4 de noviembre de 2026

Aritmética modular y teoría de números: La columna vertebral del cifrado moderno

 


"No hay rama de la matemática, por abstracta que sea, que no pueda un día aplicarse a los fenómenos del mundo real." Nikolái Lobachevski (Rusia 1792 - 1856)

Desde que el ser humano aprendió a plasmar sus pensamientos por escrito, nació de inmediato un dilema paralelo: la necesidad imperiosa de comunicar mensajes a través de territorios hostiles sin que ojos indeseados puedan descifrar su contenido. La criptografía, del griego kryptós (oculto) y graphía (escritura), comenzó como un rudimentario arte militar y diplomático basado en trucos mecánicos, transposiciones y sustituciones de letras.

Sin embargo, lo que durante milenios fue un juego de espías y generales ha sufrido una metamorfosis radical. Hoy en día, la seguridad de las transacciones bancarias, el secreto de nuestras conversaciones digitales y la infraestructura de internet entera no dependen de la astucia humana individual, sino de una disciplina milenaria y abstracta: las matemáticas puras, y en particular, la teoría de números.

En este recorrido didáctico, profundizaremos en cómo conceptos abstractos de la matemática, desde los restos de divisiones hasta los números primos y la aritmética circular, se convirtieron en el escudo invisible de la era digital.

Durante la antigüedad y el Renacimiento, los métodos de cifrado eran simples y simétricos: el emisor y el receptor utilizaban el mismo método (o clave) para cifrar y descifrar. El ejemplo más célebre es el Cifrado de César, utilizado por Julio César (general romano 100 – 44 a.C) para comunicarse con sus comandantes militares. Este método consistía en desplazar cada letra del alfabeto un número fijo de posiciones (por ejemplo, tres lugares: la A se convierte en D, la B en E, etc.).

Matemáticamente, si asociamos cada letra del alfabeto (por lo general el alfabeto inglés de 26 letras) a un número entero del 0 al 25 ($A=0, B=1, \dots, Z=25$), el cifrado de César se puede expresar mediante una función lineal elemental:

$$E(x) = (x + k) \pmod{26}$$

Donde $x$ es el valor numérico de la letra original y $k$ es la clave secreta de desplazamiento. En el caso concreto visto antes: A se convierte en D, B en E, etc la constante $k=3$.

Durante siglos, estos métodos parecieron impenetrables para los legos. Sin embargo, en el siglo IX, el brillante polímata y matemático árabe Abu Yusuf Ya'qub ibn Is-haq al-Kindi, conocido simplemente como Al-Kindi (actual Irak 801 -870), revolucionó la historia al escribir el primer tratado sobre el descifrado de mensajes cifrados.

Al-Kindi se dio cuenta de que los idiomas tienen propiedades estadísticas fijas: en cualquier idioma, ciertas letras aparecen con mucha más frecuencia que otras (por ejemplo, en español, la vocal E o la A dominan los textos con claridad). Mediante lo que hoy conocemos como análisis de frecuencia, Al-Kindi demostró que las matemáticas y la estadística podían romper cualquier cifrado clásico de sustitución sin necesidad de conocer la clave, simplemente contando la repetición de los símbolos. Este fue el nacimiento formal del criptoanálisis: la ciencia de romper códigos.

A medida que la criptografía clásica sucumbía ante el análisis estadístico, los matemáticos comenzaron a explorar las propiedades más profundas de los números enteros, sin imaginar que estaban diseñando los cimientos de la seguridad informática del futuro.

En el siglo XVII, el jurista francés y matemático aficionado Pierre de Fermat (Francia 1601 - 1665) dedicó horas a estudiar las propiedades de los números enteros, especialmente la divisibilidad y los números primos. Entre sus múltiples descubrimientos destaca el conocido como el Pequeño Teorema de Fermat, que establece que si $p$ es un número primo y $a$ es un número entero que no es divisible por $p$, entonces al elevar $a$ a la potencia $p-1$, el resultado menos 1 siempre será divisible por $p$. En términos prácticos de aritmética modular, esto significa que:

$$a^{p-1} \equiv 1 \pmod{p}$$

Para Fermat, este teorema era un elegante juego intelectual sobre las propiedades de los restos numéricos. Sin embargo, siglos más tarde, esta propiedad matemática se convertiría en la llave maestra para comprobar la primalidad de números gigantescos y simplificar operaciones aritméticas complejas en fracciones de segundo dentro de los procesadores actuales.

Un siglo después de Fermat, el genio suizo de las matemáticas Leonhard Euler (Suiza 1707 -1783) profundizó en la teoría de números, expandiendo las intuiciones de su predecesor hasta alcanzar un nivel de generalización sin precedentes.

Euler introdujo una herramienta conceptual fundamental: la función fi de Euler, denotada como $\varphi(n)$. Esta función cuenta cuántos números enteros positivos menores que $n$ son coprimos con él (es decir, su máximo común divisor es 1, lo que significa que no comparten factores primos comunes).

Por ejemplo, si tomamos el número $n = 9$, los enteros positivos menores que él son $1, 2, 3, 4, 5, 6, 7, 8$. De estos, el 3 y el 6 comparten un divisor común con 9 (el 3). Los demás ($1, 2, 4, 5, 7, 8$) son coprimos con 9. Por lo tanto, $\varphi(9) = 6$.

Una de las propiedades más hermosas y útiles que demostró Euler es que si $n$ es el producto de dos números primos distintos, digamos $p$ y $q$, la función se calcula de forma extremadamente sencilla:

$$\varphi(n) = (p - 1)(q - 1)$$

Esta fórmula matemática, aparentemente inocente, contiene la clave lógica que tres siglos más tarde permitiría descifrar el dilema del intercambio de claves en internet. Euler, al igual que Fermat, trabajaba movido por la pura curiosidad estética y el rigor intelectual, demostrando una vez más que las matemáticas puras siempre se adelantan a las necesidades tecnológicas de la humanidad.

El siglo XX trajo consigo dos grandes revoluciones para el mundo del secreto: la automatización mecánica y el surgimiento de la informática.

Durante la Segunda Guerra Mundial, la Alemania nazi confió sus comunicaciones militares a la máquina Enigma, un dispositivo de rotores electromecánicos que cambiaba el cifrado de las letras con cada pulsación de tecla, generando millones de combinaciones posibles. El esfuerzo matemático liderado por el británico Alan Turing (Reino Unido 1912 – 1954) y su equipo en Bletchley Park para romper Enigma mediante el diseño de la Bombe (una máquina electromecánica que automatizaba el análisis lógico masivo) demostró que la guerra moderna ya no se ganaba solo en el frente, sino en las mesas de cálculo matemático.

A pesar de los avances de Turing, la criptografía se enfrentaba a un obstáculo estructural insuperable hasta la década de 1970: el dilema del intercambio de claves. En todos los sistemas existentes hasta entonces (simétricos), el emisor y el receptor debían compartir la misma clave secreta antes de comunicarse. Si un espía interceptaba la clave durante su intercambio, toda la seguridad se derrumbaba. ¿Cómo enviar una clave secreta a través de un canal completamente público e inseguro como internet?

La respuesta llegó en 1976 de la mano de Whitfield Diffie (EE.UU 1944), Martin Hellman (EE.UU 1945) y Ralph Merkle (EE.UU 1952), quienes conceptualizaron la criptografía asimétrica o de clave pública: un sistema donde se utilizan dos claves diferentes pero matemáticamente vinculadas: una clave pública (para cifrar, que cualquiera puede conocer) y una clave privada (para descifrar, que solo el destinatario guarda en secreto).

La materialización práctica de la criptografía asimétrica llegó en 1977 gracias a los matemáticos e informáticos Ron Rivest (EE.UU 1947), Adi Shamir (Israel 1952) y Leonard Adleman (EE.UU 1945), quienes diseñaron el célebre algoritmo RSA (cuyas siglas corresponden a sus apellidos).

RSA es la culminación elegante de la teoría de números aplicada a la seguridad de la información. Su funcionamiento se basa en la asimetría computacional de una operación matemática específica: la multiplicación de números primos frente a la factorización de enteros.

¿Cómo opera el cifrado RSA en la práctica?

Generación de claves: Se eligen dos números primos gigantescos, $p$ y $q$ (de cientos de dígitos cada uno). Se calcula su producto: $n = p \times q$. Este número $n$ formará parte de la clave pública. Se calcula la función de Euler: $\varphi(n) = (p - 1)(q - 1)$. Se elige un número $e$ (exponente público) que sea coprimo con $\varphi(n)$. La clave pública es la pareja $(n, e)$. Se calcula un exponente privado $d$ utilizando aritmética modular tal que $(d \times e) \equiv 1 \pmod{\varphi(n)}$. La clave privada es $(n, d)$.

Cifrado y descifrado: Si alguien quiere enviarte un mensaje secreto convertido en un número $M$, calcula el mensaje cifrado $C$ usando la clave pública: $C = M^e \pmod{n}$. Para leer el mensaje, tú (y solo tú, porque posees la clave privada $d$ y conoces los factores primos originales $p$ y $q$) aplicas la operación inversa: $M = C^d \pmod{n}$

Gracias al Teorema de Euler y al Pequeño Teorema de Fermat, esta operación devuelve exactamente el mensaje original $M$. Para cualquier atacante externo que solo disponga del número público $n$, descifrar el mensaje requeriría factorizar $n$ en sus dos primos originales $p$ y $q$.

Para entender la matemática detrás de RSA con números reales usaremos un ejemplo paso a paso:

En la práctica se usan números de cientos de dígitos, pero elegiremos dos números primos pequeños para facilitar los cálculos y el análisis:

  • $p = 61$

  • $q = 53$

  1. Calculamos $n$ (que formará parte de las claves pública y privada):

    $$n = p \times q = 61 \times 53 = 3233$$

  2. Calculamos $\phi(n)$ (indicatriz de Euler):

    $$\phi(n) = (p - 1) \times (q - 1) = 60 \times 52 = 3120$$

Debemos elegir un número entero $e$ que cumpla dos condiciones:

  • Debe ser mayor que 1 y menor que $\phi(n)$ ($1 < e < 3120$).

  • Debe ser coprimo con $\phi(n)$ (es decir, su único divisor común con 3120 debe ser 1).

Elegimos un valor común que cumple esto:

  • $e = 17$

Clave Pública: Queda formada por el par $(n, e) = (3233, 17)$. Esta clave se comparte con todo el mundo.

Debemos encontrar un número $d$ que cumpla con la siguiente fórmula matemática:

$$(d \times e) \pmod{\phi(n)} = 1$$

Es decir, $d \times 17$ dividido entre 3120 debe dejar un residuo de 1. Usando el algoritmo extendido de Euclides, encontramos que:

  • $d = 2753$ (ya que $2753 \times 17 = 46801$, y $46801 \div 3120$ da un cociente de 15 y un residuo de 1).

Clave Privada: Queda formada por el par $(n, d) = (3233, 2753)$. Esta clave se mantiene en secreto.

Imaginemos que queremos enviar el mensaje numérico $m = 65$ (en la práctica, las letras se convierten primero a números mediante estándares como ASCII).

La fórmula para cifrar es: $c = m^e \pmod n$

$$c = 65^{17} \pmod{3233}$$

  • Al resolver esta operación modular, obtenemos el texto cifrado: $c = 413$.

  • Este número 413 es el que viaja por la red. Si alguien lo intercepta, no puede leerlo sin la clave privada.

La fórmula para descifrar es: $m = c^d \pmod n$

$$m = 413^{2753} \pmod{3233}$$

  • Al realizar esta operación matemática con la clave privada, el resultado regresa exactamente al número original: $m = 65$.

Un atacante conoce la clave pública $(3233, 17)$, lo que significa que conoce $n$ ($3233$). Para descifrar el mensaje sin la clave privada, necesitaría factorizar $3233$ de vuelta en sus primos originales ($61$ y $53$) para calcular $\phi(n)$. Con números pequeños es fácil, pero cuando $n$ tiene cientos de dígitos, los ordenadores más potentes del mundo tardarían miles de años en realizar esa factorización.

En la actualidad, la infraestructura global de la sociedad de la información descansa sobre este delicado equilibrio matemático. Utilizamos sistemas híbridos:

  • Cifrado simétrico (como AES - Advanced Encryption Standard): Emplea claves compartidas y aritmética por bloques para asegurar la velocidad en la transmisión masiva de datos cotidianos.

  • Cifrado asimétrico (como RSA o la criptografía de curvas elípticas): Utiliza la teoría de números modular y la geometría algebraica para autenticar identidades y establecer conexiones seguras (como los certificados HTTPS en la web).

Sin embargo, la columna vertebral del cifrado moderno se enfrenta hoy al reto más grande de su historia: las computadoras cuánticas. En 1994, el matemático Peter Shor publicó el Algoritmo de Shor, un algoritmo diseñado para ejecutarse en computadoras cuánticas capaces de explotar la superposición y el entrelazamiento cuántico para resolver la factorización de enteros de forma exponencialmente rápida. Si las computadoras cuánticas a gran escala maduran en los próximos años, los algoritmos RSA y de curvas elípticas actuales podrían romperse en cuestión de minutos.

Por esta razón, la comunidad matemática internacional ya está implementando la criptografía post-cuántica, estandarizando nuevos algoritmos basados en problemas algebraicos alternativos, como la criptografía basada en retículos (lattice-based cryptography), que ni siquiera un ordenador cuántico con el algoritmo de Shor podrá resolver con facilidad.

La historia de la criptografía y las matemáticas es una prueba contundente de que las ideas más abstractas del pensamiento humano, los restos modulares, los números primos estudiados por Fermat y Euler, y la aritmética circular, no son meros ejercicios teóricos de aula. Son, en realidad, el escudo invisible que garantiza la confianza, la privacidad y la libertad en nuestra sociedad digital moderna.




Lecturas recomendadas:

27 de octubre de 2026

Del Voto a la Aritmética: Las Matemáticas Ocultas de los Sistemas Electorales

 














"La democracia es el proceso que garantiza que no seamos gobernados mejor de lo que nos merecemos " George Bernard Shaw (Irlanda 1856 - 1950)

En general, las elecciones son un ejercicio estrictamente político. Sin embargo, para los matemáticos, estadísticos y politólogos, son un problema de optimización, asignación y teoría de la proporcionalidad.

Estamos acostumbrados a resolver ecuaciones donde el resultado es único y exacto. Pero, ¿qué ocurre cuando el "resultado" debe repartir una cantidad indivisible de escaños entre fuerzas que obtienen porcentajes continuos de votos? Surgen así las reglas de promedio mayor y los cocientes electorales. En este post, nos adentraremos en el origen histórico de estos métodos, las herramientas estadísticas que los sustentan y su funcionamiento interno.

Para entender por qué existen estas herramientas, debemos viajar al siglo XIX. Con la llegada de la Revolución Industrial y las revoluciones liberales, las sociedades europeas pasaron del sufragio censitario (donde solo votaba la élite terrateniente) al sufragio universal o progresivamente ampliado.

De repente, los parlamentos dejaron de ser clubes exclusivos de notables para convertirse en cámaras fragmentadas donde conviven conservadores, liberales, socialistas y representantes regionales. El viejo sistema del escrutinio mayoritario uninominal, el clásico "el ganador se lo lleva todo" de estilo británico o estadounidense, empezó a hacer aguas. En una circunscripción plural, si un partido obtenía el 45% de los votos y otro el 40%, el primero se llevaba el 100% del poder, dejando a casi la mitad de la población sin voz.

Es en este contexto de búsqueda de justicia matemática cuando, en 1878, el jurista, matemático y profesor de la Universidad de Gante, Victor D'Hondt (Bélgica 1841 - 1901), ideó un procedimiento algebraico elegante para solucionar este dilema. Su objetivo no era buscar un ganador absoluto, sino garantizar que la proporción de escaños reflejara con la mayor fidelidad posible la proporción de votos, evitando las paradojas de los sistemas de restos. Bélgica lo adoptó por primera vez en 1899, y desde entonces se expandió por el mundo occidental.

¿Qué es una "Regla de Promedio Mayor"?

Desde el punto de vista matemático, el problema electoral se define así:

  • Sea $V_i$ el número de votos obtenidos por el partido $i$-ésimo.
  • Sea $V_{total}$ la suma de todos los votos válidos.
  • Sea $S$ el número total de escaños a repartir en esa circunscripción.

Queremos encontrar un conjunto de escaños enteros $s_i$ para cada partido de modo que se maximice la proporcionalidad. Las familias de métodos de promedio mayor (highest averages) resuelven esto simulando escenarios de competitividad mediante una secuencia estrictamente creciente de divisores algebraicos ($d_1, d_2, d_3, \dots$).

A. La Ley D'Hondt y su progresión aritmética

La regla diseñada por Victor D'Hondt utiliza la secuencia de números enteros consecutivos:

$$d = \{1, 2, 3, 4, 5, \dots\}$$

Para cada partido, se calculan los cocientes sucesivos dividiendo sus votos totales entre cada elemento del divisor:

$$\text{Cociente}_{i,k} = \frac{V_i}{k} \quad \text{para } k = 1, 2, 3, \dots, S$$

Estadísticamente, lo que hace D'Hondt es calcular el coste marginal por escaño. A medida que un partido acumula más escaños, el "coste" en votos necesarios para justificar un escaño adicional aumenta linealmente porque el divisor crece ($1, 2, 3...$). Este sesgo matemático favorece sutilmente a las candidaturas con mayores bloques de votos, ya que sus cocientes iniciales resisten mejor frente a partidos más fragmentados.

B. La alternativa de Sainte-Laguë: Los números impares

Si modificamos la secuencia de divisores y en lugar de usar todos los números enteros empleamos exclusivamente los números impares:

$$d = \{1, 3, 5, 7, 9, \dots\}$$

Entramos en el terreno del Método Sainte-Laguë, ideado por el físico francés André Sainte-Laguë (Francia 1882 - 1950) en 1910. Al saltar directamente del divisor $1$ al $3$, el castigo por obtener el segundo escaño es mucho más severo. Esto nivela el terreno de juego, reduciendo el sesgo hacia los grandes partidos y favoreciendo una proporcionalidad pura, ideal para evitar mayorías artificiales.

A diferencia de las reglas anteriores, también se aplican otros métodos conocidos como Métodos de Cuota y Resto Mayor, quizás el más conocido es el método concebido por Thomas Hare (Reino Unido 1806–1891) un importante jurista, politólogo y reformador político británico.

Thomas Hare introdujo formalmente la Cuota Hare y su propuesta de Voto Único Transferible (STV) en 1857, a través de su folleto The Machinery of Representation, idea que posteriormente amplió en su libro de 1859 A Treatise on the Election of Representatives. (Como dato histórico adicional, la fórmula matemática de la cuota $q = \frac{\text{Votos}}{\text{Escaños}}$ ya había sido sugerida de forma independiente en EE. UU. por Alexander Hamilton en 1792 para el reparto de escaños congresionales, por lo que a este método de cuota con restos mayores también se le conoce como método Hamilton).

En este caso no se divide sucesivamente, sino que consta de dos fases bien diferenciadas:

Fase 1: Cálculo de la Cuota ($q$)

Se establece el precio en votos que cuesta conseguir un escaño directo dividiendo la cantidad total de votos entre los escaños disponibles:

$$q = \frac{V_{\text{total}}}{S}$$

Fase 2: Asignación Directa y Restos

Escaños automáticos: Se calcula cuántas veces "cabe" la cuota en los votos de cada partido mediante la parte entera de la división:

  1. $$s_i^{\text{directos}} = \left\lfloor \frac{V_i}{q} \right\rfloor$$

Cálculo del resto algebraico: Los votos sobrantes no utilizados para completar una cuota entera se almacenan como resto:

  1. $$R_i = V_i - (s_i^{\text{directos}} \cdot q)$$

Reparto de sobrantes: Si tras el reparto directo quedan escaños vacíos, se otorgan uno a uno a las candidaturas que posean los restos mayores ($R_i$).

Ejemplo Práctico: La Ley D'Hondt en España (Caso Particular)

Para ver estas matemáticas en acción, observemos una circunscripción electoral a la que le corresponden 8 escaños (un tamaño propio de provincias intermedias como Zaragoza, Murcia o Pontevedra).

Supongamos que participan cuatro partidos que superan la barrera electoral (en el caso particular de España el 3%) y suman 100.000 votos válidos repartidos así:

  • Partido A: 44.000 votos (44,0%)
  • Partido B: 28.000 votos (28,0%)
  • Partido C: 17.000 votos (17,0%)
  • Partido D: 11.000 votos (11,0%)

Construcción de la matriz de cocientes

Dividimos los votos de cada partido desde el divisor 1 hasta el 8 (el total de escaños en juego):

Divisor

Partido A (44.000)

Partido B (28.000)

Partido C (17.000)

Partido D (11.000)

÷ 1

44.000 (1º)

28.000 (2º)

17.000 (4º)

11.000 (7º)

÷ 2

22.000 (3º)

14.000 (5º)

8.500

5.500

÷ 3

14.666 (6º)

9.333 (8º)

5.666

3.666

÷ 4

11.000

7.000

4.250

2.750

÷ 5

8.800

5.600

3.400

2.200

÷ 6

7.333

4.666

2.833

1.833

÷ 7

6.285

4.000

2.428

1.571

÷ 8

5.500

3.500

2.125

1.375

Si ordenamos estrictamente las 8 cifras más altas marcadas en la tabla de mayor a menor, obtenemos:

  1. 44.000 $\rightarrow$ Partido A (1er escaño)
  2. 28.000 $\rightarrow$ Partido B (2º escaño)
  3. 22.000 $\rightarrow$ Partido A (3er escaño)
  4. 17.000 $\rightarrow$ Partido C (4º escaño)
  5. 14.000 $\rightarrow$ Partido B (5º escaño)
  6. 14.666 $\rightarrow$ Partido A (6º escaño)
  7. 11.000 $\rightarrow$ Partido D (7º escaño)
  8. 9.333 $\rightarrow$ Partido B (8º escaño) (Gracias al divisor 3, el Partido B arrebata el último escaño)

Resultado final con D'Hondt:

  1. Partido A: 3 escaños
  2. Partido B: 3 escaños
  3. Partido C: 1 escaño
  4. Partido D: 1 escaño

Curiosamente, aunque el Partido A sacó un 16% más de votos que el B, la discretización de los escaños en una circunscripción pequeña genera un empate técnico en representación, ilustrando cómo la geometría del espacio electoral condiciona la estadística.

Si repartimos los 8 escaños aplicando los tres métodos descritos antes nos quedaría:

Método / Regla

Partido A(44%)

Partido B(28%)

Partido C(17%)

Partido D(11%)

Cuota Ideal Teórica

3,52 escaños

2,24 escaños

1,36 escaños

0,88 escaños

Ley D'Hondt

3 escaños (37,5%)

3 escaños (37,5%)

1 escaño (12,5%)

1 escaño (12,5%)

Método Sainte-Laguë

3 escaños (37,5%)

2 escaños (25,0%)

2 escaños (25,0%)

1 escaño (12,5%)

Cuota Hare

3 escaños (37,5%)

2 escaños (25,0%)

2 escaños (25,0%)

1 escaño (12,5%)


Al corregir el conteo, el comportamiento de los tres métodos se aprecia de forma aún más reveladora:

El sesgo conservador de D'Hondt: Es el único de los tres métodos que inclina la balanza a favor del segundo partido grande (Partido B), otorgándole 3 escaños (empatándolo con A) y dejando al Partido C con solo 1.

La coincidencia de Sainte-Laguë y Cuota Hare: En este escenario de 8 escaños, tanto Sainte-Laguë como Hare logran el reparto matemáticamente más proporcional y cercano a los decimales teóricos ($3,52 \rightarrow 3$; $2,24 \rightarrow 2$; $1,36 \rightarrow 2$; $0,88 \rightarrow 1$), dando 2 escaños al Partido C y 2 al Partido B.

Análisis comparativo general:

Criterio

Ley D'Hondt

Método Sainte-Laguë

Cuota Hare

Mecanismo algebraico

Promedio mayor ($1, 2, 3...$)

Promedio mayor ($1, 3, 5...$)

Precio fijo ($q$) + Mayor resto

Trato a grandes partidos

Ventajoso (premia concentraciones)

Neutro / Equitativo

Neutro

Trato a pequeños partidos

Excluyente en circunscripciones pequeñas

Accesible

Muy favorable

Comportamiento en la práctica

Prima la gobernabilidad y estabilidad

Busca la representación proporcional

Busca la máxima equidad teórica


Lo que comenzó como un debate intelectual en el siglo XIX constituye hoy la infraestructura matemática de las democracias globales:

  • Ley D'Hondt: Es la fórmula reina en España (usada para el Congreso de los Diputados, parlamentos autonómicos y elecciones municipales). Se aplica también en países como Portugal, Bélgica, Austria, Finlandia, Argentina, Chile y Colombia.
  • Método Sainte-Laguë: Es empleado en naciones que buscan parlamentos altamente proporcionales, tales como Alemania, Suecia, Noruega, Nueva Zelanda y Letonia.
  • Cuota Hare: Se utiliza como estándar en sistemas de Voto Único Transferible o listas proporcionales en países como Irlanda, Malta, Taiwán o Lituania, así como en las elecciones legislativas de Hong Kong.

Las matemáticas electorales nos demuestran que no existe un algoritmo perfecto. Toda conversión de datos continuos (votos) a datos discretos (escaños) introduce una distorsión o redondeo inevitable. Conocer las fórmulas detrás de reglas como D'Hondt, Sainte-Laguë o Hare nos permite mirar más allá de los titulares políticos y comprender la arquitectura lógica que sostiene nuestras decisiones colectivas. ¡La próxima vez que veas unas elecciones, recuerda que detrás de cada escaño hay una matriz o una cuota esperando su resolución!

26 de octubre de 2026

De polígonos a fractales: ¿Qué es realmente la Teoría de la Medida?

 














"En las matemáticas, la elegancia viene por sí sola cuando el concepto es lo suficientemente profundo." Henri León Lebesgue (Francia 1875 - 1941)

Al concluir la enseñanza media o superior, todos tenemos una idea bastante clara de qué significa medir: calculamos el área de un triángulo con una fórmula sencilla, hallamos la superficie de un círculo multiplicando $\pi$ por el radio al cuadrado, o integramos una función polinómica para encontrar el área bajo una curva bien comportada. Por lo general entendemos que medir es sinónimo de aplicar fórmulas geométricas o usar herramientas de cálculo tradicionales sobre figuras continuas y ordenadas.

Sin embargo, en cuanto avanzamos un poco más en el universo matemático, surgen preguntas inquietantes: ¿qué ocurre si intentamos medir un objeto que está roto en infinitos pedazos? ¿O una figura que no tiene bordes lisos, como un fractal o la costa irregular de un país? ¿Cómo medimos la probabilidad de que ocurra un evento en un universo infinito de posibilidades?

Para responder a estas preguntas, los matemáticos tuvieron que revolucionar su forma de entender el mundo. Hoy les propongo un breve acercamiento histórico y conceptual para descubrir qué es realmente la Teoría de la Medida: una de las ramas más bellas, profundas y útiles de las matemáticas modernas.

Desde que las primeras civilizaciones necesitaron repartir cosechas, construir pirámides o cartografiar territorios, la humanidad ha buscado formas rigurosas de medir. Los egipcios utilizaban cuerdas con nudos para redefinir los límites de los terrenos agrícolas tras las crecidas del río Nilo. Sin embargo, fueron los antiguos griegos quienes elevaron la medición a un arte abstracto.

En el siglo IV a. C., el matemático Eudoxo (Grecia 340 a.C) ideó —y más tarde Arquímedes (Siracusa 287 – 212 a.C) perfeccionó— un procedimiento brillante conocido como el método de exhausción. Por ejemplo, si queremos medir el área de un círculo:

  • Por dentro: Inscribes dentro del círculo polígonos regulares a los que vas sumando lados (empezando por un cuadrado, luego un octógono, un hexadecágono, etc.). Las áreas de estos polígonos son menores que la del círculo, pero van creciendo progresivamente.
  • Por fuera: Dibujas polígonos circunscritos alrededor del círculo cuyas áreas son mayores, pero que se van reduciendo a medida que aumentas sus lados.

A medida que el número de lados crece hacia el infinito, las áreas de ambos conjuntos de polígonos se estrechan tanto que terminan apretando y atrapando la superficie real del círculo exactamente en medio.

Este método tan intuitivo fue el embrión del cálculo integral. Durante más de dos milenios, la noción de medida parecía ser algo evidente y directo:

  • Un segmento unidimensional tiene longitud.
  • Una figura plana limitada por líneas tiene área.
  • Un cuerpo tridimensional tiene volumen.

Todo parecía bajo control. Las figuras geométricas eran suaves, continuas y predecibles. Pero la placidez matemática no duraría para siempre.

Avanzamos en el tiempo hasta el siglo XIX. El análisis matemático estaba viviendo una época dorada. Genios de la talla de Augustin-Louis Cauchy (Francia 1789 – 1857) y Bernhard Riemann (Alemania 1826 – 1866) quisieron darle un sustento lógico e inquebrantable a las ideas del cálculo diferencial e integral.

Fue así como nació la integral de Riemann. Para calcular el área bajo una curva trazada entre dos puntos, $a$ y $b$, Riemann propuso dividir el intervalo horizontal del eje $x$ en multitud de subintervalos pequeños y levantar rectángulos verticales hasta tocar la función. Si hacemos que la base de esos rectángulos sea infinitesimalmente pequeña, la suma de sus áreas se aproxima con total precisión al área real bajo la curva.










Esta técnica funciona maravillosamente bien cuando la función es continua o presenta únicamente unos pocos saltos aislados. Sin embargo, a finales del siglo XIX, la comunidad matemática se vio sacudida por la aparición de funciones y conjuntos "patológicos" o "monstruosos" que desafiaban por completo toda lógica intuitiva.

Para comprender el colapso de la intuición clásica, imagina la famosa función de Dirichlet, definida en el intervalo entre $0$ y $1$:

  1. Si el número $x$ es racional la función vale $1$.
  2. Si el número $x$ es irracional la función vale $0$.

Intenta visualizar esta gráfica en tu mente. Los números racionales e irracionales están tan infinitamente mezclados y entrelazados en la recta real que en cualquier subintervalo, por minúsculo que lo mires con una lupa matemática, coexisten infinitos racionales e infinitos irracionales.

Si intentas aplicar el método de los rectángulos de Riemann:

  • La cumbre del rectángulo superior siempre tropezará con un valor racional, por lo que su altura será $1$.
  • La base del rectángulo inferior siempre rozará un valor irracional, por lo que su altura será $0$.

La suma superior da siempre $1$ y la suma inferior da siempre $0$. Como ambas cantidades no coinciden, la integral de Riemann simplemente no existe. Los métodos tradicionales de medición se derrumbaron. ¿Acaso esta región tan extraña carece por completo de área? ¿O es que necesitábamos inventar una forma totalmente nueva de medir?

La solución a este enigma monumental llegó en 1902 de la mano de un joven matemático francés de veintisiete años llamado Henri León Lebesgue, quien presentó estas ideas en su tesis doctoral.

Lebesgue dio un giro copernicano a la forma de pensar en la integración y la medida. En una célebre analogía didáctica, explicaba la diferencia entre su método y el de Riemann utilizando una sencilla situación cotidiana:

"Imaginad que tengo un montón de billetes y monedas de distinto valor repartidos en los bolsillos. Para saber cuánto dinero poseo siguiendo el enfoque tradicional de Riemann, voy extrayendo las monedas una a una en el orden exacto en el que las encuentro y voy sumando sus valores de forma secuencial. En cambio, el método de Lebesgue consiste en volcar todo el dinero, agrupar por un lado todas las monedas de un euro, por otro las de dos euros, aparte los billetes de cinco euros, y finalmente multiplicar el valor de cada denominación por la cantidad exacta de elementos reunidos en ese grupo."

En lugar de trocear horizontalmente el dominio (el eje $x$), Lebesgue propuso subdividir verticalmente el rango (el eje $y$). Al fijar una altura concreta en el eje vertical, se preguntaba: ¿Qué conjunto de puntos específicos del eje horizontal generan exactamente esa altura?









Pero para que esta brillante idea funcionara, Lebesgue necesitaba resolver un problema previo y fundamental: ¿Cómo medimos la longitud de un conjunto de puntos que puede estar completamente roto, fragmentado, disperso o plagado de agujeros?

Lebesgue definió rigurosamente la "medida" (a la que solemos denotar con la letra $\mu$) como una generalización de la longitud geométrica tradicional:

  1. La medida de un intervalo sencillo comprendido entre $a$ y $b$ es simplemente su longitud habitual: el resultado de restar $(b - a)$.
  2. Para un conjunto geométricamente extraño o discontinuo, la estrategia consiste en "cubrirlo" mediante una colección de infinitos intervalos abiertos y sumar las longitudes de todos ellos. La medida exacta de ese conjunto será el ínfimo (la menor suma posible) de todas las coberturas de intervalos que podamos imaginar.

A partir de esta definición formal, emergió un concepto verdaderamente asombroso: el de los conjuntos de medida cero.

Un conjunto posee medida cero cuando es tan sumamente minúsculo o disperso que podemos encerrarlo por completo dentro de una familia de intervalos cuya suma total de longitudes sea tan pequeña como queramos, pudiendo hacerla tender a cero.

  • Un punto aislado sobre la recta real tiene medida cero.
  • Cualquier cantidad finita de puntos tiene medida cero.
  • Y lo más curioso: el conjunto de todos los números racionales contenidos en un intervalo tiene medida cero.

Aunque existen infinitos números racionales, forman un infinito "numerable" (se pueden alinear ordenadamente en una lista). Dado que son numerables, podemos cubrir el primer número racional con un intervalo diminuto de tamaño $\epsilon/2$, el segundo con uno de tamaño $\epsilon/4$, el tercero con $\epsilon/8$, y así sucesivamente de forma infinita. La suma acumulada de las longitudes de todos esos intervalos protectores es:

$$\frac{\epsilon}{2} + \frac{\epsilon}{4} + \frac{\epsilon}{8} + \dots = \epsilon$$

Recordar que $\sum_{n=1}^{\infty} \frac{1}{2^n} =1$

Como podemos elegir que $\epsilon$ sea un número tan infinitamente pequeño como nos plazca, demostramos que la "longitud" total combinada de todos los números racionales juntos es exactamente cero.

Al aplicar este razonamiento a la pesadilla de la función de Dirichlet, Lebesgue concluyó con elegancia: los puntos donde la función adopta el valor $1$ (los números racionales) ocupan un espacio cuya medida es cero. Los puntos donde la función vale $0$ (los irracionales) ocupan la inmensa mayoría del intervalo. Por lo tanto, la "integral de Lebesgue" de esa función tan extraña resulta ser sencillamente $0$.

La Teoría de la Medida no se quedó estancada en el análisis de la recta numérica. Con el paso de las décadas, se convirtió en un lenguaje universal e indispensable para abordar estructuras geométricas extremas que escapan por completo a la geometría euclidiana clásica, tales como los fractales.

Piensa en figuras icónicas como el Polvo de Cantor: objetos que se construyen aplicando un proceso de eliminación infinita. Si partimos de un segmento inicial de longitud $1$ y le quitamos de forma repetida el tercio central en sucesivas iteraciones infinitas, nos quedamos con una colección de puntos tan extraña que desafía la intuición:

En cada paso eliminamos trozos, pero nos quedan infinitos puntos flotando en el espacio. Si aplicamos la medida de Lebesgue a este conjunto final, descubrimos que su medida total es rigurosamente cero.

Gracias a desarrollos posteriores como la medida de Hausdorff, los matemáticos aprendieron a medir objetos con dimensiones que no son números enteros (por ejemplo, un objeto que tiene una dimensión fraccionaria de $1.26$). La Teoría de la Medida permitió poner orden matemático en el caos de los fractales, trascendiendo el estudio de los polígonos del mundo antiguo para dominar la geometría de la complejidad infinita.

Llegados a este punto, podrías pensar que la Teoría de la Medida es una construcción puramente teórica y abstracta, aislada en las torres de marfil de la academia. Nada más alejado de la realidad; esta disciplina constituye la columna vertebral silenciosa de múltiples ciencias y tecnologías contemporáneas:

  • La fundamentación de la Probabilidad: Antes del siglo XX, la probabilidad se trataba mediante intuiciones informales o conteos de juegos de azar finitos (lanzar dados, extraer cartas). En 1933, el gran matemático soviético Andréi Kolmogórov (Rusia 1903 - 1987) demostró que la probabilidad moderna no es otra cosa que una medida especial donde el espacio total de sucesos posibles mide exactamente $1$. Sin la teoría de la medida, el cálculo de probabilidades con variables continuas sería matemáticamente inconsistente.
  • La Mecánica Cuántica: En el universo subatómico, una partícula elemental como un electrón no habita en una posición fija y determinista, sino que se describe mediante una función de onda distribuida en el espacio. Para calcular la probabilidad de encontrar dicha partícula en una región, los físicos integran el cuadrado de su función de onda empleando espacios matemáticos avanzados denominados Espacios $L^2$, cimentados directamente sobre la medida de Lebesgue.
  • Procesamiento de Señales y Inteligencia Artificial: Cada vez que reproduces música comprimida en formato digital, transmites datos por internet o procesas una fotografía mediante algoritmos de inteligencia artificial, estás utilizando herramientas de análisis armónico (como las transformadas de Fourier). Estas técnicas manejan señales complejas con ruidos y discontinuidades, cuya rigurosidad matemática descansa por completo sobre los hombros de la Teoría de la Medida.

Así pues, ¿qué es realmente la Teoría de la Medida? Es el marco conceptual definitivo que permitió a las matemáticas superar las limitaciones de la geometría clásica de polígonos y adentrarse sin miedo en los dominios de lo discontinuo, lo infinito y lo fractal. Es la herramienta intelectual que dota de un sentido exacto y operativo a conceptos tan escurridizos como el tamaño, el peso y la probabilidad en espacios abstractos.

Lo que comenzó con Arquímedes intentando aprisionar un círculo mediante polígonos en la antigua Grecia culminó con Lebesgue y Kolmogórov enseñándonos a medir lo invisible y el infinito. Lejos de ser una disciplina estática o meramente teórica, la teoría de la medida sigue viva y en plena ebullición en la investigación matemática actual. Entre las líneas de vanguardia destacan:

  • Teoría Geométrica de la Medida (GMT): Extiende los conceptos de área y volumen a espacios no suaves ni diferenciables. Hoy se utiliza para estudiar superficies mínimas, flujos de curvatura media y la geometría intrínseca de los fractales complejos.
  • Transporte Óptimo y Distancias de Wasserstein: Este campo mide la forma más eficiente de redistribuir masa de una distribución a otra. En la actualidad, conecta la teoría de la medida con ecuaciones en derivadas parciales no lineales y el análisis de datos masivos.
  • Aprendizaje Automático y Ciencia de Datos: Las métricas basadas en teoría de la medida (como la distancia de Wasserstein) son fundamentales en la inteligencia artificial moderna, permitiendo comparar distribuciones de probabilidad complejas en modelos generativos y redes neuronales profundas.
  • Probabilidad Cuántica y Análisis en Dimensión Infinita: La axiomatización de Kolmogórov unificó la probabilidad con la teoría de la medida, y hoy impulsa modelos avanzados en física cuántica, mecánica estadística y finanzas cuantitativas donde los espacios muestrales ya no son discretos ni finitos, sino infinitos y complejos.

La Teoría de la Medida enseña una lección invaluable: cuando un problema se resiste a ser resuelto con las herramientas de siempre, el secreto no es trabajar más duro con el mismo método, sino cambiar de perspectiva. Al igual que Lebesgue dejó de mirar el eje horizontal para mirar el rango vertical, atreverse a replantear las preguntas fundamentales es lo que transforma a un estudiante en un verdadero investigador. ¡El paraíso del infinito matemático apenas comienza a revelarse ante ti!



Lecturas recomendadas: