Inicio · Parte 02 — Álgebra y funciones
a < b y k > 0 ⟹ ka < kb
a < b y k < 0 ⟹ ka > kb
Una desigualdad describe un conjunto, no un punto. La solución de −3x + 4 > 10 no es un número: es el intervalo (−∞, −2). Esa diferencia de naturaleza explica por qué el resultado se expresa como intervalo o como condición, y por qué conviene comprobarlo con un valor de prueba dentro y otro fuera.
La regla del signo tiene una justificación geométrica clara. Multiplicar por un negativo refleja la recta numérica respecto al origen, y una reflexión invierte el orden: lo que estaba a la izquierda queda a la derecha. Es la misma «media vuelta» que la clase 002 usó para explicar el producto de signos.
Al resolver, el hábito seguro es despejar sin dividir por negativos: pasar los términos de modo que el coeficiente de la incógnita quede positivo. Si no se puede evitar, hay que invertir el símbolo y marcarlo explícitamente, porque es el error más frecuente y el más silencioso: produce el intervalo complementario, que suele parecer razonable.
Las desigualdades son el lenguaje de las restricciones en optimización. La parte 12 escribe g(x) ≤ 0 para cada restricción, y las condiciones KKT (clase 257) tratan por separado las restricciones activas —donde se cumple la igualdad— de las inactivas.
Resolver −3x + 4 > 10 y comprobar con dos valores.
−3x + 4 > 10
−3x > 6 (restar 4)
x < −2 (dividir por −3: SE INVIERTE)
Frontera: x = −2
Prueba dentro (x = −5): −3(−5) + 4 = 19 > 10 ✓
Prueba fuera (x = 0): −3(0) + 4 = 4 > 10 ✗
Solución: (−∞, −2)
Multiplicar por un negativo invierte el sentido de la desigualdad.
python classes/part-02-algebra-y-funciones/044-desigualdades-lineales/lab.py
compmath run 044
desigualdadfronterasolucionverifica_x=-5verifica_x=0regla{
"desigualdad": "-3x + 4 > 10",
"frontera": -2.0,
"solucion": "x < -2",
"verifica_x=-5": true,
"verifica_x=0": false,
"regla": "al dividir por un negativo se invierte el signo"
}
Restricciones en optimización (parte 12), rangos de validez de un modelo, umbrales de decisión de un clasificador y condiciones de estabilidad numérica (h < 2/|λ|).
Una red neuronal es una composición de funciones parametrizadas. La sigmoide, la softmax y la log-verosimilitud son álgebra de exponenciales y logaritmos.
9780511804441 verificado en International ISBN Agency (2026-08-19).