domingo, 26 de mayo de 2019

Cónicas. Ecuación de una elipse cuyos ejes son paralelos a los ejes de coordenadas, de excentricidad dada, semieje mayor dado y centro dado.

ENUNCIADO. Hállese la ecuación de una elipse con los ejes paralelos a los ejes de coordenadas, de excentricidad $\epsilon=0,6$, con semieje mayor $a=15$, y centrada en $C(2,-1)$. Determínense los elementos notables de la misma.

SOLUCIÓN. La ecuación de la elipse en las condiciones del enunciado toma la forma $$\dfrac{x-2}{15^2}+\dfrac{y-(-1)}{b^2}=1$$ Como $\epsilon = \dfrac{c}{a}$ ( donde $c$ es la semidistancia entre los focos ) tenemos que $$0,6 = \dfrac{c}{15} \Rightarrow c=9$$ por otra parte sabemos que en una elipse ha de cumplirse que $a^2=b^2+c^2$ con lo cual $$b^2=15^2-9^2=144 \Rightarrow b=12$$ Por consiguiente, la ecuación pedida es $$\dfrac{x-2}{15^2}+\dfrac{y-(-1)}{12^2}=1$$ Así pues, teniendo en cuenta la traslación de la elipse reducida $\dfrac{x}{15^2}+\dfrac{y}{b^2}=1$ ( centrada en el origen de coordenadas ) al punto $C(2,-1)$, las coordenadas de los dos focos son $F(9+2,0+(-1))$ y $F'(-9+2,0+(-1))$, respectivamente; esto es
$$F(11,-1) \quad \text{y}\quad F'(-7,-1)$$ Por lo que respecta a los vértices, si la elipse centrada en el origen de coordenadas $\dfrac{x}{15^2}+\dfrac{y}{b^2}=1$ tiene por vértices $A(15,0)$, $A'(-15,0)$: $B(0,12)$ y $B'(0,-12)$, atendiendo a la traslación de dicha elipse al punto $C(2,-1)$, los vértices de la elipse pedida son $A(15+2,0+(-1))$, $A'(-15+2,0+(-1))$, $B(0+2,12+(-1))$ y $B'(0+2,-12+(-1))$; esto es $$A(17,-1), A'(-13,-1), B(2,11) \; \text{y}\, B'(2,-13)$$
$\square$

Parábola no centrada en el origen de coordenadas y con recta de simetría paralela a uno de los ejes de coordenadas

ENUNCIADO. Escríbase las posibles ecuaciones de una parábola cuyo vértice se sitúa en el punto $V(1,0)$ y que pasa por el punto $P(3,3)$ así como las coordenadas del foco $F$ y las ecuaciones de la recta de simetría ( que ha de ser paralela a uno de los ejes de coordenadas ) y de la recta directriz.

SOLUCIÓN.
Caso I ( La recta de simetría es paralela al eje Ox ):
Si el vértice estuviese centrado en el origen de coordenadas, la ecuación de dicha parábola ( e. reducida ) se escribiría $$y^2=4px$$ Sin embargo, teniendo en cuenta ahora la traslación del vértice al punto $(1,0)$, la ecuación de la parábola se escribirá $$y^2=4p(x-1)$$ Determinemos ahora $p$ imponiendo que la parábola pase por el punto $P(3,3)$, con lo cual $$3^2=4p(3-1)$$ de donde despejando $p$ obtenemos $$p=\dfrac{9}{8}$$ Así, la ecuación de la parábola es $$y^2=4\cdot \dfrac{9}{8}\,(x-1)$$ es decir $$y^2=\dfrac{9}{2}\,(x-1)$$ por lo que podemos escribir las coordenadas del foco, ya que sabemos que éstas son $F(p+1,0)$, esto es $$F(9/8+1,0) \rightarrow (17/8,0)$$ Por otra parte, la recta directriz, tiene por ecuación $x=1-p=1-9/8$ esto es $$\text{recta directriz}\equiv x -\dfrac{1}{8}$$

Caso II ( La recta de simetría es paralela al eje Oy ):
Si el vértice estuviese centrado en el origen de coordenadas, la ecuación de dicha parábola ( e. reducida ) se escribiría $$x^2=4py$$ Teniendo en cuenta ahora la traslación del vértice al punto $(1,0)$, la ecuación de la parábola se escribirá $$(x-1)^2=4py$$ Determinemos ahora $p$ imponiendo que la parábola pase por el punto $P(3,3)$, con lo cual $$(3-1)^2=4p\cdot 3$$ de donde despejando $p$ obtenemos $$p=\dfrac{1}{3}$$ Así, la ecuación de la parábola es $$(x-1)^2=\dfrac{4}{3}\,y$$ que puede expresarse también de la forma $$y=\dfrac{3}{4}\,x^2-\dfrac{3}{2}\,x+\dfrac{3}{4}$$
Podemos escribir las coordenadas del foco teniendo en cuenta la traslación: $F(1,0+p)$, esto es $$F(1,0+1/3)\rightarrow (1,1/3)$$ Por otra parte, por la traslación, la recta directriz, tiene ahora por ecuación $y=-p=-\dfrac{1}{3}$
$\square$

Cónicas. Ecuación reducida de la parábola ( vértice en el origen de coordenadas )

ENUNCIADO. Demuéstrese que la ecuación de una parábola cuya recta de simetría coincide con el eje Ox ( $y=0$ ) y cuyo vértice se encuentra en el origen de coordenadas, $V(0,0)$, y tal que éste equidista una distancia $p$ de la recta directriz $d$ ( perpendicular al eje Ox ) y del foco $F$ ( que está en el eje Ox, a la derecha del origen de coordenadas ) puede escribirse como $y^2=4px$

SOLUCIÓN. La condición para que un punto genérico $X(x,y)$ pertenezca al lugar geométrico es $$\text{dist}(d,X)=\text{dist}(X,F)$$ Teniendo en cuenta que $F(p,0)$ y que y la recta directriz tiene por ecuación $x=-p$, $$p+x=\sqrt{(x-p)^2+(y-0)^2}$$ y por tanto $$(p+x)^2=(x-p)^2+y^2$$ esto es $$x^2+2px+p^2=x^2-2px+p^2+y^2$$ y simplificando llegamos a $$y^2=4px$$

NOTA: En el caso de que el foco esté a la izquierda del vértice, tenemos que $F(-p,0)$ y la recta directriz tiene ahora por ecuación $x=p$; repitiendo el mismo proceso que antes, $$p+x=\sqrt{(x-(-p))^2+(y-0)^2}$$ por tanto $$(-p+x)^2=(x+p)^2+y^2$$ con lo cual $$x^2-2px+p^2=x^2+2px+p^2+y^2$$ y simplificando se obtiene $$y^2=-4px$$

OBSERVACIÓN: En lo que se ha hecho, $p$ representa la distancia del foco al vértice. Sin embargo, en algunos libros ( como por ejemplo en el libro de texto que hemos utilizado en este curso ) se da la ecuación de la parábola de la forma $$y^2=2px$$ ( habitualmente usando la misma letra '$p$' ), donde $p$ hay que interpretarla en estos casos como la mitad de la distancia del vértice al foco.

miércoles, 8 de mayo de 2019

Coordenadas del punto de intersección de la recta de regresión de Y sobre X y de la recta de regresión de X sobre Y

En el artículo anterior justifiqué las ecuaciones de las rectas de regresión de $Y$ sobre $X$, con ecuación punto-pendiente $$y-\bar{y}=\dfrac{s_{xy}}{s_{x}^{2}}\,(x-\bar{x})$$ y de $X$ sobre $Y$ cuya ecuación punto-pendiente es $$x-\bar{x}=\dfrac{s_{xy}}{s_{y}^{2}}\,(y-\bar{y})$$

Dichas rectas son coincidentes si el coeficiente de correlación de Pearson es igual a $1$, que es el caso de dependencia funcional.

En el caso de que la correlación sea nula ( dependencia aleatoria ), la recta de regresión de $Y$ sobre $X$ es paralela al eje de abscisas, puesto que al ser la covarianza nula $s_{xy}=0$, la ecuación de la midms es $y=\bar{y}$ ( valor constante ); y, por otra parte, la recta de regresión de $X$ sobre $Y$ es paralela al eje de ordenadas, habida cuenta de que por la misma razón ( la covarianza es nula, $s_{xy}=0$ ), así que la ecuación de esta otra recta es ahora $x=\bar{x}$ ( valor constante ). En consecuencia, no habiendo correlación alguna (aleatoriedad), las dos rectas de regresión son perpendiculares una a la otra.

El caso que reviste mayor interés es el de dependencia es estadística ( correlación no nula, pero no habiendo dependecia funcional ). Siendo así, las rectas son secantes, y el punto de intersección es $I(\bar{x},\bar{y})$, cosa que ya había adelantado en otros artículos y también en clase al empezar a hacer ejercicios prácticos.

A continuación paso a justificar esta propiedad. Para ello hay que resolver el sistema de ecuaciones, con incógnitas $x$ e $y$: $$\left\{\begin{matrix}y-\bar{y}=\dfrac{s_{xy}}{s_{x}^{2}}\,(x-\bar{x}) \\ x-\bar{x}=\dfrac{s_{xy}}{s_{y}^{2}}\,(y-\bar{y}) \end{matrix}\right.$$
que puede expresarse de la forma $$\left\{\begin{matrix}y=\dfrac{s_{xy}}{s_{x}^2}\,x+\left( \bar{y}-\dfrac{s_{xy}}{s_{x}^2}\,\bar{x}\right) \\ y=\dfrac{s_{y}^{2}}{s_{xy}}\,x+\left( \bar{y}-\dfrac{s_{y}^{2}}{s_{xy}}\,\bar{x}\right)\end{matrix}\right.$$
igualando los segundos miembros de ambas igualdades, llegamos a una ecuación con $x$ como incógnita $$\dfrac{s_{xy}}{s_{x}^2}\,x+\left( \bar{y}-\dfrac{s_{xy}}{s_{x}^2}\,\bar{x}\right)=\dfrac{s_{y}^{2}}{s_{xy}}\,x+\left( \bar{y}-\dfrac{s_{y}^{2}}{s_{xy}}\,\bar{x}\right)$$ y agrupando términos semejantes $$x\,\left( \dfrac{s_{xy}}{s_{x}^{2}} - \dfrac{s_{y}^{2}}{s_{xy}} \right) = \bar{x}\,\left( \dfrac{s_{xy}}{s_{x}^{2}} - \dfrac{s_{y}^{2}}{s_{xy}} \right) $$ y simplificando, se obtiene $$x=\bar{x}$$
Sustituyendo en la primera ecuación de (1): $$y-\bar{y}=\dfrac{s_{xy}}{s_{x}^{2}}\,(\bar{x}-\bar{x})=0 \Rightarrow y=\bar{y}$$
luego, como queríamos demostrar, el punto de intersección de las rectas de regresión ( de $Y$ sobre $X$, y de $X$ sobre $Y$ ) es $$I(\bar{x},\bar{y})$$
$\square$

martes, 7 de mayo de 2019

Obtención de la recta de regresión lineal de Y sobre X por el criterio de mínimos cuadrados

Para determinar la recta que mejor se ajusta a un conjunto de $N$ puntos experimentales $\{(x_i,y_i)\}$ ( $i=1,2,\ldots,N$ ) emplearemos el criterio de mínimos cuadrados, que consiste en encontrar los coeficientes $m$ y $k$ de la recta de regresión lineal de $Y$ sobre $X$ -- para hallar la recta de regresión de $X$ sobre $Y$ se procederá de manera análoga -- tales que la suma de las diferencias de las ordenadas al cuadrado $(y_i-y'_{i})^2$ correspondientes al punto experimental $(x_i,y_i)$ y al punto $(x_i,y'_{i})$ situado en la perpendicular del primero, por encima ( respectivamente, por debajo ), sobre la recta de regresión a determinar. Es decir, pretendemos que la cantidad $\displaystyle \sum_{i=1}^{N}\,(y'_{i}-y_i)^2$ sea mínima.

Así pues, teniendo en cuenta que la recta a determinar es $y=m\,x+k$, tendremos que $y'_{i}=mx_i+k$ para cada $i=1,2,\ldots,N$, por consiguiente podemos escribir la cantidad que ha de hacerse mínima como una función de $m$ y $k$: $$\displaystyle \sum_{i=1}^{N}\,(m\,x_i+k-y_i)^2$$

Para que se obtenga un extremos relativo, y, en particular un mínimo, sabemos que las derivadas con respecto de $m$ y, también, de $k$ han de ser nulas. Luego derivando primero respecto de $m$ e igualando a $0$ y haciendo lo propio con respecto de $k$ llegamos a: $$\left\{\begin{matrix}\displaystyle \sum_{i=1}^{N}\,2\,(m\,x_i+k-y_i)\,x_i=0 \\ \displaystyle \sum_{i=1}^{N}\,2\,(m\,x_i+k-y_i)=0 \end{matrix}\right.$$ esto es $$\left\{\begin{matrix} \displaystyle \sum_{i=1}^{N}\,(m\,x_i+k-y_i)\,x_i=0 \\ \displaystyle \sum_{i=1}^{N}\,(m\,x_i+k-y_i)=0 \end{matrix}\right.$$ y por tanto $$\left\{\begin{matrix} \displaystyle m\,\sum_{i=1}^{N}\,x_{i}^2+k\,\sum_{i=1}^{N}\,x_i-\sum_{i=1}^{N}\,x_i\,y_i=0 \\ \displaystyle m\,\sum_{i=1}^{N}\,x_{i}+k\,N-\sum_{i=1}^{N}\,y_i=0 \end{matrix}\right. \quad \quad (2)$$ Teniendo en cuenta ahora que $$\displaystyle \dfrac{1}{N}\,\sum_{i=1}^{N}\,x_i=\bar{x}$$ $$\displaystyle \dfrac{1}{N}\,\sum_{i=1}^{N}\,y_i=\bar{y}$$ $$\displaystyle \dfrac{1}{N}\,\sum_{i=1}^{N}\,x_{i}^{2}=\overline{x^2}$$ podemos escribir las dos ecuaciones de la forma $$\left\{\begin{matrix} m\,\overline{x^2}+k\,\bar{x}=\displaystyle \dfrac{1}{N}\,\sum_{i=1}^{N}\,x_i\,y_i \\ m\,\bar{x}+k=\bar{y}\end{matrix}\right.$$ Multiplicando los dos miembros de la segunda ecuación por $\bar{x}$
$$\left\{\begin{matrix} m\,\overline{x^2}+k\,\bar{x}=\displaystyle \dfrac{1}{N}\,\sum_{i=1}^{N}\,x_i\,y_i \\ m\,(\bar{x})^2+k\,\bar{x}=\bar{y}\,\bar{x}\end{matrix}\right.$$ Sumando ahora miembro a miembro las dos ecuaciones obtenemos $$m\,\left(\overline{x^2}-(\bar{x})^2\right)=\displaystyle \dfrac{1}{N}\,\sum_{i=1}^{N}\,x_i\,y_i - \bar{x}\,\bar{y}$$ Reconocemos en el segundo miembro la covarianza $s_{xy}$ de $X$ e $Y$, y, en el primero, la varianza de $X$: $s_{x}^2$, con lo cual $$m\,s_{x}^2=s_{xy}$$ y por tanto la pendiente de la recta de regresión que es $$m=\dfrac{s_{xy}}{s_{x}^2}$$ Sustituyendo ahora en la segunda ecuación de (2) y despejando $k$ obtendremos la ordenada en el origen de dicha recta: $$k=\bar{y}-\dfrac{s_{xy}}{s_{x}^{2}}\,\bar{x}$$
Con todo ello, podemos expresar esta recta de regresión de $Y$ sobre $X$ en la forma punto-pendiente, que es muy apropiada a la hora de aplicarla para realizar estimaciones de $Y$, $\hat{y}$, a partir de valores dados de la variable $X$: $$(y-\bar{y})=\dfrac{s_{xy}}{s_{x}^{2}}\,(x-\bar{x})$$

OBSERVACIÓN: Si procedemos de manera análoga para hallar la recta de regresión de $X$ sobre $Y$, obtendremos esta otra recta de regresión que servirá para realizar estimaciones de $X$, $\hat{x}$, a partir de valores dados de la variable $Y$ $$(x-\bar{x})=\dfrac{s_{xy}}{s_{y}^{2}}\,(y-\bar{y})$$

NOTA: En todo procedimiento de regresión lineal son muy útiles los coeficientes de correlación de Pearson y el coeficiente de determinación a la hora de analizarlo; expresan la naturaleza y la bondad o fuerza del ajuste de la recta de regresión a la nube de puntos experimentales, respectivamente. Se define el coeficiente de correlación de Pearson de la forma $$r\overset{\text{def}}{=}\dfrac{s_{xy}}{s_{x}\,s_{y}}$$ siendo $s_x$ y $s_y$ las desviaciones estándar de $X$ e $Y$, respectivamente, de tal manera que $-1\le r\le 1$. Si $r\prec 0$ ( la covarianza $s_{xy} \prec 0$ ) la recta de regresión tiene pendiente negativa y, por tanto, es una función creciente; en el caso de que $r\succ 0$ ( la covarianza $s_{xy} \succ 0 $ ), la pendiente es positiva ( la función es creciente ). Si $|r|=1$ la dependencia es funcional; si $r=0$ ( la covarianza es nula $s_{xy}=0$ ) y no hay correlación. La fuerza del ajuste se mide mediante el coeficiente de determinación, $R^2$, que se define de la forma $R^2\overset{\text{def}}{=}(r)^2$; se tiene que $0 \le R^2\le 1$ ( que se suele expresar en tanto por ciento ), de modo que, en los casos límite, si $R^2=1$ la fuerza del ajusta es máxima y si $R^2=0$ la fuerza del ajuste es nula.


$\square$

miércoles, 10 de abril de 2019

Problemas de máximos y mínimos. Aplicaciones de la derivada

ENUNCIADO. Hállese la relación entre la altura y el radio de un depósito cilíndrico de volumen dado, $k$, para que el área total del desarrollo plano de dicho cuerpo sea mínima.

SOLUCIÓN. El área total del desarrollo plano de un cilindro de radio $r$ y altura $h$ es $$2\,\pi\,r\,h+2\,(\pi\,r^2)$$ Teniendo en cuenta que el volumen está fijado, y su valor es $k$, podemos escribir $$k=\pi\,h\,r^2 \quad \quad (1)$$ por lo que la función de $r$ que proporciona el área total es $$f(r)=2\,\pi\,\left(r^2+\dfrac{k}{\pi}\,r\right)$$ Procedemos ahora a determinar los extremos relativos de dicha función, imponiendo (condición necesaria) $$f'(r)=0$$ esto es $$2\,\pi\,\left( 2r- \dfrac{k}{\pi}\cdot \dfrac{1}{r^2}\right)=0 \Leftrightarrow -k+2\,\pi\,r^3=0$$ de donde en consecuencia encontramos un solo extremo relativo $$r_{*}=\sqrt[3]{\dfrac{k}{2\,\pi}} \quad \quad$$ Sustituyendo en (1) encontramos $$h_{*}=\sqrt[3]{\dfrac{4}{k\,\pi}}$$
Comprobamos que la abscisa encontrada en (2) corresponde a un mínimo relativo, pues $$f''(r_{*})=2\,\pi \, \left( \dfrac{2\,k}{\pi} \cdot \dfrac{1}{r_{*}^3}+2 \right) \succ 0 $$
Además, dicho mínimo relativo es, también, el mínimo absoluto de la función.

Calculando la razón de $h_{*}$ y $r_{*}$ con los valores encontrados vemos que $$\dfrac{h_{*}}{r_{*}}=2$$ De donde, a modo de conclusión, podemos afirmar que el diámetro de la base de dicho cilindro ha de ser igual a la altura del mismo, para que, fijado el valor del volumen del cilindro, el área total del desarrollo plano del mismo sea mínima.
$\square$