SERIE AI-NATIVE · LOS DOS EXTREMOS DE LAS MATEMÁTICAS, EPISODIO 1 DE 1 · 20 AÑOS

Matemáticas Discretas vs Continuas: Los Dos Extremos y Cómo se Encuentran (a los 20 años)

Por Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-10-15 · 21 minutos de lectura

La gran pregunta: ¿En qué se diferencian las matemáticas discretas y continuas, y cuándo, cómo y por qué cada una recurre a la otra?

Este texto NO vuelve a enseñar cómo se escriben los números; eso está en Number vs Representation (age 20). Nos centramos en los números enteros y la recta real, y dejamos el análisis complejo como un puente nombrado, no como una lección.

De qué trata este ensayo: matemáticas discretas vs continuas

Este es un ensayo sobre matemáticas discretas y continuas, los dos extremos del tema. Las matemáticas discretas cuentan cosas que vienen en piezas separadas: números enteros, grafos, cadenas, pasos. Las matemáticas continuas miden cosas sin interrupciones: longitudes, tiempo, temperatura, la recta real. Está escrito para lectores de alrededor de 20 años que programan, estudian matemáticas o trabajan en machine learning. Necesitas una laptop con Python y veinte minutos para los ejercicios.

La pregunta no es solo en qué se diferencian los dos extremos. Es cuándo, cómo y por qué cada uno se apoya en el otro. Las matemáticas oscilan entre ambos, y la mayor parte de la ingeniería moderna se sitúa en un punto intermedio entre ambos extremos. El ensayo nombra cuatro giros. Para cada uno, explica la condición que lo activa, la técnica que lo realiza y el motivo que lo justifica. Los motivos son de tres tipos: verdad (demostrar algo), amor (servir a alguien) y belleza (reunir muchos casos en uno solo).

También es una prueba. Este ensayo fue escrito con playbook-math, un método creado para la serie Numbers at Four Ages, para ver si el método funciona en un tema nuevo. La base sobre la que se construyó es el Two Ends Playground, una página gratuita con tres demostraciones en vivo de un extremo convirtiéndose en el otro.

Una imagen guía el ensayo, desde el último peldaño de una escalera de mano en la cocina: una cadena nacional de suministro de alimentos. Los huevos son discretos. Los cuentas, y nadie envía medio huevo. La harina es continua. La pesas, y cualquier cantidad de gramos es posible. Una cadena nacional debe planear ambos a la vez, cada mañana, y los cuatro giros aparecen en su oficina de planeación.

Actividad 1 · Cuenta un deslizamiento (inventa antes de seguir leyendo)

Los dos extremos y la línea entre ellos

Esta distinción es antigua. Aristóteles inicia su explicación de la cantidad con esto: "La cantidad es o discreta o continua." (Traducción: Quantity is either discrete or continuous.)" (Aristóteles, Categorías, Parte 6, trad. E. M. Edghill"). Su criterio para distinguirlas es tajante: en una cantidad discreta, las partes no comparten frontera. En su ejemplo, "dos cincos hacen diez, pero los dos cincos no tienen frontera común, sino que están separados". (Traducción: two fives make ten, but the two fives have no common boundary, but are separate)". Una línea, en cambio, está formada por partes que se tocan.

Primero aclaremos un término. En este ensayo, "discreto" significa construido de piezas separadas y contables, como los números enteros. Las fracciones también son contables, aunque se apiñan tanto en la recta que siempre hay otra entre dos cualesquiera. "Continuo" significa una línea sin ningún hueco.

Durante la mayor parte de la historia, el extremo continuo era el misterioso. Las paradojas del movimiento de Zenón (Dicotomía, Aquiles y la tortuga, Flecha y Estadio, Huggett, Stanford Encyclopedia of Philosophy, Zeno's Paradoxes) atacan la idea de que una línea pueda cortarse para siempre. Las fracciones parecían llenar la recta, ya que entre dos siempre hay otra, pero aun así dejan huecos. Dedekind llamó a los racionales "una falta de continuidad, incompletitud, discontinuidad". (Traducción: a gappiness, incompleteness, discontinuity)" (Bell, Stanford Encyclopedia of Philosophy, Continuity and Infinitesimals (citando a Dedekind 1872)). En 1872 llenó los huecos usando solo las fracciones contables: definió cada número real por cómo divide a las fracciones en un montón izquierdo y uno derecho (MacTutor, Richard Dedekind). El continuo se construyó a partir de piezas contables.

Luego Cantor demostró que los dos extremos ni siquiera tienen el mismo tamaño. En 1874 probó que los números reales no se pueden listar uno tras otro, mientras que los números enteros y las fracciones sí (MacTutor, Georg Cantor). Su argumento diagonal, mucho más conocido, llegó después en 1891 (Wikipedia, Cantor's diagonal argument). Así que la recta contiene más puntos de los que podrías nombrar jamás. No todos aceptaron esa construcción: Das Kontinuum (1918 de Weyl intentó reconstruir el análisis sin ella (Stanford Encyclopedia of Philosophy, Hermann Weyl).

Cada extremo tiene su propio conjunto de herramientas. La matemática discreta suma con Σ, toma diferencias con Δ, demuestra por inducción y cuenta casos exactos. La matemática continua integra con ∫, deriva con d/dx y demuestra resultados aproximando y tomando un límite. Los dos conjuntos se reflejan mucho más de lo que suele enseñarse en los cursos: "The finite difference is the discrete analog of the derivative." (Traducción: La diferencia finita es el análogo discreto de la derivada.)" (Weisstein, MathWorld, Finite Difference). Σ deshace Δ exactamente igual que ∫ deshace d/dx. Graham, Knuth y Patashnik escribieron todo un libro sobre ese espejo y lo titularon así: "Concrete Mathematics is a blending of CONtinuous and disCRETE mathematics." (Traducción: Concrete Mathematics es una mezcla de matemáticas continuas y discretas.)" (Graham, Knuth & Patashnik, Concrete Mathematics, publisher description (InformIT)).

Actividad 2 · Dibuja la escalera

Los cuatro giros

Las matemáticas no se quedan en ninguno de los dos extremos: giran entre ellos. Cada giro tiene una condición que lo activa, una técnica que lo realiza y un motivo que lo impulsa. Cada flecha en la figura señala hacia dónde entrega su resultado el giro. Los límites producen una fórmula suave (giro 1). El análisis aporta un hecho sobre números enteros (giro 2). El muestreo da números que una máquina puede manejar (giro 3). La relajación va hacia el extremo continuo y regresa con una respuesta entera (giro 4, un viaje de ida y vuelta).

Giro 1 · Contar → medir: cuando hay muchísimos pasos diminutos

La condición: un problema discreto con una enorme cantidad de piezas pequeñas.

La técnica: dejar que las piezas se hagan cada vez más pequeñas y tomar el límite, así una suma se convierte en una integral y un histograma en una curva.

Ejemplos:

• La fórmula de Stirling (1730, MacTutor, James Stirling) reemplaza n! por una expresión suave, √(2πn)(n/e)ⁿ. Para n = 10, la aproximación ya está solo 0.83% por debajo de 10! (calculado).
• En 1733 de Moivre mostró que el número de caras en muchos lanzamientos de moneda sigue la curva de campana (MacTutor, Abraham de Moivre).
• En 1837 apareció la distribución de Poisson, el límite para muchos eventos raros (MacTutor, Simeon Poisson).

En la parte 2 del Two Ends Playground puedes ver el caso de las monedas. Con 100 lanzamientos, la probabilidad exacta de 50 caras es 0.079589 y la altura de la curva de campana ahí es 0.079788 (calculado).

Aquí el motivo principal es la belleza: una sola curva resume un millón de casos distintos. En la cocina, la oficina de planeación deja de pronosticar el pedido de cada cliente y ajusta una curva de demanda continua para todo el país.

Giro 2 · Medir prueba contar: cuando contar es demasiado difícil

La condición: una pregunta sobre números enteros que no se puede resolver solo contando.

La técnica: envolver la secuencia discreta en una función continua y aplicar cálculo sobre esa función. La imagen de Wilf es insuperable: "A generating function is a clothesline on which we hang up a sequence of numbers for display." (Traducción: Una función generadora es un tendedero donde colgamos una secuencia de números para exhibirla.)" (Wilf, generatingfunctionology).

El gran ejemplo son los números primos, los objetos más discretos que existen.

• En 1859 Riemann los abordó con la función zeta, tratada como función de una variable compleja (Riemann, On the Number of Primes Less Than a Given Magnitude, tr. D. R. Wilkins).
• El teorema de los números primos, que afirma que hay aproximadamente x / ln x primos menores que x, se demostró en 1896, de forma independiente por Hadamard y de la Vallée Poussin, usando precisamente esa maquinaria continua (Weisstein, MathWorld, Prime Number Theorem).
• La suma de Euler de 1/n² es igual a π²/6, una constante circular que aparece en una suma de enteros (escrito en 1735, Euler Archive, E41 De summis serierum reciprocarum).

El motivo es la verdad: el extremo continuo alcanzó hechos que el extremo discreto podía enunciar pero, durante mucho tiempo, no podía demostrar. No para siempre: en 1949 Selberg y Erdős encontraron una demostración del teorema de los números primos que no usa análisis complejo (MacTutor, Atle Selberg). El giro llegó primero; no era el único camino.

Giro 3 · Contar al servicio de medir: cuando una máquina o una persona debe actuar

La condición: un mundo continuo en el que alguien tiene que intervenir usando un dispositivo finito: una computadora, un sensor, una mano.

La técnica: muestrear, dividir en partes, o redondear a un conjunto finito de números.

Los ejemplos:

• El teorema de muestreo de Shannon (1949) indica cuándo no se pierde información: "If a function f(t) contains no frequencies higher than W cps, it is completely determined by giving its ordinates at a series of points spaced 1/2W seconds apart" (Traducción: Si una función f(t) no contiene frecuencias superiores a W ciclos por segundo, queda completamente determinada al dar sus valores en una serie de puntos espaciados 1/2W segundos entre sí)" (Shannon (1949), Communication in the Presence of Noise, Proc. IRE 37(1)). Por eso una canción puede almacenarse en un archivo.
• La transformada rápida de Fourier (1965, Cooley & Tukey (1965), Math. Comp. 19(90), Crossref record) hizo que el análisis de frecuencias en versión discreta fuera lo suficientemente barato como para ejecutarse en todas partes.
• El método de elementos finitos, usado numéricamente por primera vez por Courant en 1943 (MacTutor, Richard Courant), divide un puente o un ala en piezas pequeñas para que una máquina pueda resolverlo.
• El punto flotante (IEEE 754-2019, IEEE Standards Association, IEEE 754-2019) le da a cada computadora un menú finito de números que representa la recta real.

La máquina subyacente es completamente discreta: la cinta de una máquina de Turing guarda "exactly one symbol" (Traducción: exactamente un símbolo)" por casilla (Stanford Encyclopedia of Philosophy, Turing Machines).

Aquí el motivo es servir directamente a alguien: el ingeniero, el oyente, el paciente en el escáner. En la cocina, un termostato no puede leer el horno de forma continua. Toma muestras de la temperatura unas cuantas veces por segundo, y el pan sale bien.

A veces la propia naturaleza responde del lado discreto: Planck introdujo la energía en cuantos enteros el 14 de diciembre de 1900 (MacTutor, Max Planck). Si el espacio y el tiempo son granulares en el fondo sigue siendo una pregunta abierta.

Giro 4 · Medida relaja el conteo: cuando la búsqueda es demasiado grande

La condición: una elección discreta con demasiadas opciones para probar una por una.

La técnica: fingir que la elección es continua, resolver primero el problema suave y luego redondear de vuelta. En optimización, esto es la relajación por programación lineal: dejar que una variable de sí-o-no tome cualquier valor entre 0 y 1. El precio es la integrality gap, la proporción en el peor caso entre la mejor respuesta entera y la suave (Wikipedia, Linear programming relaxation).

En la cocina (a modo de ejemplo, no como un plan real), el optimizador de la cadena planea 2.7 huevos para una tienda. Nadie ha pedido jamás 2.7 huevos. El optimizador lo hace cada mañana y luego redondea.

El machine learning recurre a este mismo giro constantemente:

• El truco Gumbel-softmax permite pasar gradientes a través de un sustituto continuo de una elección discreta. Se descubrió dos veces en una semana de 2016 (Jang, Gu & Poole (2016), Categorical Reparameterization with Gumbel-Softmax, arXiv 1611.01144; Maddison, Mnih & Teh (2016), The Concrete Distribution, arXiv 1611.00712).
• El entrenamiento consciente de la cuantización simula el redondeo a enteros de 8 bits durante el entrenamiento (sigue siendo este giro: un problema suave moldeado por el discreto), para que los pesos y activaciones luego puedan ejecutarse solo con aritmética entera (Jacob et al. (2017), Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference, arXiv 1712.05877). Ejecutarlas en ese hardware corresponde al giro 3.

Aquí el motivo es servir, aunque se busca la verdad cuando es posible. Para la relajación LP, el problema suave da una respuesta utilizable y una cota demostrable de cuán lejos puede estar la solución. Gumbel-softmax no ofrece tal cota. Sus gradientes son una estimación sesgada, controlada por la temperatura, y los ingenieros lo aceptan a cambio de velocidad.

La rotación: no es un viaje de ida

Los cuatro giros no son trucos independientes. El trabajo real recorre el círculo, muchas veces más de una vuelta.

Un modelo de lenguaje, de principio a fin:

1. Las palabras son tokens discretos.
2. El entrenamiento las transforma en vectores continuos y ajusta los pesos mediante gradientes. Eso es el giro 4: relajar un problema discreto en uno suave. Algunos pipelines también simulan el redondeo a enteros durante el entrenamiento, lo cual sigue siendo giro 4.
3. Muchos modelos desplegados luego corren en enteros de baja precisión, como 8 bits, en el hardware de servicio. Ese es el giro 3, de vuelta a una máquina que debe actuar. (Muchos modelos funcionan en punto flotante de 16 bits; la rotación igual termina en un conjunto finito y discreto de números).
4. Su salida se muestrea un token discreto a la vez.

Discreto, continuo, discreto: una rotación completa por cada respuesta que lees.

Una simulación de puente:

1. La física es continua.
2. El ingeniero divide el puente en elementos finitos, formando una malla discreta (giro 3).
3. Luego refina la malla una y otra vez, comprobando que las respuestas se estabilizan a medida que las piezas se hacen más pequeñas (giro 1, el límite).

La confianza en el resultado final surge de haber recorrido todo el ciclo y comprobar su validez.

La misma rotación explica cómo actúan los tres motivos en la práctica:

• La belleza y la verdad llevan un problema hacia el extremo donde puede verse completo o demostrarse.
• El amor lo empuja hacia el extremo que alguien pueda usar: el menú finito de una máquina en el giro 3, o un problema suave que un solucionador pueda manejar en el giro 4.

Actividad 3 · Observa la bisagra en código

import math
g = 0.5772156649015329   # Euler-Mascheroni constant
for n in (10, 100, 1000, 10**6):
    H = math.fsum(1/k for k in range(1, n+1))
    print(n, H - (math.log(n) + g), 1/(2*n))
n = 100   # coin flips: exact count vs bell curve
exact = sum(math.comb(n, k) for k in range(56)) / 2**n
Phi = lambda z: 0.5*(1 + math.erf(z/math.sqrt(2)))
print(exact, Phi((55.5 - 50)/5))

Aquí γ es la constante de Euler–Mascheroni, 0.5772…, la cantidad por la que la suma 1 + 1/2 + … + 1/n se mantiene por encima de ln n a largo plazo. La diferencia resulta ser 0.0492, 0.00499, 0.000500 y 0.000000500. Eso es casi exactamente 1/(2n) cada vez (calculado). La línea de monedas calcula la probabilidad de obtener como máximo 55 caras en 100 lanzamientos, exactamente contando (0.864373) y con la curva de campana usando una corrección de continuidad de medio paso (0.864334). Esta es la bisagra entre los dos extremos: la fórmula de Euler–Maclaurin, que dice exactamente cómo difieren una suma y una integral, término a término. Euler y Maclaurin la encontraron de forma independiente,alrededor de 1735 (Wikipedia, fórmula de Euler-Maclaurin). Ese sobrante 1/(2n) es el siguiente término. Kronecker supuestamente dijo "God created the integers, all else is the work of man." (Traducción: Dios creó los números enteros; todo lo demás es obra del hombre.)" (MacTutor, Leopold Kronecker (una cita atribuida, reportada de segunda mano)). Esta bisagra muestra que ambos extremos están más cerca entre sí que cualquiera de ellos respecto a esa disputa.

Verdad, amor y belleza: por qué los matemáticos recurren a los giros

Los cuatro giros no son simples trucos. Cada uno responde a una razón, y esas razones se agrupan en tres tipos.

• Verdad: el giro demuestra algo. El giro 2 es el caso más claro: las curvas dieron la primera prueba de cómo se distribuyen los primos. El giro 4 aporta una cota cuando es una relajación lineal, es decir, una garantía de cuán lejos puede estar la respuesta redondeada.
• Amor: el giro sirve a alguien. El giro 3 existe porque necesitamos música en archivos, puentes seguros y escáneres que funcionen. El giro 4 existe porque un planificador necesita saber hoy cuántos huevos pedir para mañana.
• Belleza: el giro resume muchos casos en uno solo. El giro 1 reemplaza un millón de lanzamientos de moneda por una sola curva. La bisagra sustituye toda una tabla de sumas por ln n + γ + 1/(2n). Hardy lo puso como el listón de toda la disciplina: "Beauty is the first test: there is no permanent place in the world for ugly mathematics." (Traducción: La belleza es la primera prueba: no hay lugar permanente en el mundo para las matemáticas feas.)" (Hardy (1940), A Mathematician's Apology).

Cada motivo, por sí solo, falla de una forma reconocible:

• Verdad sin amor da una demostración de existencia con la que nadie puede calcular. Es cierto que existe un mejor plan de huevos, pero eso no alimenta a nadie mañana.
• Amor sin verdad da una respuesta en la que se confía sin comprobarla. El optimizador pide 2.7 huevos, redondeados a 3 en cada tienda sin mirar la diferencia, y termina enviando un 11% más de huevos de lo planeado (calculado: 3 ÷ 2.7). Amable con cada tienda, pero el piso del almacén termina cubierto de omelets.
• Belleza sin verdad da un argumento hermoso que aún no es una demostración. La primera deducción de Euler de π²/6 (escrita 1735) usó pasos que nadie podía justificar. Una demostración que él aceptó llegó en 1741 (Wikipedia, Basel problem). La respuesta era correcta; la belleza llegó antes que la verdad.

Aquí utilizo una perspectiva personal, y la señalo como tal. Sostengo que la verdad, el amor y la belleza son tres caras de una sola Realidad, y en mi fe, de una sola Persona. No necesitas compartir esa creencia para usar la lista de comprobación anterior. Aunque quizá notes lo que Wigner observó sobre cómo las matemáticas encajan en el mundo: él lo llamó "a wonderful gift which we neither understand nor deserve" (Traducción: un regalo maravilloso que ni entendemos ni merecemos)" (Wigner (1960), The Unreasonable Effectiveness of Mathematics in the Natural Sciences, Comm. Pure Appl. Math. 13(1)).

¿Un número tiene dos formas?

La serie que pone a prueba este ensayo usó una perspectiva del cuerpo:

• un espíritu que da unidad a una cosa;
• huesos, carne y piel como sus capas;
• dos formas, discreta como partículas y continua como un flujo o una onda.

Este ensayo es esa última fila, desarrollada. La perspectiva predice que las dos formas son un eje que atraviesa cada capa, no una capa en sí mismas. Los giros lo confirman: cada giro cambia la forma, mientras lo que se estudia (el conteo de primos, el sonido, el pedido de huevos) sigue siendo lo mismo.

Esta perspectiva falla donde la física aún no tiene respuestas. Los cuantos de Planck hacen que la energía sea granular, pero la teoría cuántica sigue usando ondas suaves, y si el espacio es granular o no, sigue sin saberse. Las matemáticas no tienen que elegir: mantienen ambas formas y giran entre ellas según lo requiera el problema.

La misma idea a cuatro edades

El playbook requiere una idea que sea válida a cualquier edad. Aquí está en cuatro tamaños. Solo la última está escrita completa aquí.

La misma historia, cinco aplicaciones

Errores a medias

• «Las computadoras trabajan con números reales.» En realidad, trabajan con un menú finito de racionales que representa la recta. El instinto es correcto, porque el menú es excelente, pero casi ningún número real está ahí.
• "Calculus was rigorous from the start." El método funcionó mucho antes de que existiera una demostración rigurosa. El continuo de Dedekind llegó en 1872, casi dos siglos después de Leibniz.
• "Discrete math is the computer kind and continuous math is the physics kind." Cada uno de los giros que vimos arriba cruza esa frontera. Los números primos se conquistaron primero con cálculo, y la física descubrió los cuantos.

Ahora explícalo

Por qué importa: cinco porqués

El problema: los estudiantes toman matemáticas discretas y cálculo como dos cursos sin relación, y se sorprenden cuando una suma se ajusta a una integral o una curva demuestra un hecho sobre los primos.

1. ¿Por qué la sorpresa? Nunca vieron un giro. Cada curso se queda en un extremo, así que los puentes parecen coincidencias, aunque tienen nombre y fecha, como el de de Moivre en 1733 (MacTutor, Abraham de Moivre).
2. ¿Por qué cada curso se queda en un extremo? Los departamentos y los programas separan por tema: combinatoria aquí, análisis allá. El espejo entre Δ/Σ y d/dx/∫ no pertenece a ninguno (Weisstein, MathWorld, Finite Difference).
3. ¿Por qué importa el espejo? Porque los giros ocurren sobre él. Euler–Maclaurin, Stirling y las funciones generadoras son formas de cruzarlo (Wilf, generatingfunctionology).
4. ¿Por qué cruzar importa para una persona ingeniera? Sus herramientas se apoyan en un giro: audio muestreado (Shannon (1949), Communication in the Presence of Noise, Proc. IRE 37(1)), optimizadores relajados (Wikipedia, Linear programming relaxation), modelos cuantizados (Jacob et al. (2017), Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference). Si no sabes en qué giro estás, no verás el modo de fallo: aliasing, brecha de integralidad o error de redondeo.
5. Causa raíz: los giros se enseñan como trucos y no como un mapa. La solución es el marco de este ensayo: para cualquier herramienta, nombra su giro, la condición que lo activa, la técnica y el motivo, y así sabes qué revisar.

Ponlo en práctica esta semana

1. Lee la línea de enseñar por adelantado.
2. Cuenta un deslizamiento (Actividad 1, 3 minutos).
3. Dibuja la escalera de cuatro rectángulos y luego mueve el deslizador de la parte 1 del Two Ends Playground hasta 100 (10 minutos).
4. Ejecuta el código de la bisagra y compáralo con la parte 3 (5 minutos).
5. Elige una herramienta que uses (un formato de audio, un solucionador, un modelo cuantizado) y escribe una línea: su giro, la condición, la técnica, el motivo y lo que puede fallar.
6. Enseña la escalera a un joven de 15 años.

Cómo saber que funcionó

Puedes hacer tres cosas sin consultar notas:

1. Nombrar los cuatro giros y un ejemplo de cada uno.
2. Predecir la diferencia entre 1 + 1/2 + … + 1/n y ln n + γ (aproximadamente 1/(2n)).
3. Para una herramienta que uses, nombra el modo de fallo que introduce su giro.

Esto no puede medir si detectarás un giro en una base de código bajo presión. El apunte de una línea del paso 5 de Ponlo en práctica es el hábito que sí puede.

Feedforward: alertas decididas de antemano

• Si vas a muestrear una señal, anota primero su frecuencia más alta.El teorema de muestreo no presupone frecuencias más altas; en señales reales, hay que filtrar antes de muestrear.
• Si redondeas una solución relajada, informa la diferencia.Una respuesta sin su cota es servir sin verdad.
• Si un argumento es bello pero los pasos no están verificados, llámalo conjetura hasta que lo estén.El argumento de Euler1735es el recordatorio.

Autoevaluación 5S

Fuentes

1. Aristóteles. Categorías, Parte 6, trad. E. M. Edghill. classics.mit.edu
2. Huggett, N. "Zeno's Paradoxes." Stanford Encyclopedia of Philosophy. plato.stanford.edu
3. Bell, J. L. "Continuity and Infinitesimals." Stanford Encyclopedia of Philosophy. plato.stanford.edu
4. O'Connor, J. J. & Robertson, E. F. "Richard Dedekind." MacTutor. mathshistory.st-andrews.ac.uk
5. O'Connor, J. J. & Robertson, E. F. "Georg Cantor." MacTutor. mathshistory.st-andrews.ac.uk
6. "Cantor's diagonal argument." Wikipedia. en.wikipedia.org
7. "Hermann Weyl." Stanford Encyclopedia of Philosophy. plato.stanford.edu
8. O'Connor, J. J. & Robertson, E. F. "The rise of calculus." MacTutor. mathshistory.st-andrews.ac.uk
9. O'Connor, J. J. & Robertson, E. F. "Bernhard Riemann." MacTutor. mathshistory.st-andrews.ac.uk
10. Weisstein, E. W. "Finite Difference." MathWorld. mathworld.wolfram.com
11. Graham, R. L., Knuth, D. E. & Patashnik, O. Concrete Mathematics, descripción del editor. informit.com
12. O'Connor, J. J. & Robertson, E. F. "James Stirling." MacTutor. mathshistory.st-andrews.ac.uk
13. O'Connor, J. J. & Robertson, E. F. "Abraham de Moivre." MacTutor. mathshistory.st-andrews.ac.uk
14. O'Connor, J. J. & Robertson, E. F. "Siméon Poisson." MacTutor. mathshistory.st-andrews.ac.uk
15. Riemann, B. (1859). On the Number of Primes Less Than a Given Magnitude, tr. D. R. Wilkins. maths.tcd.ie
16. Weisstein, E. W. "Prime Number Theorem." MathWorld. mathworld.wolfram.com
17. Euler, L. E41, "De summis serierum reciprocarum." Euler Archive. scholarlycommons.pacific.edu
18. "Basel problem." Wikipedia. en.wikipedia.org
19. Wilf, H. S. generatingfunctionology. math.upenn.edu
20. Shannon, C. E. (1949). Communication in the presence of noise. Proc. IRE 37(1). PDF
21. Cooley, J. W. & Tukey, J. W. (1965). An algorithm for the machine calculation of complex Fourier series. Math. Comp. 19(90). Crossref
22. O'Connor, J. J. & Robertson, E. F. "Richard Courant." MacTutor. mathshistory.st-andrews.ac.uk
23. IEEE 754-2019, Standard for Floating-Point Arithmetic. standards.ieee.org
24. O'Connor, J. J. & Robertson, E. F. "Max Planck." MacTutor. mathshistory.st-andrews.ac.uk
25. "Turing Machines." Stanford Encyclopedia of Philosophy. plato.stanford.edu
26. "Linear programming relaxation." Wikipedia. en.wikipedia.org
27. Jang, E., Gu, S. & Poole, B. (2016). Categorical Reparameterization with Gumbel-Softmax. arXiv:1611.01144
28. Maddison, C. J., Mnih, A. & Teh, Y. W. (2016). The Concrete Distribution. arXiv:1611.00712
29. Jacob, B. et al. (2017). Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference. arXiv:1712.05877
30. Hardy, G. H. (1940). A Mathematician's Apology. archive.org
31. O'Connor, J. J. & Robertson, E. F. "Leopold Kronecker." MacTutor. mathshistory.st-andrews.ac.uk
32. Wigner, E. P. (1960). The Unreasonable Effectiveness of Mathematics in the Natural Sciences. Comm. Pure Appl. Math. 13(1). PDF
33. Kobayashi, K. (2024). Efectos del aprendizaje interactivo al prepararse para enseñar y al enseñar. Educational Psychology Review. ERIC EJ1414484

Relacionado