel: Superior Resumen El objetivo principal de este trabajo es hacer inferencia sobre las probabilidades de transicin de una cadena de Markov homogenea no paramtrica a travs del enfoque de verosimilitud. Esto, se ilustra con datos reales de direcciones del viento y algunas suposiciones matemticas son probadas mediante mtodos grficos y simulaciones computacionales.

1. Introduccin
Una clase muy importante de procesos estocsticos la constituyen los procesos de Markov. Estos tienen la caracterstica general que dado el valor actual del proceso Xt, los valores futuros Xs para

s>t son independientes de los valores pasados Xu para u<t. Una cadena de Markov es un proceso de Markov a tiempo discreto cuyo espacio de estados T es finito o numerable. Algunos ejemplos de cadenas de Markov ampliamente estudiados en la literatura de Probabilidad son: Caminatas aleatorias unidimensional, la ruina del jugador, cadena de Erenfest, modelos de colas, entre otros. Una cadena de Markov est completamente determinada si se especifican su matriz de transicin, P, y la distribucin inicial del proceso X0, 0. Es decir, es posible calcular cualquier probabilidad asociada a la cadena usando la Ley de Probabilidad Total. En la teora de probabilidad para cadenas de Markov se pone mucho nfasis en el estudio de las matrices de transicin de orden n, clasificacin de estados de la cadena, propiedades asintticas, existencia y unicidad de distribuciones estacionarias, etc. Por otra parte, el tratamiento que le da el enfoque estadstico a cadenas de Markov es muy diferente al enfoque probabilsta. Bajo el paradigma estadstico un problema relevante y poco estudiado es hacer inferencia sobre las probabilidades de transicin basados en una muestra observada i1,...,in de la cadena. Entindase por inferencia no slo una estimacin puntual del parmetro de

inters P sino tambin estimacin por intervalos de las probabilidades Pij que la conforman.

El objetivo de este trabajo es usar el enfoque de verosimilitud para hacer inferencia sobre las probabilidades de transicin de una cadena de Markov no paramtrica. Se ejemplificar esta metodologa con datos reales de una cadena de direcciones de viento. Adems se propondr un mtodo grfico para validar la propiedad de Markov. Por ltimo se aplicar el enfoque probabilsta para analizar el sistema con el paso del tiempo.

2. Inferencias va verosimilitud para cadenas de Markov no paramtricas

189

Supngase que {Xn}nN es una cadena de Markov homognea a tiempo discreto con espacio de estados finito T={1,2,...,m}. Formalmente, la propiedad de Markov es Pr{ Xn+1=j|X0=i0,...,Xn1=in1,Xn=in}=Pr{ Xn+1=j|Xn=in} (2.1)

para toda i0,i1,...,in1,in, jT y nN. Adems, supngase que {Xn}nN es una cadena no paramtrica. Es decir, las probabilidades de transicin en un paso, Pij=Pr{ Xn+1=j|Xn=i}, no pueden ser indexadas a travs de un vector de parmetros. Adems, cumplen que Pij 0 con i, jT y que Pij=1, para todo iT. La distribucin inicial se denotar como 0(i)=Pr{X0=i}, con iT. jT Sea i1,...,in' una muestra observada de tamao n' de la cadena {Xn}nN. Sea F=[fij] la matriz de frecuencias observadas. Es decir, fij es el nmero de veces que la cadena fue del estado i al estado j en un paso en toda la muestra observada. Para iT fijo se supodr que fi1,...,fim siguen m una distribucin multinomial (ni,Pi1,...,Pim) , donde ni= fij . As, para un jT fijo, la j=1 distribucin marginal de fij sigue una distribucin binomial (ni,Pij). Por tanto, la funcin de verosimilitud de Pij basada en esta distribucin es fij L(Pij; fij) P (1Pij)nifij ij La funcin de verosimilitud relativa de Pij es L(Pij;fij) Pijfij 1Pijnifij R(Pij;fij)= L(P ;f )= , ij ij Pij 1Pij donde = (2.3)

(2.2)

es el estimador de mxima verosimilitud (EMV) de Pij (Vase Palafox, 2009,

pg. 56). Ntese que R(;fij) toma valores en el intervalo [0,1] y alcanza su mximo en . Valores de Pij que hacen que R(;fij) tome valores cercanos a cero son implausibles. En contraste, valores de Pij con una verosimilitud relativa cercana a uno son altamente plausibles.

Los intervalos de verosimilitud separan los valores plausibles de los no plausibles a un nivel c (Sprott, 2000, pg. 14). Un intervalo de verosimilitud de nivel c de plausibilidad se define como IV(c)={Pij:R(Pij)c}, donde 0c1. Valores de Pij en el IV(c) tienen verosimilitud relativa mayor o igual que c y valores de Pij fuera del intervalo tienen verosimilitud relativa menor. Ntese que haciendo variar c entre 0 y 1 se obtiene una familia de intervalos anidados que es equivalente a la funcin de verosimilitud relativa y reproduce su grfica.

190

Por otra parte, un slo intervalo de verosimilitud no proporciona informacin acerca de la simetra y de cmo cambia la plausibilidad dentro del intervalo. de la funcin de verosimilitud respecto a Por ello, se sugiere dar el EMV de Pij junto con intervalos de verosimilitud de nivel c=0.036, 0.15 y 0.25. Se recomienda usar estos niveles puesto que bajo condiciones de regularidad, (Serfling, 1980, pgs. 155-156), estos intervalos de verosimilitud tienen asociadas probabilidades de cobertura aproximadas del 0.99, 0.95 y 0.90, respectivamente, (Kalbfleisch, 1985, pg 107). Podemos decir que la probabilidad de cobertura es la fraccin de veces que el intervalo contiene al valor verdadero del parmetro en un nmero muy grande de repeticiones de la muestra con el parmetro fijo (Palafox, 2009, pg. 43). Cuando a los intervalos de verosimilitud se les asocia una confianza, se le llama intervalos de verosimilitud-confianza. A continuacin se presenta un estudio de simulacin para verificar que los intervalos de verosimilitud propuestos tienen las probabilidades de cobertura mencionadas.

3. Estudio de Simulacin
Para llevar a cabo dicho estudio se fij el tamao de la muestra n, el espacio de estados T, distribucin inicial 0 y matriz de transicin P. Enseguida, se calcularon los intervalos de verosimilitud a los diferentes niveles de c= 0.036, 0.15, 0.25 asociados a una confianza y despus se verific si el intervalo cubre o no el verdadero valor del parmetro Pij. Se realiz el proceso 10000 veces y se estimaron las probabilidades de cobertura con las frecuencias relativas observadas.
Tabla 1

Nivel c 0.036 0.15 0.25

0.99 0.95 0.90

PC(P11) 0.988 0.946 0.893

PC(P26) 0.982 0.93 0.905

PC(P53) 0.982 0.944 0.911

PC(P75) 0.977 0.942 0.89

transicin P

La Tabla 1 muestra los resultados de las probabilidades de coberturas estimadas para algunas Pij considerando n=2184, T={1,...,8}, 0={ 0.3,0.21,0.15, 0.12,0.13,0.04,0.027,0.23} y matriz de

191

Se observa que dichas probabilidades de coberturas son similares a lo teoricamente indicado. Adems se realizaron otras simulaciones variando n, T, 0 y P=[Pij] obteniendo resultados semejantes.

4. Mtodo Grfico
Para validar la propiedad de Markov dada en (2.1) se propone, por cuestiones prcticas, dar evidencia que se cumple la siguiente igualdad: Pr{ X2=i2|X0=i0,X1=i1}=Pr{ X2=i2|X1=i1}, (4.1)

donde i0,i1,i2T. Para cada una de estas ternas, la probabilidad a la izquierda en (4.1) ser estimada con No. de veces que Xn pasa de i0,i1,i2 Y(i0,i1,i2)= . No. de veces que Xn pasa de i0,i1 Por otro lado, la probabilidad a la derecha en (4.1) ser estimada con X(i1,i2)= No. de veces que Xn pasa de i1,i2 . No. de veces que Xn sale de i1 (4.3) (4.2)

La propuesta grfica de validacin de la propiedad de Markov consiste en mostrar que para cada terna i0,i1,i2T, los puntos en el plano cartesiano conformados por las frecuencias observadas X y Y en (4.2) y (4.3) se encuentran alrededor de una linea recta de 45 grados de inclinacin. Cualquier desviacin de esto es considerado como evidencia en contra de que la cadena cumple con la propiedad de Markov. Adems se recomienda realizar un histograma del cociente de estas dos probabilidades y observar que la mayor frecuencia esta concentrada alrededor del valor uno.

5. Ejemplo: Direcciones del Viento

En este ejemplo se analizan datos de direcciones del viento categorizados segn los puntos cardinales, Puntos Cardinales N NE E SE S SO O NO Intervalo Asociado (Grados) [337.5,22.5) [22.5,67.5) [67.5,112.5) [112.5,157.5) [157.5,202.5) [202.5,247.5) [247.5,292.5) [292.5,337.5)

Los registros fueron hechos cada hora en una estacin meteorolgica ubicada en las instalaciones del Centro de Investigacin en Matemticas (CIMAT) en la ciudad de Guanajuato, Gto., Mxico, durante el verano del 2006. La longitud de la cadena es de n=2184 y el espacio de estados es T={N,NE,E,SE,S,SO,O,NO}.

192

En la Figura 1A y Figura 1B se muestran las graficas de validacin descritas en la Seccin 4 con los datos de direcciones del viento. Se observa que la gran mayora de puntos caen alrededor de la recta. Ntese que algunas probabilidades estimadas son iguales a cero, esto se debe a que dichas trayectorias, pasar de i0, i1 a i2, no ocurrieron dentro de la muestra observacin de la cadena de tamao n=2184. Adems, se observa en el histograma que la mayor frecuencia esta concentrada en el nmero uno.

Figura 1

Por otra parte, en la Figura 1C y 1D se muestran las mismas grficas pero con datos simulados de una cadena de Markov legtima. Se observa una gran concentracin de puntos alrededor de la recta y se siguen presentando probabilidades estimadas iguales a cero con el tamao de muestra n=2184. En el histograma se tiene la mayor frecuencia en 1. El objetivo principal de mostrar estas grficas es exhibir el comportamiento de la metodologa presentada en la Seccin 4 y observar similitudes entre los datos reales y simulados, pues en ambas situaciones los puntos caen alrededor de la recta, en el histograma se presenta la mayor frecuencia alrededor del nmero uno y algunas probabilidades estimadas son iguales a cero. Con lo anterior se tiene evidencia para suponer que los datos de direcciones de viento pueden ser modelados como una cadena de Markov no paramtrica. Aplicando los resultados de la Seccin 2 se puede realizar el proceso inferencial para cada una de las probabilidades de transicin. La matriz de las probabilidades de cambio estimadas se presetan en (3.1). Ah se indican las probabilidades de cambio de una direccin a otra, como por ejemplo, la probabilidad de que el viento permanezca en el norte (N) dado que se encuentra en esa misma direccin es de 0.54. Tambin que es muy poco probable pasar de una direccin norte a una direccin sur. En general, es ms probabable permanecer en la misma direccin si el viento se encuentra en alguna direccin especfica.

193

Figura 2

Figura 2

La Figura 2 muestra las funciones de verosimilitud relativa, para PN,N, PNE,SO, PS,E, PO,S. Tambin se indican los EMV para cada una de las probabilidades y los intervalos de verosimilitud de nivel de plausibilidad c=0.036, 0.15, 0.25. En la Figura 2A, podemos observar que a un nivel de 0.036, valores menores que 0.49 y mayores que 0.58 son poco plausibles para PN,N. De manera similar, se pueden interpretar el resto de las figuras. Desde el punto de vista probabilstico, la matriz estimada en (3.1) presenta las siguientes caractersticas: Finita, irreducible, recurrente positiva y aperidica (Palafox, 2009, pg. 66). Por lo tanto su distribucin estacionaria y distribucin lmite existen, y es la misma. Esta dada por =(0.38,0.29,0.094,0.079,0.072,0.04,0.022,0.014). En esta distribucin se observa que las probabilidades ms altas se presentan en las direcciones N y NE. Esto es congruente ya que en Guanajuato, Gto. son predominantes los vientos alisios.

6. Conclusiones
En este trabajo el mtodo de Verosimilitud es considerado para hacer inferencia sobre las probabilidades de transicin de una cadena de Markov homognea y no paramtrica. Se muestra como hacer la estimacin puntual y por intervalos sobre dichas probabilidades.

194

Adems se propone una validacin grfica de la propiedad de Markov. Todo esto es ejemplificado con datos reales de direcciones del viento provenientes de una cadena de Markov no paramtrica. Finalmente, se describieron las caractersticas probabilsticas de esta cadena y se dio la distribucin lmite de esta.

7. Referencias
[1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] Basawa, I.V. y Prakasa Rao, B.L.S. (1980). Statistical Inference for Stochastic Process. Academic Press Inc. Berger, J.O., Liseo, B. y Wolper, R.L. (1999). Integrated Likelihood Methods for Eliminating Nuisance Parameters. Statistical Science. V.14, pg. 1-28. Caballero,M. E., Rivero, V. M., Uribe, G. y Velarde, C. (2004). Cadenas de Markov: un enfoque elemental. Sociedad Matemtica Mexicana. Casella, G. y Berger, R. (2002). Statistical Inference. segunda edicin. Pacific Grove, Ca: Duxbury Press. Cinlar, E. (1975). Introduction to stochastic processes. Prentice-Hall, Inc. Cox, D. R. y Hinkley, D.V. (1974). Theoretical Statistics. London: Chapman and Hall. Feller, W. (1950). An Introduction to Probability Theory and Its Applications. V. I. Princenton University. Hoel, P. G., Port, S.C. y Stone, C. J. (1972). Introduction to Stochastic Processes. University of California, Los Angeles: Houghton Mifflin Company. Johnson, R.(1995). Just the Essentials of Elementary Statistics. Duxbury Press. Kalbfleisch, J. G. (1985). Probability and Statistical Inference. V. 2: Statistical Inference. segunda edicin. Nueva York: Springer-Verlag. Karlin, S. (1975). A First Course in Sthochastic Processes. Academic, Press Inc. Karlin, S. y Taylor, H. M. (1998). An Introducction to Sthochastic Modeling. Academic, Press Inc. Mendenhall, W. (1982). Introduccin a la Probabilidad y la Estadstica. Grupo Editorial Iberoamrica. Montoya, J. A., Daz-Francs, E. y Sprott, D. (2009). On a criticism of the profile likeliood function. Statistical Papers. V. 50, pg. 195-202. Nakamura-Savoy, M. (2000). Notas curso Elementos de Estadstica y Probabilidad. Guanajuato, Gto. Norris, J.R. (1998). Markov Chains. Cambrige Series in Statistical and Probabilistic Mathematics (No. 2). University of Cambrige. Palafox, M.C. (2009). Inferencia Estadstica para Cadenas de Markov. Universidad de Sonora. Ross, S. M. (1999). Simulacin. Prentice Hall, Hispanoamericana. Serfling, R. J. (1980). Aproximation Theorems of Mathematical Statistics. John Wiley & Sons. Sprott, D. A. (2000). Statistical Inference in Science. Nueva York: Springer.

195

196

El Anlisis Didctico en el marco del Enfoque Ontosemitico

Vicen Font Moll Departamento de Didctica de las CCEE y de la Matemtica Universidad de Barcelona vfont@ub.edu Norma Rubio Goycochea Departamento de Ciencias Pontificia Universidad Catlica del Per nrubio@pucp.pu Nivel educativo: Superior Resumen En este taller se mostraron las herramientas que el Enfoque Ontosemitico de la Cognicin e Instruccin Matemtica propone al profesor para analizar, valorar y, de ser factible, mejorar la prctica profesional. Para ello, con la participacin activa de los asistentes al taller y aplicando los niveles de anlisis que propone este enfoque, se realiz un anlisis didctico de la transcripcin de un episodio de una clase de matemticas de secundaria en la que se institucionaliza la resolucin de un problema. En dicho episodio participan tres alumnos en interaccin con el profesor.

1. Introduccin
La reflexin sobre los diversos factores presentes en los procesos de enseanza y aprendizaje es parte de la labor docente. La necesidad de realizar un anlisis sistemtico que permita esta reflexin requiere de herramientas tericas que lo faciliten. Durante la realizacin del taller se present una metodologa de anlisis didctico que se basa en cinco niveles de anlisis propuestos por el enfoque ontosemitico del conocimiento y la instruccin matemtica (EOS). DAmore, Font y Godino (2007); Font y Contreras (2008); Font y Godino, (2006); Godino y Batanero (1994); Godino, Bencomo, Font y Wilhelmi (2006); Godino, Contreras y Font, (2006); Godino, Font y Wilhemi (2006); Godino, Font, Wilhelmi y Castro (2008) proponen, en el marco del EOS, cinco niveles para el anlisis de procesos de instruccin: Anlisis de los tipos de problemas y sistemas de prcticas. Elaboracin de las configuraciones de objetos y procesos matemticos. Anlisis de las trayectorias e interacciones didcticas. Identificacin del sistema de normas y metanormas. Valoracin de la idoneidad didctica del proceso de estudio.

Los niveles de anlisis propuestos en el marco EOS y las herramientas de cada nivel permiten realizar un anlisis didctico completo que permita describir, explicar y valorar procesos de instruccin..

2. Anlisis didctico
En este taller, se aplicaron los niveles de anlisis didctico del Enfoque Ontosemitico de la Cognicin e Instruccin Matemtica adaptados de la manera siguiente:

197

Nivel 1. Identificacin de prcticas matemticas. En un proceso de estudio, la aplicacin de este nivel lleva a describir la secuencia de prcticas matemticas, durante las cuales se activan elementos distintos, a saber, un agente (institucin o persona) que realiza la prctica y un medio donde se realiza (en este medio puede haber otros agentes, objetos, etc.). Nivel 2. Identificacin de objetos y procesos matemticos. La finalidad de este nivel de anlisis es describir la complejidad de las prcticas matemticas tomando en consideracin la diversidad de objetos y procesos, ya que el agente realiza prcticas orientadas a la resolucin de situaciones-problema, en las que se deben considerar, entre otros aspectos, las configuraciones de objetos y los procesos matemticos que posibilitan dichas prcticas. Nivel 3. Descripcin de interacciones en torno a conflictos. En nuestro caso y dada la gran diversidad de interacciones didcticas ocurridas en cualquier proceso de estudio, para este nivel nos centramos en las interacciones en torno a conflictos de tipo semitico. Nivel 4. Identificacin de normas. En este nivel consideramos que tanto las prcticas matemticas como las interacciones estn condicionadas y soportadas por un conjunto de normas y metanormas que regulan las acciones y que deben ser analizadas. Los cuatro niveles de anlisis descritos anteriormente son herramientas para una didctica descriptiva y explicativa ya que sirven para comprender y responder a la pregunta qu ha ocurrido aqu y por qu?. Nivel 5. Valoracin de la idoneidad interaccional del proceso de estudio. Este nivel se ocupa del anlisis de tipo valorativo. La didctica de la matemtica no debera limitarse solo a la descripcin, sino que debera aspirar a la mejora del funcionamiento de los procesos de estudio. Son necesarios, por tanto, criterios idoneidad o adecuacin que permitan valorar los procesos de instruccin efectivamente realizados y guiar su mejora, evaluando la pertinencia del proceso de instruccin matemtica y sealando pautas para la mejora del diseo y la implementacin del proceso de estudio. En este taller, que tuvo una duracin de cinco das con sesiones de dos horas cada da, y con una asistencia promedio de 40 profesores, se propuso, como contexto de reflexin, el anlisis didctico de una transcripcin de un episodio de una clase de matemticas de secundaria en la que el profesor institucionaliza la resolucin de un problema. . La primera tarea dada a los profesores para iniciar el anlisis didctico de este episodio fue que, en base a su experiencia profesional, realizaran un primer anlisis didctico. En este primer anlisis cada grupo de profesores participantes utulizaron algunos de los niveles didcticos comentados anteriormente y en la puesta en comn del gran grupo se observ que , si bien cada grupo no utiliz todos los niveles de anlisis didctico, todos aparecieron en la puesta en comn. A continuacin, durante el desarrollo del taller se presentaron y aplicaron las herrameintas tericas correspondientes a cada uno de los cinco niveles de anlisis didctico comentados anteriormente.

3. Conclusiones
Se observ que los profesores tuvieron en cuenta en sus anlisis didcticos iniciales diferentes aspectos. As, por ejemplo, algunos centraron su atencin en el hecho de que en el episodio de

198

clase analizado el profesor realizaba un proceso de institucionalizacin de la resolucin de un problema; otros realzaron objetos matemticos (proporcionalidad, ecuaciones, etc.) presentes, segn ellos, en la transcripcin. La mayora de profesores expres apreciaciones negativas en torno a la prctica profesional del profesor del episodio. Para argumentarlas, mencionaron, entre otros aspectos, el hecho de que el profesor no haba gestionado bien algunas intervenciones de los alumnos o bien que haba creado un clima emocional desfavorable para dos de ellos; tambin sugirieron cmo tendra que haber actuado el profesor del episodio. En este primer anlisis cada grupo de profesores participantes utulizaron algunos de los niveles didcticos y todos aparecieron en el gran grupo. Antes que responder a la pregunta qu se ha hecho mal y cmo se debera mejorar?, el tipo de anlisis que se desarroll en el taller permiti responder a la pregunta qu ha ocurrido aqu y por qu?. El estudio exhaustivo de los aspectos descriptivos y explicativos de una situacin didctica es necesario para poder argumentar posteriormente valoraciones sobre esta situacin. Nuestra conclusin es que el modelo de anlisis didctico que propone el EOS aplicado en este trabajo es til para la investigacin sobre la prctica docente de los profesores de matemticas, as como tambin puede ser til para el grupo de profesores interesados en reflexionar sobre su propia prctica. Esto ltimo, basndonos en la experiencia positiva de este taller. Como afirman Hiebert, Morris y Glass (2003), un problema persistente en educacin matemtica es cmo disear programas de formacin que influyan sobre la naturaleza y calidad de la prctica de los profesores. Para el diseo de estos programas son necesarias herramientas para el anlisis de la prctica docente como las que aqu se han propuesto.

4. Agradecimiento
Trabajo realizado en el marco de los proyectos de investigacin, EDU2009-08120/EDUC.

5. Referencias
[1] DAmore, B., Font, V.; Godino, J. D. (2007). La dimensin metadidctica en los procesos de enseanza y aprendizaje de la matemtica. Paradigma, 28(2), 49-77. [2] Font, V.; Contreras, A. (2008). The problem of the particular and its relation to the general in mathematics education. Educational Studies in Mathematics, 69, 33-52. [3] Font, V.; Godino, J. D. (2006). La nocin de configuracin epistmica como herramienta de anlisis de textos matemticos: su uso en la formacin de profesores. Educaao Matemtica Pesquisa, 8(1), 67-98. [4] Font, V., Godino, J. D. & Contreras, A. (2008). From representations to onto-semiotic configurations in analysing the mathematics teaching and learning processes in L. Radford, G. Schubring & F. Seeger (eds.), Semiotics in Math Education: Epistemology, Historicity, and Culture. Sense Publishers: The Netherlands. [5] Godino, J. D.; Batanero, C. (1994). Significado institucional y personal de los objetos matemticos. Recherches en Didactique des Mathmatiques, 14(3), 325-355 [6] Godino, J. D.; Batanero, C.; Font, V. (2007). The onto-semiotic approach to research in mathematics education. Zentralblatt fr Didaktik der Mathematik, 39(1-2), 127-135

199

200

Educacin a Distancia. Una discusin al seno de la matemtica educativa

Gisela Montiel Espinosa (Coordinadora) Centro de Investigacin en Ciencia Aplicada y Tecnologa Avanzada, Unidad Legaria, del Instituto Politcnico Nacional gmontiel@ipn.mx Martha CristinaVillalba, Francisco Javier Tapia Universidad de Sonora Ricardo Ulloa Azpetia Universidad de Guadalajara Nivel educativo: Superior Resumen La discusin del grupo se orient a problematizar la innovacin y la investigacin en educacin a distancia dentro de la matemtica educativa; se compartieron los resultados tericos y empricos producto de las experiencias de formacin a distancia en las que han participado sus miembros. Nuestro propsito fue el de dilucidar lo que le es propio al escenario y a la modalidad, y cmo esto condiciona los nuevos procesos de formacin

1. Introduccin
La Educacin a Distancia (ED) en Mxico est logrando consolidacin como oferta educativa formal en los niveles medio superior, superior y posgrado; que si bien surgen como alternativa a la falta de cobertura de la educacin presencial, comienzan a configurar nuevos ambientes de formacin bsica, profesional y especializada, capaces de adaptarse a los esquemas variables de la sociedad actual. Sin embargo, con las oportunidades de innovacin viene tambin la responsabilidad de entender los nuevos procesos de formacin que se llevan a cabo en estos ambientes de aprendizaje. Qu caracteriza a estos procesos?, cmo se afectan estos procesos cuando el ambiente de aprendizaje est en constante cambio?, la tecnologa es solo una herramienta para cumplir el objetivo educativo o ste se modifica ante la mediacin tecnolgica?, tiene sentido comparar el escenario presencial con el escenario a distancia, para evaluar la calidad educativa?,, son solo algunas de las mltiples preguntas que pueden plantearse dado el estado actual de la oferta educativa a distancia. Ante la vivencia de experiencias particulares los especialistas plantearon preguntas ms orientadas a la comprensin de las interacciones humanas, y propuestas para constituir comunidades de colaboracin y produccin de innovaciones didcticas basadas en la investigacin.

2. Innovacin Investigacin - Planeacin

El grupo cont con la exposicin de tres especialistas con experiencia en distintos mbitos de la educacin a distancia y la interaccin con los participantes mostr la importancia que tuvo hacer explcitos los elementos de innovacin, investigacin y planeacin que cada uno ha enfrentado. Aunque es comn hablar de educacin a distancia en lnea en la academia o en lo cotidiano, en ambas se desconoce mucho del funcionamiento de sta modalidad, principalmente de la demanda de comunicacin, interaccin y estudio independiente que impone la modalidad. Martha Villalba present una experiencia de formacin docente a distancia en la Universidad de Sonora, con la que se dio respuesta a la demanda de la Secretara de Educacin y Cultura

201

del Estado. Atendieron a profesores de matemticas del nivel secundaria en un diplomado en lnea, apoyndose en puntos estratgicos donde el Estado cuenta con centros de cmputo con conexin de banda ancha. En la exposicin de las dificultades enfrentadas fue posible reconocer algunas relacionadas con la modalidad, otras con los contenidos didcticos y algunas ms con la estrategia de seleccin de los participantes. sta ltima resulta ser una variable importantsima que queda fuera de control para quien oferta el programa de formacin, pues regularmente la seleccin se hace desde las Secretaras de Educacin. Sin embargo, la experiencia muestra que los procesos de formacin con docentes en servicio (adultos trabajando) y la demanda de atencin, interaccin, comunicacin y trabajo autnomo son las variables que ms influyen para que los porcentajes de desercin en la modalidad a distancia superen el 60%. La variable del manejo tecnolgico se cubri significativamente en el diplomado pues cont con el apoyo tcnico y de diseo instruccional por parte de especialistas en elaboracin de material didctico para la modalidad virtual, y se elaboraron tutoriales para facilitar la navegacin y el trabajo en la plataforma que llevaran a cabo los profesores participantes. Martha Villalba cerr su intervencin mostrando la necesidad de hacer investigacin de esta experiencia y propuso hacer un anlisis, enmarcado en la Teora Antropolgica de lo Didctico, de la actividad generada. Su reflexin se ampli en varias direcciones, tales como el diseo, la autonoma, la colaboracin, el escenario, el medio y el tiempo. sta ltima quiz sea la directriz para caracterizar la educacin a distancia en lnea; pues, como mencion Villalba, se desconoce la funcin didctica del tiempo no cronolgico de esta modalidad. Y es justo la variable manejo del tiempo lo que hace de la educacin a distancia en lnea una modalidad tan atractiva. Por su parte Francisco Tapia hizo un planteamiento pedaggico-tecnolgico que nos situ en una discusin, de grandes diferencias de opinin, sobre desarrollos tecnolgicos inteligentes capaces de distinguir las necesidades del que aprende para proponer un diseo didctico particular. Desde el aprendizaje en lnea personalizado, paradigma que fundamenta este planteamiento, se reconoce que hay diferencias en las maneras de aprender, en lo que se aprende, en cmo se aprende, en el aprovechamiento, en las maneras de razonar y en las preferencias para llevar a cabo actividades didcticas. De esto deviene necesario un diseo didctico que se adapte a stas particularidades y sea accesible una poblacin amplia, es decir, se articula el aprendizaje en lnea personalizado con el aprendizaje mvil. Probablemente la discusin de los participantes, con esta intervencin, gener diversidad de opiniones porque mostr una modalidad de educacin a distancia alejada de la tradicin escolar, presencial y a distancia. Hubo reacciones de incredulidad, de asombro, de aceptacin y de rechazo. Quiz, es que mayor lejana de la tradicin mayor el desconocimiento de cmo funcionan los procesos de enseanza-aprendizaje, y es el control de lo que sucede en una experiencia didctica lo que nos ha permitido evaluar, redisear, investigar, etc. La construccin de sistemas de tutora inteligente sera, indudablemente, un avance tecnolgico-educativo de gran relevancia, sin embargo, reconocemos que la diversidad de paradigmas en enseanza-aprendizaje de las matemticas en particular constituira una gran dificultad para lograrlo.

202

Finalmente, con la intervencin de Ricardo Ulloa se presentaron y discutieron las acciones o consideraciones previas a la innovacin, y que articularemos de manera general, con el propsito de sintetizar, como planeacin. Los primeros cursos en la modalidad a distancia en lnea se caracterizaron por ser digitalizaciones de los cursos en la modalidad presencial y por lo tanto haba dominio de los materiales de texto (en su mayora estticos) apoyados con exposiciones de video que jugaban el papel de la exposicin del profesor. Esto es, se trasladaron las costumbres didcticas de la presencialidad. Sin embargo, los ambientes virtuales se vieron ms afectados por las innovaciones tecnolgicas no-educativas que se desarrollaron para la Web que por los paradigmas de enseanza-aprendizaje, y ello ha impuesto que previo a la implementacin de un curso en lnea se hagan ms consideraciones sobre qu recursos tecnolgicos utilizar y cmo se incorporarlos en un diseo didctico. Actualmente, los investigadores educativos estn articulando las potencialidades de dichos desarrollos tecnolgicos con las teoras del aprendizaje (cognitivas, constructivistas, sociales, entre otras) para constituir modelos de aprendizaje en lnea que fundamenten el diseo instruccional. En esta direccin, Ricardo Ulloa resalt algunos elementos tericos y metodolgicos para el diseo y la evaluacin de cursos a distancia, tales como la consideracin de la distancia transaccional y la mediacin tecnolgica; la eleccin de plataformas de trabajo en lnea y el uso de programas computacionales especializados para matemticas; la creacin de bancos de datos y guas de estudio; etc. La reflexin de esta intervencin tom dos direcciones fuertemente relacionadas: el trabajo interdisciplinario y colaborativo en el diseo instruccional, y la evaluacin de la calidad de los materiales y programas acadmicos. El reto de mantenerse vigente en un escenario que cambia constantemente requiere de especialistas en diversas reas (programadores, diseadores, didactas, tecnlogos educativos, tcnicos,), trabajando bajo lineamientos o normatividades que regulen la actividad educativa en esta modalidad, para asegurar la calidad de su oferta y el xito de quienes se forman en ella.

3. Interaccin con los participantes

Como suele suceder en las discusiones que involucran el uso de tecnologa en la educacin, los asistentes participaron con preguntas tcnicas, tericas y didcticas; algunos estaban ms interesados en el cmo hacer educacin a distancia, otros en entender qu es aprender a distancia, y algunos en compartir sus experiencias como profesores o como alumnos a distancia. En todos los casos hubo elementos para reflexionar sobre la importancia de la innovacin y la investigacin, dejando siempre en claro que si bien nos interesa comprender la virtualidad el foco de atencin esta puesto en las interacciones humanas que producen enseanza y aprendizaje. Contamos con la presencia de un pblico con muchas inquietudes y preguntas, en su mayora interesados porque ven a la modalidad como una realidad dentro de sus instituciones, ya sea en la apertura de nueva oferta educativa o por la iniciativa, de muchas instituciones, de complementar los cursos presenciales con actividades en lnea. Aunque se hizo nfasis, reiteradamente, en pensar a la modalidad a distancia como un nuevo escenario fue comn que en los periodos de preguntas se hicieran comparaciones puntuales entre la modalidad presencial y la modalidad a distancia, sin embargo, la intervencin de los

203

expositores mostr con claridad la pertinencia de tratarlas por separado, atendiendo a las posibilidades y limitaciones de cada una.

4. Conclusiones
Las tres exposiciones lograron despejar incgnitas y dar a conocer, a los asistentes, caractersticas importantes de la educacin a distancia en lnea, pero sobre todo mostraron la necesidad que hay de constituir equipos especialistas en el trabajo y la investigacin, al seno de la matemtica educativa. Creemos que el propsito de un grupo de discusin es la de generar ms preguntas alrededor del tema y, en la medida de lo posible, delinear lneas de trabajo para responderlas. Con este escrito dejamos constancia de algunos de los muchos elementos que hay por trabajar, investigar, discutir y compartir en esta temtica; dejando abierta la puerta para que ms colegas y grupos se sumen a este esfuerzo.

204

Memorias de la XX Semana Regional de Investigacin y Docencia en Matemticas

Se termin de imprimir en el mes de Enero de 2011 en los Talleres Grficos de la Universidad de Sonora y consta de 250 ejemplares

El saber de mis hijos har mi grandeza

Memorias de la XX Semana Regional de Investigacin y Docencia en Matemticas