El legado invisible de Al-Khwarizmi: El álgebra y el algoritmo

Al-Khwarizmi: un matemático olvidado. En la historia de la matemática existe un conjunto de figuras cuya influencia es tan profunda que cuesta imaginar el mundo intelectual sin ellas. Entre ellas, destaca un nombre que, paradójicamente, ha quedado relegado a un plano secundario en la memoria colectiva occidental: Muḥammad ibn Mūsā al-Khwarizmi, conocido en Occidente como Al-Khorezmi o Algoritmi, el erudito persa del siglo IX considerado uno de los padres fundadores del pensamiento matemático moderno. 

Su legado atraviesa las disciplinas del álgebra, la astronomía, la geografía y la numeración; sin embargo, para muchos sigue siendo un personaje difuso, citado únicamente en notas históricas o atribuido indirectamente a través de la palabra “algoritmo”, derivada precisamente de la latinización de su nombre.

La Casa de la Sabiduría y el motor intelectual del siglo IX. Para entender la magnitud de su contribución es necesario situarlo en su contexto. Al-Khwarizmi trabajó en la Bayt al-Hikma –la Casa de la Sabiduría de Bagdad–, una de las primeras instituciones científicas en sentido moderno. Allí, matemáticos, astrónomos, traductores y filósofos desarrollaron un sistema de investigación colectiva que permitió compilar, traducir y expandir el conocimiento grecolatino, indio y persa. Este entorno interdisciplinar y multicultural fue determinante: lo que hoy reconocemos como matemática árabe es, en realidad, un proyecto global que encontró en Al-Khwarizmi a uno de sus protagonistas más brillantes.

El nacimiento del álgebra como disciplina. Su obra más influyente, Al-jabr wa-l-muqābala, suele traducirse de manera aproximada como “La restauración y la reducción”. Este tratado no fue un simple compendio técnico: fundó el álgebra como disciplina autónoma, desvinculada de la geometría griega y orientada hacia la resolución sistemática de problemas. En él se describen procedimientos generales para resolver ecuaciones lineales y cuadráticas mediante reglas claras, expresadas en lenguaje retórico antes del desarrollo del álgebra simbólica.

El valor de Al-jabr fue doble. Por un lado, ofreció un método aplicable a cuestiones prácticas como el reparto de herencias, las transacciones comerciales o la medición de terrenos. Por otro, introdujo una forma de pensar basada en operaciones abstractas, que con el tiempo conduciría al álgebra moderna. Cuando la obra llegó a Europa en el siglo XII, traducida al latín, transformó la enseñanza matemática y permitió el paso de un sistema de cálculo geométrico a uno algebraico y operacional.

Los algoritmos y la aritmética indoeuropea. El segundo gran pilar de su legado es su tratado sobre numeración y cálculo con cifras hindúes, conocido como Algoritmi de numero Indorum en su versión latina. Este texto introdujo en Occidente el uso posicional de los números decimales, incluido el cero, y explicó métodos sistemáticos para sumar, restar, multiplicar y dividir. La difusión de estas técnicas abrió la puerta a una revolución computacional antes de la informática: permitió cálculos rápidos, normalizó los registros contables y facilitó las operaciones astronómicas.

De este tratado proviene el término “algoritmo”, hoy omnipresente en informática, ciencia de datos y teoría de la computación. Cuando hablamos de algoritmos que gobiernan motores de búsqueda o modelos de inteligencia artificial, estamos utilizando –sin saberlo– la huella lingüística de un sabio persa del siglo IX.

Geografía, astronomía y precisión científica. Más allá de las matemáticas, Al-Khwarizmi destacó en cartografía y astronomía. Revisó y refinó los datos de Ptolomeo, corrigiendo la longitud del Mediterráneo y elaborando tablas astronómicas de alta precisión. Su Zīj al-Sindhind se convirtió en una referencia científica para el mundo islámico y europeo durante siglos. Esta amplitud disciplinar refleja el perfil del científico integral que la Casa de la Sabiduría aspiraba a cultivar: un investigador capaz de operar en múltiples dominios y conectar teoría y práctica.

¿Por qué está olvidado? El relativo olvido de Al-Khwarizmi responde a varios factores: la fragmentación de las fuentes, el predominio de narrativas eurocéntricas en la historia de la ciencia y la pérdida gradual de manuscritos árabes tras la caída de Bagdad en 1258. Sin embargo, la influencia de sus ideas continúa incrustada en todas las capas del pensamiento matemático y en la educación científica moderna. Cada vez que resolvemos una ecuación cuadrática, que organizamos un proceso mediante pasos sistemáticos o que utilizamos el sistema decimal, seguimos trabajando bajo los principios que él articuló.

Redescubrir a Al-Khwarizmi en la educación actual. Incorporar su figura a los currículos de matemáticas no es solo un acto de justicia histórica: es una oportunidad pedagógica. Al-Khwarizmi ejemplifica la importancia del rigor metodológico, la utilidad práctica del álgebra y la riqueza de la ciencia como proyecto intercultural. Presentarlo a estudiantes y docentes contribuye a una visión más amplia, inclusiva y precisa del desarrollo científico.

Su obra demuestra que la matemática no es producto de una sola tradición, sino de un intercambio continuo de ideas. Recordar a Al-Khwarizmi no solo ilumina el pasado; también ofrece una narrativa valiosa para comprender la ciencia como un esfuerzo colectivo y acumulativo.

@cronologia_es El genio que cambió las matemáticas para siempre. El trabajo algebraico de Al-Khwarizmi sentó las bases de las matemáticas modernas. ¡Sus contribuciones cambiaron el mundo! En el siglo IX, Al-Khwarizmi introdujo el concepto de álgebra, revolucionando el pensamiento matemático. Su trabajo en algoritmos y trigonometría influyó en innumerables eruditos y allanó el camino para futuros avances científicos. El legado de Al-Khwarizmi vive en el término 'algoritmo', derivado de su nombre, un testimonio de su impacto duradero. Hoy, Al-Khwarizmi es celebrado como un pionero de las matemáticas y una figura clave en la Edad de Oro Islámica. 📄 Créditos de Imágenes Todas las imágenes vía Wikimedia Commons: - Al-Khwarizmi: https://commons.wikimedia.org/wiki/File:Madrid_-_Ciudad_Universitaria%2C_Monumento_a_Muhammad_al-Juarismi_%28cropped%29.jpg - Al-Khwarizmi: https://commons.wikimedia.org/wiki/File:Mu%E1%B8%A5ammad_ibn_M%C5%ABs%C4%81_al-Khw%C4%81rizm%C4%AB.png - Madrid - Ciudad Universitaria, Monumento a Muhammad al-Juarismi : https://commons.wikimedia.org/wiki/File:Madrid_-_Ciudad_Universitaria,_Monumento_a_Muhammad_al-Juarismi.jpg Ver enlaces para detalles completos de licencia. 💬 ¿Qué opinas sobre este evento histórico? ¡Comenta abajo! 💬 ¿Sabías que el trabajo de Al-Khwarizmi sentó las bases para el álgebra moderna? ¿Cómo crees que serían las matemáticas sin sus contribuciones? #MartesDePioneros #historia #cronología #datosdehistoria #matemáticas #edaddeoroislámica #historiaoculta #asombroso ♬ original sound - cronología

Inteligencia Artificial vs. Acertijos: ¿Qué Modelos Triunfan?

Este acertijo, muy clásico y simple, es resuelto sin dificultad por ChatGPT, Gemini, Claude,... pero no por Grok o Meta AI, que sí saben animar la imagen con soltura. Vamos a resolverlo paso a paso, según el razonamiento de ChatGPT:

1️⃣ Cuando el loro está sobre la cabeza del hombre: H + L = 200

2️⃣ Cuando el loro está en el suelo junto al hombre: H - L = 170

Queremos hallar la altura del hombre (H) y la altura del loro (L).

Sumando ambas ecuaciones: (H + L) + (H - L) = 200 + 170 => 2H = 370 => H = 185

✅ Resultado final:  Altura del hombre: 185 cm  Altura del loro: 15 cm

Lo mismo sucede con esta segunda adivinanza, apenas un poco más difícil. Los humanos la resolveríamos viendo que hay 15 cm (34 - 19) de diferencia entre la primera y segunda pila. Esos tres reboses de vasos miden 15; luego, cada rebose son 5 cm (15/3). Por tanto el vaso, restando en la segunda pila determina que tiene 14 cm de altura (19 - 5).

Tampoco ofrece dificultades para la Inteligencia Artificial los pasatiempos gramaticales, como el de esta imagen: "Estoy en todo, pese a estar en nada". La solución en comentarios,... o consultad vuestra inteligencia conversacional preferida.

Como bonus final, un cuarto pasatiempo en X (Twitter).

Acertijo: Un niño que no tiene manzanas sube a un árbol sin manzanas (ni nada ni nadie alrededor) y baja con dos #manzanas. ¿Cómo es posible? pic.twitter.com/cs6qRMgElj

— Mikel Agirregabiria (@agirregabiria) February 18, 2023

George Dantzig: Resolvió lo imposible y optimizó el futuro

George Dantzig: El Hombre que Resolvió los Problemas Inabordables y Creó la Programación Lineal. En la historia de la ciencia, a veces, los avances más revolucionarios nacen de la casualidad, de un error afortunado que cambia el curso del conocimiento. Su anécdota más célebre, de cómo por un error al no asistir a clase hizo su primer descubrimiento, se recrea en la película "El indomable Will Hunting".

Un hecho real en la vida de Dantzig dio origen a una famosa leyenda en 1939, cuando era un estudiante en la Universidad de California, Berkeley. Al comienzo de una clase a la que Dantzig llegó con retraso, el profesor Jerzy Neyman escribió en la pizarra dos ejemplos famosos de problemas estadísticos aún no resueltos. Al llegar Dantzig a clase, pensó que los dos problemas eran tarea para casa y los anotó en su cuaderno. 

De acuerdo con Dantzig, los problemas «le parecieron ser un poco más difíciles de lo normal», pero unos pocos días después obtuvo soluciones completas para ambos, aún creyendo que estos eran tareas que debía entregar.​ Seis semanas después, Dantzig recibió la visita del profesor Neyman, quien muy emocionado había preparado una de las soluciones de Dantzig para ser publicadas en una revista matemática. Años después otro investigador, Abraham Wald, publicó un artículo en el que llegaba a la conclusión del segundo problema, y en el cual incluyó a Dantzig como coautor.

La historia de George Bernard Dantzig (1914-2005) tiene uno de esos momentos legendarios, pero su legado va mucho más allá de una anécdota. Dantzig no solo resolvió problemas que su profesor creía irresolubles, sino que desarrolló una de las herramientas matemáticas más poderosas del siglo XX: la programación lineal y el algoritmo símplex, un método que literalmente transformó la industria, la economía y la logística moderna.

George Dantzig nació en Portland, Oregón, en el seno de una familia con un profundo arraigo intelectual. Su padre, Tobias Dantzig, fue un reconocido matemático e historiador de las ciencias, y su madre, Anja Ourisson, una lingüista especializada en lenguas eslavas. Este ambiente familiar cultivó desde joven su afinidad por los números y la lógica.

Tras licenciarse en matemáticas y física en la Universidad de Maryland en 1936, y obtener un máster en matemáticas en la Universidad de Michigan, Dantzig se trasladó a la Universidad de California, Berkeley, para realizar su doctorado bajo la supervisión de uno de los estadísticos más importantes de la época, Jerzy Neyman.

Aquí es donde su vida toma un giro de guion de película. Un día de 1939, Dantzig llegó tarde a una clase de estadística de Neyman y encontró dos problemas escritos en la pizarra. Asumiendo que eran la tarea para casa, los copió y se los llevó. Días después, se los entregó a su profesor, pidiendo disculpas por el retraso, ya que le habían parecido "un poco más difíciles de lo normal". Unas semanas más tarde, un Neyman emocionado fue a buscarlo a su casa a primera hora de la mañana. Los dos problemas que Dantzig había resuelto no eran deberes; eran dos famosos problemas estadísticos sin resolver que habían desconcertado a los matemáticos durante años. Este increíble logro le sirvió como tesis doctoral.

Aunque esta anécdota cimentó su fama, su contribución más trascendental estaba por llegar. Durante la Segunda Guerra Mundial, Dantzig trabajó para la Fuerza Aérea de los Estados Unidos en la Oficina de Control Estadístico. Allí se enfrentó a problemas logísticos de una escala monumental: ¿cómo asignar de la manera más eficiente los recursos (aviones, combustible, personal) para maximizar el éxito de las misiones? Estos problemas, conocidos como "problemas de asignación", carecían de un método sistemático para su resolución.

Fue esta experiencia la que sembró la semilla de su mayor creación. Después de la guerra, mientras trabajaba como asesor matemático para el Pentágono, desarrolló el marco de la programación lineal para modelar estos complejos problemas de optimización y, en 1947, concibió el algoritmo símplex, el primer y más famoso método para resolverlos. El resto, como se suele decir, es historia. Pasó gran parte de su carrera académica en la Universidad de Stanford, donde fue profesor de Investigación de Operaciones y Ciencias de la Computación, consolidando su legado hasta su fallecimiento en 2005.

Para entender la magnitud del trabajo de Dantzig, es crucial comprender qué es la programación lineal. En esencia, es una técnica matemática para encontrar la mejor solución posible (un máximo o un mínimo) de un problema que puede ser descrito mediante un conjunto de relaciones lineales.

Imagina que eres el gerente de una fábrica que produce dos tipos de productos. Cada producto requiere una cantidad diferente de recursos (mano de obra, materia prima, tiempo de máquina) y genera un beneficio distinto. Tienes una cantidad limitada de cada recurso. La pregunta es: ¿cuántas unidades de cada producto debes fabricar para maximizar tu beneficio total sin exceder tus recursos?

Este es un problema clásico de programación lineal. George Dantzig proporcionó dos cosas fundamentales: 1º El Modelo: Un lenguaje formal (ecuaciones y desigualdades lineales) para traducir este tipo de problemas del mundo real a un formato matemático. El objetivo es optimizar una función objetivo (ej. maximizar el beneficio) sujeta a una serie de restricciones (ej. los recursos limitados). 2º La Solución (El Algoritmo Símplex): Un procedimiento paso a paso, increíblemente eficiente, para encontrar la solución óptima. El algoritmo navega de manera inteligente por los vértices de una región geométrica (un poliedro) definida por las restricciones, buscando sistemáticamente el vértice que ofrece el mejor valor para la función objetivo.

La publicación de su trabajo, especialmente en su libro seminal "Linear Programming and Extensions" (1963), desató una revolución silenciosa. De repente, problemas que antes requerían una intuición experta o conjeturas arriesgadas podían resolverse de forma sistemática y óptima.

Las aplicaciones se extendieron como la pólvora en: Logística y Transporte: Diseño de rutas de distribución para minimizar costes y tiempos de entrega. Finanzas: Creación de carteras de inversión para maximizar el retorno con un riesgo determinado. Producción Industrial: Planificación de la producción para maximizar la eficiencia y minimizar el desperdicio. Telecomunicaciones: Asignación óptima del ancho de banda en redes de comunicación. Energía: Gestión de la producción y distribución de energía en redes eléctricas.

El algoritmo símplex fue considerado uno de los 10 algoritmos más importantes del siglo XX por la revista Computing in Science & Engineering. La contribución de George Dantzig no es meramente académica; es uno de los pilares sobre los que se sostiene la eficiencia de nuestra civilización tecnológica. Su trabajo inauguró el campo de la investigación de operaciones y sentó las bases para el desarrollo de la optimización matemática, un área indispensable en la era del Big Data y la inteligencia artificial.

Si bien con el tiempo han surgido otros algoritmos para la programación lineal (como los métodos de punto interior), el algoritmo símplex sigue siendo una herramienta fundamental, ampliamente estudiada y utilizada por su robustez y eficacia en una gran variedad de problemas prácticos.

George Dantzig recibió numerosos honores a lo largo de su vida, incluyendo la Medalla Nacional de la Ciencia en 1975, el máximo galardón científico de Estados Unidos, y el prestigioso Premio John von Neumann de Teoría en 1974. Sin embargo, muchos en la comunidad científica consideran que su ausencia entre los galardonados con el Premio Nobel de Economía es una de las grandes omisiones de la Academia Sueca, dado que su impacto en la economía aplicada es, sin duda, comparable al de muchos laureados.

Su legado es el de un pensador pragmático y brillante que supo construir un puente entre la abstracción matemática y los problemas más acuciantes del mundo real. George Dantzig nos enseñó que, con las herramientas adecuadas, la complejidad puede ser ordenada y que siempre existe una manera óptima de hacer las cosas. Nos dio un método para encontrarla.

Jerk: la tercera derivada que sentimos en la vida diaria

Hay un chiste sólo para matemáticos o físicos con conocimientos de inglés, como aparece en la camiseta adjunta. Jerk en inglés es una palabra polisémica, que habitualmente se usa más en su significado despectivo de cretino. Pero también significa tirón, y eso se expresa como la tercera derivada de de la posición respecto al tiempo.

En física, el jerk (en castellano a veces traducido como tirón o sacudida) es la tercera derivada de la posición respecto al tiempo. La unidad es metros dividido por segundos al cubo (m/s^3). Dicho de otro modo:

- La posición cambia con la velocidad (1ª derivada).

- La velocidad cambia con la aceleración (2ª derivada).

- La aceleración cambia con el jerk (3ª derivada).

En un coche, por ejemplo: La velocidad es cuánto rápido avanza. La aceleración es cómo aumenta esa velocidad. El jerk mide lo brusco que es el cambio de aceleración (por ejemplo, si el conductor pisa el acelerador de golpe o suavemente). En ingeniería, control de vehículos, robótica o ascensores, se intenta minimizar el jerk para lograr movimientos más suaves y confortables. 

En la física del movimiento, la posición es el punto de partida; la velocidad es su primera derivada, indicando la rapidez con la que cambia la posición; la aceleración es la segunda derivada y el ritmo de cambio de la velocidad; el  jerk o tirón es la tercera derivada y el cambio brusco de la aceleración cuando pisas el freno bruscamente repetidas veces pero de forma regular. 

A partir de aquí, las derivadas superiores (ver en Wikipedia) describen cambios más sutiles y complejos: el jounce o snap es la cuarta derivada, como la sensación de tirones repetitivos al pasar por una serie de baches; el crackle es la quinta derivada y el cambio en el jounce, que ocurre cuando la naturaleza de esos rebotes se modifica repentinamente; y el pop es la sexta derivada, un concepto aún más abstracto que describe el cambio en el crackle, fundamental en el análisis de vibraciones y la dinámica de fluidos. 

Cada concepto en esta cadena es la derivada del anterior y la integral del siguiente, mostrando cómo el movimiento se construye y se descompone en sus componentes más básicos. No aburrimos más, pero la broma nos ha parecido divertida, por ser tan críptica como ingeniosa. 

Life is short, don’t be a jerk!! #GoodMorning pic.twitter.com/CMlUf82UAS

— perfectly imperfect (@_aperfectmess_) August 13, 2025

Girl Math: Cuando las matemáticas se maquillan con humor

El fenómeno de "Girl Math" es una tendencia viral nacida en redes sociales como TikTok, en la que —con tono humorístico— se justifica el gasto de dinero utilizando una lógica flexible, emocional o creativa, comúnmente asociada a estereotipos de consumo femenino. Aunque surgió como una broma, el fenómeno refleja cómo las personas aplican razonamientos subjetivos para tomar decisiones económicas cotidianas.

Desde el punto de vista educativo y matemático, Girl Math ofrece una oportunidad ideal para enseñar pensamiento crítico, discernir entre razonamiento válido y falacias lógicas, e incluso introducir conceptos como valor percibido, coste hundido o descuento temporal.

Como análisis didáctico y con objetivos pedagógicos para el aula nos puede ayuda para: - Entender qué es una falacia lógica. - Reflexionar sobre la percepción subjetiva del dinero. - Aplicar principios matemáticos (aritmética, porcentajes, coste-beneficio). - Introducir nociones de psicología económica (behavioral economics).

Algunos ejemplos clásicos de Girl Math, con la justificación popular y el análisis matemático y lógico: 

- “Si lo pago en efectivo, es como si fuera gratis.” Porque el dinero ya está fuera del banco. Falso: el coste es real, aunque se pague en efectivo. No hay ahorro neto.

- “Si devuelvo un abrigo de 80€, puedo gastar otros 80€ porque es como si no hubiera comprado nada.” Siente que tiene “crédito moral” o “dinero recuperado”. Es una falacia del coste recuperado. No se gana nada: se evita una pérdida.

- “Si voy al concierto y la entrada costaba 100€, pero me lo paso increíble, entonces la experiencia vale más de 100€”. Justificación por valor emocional. Aquí entra la noción de valor subjetivo: el coste se compara con la satisfacción.

- “Si me sale 2x1, en realidad cada cosa vale la mitad, así que estoy ahorrando dinero.” Cree que ha “ganado” dinero. Verdadero si ya planeaba comprar dos. Si no, puede ser un gasto adicional innecesario.

- “Si un bolso me costó 300€ pero lo uso 100 veces, solo me costó 3€ por uso.” Razonamiento por coste unitario. Esto es análisis coste por uso. Es una forma válida de evaluar rentabilidad.

- “Si gasto menos de 20€, no cuenta como gasto.” Cifra arbitraria, tipo “gasto invisible”. Falso: todos los gastos suman. Pero se relaciona con la teoría del “umbral de dolor del gasto”. 

- “Si algo está rebajado de 100€ a 60€, entonces he ganado 40€”. Siente que ha ganado dinero. Falso: solo se ahorra si se necesitaba el producto. Ganar es ingresar, no gastar menos.

Reflexión pedagógica sobre ¿Qué puede aprenderse con Girl Math?: Distinguir entre valor real y valor percibido. Identificar falacias matemáticas y cognitivas. Introducir conceptos de microeconomía doméstica. Entender el poder del pensamiento crítico frente a sesgos de consumo.

En conclusión: Girl Math no es un concepto serio de contabilidad, pero sí una herramienta cultural útil para explorar cómo las personas razonan sobre el dinero. Desde la educación matemática, es una oportunidad lúdica para enseñar pensamiento lógico y economía conductual, sin perder el sentido del humor.

@deprenella

en serio girl math es una manera de vivir

♬ original sound - Antooo