El arte de no fiarse del instinto: Probabilidad condicionada y combinatoria en acción

 

El sentido común y la intuición son muy malos guías cuando se trata de calcular probabilidades. Leonard Mlodinow (EE.UU 1954)

En general se nos enseña que la matemática es la ciencia del orden, la precisión y la lógica indiscutible. Sin embargo, hay una rama de esta disciplina que a menudo parece disfrutar descolocando nuestro sentido común: la teoría de probabilidades.

Nuestro cerebro humano es una máquina increíble para la supervivencia diaria, pero es francamente deficiente procesando la aleatoriedad y los grandes volúmenes de combinaciones. Cuando nos enfrentamos a situaciones de azar, tendemos a apoyarnos en intuiciones y atajos mentales que fallan estrepitosamente.

Hoy vamos a analizar con detenimiento dos de las paradojas probabilísticas más fascinantes de la historia. Desmontaremos el sentido común utilizando herramientas matemáticas, demostrando cómo el rigor conceptual es nuestro mejor aliado frente al engaño de la intuición.

¿Cambiar de puerta o mantener la decisión? Imagina que eres concursante en un programa de televisión. El presentador te pone a prueba ante tres puertas cerradas ($P_1$, $P_2$, $P_3$). Detrás de una de ellas hay un coche deportivo de lujo; detrás de las otras dos, hay sendas cabras. El juego se desarrolla en los siguientes pasos:

Eliges una puerta inicial, por ejemplo, la Puerta 1. El presentador, que sabe perfectamente qué hay detrás de cada puerta, abre la Puerta 3 y te muestra una cabra. Entonces te plantea entonces la gran pregunta: "¿Quieres mantener tu elección inicial (Puerta 1) o prefieres cambiar a la Puerta 2?"

La reacción inmediata de la inmensa mayoría de las personas (incluso de científicos y matemáticos ilustres en su primer contacto con el problema) es pensar: "Da exactamente igual. Quedan dos puertas cerradas, por lo que la probabilidad es del $50\%$ para cada una". La intuición nos sugiere que, al revelar una cabra, el espacio muestral se reduce a dos opciones equivalentes y simétricas.

La intuición nos engaña por completo. Debes cambiar de puerta siempre, ya que al hacerlo duplicas tus probabilidades de ganar el coche: pasas de una probabilidad de $\frac{1}{3}$ a una probabilidad de $\frac{2}{3}$.

Para entender la magia detrás de este resultado, debemos acudir a los conceptos formales de probabilidad. Definamos el espacio muestral inicial $\Omega = \{P_1, P_2, P_3\}$, donde el elemento indica qué puerta contiene el coche.

Antes de abrir ninguna puerta, la probabilidad a priori de que el coche esté en la puerta que elegiste ($P_1$) es:

$$P(\text{Coche en } P_1) = \frac{1}{3}$$

Por lo tanto, la probabilidad de que el coche esté en alguna de las otras dos puertas ($P_2$ o $P_3$) es el suceso complementario:

• $$P(\text{Coche en } P_2 \text{ o } P_3) = 1 - \frac{1}{3} = \frac{2}{3}$$

Aquí radica la clave del problema: el presentador no abre una puerta al azar. Él actúa bajo restricciones estrictas:

• Nunca abrirá la puerta que tú has elegido.
• Nunca abrirá la puerta que contiene el coche.

Cuando el presentador abre la Puerta 3, no está introduciendo un evento aleatorio neutral; está canalizando toda la probabilidad acumulada del conjunto que no elegiste ($\frac{2}{3}$) hacia la única puerta que ha dejado cerrada ($P_2$).

Podemos modelar esto rigurosamente utilizando el Teorema de Bayes y el concepto de probabilidad condicionada. El Teorema de Bayes es uno de los pilares más importantes de la teoría de la probabilidad y la estadística. Su relevancia radica en que nos permite modelar cómo evoluciona nuestra incertidumbre a medida que recopilamos nueva información.

Matemáticamente se expresa con la siguiente fórmula:

$$P(A\vert{}B) = \frac{P(B\vert{}A) \cdot P(A)}{P(B)}$$

Donde cada término representa un concepto clave:

• $P(A\vert{}B)$ (Probabilidad a posteriori): La probabilidad de que la hipótesis $A$ sea cierta sabiendo que ha ocurrido la evidencia $B$.
• $P(B\vert{}A)$ (Verosimilitud): La probabilidad de observar la evidencia $B$ si la hipótesis $A$ fuera cierta.
• $P(A)$ (Probabilidad a priori): Nuestra creencia inicial sobre la hipótesis $A$ antes de ver la evidencia.
• $P(B)$ (Evidencia total): La probabilidad global de observar $B$ bajo cualquier circunstancia.

Apliquemos lo anterior a nuestro caso. Sean los sucesos:

• $C_i$: El coche está detrás de la puerta $i$ (donde $P(C_i) = \frac{1}{3}$ para $i \in \{1, 2, 3\}$).
• $M_3$: El presentador abre la Puerta 3.

Asumiendo que tú elegiste la Puerta 1:

• Si el coche está en $P_1$, el presentador puede abrir $P_2$ o $P_3$ de forma indiferente, luego $P(M_3 \mid C_1) = \frac{1}{2}$.
• Si el coche está en $P_2$, el presentador está obligado a abrir $P_3$, por lo que $P(M_3 \mid C_2) = 1$.
• Si el coche está en $P_3$, el presentador no puede abrir $P_3$, por lo que $P(M_3 \mid C_3) = 0$.

Calculamos la probabilidad total de que el presentador abra la Puerta 3 mediante la regla de la probabilidad total:

$$P(M_3) = P(M_3 \mid C_1)P(C_1) + P(M_3 \mid C_2)P(C_2) + P(M_3 \mid C_3)P(C_3)$$

$$P(M_3) = \left(\frac{1}{2} \cdot \frac{1}{3}\right) + \left(1 \cdot \frac{1}{3}\right) + \left(0 \cdot \frac{1}{3}\right) = \frac{1}{6} + \frac{1}{3} = \frac{1}{2}$$

Ahora aplicamos el Teorema de Bayes para calcular la probabilidad condicionada de que el coche esté en la Puerta 2 sabiendo que abrió la Puerta 3:

$$P(C_2 \mid M_3) = \frac{P(M_3 \mid C_2) \cdot P(C_2)}{P(M_3)} = \frac{1 \cdot \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3}$$

La matemática demuestra de forma irrebatible que cambiar de puerta es la estrategia óptima.

Comentemos ahora un caso con el que varios de los profesores de nuestro grupo les gusta “sorprender” a sus alumnos en el inicio de un curso de Estadísticas. Supongamos que entras a una aula y lanzas la siguiente pregunta: ¿Cuántas personas tendrían que reunirse en esa habitación para que la probabilidad de que al menos dos personas cumplan años el mismo día sea mayor que el $50\%$? (Asumiremos años no bisiestos de $365$ días e igual probabilidad para cada día).

Dado que el año tiene $365$ días, nuestra intuición tiende a razonar de forma proporcional o lineal. Solemos pensar que para alcanzar un $50\%$ de certeza necesitaríamos aproximadamente la mitad de los días del año, es decir, alrededor de $183$ personas. Si nos dicen que bastan unas pocas decenas, tendemos a pensar que es una imposibilidad matemática.

La realidad es desconcertante: con tan solo 23 personas en la sala, la probabilidad de coincidencia supera el $50\%$. Si elevamos el número de personas a $57$, la probabilidad de que al menos dos compartan cumpleaños se dispara al $99\%$.

Crecimiento de la probabilidad según el número de personas:

• 0 personas: $0\%$ de probabilidad.
• 10 personas: $11.7\%$ de probabilidad.
• 23 personas: $50.7\%$ de probabilidad (¡umbral del 50% superado!).
• 40 personas: $89.1\%$ de probabilidad.
• 57 personas: $99.0\%$ de probabilidad (prácticamente seguro).

¿Por qué ocurre esto? El error proviene de que pensamos de forma egocéntrica: "¿Cuál es la probabilidad de que alguien cumpla años el MISMO DÍA QUE YO?". Para eso sí necesitaríamos muchas personas. Pero la paradoja no pregunta por ti en particular, sino por cualquier par de personas en el grupo.

La herramienta matemática: El suceso complementario Calcular la probabilidad de que "al menos dos personas coincidan" de manera directa es extremadamente complejo, ya que abarca múltiples casos: que coincida un par, dos pares, un trío, cuatro personas, etc. Aquí la estrategia más elegante ante la locura de casos es recurrir al suceso complementario:

$$P(A) = 1 - P(A^c)$$

Donde $A^c$ es el suceso: "Ninguna persona en el grupo comparte cumpleaños (todos cumplen en días distintos)".

Vamos a construir $P(A^c)$ paso a paso para $n$ personas:

La $1^\text{a}$ persona puede cumplir años cualquier día: tiene $\frac{365}{365}$ opciones.

Para que no haya coincidencia, la $2^\text{a}$ persona debe cumplir en uno de los $364$ días restantes: $\frac{364}{365}$.

La $3^\text{a}$ persona debe cumplir en uno de los $363$ días restantes: $\frac{363}{365}$.

Generalizando, la $n$-ésima persona tendrá $(365 - n + 1)$ días disponibles: $\frac{365 - n + 1}{365}$.

Dado que los cumpleaños de personas distintas se consideran sucesos independientes, aplicamos la regla del producto para la intersección de sucesos:

$$P(A^c) = \frac{365}{365} \cdot \frac{364}{365} \cdot \frac{363}{365} \cdots \frac{365 - n + 1}{365}$$

Utilizando la notación de variaciones sin repetición $V_{m,n} = \frac{m!}{(m-n)!}$, podemos expresar la probabilidad de no coincidencia como:

$$P(A^c) = \frac{V_{365, n}}{365^n} = \frac{365!}{(365-n)! \cdot 365^n}$$

Por lo tanto, la probabilidad de que al menos dos personas coincidan es:

$$P(\text{Coincidencia}) = 1 - \frac{365!}{(365-n)! \cdot 365^n}$$

¿Por qué crece tan rápido la probabilidad? El secreto reside en el número de parejas distintas que se pueden formar en un grupo de $n$ personas. Matemáticamente, esto viene dado por las combinaciones de $n$ elementos tomados de $2$ en $2$:

$$C_{n,2} = \binom{n}{2} = \frac{n(n - 1)}{2}$$

Para $n = 23$ personas, no tenemos $23$ comparaciones, sino:

$$\binom{23}{2} = \frac{23 \cdot 22}{2} = 253 \text{ parejas distintas}$$

Para $n = 57$ personas, el número de parejas salta a:

$$\binom{57}{2} = \frac{57 \cdot 56}{2} = 1568 \text{ parejas distintas}$$

¡Hay $253$ oportunidades de coincidencia en un grupo de solo $23$ personas! Cada nueva persona que entra en la sala no añade una única comparación, sino que crea un par nuevo con cada uno de los integrantes que ya estaban presentes. Este crecimiento combinatorio cuadrático es lo que destruye por completo nuestra intuición lineal.

Existen otras grandes paradojas fascinantes en estadística donde el análisis superficial engaña a los analistas de datos, como la famosa Paradoja de Simpson —donde una tendencia que aparece en varios grupos de datos desaparece o se invierte cuando los datos se combinan—. Es un recordatorio más de que, en probabilidad, desagregar la información y analizar las variables ocultas resulta esencial para no sacar conclusiones erróneas.

Las paradojas probabilísticas nos recuerdan que la incertidumbre no se puede gobernar con impresiones ni con el "sentido común". Nuestro cerebro adora buscar patrones sencillos y relaciones lineales donde la realidad matemática impone comportamientos exponenciales, condicionamientos de información y combinatoria multivariable.

Dominar herramientas de bachillerato como el espacio muestral ($\Omega$), la probabilidad condicionada ($P(A \mid B)$), la regla del complemento ($1 - P(A^c)$) o la combinatoria es indispensable no solo para aprobar un examen, sino para desarrollar un pensamiento crítico blindado contra las trampas mentales de la vida real.

Estas paradojas no son simples acertijos de salón o pasatiempos para matemáticos. Son recordatorios contundentes de que nuestro cerebro está sesgado hacia el pensamiento lineal y simplista, en un mundo que funciona mediante reglas combinatorias, datos masivos e información condicionada. Estas ideas y conceptos tienen amplias aplicaciones prácticas en el mundo real:

1. Ciencia de Datos e Inteligencia Artificial: Los modelos de aprendizaje automático (Machine Learning) se basan en probabilidades condicionadas (como los clasificadores Naive Bayes). Ignorar cómo cambia la probabilidad cuando se introduce nueva información o cuando se agregan/desagregan datos conduce a algoritmos sesgados y predicciones erróneas.
2. Ciberseguridad y Criptografía: La Paradoja de los Cumpleaños es la base del llamado Ataque de Cumpleaños (Birthday Attack) en seguridad informática. En criptografía, encontrar dos claves o bloques de datos distintos que generen el mismo valor de verificación (hash) es mucho más fácil de lo que la intuición sugiere, debido a las combinaciones cuadráticas de parejas. Por ello, las funciones hash deben diseñar claves de longitud muy superior a la que el "sentido común" consideraría necesaria.
3. Medicina y Diagnóstico Clínico: En pruebas médicas (como un test de antígenos o una mamografía), evaluar la probabilidad real de estar enfermo dado un resultado positivo ($P(\text{Enfermo} \mid \text{Positivo})$) requiere aplicar estrictamente el Teorema de Bayes. Sin considerar la prevalencia real de la enfermedad en la población, médicos y pacientes caen habitualmente en falsos alarmismos o interpretaciones equivocadas.
4. Finanzas, Toma de Decisiones y Seguros: La evaluación de riesgos financieros, la fijación de primas de seguros o la inversión en bolsa se apoyan en evitar los sesgos intuitivos del azar. Quien toma decisiones basándose en "sensaciones" o en la ley de los pequeños números termina asumiendo riesgos catastróficos.

---

Lecturas recomendadas:

https://gilbeworld.blogspot.com/2026/04/cuando-los-datos-mienten-diciendo-la.html

---

¿Por qué las redes sociales parecen leer la mente? Los hilos invisibles de la Teoría de Grafos

 

"No hay magia en la capacidad predictiva de una máquina; solo hay álgebra lineal procesando la geometría de tus elecciones pasadas." Cathy O'Neil (EE.UU 1972)

Para entender cómo las grandes plataformas tecnológicas logran predecir los gustos con tanta precisión, debemos abandonar la idea de que somos meros usuarios viendo fotos al azar. Desde una perspectiva matemática, somos un punto dentro de una red gigantesca y cada interacción que se realiza es una instrucción que alimenta ecuaciones complejas. La fuerza invisible que dirige todo lo que vemos en la pantalla se apoya en una de las ramas más elegantes y útiles de las matemáticas discretas: la teoría de grafos y el álgebra matricial. Intentaremos desglosar, paso a paso, cómo la geometría de las conexiones y las matrices construyen el mundo digital que habitamos todos los días.

Imagina que asistimos a una reunión escolar y de repente descubrimos que tenemos un amigo en común con alguien que acabamos de conocer. La sensación de sorpresa es inevitable y solemos exclamar que el mundo es un pañuelo. Sin embargo, si ampliamos esta escala a nivel global, surge una de las hipótesis más fascinantes del siglo XX: los seis grados de separación. Esta idea, popularizada por el psicólogo Stanley Milgram (EE.UU. 1933 – 1984) , sugiere que cualquier persona en la Tierra puede conectarse con cualquier otra a través de una cadena de un máximo de cinco intermediarios, ver https://gilbeworld.blogspot.com/2026/04/los-puentes-de-euler-la-paradoja-de-la.html.

En términos matemáticos, lo que Milgram descubrió de manera empírica es que las relaciones humanas forman lo que llamamos una red compleja o de mundo pequeño. Para un matemático, esta estructura se compone de dos propiedades principales: un alto coeficiente de agrupamiento local, lo que significa que tus amigos tienden a ser amigos entre sí formando pequeñas comunidades, y una distancia promedio muy corta entre dos nodos cualesquiera de la red.

Aunque el planeta cuenta con miles de millones de habitantes, la presencia estratégica de unos pocos "puentes" o conexiones de largo alcance reduce drásticamente los pasos necesarios para cruzar la red. En redes sociales como Instagram o TikTok, este fenómeno se traduce en que la distancia matemática entre nosotros y un creador de contenido al otro lado del mundo rara vez supera los cuatro o cinco saltos. Nuestro feed se expande precisamente gracias a la existencia de estos caminos cortos que conectan burbujas sociales que, en apariencia, no tendrían por qué cruzarse.

Para que un ordenador pueda procesar las relaciones humanas, es necesario transformar la realidad social en un objeto matemático abstracto. Ese objeto es el grafo. En su definición más básica, un grafo es un conjunto de elementos llamados vértices o nodos, unidos por líneas llamadas aristas.

En el ecosistema de las redes sociales, los vértices representan a los usuarios o a los contenidos, mientras que las aristas representan las interacciones o los vínculos entre ellos. Dependiendo de la red social de la que hablemos, nos encontramos ante diferentes tipos de grafos:

Los grafos no dirigidos modelan relaciones de carácter simétrico. Si pensamos en las solicitudes de amistad tradicionales en redes donde la conexión debe ser aceptada por ambas partes, la relación es bidireccional. Si Ana es amiga de Miguel, Miguel es recíprocamente amigo de Ana. La arista que los une no tiene una dirección específica.

Por otro lado, los grafos dirigidos, también conocidos como dígrafos, modelan relaciones asimétricas. Plataformas como Instagram o TikTok funcionan bajo este principio. Si tú decides seguir a un perfil público de divulgación científica, eso no significa que el divulgador tenga la obligación de seguirte de vuelta. Las conexiones se representan matemáticamente mediante flechas que indican el sentido unidireccional de la atención o de la información.

Además, estas conexiones pueden ser grafos ponderados. Esto significa que a cada arista se le asigna un valor numérico o peso que mide la intensidad de la relación. Si interactúas constantemente con una cuenta a través de comentarios, mensajes directos y visualizaciones completas de sus videos, el peso de esa arista matemática aumenta de manera significativa. Si la relación es inexistente o fría, el peso es cero. De este modo, la red social no solo sabe quién sigue a quién, sino a quién le prestamos verdadera atención.

A los procesadores de los servidores no les importan los colores de las fotos ni la estética de los bailes virales; los ordenadores procesan números. ¿Cómo se traduce un grafo gigante con millones de usuarios a un formato que el álgebra pueda manipular? La respuesta es la matriz de adyacencia.

Si imaginamos una red social minúscula compuesta por cuatro usuarios (Ana, Miguel, Miriam y Eduardo), podemos organizar las conexiones mediante una estructura algebraica compacta. Suponiendo que las relaciones de seguimiento se representan con un $1$ cuando existe un enlace y un $0$ en caso contrario, la red se describe mediante la siguiente matriz de adyacencia $A$.

Bajo este modelo, supongamos que las conexiones son las siguientes:

• Ana sigue a Miguel, Miriam y Eduardo.
• Miguel sigue a Ana y a Miguel (interacciones propias/simuladas) y a Miriam.
• Miriam sigue a Ana y a Miguel.
• Eduardo sigue a Ana, Miriam y Eduardo.

Esto se traduce formalmente en la siguiente matriz de adyacencia de $4 \times 4$:

$$A = \begin{pmatrix} 0 & 1 & 1 & 1 \\ 1 & 1 & 1 & 0 \\ 1 & 1 & 0 & 0 \\ 1 & 0 & 1 & 1 \end{pmatrix}$$

Lo verdaderamente poderoso de este enfoque algebraico ocurre cuando aplicamos operaciones matemáticas sobre la matriz de adyacencia. Por ejemplo, si multiplicas la matriz de adyacencia por sí misma, el resultado no es un conjunto de datos aleatorio. El número que aparece en una celda tras la multiplicación de matrices indica exactamente cuántos caminos de longitud dos existen para ir de un usuario a otro. Esto permite a los algoritmos calcular de forma masiva y automática conceptos tan intuitivos como los amigos de mis amigos o las conexiones indirectas en milisegundos.

En la realidad, plataformas como TikTok, Instagram, Facebook y similares, manejan matrices de adyacencia colosales con miles de millones de filas y columnas. Dado que ningún usuario sigue a todo el mundo, estas matrices están inmensamente repletas de ceros, ya que la inmensa mayoría de las conexiones posibles entre personas no existen. En matemáticas, estas estructuras se conocen como matrices dispersas, una propiedad clave que permite a los ordenadores almacenar únicamente los pocos unos existentes, optimizando de forma radical la memoria y acelerando los cálculos a una velocidad asombrosa.

Una vez que la red social comprende la estructura geométrica de las conexiones humanas, el siguiente paso es utilizar algoritmos para decidir qué contenido debe aparecer en nuestra pantalla de inicio. Aquí entran en juego dos grandes conceptos matemáticos: la centralidad de los nodos y los grafos bipartitos.

La centralidad es una medida matemática que determina cuán importante, influyente o central es un nodo dentro de una red. Existen diferentes tipos de centralidad que el algoritmo evalúa de manera simultánea. La centralidad de grado mide simplemente la cantidad de conexiones que entran o salen de un nodo, lo que en una red social equivale a contar los seguidores. Sin embargo, la métrica más sofisticada para las recomendaciones es la centralidad de intermediación.

Esta medida calcula cuántas veces un nodo específico actúa como puente en el camino más corto entre otros pares de nodos de la red. Los creadores de contenido o los usuarios cuyas publicaciones logran viralizarse suelen ocupar posiciones con una alta centralidad de intermediación, ya que conectan comunidades que normalmente están separadas. El algoritmo detecta que ese contenido tiene el superpoder de unir mundos distintos y lo propulsa masivamente en los feeds de personas ajenas al grupo original.

El segundo gran pilar matemático de la recomendación es el uso de grafos bipartitos para el filtrado colaborativo. Un grafo bipartito es aquel cuyos vértices se pueden dividir en dos conjuntos totalmente separados: por un lado, el conjunto de los usuarios; por el otro, el conjunto de los elementos o contenidos, como los videos. Las líneas solo se pueden trazar entre un usuario y un video, nunca entre dos usuarios directamente en este modelo específico de recomendación.

Cuando se abre la aplicación, el sistema analiza el grafo bipartito buscando patrones de similitud geométrica. Si el usuario A y el usuario B han interactuado con un porcentaje muy elevado de los mismos videos en el pasado, el algoritmo determina que sus gustos son matemáticamente cercanos en el espacio vectorial de preferencias. Por lo tanto, si el usuario A visualiza un video nuevo que el usuario B todavía no ha descubierto, el sistema calcula una probabilidad alta de que ese contenido también sea del agrado del usuario B, colocándolo de inmediato en su feed.

Lo que comenzó en el siglo XVIII como un pasatiempo matemático ideado por Leonhard Euler para resolver un acertijo geométrico sobre los puentes de la ciudad de Königsberg, se ha transformado en el lenguaje fundamental que sostiene la estructura de la sociedad digital contemporánea. La teoría de grafos dejó de ser un ejercicio abstracto en una pizarra escolar para convertirse en la arquitectura invisible que organiza nuestra atención, nuestras opiniones y nuestros momentos de ocio.

Si miramos hacia el horizonte, las previsiones futuras de la aplicación de la teoría de grafos en el ecosistema digital apuntan hacia una complejidad y sofisticación aún mayores:

• Grafos dinámicos en tiempo real: Las matrices de adyacencia estáticas evolucionarán hacia modelos hipermóviles de cuarta dimensión, donde las aristas y los pesos se actualizan de manera continua y simultánea con cada milisegundo de reproducción, permitiendo predecir cambios de humor o intereses efímeros antes de que el propio usuario sea consciente de ellos.
• Integración con Inteligencia Artificial y Redes Neuronales de Grafos (GNN): El futuro inmediato combina el álgebra de grafos con el aprendizaje profundo (Deep Learning). Las GNN permitirán que las máquinas no solo mapeen quién sigue a quién, sino que aprendan las características semánticas profundas de los nodos, fusionando el análisis estructural con la comprensión del lenguaje natural y la visión artificial.
• Descentralización y Web3: Con el auge de arquitecturas de redes descentralizadas, la teoría de grafos será la herramienta indispensable para auditar comunidades, prevenir la suplantación de identidad y rastrear el flujo de información y valor sin necesidad de servidores centralizados.

Cada vez que experimentamos la extraña sensación de que nuestra red social favorita ha leído nuestros pensamientos, lo que ocurre en realidad es la ejecución silenciosa de operaciones con matrices, multiplicaciones de vectores y cálculos de caminos mínimos en grafos dirigidos a una velocidad vertiginosa. Las matemáticas que se aprende en el bachillerato, lejos de ser fórmulas inertes y desconectadas de la realidad, constituyen las herramientas con las que se modela el tejido mismo de nuestras interacciones modernas.

---

Lecturas recomendadas:

https://gilbeworld.blogspot.com/2026/04/los-puentes-de-euler-la-paradoja-de-la.html

https://gilbeworld.blogspot.com/2026/04/el-lema-del-apreton-de-manos-por-que.html

https://gilbeworld.blogspot.com/2026/04/el-mapa-que-volvio-locos-los.html

https://gilbeworld.blogspot.com/2026/04/el-laberinto-de-la-eficiencia.html

---

Espacios hiperdimensionales: Así es como una IA mide lo que piensas

 

"La tecnología es un sirviente útil, pero un amo peligroso." Christian Lous Lange (Noruega 1869 – 1938).

Cada vez que abres TikTok o YouTube a los pocos minutos te da la sensación de que estas plataformas leen la mente. Aparecen vídeos exactamente del tema del que hablaste con un amigo o algo que te apetece ver en ese preciso instante. Similar ocurre con otras redes sociales o sitios similares, de manera “casi mística” te relaciona o pone en contacto con aquellos temas que te son relevantes o de particular interés.

Solemos hablar de las inteligencias artificiales como si fueran mentes digitales capaces de pensar, sentir y comprender el mundo de la misma forma que lo hacemos nosotros. Sin embargo, la realidad detrás del telón es infinitamente más elegante y mucho menos mística, detrás de cada recomendación, cada traducción simultánea y cada imagen generada por IA, no hay magia; hay geometría y álgebra lineal, la realidad es fascinante: los espacios hiperdimensionales y las matrices son el idioma secreto que utilizan las máquinas para "entender" la realidad.

Como sabemos, para que un ordenador procese una fotografía, una canción o una frase, antes necesita realizar una traducción fundamental: convertirlo todo a números. Los ordenadores no entienden de colores, de sentimientos ni de gramática; solo entienden de operaciones aritméticas básicas realizadas a una velocidad vertiginosa.

Una imagen digital en blanco y negro es, literalmente, una matriz. Si imaginas una foto sencilla de $100 \times 100$ píxeles, puedes pensar en ella como una tabla con 100 filas y 100 columnas donde cada casilla contiene un valor numérico entre $0$ (negro absoluto) y $255$ (blanco puro).

$$\mathbf{A} = \begin{pmatrix} 0 & 12 & 255 & \dots \\ 45 & 200 & 180 & \dots \\ \vdots & \vdots & \vdots & \ddots \end{pmatrix}$$

Si la foto es en color, el concepto es idéntico, solo que en lugar de una sola tabla utilizamos tres superpuestas (los canales RGB: Red, Green, Blue). Una máquina no "ve" un rostro sonriente; ve un bloque tridimensional de valores numéricos organizados con precisión milimétrica.

¿Qué ocurre con el lenguaje escrito? ¿Cómo diferencia una IA la palabra "perro" de la palabra "gato" o de la palabra "avión"?

Aquí es donde entra en juego la magia de los espacios hiperdimensionales. Los ingenieros de datos representan cada palabra, frase o concepto como un vector (una lista ordenada de números) dentro de un espacio geométrico que puede tener cientos o miles de dimensiones. A este proceso se le conoce como word embedding.

• La palabra "perro" podría ser el vector $\vec{v}_1 = (0.23, -0.89, 1.45, \dots)$
• La palabra "gato" podría ser el vector $\vec{v}_2 = (0.21, -0.85, 1.40, \dots)$
• La palabra "avión" podría ser el vector $\vec{v}_3 = (-1.50, 0.90, -0.10, \dots)$

Si nos fijamos bien en los componentes de $\vec{v}_1$ y $\vec{v}_2$, estos son muy parecidos. Como ambos términos representan animales domésticos y cuadrúpedos, sus coordenadas en este espacio hiperdimensional están muy cerca la una de la otra. En cambio, el vector de "avión" apunta hacia una región totalmente diferente del espacio.

Una vez que tenemos los datos convertidos en vectores y matrices, ¿cómo aprende la inteligencia artificial a relacionarlos? La respuesta se encuentra en la multiplicación de matrices. En la geometría analítica aprendemos que aplicar una matriz a un vector puede rotarlo, escalarlo (agrandarlo o achicarlo) o deformarlo. En el aprendizaje automático (Machine Learning), las neuronas artificiales hacen exactamente eso: aplican transformaciones geométricas continuas.

Una red neuronal artificial está estructurada en capas sucesivas. Cada capa toma una lista de datos (un vector de entrada $\vec{x}$), los multiplica por una matriz de pesos ($\mathbf{W}$) y les suma un vector de sesgo ($\vec{b}$):

$$\vec{y} = \mathbf{W} \vec{x} + \vec{b}$$

Podemos imaginar los pesos de la matriz $\mathbf{W}$ como los mandos de una mesa de mezclas de audio profesional. Cada número de la matriz sube o baja el "volumen" de una característica concreta de los datos. Al principio, antes de ser entrenada, los valores de esa matriz son completamente aleatorios y la IA comete errores constantes.

Entrenar un modelo de inteligencia artificial no es otra cosa que ajustar iterativamente los valores de esa matriz $\mathbf{W}$ mediante millones de operaciones matemáticas hasta que el resultado final sea certero.

¿Cómo mide la IA el parecido entre dos conceptos? Imagina que una IA de reconocimiento facial tiene almacenado el vector correspondiente a tu cara ($\vec{u}$) y escanea una nueva fotografía en la entrada de un edificio ($\vec{v}$). ¿Cómo calcula si se trata de la misma persona?

Para averiguar si dos vectores apuntan en una dirección similar en ese espacio hiperdimensional, la IA recurre al producto escalar y al concepto de ángulo entre dos vectores. Una manera de calcular el producto escalar entre vectores es a través de sus módulos y el coseno del ángulo que forman dichos vectores:

$$\vec{u} \cdot \vec{v} = \vert{}\vec{u}\vert{} \cdot \vert{}\vec{v}\vert{} \cdot \cos(\theta)$$

Despejando el coseno de la fórmula, obtenemos una métrica fundamental llamada similitud del coseno:

$$\cos(\theta) = \frac{\vec{u} \cdot \vec{v}}{\vert{}\vec{u}\vert{} \cdot \vert{}\vec{v}\vert{}}$$

• Si el ángulo $\theta$ entre ambos vectores es de $0^\circ$ ($\cos(0^\circ) = 1$), los vectores apuntan exactamente en la misma dirección: las dos caras o los dos conceptos son idénticos.
• Si el ángulo es de $90^\circ$ ($\cos(90^\circ) = 0$), los vectores son ortogonales: no existe ninguna relación entre ellos.

De esta manera tan elegante es como un sistema de recomendación (como el de Spotify o Netflix) descubre qué tipo de música o series te van a gustar: calcula el producto escalar entre el vector numérico de tus gustos y los vectores de miles de contenidos para encontrar aquellos cuyo ángulo sea mínimo respecto a ti.

De lo anterior parece que todo en la inteligencia artificial es como si fuera una ciencia exacta y perfectamente predecible. Sin embargo, hay un elemento esencial sin el cual la IA moderna no funcionaría: la estadística y la probabilidad.

El mundo real es caótico, ruidoso y está lleno de incertidumbre. Si le pides a una IA que reconozca una foto tomada con poca luz o que prediga la siguiente palabra de una frase, no hay una respuesta única y correcta al 100%. Ahí es donde entra en juego el pensamiento estadístico:

• Distribuciones de probabilidad en el lenguaje: Cuando un modelo genera un texto, no "sabe" con certeza absoluta qué palabra viene a continuación. Lo que hace es calcular una distribución de probabilidad para el vocabulario entero (por ejemplo, asignando un 85% de probabilidad a "perro", un 12% a "gato" y un 3% a "animal") y luego utiliza un criterio estadístico para seleccionar la más adecuada.
• El error y el entrenamiento: Durante el aprendizaje, la máquina comete errores constantes. Para medir cuán equivocado está el modelo, se utilizan las llamadas funciones de pérdida (loss functions), que calculan la diferencia estadística entre lo que el modelo predice y la realidad. A través de la probabilidad y el cálculo, el sistema ajusta sus parámetros para minimizar ese error de forma masiva.

Cuando una red neuronal empieza a aprender, los valores iniciales de sus matrices de pesos no se ponen al azar de cualquier manera, sino que se extraen de una distribución normal o de Gauss para evitar que el sistema se bloquee. En el mundo real, los datos (como la señal de un micrófono o la lectura de un sensor) siempre vienen acompañados de errores aleatorios. Los ingenieros asumen que ese "ruido" se comporta de forma normal, lo que permite a la IA filtrarlo y quedarse con la información limpia.

Para entender cómo una Inteligencia Artificial toma decisiones complejas entre múltiples opciones, es clave conectar dos conceptos: la distribución multinomial (la teoría estadística) y la función Softmax (su herramienta de cálculo).

La distribución multinomial es la generalización de la famosa distribución binomial (la de lanzar una moneda y obtener cara o cruz). Mientras que la binomial solo contempla dos resultados posibles, la distribución multinomial describe la probabilidad de obtener diferentes recuentos de resultados cuando un experimento se repite varias veces y cada prueba tiene más de dos opciones posibles.

En definitiva la IA es un clasificador de imágenes que debe decidir si una foto contiene un perro, un gato, un coche o un árbol. La salida del modelo es, conceptualmente, una tirada de dados de muchas caras, donde cada cara representa una categoría con su propia probabilidad de ocurrencia.

Los ordenadores, en las capas internas de una red neuronal, calculan números brutos (llamados logits) que pueden ser cualquier valor real, positivo o negativo, y que no suman 1. Aquí es donde entra la función Softmax. Softmax es una función de activación matemática que actúa como un puente: toma esa lista de números brutos y los transforma en una auténtica distribución de probabilidad multinomial. Utiliza la función exponencial ($e^x$) para amplificar las diferencias y luego divide cada valor entre la suma total. El resultado es un conjunto de números entre 0 y 1 que suman exactamente 1 (o el 100%).

Ante la pregunta "¿Qué animal aparece en la foto?", los valores internos brutos pueden ser $[2.0, 1.0, 0.1]$. Tras pasar por la capa Softmax, se convierten en probabilidades limpias: $70\%$ de probabilidad de perro, $25\%$ de gato y $5\%$ de árbol. Gracias a Softmax, la máquina puede expresar su grado de certeza en formato estadístico, permitiéndole elegir la opción más lógica o generar la siguiente palabra de un texto con base matemática.

A diferencia de la campana de Gauss (que maneja datos continuos como pesos, alturas o temperaturas), estas distribuciones manejan opciones discretas o categorías Si una IA médica analiza una radiografía, no te da una respuesta absoluta; calcula una distribución de probabilidad: "Hay un 92% de probabilidad de que sea neumonía, un 6% de bronquitis y un 2% de otra afección".

En modelos de lenguaje (como ChatGPT), cuando escribes un mensaje, la IA utiliza una capa final para transformar los números internos en una distribución de probabilidad sobre todo su diccionario. Así es como decide cuál es la palabra más adecuada para continuar la frase con sentido lógico.

En resumen, el Álgebra Lineal proporciona el escenario geométrico (los espacios hiperdimensionales), pero la estadística aporta el criterio de éxito, permitiendo que las máquinas aprendan a generalizar a partir de datos imperfectos en lugar de memorizarlos rígidamente.

El verdadero "superpoder" de la inteligencia artificial no es que posea una mente consciente dentro del microchip, sino nuestra capacidad humana de traducir el mundo físico a un elegante lenguaje matemático. 

Como hemos comentado, la inteligencia artificial no es una entidad mágica ni una mente consciente, sino una fascinante obra de ingeniería matemática. Desde las matrices y los espacios hiperdimensionales que traducen imágenes y palabras, hasta el producto escalar que mide similitudes y las distribuciones estadísticas como la multinomial y la función Softmax que gestionan la incertidumbre, todo se reduce a conceptos que se estudian, por regla general, en el Bachillerato.

Sin embargo, hay una última reflexión crucial que debemos hacernos. El hecho de que las máquinas operen con números fríos, vectores y probabilidades no significa que sean neutrales u objetivas. Cuando aplicaciones como TikTok, Instagram o los sistemas de recomendación de streaming calculan las probabilidades de qué contenido te gusta, no solo están midiendo tus intereses actuales: están dirigiéndolos activamente. Al optimizar sus algoritmos para retener tu atención el mayor tiempo posible, estas inteligencias artificiales pueden crear sesgos algorítmicos y cámaras de eco, alimentando una burbuja de contenido que artificialmente moldea tus gustos, opiniones y prioridades.

---

Lectura recomendada:

https://pijeira.blogspot.com/2026/10/matematicas-vs-IA.html

---

La frontera de lo calculable: de Diofanto al décimo problema de Hilbert

 

“En el momento en que completé la prueba, sentí una mezcla de inmensa alegría y una profunda melancolía: el hermoso sueño de Hilbert de un método universal se había esfumado para siempre”. Yuri Matiyasevich (Rusia 1947)

Hay preguntas matemáticas que se formulan en una línea, se entienden en secundaria y tardan siglos en responderse. Algunas, de hecho, esconden sorpresas aún mayores: descubren que existen preguntas que ninguna máquina ni método automático podrá resolver jamás.

Esta es la historia de las ecuaciones diofánticas, un viaje de más de mil setecientos años que empezó en la antigua Alejandría, apasionó a los mayores genios de la historia y terminó cambiando para siempre nuestra forma de entender la informática y los límites de la razón.

En el siglo III d.C., en la mítica ciudad de Alejandría, el matemático Diofanto escribió Arithmetica, un texto que proponía un giro conceptual aparentemente simple pero lleno de trampas: buscar únicamente soluciones que fueran números enteros o racionales.

Una ecuación común como $x + y = 5$ admite infinitas soluciones en los números reales, pero si exigimos que $x$ e $y$ sean enteros positivos, las opciones se reducen a un puñado discreto: $(1,4)$, $(2,3)$, $(3,2)$ y $(4,1)$.

A cualquier ecuación polinómica en la que solo buscamos soluciones enteras la llamamos hoy ecuación diofántica.

Mucho antes de Diofanto, los babilonios y los griegos ya conocían la ecuación diofántica más famosa de la geometría:

$$x^2 + y^2 = z^2$$

Buscar tríos de números enteros que cumplan esta relación equivale a encontrar triángulos rectángulos cuyos tres lados sean números exactos: las ternas pitagóricas. Para esta ecuación concreta se descubrió una fórmula capaz de generar absolutamente todas las soluciones posibles. El problema es que esa fórmula era un oasis. En cuanto se cambiaba un exponente o un signo en la ecuación, las reglas conocidas dejaban de funcionar.

Durante más de un milenio, la resolución de ecuaciones diofánticas avanzó a base de chispazos de genio aislados, sin un método unificado.

En la India, matemáticos como Brahmagupta (India 590- 670) y Bhaskara II (India 1114 – 1185) desarrollaron métodos para resolver ecuaciones del tipo:

$$x^2 - d \cdot y^2 = 1$$

Estas ecuaciones (llamadas por un error histórico Ecuaciones de Pell) parecen simples, pero sus soluciones enteras explotan de tamaño rápidamente. Por ejemplo, si $d = 61$, la solución entera más pequeña para $x$ e $y$ es:

$$x = 1.766.319.049, \quad y = 226.153.980$$

Los matemáticos indios crearon un método llamado Chakravala (un proceso cíclico similar al algoritmo de fracciones continuas) para calcular estas soluciones gigantescas.

Siglos más tarde, el inglés William Brouncker (Inglaterra 1620 – 1684) redescubrió cómo resolverlas en Europa. Sin embargo, en el siglo XVIII, el gran Leonhard Euler (Suiza 1707 – 1783) atribuyó por error este logro al matemático John Pell (Inglaterra 1611 – 1685), quien solo había recopilado el problema en un libro. Pese a ser una equivocación histórica, el nombre de Ecuación de Pell perdura hasta nuestros días.

Durante los siglos XVII y XVIII, la teoría de ecuaciones diofánticas se convirtió en el motor del álgebra moderna. Pierre de Fermat (Francia 1601 - 1665), formuló en 1637 su famoso Último Teorema sobre la imposibilidad de soluciones enteras de la ecuación diofántica $x^n + y^n = z^n$ para $n > 2$, prometiendo una demostración que tardaría 358 años en llegar, ver https://gilbeworld.blogspot.com/2026/05/el-ultimo-teorema-de-fermat-del.html.

Leonhard Euler fue el gran impulsor del estudio sistemático de las ecuaciones diofánticas. Euler resolvió casos particulares del Teorema de Fermat (como $n=3$), desarrolló el uso de las fracciones continuas para las ecuaciones de tipo Pell y demostró que ecuaciones como $x^4 + y^4 = z^2$ no tienen soluciones enteras distintas de cero.

Joseph-Louis Lagrange (Italia 1736 – 1813) demostró en 1770 el famoso Teorema de los cuatro cuadrados, probando que todo número entero positivo puede expresarse como la suma de cuatro cuadrados enteros ($a^2 + b^2 + c^2 + d^2 = N$), un resultado diofántico fundamental.

Durante el siglo XIX, la teoría de ecuaciones diofánticas sufrió una profunda metamorfosis: pasó de ser un conjunto de "trucos astutos" aplicados a ecuaciones particulares a convertirse en una disciplina estructurada basada en la álgebra abstracta y la teoría de números.

Carl Friedrich Gauss (Alemania 1777 - 1855) en 1801 con la publicación de sus Disquisitiones Arithmeticae, introdujo la aritmética modular y el estudio riguroso de las formas cuadráticas. Esto permitió tratar familias enteras de ecuaciones diofánticas de segundo grado de forma unificada, ver https://gilbeworld.blogspot.com/2026/10/la-simetria-oculta-de-los-numeros-de.html.

Al intentar resolver el Último Teorema de Fermat, Ernst Kummer (Alemania 1810 - 1893) descubrió que la factorización única fallaba en ciertos dominios numéricos. Para solucionarlo, Richard Dedekind (Alemania 1831 – 1916) introdujo el concepto de ideales. Esto transformó la búsqueda de soluciones enteras en el estudio de propiedades geométricas y algebraicas de estructuras más complejas (cuerpos de números).

Con el auge de la industrialización y los trabajos teóricos de figuras como Ada Lovelace (Reino Unido 1815 - 1852) y Charles Babbage (Reino Unido 1791 - 1871), emergió la idea de que los procesos matemáticos repetitivos podían automatizarse.

Al llegar al año 1900, los matemáticos habían logrado clasificar y resolver ecuaciones diofánticas de primer y segundo grado, pero chocaban contra un muro de complejidad al subir de grado o aumentar las variables. David Hilbert (Alemania 1862 – 1943), impregnado del optimismo del siglo XIX, creyó que el siguiente paso natural no era resolver cada ecuación una por una, sino crear un algoritmo universal que las decidiera todas.

El Décimo Problema, de la lista de 23 presentado por Hilbert en el Congreso Internacional de Matemáticas en París en 1900 abordaba directamente el caos de las ecuaciones diofánticas. El reto de Hilbert:

Concebir un proceso (un algoritmo) según el cual, mediante un número finito de operaciones, se pueda determinar si cualquier ecuación diofántica dada tiene o no solución en números enteros.

Hilbert compartía la convicción de que las matemáticas eran completas y decidibles. Soñaba con la existencia de un "algoritmo universal": un procedimiento mecánico en el que uno pudiera introducir cualquier polinomio con coeficientes enteros:

$$P(x_1, x_2, \dots, x_n) = 0$$

y que la máquina, tras girar sus engranajes un tiempo finito, respondiera con un SÍ o un NO definitivo.

Si este algoritmo existía, la teoría de números daría un salto gigantesco. Gran parte de los grandes enigmas de la historia de la ciencia se reducirían a apretar un botón.

La respuesta tardó 70 años en llegar, y no vino del álgebra tradicional, sino de una nueva disciplina: la teoría de la computabilidad, nacida de la mano de Alan Turing (Reino Unido 1912 - 1954) y Kurt Gödel (Austria 1906 – 1978).

Cuatro matemáticos unieron sus piezas a lo largo de décadas para resolver el enigma (Martin Davis, Hilary Putnam, Julia Robinson y Yuri Matiyasevich), resultando de sus trabajos e investigaciones lo que hoy se conoce como el “Teorema MRPD”.

Martin Davis (EE.UU. 1928 – 2023) y Hilary Putnam (EE.UU. 1926 - 2016), en la década de 1950, propusieron que los conjuntos de soluciones diofánticas podían equivaler a programas de ordenador. Demostraron que si se permitían exponentes ($a^x$), el problema ya era imposible de resolver mediante un algoritmo general.

Julia Robinson (EE.UU. 1919 - 1985), durante los años 1952 – 1968, buscó incansablemente el modo de eliminar los exponentes. Demostró que bastaba encontrar una sola relación puramente polinómica que creciera a ritmo exponencial (como las soluciones de la Ecuación de Pell) para reducir todo el problema a polinomios estándar.

Yuri Matiyasevich (Rusia 1947) en 1970, con solo 22 años, completó la pieza faltante utilizando la secuencia de Fibonacci. Demostró formalmente el Teorema MRDP: Todo conjunto computable por un ordenador equivale a la solución de una ecuación diofántica.

La demostración de Matiyasevich conecta las ecuaciones diofánticas con el famoso Problema de la Parada de Turing (Halting Problem):

• La traducción: El teorema MRDP demuestra que para cualquier programa informático $M$, es posible construir un polinomio $P_M(x_1, \dots, x_k) = 0$ tal que la ecuación tiene solución en enteros si y solo si el programa $M$ se detiene.
• La trampa lógica: Alan Turing ya había demostrado en 1936 que es matemáticamente imposible crear un programa general que determine si cualquier otro programa va a caer en un ciclo infinito (bucle) o a terminar en un tiempo finito.
• La conclusión: Si existiera el algoritmo universal que pidió Hilbert para probar las ecuaciones diofánticas, podríamos usarlo para resolver el problema de la parada de Turing. Como lo segundo es imposible, el algoritmo de Hilbert tampoco puede existir.

Respuesta final: El Décimo Problema de Hilbert se resolvió de forma NEGATIVA. No existe, ni existirá jamás, un método automático general para saber si una ecuación diofántica cualquiera tiene solución.

Haber demostrado que el problema general es imposible no significa que la historia haya terminado. Al contrario: ha abierto algunas de las áreas más activas de la matemática y la informática contemporáneas.

El décimo problema se cerró para los números enteros ($\mathbb{Z}$). Sin embargo, aún no sabemos si existe un algoritmo si buscamos soluciones en los números racionales ($\mathbb{Q}$, fracciones). Esta cuestión sigue siendo uno de los grandes problemas abiertos de la lógica moderna.

La dificultad extrema de resolver ciertos sistemas diofánticos se ha convertido en una virtud práctica. Algoritmos de cifrado esenciales para la seguridad en Internet (como la criptografía RSA o la criptografía de curva elíptica) basan su seguridad en que calcular soluciones a determinadas ecuaciones discretas requeriría miles de años para los ordenadores actuales.

Como no hay un algoritmo para todas las ecuaciones, los matemáticos se han dedicado a clasificar y resolver ecuaciones diofánticas según su geometría:

• Ecuaciones de grado 1 y 2: Completamente resueltas.
• Ecuaciones de grado 3 (Curvas Elípticas): Protagonizan la frontera de la investigación actual. La Conjetura de Birch y Swinnerton-Dyer, uno de los 7 Problemas del Milenio premiado con un millón de dólares, busca entender precisamente el comportamiento de las soluciones racionales en estas curvas.

El sueño de Hilbert de una máquina automática que lo resolviera todo se rompió, pero en su lugar descubrimos algo más profundo: la aritmética más básica es un territorio tan infinitamente rico que desborda los límites de cualquier ordenador.

La simetría oculta de los números: De las intuiciones de Euler y Lagrange al Noveno Problema de Hilbert.

 

Las leyes de reciprocidad son el puente que conecta el mundo discreto del álgebra con el mundo continuo del análisis. Robert Langlands (Canadá 1936).

Durante el siglo XVIII, la teoría de números dejó de ser una colección de acertijos aislados para convertirse en una disciplina estructurada. El motor de esta transformación fue el estudio de las ecuaciones diofánticas —ecuaciones polinómicas para las cuales se buscan soluciones enteras o racionales— y, en particular, el intento de comprender cómo se comportan los números primos cuando dividen a expresiones cuadráticas del tipo $x^2 + n$.

Esta línea de pensamiento siguió un desarrollo histórico claro que abarcó más de un siglo. En el siglo XVIII, Leonhard Euler (Suiza 1707 – 1783) y Joseph-Louis Lagrange (Italia 1736 – 1813) aportaron las primeras observaciones y conjeturas sobre la reciprocidad. Posteriormente, en 1801, Carl Friedrich Gauss (Alemania 1777 – 1855) presentó en sus Disquisitiones Arithmeticae la primera demostración rigurosa de lo que denominó el Theorema Aureum o Teorema Dorado. A lo largo del siglo XIX, matemáticos de la talla de Carl Gustav Jacobi (Alemania 1804 - 1851), Gotthold Eisenstein (Alemania 1823 - 1852) y Ernst Kummer (Alemania 1810 - 1893) extendieron estos estudios hacia potencias cúbicas, cuárticas y enteros algebraicos. Finalmente, en 1900, David Hilbert (Alemania 1862 – 1943) formuló su Noveno Problema en busca de una ley de reciprocidad universal.

¿Por qué los matemáticos del siglo XVIII sintieron la necesidad de estudiar estas simetrías? La respuesta reside en un problema fundamental: ¿qué números primos pueden expresarse como suma de dos cuadrados ($p = x^2 + y^2$).

Para responder a esto, era necesario saber bajo qué condiciones un número entero $a$ es el resto de dividir el cuadrado de un número por un número primo $p$. Es decir, cuándo existe un entero $x$ tal que $x^2 \equiv a \pmod p$. Si esta ecuación tiene solución, decimos que $a$ es un residuo cuadrático módulo $p$. Si no la tiene, es un no-residuo.

Saber qué números son residuos cuadráticos no era una simple curiosidad: constituía el criterio definitivo para factorizar números grandes, resolver ecuaciones algebraicas de segundo grado en aritmética modular y entender la estructura misma de los primos. Como señalaría célebremente Gauss: “la matemática es la reina de las ciencias, y la teoría de números es la reina de las matemáticas”.

Leonhard Euler analizó exhaustivamente qué primos dividen a expresiones de la forma $x^2 - a$. Tras compilar extensas tablas numéricas a lo largo de varias décadas, Euler observó un comportamiento asombrosamente ordenado y "espejado".

Notó que la propiedad de que un primo $q$ fuera residuo cuadrático módulo $p$ no dependía del valor absoluto de $p$, sino únicamente del resto que dejaba $p$ al ser dividido por $4q$. Euler comprendió que existía una "relación mutua" o recíproca entre dos primos impares $p$ y $q$: saber si $q$ era cuadrado módulo $p$ daba información directa sobre si $p$ era cuadrado módulo $q$. Euler formuló conjeturas muy precisas sobre esta regla de reciprocidad, pero se enfrentó a un muro infranqueable: no disponía de las herramientas teóricas para demostrar por qué funcionaba esa simetría.

Por su parte, Joseph-Louis Lagrange abordó el problema desde una perspectiva complementaria: la teoría de las formas cuadráticas binarias de la forma $Ax^2 + Bxy + Cy^2$. Lagrange demostró que el estudio de qué números primos pueden ser representados por una forma cuadrática dada se reduce directamente al cálculo de residuos cuadráticos y a la determinación de ciertos discriminantes. Al intentar clasificar estas formas cuadráticas, Lagrange se topó repetidamente con las mismas relaciones recíprocas entre primos que Euler había conjeturado.

A pesar de sus enormes contribuciones, Lagrange tampoco pudo proporcionar una demostración general de la ley subyacente. Para ambos matemáticos, la reciprocidad cuadrática era una hermosa simetría observada en la naturaleza aritmética, pero cuya causa profunda permanecía oculta.

El estancamiento finalizó a comienzos del siglo XIX. En 1801, con solo 24 años, Carl Friedrich Gauss publicó su obra cumbre, las Disquisitiones Arithmeticae. En ella, Gauss ofreció la primera demostración rigurosa de la Ley de Reciprocidad Cuadrática. Gauss quedó tan maravillado por la elegancia y sutileza de este resultado que lo bautizó como el Theorema Aureum (el Teorema Dorado). A lo largo de su vida, dedicado a comprender el mecanismo abstracto que generaba semejante simetría, llegó a publicar seis demostraciones completamente distintas (y dejó dos más en sus manuscritos).

El Teorema Dorado (Theorema Aureum), conocido formalmente como la Ley de Reciprocidad Cuadrática, establece exactamente la relación matemática de simetría entre dos números primos impares distintos, $p$ y $q$. El teorema dice exactamente cómo se relacionan las resolubilidades de las dos ecuaciones $x^2 \equiv q \pmod p$ e $y^2 \equiv p \pmod q$:

1. Si al menos uno de los dos primos ($p$ o $q$) deja resto $1$ al dividir entre $4$ (es decir, $p \equiv 1 \pmod 4$ o $q \equiv 1 \pmod 4$): Las dos ecuaciones tienen la misma respuesta: o ambas tienen solución en los enteros, o ninguna de las dos la tiene.
2. Si ambos primos ($p$ y $q$) dejan resto $3$ al dividir entre $4$ (es decir, $p \equiv 3 \pmod 4$ y $q \equiv 3 \pmod 4$): Las dos ecuaciones tienen respuestas opuestas: una de las ecuaciones tiene solución y la otra no.

Tras el éxito de la ley cuadrática, la pregunta natural para la comunidad matemática fue: ¿qué ocurre al elevar el grado de la ecuación?

Al investigar estas ecuaciones de grado superior, matemáticos como Jacobi, Eisenstein y Kummer descubrieron que los números enteros tradicionales ($\mathbb{Z}$) resultaban insuficientes. Tuvieron que expandir la aritmética creando nuevos sistemas numéricos, como los enteros gaussianos ($\mathbb{Z}[i]$) o las raíces de la unidad.

Hacia finales del siglo XIX, la teoría de números contaba con un mosaico de leyes fragmentadas: la ley cuadrática gaussiana, leyes cúbicas y cuárticas comprensibles bajo contextos específicos, y resultados aislados desarrollados por Kummer para exponentes primos superiores. Sin embargo, no existía una teoría unificada.

Hilbert comprendió que todas las leyes de reciprocidad descubiertas desde Euler y Lagrange hasta Kummer no eran más que manifestaciones superficiales de un principio estructural mucho más profundo. Este fue el motivo para que el estudio de estas leyes de reciprocidad fuera considerado como uno de los temas de investigación que debían guiar a las matemáticas en el siglo XX al presentar sus problemas en el Congreso Internacional de Matemáticas de París en 1900,

El Noveno Problema de Hilbert nació con el objetivo explícito de unificar y llevar a su máxima consecuencia el trabajo iniciado en el siglo XVIII: demostrar la ley de reciprocidad más general para los residuos de potencias $k$-ésimas en cualquier cuerpo de números algebraicos.

Hilbert planteó que debía existir una Ley de Reciprocidad Universal: un único principio capaz de operar en cualquier sistema numérico algebraico y para cualquier grado de potencia ($k = 2, 3, 4, 5, \dots$), cerrando así el gran capítulo de la aritmética iniciado por Euler más de un siglo atrás.

Para comprender bien el problema debemos acudir al lenguaje de la aritmética modular y las congruencias:

Decimos que dos números son congruentes módulo $m$ si dejan el mismo resto al dividirlos por $m$. Por ejemplo, $17 \equiv 5 \pmod{12}$ porque $17$ dividido entre $12$ deja resto $5$.

Tomemos una ecuación cuadrática simple dentro de la aritmética de un número primo $p$:

$$x^2 \equiv a \pmod p$$

Si esta ecuación tiene solución entera para $x$, decimos que $a$ es un residuo cuadrático módulo $p$.

Por ejemplo, si tomamos $p = 7$ y elevamos al cuadrado los números del $1$ al $6$ módulo $7$, obtenemos lo siguiente: 

• $1^2 = 1 \equiv 1 \pmod 7$ 
• $2^2 = 4 \equiv 4 \pmod 7$ 
• $3^2 = 9 \equiv 2 \pmod 7$
• $4^2 = 16 \equiv 2 \pmod 7$ 
• $5^2 = 25 \equiv 4 \pmod 7$
• $6^2 = 36 \equiv 1 \pmod 7$.

Los únicos restos cuadráticos que se obtienen son $1, 2$ y $4$. Por tanto, $1, 2$ y $4$. son residuos cuadráticos módulo $7$, mientras que $3$, $5$ y $6$ no lo son.

Tomemos dos primos impares distintos, $p$ y $q$, y planteemos dos preguntas espejo:

¿Es $q$ un residuo cuadrático módulo $p$? (¿$x^2 \equiv q \pmod p$ tiene solución?)

¿Es $p$ un residuo cuadrático módulo $q$? (¿$y^2 \equiv p \pmod q$ tiene solución?)

A priori, no hay razón obvia para que la respuesta a una pregunta influya en la otra. Sin embargo, el Teorema Dorado de Gauss establece, como vimos arriba, que si al menos uno de los dos primos ($p$ o $q$) deja resto $1$ al dividir entre $4$ las dos ecuaciones tienen la misma respuesta: o ambas tienen solución en los enteros, o ninguna de las dos la tiene. Por otra parte, si ambos primos ($p$ y $q$) dejan resto $3$ al dividir entre $4$ las dos ecuaciones tienen respuestas opuestas: una de las ecuaciones tiene solución y la otra no (fijémonos que un número primo dividido por $4$ nunca deja resto $2$). Esta simetría recíproca entre pares de primos es el modelo que Hilbert buscaba generalizar a cualquier cuerpo numérico y a cualquier potencia $k$-ésima.

El Noveno Problema de Hilbert se clasifica hoy en día como parcialmente resuelto. La razón radica en la estructura matemática de las extensiones de cuerpos de números algebraicos, la cual se divide formalmente entre el caso abeliano y el caso no abeliano, es decir que la estructura de grupo cumpla, o no, con la ley de conmutatividad.

En la década de 1920, el matemático Emil Artin (Austria 1898 - 1962) logró un hito monumental. Artin reformuló el problema utilizando la Teoría de Grupos de Galois, demostrando que el símbolo de reciprocidad podía entenderse como un isomorfismo entre el grupo de clases de ideales de un cuerpo numérico y el grupo de Galois de una extensión abeliana de dicho cuerpo.

La Ley de Reciprocidad de Artin unificó todas las leyes conocidas (cuadrática, cúbica, cuártica, etc.) y resolvió el problema de Hilbert al 100% para todas las extensiones abelianas, que son aquellas donde las operaciones de simetría conmuta ($a \cdot b = b \cdot a$).

Sin embargo, Hilbert pedía la ley más general posible. Cuando nos adentramos en extensiones de cuerpos algebraicos cuyos grupos de Galois son no abelianos ($a \cdot b \neq b \cdot a$), la ley de Artin ya no es suficiente. Por esta razón, el universo no abeliano mantiene el problema parcialmente abierto hasta el día de hoy.

Lejos de ser un capítulo cerrado, la búsqueda de la reciprocidad general es el corazón de la investigación matemática contemporánea, en particular el Programa de Langlands. Iniciado por Robert Langlands (Canadá 1936) en la década de 1960, este vasto entramado de conjeturas busca extender la reciprocidad de Artin al escenario no abeliano. Conecta la Teoría de Números (grupos de Galois) con el Análisis Armónico (formas automorfas). Se le considera habitualmente la "Gran Unificación de las Matemáticas".

La célebre demostración de Andrew Wiles del Último Teorema de Fermat fue posible gracias al Teorema de Modularidad (anteriormente conjetura de Taniyama-Shimura-Weil), que es precisamente un caso concreto de reciprocidad no abeliana dentro del marco de Langlands para curvas elípticas, ver https://gilbeworld.blogspot.com/2026/05/el-ultimo-teorema-de-fermat-del.html.

Investigadores contemporáneos como el medallista Fields Peter Scholze han introducido herramientas revolucionarias (como los espacios perfectoides) para entender las leyes de reciprocidad en contextos p-ádicos y geométricos de altísima complejidad.

La búsqueda de una ley de reciprocidad universal no es un mero ejercicio estético; es uno de los pilares de la teoría de números moderna:

• Predicción en Ecuaciones Diofánticas: Permite determinar si una ecuación polinómica tiene solución analizando sus restos módulo $p$, sin necesidad de calcular la solución explícita.
• El principio Local-Global: Conecta el comportamiento de los números en un ámbito "local" (módulo un primo $p$) con su comportamiento "global" sobre todos los enteros o racionales.
• Origen de la Teoría de Cuerpos de Clases: Obligó a los matemáticos a desarrollar la teoría de grupos y anillos algebraicos, transformando la aritmética tradicional en álgebra abstracta moderna.
• Criptografía moderna: Las propiedades de las congruencias y los residuos cuadráticos sustentan directamente algoritmos de cifrado esenciales como RSA y la criptografía de curva elíptica.

Lo que comenzó en el siglo XVIII como una simple curiosidad de Euler y Lagrange sobre residuos y formas cuadráticas se transformó, gracias a Gauss y Hilbert, en el gran motor del álgebra abstracta. La resolución parcial por parte de Artin nos dio la clave del mundo abeliano, pero el enigma de la reciprocidad no abeliana sigue guiando a los matemáticos del siglo XXI en su búsqueda de la simetría definitiva. Como declaró el propio Hilbert en su lema más famoso sobre la confianza matemática: Debemos saber, sabremos.