Programación funcional, composición e inmutabilidad

← SE-075 — Orientación a objetos, mensajes y encapsulación · ↑ Parte 06 · 📚 Índice completo · 🌐 Portal · SE-077 — Programación declarativa y basada en reglas →

Punto profesional y fundamento pedagógico

Punto profesional. La clase existe para razonar con composición, valores inmutables y efectos localizados.

Por qué aparece aquí. Se sitúa después de Orientación a objetos, mensajes y encapsulación y antes de Programación declarativa y basada en reglas: convierte el conocimiento anterior en una decisión observable que la clase siguiente podrá reutilizar. La continuidad se comprueba en el artefacto, no por compartir vocabulario.

Error conceptual que debe corregir. Llamar funcional a cualquier uso de map o lambda.

Secuencia de aprendizaje. Antes de leer la solución, el estudiante predice el resultado del caso normal y del error conceptual anterior. Luego explica un caso resuelto paso a paso, construye un contraejemplo que cambie la decisión y, sin consultar el texto, reconstruye el mecanismo y lo aplica a una entrada nueva. La secuencia usa predicción, explicación propia, contraste y recuperación. ICAP distingue participación de construcción de conocimiento; How People Learn II exige conectar conocimiento previo, contexto y transferencia; la práctica de recuperación respalda producir de nuevo la explicación tras una demora; y Education for Life and Work exige devolución que explique la causa del error.

Evidencia de aprendizaje. Composition.md con función pura, efecto aislado y contraste mutable. Debe contener predicción previa, observación, explicación causal, contraejemplo, criterio de aceptación y una nota de qué dato haría cambiar la conclusión.

Límite de la conclusión. Inmutabilidad puede trasladar costos y no elimina I/O.

Trazabilidad fuente → afirmación

Antes de empezar

Esta clase continúa el motor de reglas comparado de la Parte 06. Recupera la evidencia de la clase anterior, añade una decisión propia de Programación funcional, composición e inmutabilidad y deja un artefacto que la clase siguiente deberá consumir. La pregunta activa es: ¿Qué se gana al expresar la decisión como transformación de valores sin efectos ocultos?

Prerrequisitos

• Haber completado la clase anterior o reconstruir su contrato y evidencia.
• Python 3.11 o posterior, terminal, editor y Git; un segundo runtime es opcional y debe declararse.
• Trabajar con fixtures sintéticos: ninguna observación necesita datos de una persona o sistema real.

Problema auténtico

El motor de reglas comparado necesita evaluar la misma evidencia en pruebas, CLI y simulaciones paralelas. El núcleo orientado a objetos conserva cachés internas y el orden de llamadas cambia el resultado.

Objetivos observables

Al terminar podrás explicar los cinco mecanismos de esta clase, predecir su comportamiento antes de ejecutar, construir un caso normal y uno límite, diagnosticar el fallo controlado, comparar una alternativa y entregar evidencia que otra persona pueda reproducir.

Mapa conceptual

flowchart LR
    N1[Funciones puras / transparencia referencial] --> N2[Inmutabilidad / evolución de valores] --> N3[Funciones de orden superior] --> N4[Composición / tipos de resultado] --> N5[Recursión, evaluación / efectos]
    N5 -->|fallo o cambio| N1

El mapa se lee como una cadena de razonamiento, no como fases obligatorias del runtime. La flecha de retorno indica que un fallo o cambio de requisito obliga a revisar el modelo inicial; no autoriza a parchear solo la última salida.

Temas y por qué importan

Conceptos y decisiones

1. Funciones puras y transparencia referencial

Una función pura devuelve el mismo valor para los mismos argumentos y no modifica estado observable. Esto permite sustituir una llamada por su resultado al razonar. Pureza no significa ausencia total de efectos en el programa: significa empujarlos a fronteras explícitas.

2. Inmutabilidad y evolución de valores

En vez de cambiar un registro se produce otro que comparte o copia lo necesario. Cada versión puede inspeccionarse y compararse. La inmutabilidad reduce aliasing, pero estructuras copiadas ingenuamente pueden costar memoria; las estructuras persistentes comparten internamente sin exponer mutación.

3. Funciones de orden superior

Pasar una regla como valor permite parametrizar evaluación sin condicionales globales. map, filter y reduce expresan transformaciones, pero una cadena excesiva puede ocultar orden, errores o complejidad. La forma debe servir al modelo y no demostrar virtuosismo sintáctico.

4. Composición y tipos de resultado

Funciones pequeñas se conectan cuando la salida de una satisface la entrada de otra. Un resultado explícito distingue éxito y error sin lanzar a distancia. La composición falla si cada paso usa convenciones distintas para ausencia, error o contexto.

5. Recursión, evaluación y efectos

La recursión describe estructuras inductivas, aunque Python no optimiza llamadas terminales y un bucle puede ser más seguro. La evaluación perezosa evita trabajo hasta consumirlo, pero también desplaza errores y vida de recursos. El motor de reglas comparado mide antes de adoptar cualquiera de las dos.

Definiciones de trabajo

• funciones puras y transparencia referencial: una función pura devuelve el mismo valor para los mismos argumentos y no modifica estado observable.
• inmutabilidad y evolución de valores: en vez de cambiar un registro se produce otro que comparte o copia lo necesario.
• funciones de orden superior: pasar una regla como valor permite parametrizar evaluación sin condicionales globales.
• composición y tipos de resultado: funciones pequeñas se conectan cuando la salida de una satisface la entrada de otra.
• recursión, evaluación y efectos: la recursión describe estructuras inductivas, aunque python no optimiza llamadas terminales y un bucle puede ser más seguro.

Las definiciones son operativas para el motor de reglas comparado. No convierten términos con historia más amplia en sinónimos y deben contrastarse con la documentación primaria enlazada al final.

Ejemplo mínimo

from dataclasses import replace

def add_evidence(state, item):
    return replace(state, evidence=state.evidence + (item,))

def eligible(rule, evidence):
    return rule.authorized and rule.predicate(evidence)

Antes de ejecutar, predice estado, resultado y error. Después registra versión, comando y salida. Si el fragmento es pseudocódigo o pertenece a otro lenguaje, etiquétalo como tal y no afirmes que fue ejecutado.

Ejemplo profesional

En el motor de reglas comparado, una recomendación contiene acción, evidencia usada, versión de política y explicación. La implementación de esta clase debe conservar ese contrato aunque cambie la forma interna. El caso profesional no pregunta únicamente si devuelve una cadena: pregunta quién puede producirla, qué estado observa, cómo falla y qué rastro permite disputar una decisión incorrecta.

Compara el caso normal con autorización falsa, evidencia incompleta, empate y repetición. Un mecanismo es apropiado cuando esas diferencias quedan visibles y localizadas; es peligroso cuando dependen de orden accidental, estado oculto o una convención que el consumidor no puede conocer.

Práctica guiada

1. Copia el contrato de entrada y salida antes de escribir implementación.
2. Predice el caso normal y un límite; identifica la invariante que no puede romperse.
3. Implementa la versión mínima sin I/O dentro del núcleo.
4. Ejecuta el caso y conserva comando, versión y salida bajo evidence/.
5. Introduce el fallo controlado, reduce la reproducción y formula dos hipótesis rivales.
6. Corrige la causa, añade regresión y ejecuta el conjunto completo.
7. Compara con otro paradigma o lenguaje indicando qué semántica se preserva.

Ejercicios

1. Lectura: dibuja una traza de cinco pasos y marca dónde cambia estado o control.
2. Construcción: añade una regla del motor de reglas comparado sin alterar los fixtures anteriores.
3. Frontera: cubre vacío, empate, no autorizado e inválido con resultados distintos.
4. Contraste: reescribe una pieza con otro modelo y explica una mejora y una pérdida.

Reto verificable

Entrega implementación, fixtures, pruebas y un informe corto. Se aprueba si otra persona ejecuta desde checkout limpio, obtiene los mismos resultados y puede relacionar cada rama o transformación con una regla del dominio. No se aprueba por cantidad de archivos ni por usar la sintaxis característica del paradigma.

Caso conductor

El motor de reglas comparado recibe una observación autorizada, evalúa reglas y devuelve una recomendación explicable. En esta clase, ejecuta el caso latency_ms=900, el límite latency_ms=800, el contraejemplo authorized=false y una entrada incompleta. Cambia después una sola regla y revisa qué archivos, pruebas y trazas debieron modificarse. Esa superficie de cambio alimenta la comparación final de la parte.

Preguntas frecuentes

¿Un paradigma determina toda la arquitectura?

No. Puede organizar un núcleo o una frontera sin dominar el sistema completo. Combinar modelos es válido si los adaptadores preservan identidad, orden, errores y evidencia.

¿Menos líneas significan una solución mejor?

No. La brevedad puede quitar duplicación o esconder decisiones. Se evalúan semántica, diagnóstico, costo de cambio y adecuación a la carga.

¿Debo instalar todos los lenguajes mencionados?

No. Python basta para la práctica base. Si usas Prolog, Rust o Erlang, registra versión y comandos; si solo analizas notación, decláralo como análisis no ejecutado.

Fallo controlado y diagnóstico

Inserta una consulta al reloj dentro de eligible; la misma entrada cambia entre ejecuciones. Pasa now como valor de contexto y congélalo en pruebas para restaurar determinismo.

Registra síntoma, entrada mínima, hipótesis, observación que descarta cada hipótesis, causa, corrección y prueba de regresión. No cambies simultáneamente implementación, fixture y expectativa.

Errores comunes y cómo corregirlos

Entorno y archivos clave

work/SE-076/
├── README.md
├── rule_engine/
│   ├── domain.py
│   └── se_076.py
├── fixtures/cases.json
├── tests/test_se_076.py
└── evidence/diagnosis.md

El README declara plataforma, runtimes, comandos, limpieza y límites. Evita dependencias externas cuando la biblioteca estándar permita observar el mecanismo; si agregas una, fija procedencia y versión.

Seguridad, ética y accesibilidad

• la autorización forma parte del dominio y no se infiere por ausencia de rechazo;
• no uses eval, reglas descargadas ni serialización insegura;
• limita colas, recursión, tamaño de entrada y tiempo de evaluación;
• redacta trazas y conserva una explicación textual además de color o animación;
• una recomendación automatizada debe poder revisarse, impugnarse y corregirse;
• respeta licencias de ejemplos y atribuye adaptaciones.

Transferencia

Traslada un fixture al segundo modelo o lenguaje. Compara representación de ausencia, error, mutabilidad, orden y cancelación. La transferencia está lograda cuando el contrato se conserva y las diferencias están explicadas, no cuando la sintaxis se parece.

Evaluación y evidencia

Fuentes

• Python Language Reference — Semántica de sentencias, funciones, clases, generadores y corrutinas; autoridad: Python Software Foundation.
• The Rust Programming Language — Ownership, enums, traits, errores y concurrencia sin carreras de datos; autoridad: Rust project.
• SWI-Prolog Reference Manual — Hechos, reglas, unificación, búsqueda y límites operacionales; autoridad: SWI-Prolog project.
• ReactiveX Observable Contract — Notificaciones, terminación, errores y control de flujo observable; autoridad: ReactiveX project.
• Erlang System Documentation: Processes — Procesos, buzones, envío de mensajes, enlaces y monitores; autoridad: Erlang/OTP project.
• SWEBOK Guide v4.0a — Construcción, diseño y fundamentos profesionales; autoridad: IEEE Computer Society.

Cada fuente respalda el mecanismo indicado; ninguna demuestra que la implementación del motor de reglas comparado sea correcta. Esa afirmación depende de fixtures, pruebas, trazas y revisión reproducible.

Límites y siguiente paso

Pureza y composición no resuelven automáticamente interacción, latencia ni grandes flujos. La siguiente clase expresa el resultado deseado como reglas declarativas.

Glosario

• funciones puras y transparencia referencial: una función pura devuelve el mismo valor para los mismos argumentos y no modifica estado observable.
• inmutabilidad y evolución de valores: en vez de cambiar un registro se produce otro que comparte o copia lo necesario.
• funciones de orden superior: pasar una regla como valor permite parametrizar evaluación sin condicionales globales.
• composición y tipos de resultado: funciones pequeñas se conectan cuando la salida de una satisface la entrada de otra.
• recursión, evaluación y efectos: la recursión describe estructuras inductivas, aunque python no optimiza llamadas terminales y un bucle puede ser más seguro.

← SE-075 — Orientación a objetos, mensajes y encapsulación · ↑ Parte 06 · 📚 Índice completo · 🌐 Portal · SE-077 — Programación declarativa y basada en reglas →