sábado, 8 de octubre de 2022

La Distancia Más Corta Entre Dos Puntos...

 

    En alguna ocasión esporádica he escrito en este blog sobre distancias aunque no en los términos que aparecen en la entrada que aquí propongo (se puede buscar información sobre este hecho en el buscador situado en la columna derecha, más abajo, escribiendo “distancia”, “geodésicas” o “curvatura”), por lo que entraré con más detalle, en lo que sigue, sobre esta cuestión.

    Que la distancia más corta entre dos puntos es la línea recta es lo que el ciudadano de a pie tiene interiorizado y responde a su idea de proximidad. En esta entrada mostraré que no siempre es así ofreciendo datos y ejemplos concretos. Es claro que la noción de proximidad está íntimamente relacionada con la noción de distancia, ya sea proximidad entre objetos, conjuntos, elementos, personas, conceptos, pensamientos, etcétera. Matemáticamente es un sustantivo abstracto, que es la base para la creación de estructuras complejas basadas en espacios métricos, como son los espacios topológicos y sus propiedades: conexión, compacidad, espacios cocientes,…. La proximidad entre conjuntos implica la proximidad entre los elementos de esos conjuntos y cómo es esa relación, es decir, esa distancia. Voy a introducir ahora la definición y aplicaciones precisas de lo mostrado anteriormente:

Un espacio pseudométrico es un par (X, d) donde X es un conjunto y d : X x X > una función llamada distancia que cumple las propiedades siguientes para cualesquiera elementos {a, b, c} X

1) d(a, b) 0

2) d(a, a) = 0

3) d(a, b) = d(b, a) propiedad simétrica.

4) d(a, b) d(a, c) + d(c, b) desigualdad triangular, con a, b, c distintos entre sí.

El espacio es métrico cuando, además, se cumple que si d(a, b) = 0 a = b, por lo que se tendrá una distancia métrica.


-Si X = {a} es un conjunto con un único elemento, es evidente que solo existe una única distancia definida por d(a, a) = 0

-Si X = {a, b} es un conjunto formado por dos elementos, sabemos que toda distancia sobre X ha de cumplir que d(a, a) = d(b, b) = 0 y que d(a, b) = d(b, a). Como no existen tres elementos distintos, automáticamente se cumple la desigualdad triangular. Así, existe una biyección entre las distancias y los números reales no negativos λ = d(a, b).

-Sea ahora un conjunto X que admite dos distancias definidas por d1(a, b) = 0, a, b X, y d2(a, b) = 0 si     a = b y d2(a, b) = 1 si a b.

Es fácil ver que d1 es una distancia métrica pero d2 no lo es si X tiene más de un elemento. Así, d1 se llama distancia indiscreta y d2 distancia discreta. Por tanto, (X, d1) se llama espacio pseudométrico indiscreto y    (X, d2) espacio métrico discreto.

-Teniendo en cuenta las propiedades del valor absoluto, es fácil probar que d : x > definida por    d(a, b) = |a – b| es una distancia métrica llamada distancia euclídea de la recta.

-Si se define d : 2 x 2 > como d(a, b) = [(a1 – b1)2 + (a2 – b2)2] ½ , con a = (a1 , b1) y b = (a2 , b2) , se prueba fácilmente, como en el caso anterior, que es una distancia métrica llamada distancia euclídea del plano (vulgarmente conocida como “la distancia más corta entre dos puntos”, que introduce el pensamiento de la primera frase de esta entrada).

-Un ejemplo curioso lo constituye la distancia (es fácil probar que lo es) d(a, b) = |a1 – b1 | + |a2 – b2 | , con    a = (a1 , b1) y b = (a2 , b2) , denominada distancia taxi o distancia Manhattan puesto que se basa en un mapa formado por calles perpendiculares entre sí, por lo que un taxi, para ir de un punto a otro de la ciudad, lo haría de forma escalonada por la estructura de las calles, y no de forma recta. Este es un claro contraejemplo en el plano de una distancia que no cumple la manida frase “la distancia más corta entre dos puntos es la línea recta”, ya que, con esta distancia, no se pueden “atravesar” edificios y el camino tiene forma escalonada, como he comentado.

-Otro sencillo ejemplo es el siguiente: sea X el conjunto de todas las funciones acotadas f : > , es decir, el conjunto de todas las funciones para las que existe k , de modo que | f(x) | k, x . Entonces     d(f, g) = sup { | f(x) – g(x) | ; x } define una distancia métrica sobre X (es fácil probar esto).

-También es una distancia la siguiente: sea X un conjunto y f : X > una función cualquiera. Entonces,    d(x, y) = | f(x) – f(y) | es una distancia sobre X pero no es una distancia métrica ya que d(x, y) = | f(x) – f(y) | = 0 f(x) = f(y) pero esta igualdad no quiere decir que x sea igual a y salvo que la función f cumpla ciertos requisitos. Para el caso general, d así definida es una distancia que no es una distancia métrica.

-Una propiedad interesante que cumple cualquier distancia d es:

| d(x, a) – d(y, a) | d(x, y)

| d(x, a) – d(y, b) | d(x, y) + d(a, b)

Hay que notar que aquí no se dice nada sobre cómo ni cuál es d ni sobre qué estructura se define (la recta, el plano, un espacio n -dimensional, un conjunto cualquiera, ...), simplemente se supone que los elementos son distintos entre sí.

Sin hacer una demostración rigurosa, intuitivamente se observa, para la primera desigualdad que, suponiendo los tres elementos distintos entre sí, si “inducimos” la introducción de un elemento “a ” entre x e y , la diferencia de distancias entre éstos y “a “, es decir, haciendo pasar la distancia existente entre x e y por el elemento “a “, se está consiguiendo restar dos valores muy parecidos entre sí, por lo que, tanto si están muy cerca entre sí x e y como si están muy alejados, d(x, a) es muy parecida en valor numérico a d(y, a) y así, su diferencia positiva (de ahí el uso del valor absoluto) es menor o igual a d(x, y) , y la igualdad se da en el caso de que “a “ fuera x ó y.

La segunda desigualdad es parecida a la primera pero hay que hacer notar que en la primera parte de la desigualdad aparece una resta y en la segunda parte aparece una suma e, intuitivamente, es fácil imaginar los elementos y sus disposiciones razonando como el párrafo anterior. Como antes, la igualdad se da si alguno de los elementos coincide con algún otro.

    Distintos ejemplos y distintas propiedades de las distancias, para no quedarnos sólo con “la distancia más corta entre dos puntos es la línea recta”. Por supuesto que existen muchas más distancias y las aquí explicadas se pueden generalizar a más dimensiones sin perder generalidad aunque he querido mantener las coordenadas en el menor número posible (la recta, el plano y conjuntos con pocos elementos) para no desviar la atención sobre lo que quería explicar.


jueves, 29 de septiembre de 2022

La Bolsa y Sistemas Mal Condicionados

 

    Supongamos que queremos “jugar” en Bolsa. Nuestro broker de confianza nos facilita información sobre dos productos de especial interés en estos momentos en el mercado. Las acciones de la empresa tecnológica A están a 2€ la unidad y las acciones de la empresa farmacéutica B están a 2,6€. Si decido comprar hoy puedo gastar 7€ por cada combinación de las empresas A y B, es decir, 2x + 2,6y = 7. Además, nuestro broker puede conseguir invertir un poco más en cada bloque pero a un precio algo mayor de la empresa A, por cuestiones de incentivos fiscales, de tal manera que la relación queda 2,5x + 2,6y = 10.

    No nos convence el mercado actual y decidimos esperar un par de días. Pasado ese tiempo, el valor de la acción de la empresa A ha variado, manteniéndose el de la empresa B, con lo que nos quedan las relaciones 2x + 2,6y = 7 ; 2,55x + 2,6y = 10. Esto es, ha variado el valor de la acción de la empresa A para la segunda opción de los incentivos fiscales. A simple vista parece que las empresas A y B se han mantenido estables y que hubiéramos conseguido el mismo beneficio al invertir el primer día que al invertir dos días después. Pero, ¿realmente es así?

Para obtener la respuesta ante esta situación hay que saber si el sistema de ecuaciones correspondiente al primer día está bien condicionado, es decir, si es “sensible” o no.

La solución del primer sistema es (6, 0,38), lo que, en lenguaje común significaría que podríamos haber comprado el primer día 6 acciones de la empresa A y casi una de la empresa B. La solución del segundo sistema de ecuaciones debería ser muy parecida a la del primer sistema por ser unas ecuaciones que varían muy poco, pero la solución es (5,45, -1,5), es decir, a los dos días podríamos haber comprado unas 5 acciones de la empresa A pero deberíamos VENDER acciones de la empresa B para mantener el equilibrio, lo cual no entraba en nuestros planes iniciales de diversificar nuestros fondos. Entonces, ¿qué ha sucedido?

    El sistema inicial del primer día está mal condicionado, lo cual significa que pequeñas variaciones en las ecuaciones de entrada suponen grandes variaciones en los datos de salida. En cierto modo, se podría denominar “sistema caótico”. La teoría nos dice que la condición de un sistema de ecuaciones depende de la condición de su matriz de coeficientes asociada, llamémosla X, de tal manera que el número de condición Cond(X) = ||X || · ||X-1 ||, siendo || · || la norma. La más sencilla podría ser la norma 1 ó la norma ∞, que suponen, respectivamente, sumar por filas en valor absoluto y quedarnos con el mayor valor o sumar por columnas en valor absoluto y quedarnos con el mayor valor. Si Cond(X) es mucho mayor que 1 , Cond(X) » 1, (este valor siempre es positivo por construcción) entonces el sistema está mal condicionado y sucede como en el ejemplo. Cuanto más se aleje este valor de 1, peor condición tendrá el sistema.

   En nuestro ejemplo, el número de condición de la matriz asociada al sistema de ecuaciones del primer día es, realizando los cálculos, 26,52, muy por encima del valor de referencia 1 , por lo que tenemos un sistema mal condicionado y es por eso que una pequeña variación en las ecuaciones, como sucede en la situación pasados dos días, supondría, no solo no comprar acciones a buen precio sino tener que vender acciones para poder mantener el equilibrio inicial, lo que supondría un desastre para nuestras supuestas inversiones.

¿Qué se puede hacer para solucionar este fallo? Lo mejor siempre es afinar todo lo posible en los cálculos iniciales y trabajar con la mayor precisión posible para minimizar los desajustes reales de los resultados que se preveían diferentes.

domingo, 25 de septiembre de 2022

Datación de Elementos Arqueológicos

 

    Ya he usado con anterioridad en este blog las ecuaciones diferenciales y he comentado su importancia en las entradas Una Ecuación Diferencial ImportanteDesintegración Radiactiva: Ecuación Diferencial , la cual ampliaré aquí con un ejemplo más, esta vez de la datación egiptológica de artefactos o, quizás, lo más importante de esta fascinante época de la humanidad, las personas que gobernaron y, por ende, lo que queda de ellas, sus cuerpos momificados. Recordaré, en primera instancia, el mecanismo teórico usado y su posterior aplicación sencilla al caso concreto de la época egipcia comentada.

Ley de Elster y Geitel de desintegración radiactiva (“la actividad de una sustancia radiactiva pura disminuye con el tiempo de forma exponencial”): Si llamamos N al número de núcleos que aún no se han desintegrado en un tiempo t , el número de emisiones por unidad de tiempo será proporcional al número de núcleos existentes, que matemáticamente se expresa como dN / dt = -λN , donde el signo negativo indica que el número de núcleos disminuye con el tiempo. Si integramos esta sencilla ecuación diferencial se consigue la ley de emisión radiactiva N = N0 · e-λt , donde N es el número de núcleos radiactivos que no se han desintegrado todavía,N0 es el número de núcleos radiactivos iniciales, λ es la constante proporcional radiactiva y t es el tiempo transcurrido. El número de emisiones por unidad de tiempo, dN / dt , se denomina A (actividad), que es la velocidad de desintegración

Si T es el periodo de semidesintegración, esto es, el tiempo necesario para que se desintegren la mitad de los núcleos iniciales N0 , entonces se deduce de la expresión de la ley N0 = N0 · e-λT T = Ln2 / λ


Vamos a aplicar este resultado a un ejemplo concreto:

El periodo de semidesintegración del carbono-14 es de 5730 ± 40 años. El análisis de una muestra de una momia egipcia revela que presenta las tres cuartas partes de la radiactividad de un ser vivo. ¿Cuál es la edad de la momia?


Aplicamos pues este importante resultado a la momia y al ser vivo:

momia: ¾ (actividad) = λ · N0 · e-λt

ser vivo: (actividad) = λ · N0

Dividiendo ambas expresiones, se tiene: ¾ = e-λt = e-t Ln2 / T

Se simplifica esta expresión tomando logaritmos en ambos miembros:

-tLn2/ T = Ln ¾ t = (5730 · 0,2877) / 0,693 = 2378,8 años, que se puede aproximar a 2379 años.


Se ha visto así que este método es muy fácil de aplicar y requiere pocos datos iniciales y se ha demostrado que posee un gran desempeño para las cuestiones técnicas de los requerimientos arqueológicos.