0 оценок0% нашли этот документ полезным (0 голосов)
15 просмотров4 страницы
1ra. limitacion: Pone enfasis en el
“que” y resolviendo problemas de decisión mas que de optimización, al
abordar problemas de optimización los logra resover aceptablemente si se dan en un ámbito continuo o No discreto, pero sistemáticamente descuida el “como” y si los problemas de optimización si se dan en el ambito discreto, estos al abordarlos lo hace con serias limitaciones, lo cual significa que propone una solución o algoritmo que funciona sólo si el problema es de tamaño pequeño.
2da. Limitacion: Sólo hace
explícito lo que ya estaba dicho en sus axiomas y reglas de origen, o sea
ya estaba delimitada de origen.
1ra. limitacion: Pone enfasis en el
“que” y resolviendo problemas de decisión mas que de optimización, al
abordar problemas de optimización los logra resover aceptablemente si se dan en un ámbito continuo o No discreto, pero sistemáticamente descuida el “como” y si los problemas de optimización si se dan en el ambito discreto, estos al abordarlos lo hace con serias limitaciones, lo cual significa que propone una solución o algoritmo que funciona sólo si el problema es de tamaño pequeño.
2da. Limitacion: Sólo hace
explícito lo que ya estaba dicho en sus axiomas y reglas de origen, o sea
ya estaba delimitada de origen.
1ra. limitacion: Pone enfasis en el
“que” y resolviendo problemas de decisión mas que de optimización, al
abordar problemas de optimización los logra resover aceptablemente si se dan en un ámbito continuo o No discreto, pero sistemáticamente descuida el “como” y si los problemas de optimización si se dan en el ambito discreto, estos al abordarlos lo hace con serias limitaciones, lo cual significa que propone una solución o algoritmo que funciona sólo si el problema es de tamaño pequeño.
2da. Limitacion: Sólo hace
explícito lo que ya estaba dicho en sus axiomas y reglas de origen, o sea
ya estaba delimitada de origen.
LAS LIMITACIONES DE LA MATEMATICA CLSICA NOCOMPUTACIONAL. Revisin 2.
1 Leoncio Ibarra Mtz. libarram@gmail.com AGOSTO del 2016
1ra.LIMITACION de la matemtica clsica NO-computacional.
La matematica clsica no-computacional centra su desarrollo bsicamente en derivar, o descubrir nuevas frmulas o ecuaciones, y en demostrar teoremas, usualmente de tipo terico: poniendo enfasis en el que y resolviendo problemas de decisin mas que de optimizacin, al abordar problemas de optimizacin los logra resover aceptablemente si se dan en un mbito continuo o No discreto, pero sistemticamente descuida el como y si los problemas de optimizacin si se dan en el ambito discreto, estos al abordarlos lo hace con serias limitaciones, lo cual significa que propone una solucin o algoritmo que funciona slo si el que el problema es de tamao pequeo. Afortunadamente surge las ciencias de la computacin, que al contar con los lenguajes de programacin ha podido abordar el como y desarrollar algoritmos aproximados de optimizacion discreta. Ntese que la teora de algoritmos y complejidad computacional, brilla por su ausencia en los planes de estudio de los matemticos clsicos. Algunos dicen que la mtematica clsica NO-computacional no puede ser de otra manera, mientras quienes la estudian renuncian a otros puntos de vista, es como ser de una religin y cerrarse a estudiar otra. Desafortunadamente no es multiparadigma, su paradigma es el declarativo o lgico, por eso importa mas el que, que el como, por eso las matematicas no computacionales son modelos pasivos, estaticos, mas que activos o dinmicos.
Recordemos que son los problemas de decisin y de
optimizacin. Un problema de decisin decide sobre la veracidad de: Existe un x tal que P(x) es verdadera o falsa, o simplemente para un Xo especfico: debemos responder si P(Xo) es verdadera o falsa ?, la respuesta de reduce a un s o a un NO para ese X especfico abstracto o para ese Xo especfico concreto. En un problema de optimizacin adems de decidir si hay una X cumple o NO con p(X), nos imponemos la tarea debe encontrar o caracterizar las x que cumplen o NO con P(x), la respuesta para un problema de optimizacin es ms complicada o difcil de obtener, generalmente requiere de la formulacin de un
algoritmo de bsqueda para lograr una respuesta en un tiempo razonable. No
siempre el resultado en esa busqueda es contundente o exhaustivo, muchas veces slo podremos conseguir resultados aproximados o soluciones parciales. Asi el mejor algoritmo ser el que mejor se aproxime, o aquel que d una respuesta menos parcial, y obviamente con el menor nmero de recursos y de tiempo necesarios. Por ejemplo, cuando x es una n-ada valores discretos tomados de al menos dos valores posibles, o bien una lista de n-valores discretos tomados de m-posibles, con m>n, entonces: los problemas de decisin y los de ptimizacin se complican convirtindose en as en problemas de tipo NPC y NPH respectivamente, ante los cuales la matemtica clsica a la fecha se ha evidenciado como incompetente. Algunos matemticos al abordar slo problemas de decisin y NO de optimizacin, no crean conciencia de la necesidad de los algoritmos computacionales, y menos si sus problemas no son del mbito discreto o aleatorio, la mayora de stos ingenuamente creen: si resolvemos primero el problema de decisin, ya luego el de optimizacin correspondiente ser mas fcil abordarlo. Por eso insistimos: una postura medieval de algunos matemticos es cuando se empean en reducirlo todo a una ecuacin o un sistema de ecuaciones (lineales u ordinarias), y se les ovida que an aceptndolo, NO siempre ser posible encontrar las raices fcilmente con una formula o con la demostracin de un teorema, inevitablemente tendrn que elaborar un algoritmo de busqueda y de aproximacin, mxime si el problema de optimizacin se d en el ambito discreto y algunas de las variables involucradas son NO determinsticas. Hay problemas que parecieran ser de decisin, pero son mas bien de optimizacin, por ejemplo si queremos demostrar que en efecto existe un Xo para el cual P(x) es cierta o falsa, es claramente un problema de decisin, pero si mas bien queremos demostrar que NO existe un x para el cual P(x) es cierta o falsa, es mas bien un problema de optimizacin, ya que tendriamos que demostrar que todos los X de cierto dominio hacen a P(X) cierta o falsa. Muchos problemas de este tipo traen de cabeza a la matemtica. En palabras llanas, casi siempre es mas fcil demostrar que existe algo que sea, pero ya demostrar que NO existe algo sea: no siempre es fcil. Pongamos unos ejemplos: el ultimo teorema de Fermat, o Hiptesis de Reimman, o que no existe una sucesin mediante la cual sea posible generar a los numeros primos. Recordemos que de todos los problemas que tiene el hombre para los cuales es deseable exista un buen algoritmo, no todos ellos se pueden formular y resolver en trminos de alguna ecuacin o frmula. Si es cierto que alguna formula o ecuacin tendra que ver, pero en muchos casos el proceso de planteamiento y solucin no se reduce a ello.
Cuando un problema es complejo, digamos de tipo NPC o NPH, una sola
ecuacin o formula NO es suficiente, generalmente requerimos de numerosas consideraciones y tareas a fin de plantearlo y resoverlo, si no ptimamente, cuando menos de manera aproximada aceptable, esto lo tiene bien en claro la matemtica Computacional: adems de tomar a cuenta todas las ecuaciones y formulas que considere adecuadas, no se olvida de implementar algortmicamente una solucin echando mando de todos los recursos computacionales disponibles. Asi su inters se centra en el desarrollo de algoritmos de todo tipo sin importar que sean aproximados pero s ptimizados en algn sentido.
2da.LIMITACION de la matemtica clsica NO-computacional.
La matematica clsica no-computacional es esttica, centra su desarrollo bsicamente en derivar, descubrir o demostrar nuevos teoremas, los cuales se debern obtener TODOS a partir de sus axiomas o reglas y solo de manera extraordinaria podr agregar un nuevo axioma o regla, siempre y cuando, de NO hacerlo dificilmente sera posible demostrar el teorema en cuestin. Por eso los lgicos dicen, que la matemtica clsica formal, slo hace explcito lo que ya estaba dicho en sus axiomas y reglas de origen, o sea ya estaba delimitada de origen. La matematica clasica No es rebelde o abierta, es mas bien cerrada desde el principio, o es demasiado conforme en creer es posible lograr todo su desarrollo a partir de primeras verdades, incluso algunos asumen fervientemente que estas fueron bien elegidas y definidas, y no faltan los devotos que les asignan un origen casi divino. Sin embargo con la Matematica Computacional asociada con la programacin orientada a objetos, asume y promueve un carcter no cerrado, crtico, dinmico y evolutivo, eso significa que siempre est abierta la posibilidad de extender su teora y herramientas, por ejemplo si parte o asume una primera clase, con todo naturalidad acepta extenderla a una o mas clases a partir de ella, llamndolas sublases y a la original o primera le llama super clase, con la nica restriccin de que las subclases heredan de la superclase todos sus atributos y metodos, excepto los privados, y as todo los objetos de las sublases son objetos de la superclase. Las sublases o clases derivadas difieren entre si por los nuevos atributos y mtodos agregados en cada una de ellas, as es posible construir clases mas diversas y poderosas, resultando natural el recicaje de las ideas y la solucin a los problemas es constructiva y definida en terminos de metodos o algoritmos encadenados y aplicados y evaluados a los objetos correspondientes. Gracias a la los lenguages de programacin orientados a objetos podemos asumir una actitud
mas abierta y no ceirnos o limitarnos a lo que se establezca como nuestros
axiomas y reglas de origen, ya que cada vez que que definamos una clase nadie nos prohibe definamos otra y otra y hacer posible elaborar un programa que haga posible la cooperacin ente ellas, as la matemtica computacional esta en mejores condiciones para ampliar o mejorar en cualquier momento lo que consideremos nuestra primera clase, las clases derivadas sern las que puede heredar sus objetos y mtodos, pero pudiendo siempre agregar o definir nuevos atributos y mtodos, incluso sobrescribiendo o sobrecargando los mtodos que ya teniamos.
Análisis Matemático I y II Medida e Integración Introducción Al Análisis Complejo Análisis Complejo Análisis Funcional Espacios Localmente Convexos