Ampliacin y Profundizacin

I.

ARTICULO :

1. LA MATEMTICA COMO INSTRUMENTO FUNDAMENTAL DE

LA INVESTIGACIN:
1.1. Introduccin.
Las tcnicas de prediccin son herramientas en toda rea del conocimiento
que en la actualidad se utilizan para planificar con precisin los variados
objetivos que nos propongamos.
Dicho esto nos acercamos al que una prediccin es mejor cuando se tienen
los modelos fundamentales de datos presentados progresivamente.
Con fin de aclarar lo dicho, tenemos la fig.1 el trabajo del Ingeniero Magister
Carlos Fernndez Mario titulado investigacin de los coeficientes K1 yK2
para las ciudades de La Paz y Sucre
En su caso el modelo fundamental que tomo es una tendencia especular,
puesto que para estos datos exista un aumento o disminucin en el valor de
la variable atreves del tiempo.
As no solo se asume que dicho modelo bsico existe, sino que la forma de
este modelo es lineal esto quiere decir que si los datos son graficados se
demuestra que estara aproximadamente sobre una lnea recta como muestra
la figura 1 en el grfico.
Figura 1. Modelo de Tendencia Secular Regresin Lineal
Haciendo un breve resumen de lo que fue el trabajo el cual estamos tomando
solo una parte como ejemplo del Magister Ing. Carlos Fernndez Mario:
Presenta el clculo de los coeficientes K1 y K2 caractersticas reales en Cada
Uno de los sistemas de abastecimiento de agua potable de la ciudad de La
Paz y el sistema nico de la ciudad de Sucre Entre los aos 1983 a 1989.
Ests con variaciones coeficientes hijo del consumidor Fundamentales Y
Necesarios para alimentar Hacer y previsiones Disear en forma poder
Aquellos elementos componentes Y de ellos Abastecimiento sistemas de
agua. Por modelos de regresin lineal Estudia su tendencia a TIENEN ESTOS

coeficientes en Funcin del tiempo. Presenta POSITION comparativos Con

Los rangos de coeficientes Variacin de Bolivia bao base de un los
resultados obtenidos con bao Las Ciudades de La Paz y Sucre

Usando la regresin simple; asumimos que existe una relacin bsica entre
las dos variables que matemticamente la expresamos como una funcin.
y=f ( x )

(1)

Que referida a la regresin se convierte en una lnea recta:

y=+ x

(2)

Un modelo matemtico determinstico equivalente a esta ecuacin es:

y= ^ + ^ x
^
Donde
ecuacin.

(3)
es la interseccin con el eje y;

es la pendiente de la

1.2. Modelo matemtico de tendencia lineal.

Uno de los modelos ms utilizados es el de la regresin lineal denominado
mtodo de los mnimos cuadrados que se observan en la figura 1; en el grafico
se ven los puntos P0, P1, P2, que estn presentados por pares ordenado
sobre el plano cartesiano Las distancias de cada uno de estos puntos a la
recta de ajuste simblicamente son:
D0 , D1 , D2 , D3 , D 20
La mejor cura de ajuste de todas las curvas de aproximaciones de un conjunto
de puntos de datos dados es aquella que tenga la propiedad de ser mnima la
cantidad, en nuestro caso con el ejemplo de la fig1:
D20 + D21 + D22+ D23+ D 24 + D25 ++ D220
Por lo tanto la recta de mnimos cuadrados de aproximacin al conjunto de
datos histrico tiene la ecuacin:
y= ^ + ^ x

(3)

Donde la constante

^ y ^

se determina solucionado el sistema:

i=1

i=1

y i= ^ + ^ xi

(4.1)

(4)
n

i=1

i=1

i=1

x i yi =^ x 1 + ^ x 2i

(4.2)

El sistema (4) que consta de dos ecuaciones con dos incgnitas se denominan
ecuaciones normales para la recta de mnimos cuadrados que s desarrolla
para hallar los valores ^ y ^ es el siguiente:
Despejando

^ = i=1

de (4.1), se tiene:

y i ^ x i

(4.3)

i =1

n
^

Despejando
n

de (4.2) tenemos:
n

xi y i ^ xi2

^ = i=1

i=1

(4.4)

xi
i=1

Igualando ambas ecuaciones, realizando las correspondientes operaciones y

despejando ^ se tiene:
i=
n

^=

n xi y i x i y i
i=1

i=1

n xi
i=1

i=1

(4.5)

( n x )
i

Que tambin se lo puede escribir:

n

( x 1x )( y 1 y )

^= i=1

( x1 x )

(4.6)

i=1

Haciendo las correspondientes operaciones tendremos que es igual:

i=
n

( )( ) ( )(
( )
x 2i

yi

i =1

i=1

xi

i=1

n xi y i

(4.7)

x 2i

i=1

xi

i=1

De donde:
n

xi
x

yi

i=1

(4.8)

y = i=1
n

Si se divide la ecuacin (4.1) entre n

y = ^ + ^ x

(5)

Al encontrar los valores de y se podr escribir de la siguiente manera el

ajuste lineal:
y y = ^ ( x x )

(6)

Tambin se puede expresar (6) como:

y y =

( x ix )( y i y )
i=1

( x i x )

i=1

( x x )

(7)

En la ecuacin anterior (7) los corchetes indican el valor o contante

es la pendiente de la recta.
En el (5) se asegura que la recta de mnimos cuadrados pase por
representa el centro de gravedad de los datos.

que

( x , y ) que

De las deducciones anteriores se infiere la recta de regresin de x sobre y

que tambin es vlida y est dada por:

( xx )=

( x ix ) ( y i y )
i=1

( y i y )
i=1

( y i y )

(8)

1.3 Modelo alternativo de regresin no lineal

Los comportamiento de tendencia no siempre son lineales; otros se aproximan

a ciertas curvas de diferentes tipo. En todo caso la variable independiente esta
simbolizada por x y la variable dependiente segn el caso se refiere a y.
Estos modelos matemticos siempre son representados como funciones
A continuacin presentaremos los otros mtodos que existen para hacer un
ajuste de curvas:
Ajuste potencial:
La regresin potencial tiene por ecuacin predictora:
Y la regresin recproca es:
Para el primer caso los valores siguen una ley potencial. Si la ecuacin
predictora est dada por:
queda:
Donde las constantes
ecuaciones:

tomando logaritmos en ambos miembros,

quedan fijadas al resolver simultneamente las

Para el segundo caso, si la ecuacin predictora est dada por

entonces invirtiendo, la misma expresin se puede escribir
sea:

Donde las constantes

ecuaciones:

quedan fijadas al resolver simultneamente las

Ejemplo ilustrativo
Sea el siguiente conjunto de valores, las lecturas de un experimento donde X
es el volumen (variable independiente) e Y es la presin de una masa dada de
gas (variable resultante).
X 1 2 3 4 5 6
7
Y 7

3
0

9
0

1
7

2
9

4
5

6
5

0 0 0
0
1.1) Elaborar el diagrama de dispersin.
1.2) Ajustar una curva exponencial aplicando el mtodo de mnimos
cuadrados.
1.3) Calcular la ecuacin predictora.
1.4) Graficar la ecuacin predictora.
1.5) Estimar la presin de la masa de gas de volumen 9.
Solucin:
1.1) El diagrama de dispersin elaborado en Excel se presenta en la siguiente
figura:

El diagrama de dispersin elaborado en Graph se presenta en la siguiente

figura:

1.2) Para ajustar una curva exponencial aplicando el mtodo de mnimos

cuadrados se llena la siguiente tabla:
log X log
X
Y
log X
log Y
(log X)2
Y

0,0000

0,8451

0,0000

0,0000

30

0,3010

1,4771

0,4447

0,0906

90

0,4771

1,9542

0,9324

0,2276

170

0,6021

2,2304

1,3429

0,3625

290

0,6990

2,4624

1,7211

0,4886

450

0,7782

2,6532

2,0646

0,6055

650

0,8451

2,8129

2,3772

0,7142

S
S
S log X
logX=3,702
logY=14,435
log
Y
4
4
=8,8829
Reemplazando valores en el sistema de ecuaciones se obtiene:
S
X=28

S(log
X)2=
2,4890

Al resolver el sistema se obtiene: log a = 0,819; = 2,351

Reemplazando valores en la ecuacin predictora expresada en logaritmos se
tiene:
1.3) Para calcular la ecuacin predictora, primero se calcula el valor de a de la
siguiente manera:
Reemplazando en la ecuacin predictora se obtiene:
1.4) Graficando la ecuacin predictora mediante Excel se muestra en la
siguiente figura:

Empleando Graph se obtiene la siguiente figura:

1.5) Para estimar la presin de la masa de gas de volumen 9 se reemplaza el

valor X = 9 en la ecuacin predictora

Regresin Logartmica

La curva logartmica
es tambin una recta, pero en lugar de
estar referida a las variables originales e , est referida a
ya
Ejemplo
x

ln x

ln2 x

ln x * y

y2

1.2

3.4

0.1823

0.0332

0.6198

11.56

1.5

0.4054

0.1643

2.027

25

0.6931

0.4803

1.3862

4.1

1.0986

1.2069

4.5042

16.81

3.7

1.3083

1.7116

6.5415

25

1.3862

1.9215

9.7034

49

4.5

6.5

1.5040

2.2620

9.776

42.25

20.9

36

6.5779

7.7798

34.5581

182.62

a=

b=

= 2.090513

= 4.5 - (2.090513)(0.8222) = 2.78117

La ecuacin final que modela el sistema es

Regresin polinomica

Algunas veces cuando la relacin entre las variables dependientes e

independientes es no lineal, es til incluir trminos polinomios para ayudar a
explicar la variacin de nuestra variable dependiente.
Las regresiones polinomiales se pueden ajustar la variable independiente con
varios trminos

Que, derivando respecto a cada uno de los coeficientes nos da el

planteamiento un sistema de ecuaciones de la siguiente forma (donde m es el
nmero de pares de datos):

Ejemplo
X

xy

x2

y2

x2y

x3

x4

1.
2

3
.
4

4.08

1.4
4

11.5
6

4.89
6

1.72
8

2.073
6

1.
5

7.5

2.2
5

25

11.25

3.37
5

5.062
5

16

4
.
1

12.3

16.8
1

36.9

27

81

3.
7

18.5

13.
69

25

68.4
5

50.6
53

187.4
161

28

16

49

112

64

256

4.
5

6
.
5

29.2
5

20.
25

42.2
5

131.
625

91.1
25

410.0
625

20
.9

3
6

106.
63

67.
63

182.
62

376.
121

246.
881

958.6
147

Usando una Matriz para calcular valores de los coeficientes

Usando el mtodo de Eliminacin de Gauss-Jordan

La ecuacin final que modela el sistema es

2. PROCEDIMIENTO ESTADSTICO CLSICO PARA EL

CLCULO DEL TAMAO DE UNA MUESTRA EN UNA
TERMINADA POBLACIN:

Con frecuencia queremos sacar conclusiones validasen un grupo grande de

poblacin, pero se nos hace difcil estudiar a toda la poblacin por completo,
por eso selecciona un pequeo grupo de muestra que nos dar datos
generales acerca de la poblacin, a este proceso se le llama inferencia
estadstica.
A continuacin presentaremos las pautas de lo que se necesita para hacer un
muestreo.

2.1 Tamao de la muestra:

En tamao de la muestra en estadstica significa que es el nmero de sujetos
o elementos que componen la muestra extrada de una poblacin, necesarios
para que los datos obtenidos sean representativos.
Uno de los problemas ms importantes de la estadstica es decidir qu
informacin acerca de la distribucin de la poblacin, pude inferir en estudio
de la muestra.
El concepto del mtodo de eleccin de una muestra es un factor importante
para saber que uso puede hacerse de la muestra y otro concepto es el clculo
del nmero de elementos lo que se dice en estadstica el tamao de la
muestra de una determinada poblacin.
Explicado las diferencias entre estos dos mtodos, el presente artculo se
centra en este ltimo mtodo.

2.2 Expresin clsica en Estadstica y su significado para el Clculo

del tamao de la muestra de una determinada poblacin:
El tamao de la muestra debe determinarse sobre la base de la precisin
exigida en los resultados y no acerca de los datos generales acerca del
tamao de la muestra.
El valor absoluto de la diferencia entre el parmetro y el estimado se
determina por la expresin:
e= x
Cuyo significado es el grado de exactitud del error dado por:
e=

Z C
n

N n
N1

La tendencia general de los investigadores es hacer uso de la expresin

estadstica:
N 2 Z2
n=
( N 1 ) e 2 + 2 Z 2
Dnde:
N: Es el tamao de la poblacin.
N: Es el tamao de la muestra.
Es la desviacin estndar de la poblacin
e: Es el limite aceptable de error muestra,.
Z: Es el valor obtenido mediante niveles de confianza

2.3.Aplicacin y ejemplificacin del mtodo clsico estadstico para

el clculo del tamao de la muestra en una Investigacin:
El ejemplo que se desarrolla a continuacin es referente a uno de los criterios
ms usados en estadstica para el clculo del tamao de la muestra de la
poblacin. Para este caso escogimos una poblacin de 2500 entrevistas por
supuesto hipottico; entonces:
N: Tamao de la poblacin es de 2500.
: Desviacin estndar de la poblacin para el caso se opta por el valor de
0.5.
e: El limite aceptable de error maestral para este ejemplo se evalu para error
muestral de 5% es decir el calor de 0,05.
Z: Valor obtenido mediante niveles de confianza; es un valor constante que
para el ejemplo est dado por 2,56 que corresponde a un 98,9% de confianza.
Para el caso por ejemplo de: z 98,9%
e= 5%
=0,5

N= 2500
N-1= 2499

z= 2.56

e= 0,05

n=

4096,000
4096,000
n=
n=519,401
6,248+1,638
7,886

Segn el Sistema Internacional de Unidades en nmero de nuestra poblacin

tiene que ser un numero entero, en cuanto al redondeo de cifras este valor
para nuestro ejemplo es: n = 519 que representa un 20,8% del total de la
poblacin o tambin significa que el volumen de datos de las entrevistas se
han reducido en un 79,2%.
Es necesario sealar que la eleccin del nivel de confianza Z pude no existir
en Tablas estndar de uso estadstico como puede observarse en la Tabla 1.
En este caso es necesario hacer una interpolacin para el valor de Z escogido
en porcentaje para obtener el valor como puede observarse a guisa de
ejemplo entre 89,9% y 90,1% no existe el 90% en la columna correspondiente;
sin embargo se hallo el calor de Z de 1,645 para Z 90% (ver Tabla 1).
Es evidente entonces que la tendencia a reducir informacin en forma
sistematizada adems creble y manejable ha sido preocupacin de todo
investigador; as los porque calcular el tamao de muestras pueden estudiarse
con mayor rapidez que las poblaciones, el estudio de una muestra es menos
costosa que el de una poblacin, toma menos tiempo su estudio, en la
mayora de las situaciones el estudio de una poblacin es imposible, con
frecuencia los resultados de una muestra son ms precisos que los que se
basa en una poblacin.
Dela misma manera, la pregunta Cundo calcular el tamao de muestra?
Esta ha sido una constante preocupacin; su respuesta entre otras es cuando
no se puede estudiar a tosa la poblacin y se quiere estimar parmetros,
prevalencia, promedio, porcentaje tasas o cuando se desean comparar dos o
ms grupos y establecer si hay diferencias.
En este contexto la expresin estadstica que nos determina el tamao de la
muestra prestada en esta contenido y en el ejemplo ha reducido
aproximadamente a una quinta parte de la poblacin; es decir nos da la opcin
de manejar con mayor facilidad 519 entrevistas frente a 2500 entrevistados
por todos los argumentos establecidos anteriormente.
(1)
Puntuaci
n
Z

(2)

(3)

(4)

(5)

(6)

Distancia
de
z a la
medida

rea de la
Parte
mayor

rea de la rea de la Puntuacin

Parte
parte mayor valor de (5) en
menor
menos rea porcentaje
de la parte

menor

1,60
1,61
1,62
1,63
1,64
1,645
interpolaci
n
1,65
1,66
1,67
1,68
1,69
-------2,56
2,56
2,57
2,58
2,59

0,4452
0,4463
0,4474
0,4484
0,4495
0,4500
Interpolaci
n
0,4505
0,4515
0,4525
0,4535
0,4545
--------0,4946
0,4948
0,4949
0,4951
0,4952

0,9452
0,9463
0,9474
0,9484
0,9495
0,9500
Interpolaci
n
0,9505
0,9515
0,9525
0,9535
0,9545
-------0,9946
0,9948
0,9949
0,9951
0,9952

0,0548
0,0537
0,0526
0,0516
0,0505
0,0500
Interpolaci
n
0,0495
0,0485
0,0475
0,0465
0,0455
--------0,0054
0,0052
0,0051
0,0049
0,0048

0,8904
0,8926
0,8948
0,8968
0,899
0,900
Interpolacin

89,0%
89,3%
89,5%
89,7%
89,9%
90,0%
interpolacin

0,901
0,903
0,905
0,907
0,909
-------0,989
0,990
0,990
0,990
0,990

90,1%
90,3%
90,5%
90,7%
90,9%
------98,9%
99,0%
99,0%
99,0%
99,0%

3. ANLISIS ESTADSTICO DE ESTUDIANTES, AUXILIARES DE

DOCENCIA Y DOCENTES DE UNA INSTITUCIN EDUCATIVA
El estudio del caso que exponemos es el de la Facultad de Ingeniera que
aconteci en el ao 2012 en pleno proceso de investigacin. Los datos
encontrados se remiten a los archivos oficiales que tiene la Institucin que hoy
son utilizados con fines estrictamente acadmicos.
Tal resumen numrico se expresa en el Cuadro 1 donde se observa la
diferencia significativa entre el nmero de estudiantes matriculados y nmero
de estudiantes que cursan regularmente sus estudios de ingeniera.
Otras consideraciones de orden numrico son las cifras tanto de estudiantes
matriculados que cursan y no cursan como de docentes que se mantienen en
actividad con un error en ambos de aproximadamente 5% Observemos el
cuadro 1.

Cuadro 1. U.M.S.A.- Facultad de ingeniera datos de la Gestin 2012

ITE
M

ESPECIFICACION

Numero

%
OBSERVACION

Estudiantes Matriculados

7891

100%

Estudiantes
cursan

que 6230

79%

Estudiantes matriculados que no 1661

cursan

21%

Docentes Facultad de Ingeniera

100%

Estudiantes
Prefacultativo

Curso

Docentes del curso prefacultativo

65

matriculados

del

321
4400

44 grupos
100
estudiantes
por cada grupo

4. CRITERIOS INNOVADORES PARA EL CLCULO

TAMAO DE UNA MUESTRA DE UNA POBLACIN

DE

Como quiera que el estudio se centre en una institucin educativa el cual es la

Facultada de Ingeniera de la universidad Mayor de San Andrs, los actores
involucrados son los estudiantes y los docentes.

4.1. Primer Criterio para el prendimiento de clculo del tamao de la

muestra para cada uno de los estratos
Es necesario sealar que en Sistema universitario Nacional existe un respeto
a una cultura profunda tanto hacia la autonoma como al Cogobierno
docente/estudiantil.
En este contexto que el primer criterio para el clculo del tamao de una
muestra se ha tomado en cuenta uno de estos constructos cual es el
Cogobierno docente/estudiantil que se expresa en forma numrica dela
siguiente manera:
Numero de estudiantes matriculados que cursan en la facultad de Ingeniera
(2012): 6230.

Nmero de docentes (2012):321

=6230 El numero de estudiantes por doente
{NEMC
NDFI =321 }
NEPD=

6230
NEPD=19.41
321

Como se trata de personas debemos trabajar en el conjunto de los nmeros

enteros; aplicando la regla que recomienda el Sistema Internacional de
unidades sobre el redondeo de valores, se tiene.
NEPD = 19
Por otro lado se entrevist a:
3 Docentes GURUS
2 Docentes EXPERTOS
1 Docentes NOVATOS
Total de docentes entrevistados: NDE =6
Total de estudiantes entrevistados en los 17 estratos: NEE=669
Con este criterio el nmero de estudiantes que debo tomar en cuenta en la
muestra es:
n=NEPDNDE n=196 n=114
Como el total de estudiantes entrevistados en lo 17 estratos e 669,
aplicaremos una regla de tres simple:
669 entrevistados es de 100%
114 entrevistados ser x%
x=

114 entrevistas100
x=17.4
669 entrevistas

4.2. Segundo Criterio para el procedimiento de clculo del tamao

de la muestra para cada uno de los estratos.

n=

N ZC
( N 1 ) e 2 + 2 Z 2C

Como el espacio muestra led de 669 (que es el nmero total de entrevistados);

entonces se trata de muestra grande ( n 30 ) adems sin reemplazamiento
en una poblacin finita de tamao N (que en nuestro caso es 669), los lmites
de confianza para la medida poblacional finita son:
x

Z C
n

N n

N 1

Donde el error es:

e=

Z C
n

N n
N1

Z 2C 2 N n
e=
n e2 ( N1 )=Z 2C 2 ( N n )
n
N 1
2

Dnde:
N = Tamao de la muestra
N = Tamao de la poblacin
= Desviacin estndar de la poblacin que feralmente cuando no se tiene su
valor, suele usarse el valor contante de 0,5.
e = limite aceptable de error maestral que generalmente cuando no se tiene su
valor suele usar valores que varan entre 1% (0,01) y 9% (0,09); color que
queda en criterio del investigador.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que si
no se tiene su valor se toma en relacin al 95% de confianza que equivale a
1,96 que es la ms usada o tambin en relacin al 90% de confianza que
equivale a 1.645.
Para caso: Z = 90% -- Z =1.645
e=9%

e=0.09

=0.5
N= 669
N-1=668

n=

452,853
452,853
n=
n=74,340
6,411+ 0,677
6,088

Aplicando una regla de tres simples:

x=

74 entreistados100
x=11.06
669 entrevistados

4.3. Tercer Criterio para el procedimiento de clculo del tamaa de la

muestra para cada uno de los estratos:
Este criterio se refiere a los estudiantes que cursaron en la Facultad de
Ingeniera de la Universidad Mayor de San Andrs; unos que aprobaron la
asignatura de Calculo I y otros que reprobaron esta. Se consider el periodo
entre los aos 2005 al 2010. En este sentido se tiene la siguiente informacin.
Nmero de estudiantes inscritos en 12 semestres (entre 1/2005 2/2010) fue
de 10357Nmero de estudiantes aprobados en 12 semestres (entre 1/2005 2/2010) fue
de 2753
Nmero de estudiantes reprobados en 12 semestres (entre 1/2005 2/2010)
fue de 4653
El nmero de estudiantes inscritos en 12 semestres (NEIN) para nuestros
fines representara el 100%. El nmero de estudiantes aprobado en esos 12
semestres (NEAP) corresponde entonces al 26.58%. El nmero de
estudiantes reprobados en eso 12 semestres corresponde al 44.93%
Por ende el porcentaje de estudiantes que aprobaron l y el de los estudiantes
que reprobaron la materia es de 71.51$ que seran los estudiantes activos
frente al 28.49% que son los estudiantes inscritos, pero que abandonaron la
materia, lo que significa que:
%EAP+ %ERP = 71.51% (Estudiantes que aprobaron ms estudiantes que
reprobaron)
%EAB+ %ENC = 28.49% (Estudiantes que abandonaron ms los que no
cursaron)
El nmero de estudiante matriculados en la Facultad de Ingeniera que
curaron el semestre 2/2012 que fue el final de esta investigacin fue de 6230
como se expresa en el Cuadro 1. Por las consideraciones anteriores el

71.556% de 6230 es el nmero de estudiantes que aprueban ms los que

reprueban la materia.
6230

0.7151 =4455.07

Matriculados que
cursan enla
Facultad de Ingenieria

total

porcentaje deestudiantes
qu e aprueban y losque
reprueban enla Facultad de Ingenieria

Luego:
Nmero de estudiantes
(EAP+ERP)=4455

matriculados

que

cursan

en

Ingeniera

[ ]

Nro .de estudiantes 4455

est
=
=13.879
Nro de est /doc=14
Nro . de docetes
321
doc
El tamao de la muestra n con este criterio es:
n=6 doc14

estudiante
n=84
docentes

Aplicando una regla de tres simple:

x=

84 esntrevistas100
x=12.56
669 entrevista

4.4. Cuarto Criterio para el procedimiento de clculo del tamaa de la

muestra para cada uno de los estratos:
Este criterio es la relacin entre los estudiantes entrevistados de la asignatura
de Calculo I(MAT101), Calculo II (MAT102) con los otros entrevistados en las
mismas materias que fueron los auxiliares de docencia.
El nmero total de estudiantes entrevistados en las asignaturas de Calculo I,
Calculo II fue de 669 y el nmero total de auxiliarles entrevistados
excepcionales postulantes a auxiliatura de Calculo I fue de 14.

relacion=

669
Numero de estudiantes 669
est
=41.79
=
=41.79
14
Numero de auxilares
14
aux

Aplicando el redondeo recomendado por el Sistema Internacional de Unidades

en cuanto al redondeo de cifras, resulta:

nNro . estudiantes
=48
auxiliar
Aplicando la regla de tres simple:

x=

48 esntrevistas100
x=7.18
669 entrevista

5. CRITERIO FINAL PARA EL CALCULO DEL TAMAO DE UNA

MUESTRA DE UN POBLACIN:
Cuadro 2. Calculo del tamao final de la muestra

CRITERIO CONSIDERADO

TAMAO DE LA % DE LA POBLACIN
MUESTRA
ENTREVISTADA

Aplicacin del Co-gobierno

114
en la Facultad de Ingeniera

17

Aplicacin de:
2 2
N ZC
n=
( N 1 ) e 2 + 2 Z 2C

74

11

Estudiantes matriculados que

cursan
la
Facultad
de 84
Ingeniera

13

Relacin
entrevistados
estudiantes MAT101-MAT102 48
y auxiliares

TAMAO INAL DE LA MUESTRA

x =

114+74 +84+ 48
x =80
4

x =80

=12

Esto nos da a entender que nuestra muestra final es de 80 que representa

el 12% de la poblacin. Estos resultados se pueden aceptar con la
aplicacin de las medias Geomtrica, Armnica y Cuadrtica de la manera
siguiente:
17+ 11+13+7
=12
La media geomtrica con: xa =
4
La media armnica con:

x g=4 17.11 .13.7=11.4=11

La media armnica con:

xC =

172 +112 +132 +17 2

=12.5=12
4

Como se puede observar por los cuatro mtodo nos da un porcentaje

de11% o 12% que es el porcentaje final de la poblacin, lo que se
encuentra el tamao de la muestra.

6. PAUTAS MITOLGICAS PARA REDUCIR LA INFORMACIN

EN UNA INVESTIGACIN EDUCATIVA CON ENFOQUE
CUALITATIVO.
En una investigacin cualitativa los datos son muy grande, entonces se
necesita reducir datos con el fin de minimizar costos y tiempo de la
investigacin.

6.1. Extensa informacin de una Investigacin Cualitativa:

Es de importancia sistematiza toda la informacin obtenido de la
investigacin.
Como se muestra a continuacin en el Cuadro 3 y el 4.

6.2. Reduccin de la informacin de una Investigacin Cualitativa:

Con lo anteriormente explicado y con referencia a la codificacin que se da
en ambos cuadros se pude deducir en el nmero de estratos que la
poblacin total es de 669 entrevistas las que se deben distribuir
proporcionalmente con el 12% calculando en los respectivos 17 estratos.

6.3. Aplicacin del muestreo probabilstico y la continuidad

investigativa:

El tamao de nuestra muestra porcentualmente fue de 12% de nuestra

poblacin total investigada en este artculo. Con esto y al compararlo con la
serie de estratos que componen el espacio muestral vemos que son
diferentes y que se debe partir proporcionalmente a cada uno aplicando el
muestreo probabilstico simple y estratificado.
A continuacin mostraremos alternativas del procedimiento de muestreo.

II.

ARTICULO :

1. CONSIDERACIONES HISTRICAS DE LOS ENFOQUES DE

NEWTON Y LEIBNIZ SOBRE EL CLCULO INFINITESIMAL .
La importancia de resolver problemas sobre las curvas y los antecedentes
de varios investigadores del siglo XVIII, XIX y de otras pocas, de origen a
la importancia del clculo diferencial inventado por Newton y Leibniz. Cada
uno de estos cientficos tuvo diferentes visiones sobre la aplicacin del
Calculo Infinitesimal. Newton por un lado parti de u visin de la naturaleza
y construyo el Clculo Infinitesimal como una necesidad para aplicar
problemas fsicos, como ser el movimiento de un mvil; el imaginaba a una
curva como una ecuacin f(x,y)=0, donde las variables x y y eran
funciones del tiempo; es decir su imagen cinemtica de curva la
conceptualiza como trayectoria de un mvil. Leibniz en cambio que parti
de su visin filosfica creando un lenguaje universal que consista en que
por sencillas manipulaciones, se obtienen frmulas que resultan ser las
verdaderas y que posteriormente serian comprobadas, el origen de la idea
del clculo de Leibniz fue obtener y calcular sumas. Aunque las opiniones
de ambos se originaron de manera distinta, los resultados fueron iguales.
Las ideas de Newton eran problemas fsicos la integral de su trabajo fue
indefinida en cambio la integral de Leibniz fue finida debido a que su origen
estaba en los problemas filosficos en busca de los infinitesimales. Newton
hace uso continuo de los desarrollos en serie, mientras que Leibniz prefiere
trabajar solo con las funciones conocidas como las racionales, logartmicas
y trigonomtricas.
Los aportes de todos estos investigadores nos ayudan a comprender mejor
los temas especficos del Calculo Infinitesimal con el concepto y definicin
de Limite de una funcin, la operacin derivacin y loas derivadas de
funciones, la operacin integracin y los diferentes tipos de integrales, la

sucesiones y series, el clculo de reas, longitudes de curva, integrales

impropias, volmenes de revolucin, otro de masa, momentos de inercia,
radio de giros, trabajo, energa entre otras que pueden ser usadas en
aplicaciones en diferentes mbitos que se tiene en el desarrollo de la
ciencia, la Tecnologa y la Ingeniera.

1.1. Profundizacin:
Dos importantes pensadores de finales del siglo XVII y principios del XVIII
fueron Newton y Leibniz. Cada uno trabaj en otros campos diferentes a las
matemticas. Newton es un conocido cientfico que hizo grandes
descubrimientos en los campos de fsica y matemticas. Por otra parte
Leibniz destac en las matemticas y la filosofa. Los dos son personajes
destacados en la historia de las matemticas.
Newton empez a desarrollar su clculo diferencial hacia el 1665, dio un
enfoque geomtrico y analtico a las derivadas. Su principal aplicacin era
para calcular tangentes, curvaturas y reas. Para Newton un fluente x era la
cantidad de movimiento continuo de un punto que traza una curva y una
fluxin su velocidad. El problema se basa en hallar la relacin entre las
fluxiones (valores) dadas una relacin de fluentes. Se trataba de un
conjunto de reglas para poder calcular mximos, mnimos y tangentes. El
mismo Newton reconoci que su interpretacin era algo dificultosa y la
perfeccion en trabajos posteriores.
Newton no sola publicar sus trabajos inmediatamente. De hecho su
investigacin sobre las derivadas las escribi en un tratado informal, De
Analysi en 1669, que comparti con sus compaeros del Trinity College.
Este manuscrito contena una introduccin al clculo diferencial e integral
que desarroll ms tarde. No se lleg a publicar, en una obra propia de
Newton, hasta despus de su muerte, en De Methodis Serierumet
Fluxionum escrito en 1671 y publicado en 1673.
Mientras tanto Leibniz tambin haba estado trabajando en esta materia,
Leibniz trabajaba con sumas de sucesiones para aproximar la cuadratura
de una curva, de forma que cuanta ms pequea fuera la distancia entre
dos nmeros de la sucesin mejor aproximacin seria a la curva. De esta
manera tambin se aproxima la tangente como la diferencia entre dos
puntos. Por tanto Leibniz observa que la integracin y la derivacin son
operaciones inversas.
Leibniz fue desarrollando su notacin hasta encontrar una que le permitiera
trabajar ms intuitivamente. Leibniz consideraba una curva como infinitas
porciones de recta donde dx es la diferencia infinitesimal de dos puntos
consecutivos del eje de abscisas. Por tanto y dx es la suma de rectngulos

infinitesimales y dx, el smbolo es la alargacion de una S que significa

suma. Esta notacin es la que aun usamos en la actualidad.
En 1684 Leibniz publica en la revista Acta Eruditorum su trabajo sobre el
clculo diferencial sin hacer ninguna referencia a Newton, aunque estaba al
tanto de sus descubrimientos. Este hecho se puede considerar como el
principio del famoso conflicto que mantuvieron Newton y Leibniz. Leibniz no
consider necesario hacer ninguna referencia a los trabajos de Newton ya
que el mismo haba obtenido sus resultados de forma independiente,
aunque nunca se llegar a saber si el hecho de conocerlos fue
determinante para que Leibniz llegara a sus conclusiones y a sus propios
resultados. A partir de la publicacin, muchos matemticos ingleses le
acusaron de plagio, ya que saban del trabajo de Newton, y lo nico que
admitan era el cambio de notacin, como el propio Newton remarc en su
Principia en 1687.

4. UNA TRANSPOSICIN DIDCTICA APROPIADA EN LA

EDUCACIN DEL CLCULO INFINITESIMAL APLICADA A

INGENIERA.
Hoy vivimos tato estudiantes como docentes y actores del sistema
educativo en general un momento muy especial donde la abundante
literatura para nuestros alumno en diferentes campos del saber e
informarse inmediatamente por cualquier medio es cotidiano y totalmente
normal.
En este contexto la seleccin del exceso de informacin, los adecuados
libros para el estudio y en general y en general identificar fuentes o pginas
web que no brinda la tecnologa requiere madurez seriedad, dedicacin y
energa para decidir que documentos estudiar.
Este saber sabio que es generado en las comunidades cientficas y el saber
enseado que es el saber a ensear. Se orienta a la labor del enseante
que debe reproducir contextualizar y elegir responsablemente los
conocimientos que pretende trasformar en conocimiento para el alumno.
El modelo de resolucin de un problema referido al anlisis estructural con
una aplicacin significativa del clculo infinitesimal pro sobre todo con una
transposicin didctica adecuada en su desarrollo cuyo fin es facilitar al
alumno la comprensin de los conceptos de la esttica y el uso de sus
ecuaciones fundamentales.

Aplicacin del Calculo Infinitesimal en la solucin de un

problema real y practico que presenta el anlisis Estructural,
fundamentado con el desarrollo de una Transposicin Didctica
para su comprensin significativa:
ENUNCIADO.- Establece las ecuaciones de los esfuerzos constantes y
momentos flectores en cada tramo y luego dibujar sus respectivos
diagramas. As mismo calcular el momento mximo que presenta la viga. La
figura 5 expresa las diversas cargas externas a las cuales est sometida la
viga a lo largo de sus tramos.
La metodologa del anlisis estructural en la produccin de diagramas de
esfuerzos constantes y momentos flectores tiene como primer paso la
solucin esttica. Para ello, es decir en el clculo de la reacciones en los
apoyos de la viga se deben utilizar las tres ecuaciones del resultado esto se
expresa en el primer paso referido al clculo de las reacciones de la Figura
6.
------------Se us la tercera ecuacin fundamental de la esttica en dos ocasiones,
una aplicando la sumatoria de mementos igual a cero en el apoyo A y la otra
en el apoyo B. Luego se efectu la verificacin con la sumatoria de fuerzas
verticales igual a cero.
Para x=14 que es el punto E final del coladizo de la viga

M = =;

Verificado
3er PASO: DIAGRAMA DE ESFUERZOS CONRTANTES Y MOMENTOS
FLECTORES
La interpretacin de los grficos de la figura 10 representan por
separndolos diagramas de esfuerzos cortantes por un lado y por otro los
diagramas de los momentos flectores de la viga (ver la Figura 10).
4to. PASO

PASO CLCULO DEL MOMENTO MAXIMO

El dibujo del diagrama de momentos Flectores se observa:

M=34.546

[ kN . m ]

M=18 [ kN . m ]

3 Momentos con mayores

ordenadas
M= 34.84 [ kN . m ]
El ltimo de estos valores encontrados, se puede observar que es el
momento mximo ya que es el mayor de los 3 momentos y se calcula de la
siguiente manera.
En el TRAMO: A B se presenta la cortante cero en x=4017 ya que :
11.091

x2
x2
=0 11.091=
2
2

x 2=211.091 x 2=22.182 x= 4 .710

Asumimos solo el valor positivo por ser distancia positiva a partir del origen
del sistema de referencia X=471 [ m ]
Para este valor se presenta el mximo momento, luego

( 4.71 )2
M max=11.091 ( 4.710 )
=52.23917.415
6
M max=34.824[kNm]
El presente desarrollo del procedimiento de clculo analtico tanto para
encontrar las ecuaciones de los esfuerzos Cortantes como de los
Momentos flectores en cada Tramo de la Viga y sus correspondientes
diagramas, es una metodologa personal implementada en el presente
artculo ms con una visin de la transposicin didctica adecuada para la
mejor aproximacin de su verdadera comprensin del problema.
--------------En caso de estudiantes de Ingeniera es muy formativo aplicar el Clculo
infinitesimal no solo para resolver las relaciones existentes entre el esfuerzo
cortante, momento flector y las respectivas cargas que pueden presentarse
en la viga sino amen comprender los conceptos profundos que encierra el
anlisis estructural. Con este propsito en el artculo se propone un
procedimiento didctico con aproximacin a una trasposicin didctica
particular cuya finalidad es que el estudiante comprenda esos conceptos en
una forma sencilla.

Relacin fundamental entre una carga uniformemente

distribuida, el esfuerzo cortante y el momento flector en una viga
simplemente apoyada.
Siguiendo una transposicin didctica y aplicando los principios de la
esttica es importante interpretar el hecho de que no habiendo cargas
puntuales ni horizontales monos inclinados tal como se observa
geomtricamente en la figura 5 del planteamiento del problema, entonces
tampoco existir reaccin horizontal en el apoyo fijo A.
FIGURA 12. Datos del problema plateado
en este mismo contexto, para la deduccin de la relaciones existentes entre
una caga uniformemente distribuida, el esfuerzo cortante y el momento
flector de una viga simplemente apoyada, con carga uniformemente
distribuida a lo largo de su longitud desde el apoyo fijo A hasta el apoyo
mvil B como se observa en la Figura 11 se deben aclarar y fundamentar
desde el punto de vista conceptual que, aun existiendo cargas horizontales
o inclinadas estas no afectaran en el resultado de los esfuerzos cortantes y
si estas cargas estuvieran actuando a la largo del eje longitudinal de la va
tampoco afectaran al resultado ni de los esfuerzos cortantes menos de los
momentos flectores finales de la viga.
Como se puede observar geomtricamente en la Figura 11 existe una
distancia infinitesimal dx entre los dos cortes trasversales en la viga a - a y
b - b; por tanto la fuerzas que actan en cada uno de esos cortes
geomtrica y analticamente sern:
En el corte a a como se observa en la figura 12 genera las siguientes
ecuaciones:
FIGURA 13. Datos del problema planteado
Donde; Qx es el esfuerzo cortante en la viga a una distancia x del apoyo
izquierdo A. la carga uniformemente distribuida en la viga sobre una
longitud x es qx que significa que su intensidad es variable en una
distancia x desde el apoyo A.
Ahora la ecuacin de memento en el punto c del corte a a considerando
todas las fuerzas a su izquierda es:
--------------

FIGURA 14. Datos del problema planteado

Puede observarse el corte b-b que presenta el diagrama de cuerpo libre

ilustrado en la Figura 14 en comparacin al corte a-a, la carga moral a la
izquierda del corte b-b se ha incrementado una carga tambin
uniformemente distribuida pero esta vez infinitesimal cuyo valor es;
( qxdx ) analticamente las ecuaciones ue se plantean ahora son:
------Con referencia a la ecuacin (1) Qx = Va - qx. X; utilizando esta ecuacin y
luego reemplazando su valor en la ecuacin (3) se tiene.
Qx +d Qx =Q x q x dx d Q X =q x dx

d Qx
=q x (4)
dx

El trmino del segundo miembro de la ecuacin diferencial es una

infinitesimal elevado al cuadrado que conceptualmente es un trmino
despreciable.
Luego:

Mx + dMx = VAx+VAdx1

Mx + dMx = VAx - 2

qx

x2

qx
2

x2 qx . xdx

+ VAdx qx . xdx

(5)

Aplicando la ecuacin deducida (2) y reemplazando el valor Mx en la

ecuacin (5) luego simplificando se obtiene:

dMx =(VA qx X)dx

(6)

Aplicando la ecuacin deducida (1) y reemplazando el valor Qx en la

ecuacin (6) se obtiene:

dMx= Qx . dx

dMx
dx

= Qx

(7)
Hallando la 2 derivada de (7) respecto a la variable independiente x
tenemos:

dMx
dx

dQx
dx

(8)

El segundo miembro de esta esta ecuacin diferencial es el primer miembro

de la ecuacin (4) deducida, por lo tanto las ecuaciones (4), (7) y (9) no
relacionan la carga, el esfuerzo cortante y el momento flector en cualquier
lugar de la seccin de la viga.

d 2 Mx
= - qx
2
dx

(9)

Este nuevo formato didctico de una trasposicin didctica especial nos

induce a expresar las siguientes conclusiones tericas del problema
desarrollado con aplicacin significativa en la ingeniera estructural.
Un primera conclusin es que a una distancia x del apoyo izquierdo de la
viga (abscisa) la pendiente del diagrama de esfuerzos cortante Qx es igual
a qx que es el valor de la carga uniformemente distribuida sobre la viga a la
largo de la longitud x (abscisa) .
La segunda conclusin que observamos es que la pendiente del diagrama
de momentos Mx en un punto cualquier x mide el esfuerzo constante en el
mismo punto x.
Finalmente una tercera conclusin es que la ecuacin (4) se puede escribir
dMx = Qxdx cuyo significado es la superficie del diagrama de esfuerzos
cortantes Qx entre el punto inicial 0 y un punto cualquiera x nos mide el
momento flector en el punto x simblicamente:

Mx= { superficie de Qx } entre los valores 0 y x

Teora y esquemas de la Transposicin
La funcin trascendental del docente ms centrarse en el conocimiento de
la asignatura es la profesionalidad de la enseanza en su materiales decir
de un enfoque didctico debe saber trasformar el saber sabio en el saber
enseado que es lo que ha tratado en el desarrollo del en el saber
enseado que es lo que se ha tratado en el desarrollo del problema
especial que antecede y se denomina una transposicin didctica. Para
expresar este fenmeno importante del proceso de enseanza aprendizaje

analicemos la Figura 15 siguiente temiendo en cuenta la construccin del

conocimiento de un saber por estudiante y su respectiva trasposicin:

Figura 15. Transposicin didctica especializada

Trasposicin
DIDACTICA

S.S.

T. D

Saber
Sabido
enseado

S.E.

saber

Caja Negra
(Eslabn Perdido)
Este esquema se constituye a partir de la teora didctica que platea (Farfn
Marques, 1997) en a ingeniera didctica como una metodologa adhoc
explicando que el termino de ingeniera didctica surge, en el seno del
escuela francesa, a inicio de la dcada de las 80s en el resultado cientfico,
en tanto que este no solo se realiza apoyndose en resultados cientficos,
involucra tambin una toma de decisiones y el resultados cientficos,
involucra tambin una toma de decisiones y el control sobre las diversos
componentes inherentes del proceso. As la ingeniera didctica se
constituye como una metodologa de investigacin que aplica tanto a lo
productos de enseanza basados o derivados de ella; pero tambin como
una metodologa de investigacin para guiar las experimentaciones en
clase. Su sustento terico de proviene de la teora del transposicin
didctica y de la teora del situaciones didcticas de ambas se desprende la
necesidad de dotar al estadio del fenmeno didctico una acercamiento
sistmico, con la primera se alcanza una dimensin global, en tanto que las
segunda es de carcter local. En eses sentido la preparacin global, en

tanto que la segunda es de carcter local. En este sentido la preparacin de

matemticas para estudiantes no es un proceso de elementarizar el
conocimiento en cual sitio, ni adaptarlo a un conocimiento previo y
habilidades cognitivas del estudiante.

Figura 15. Actores que intervienen en el contenido a ensear

INFORMACIN OBTENIDA A
TRAVS DE LA
COMUNICACIN A LA
COMUNIDAD CIENTFICA

Conocimiento
generado por
el autor del
saber

DESCONTEXTUAL
IZACION

CONTENIDO
GENERADO POR
LA SOCIEDAD
LITERAURA
LIBROS TEXTOS
OTRO
S

CONTENIDO A
ENSEAR

CONOCIMIENTO CONTRUIDO POR EL

ESTUDIANTE DENTRO DE UN
CONTEXTO ESPECFICO

EL ARTE DE
CONTEXTUALIZAR

DOCENTE
PROFESOR
MAESTRO

Aqu juega un papel decisivo el docente con su habilidad y arte de poder

contextualizar el contenido a ensear para que el estudiante pueda acceder
a ese conocimiento pero instruido por el mismo en un contexto particular.
As se llega a esa construccin de un saber por el estudiante y su
respectiva trasposicin.

5. EL CLCULO INFINITESIMAL Y LA ESTTICA COMO

INSTRUMENTOS FUNDAMENTALES EN EL DESARROLLO DEL
INGENIERA ESTRUCTURAL.
Este nuevo escenario formativo que vivimos los docentes, es necesario
rememorar con un poco de historia las bondades de la esttica y lo que nos
brind al trascurre el tiempo. La esttica nace en Grecia cuna de la
Mecnica; sus grandes promotores y padres fueron Arqumedes, Hern,
Ptolomeo entre otros; luego se perdi por completo en la Edad Media.
Podramos nombrar muchos otros investigadores que han aportado en la
mejora en cuanto a las formas y los procesos de clculo en esta campo del
saber. Llegando al presente siglo XXI se han realizado muchos avances
sobre todo haciendo uso de los software aplicados al desarrollo del
Ingeniera estructural como es bien conocido por ejemplo el SAP 200 que
por cierto, este y otro son instrumentos que se utilizan para agilizar los
tiempos que se tarden en los procesos de clculo estructural en la
especialidad de la Ingeniera Civil.
Por las consideraciones anteriores y expresando matemticamente con el
apoyo del Calculo Infinitesimal ms propiamente con la ecuacin diferencial
de la deformada tomando en cuenta sus condiciones de borde
correspondientes a pequeas deformaciones de placas bajo cargas
transversales la ecuacin precisa ser:
4w
x4

+2

4 w
x2 y 2

4w

+ y4

= D

(1)

Al integrar la ecuacin diferencial en derivadas parciales (1) se resuelve el

problema de la flexin de placas encontrando la deformacin por ms
infinitesimal sean (flecha). En cuanto al simbologa, q es la carga
transversal y D rigidez a flexin de la placa definida por:

D=

Eh 3
12(1v 2)

(2)

Donde E es el mdulo de elasticidad del material v es el coeficiente de

Posicin y h es el peralte de la placa o tambin denominada altura.

La cierto es que al resolver la ecuacin diferencial (1) hallamos la

deformacin de aquellas placa en cualquier punto a lo largo de ella que
finalmente representa la flecha de la placa en ese punto.
Como podemos observar la ecuacin (1) contiene expresiones
infinitesimales que deben comprenderse como precisin para lograr
interpretar el resultado de la deformacin de la placa bajo una carga
trasversal. Un anlisis similar nos lleva a interpretar la deformacin esa
cpula que antes mencionbamos como ejemplo.
Al concluir esta parte terica es importante menciona que un dominio en la
manipulacin la Estadstica, por lo menos en su principios fundamentales
no conduce a encudranos entre los dos postulados de la tcnica; uno
construir con la seguridad deseada y otro con la optimizacin de los costos
que demanda.
7. LA

ENSEANZA
ESCALONADA
INFINITESIMAL Y SU APRENDIZAJE:

DEL

CALCULO

Con los ejemplos resueltos anteriormente podemos decir que la intencin

de aproximacin de una Transposicin Didctica de connotacin especial
en la enseanza de la Ingeniera en un tema especfico como la ingeniera
estructural desarrollando este particular problema puede ser muy
significativo para el aprendizaje de nosotros los estudiantes de Ingeniera
que cursamos la materia de clculo infinitesimal en Facultad de Ingeniera.

Dicho esto, es oportuno expresar el significado preciso de algunos

trminos que usualmente se utiliza en la enseanza del Calculo
Infinitesimal, ya que en muchas veces son mal utilizadas para ensear la
materia.

Trminos no definidos:
Un trmino no definido es la extensin y comprensin de un concepto
que no es conocido, es decir que se debe investigar y profundizar acerca
de un concepto que sea nuevo para el estudiante.

Concepto:
Un concepto es una representacin intelectual del pensar del mundo, por
el cual se generalizan los aspectos y los caracteres fundamentales de
estos.

Axioma:

Es una proposicin sencilla y evidente que es aceptada sin tener la

necesidad de ser demostrada; es un principio enunciado hipotticamente
como base de una teora deductiva de un teorema.

Definicin:
Una definicin es una proposicin mediante la cual trata de exponer de
manera particular y con precisin la comprensin de un concepto o
trmino de una expresin o locucin. Se manifiesta a determinar, por
escrito u oralmente, de modo claro y exacto, las cualidades esenciales
del tema implicado.
En la lgica se le llamara "definicin" de esta manera: "determinacin o
delimitacin conceptual de lo que es esencial en un ente, que no supone
necesariamente comprobacin emprica. Esta tambin, junto con la
divisin y demostracin, uno de los procedimientos generales utilizados
por la ciencia.

Ejemplo:
El ejemplo es un hecho o cosa particular que se cita para aclarar o ilustra
una afirmacin una regla general.
Hecho, texto o clusula que se cita para comprobar, ilustrar o autorizar
un aserto, doctrina u opinin.

Ejercicio:
Es un trabajo intelectual que se delega a los alumnos con el fin de
entrenarlos en la aplicacin de reglas o mtodos que deben conocer;
este sirve de prctica de lo aprendido en una determina leccin.
En si los ejercicios son aquellas actividades que se desarrollan para
adquirir, potenciar o conservar alguna facultad intelectual:
En este sentido, un ejercicio es un trabajo prctico que permite la
comprobacin de la enseanza terica.
De esta manera es normal que en las distintas clases de centros
educativos de distintos niveles los docentes, una vez han explicado la
parte terica de una leccin, procedan a realizar ejercicios en clase con
los alumnos para que los mismos puedan asimilar mejor los
conocimientos y para que aprendan a ejecutarlos convenientemente.

Teorema:
Derivada del latn theorema, la palabra teorema es una verdad que para
ser cierta necesita ser aclarada, es decir, una proposicin que puede ser

demostrada de manera lgica a partir de un axioma o de otros teoremas

que fueron demostrados con anticipacin. Este proceso de demostracin
se lleva a cabo mediante ciertas reglas de inferencia.
El teorema, por lo tanto, puede ser descripto como una afirmacin de
importancia. Existen otras de menor rango, como ocurre con el lema (que
pertenece a un teorema ms largo), el corolario (que sigue de manera
inmediata al teorema) o la proposicin (un resultado que no se encuentra
asociado a ningn teorema en especfico).
Cabe destacar que, hasta que la afirmacin no logra ser demostrada, se
la define como hiptesis o conjetura. De hecho, muchas veces toma
muchos aos, e incluso dcadas o ms, dar con una comprobacin
convincente. En algunos casos, cuando se trata de teoremas que
describen situaciones imposibles de resolver sin ayuda de la informtica,
dada su complejidad o que cubre un gran nmero de combinaciones, las
respuestas suelen ser muy cuestionadas, ya que se debe confiar en un
ordenador.

Problema:
la hora de analizar a fondo el trmino problema es necesario que antes
estipulemos el origen etimolgico del mismo. En este sentido, podemos
decir que aquel se encuentra en el latn y ms concretamente en la
palabra problma. No obstante, tambin hay que determinar que la
misma a su vez procede del trmino griego .
En esta rea un problema escuando hay preguntas respecto a una
estructura o un objeto, cuyas respuestas necesitan de una explicacin
con su correspondiente demostracin. Esto quiere decir que un problema
matemtico se resuelve al hallar una entidad que posibilite la satisfaccin
de las condiciones del problema. A continuacin daremos unas vebres
caractersticas de lo que se necesita en los problemas predidctivos y
simulados, ya que nosotros sabemos que es ms o menos o tenemos
una idea de que es un problema estructurado porque es hasta donde
llevamos en el rea de clculo en el Curso Bsico de la Universidad
Mayor de San Andrs.

Problemas predictivos.- Los pasos estratgicos para su resolucin

son :
a) Lectura de comprensin de los datos, incgnitas, es decir una buena
comprensin del a tratar.
b) Idealizacin del problema que seria hacer una aproximacin al
resultado que esperamos.

c) Geometrizacin, es decir bosquejar el problema.

d) Operatibisacin, realizar operaciones y clculos
e) Verificacin, es la parte as importante , puesto que en nuestra carrera
un ingeniero debe estar seguro de su respuesta que va a dar a
conocer.
f) Reflexin. es la experiencia obtenida o extrada que se podr utilizar
en otros problemas que sean similares.

Problemas simulados.- este tipo de problemas es mas de problemas en

el laboratorio son de tipo de la vida real o cotidiana que se da en un
trabajo o empleo y se sigues casi los mismos pasos de en el el de
problemas predictivos

10. FASES ESTRATGICAS EN LA SOLUCIN DE PROBLEMAS

DE CALCULO INFINITESIMAL
Resolucin de problemas de matemtica:
En la prctica todos hemos enfrentado siempre problemas en nuestra vidas;
problemas de tipo real de la vida cotidiana como problemas acadmicos de
un determinada asignatura en nuestros estudios. Lo cierto es que tambin
siempre hemos procedido mecnicamente a resolver un problema
aplicando intuitivamente a veces los siguientes pasos:
Buscamos la informacin que nos entrega el problema;Qu datos
tenemos? Cul es el dato que debemos averiguar?, luego planificamos
una estrategia para resolver el problema haciendo dibujos, esquemas,
rectas y finalmente revisamos para verificar que la respuesta este correcta.
Hasta aqu se ha precedido por tradicin e intuicin sin obrar
metodolgicamente el enfoque que debemos realizar para poder resolver
un determinado problema. En virtud a esta problemtica (Snchez Huete &
Fernndez Bravo, 2003) afirma que las distintas tendencias, por las que ha
pasado el protocolo para la resolucin de problemas, nos han legado la
recopilacin de las que se proponen actualmente; subyacen, por tanto, a
una perspectiva histrica; por un lado la comprensin del enunciado y
traduccin del lenguaje verbal al lenguaje matemtico y por el otro la
comprensin del problema con conciencia de las relaciones lgicas,
conceptuales matemticas que intervienen, la bsqueda de varias

estrategias de resolucin, la aplicacin de las estrategias adecuadas, la

revisin y comprobacin del proceso seguido.
Por su parte la Dra. Lilian Moranza, en su trabajo: Psicologa Cognitiva
Contempornea y Representaciones Metales, textualmente, sostiene; En
trminos del enfoque del procedimiento de la informacin las redes, los
esquemas y los mapas conceptuales son las formas en las cuales se
organizan los conocimientos en la memoria semntica de larga duracin y
es una buena hiptesis suponer que la eficiencia que se observa en la
utilizacin de estos mediadores anticipan y modelan en el plano externo la
esencia de las funciones psquicas superiores, que se traducen al plano
intrapsicologico como producto de un mecanismo activo de interiorizacin,
es decir que mediante estas el estudiante es capaz de asimilar y estructurar
mejor sus conocimientos, hecho que favorece para la resolucin de
problemas.
La estructura general de una estrategia didctica basada en el hibrido de
los mtodos y estrategias de Polya y Shenfeld, que se emplearon en la
resolucin de problemas planteando por;Rizo, C. Y Campistrous, L. (1999),
nos muestra una correcta organizacin del proceso de aprendizaje, que
garantiza los componentes funcionales de toda actividad: la motivacin, la
Orientacin, Ejecucin y Control.
Hechas las consideraciones anteriores; responder las interrogantes Qu
estrategias utilizo?, puedo expresarlo de otra manera?, Qu estrategias
utilizo?, es correcto lo que hice?, aplicando por un lado mtodos de
comprensin, el de concebir un plan, modelar la funcin, ejecutar el plan,
tener una visin retrospectiva del problema y por el otro determinando
acciones prcticas como, la motivacin, identificar el tio de problema,
escribir ecuaciones ayudara a cumplir con los componentes funcionales
mencionados en el prrafo anterior.
Las fases estratgicas producto de la investigacin y su aplicacin en los
seis pasos para la solucin de problemas de la Matemtica en general y del
Calculo Infinitesimal en particular se presenta en el Cuadro 1.

Cuadro 1. Pasos a seguir y su correspondiente habilidad para llegar a la solucin

de los problemas en la matemtica.
PASOS A SEGUIR Y SU CORRESPONDIENTE HABILIDAD PARA LLEGAR A LA SOLUCION DE LOS PROBLEMAS EN LA
MATEMATICO

I
ETAPAS GENERADAS POR PERSONALIDADES EN LA MATEMATICA A TRAVEZ DEL TIEMPO

NVESTIGADOR
S
O
S
A
P

POINCARE (1854
1912)

Saturacin
1

Analysis
situs

JACQUES SALOMON
HADAMARD
(18651963)

GEORGE POYLA (1887-1985)

Documentaci Comprensin del problema

n ecuaciones sealar alguna distincin entre
diferenciales y "ejercicio" y "problema". Para
resolver un ejercicio,
anlisis

C.F.M. (2013)

Conceptualizacin

complejo

Incubacin

Preparacin

tratado
sistemtico

trabajos
dinmica

Inspiracin

Incubacin

problemas
sobre ptica
electricidad,
telegrafa,
capilaridad,
elasticidad,
termodinmi
ca, mecnica
cuntica,
teora de la
relatividad y
cosmologa

Sus
trabajos
en dinmica lo
llevaron
a
ocupar
puestos como
profesor
de
fsica

Verificacin

Iluminacin

teora de la
relatividad y
cosmologa

Sus
trabajos
en dinmica

en

Concepcin de un plan
sealar alguna distincin entre
"ejercicio" y "problema"
Visin retrospectiva
depende en gran medida del
estadio mental de la persona
que se enfrenta a ofrecer una
solucin

Idealizacin

Geometrizacin

Operatizacin

Verificacin
5

Centro
de
Investigacione
s
Cientficas
francs
en
1956

Verificacin

6
Reflexin
Cuadro 2. Fase estratgica producto de la investigacin de la educacin
matemtica del clculo infinitesimal
FASES ESTRATEGICAS PRODUCTO DE LA INVESTIGACION EN LA EDUCACION MATEMATICA
DEL CALCULO INFINITESIMAL

APLICACIN DE LOS SEIS PASOS PARA LA SOLUCION DE PROBLEMAS DEL CALCULO

INFINTESIMAL

S
O
S
A
P

PRIMER
VERBO

SEGUNDO
VERBO

HABILIDAD
ACCION

Conceptualiza
cin
Idealizacin

Comprensin

Geometrizacio
n
Operaivisacion

Esquematizaci
n
Ejecucin

Verificacin

Reflexin

Compatibilizac
in
Discusin

Comprensin lectora del enunciado del

Problema Matemtico
Aproximacin de la solucin del problema
Matemtico
Aplicacin de la Geometra en el plano del
Problema
Algoritmizacion del desarrollo Matemtico del
problema
Democratizacin del solucin correcta del
Problema
Valoracin, proyeccin y experiencia en
futuro Problemas

1
2
3

Imaginacin

PARA

EFECTIVISAR

LA

VISION
Contextualizar
el contenido a
ensear
para
que
el
estudiante
pueda acceder
a
ese
conocimiento.

EN 1913 Henri Poincare (citado por Mayer,1986:64) puso las bases de

posteriores estudios sobre proceso creativo. Apoyando en sus propias
experiencias y siguiendo un camino paralelo al anlisis de Dewey para el
pensamiento lgico y Ribot para el tipo analtico e intuitivo, maraca las fases
del pensamiento de iluminacin y finalmente la verificacin.
Los alumnos no debe perder la oportunidad de aprender de la experiencia;
de encontrar otros procedimientos de resolucin. Para ello se puede
generalizar el problema con la pregunta: Qu pensara si se cambian los
datos, las condiciones, la pregunta? El proceso de revisin de la resolucin
de un problema estructurado implica experiencia y conocerse a s mismos.
En ese mismo contexto (Sanchez Huete & Fernndez Brao, 2003) expresa
los cuatro tipos de aprendizaje matemtico; que a saber son; memorizacin,
aprendizaje algortmico, aprendizaje de conceptos y resolucin de
problemas. Sin duda este proceso en pocas ocasiones se ha desarrollado
en funcin de una memoria operativa, en el sentido de lograr un
almacenamiento de la informacin a largo plazo junto a una rpida
memorizacin. Una idea muy aproximada a la operatividad se consigue
cuando se realiza un aprendizaje sobre estructuras significativas de
conocimiento.

III.

ARTICULO :

1. El Clculo, Infinitesimal como una herramienta fundamental en

Matemtica Superior.
El clculo es de suma importancia en toda especialidad acadmica por su
extensa aplicabilidad, porque esta materia requiere de conocimientos

bsicos de cursos bsicos de Ingeniera como Para la comprensin de

reas de conocimiento muy avanzado para la Investigacin.

a. El Calculo una rerramienta que est presente en todo

momento de nuestras vidas.
En nuestro diario que hacer aplicamos conceptos de Clculo
Infinitesimal sin prestar atencin, as se dan los casos de:

La tasa de crecimiento o disminucin en los precios o cotizaciones, se

est aplicando el concepto de variable o derivada.

Al comparar en el velocmetro de un auto el incremento de la

velocidad entre espacio y un intervalo de tiempo y anotamos la
diferencia entre las entre dos comparaciones, se integra la velocidad
en el tiempo.

Se aplica el concepto lmite geomtrico entre dos puntos sucesivos,

cuando se traza la tangente de una curva.

El clculo infinitesimal est presente en la observacin de evolucin

de la temperatura de un paciente con mximos y mnimos y tasas de
crecimiento.

Al calcular un tanque de nafta de una estacin de servicio se hace un

anlisis diferencial-integral de reas y volmenes.

Alumnos de primaria en un intervalo pequeo, utilizan el concepto de

diferencial en un clculo de regla de tres, al linealizar o
proporcionalizar una ley de variacin.

b. Importancia particular del Clculo Infinitesimal en la cultura, la

ciencia, la tecnologa y la sociedad:
Las Universidades y las Facultades de Ingeniera afrontan una tarea y
compromiso en la formacin de recursos humanos y para tener una
estructura de buenos profesionales se debe seguir los conceptos
siguientes:
a)

Hacer que los jvenes ingenieros tengan conceptos y conocimientos

amplios de la materia y no cerrarse en un ncleo y no querer aceptar
lo que nos rodea y se requiere en todo proceso, especialidad y rea,

por el continuo cambio, y evolucin que sufre el mundo a

consecuencia de la globalizacin, de los requerimientos en la
tecnificacin y la disponibilidad rpida de informacin que son de
suma importancia para el diario vivir y as poder realizar las tareas
con la mxima eficiencia.
b)

Dentro de las vocaciones tempranas de alumnado se debe estudiar

polticas acadmicas a emplear para que los estudiantes puedan
rendir de manera ptima, darles los recursos necesarios, mayor
infraestructura, comodidad y en especial la plana de catedrticos
sean bastante bien preparados, tcnicamente y en especial tener
estudios de pedagoga con el fin de entender y ensear de una
manera ms didctica al alumnado y de esta manera tengan una
determinacin y voluntad de seguir y culminar sus objetivos
profesionales y as reducir el porcentaje de abandonos y/o desercin.

c)

Con una buena calidad de docentes y la aplicacin de los estndares

internacionales se puede asegurar a la vez profesionales-ingenieros
aptos para enfrentar la realidad de este siglo XXI en la que vivimos,
la enseanza siempre tiene que estar actualizada y no seguir
enseando ao tras ao lo mismo y desconocer la nueva tecnologa
que crece a pasos agigantados, si se quiere tener buenos
profesionales se tiene que tener buenos docentes todo depende de
la enseanza, esmero y calidad con que imparten sus conocimientos.

d)

Para poder ayudar a una comunidad se tiene primero que tener tica
profesional, tener valores, estos valores se adquieren en el ncleo
familiar, la escuela la universidad y en el transcurso de nuestras
vidas; as con estas armas tendremos la capacidad y aptitud de
contribuir en el desarrollo cultural, social y econmico de una
comunidad aplicando nuestros conocimientos y habilidades de
manera adecuada y correcta.

e)

Un sistema educativo tradicional carece de informacin actualizada,

por tanto ser difcil interactuar con innovadores sistemas, entonces
este sistema se debe actualizar para poder ser competitivo y poder
as el aprendiz crear nuevos hbitos de competitividad, habilidades,
tcnicas y condiciones para poderse integrar al mbito de la
modernizacin tecnolgica, investigacin y transferencia educativa.

f)

Se debe preparar a profesionales con visin futurista para poder

competir en cualquier campo de su profesin y tener visin ordenada
y tener la capacidad de poder aportar y tener un enfoque

internacional, nacional y departamental

aprovechamiento de los recursos.

para

un

mejor

La tarea de ensear e dificultosa porque requiere de exigencias

intelectuales para futuros profesionales y a su vez de importantes
investigadores.
Aqu algunos ejemplos prcticos del Clculo Infinitesimal aplicables en
distintas reas del conocimiento humano que pueden servir a futuros
investigadores.
1.3 Serie de Taylor
La serie de Taylor para f(x) alrededor de x = a se define como:
f ( x )=f ( a ) +f r(a )(xa) +

+f ( a )( xa ) 2
f (n1) (a)(xa)n1
++
+ Rn
2!
(n1) !

f (n) ( x 0)( xa)n

Donde: R n=
, x0 en medio de a y y
n!
Se llama residuo y donde se supone que f(x) tiene derivadas de orden n cuando
menos. Cuando n = 1 se llama ley de la media o Teorema del valor medio y
se escribe como
f ( x ) f ( a)
=f ( x 0 ) x0 en medio de a y x
xa
1.4 Ecuacin Diferencial de primer orden de variables separables.
Una ecuacin diferencial ordinaria de primer orden es una ecuacin de la forma
f(x,y,y) = 0
Una ecuacin diferencial f(x,y,y) = 0 se denomina de variables separables si e
puede escribir en la forma
B ( y) y = A (x)
En este caso podemos integrar ambos miembros de la ecuacin, para obtener
B(y)y`(x) dx = A(x) dx
Suponiendo que podemos realizar estas integraciones obtenemos una ecuacin
que define en forma implcita la solucin general de la ecuacin diferencial.

A menudo conviene realizar este proceso en notacin diferencial. Para hacer esto,
primero reescribimos la ecuacin utilizando la notacin de Leibniz de la derivada
B( y)

dy
=A ( x )
dx

Esta ecuacin sugiere la forma diferencial de la ecuacin

B(y)dy = A(x)dx
Como el lado izquierdo de la anterior implica slo y y el lado derecho implica slo x,
decimos en este punto que las variables han sido separadas. Ahora podemos reescribir la
ecuacin como.

B(y)dx = A(x) dx
En defecto, integramos el lado izquierdo con respecto a y y el lado derecho con
respecto a x. esto da origen a una ecuacin que define explcita o implcitamente
la solucin general de la ecuacin diferencial.
1.5 Ecuacin de Riccati
Una ecuacin diferencial de la forma
Y= P(x) y2 + Q(x)y + R(x)
Una ecuacin de Riccati es lineal P(x) = 0 y es no lineal si P(x) 0
Se produce la solucin general de una ecuacin re Riccati si podemos producir de
alguna manera una solucin especfica S(x)
Dada una solucin S(x),cambiamos las variables en la ecuacin haciendo
y = S(x) + 1/z
y= S(x) 1/z2z

Entonces:

Donde z= dz/dx sustituimos estas cantidades por y y ypara obtener

1
1 2
1
(
)
(
)
(
)
S x z =P x S x +Q ( x ) S ( x ) + R( x)
z
z
z

1.6. Ecuacin de Bernoulli

dy
n
+ P( x ) y =Q( x) y ,
dx

n 0.1

Sea v = y1-n la ecuacin se reduce

Ve(n1) Pdx=(1 n) Qe(1n) Pdx dx+C

Si n=0 la ecuacin es lineal, si n = 1 la ecuacin es de variables separables.

1.7. Ecuacin Diferencial de Segundo Orden
f(x,y,y,y)=0
1.8 Ecuacin Diferencial de Cauchy Euler

1
1
y + Ay +
By=0
x
x2
Para x>0 y A y B constantes cualesquiera. A menudo escribimos esta ecuacin
diferencial como: x2y + Axy+ By = 0
1.9 Las leyes de Kirchhoff y la aplicacin a circuitos elctricos.
La ley de Kirchhoff afirma que la suma algebrica de las corrientes en cualquier
unin de un circuito es cero. Esto significa que la corriente total que entra en la
unin de un circuito es igual a la corriente que total que sale de dicha unin.

La Ley del Voltaje de Kirchhoff afirma que la suma algebrica de los aumentos y
disminuciones de potencial en cualquier ciclo cerrado en el circuito es cero.
2

E(t) iR - L

di 1
dq
d q
dq 1
q=0 pero i= L+
+ R+ + q=E(t)
1! C
dt
dt
dt C

1.10. La transformacin de Laplace.

Supngase que f(t) est definida para t 0. La transformada de Laplace L [f] de f

es una funcin definida por

L[f ]( s)= est f (t) dt

0

Para todos tal que converja esta integral impropia.

1.11. La transformacin de Fourier

1
f (u) eiu du

Entonces:

1
f ( x )=
F ( )eiu d

F ( )=

La funcin F() se llama Transformada de Fourier de f(x) y se escribe:

F() = F {f(x)}10
1.12. Ecuacin Diferencial de la Place en Derivadas Parciales.
2 u 2 u
+
x2 y2
Sus soluciones se denominan armnicas y desempean un papel importante en la
conduccin de calor, movimiento de fluidos y potencial elctrico. Esta ecuacin
diferencial en derivadas parciales expresa ciertas leyes fsicas.
1.13. Ecuacin diferencial de Onda en Derivadas Parciales.
2 u
2 u
=a
2
2
t
x
Describe el movimiento de una onda que puede ser una ola ocenica, una onda
de sonido, de luz o una onda que viaja a lo largo de una cuerda vibrante.