UNIVERSIDAD NACIONAL DE INGENIER IA Facultad de Ciencias Escuela profesional de Matem atica

Algunos ejemplos de Teor a de la Medida

Seminario de Matem atica Pura y Aplicada I

Magaly Acu na Condori codigo 20080139E

Asesor: Eladio Oca na Anaya

RESUMEN
El objetivo de este trabajo es mostrar algunos ejemplos en diferentes a reas las herramientas b asicas de Teor a de la Medida que sirven como motivaci on para aquellos que siempre vieron los conceptos en este campo como algo demasiado abstracto y sin ninguna relaci on con la realidad. Los ejemplos aqu mostrados son de diversas a reas no solo, como se puede presumir, en el a rea de las probabilidades. En la primera parte se introduce el concepto de medibilidad mediante ejemplos viendo la necesidad de las deniciones y en el ultimo cap tulo se trata de explicar la integral de Lebesgue con relaci on a la realidad.

 Indice general
Introducci on 1. El concepto de medibilidad 2. Integraci on de funciones positivas Bibliograf a 2 3 14 22

Introducci on
Cuando comenzamos a analizar todos los conceptos, teoremas, proposiciones, lemas, etc. desarrollados a lo largo de la carrera de matem atica muchos de los estudiantes no logran relacionar estos con la realidad o interpretarlos de manera que estos puedan ser f acilmente entendidos. Existe una opini on generalizada que la matem atica es complicada lo que provoca el alejamiento de estas de los estudiantes de otras carreras, lo cual no contribuye a la colaboraci on mutua y el desarrollo de teor as que puedan ayudar a modelar nuestra realidad. Aunque parezca imposible mucha de la teor a realizada en teor a de la medida la podemos ver aplicada en un libro de cr menes o en el momento de realizar una compra. Con el n de entrenar a nuestra mente en la creaci on de nuevas teor as se trata de comprender como las ya existentes surgieron y cual fue la motivaci on de estas por ello se presentan los diversos ejemplos que son explicados de la manera m as sencilla y con la mayor variedad de temas para que pueda causar el inter es del lector.

Cap tulo 1 El concepto de medibilidad

Durante nuestra vida realizamos de manera inconciente diferentes tipos de medidas: medimos la temperatura, la cantidad de sal para una comida, nuestra propia altura, el tiempo que dormimos, etc. Pero el proceso de medici on no solo se realiza en la vida cotidiana sino en los diferentes campos de trabajo de las carreras universitarias. Por ejemplo, en el campo de los negocios se desarrollan numerosos libros para entrenar a los estudiantes en la manera de asignar n umeros a las diferentes cualidades, situaciones, objetos, etc.(consideran que todo lo que imaginemos puede ser medido y dicha medici on puede ser expresada en una cantidad num erica) relacionados en el analisis de una empresa tales como :propaganda,ahorro de mantenimiento de una maquina, posibilidad de perdida, etc. Esto nos puede dar la idea de que todo lo que tenemos alrededor e imaginemos podemos expresarlos como conjuntos y ser medidos(medibles). De manera intuitiva todos podemos identicar una caracteristica comun en todos los conjuntos medibles imaginables: Al dividar un conjunto en partes no vacias disjuntas,ninguna de las partes puede ser igual o mas grande que el conjunto. As por ejemplo, si tenemos una pepita de oro compacta y la fundimos no podremos formar 3 pepitas del mismo volumen de la pepita original. El siguiente ejemplo nos mostrar a un conjunto que no cumplir a con lo anterior y parecer a un error de nuestra imaginaci on. Ejemplo 1.0.1 (Un gran diccionario) 3

Una biblioteca decide crear un gran diccionario que contengan todas las palabras que podamos imaginar aunque estas no tengan sentido, organizadas de la siguiente manera:

A AA AAA B BA BAA C CA CAA . . . . . . . . . . . . Z ZA ZAA

AB ABA BB BBA CB CBA . . . . . . . . . ZB ZBA

AC BC CC . . . . . . ZC

AZ BZ CZ . . . . . . ZZ

Expresando lo anterior como un conjunto tenemos H=todas las palabras que podamos imaginar usando el alfabeto latino (el diccionario puede considerarse como el conjunto H). Para mayores ganancias la editora decide :

1. Dividir el diccionario en 27 tomos, cada tomo tendr a todas las palabras que empiecen con la misma letra y sera titulada con dicha letra.

: A AA : B BA : C CA . . . . . . . . . . . . TOMO XXVI (Z) : Z ZA TOMO I (A) TOMO II (B) TOMO III (C) . . .

AB ABA BB BBA CB CBA . . . . . . . . . ZB ZBA

AC BC CC . . . . . . ZC

AZ BZ CZ . . . . . . ZZ

2. Eliminar la primera letra de cada palabra, para ahorrar tinta, ya que esta quedar a sobr entendida con el t tulo del tomo respectivo y estos quedar an as : : A AA : A AA : A AA . . . . . . . . . . . . TOMO XXVI : A AA TOMO I TOMO II TOMO III . . . B BA B BA B BA . . . . . . . . . B BA C CA C CA C CA . . . . . . . . . C CA Z ZA Z ZA Z ZA . . . . . . . . . Z ZA

Antes de mandarlo imprimir, se da cuenta que los 27 tomos son iguales y adem as que cada uno es el diccionario completo, de ahi que deciden lanzar al mercado solo un tomo. En resumen, un diccionario es dividido en 27 tomos, pero cada tomo es un diccionario completo. H (el diccionario) contradice con la caracteristica colocada al inicio de este trabajo. Con la misma idea de este ejemplo tenemos la paradoja de BanachTarski que se enuncia de la siguiente manera: Si tomamos la esfera maciza es posible dividirla en 8 partes tal que recomponiendolas mediante movimientos adecuados podemos construir dos esferas del mismo tama no que la inicial. Obviamente este proceso no se puede hacer en la vida real, ya que en este sentido los movimientos para la reconstrucci on son imposibles de hacerlos. Si esto fuera posible podriamos hacerlo con una pepita de oro y obtener de esta muchas similares y ser amos millonarios (para que se conserve el volumen es necesario que los fragmentos puedan ser medidos). Esto no quiere decir que estos conjuntos tienen medida cero sino que simplemente no se pueden medir. En teoria de la medida estos conjuntos (diccionario y fragmentos de la esfera de Tarski) se denominan no medibles, pero en el mundo real no encontramos usualmente estos casos. En el siguiente ejemplo notaremos que una sola situacion, cualidad, puede ser medidos de manera diferente, siendo todas estas medidas v alidas, veamos de qu e depende la elecci on de una medida. Ejemplo 1.0.2 Una servis tiene registrado el valor de cada trabajador en 3 cat alogos:

Primer cat alogo: valor basado en la medida de la altura. Segundo cat alogo: valor basado en la nota de 1-10 de un cr tico de belleza. Tercer cat alogo: valor basado en el promedio de tres ex amenes acad emicos .

Cuando un entrenador de basquet requiera de su servicio le mostrar a el primer cat alogo, si es una agencia de modelos le mostrar a el segundo cat alogo y para un grupo de investigaci on usar a el tercer cat alogo. De este ejemplo notamos que las tres medidas (altura, belleza f sica e inteligencia) son correctas pero una ser a m as apropiada que la otra dependiendo del caso. Para tomar medidas necesitamos de un espacio adecuado donde tomarla, qu e propiedades deben tener los objetos que ser an medidos?. Para responder a esta pregunta analicemos los siguientes dos ejemplos. Ejemplo 1.0.3 (Obras de arte) Un coleccinador necesita saber el n umero de obras de todas las galer as menos las de una galer a en particular digamos la galer a Indigo. El coleccionador podr a ir a cada galer a que le interesa y sumar el total de obras pero esto le tomar a mucho tiempo. Asi que decide ir a la instituci on que tiene registradas la cantidad de obras de arte del Per u para obtener el n umero de estas, luego ir a la galer a Indigo para conseguir la cantidad de sus obras y nalmente restar ambas cantidades. Por lo tanto para alcanzar su cometido necesita: Poder medir n umero de obras de todas las galer as. Poder medir la cantidad de obras de la galer a Indigo. Estas dos caracter sticas unidas con la que identicaremos en el ejemplo siguiente, podremos agruparlas m as adelante para desarrollar una denici on. Ejemplo 1.0.4 (Un partido de f utbol) Un acionado preocupado quiere medir la posibilidad de que su equipo no pierda en el siguiente partido. Sabiendo que la posibilidad de que su equipo gane es 1 y de que empate es tambi en 1 . Para ello raliza la siguiente operaci on. 3 3 P (empate o gane) = P (empate) + P (gane) 1 1 2 = + 3 3 3 6

Para ello el esta admitiendo que puede medir la posibilidad que gane o empate,es decir que la uni on tambi en se pueda medir. Para poder trabajar sin problemas si tenemos que dos conjuntos son medibles (en este caso mediante la probabilidad)la uni on tambi en debe poder ser medida. Para resolver los problemas de los dos u ltimos ejemplos, se deni o la medida en X s olo en una colecci on de subconjuntos de X , cumpliendo ciertas propiedades, el cual llamaron sigma algebra. Denici on 1.1 (a) Una colecci on M de subconjuntos de un conjunto X se dice que es una - algebra en X si M satisface las siguientes propiedades: XM Si A M , entonces Ac M , donde Ac es el complemento de A con respecto a X Si A = M.
n=1

An con An M para n = 1, 2, 3, , entonces A

(b) Si M es una -algebra en X , entonces se dice que X es un espacio medible, y a los elementos de M se les llama conjuntos medibles en X (c) Si X es un espacio medible, Y es un espacio topol ogico y f es una aplicaci on de X en Y , se dice que f es medible si f 1 (V ) es un conjunto medible en X para todo conjunto abierto V en Y . En teor a de probabilidades X toma el nombre de espacio muestral y se representa por adem as los conjuntos medibles son llamados eventos aleatorios. Para el Ejemplo 1.0.3, X={todas las galer as del Per u}, A={todas las galer as c del Per u menos la galer a Indigo}, A ={galer a Indigo}. Entonces M = c {, X, A, A } es una posible - algebra. Para el Ejemplo 1.0.4 denotemos, G={ganar}, P={perder} y E={empatar}, X={ganar, perder, empatar}, P E ={perder,empatar}. De ah que M = {, X, G, P, E, P E, P G, G E } es un posible - algebra.

Si prestamos atenci on a la denici on, notamos que el - algebra en X es cerrada bajo union innita numerable. De aqui surge una pregunta Por qu e no se consider o cerrado s olo bajo uni on nita? En el siguiente ejemplo notaremos la importancia de considerar cerrado bajo uni on innita numerable. Ejemplo 1.0.5 (Dos hermanos un recorrido) Juan y Gabriel son hermanos y estudian en el mismo colegio pero en diferentes horarios. Juan siempre que va a su colegio se encuentra con Gabriel que regresa del colegio a su casa para entregarle la llave de su casa (la casa y el colegio estan en la misma avenida separados por 1km). Se desea calcular la probabilidad que no se encuentren en ninguno de los siguientes lugares: colegio, la casa, n 1 3 km, 4 km, 7 km, . . . , 2 2 y ni a ddistancia de la casa, donde d= 1 n km, . . . 2 8

Identicando X = [0, 1] y el - algebra en X como la colecci on de todos los subconjuntos de X que pueden ser determinadas su longitud, entonces n 1 2n+1 1 cada intervalo In = ( 2 2 a en el - algebra que es cerrado por n , 2n+1 ) est uni on numerable.

1 2 1 1 ) (1 , 3 ) ( 2 2 en Por lo tanto el evento A = (0, 2 n , 2n+1 ) tambi 2 4

n+1

est a en el - algebra y su medida (longitud) es l(A) =

n=0

l(In ) = 1.

De esto la probabilidad que los dos hermanos no se encuentren en los (A) lugares antes mencionados, es P (A) = ll( =1 = 1. X) 1

Observaci on : Obviamente el conjunto potencia de cualquier conjunto X es una - algebra, si tomamos X = R esta tambi en es una - algebra de ahi que el conjunto de Vitali que es un subconjunto de R es un conjunto medible. Pero sabemos 8

que los conjuntos de Vitali son no medibles Lebesgue, por ello el conjunto potencia de R es una pobre - algebra y no podemos denir en ella la medida de Lebesgue. Theorem 1.0.1 Si F es una colecci on de subconjuntos de X, existe una m nima -algebra M en X tal que F M . A veces a M se le llama la - algebra generada por F y es denotada por M = (F ) Ejemplo 1.0.6 (MISTURA) Los organizadores de MISTURA consideran el problema de la evaluacion de un plato de comida peruana,que se presentar a en el evento, siendo el sabor, olor y la apariencia (color, tama no, arreglo del plato, etc.) los factores a considerar. Para aminorar costo los organizadores desean conocer la impotancia del factor apariencia y descartar este si su medida de importancia es mucho menor que de la de los otros factores (en este caso podrian por ejemplo considerar usar platos descartables en lugar de platos de porcelana) si la medida de la importancia de la aparencia en el consumo de un plato de comida).

Por comodidad denotemos : S = sabor; O = olor; A = apariencia. De ah que X = {S, O, A}, adem as el factor que nos interesa analizar es {A.} As el menor - algebra en el que {A} est a en este es (F = {{A}}) = c {, X, {A}, {A} }. Ejemplo 1.0.7 (Llamadas en un commutador) Sea n el n umero de llamadas que entran a un commutador en un minuto, nos interesa evaluar la probabilidad que entren m as de 15 llamadas en un minuto. De ahi que tenemos: Espacio muestral: = {0, 1, 2, 3, } Evento:A = {n > 15} = {16, 17, 18, } y Ac = {0, 1, 2, 3, , 15} Entonces el - algebra generada por A es ({A}) = {, , A, Ac }.

Ejemplo 1.0.8 En el Ejemplo 1.0.5, el - algebra M , generado por la colecci on de todos los intervalos {In }nN{0} , es una sub- - algebra del - algebra de Borel que es el - algebra generado por la colecci on de todos los intervalos abiertos (tambi en por la colecci on de todos los intervalos cerrados, etc.). La siguiente denici on nos dar a una idea m as general de conjuntos de Borel. Sea X un espacio topol ogico.Por el teorema 1, existe una menor - algebra B en X tal que todo conjunto abierto en X pertenece a B . Denici on 1.2 Los elementos de B se llaman conjuntos de Borel de X . Se le llama - algebra de Borel de R y se le denota por B (R) al menor - algebra generado por la colecci on de todos los intervalos abiertos (a, b) de R, con a b, esto es B (R) := ({(b, a) R : a b}). Es posible considerar tambi en el - algebra de Borel restringido a un intervalo de R; si se toma un intervalo I R , el - algebra de Borel generado por I y denotado por B (I ), se dene como B (I ) = I B (R) = {I B : B B (R)}. Denici on 1.3 Si (X, M ) es un espacio medible y A es un subconjunto no vac o de X entonces MA = {A B/B M } es una - algebra en A ( algebra inducido por A) . Si A M , los elementos de MA son M -medibles. Ejemplo 1.0.9 Una barra de 10m de longitud est a colocada horizontalmente sobre dos apoyos lizos en sus extremos y adem as sobre ella a una distancia x se coloca una masa concentrada que varia entre 10kg y 20kg .Se desea analizar el evento de que la reacci on en el apoyo de la derecha sea mayor de 100N. Considerar que la barra se encuentra en equilibrio. Por el equilibrio la suma de las fuerzas sobre la barra debe ser cero, esta es la condicion minima para que podamos analizar el evento pedido. Por ello 10

consideraremos como espacio muestral el conjunto donde la barra esta en equilibrio. Considerando R1 = m odulo de la reacci on en el apoyo derecho, R2 = m odulo de la reacci on en el apoyo izquierdo. Con estas consideraciones tenemos: Espacio muestral: = {(R1 , R2 )/0 R1 200, 0 R2 200, 100 R1 + R2 200} Evento: A = {(R1 , R2 )/100 R1 200, 0 R2 200, 100 R1 + R2 200}. Este conjunto es de Borel ya que A = C D donde C = (, q ]
q Q

(, 200 q ] y D = [100, 200] [0, 200] De este el - algebra de Borel en A, es el conjunto MA =A B (R2 ) = {A B/B B (R2 )}. Denici on 1.4 Se llama medida positiva a una funci on , denida en una - algebra con valores en [0, ] y que es numerablemente aditiva. Esto signica que si {Ai } es una colecci on numerable de elementos de M disjuntos dos a dos, entonces:

(
i=1

Ai ) =
i=1

(Ai ).

Observaci on: Una pregunta valida al denir la - algebra es por que no considerar que es cerrada bajo la uni on no numerable la denici on anterior podemos establecerla de la siguiente manera: (
iJ

Ai ) =
i J

(Ai ).

Donde J es un subconjunto de R. Pero la expresi on de la mano derecha de la ecuaci on anterior no tendr a sentido, por ello no podemos considerar que el - algebra es cerrada bajo la uni on no numerable. Ejemplo 1.0.10 11

Para el Ejemplo 1.0.4 y el Ejemplo 1.0.7 la medida positiva : M [0, ] es denida por (A) = probabilidad del eventoA. Para el Ejemplo 1.0.3, : M [0, ] denida por (A) = n umero de obras de arte del conjunto A formado por galerias de arte del Per u. Tambi en es una medida positiva. En el siguiente ejemplo podremos inducir ciertas propiedades de una medida positiva para luego generalizarlas a cualquier medida positiva. Ejemplo 1.0.11 (Alquiler de una nueva m aquina) Una empresa esta considerando alquilar una nueva m aquina para una etapa en el proceso de manufacturaci on. El alquiler anual es de 4 millones de d olares y tiene que rmar un contrato de varios a nos (si toma una mala decisi on, tendr a que mantener la m aquina por un buen tiempo, aunque esta no le convenga) . El gerente de la empresa esta considerandio rmar el contrato ya que piensa que la m aquina ahorrar a en mano de obra, materia prima y adem as supone que el costo de matenimiento ser a menor que la del proceso existente. Los analizadores de la empresa dan los siguientes valores: Ahorro de mantenimiento : 15 d olares por unidad. Ahorro de mano de obra : 3 d olares por unidad. Ahorro de materia prima : 8 d olares por unidad. Para este ejemplo consideremos, X = {M, O, P } donde M=mantenimiento, O=mano de obra y P=materia prima, y como - algebra en X , M = {, X, {M }, {O}, {P }, {M, O}, {M, P }, {O, P }}. Si denimos : M [0, ] por (A) = ahorro deA, tenemos

(X ) = ({M } {O} {P }) = (M ) + (O) + (P ) (X ) = 15 + 3 + 8 (X ) = 26 12

Ahora, denotando : A1 = {M }, A2 = {O}, A3 = {P }, A4 = A5 = A6 = . . . = .

(
i=1

Ai ) =
i=1

(Ai ).

Tenemos: De manera analoga podremos vericar la propiedad de numerabilidad aditiva de todas las colecciones numerables disjuntas de M . Adicionalmente, si ellos no realizan el alquilar, entonces no ahorrar an nada, esto es () = 0. De manera intuitiva el ahorro del mantenimiento y de la mano de obra (en suma) ser a mayor que el ahorro del mantenimiento. Si A = {M } y B = {M, O} entonces, debido a que ({O}) 0, (A) (B ). Adem as del claculo del ahorro total obtuvimos: (A1 A2 A3 ) = (A1 ) + (A2 ) + (A3 ). Los resultados anteriores se pueden generalizar en el siguiente teorema. Theorem 1.0.2 Sea una medida positiva en una - algebra M .Entonces (a) () = 0 (b) (A1 An ) = (A1 ) + + (An ) donde A1 , , An M son disjuntos dos a dos. (c) A B implica (A) (B ) si A, B M .

13

Cap tulo 2 Integraci on de funciones positivas

((Los Ge ometras del siglo XVII consideraban la integral de f (x) el t ermino integral no se hab a inventado a un, pero esto no tiene ninguna importancia - como la suma de una innidad de indivisibles cada uno de ellos siendo la ordenada, positiva o negativa, de f (x). Y bien, nosotros simplemente hemos agrupado los indivisibles de tama no comparable; hemos hecho, como se dice en algebra, la reuni on, reducci on de los t erminos semejantes. Se puede decir que, con el m etodo de Riemann, se intentaba sumar los indivisibles tom andolos en el orden suministrado por la variaci on de x, se proced a como lo har a un comerciante desorganizado que contara monedas y billetes seg un fueran cayendo estos en sus manos; en cambio nosotros procedemos como el comerciante met odico que dice: Tengo m(E1 ) monedas de 1 corona lo que hace 1 m(E 1), tengo m(E2 ) monedas de 2 coronas lo que hace 2 m(E2 ), tengo m(E3 ) monedas de 5 coronas lo que hace 5 m(E3 ), etc. As tengo en total: S = 1 m(E 1) + 2 m(E 2) + 5 m(E 3) + Ambos procedimientos conducir an al comerciante, sin ninguna duda, al mismo resultado ya que, por muy rico que sea, no hay m as que un n umero nito de monedas que contar; pero para nosotros que tenemos que sumar una innidad de indivisibles, la diferencia

14

entre los dos m etodos es capital.)) ((Sobre el desarrollo de la noci on de integral)) H. Lebesgue, conferencia en Copenhague, 1926. Para denir la integral de Lebesgue debemos denir previamente el conceto de funci on simple. Denici on 2.1 Una funci on simple es un espacio medible X es una funci on compleja denida en X y cuya imagen consta de una cantidad nita de puntos. Entre ellas est an las funciones simples no-negativas, cuya imagen es un subconjunto nito de [0, ). Si 1 , . . . , n son los distintos valores de una funcion simple s y si Ai = {x : s(x) = i }, entonces claramente
n

s=
i=1

i Ai ,

donde Ai es la funci on caracter stica de Ai . Adem as s es medible si y s olo si cada uno de los conjuntos Ai es medible. Denici on 2.2 Si s : X [0, ) es una funci on simple medible, de la forma
n

s=
i=1

i Ai ,

(2.0.1)

donde 1 , . . . , n son los distintos valores de s, y si E M , denimos

n

sd() =
E i=1

i (Ai E ).

(2.0.2)

Si f : X [0, ] es medible, y E M , denimos f d() = sup

E E

sd()

(2.0.3)

donde el supremo se toma sobre todas las funciones simples medibles s tales que 0 s f. El miembro de la izquierda de (1.2.3) se llama la integral de Lebesgue de f sobre E , con respecto a la medida . Es un n umero en [a, ]. 15

En el siguiente ejemplo hallaremos la integral de Lebesgue de una funci on simple y adem as interpretaremos el valor de esta integral, para que quede m as claro veamos inmediatamente el ejemplo. Ejemplo 2.0.12 (Medici on en la moda) La linea de jeans soda tiene la siguiente escala de precios de acuerdo a los modelos: Pantalon urban:$ 169 Pantalon classic:$ 135 Pantalon oto no-invierno:$ 70 El precio del jean soda que tome cualquiera por ejemplo en la tienda ripley solo tendra 3 opciones de valores (una cantidad nita) 169, 135 y 70. De ah que podemos identicar la siguiente funci on simple s : X [0, ) s = 169A1 + 135A2 + 70A3 , donde, X = {jeans soda de ripley Plaza Norte}, A1 = {jeans soda urban}, A2 = {jeans soda classic}, A3 = {jeans soda oto no-invierno} Una se norita va a Ripley de Plaza Lima Norte y elije 20 jeans soda, pero como no ha traido mucho dinero, quiere saber el precio total antes de llegar a la caja, por ello necesita saber la cantidad de los jeans elejidos de cada modelo. Para dicho n podemos considerar la medida de cardinalidad, adem as denotando E = { jeans elejidos}, de ah que los datos anteriores se pueden expresar como (A1 E ), (A2 E ) y (A3 E ) Por lo tanto el precio de los 20 jeans ser a: precio de los 20 jeans = 169(A1 E ) + 135(A2 E ) + 70(A3 E )
3

=
i=1

i (Ai E ) f d().
E

16

Es decir, el precio de los 20 jeans soda elejidos es el valor de la integral de Lebesgue de s sobre E , con respecto a la medida En el ejemplo anterior, el dominio de la funci on que integramos es discreto. En el siguiente ejemplo el dominio es continuo. Ejemplo 2.0.13 (Asesinatos en una isla) Diez personas reciben una invitaci on rmada por una persona que dice haberlos conocido en el pasado en una situaci on que para todos es familiar aunque no recuerdan bien a la persona en cuesti on para pasar unas vacaciones en la Isla del Negro. Esta isla se encuentra en Inglaterra, en la regi on de Devon. La invitaci on es sumamente atractiva ya que se trata de una peque na isla en la que solo existe una hermosa y gran mansi on que fue construida por un millonario norteamericano, qui en luego la vendi o y nadie sabe hoy qui en es el nuevo due no. Todos aceptan gustosos la invitaci on ya que la persona que los invita describe detalladamente el lugar y las circunstancias en que los conoci o. Todos llegan a la isla el d a se nalado. Los invitados son sorprendidos al ser recibidos en el sal on por una voz en o que los acusa uno por uno de haber sido c omplices o culpables directa o indirectamente de la muerte de diversas personas en el pasado. Los invitados niegan las acusaciones y alegan que las muertes fueron accidentales. Cada uno de los invitados ir an siendo asesinados de acuerdo a cada una de las estrofas de una antigua canci on infantil llamada *Diez Negritos*. Es decir, el primer asesinado corresponder aa la primera estrofa y as sucesivamente. Adem as la forma en que es asesinado ser a seg un lo que dice cada estrofa. Diez negritos salieron a cenar; Uno se asxi o y entonces quedaron Nueve. Nueve negritos estuvieron despiertos hasta muy tarde; Uno se qued o dormido y entonces quedaron Ocho. Ocho negritos viajaron por Devon. Uno dijo que se quedar a all y entonces quedaron Siete. Siete negritos cortaron le na; Uno de ellos se cort o en dos mitades y entonces quedaron Seis. Seis negritos jugaron con una colmena; 17

Una abeja pic o a uno de ellos y entonces quedaron Cinco. Cinco negritos hicieron la carrera de Leyes; Uno se hizo magistrado y entonces quedaron Cuatro. Cuatro negritos fueron al mar; Un arenque rojo se trag o a uno y entonces quedaron Tres. Tres negritos se pasearon por el zool ogico; Un gran oso mat o a uno de ellos y entonces quedaron Dos. Dos negritos se sentaron al sol; Uno de ellos se tost o y s olo qued o Uno. Un negrito qued o s olo. Se ahorc o y no qued o... Ninguno!. Aunque en la obra no se establece las horas exactas de las desapariciones de los personajes, del mismo libro podemos inducir las siguientes horas de las muertes aparentes: Antony Marton: 10 pm Se nora Rogers: 8 am Mac Arthur: 12 am Se nor Rogers: 9:40 am Mis Brent: 11:50 am El juez: 6:20 am Amstrong: 0:00 am Bloor: 2:10 pm Philip Lombard: 2:15 pm Vera: 6 pm Los datos anteriores podenos expresarlos matem aticamente, asignando el n umero 0 a la hora en que llegar on a la isla todos los invitados (8 pm) y el n umero 10 a la hora en que encontraron todos los cuerpos asesinados (10

18

dias despu es, a las 8 pm). Con estas consideraciones la cantidad de personas vivas en la isla en cualquier momento durante los diez dias puede ser expresada como la funci on simple, s : X [0, ) denida por s = 10A1 + 9A2 + 8A3 + 7A4 + 6A5 + 5A6 + 4A7 + 3A8 + 2A9 + + 1A10 + 0A11 donde, X=[0,10] ; A1 = [0, 0.084 ; A2 = [0.084, 0.5 ; A3 = [0.5, 1.67 A4 = [1.67, 2.57 ; A5 = [2.57, 3.66 ; A6 = [3.66, 4.431 ; A7 = [4.431, 5.167 A8 = [5.167, 6.757 ; A9 = [6.757, 6.763 ; A10 = [6.763, 6.917 ; A11 = [6.917, 1 Adem as podemos considerar la siguiente medida, : B (R) [0, ] A) denida por (A) = l(10 Podemos demostrar f acilmente que la anterior es una medida positiva. Queremos averiguar el promedio de personas aparentemente vivas en la isla durante los diez dias(pm), teniendo en cuenta adem as i = 11 i donde i {1, 2 . . . , 11} viene dado de la siguiente manera: 10l(A1 ) + 9l(A2 ) + 8l(A3 ) + 7l(A4 ) + 6l(A5 ) + 5l(A6 ) + 4l(A7 ) + 3l(A8 ) + 10 2l(A9 ) + 1l(A10 ) + 10
11

pm =

=
i=1

i (Ai X ) f d()
X

Para este ejemplo la integral de Lebesgue de s sobre E con respecto a la medida se interpreta como el promedio de las personas vivas aparente19

mente durante los diez d as. En este punto es posible que no tenga clara la utilidad de la integral de Lebesgue. Pero con los teoremas que estableceremos luego se vera con m as claridad su importancia y los benecios que nos trae trabajar con ella en lugar de trabajar con la integral de Riemman.Algunos puntos a considerar antes de mostrar los teoremas. No podemos integrar una funci on en el sentido de Riemman si la funci on tiene una cantidad innita de puntos de discontinuidad. Muchos de los teoremas y resultados bajo el sentido de Riemman integrable se realizan sobre conjuntos acotados. Distinci on que no se hace cuando se trabaja con la integral de Lebesgue Para poder intercambiar el limite, l m
n+

fn (x)d(x) =

n+

l m fn (x)d(x),

se requiere trabajar bajo un intervalo cerrado y acotado y que fn converja uniformemente, propiedad que dicilmente podemos encontrar. Theorem 2.0.3 (Teorema de la convergencia mon otoma de Lebesgue)Sea {fn } una sucesi on de funciones medibles en X , y supongamos que (a) 0 f1 (x) f2 (x) para todo x X , (b) fn (x) f (x) cuando n , para todo x X . Entonces f es medible, y f d()
X X

f d() cuando n

. El siguiente ejemplo nos mostrar a como este teorema nose cumple con la integral de Riemman. Ejemplo 2.0.14 (Un hotel com muchas habitaciones) Todas las habitaciones de un hotel est an numeradas mediante nuemros racionales entre [0, 1]. El d a de la aperura del hotel s olo ten a habilitada una habitaci on pero por cada d a que pasava se habilitaba una nueva habitaci on. La din amica del hotel es la siguiente: 20

(i) El cliente elije un n umero en [0, 1] en la recepci on (ii) Si es un n umero racional, se le entrega una llave al cliente. (iii) Si la habitaci on est a ocupada por otro cliente o no est a habilitada. El cliente podra venir el d a que encuentre disponible la habitaci on. Expresemos lo anterior matem aticamente, si el cliente logra obtener una llave le asociaremos el n umero 1 y si este no recibe la llave le asociaremos el n umero 0. Sea {r1 , , rn } donde rn es el n- esimo n umero racional en [0, 1].

El n- esimo d a que el hotel abri o sus puertas puede ser expresado: fn (x) = 1 0 si x {r1 , , rn } en el resto

Notemos que fn son Riemman integrables ya que tiene una cantidad nita de puntos de discontinuidad y adem as 0 f1 (x) f2 (x) . Por otra parte l m fn (x) = f (x), donde
n+

f (x) =

1 0

si x Q [0, 1] si x I [0, 1]

Pero f (x) tiene una cantidad innita de puntos de discontinuidad de ah que f no es Riemman integrable. De este ejemplo vemos que el Teorema de convergencia mon otoma no se cumple en el sentido de Riemman.

21

Bibliograf a
[1] Zhenuyan Wang and George J. Klir, GENERALIZED MEASURE THEORY 2002 M Sugeno, T Murofushi , Pseudo-additive measures and their applications 2000 Prade, H. and Testemale, C., Applications of possibility and necessity measures to documentary information retrieval 1987 Pollard, D., Guide to Measure Theoretic Probability 2002

[2]

[3]

[4]

22