Mostrando entradas con la etiqueta Comentarios. Mostrar todas las entradas
Mostrando entradas con la etiqueta Comentarios. Mostrar todas las entradas

sábado, 10 de octubre de 2026

¿Puede la inteligencia artificial sustituir a los matemáticos?

El título de esta entrada es la pregunta del momento. Con frecuencia, alumnos, amigos o familiares me interpelan tras leer titulares sensacionalistas —e incluso fake news— que anuncian que la inteligencia artificial dejará obsoletos a los matemáticos. Toda esta marejada de fascinación, desinformación e inquietud me ha animado a plasmar aquí mi visión personal sobre el tema.

Sabemos que los ordenadores son aparatos extraordinariamente prácticos. Se han vuelto tan indispensables que resulta difícil imaginar una sociedad moderna sin ellos. Sin embargo, casi nadie recuerda —y los propios informáticos a veces lo olvidan— que fueron inventados en gran medida para ayudar a aclarar una profunda cuestión filosófica sobre los fundamentos de las matemáticas.

Todo comienza a principios del siglo XX cuando David Hilbert propuso formalizar por completo el razonamiento matemático. Su ambicioso plan consistía en crear un lenguaje artificial perfecto, con axiomas claros y reglas de deducción precisas, de modo que cualquier demostración pudiera verificarse de forma mecánica e imparcial. Si se lograba, se podría demostrar de una vez por todas que las matemáticas eran consistentes (nunca se demostraría algo falso) y completas (todo lo verdadero sería demostrable). El formalismo no era solo una herramienta técnica: era un proyecto filosófico destinado a poner la matemática sobre bases inquebrantables.

David Hilbert (1862-1943)
Antes de que ese sueño pudiera materializarse, Bertrand Russell descubrió paradojas profundamente perturbadoras en la lógica misma. La más célebre es la paradoja que lleva su nombre: el conjunto de todos los conjuntos que no se contienen a sí mismos. ¿Se contiene este conjunto a sí mismo? Si lo hace, entonces no lo hace; si no lo hace, entonces lo hace. Es el equivalente lógico del barbero de un pueblo que afeita a todos los hombres que no se afeitan a sí mismos: ¿quién afeita al barbero? Esta paradoja es una versión moderna de la antigua paradoja del mentiroso (“esta frase es falsa”), conocida ya por los griegos. Russell mostró que razonamientos que parecen impecables pueden conducir a contradicciones irresolubles. La crisis era grave: si la lógica misma contenía paradojas, ¿cómo se podía confiar en las matemáticas?

Hilbert respondió con formalismo. Si el lenguaje cotidiano es ambiguo, hay que construir un lenguaje artificial estricto donde las contradicciones no puedan aparecer. Su propuesta se inspiraba en una larga tradición que venía de Leibniz, Boole, Frege y Peano, pero Hilbert quería llevarla hasta el final: formalizar la totalidad de las matemáticas. El formalismo, aunque fracasó como proyecto filosófico para el razonamiento matemático, terminó siendo uno de los grandes regalos del siglo XX… no para la deducción, sino para la programación y la computación.

Kurt Gödel (1906-1978)
En 1931, Kurt Gödel dinamitó el plan de Hilbert. Demostró que incluso limitándose a la aritmética más elemental (los números naturales, la suma y la multiplicación), cualquier sistema formal suficientemente potente es incompleto o inconsistente. Si el sistema solo dice la verdad, entonces no puede decir toda la verdad. Habrá enunciados verdaderos que no podrán demostrarse a partir de los axiomas.

La prueba de Gödel es ingeniosa y profundamente paradójica. Partiendo de la paradoja del mentiroso, construyó una afirmación matemática que, en esencia, dice de sí misma: “Yo no soy demostrable”. Si el sistema pudiera demostrar esa afirmación, estaría demostrando algo falso. Si no puede demostrarla, entonces es verdadera… y el sistema es incompleto. Gödel logró expresar esta autorreferencia dentro de la aritmética mediante una codificación numérica ingeniosa. Curiosamente, al mirar su artículo original con ojos actuales, se observa algo que se parece mucho a la programación en LISP: una gran cantidad de definiciones recursivas de funciones que operan sobre listas. Aunque en 1931 no existían los ordenadores ni los lenguajes de programación, el núcleo del argumento de Gödel ya contenía las semillas de la computación.

Alan Turing (1912-1954)
Cinco años después, en 1936, Alan Turing dio el siguiente paso decisivo. Hilbert había hablado de un “procedimiento mecánico” para verificar demostraciones, pero nunca lo había definido con precisión. Turing lo hizo: inventó la máquina de Turing, un dispositivo abstracto capaz de realizar, casilla a casilla, operaciones sobre una cinta infinitamente larga. Esta construcción mental es el modelo teórico de todos los ordenadores actuales. Turing afirmó que una máquina de este tipo debería ser capaz de efectuar cualquier cómputo que un ser humano pudiera llevar a cabo siguiendo reglas precisas.

Pero entonces se preguntó qué no podría hacer esa máquina. Su respuesta fue el famoso problema de la detención (halting problem): no existe un algoritmo general que, dado un programa cualquiera, decida de antemano si ese programa terminará alguna vez o se quedará girando en un bucle infinito. La demostración es, otra vez, una paradoja. Se construye un programa que se detiene si y solo si no se detiene. El corolario es demoledor: si no se puede decidir por cálculo si un programa se detiene, tampoco se puede decidir por razonamiento formal. Ningún sistema axiomático puede ser completo, porque si lo fuera, proporcionaría un método mecánico para resolver el problema de la detención… y eso es imposible.

Después de la Segunda Guerra Mundial, estas profundas cuestiones filosóficas quedaron un tanto olvidadas. Fue entonces cuando Gregory Chaitin, todavía casi un adolescente, leyó sobre Gödel y Turing y empezó a sospechar algo más radical. Si en la física cuántica el azar es intrínseco e impredecible, ¿no podría haber también aleatoriedad en las matemáticas puras?

Andrey N. Kolmogorov (1903-1987)

A mediados de los años sesenta, de forma independiente, Chaitin y A. N. Kolmogorov desarrollaron lo que hoy se conoce como teoría algorítmica de la información. La idea fundamental es sencilla y poderosa: medir la complejidad de un objeto por el tamaño del programa más corto capaz de generarlo. Un objeto es aleatorio si no se puede comprimir: el programa más breve que lo describe es tan largo como el propio objeto. Esta noción conecta directamente con la entropía de Boltzmann en física: el desorden de un gas requiere una descripción enorme, mientras que un cristal ordenado se describe con poco. También enlaza con la filosofía de la ciencia y la navaja de Occam: 

Ante varias explicaciones posibles de un mismo fenómeno, la más sencilla suele ser la preferible.

 Es decir, la mejor teoría es el programa más corto que predice las observaciones. Si no existe un programa más corto que los datos mismos, entonces los datos son aleatorios e incomprensibles; no hay teoría útil.

En matemáticas, los conjuntos de axiomas que usamos son necesariamente concisos (si no lo fueran, nadie creería en ellos). Pero el universo de verdades matemáticas es infinito. Por tanto, cualquier sistema de axiomas solo puede capturar una fracción minúscula de esa información. La incompletitud de Gödel no es un misterio técnico o una curiosidad paradójica: es natural e inevitable. Existen verdades matemáticas que son, en cierto sentido, aleatorias: no se pueden demostrar a partir de axiomas razonables porque contienen más información de la que esos axiomas poseen.

A pesar de estos límites fundamentales, los matemáticos siguen avanzando de forma espectacular. Los resultados de Gödel, Turing, Kolmogorov y Chaitin podrían generar pesimismo, pero en la práctica no lo hacen: a pesar de la incompletitud y la aleatoriedad, la matemática sigue siendo fértil y productiva.

¿Puede la inteligencia artificial sustituir a los matemáticos?

Gregory Chaitin (1947-)
Los mismos resultados que hemos recorrido —la incompletitud de Gödel, la indecidibilidad de Turing y la aleatoriedad algorítmica de Kolmogorov y Chaitin— tienen consecuencias directas para la inteligencia artificial. Cualquier IA, por avanzada que sea, opera como un sistema computable: manipula símbolos según reglas precisas. Por tanto, hereda los mismos límites: no puede ser completa respecto a las matemáticas, no puede decidir en general si un programa arbitrario terminará, y no puede “descubrir” ni demostrar aquellas verdades que son esencialmente incompresibles. Esto no impide que la IA se convierta en un colaborador extraordinario. Ya lo está haciendo: verifica demostraciones, explora vastos espacios de conjeturas, formaliza razonamientos y acelera cálculos que antes eran prohibitivos. Los matemáticos que sepan utilizarla bien serán mucho más productivos, y ciertas tareas rutinarias o de búsqueda exhaustiva se automatizarán. 

La inteligencia artificial avanzada ya está transformando la práctica de las matemáticas y seguirá haciéndolo de manera cada vez más intensa. Puede ayudar a verificar demostraciones, explorar grandes espacios de conjeturas, encontrar patrones, formalizar razonamientos y acelerar cálculos que antes eran prohibitivos. Herramientas como los asistentes de demostración y los modelos de lenguaje especializados ya actúan como colaboradores muy potentes. En ese sentido, la IA puede amplificar enormemente el trabajo de los matemáticos y, en algunos dominios estrechos y bien formalizados, incluso automatizar partes importantes. Sin embargo, sustituir a los matemáticos es otra cosa. Desde mi punto de vista, hay razones tanto prácticas como fundamentales que lo hacen improbable, como por ejemplo: 

  1. Límites teóricos profundos.   Los resultados  que hemos estado discutiendo anteriormente, establecen fronteras inviolables para cualquier sistema formal o computable:
    • Ningún sistema axiomático suficientemente potente puede ser a la vez completo y consistente. Siempre habrá verdades matemáticas que el sistema no podrá demostrar.
    •  El problema de la detención es indecible: no existe un algoritmo general que determine si un programa arbitrario termina.
    •  Según la teoría algorítmica de la información, existen verdades matemáticas que son esencialmente aleatorias e incompresibles: contienen más información de la que cualquier conjunto finito de axiomas (o de datos de entrenamiento) puede capturar.

     Una IA, por avanzada que sea, sigue siendo un sistema computable. Opera dentro de esas limitaciones. No puede “saltar” fuera de ellas.

  2. La naturaleza creativa e informal de la matemática real. La matemática que hacen los seres humanos no consiste solo en derivar teoremas a partir de axiomas, ella incluyen: 
    • Elegir qué problemas merecen la pena.
    • Inventar definiciones nuevas y fructíferas.
    • Detectar analogías profundas entre áreas aparentemente lejanas.
    • Juzgar la elegancia, la profundidad o el interés de un resultado.
    • Cambiar de paradigma cuando el marco actual se vuelve estéril.

    Estas actividades dependen de intuición, gusto estético, experiencia histórica y, a menudo, de una forma de “comprensión” que no se reduce a la manipulación mecánica de símbolos. Hasta ahora no hay evidencia de que los sistemas de IA actuales (ni los que se vislumbran a medio plazo) posean esa capacidad de forma autónoma y general.

  3. El papel de la verificación y la confianza. Incluso cuando una IA produce una demostración correcta, los matemáticos humanos siguen siendo necesarios para:
    • Comprender por qué es correcta.
    • Evaluar su significado.
    • Integrarla en el cuerpo más amplio del conocimiento.
    • Detectar posibles errores conceptuales o supuestos ocultos.

    La confianza en un resultado matemático no se reduce a “el ordenador dice que es verdad”,  requiere comprensión humana.

La IA avanzada no va a sustituir a los matemáticos de la misma manera que las calculadoras no sustituyeron a los físicos o los ingenieros. Lo más probable es que se produzca una simbiosis: los matemáticos que sepan usar bien la IA serán mucho más productivos, y algunos tipos de trabajo rutinario o de búsqueda exhaustiva desaparecerán o se automatizarán. Pero la actividad de hacer matemáticas —crear conceptos, plantear las preguntas profundas y dar sentido a los resultados— seguirá siendo, durante mucho tiempo, una empresa humana (o al menos una empresa en la que la inteligencia humana siga siendo indispensable).

En resumen: la IA puede ser un colaborador extraordinario y, en algunos aspectos, superior. Pero no puede ocupar el lugar del matemático, precisamente porque las matemáticas no son solo un juego formal computable. Contienen elementos de incompletitud, aleatoriedad y creatividad que, según todo lo que sabemos, escapan a cualquier sistema puramente algorítmico.


Lectura recomendada: 


viernes, 20 de febrero de 2026

Donald en el País de las Matemáticas (1959)

Donald en el País de las Matemáticas (1959) representa uno de los hitos más logrados de la animación educativa del siglo XX. A través de una narrativa audaz y una estética vanguardista, el cortometraje logra desmitificar la complejidad de las ciencias exactas, presentándolas no como un conjunto de reglas abstractas, sino como la estructura subyacente de la realidad. La obra transita desde la armonía musical pitagórica hasta las proporciones geométricas presentes en la naturaleza y el arte, consolidándose como una herramienta pedagógica que, décadas después, conserva su vigencia y capacidad de asombro. Se estima que es uno de los materiales audiovisuales más reproducidos en las aulas de matemáticas a nivel global.

El título original en inglés es Donald in Mathmagic Land, un cortometraje educativo de 27 minutos protagonizado por el Pato Donald y estrenado el 26 de junio de 1959; en Hispanoamérica se conoce como Donald en la tierra de las matemáticas (o matemágicas) y en España como Donald en el país de las matemágicas. 

Antología de Divulgación Científica de Walt Disney (1955-1961)

A mediados de los años 50 del siglo XX, en plena Guerra Fría y tras el lanzamiento del Sputnik, Walt Disney sintió la necesidad de utilizar su plataforma para fomentar la educación científica. La siguiente lista de cortos animados,  representa el esfuerzo del estudio por explicar el funcionamiento del mundo moderno y el futuro de la humanidad a través de una animación estilizada y rigurosa.

  • Man in Space (1955): Es el pilar de la divulgación espacial de Disney. Este mediometraje combina la historia de los cohetes con la física necesaria para alcanzar la órbita terrestre. Destaca por su realismo al explicar los efectos de la ingravidez en el cuerpo humano y el diseño de naves espaciales, anticipándose años a la carrera espacial real.
  • Our Friend the Atom (1957): Funciona como el equivalente en física a lo que Donald es en matemáticas. Utiliza la metáfora del "genio en la botella" para explicar la estructura del átomo y cómo la energía nuclear puede ser controlada para fines pacíficos y científicos.
  • Donald in Mathmagic Land (1959): Se sitúa en el centro de esta lista como la exploración de la ciencia pura. Mientras que Man in Space se enfoca en la ingeniería y la física aplicada, Donald explora el lenguaje universal (las matemáticas) que hace posible tanto la música como el viaje a las estrellas.
  • Donald and the Wheel (1961): Complementa a los anteriores al centrarse en la historia de la tecnología. Explica cómo un descubrimiento físico simple (la rueda) actúa como el motor del progreso humano, desde las carretas antiguas hasta la mecánica de los satélites mencionados en Man in Space.

 Sobre sus proyectos educativos Disney expresó:

:"La película es solo el comienzo; el verdadero viaje ocurre en la mente del que se atreve a preguntar '¿por qué?'"

Donald in Mathmagic Land (1959)

   Con el corto, Disney quería demostrar que las matemáticas no eran una tortura académica, sino un lenguaje vivo presente en el arte y el juego.  Buscaba que los conceptos fueran visualmente impactantes para que el espectador no sintiera que estaba en una "clase", sino en una aventura.

La elección de Donald no fue casual. Mickey Mouse era demasiado perfecto y el contrapunto perfecto era Donald, que  representaba al ciudadano común, impaciente, perezoso y escéptico. Walt sabía que si Donald podía aprender a amar las matemáticas, cualquier niño en la audiencia sentiría que también podía hacerlo. Donald personificaba la resistencia del público general hacia el esfuerzo intelectual. 

Los detalles técnicos y colaboraciones clave que definieron la producción de esta obra maestra de la animación educativa, son los  siguientes:

Director:
Hamilton Luske, veterano de Disney. Su principal reto fue amalgamar la animación de personajes tradicionales con fondos abstractos de corte modernista.

Director de Arte:
Stan Jolley, nominado al Oscar por este filme. Fue el artífice de los "bosques de números". El uso de fondos oscuros y líneas simplificadas buscaba resaltar las formas geométricas puras sobre el decorado.

Colaboración con Expertos:
Se contó con la asesoría del Dr. Heinz Haber, físico y divulgador científico, para garantizar la precisión de la Proporción Áurea y la Escala Pitagórica. Además, se consultó a matemáticos, musicólogos y jugadores profesionales de billar.

Guion:
Milt Banta y Bill Berg, responsables de integrar el humor característico de Donald en conceptos teóricos complejos.

Voces:
Paul Frees interpretó al "Espíritu de las Matemáticas" con una entonación culta y sarcástica, contrastando con la frustración de Clarence Nash (voz original de Donald). Esta figura funciona como la autoridad pedagógica del relato

La técnica de animación sobre imagen real fue fundamental para la secuencia del billar. La necesidad de precisión técnica en el segmento del billar obligó al estudio a desarrollar técnicas de filmación en vivo de alta velocidad para luego calcarlas, garantizando que los ángulos de rebote fueran físicamente reales. La secuencia del billar fue rotoscopiada de jugadores profesionales reales para asegurar que las trayectorias fueran 100% correctas.

 Donald en el País de las Matemáticas (1959) versión restaurado en HD 

Sinopsis del viaje de Donald 

 La trama se divide en actos lógicos que llevan a Donald de la ignorancia a la iluminación:

  1. El Bosque de la Confusión: Donald entra en Mathmagic Land con un rifle, viendo los números como algo extraño y sin valor.
  2. La Grecia de Pitágoras: Donald viaja al pasado para descubrir que la música nace de las matemáticas (fracciones de cuerdas). Se une a una sesión musical con los Pitagóricos.
  3. La Proporción Divina: El Espíritu le muestra el Rectángulo de Oro y cómo el número 1.618 rige la arquitectura (Partenón), el arte (Mona Lisa) y la naturaleza (conchas, flores, estrellas de mar).
  4. El Juego de la Vida: Se explora el Ajedrez como estrategia pura y el Billar Francés. En esta última parte, se enseña el sistema de "diamantes" de la mesa de billar mediante geometría de ángulos de rebote.
  5. El Infinito: El filme concluye con Donald abriendo las puertas de su propia mente, comprendiendo que las matemáticas son la llave para los descubrimientos futuros.

 El cómic homónimo como refuerzo educativo


La circunstancia comercial del momento dictaba que cada estreno importante debía tener una contraparte impresa. Sin embargo, en el caso de Mathmagic Land, el cómic de Dell Giant #26 se originó por la necesidad de fijar los conocimientos. 

Mientras la película pasaba por los temas a gran velocidad, el cómic se diseñó para que los maestros pudieran usarlo en el aula, permitiendo a los niños trazar el pentagrama pitagórico con lápiz y papel, algo imposible de hacer frente a una pantalla de cine.

 

Aunque el cómic se lanzó para apoyar el filme, existen diferencias sustanciales debido a la naturaleza de cada medio:

Aspecto Filme Cómic 
La Música Experiencia auditiva. Se explican las octavas mediante sonidos reales. Explicación teórica. Se usan diagramas de fracciones para representar la armonía.
Donald Más temperamental. Su frustración es física y visual (se encoge, explota). Más curioso y proactivo. Actúa casi como un reportero que toma notas.
Contenido Foco en la fluidez visual: Billar, Naturaleza y el Futuro. Incluye secciones adicionales como la Historia de los Números (Egipto, Roma, Mayas).
El Espíritu Una voz incorpórea que manipula el entorno mágicamente. Aparece visualmente como una figura etérea o a través de globos de texto narrativos.
Estética Estilo "Moderno" de los 50: Fondos oscuros, minimalismo y formas puras. Estilo "Clásico": Dibujo detallado de Tony Strobl con fondos tradicionales de Patolandia.

 Donald en el País de las Matemáticas se consolida como una obra maestra de la divulgación científica gracias a su capacidad de sintetizar conceptos abstractos, como la proporción áurea y la escala pitagórica, mediante una narrativa visual impecable y rigurosa. El mayor mérito del cortometraje reside en su dirección artística de vanguardia y en una integración técnica pionera de animación sobre imagen real, logrando que el espectador perciba las matemáticas no como una disciplina árida, sino como el código fundamental de la naturaleza y el arte. Por su vigencia conceptual y su eficacia didáctica, esta pieza es una recomendación esencial para fomentar el pensamiento analítico y la curiosidad intelectual en audiencias de todas las edades. 

 

 

miércoles, 11 de febrero de 2026

Cómo escribir matemáticas

Escribir bien en matemáticas es una exigencia directa de su naturaleza lógica y deductiva, ya que en esta ciencia el lenguaje es el vehículo del rigor. La precisión en la redacción no es un adorno, sino la garantía de que el razonamiento sea válido; un error sintáctico o una ambigüedad formal invalidan la abstracción. Esta claridad debe sostenerse sobre una estructura jerárquica impecable, donde cada definición y teorema se encadene con el anterior de forma necesaria. Solo mediante la unión de un léxico exacto y una organización coherente se logra revelar la arquitectura interna del conocimiento, permitiendo que la verdad matemática sea verificable, universal y comprensible.

 Para dominar este arte, es fundamental consultar fuentes que definen los estándares de la comunidad científica. En tal sentido recomiendo las siguientes fuentes bibliográficas. En el momento de escribir esta comunicación se pueden descargar pinchando en la imagen correspondiente a cada libro.

 


"Cómo escribir matemáticas"
de Steenrod, Halmos, Schiffer y Dieudonné: Un clásico que ofrece perspectivas profundas sobre la estética y la cortesía hacia el lector en la exposición técnica. Esta es la versión en español del original. 

 

 

 


 "Mathematical Writing"
de Donald E. Knuth, Tracy Larrabee y Paul M. Roberts: Basado en un curso de Stanford, es la guía definitiva para entender cómo transformar ideas abstractas en textos técnicos elegantes y legibles. Texto en inglés.

 

 

 


"Manual de estilo de las publicaciones de la American Mathematical Society (AMS)":
El recurso esencial para estandarizar la estructura, la notación y el formato en el ámbito profesional académico. Texto en inglés. 

 

 


"Writing Mathematical Papers in English"
de Jerzy Trzeciak, una herramienta pragmática que proporciona el léxico y las estructuras funcionales necesarias para que el discurso matemático fluya con naturalidad y precisiónal escribir en inglés.  Texto en inglés. 

 

 

 



Escritura matemática con LaTeX2e

 

"Edición de textos científicos con LaTeX. Composición, gráficos, diseño editorial y presentaciones beamer" de Walter Mora y Alexander Borbón es considerada una de las referencias más completas y didácticas en español para el dominio de LaTeX en el ámbito académico y profesional. El libro destaca por su enfoque integral: no se limita a la sintaxis básica de composición de textos, sino que profundiza en la creación de gráficos de alta calidad mediante PGF/TikZ, el diseño editorial avanzado para libros y la elaboración de presentaciones dinámicas con la clase Beamer. Texto en español.

 

 

 


Lectura recomendada:


domingo, 3 de julio de 2011

Claroline una plataforma de gestion del aprendizaje

Claroline (CLAss ROom on LINE)  es un  sistema de gestión de aprendizaje (LMS), originalmente desarrollado en el IPM (Institut de Pédagogie universitaire et des multimedias de la  Universidad Católica de Louvain, Bélgica), actualmente es fruto de la colaboración entre varias instituciones y desarrolladores de distintas partes del mundo.

 Plataforma de aprendizaje y trabajo virtual (eLearning y eWorking) de licencia GNU/GPL, multiplataforma,  que permite a los profesores confeccionar cursos online y gestionar las actividades de aprendizaje y colaboración en la web. Traducido a 35 idiomas, Claroline tiene una gran comunidad de  usuarios en cientos de organizaciones de más de 90 países diferentes.

 La plataforma es adaptable y ofrece un entorno de trabajo flexible y ajustable. Proporciona una lista amplia de herramientas que permiten:

  •     Escribir la descripción de un curso.
  •     Publicar documentos en  formato texto, PDF, HTML, video, etc.
  •     Administrar foros  públicos o privados.
  •     Desarrollar caminos de aprendizaje.
  •     Creación de grupos de estudiantes.
  •     Preparar ejercicios online.
  •     Administrar una agenda con tareas y fechas límites.
  •     Publicar anuncios (también por e-mail).
  •     Proponer tareas manejadas a través de la red.
  •     Ver las estadísticas de la actividad de los usuarios.
  •     Usar la herramienta wiki para escribir documentos en colaboración.

He utilizado este software en la docencia, durante casi toda la última década, en distintas universidades y plataformas. Al compararlo con otras alternativas que he utilizado, como Moodle o Dokeos, creo que está mejor adaptado a la gestión del aprendizaje, de uso  intuitivo, ágil y muy estable.

lunes, 6 de junio de 2011

Larga vida al EIBPOA


Del 1 al 3 de Junio de 2011, se celebró el Primer Encuentro Iberoamericano de Polinomios Ortogonales y Aplicaciones en la Universidad Nacional de Colombia (sede Bogotá). Organizado por un grupo de jóvenes doctores egresado del Programa de Doctorado en Ingeniería Matemática de la Universidad Carlos III de Madrid, entre los que destacan Herbert Dueñas, Luis Garza y Edmundo Huertas. La página del encuentro contiene enlaces a los documentos de los cursos y las charlas.
Agradezco profundamente a los organizadores la invitación a impartir uno de los cursos y poder constatar como la semilla sembrada en nuestro programa de doctorado ha geminado y se propaga por América. Asistieron varias decenas de jóvenes y otros tan solo un infinitésimo menos jóvenes, que mostraron gran interés en la temática y motivación para trabajar en ella.
Mis mejores deseos a los organizadores en su empeño crear un grupo de trabajo y un foro regional, que permita la interacción e intercambio de ideas entre investigadores, académicos y estudiantes que desarrollen su trabajo en el área de Polinomios Ortogonales. Tengo la grata impresión de haber asistido al nacimiento de una iniciativa que perdurará en el tiempo, larga vida a los Encuentros Iberoamericanos de Polinomios Ortogonales y Aplicaciones.

jueves, 19 de mayo de 2011

Surveys in Approximation Theory

Surveys in Approximation Theory (SAT), es una publicación periódica (desde 2005) de artículos gratuitos en formato electrónico sobre teoría de aproximación y áreas afines. Los surveys está dirigidos en particular a graduados en matemáticas y en general al personal interesado en la temática. Los surveys están  escritos por especialistas de reconocido prestigio, en un lenguaje accesible y orientados a introducir al lector en esta área, ofreciendo un estado del arte actualizado.

martes, 10 de mayo de 2011

Mecanismos de Tchebyshev

A mediados del siglo XIX, Chebyshev realizó un recorrido por varias factorías de construcción de maquinaria en distintos países de europa, interesándose especialmente por  las máquinas de vapor construidas por  James Watt. Dedicó mucha atención al perfeccionamiento del mecanismo, llamado paralelogramo de Watt, que convierte el movimiento circular en rectilíneo. Este mecanismo, fundamental en las máquinas de vapor, resultaba tan imperfecto que la varilla del pistón realizaba un recorrido curvilíneo en vez del rectilíneo deseado,  dando lugar a muchas fricciones que estropeaban las máquinas.  Chebyshev, mediante el desarrollo de los fundamentos de la teoría de polinomios ortogonales y la aproximación de funciones,  resuelve el paralelogramo de Watt y crea  fórmulas generales que permiten la resolución de diversos tipos de mecanismos y problemas.  Fue el creador de  más de 40 mecanismos y máquinas que asombraron a sus contemporáneos por su ingenio.   Además, realizó alrededor  de 80 modificaciones de los mismos.

El sitio Mechanisms by Tchebyshev está dedicado a conservar la memoria de todos aquellos ingenios mecánicos, que Tchebyshev ideó, mediante excelentes animaciones por ordenador, fotografías de sus implementaciones reales y grabados de la época.

lunes, 2 de mayo de 2011

Trilogía en Polinomios Ortogonales

Los tres libros que aparecen a continuación, realizados bajo en auspicio de la Escuela Venezolana de Matemáticas (EVM), constituyen una unidad temática sobre aspectos básicos y tendencias actuales en  la teoría de polinomios ortogonales, extensiones y aplicaciones. En ellos el lector encontrará los fundamentos de una de las áreas de la matemática aplicada más activas en las últimas décadas.
  1. Polinomios Ortogonales.  Guillemo López Lagomasino y Héctor Pijeira Cabrera, IVIC-EVM, Caracas, 2001.
  2. Ortogonalidad y Cuadraturas sobre la Circunferencia Unidad.  Pablo González Vera y  Leyla Daruis Luis, IVIC-EVM, Caracas, 2005. 
  3. Polinomios Ortogonales no Estándar. Propiedades Algebraicas y Analíticas.  Francisco Marcellán Español y Yamilet Quintana, IVIC-EVM, Caracas, 2009.

Bibliografía OnLine sobre LaTeX

La  cantidad abrumadora de infromación en formato digital, que disponemos hoy en día, en ocaciones nos dificulta encontrar lo más adecuado a nuestro interés. Sobre la documentación en castellano para la composición de textos científicos con LaTeX  recomiendo utilizar, por usuarios de nivel básico o intermedio, los siguientes documentos:
  1. La introducción no-tan-corta a LaTeX2e. Excelente manual de cabecera para LaTeX. Traducción de Carlos Carleos del The Not So Short Introduction to LaTeX2e, de Tobias Oetiker, Hubert Partl, Irene Hyna y Elisabeth Schlegl, apoyado en el Una descripción de LaTeX2e de Tomás Bautista. Es un documento de referencia libre en español para trabajar con LaTeX.
  2. Edición de textos científicos LaTeX. Composición, Diseño Editorial, Gráficos, Inkscape, Tikz y Presentaciones Beamer. Texto de  Alexander Borbón  y Walter Mora. Manual actualizado sobre  aspectos básicos e intermedios de la  composición tipográfica LaTeX. Se desarrollan tópicos que tienen que ver con paquetes especiales. Los temas que se han incluido son los tópicos más frecuentes en la edición de libros y artículos sobre matemáticas.
  3. The Comprehensive LaTeX Symbol List. La lista completa de símbolos en  LaTeX. Contiene  más de 5.900 comandos para los símbolos comúnmente disponibles en LaTeX. Algunos de estos símbolos están  disponible en todas las distribuciones de LaTeX, mientras que otros  requieren de los paquetes específicos que menciona el documento. Es un documento imprescindible para la composición de textos con LaTeX, disponible en inglés.

sábado, 23 de abril de 2011

The PracTeX Journal (TPJ)

The PracTeX Journal (TPJ) es una publicación electrónica periódica  patrocinada por el TeX Users Group (TUG), que se dedicada al intercambio de experiencias prácticas en el uso de TeX, LaTeX y otros sistemas derivados.  Se considera un complemento de la publicación impresa TUGboat del TUG. Actualmente ha perdido regularidad en su publicación, no obstante algunos de sus artículos continúan siendo una buena referencia para la realización de presentaciones, posters, tesis, memorias, etc. A continuación aparece una lista de artículos publicados en  el TPJ, que considero de gran ayuda:

Destacado.
  1. The MathTimeProfessional Fonts Or, How I Wasted the Last Twenty Years of my Life,  Mike Spivak.
  2. A Survey of Free Math Fonts for TeX and LaTeX, Stephen Hartke.
Escribiendo
  1. Writing posters in LaTeX, Tomas Morales de Luna.
  2. Using LaTeX for writing a thesis, Vishal Kumar.
  3. Writing a thesis with LaTeX, Lapo Mori.
  4. Writing the curriculum vitæ with LaTeX, Lapo Mori and Maurizio Himmelmann.
  5. Beamer by Example, Andrew Mertz and William Slough.
  6. Scientific Presentations with LaTeX, Marius Hofert and Markus Kohm.
  7. Writing your dissertation using LaTeX, Keith Jones. 
  8. A new package for conference proceedings, Vincent Verfaille. 
Gráficos
  1. Strategies for including graphics in LaTeX documents, Klaus Hoeppner.
  2. Graphics in LaTeX, Claudio Beccari.
  3. Graphics with PGF and TikZ, Andrew Mertz and William Slough.
  4. Useful Vector Graphic Tools for LaTeX Users, Tomas Morales de Luna.
Referencias.
  1. Managing Citations and Your Bibliography with BibTeX, Jürgen Fenn. 
  2. LaTeX and the different bibliography styles, Federico Garcia.