Diccionario biográfico de matemáticos

Este Diccionario Biográfico de Matemáticos incluye más de 2040 reseñas de matemáticos, entre las que hay unas 280 de españoles y 36 de mujeres (Agnesi, Blum, Byron, Friedman, Hipatia, Robinson, Scott, etc.), de las que 11 son españolas (Casamayor, Sánchez Naranjo, Sanz-Solé, etc.). Se ha obtenido la mayor parte de las informaciones por medio de los libros recogidos en el apéndice “Bibliografía consultada”; otra parte, de determinadas obras matemáticas de los autores reseñados (estas obras no están incluidas en el citado apéndice, lo están en las correspondientes reseñas de sus autores). Las obras más consultadas han sido las de Boyer, Cajori, Kline, Martinón, Peralta, Rey Pastor y Babini, Wieleitner, las Enciclopedias Espasa, Británica, Larousse, Universalis y Wikipedia. Entre las reseñas incluidas, destacan las siguientes, en orden alfabético: Al-Khuwairizmi, Apolonio, Arquímedes, Jacob y Johann Bernoulli, Brouwer, Cantor, Cauchy, Cayley, Descartes, Diofanto, Euclides, Euler, Fermat, Fourier, Galileo, Gauss, Hilbert, Lagrange, Laplace, Leibniz, Monge, Newton, Pappus, Pascal, Pitágoras, Poincaré, Ptolomeo, Riemann, Weierstrass, etc. Entre los matemáticos españoles destacan las de Echegaray, Etayo, Puig Adam, Rey Pastor, Reyes Prósper, Terradas (de quien Einstein dijo: “Es uno de los seis primeros cerebros mundiales de su tiempo y uno de los pocos que pueden comprender hoy en día la teoría de la relatividad”), Torre Argaiz, Torres Quevedo, los Torroja, Tosca, etc. Se han incluido varias referencias de matemáticos nacidos en la segunda mitad del siglo XX. Entre ellos descuellan nombres como Perelmán o Wiles. Pero para la mayor parte de ellos sería conveniente un mayor distanciamiento en el tiempo para poder dar una opinión más objetiva sobre su obra. Las reseñas no son exhaustivas. Si a algún lector le interesa profundizar en la obra de un determinado matemático, puede utilizar con provecho la bibliografía incluida, o también las obras recogidas en su reseña. En cada reseña se ha seguido la secuencia: nombre, fechas de nacimiento y muerte, profesión, nacionalidad, breve bosquejo de su vida y exposición de su obra. En algunos casos, pocos, no se ha podido encontrar el nombre completo. Cuando sólo existe el año de nacimiento, se indica con la abreviatura “n.”, y si sólo se conoce el año de la muerte, con la abreviatura “m.”. Si las fechas de nacimiento y muerte son sólo aproximadas, se utiliza la abreviatura “h.” –hacia–, abreviatura que también se utiliza cuando sólo se conoce que vivió en una determinada época. Esta utilización es, entonces, similar a la abreviatura clásica “fl.” –floreció–. En algunos casos no se ha podido incluir el lugar de nacimiento del personaje o su nacionalidad. No todos los personajes son matemáticos en sentido estricto, aunque todos ellos han realizado importantes trabajos de índole matemática. Los hay astrónomos como, por ejemplo, Brahe, Copérnico, Laplace; físicos como Dirac, Einstein, Palacios; ingenieros como La Cierva, Shannon, Stoker, Torres Quevedo (muchos matemáticos, considerados primordialmente como tales, se formaron como ingenieros, como Abel Transon, Bombelli, Cauchy, Poincaré); geólogos, cristalógrafos y mineralogistas como Barlow, Buerger, Fedorov; médicos y fisiólogos como Budan, Cardano, Helmholtz, Recorde; naturalistas y biólogos como Bertalanfly, Buffon, Candolle; anatomistas y biomecánicos como Dempster, Seluyanov; economistas como Black, Scholes; estadísticos como Akaike, Fisher; meteorólogos y climatólogos como Budyko, Richardson; filósofos como Platón, Aristóteles, Kant; religiosos y teólogos como Berkeley, Santo Tomás; historiadores como Cajori, Eneström; lingüistas como Chomsky, Grassmann; psicólogos y pedagogos como Brousseau, Fishbeim, Piaget; lógicos como Boole, Robinson; abogados y juristas como Averroes, Fantet, Schweikart; escritores como Aristófanes, Torres de Villarroel, Voltaire; arquitectos como Le Corbusier, Moneo, Utzon; pintores como Durero, Escher, Leonardo da Vinci (pintor, arquitecto, científico, ingeniero, escritor, lingüista, botánico, zoólogo, anatomista, geólogo, músico, escultor, inventor, ¿qué es lo que 6 no fue?); compositores y musicólogos como Gugler, Rameau; políticos como Alfonso X, los Banu Musa, los Médicis; militares y marinos como Alcalá Galiano, Carnot, Ibáñez, Jonquières, Poncelet, Ulloa; autodidactos como Fermat, Simpson; con oficios diversos como Alcega (sastre), Argand (contable), Bosse (grabador), Bürgi (relojero), Dase (calculista), Jamnitzer (orfebre), Richter (instrumentista), etc. También hay personajes de ficción como Sancho Panza (siendo gobernador de la ínsula Barataria, se le planteó a Sancho una paradoja que podría haber sido formulada por Lewis Carroll; para resolverla, Sancho aplicó su sentido de la bondad) y Timeo (Timeo de Locri, interlocutor principal de Platón en el diálogo Timeo). Se ha incluido en un apéndice una extensa “Tabla Cronológica”, donde en columnas contiguas están todos los matemáticos del Diccionario, las principales obras matemáticas (lo que puede representar un esbozo de la historia de la evolución da las matemáticas) y los principales acontecimientos históricos que sirven para situar la época en que aquéllos vivieron y éstas se publicaron. Cada matemático se sitúa en el año de su nacimiento, exacto o aproximado; si no se dispone de este dato, en el año de su muerte, exacto o aproximado; si no se dispone de ninguna de estas fechas, en el año aproximado de su florecimiento. Si sólo se dispone de un periodo de tiempo más o menos concreto, el personaje se clasifica en el año más representativo de dicho periodo: por ejemplo, en el año 250 si se sabe que vivió en el siglo III, o en el año -300 si se sabe que vivió hacia los siglos III y IV a.C. En el apéndice “Algunos de los problemas y conjeturas expuestos en el cuerpo del Diccionario”, se ha resumido la situación actual de algunos de dichos problemas y conjeturas. También se han incluido los problemas que Hilbert planteó en 1900, los expuestos por Smale en 1997, y los llamados “problemas del milenio” (2000). No se estudian con detalle, sólo se indica someramente de qué tratan. Esta segunda edición del Diccionario Biográfico de Matemáticos tiene por objeto su puesta a disposición de la Escuela de Ingenieros de Minas de la Universidad Politécnica de Madrid.

Diseño de un modelo para la identificación y análisis de tramos de carreteras sin accidentes : una nueva visión de la seguridad vial

El planteamiento tradicional de análisis de la accidentalidad en carretera pasa por la consideración de herramientas paliativas, como son la identificación y gestión de los puntos negros o tramos de concentración de accidentes, o preventivas, como las auditorías e inspecciones de seguridad vial. En esta tesis doctoral se presenta un planteamiento complementario a estas herramientas, desde una perspectiva novedosa: la consideración de los tramos donde no se producen accidentes; son los denominados Tramos Blancos. La tesis persigue demostrar que existen determinados parámetros del diseño de las carreteras y del tráfico que, bajo características generales similares de las vías, tienen influencia en el hecho de que se produzcan o no accidentes, adicionalmente a la exposición al riesgo, como factor principal, y a otros factores. La propia definición de los Tramos Blancos, entendidos como tramos de carreteras de longitud representativa donde no se han producido accidentes con víctimas mortales o heridos graves durante un periodo largo de tiempo, garantiza que esta situación no se produzca como consecuencia de la aleatoriedad de los accidentes, sino que pudiera deberse a una confluencia específica de determinados parámetros de la geometría de la vía y del tráfico total y de vehículos pesados. Para el desarrollo de esta investigación se han considerado la red de autopistas de peaje y las carreteras convencionales de la Red del Estado de España, que supone un total de 17.000 kilómetros, y los datos de accidentes con víctimas mortales y heridos graves en el periodo 2006-2010, ambos incluidos, en estas redes (un total de 10.000 accidentes). La red viaria objeto de análisis supone el 65% de la longitud de la Red de Carreteras del Estado, por la que circula el 33% de su tráfico; en ella se produjeron en el año 2013 el 47% de los accidentes con víctimas y el 60% de las víctimas mortales de la Red de Carreteras del Estado. Durante la investigación se ha desarrollado una base de datos de 250.130 registros y más de 3.5 millones de datos en el caso de las autopistas de peaje de la Red de Carreteras del Estado y de 935.402 registros y más de 14 millones de datos en el caso de la red convencional del Estado analizada. Tanto las autopistas de peaje como las carreteras convencionales han sido clasificadas según sus características de tráfico, de manera que se valoren vías con nivel de exposición al riesgo similar. Para cada tipología de vía, se ha definido como longitud de referencia para que un tramo se considere Tramo Blanco la longitud igual al percentil 95 de las longitudes de tramos sin accidentes con heridos graves o víctimas mortales durante el periodo 2006-2010. En el caso de las autopistas de peaje, en la tipología que ha sido considerada para la definición del modelo, esta longitud de referencia se estableció en 14.5 kilómetros, mientras que en el caso de las carreteras convencionales, se estableció en 7.75 kilómetros. Para cada uno de los tipos de vía considerados se han construido una base de datos en la que se han incluido las variables de existencia o no de Tramo Blanco, así como las variables de tráfico (intensidad media diaria total, intensidad de vehículos pesados y porcentaje de vehículos pesados ), la velocidad media y las variables de geometría (número de carriles, ancho de carril, ancho de arcén derecho e izquierdo, ancho de calzada y plataforma, radio, peralte, pendiente y visibilidad directa e inversa en los casos disponibles); como variables adicionales, se han incluido el número de accidentes con víctimas, los fallecidos y heridos graves, índices de peligrosidad, índices de mortalidad y exposición al riesgo. Los trabajos desarrollados para explicar la presencia de Tramos Blancos en la red de autopistas de peaje han permitido establecer las diferencias entre los valores medios de las variables de tráfico y diseño geométrico en Tramos Blancos respecto a tramos no blancos y comprobar que estas diferencias son significativas. Así mismo, se ha podido calibrar un modelo de regresión logística que explica parcialmente la existencia de Tramos Blancos, para rangos de tráfico inferiores a 10.000 vehículos diarios y para tráficos entre 10.000 y 15.000 vehículos diarios. Para el primer grupo (menos de 10.000 vehículos al día), las variables que han demostrado tener una mayor influencia en la existencia de Tramo Blanco son la velocidad media de circulación, el ancho de carril, el ancho de arcén izquierdo y el porcentaje de vehículos pesados. Para el segundo grupo (entre 10.000 y 15.000 vehículos al día), las variables independientes más influyentes en la existencia de Tramo Blanco han sido la velocidad de circulación, el ancho de calzada y el porcentaje de vehículos pesados. En el caso de las carreteras convencionales, los diferentes análisis realizados no han permitido identificar un modelo que consiga una buena clasificación de los Tramos Blancos. Aun así, se puede afirmar que los valores medios de las variables de intensidad de tráfico, radio, visibilidad, peralte y pendiente presentan diferencias significativas en los Tramos Blancos respecto a los no blancos, que varían en función de la intensidad de tráfico. Los resultados obtenidos deben considerarse como la conclusión de un análisis preliminar, dado que existen otros parámetros, tanto de diseño de la vía como de la circulación, el entorno, el factor humano o el vehículo que podrían tener una influencia en el hecho que se analiza, y no se han considerado por no disponer de esta información. En esta misma línea, el análisis de las circunstancias que rodean al viaje que el usuario de la vía realiza, su tipología y motivación es una fuente de información de interés de la que no se tienen datos y que permitiría mejorar el análisis de accidentalidad en general, y en particular el de esta investigación. Adicionalmente, se reconocen limitaciones en el desarrollo de esta investigación, en las que sería preciso profundizar en el futuro, reconociendo así nuevas líneas de investigación de interés. The traditional approach to road accidents analysis has been based in the use of palliative tools, such as black spot (or road sections) identification and management, or preventive tools, such as road safety audits and inspections. This thesis shows a complementary approach to the existing tools, from a new perspective: the consideration of road sections where no accidents have occurred; these are the so-called White Road Sections. The aim of this thesis is to show that there are certain design parameters and traffic characteristics which, under similar circumstances for roads, have influence in the fact that accidents occur, in addition to the main factor, which is the risk exposure, and others. White Road Sections, defined as road sections of a representative length, where no fatal accidents or accidents involving serious injured have happened during a long period of time, should not be a product of randomness of accidents; on the contrary, they might be the consequence of a confluence of specific parameters of road geometry, traffic volumes and heavy vehicles traffic volumes. For this research, the toll motorway network and single-carriageway network of the Spanish National Road Network have been considered, which is a total of 17.000 kilometers; fatal accidents and those involving serious injured from the period 2006-2010 have been considered (a total number of 10.000 accidents). The road network covered means 65% of the total length of the National Road Network, which allocates 33% of traffic volume; 47% of accidents with victims and 60% of fatalities happened in these road networks during 2013. During the research, a database of 250.130 registers and more than 3.5 million data for toll motorways and 935.042 registers and more than 14 million data for single carriageways of the National Road Network was developed. Both toll motorways and single-carriageways have been classified according to their traffic characteristics, so that the analysis is performed over roads with similar risk exposure. For each road type, a reference length for White Road Section has been defined, as the 95 percentile of all road sections lengths without accidents (with fatalities or serious injured) for 2006-2010. For toll motorways, this reference length concluded to be 14.5 kilometers, while for single-carriageways, it was defined as 7.75 kilometers. A detailed database was developed for each type of road, including the variable “existence of White Road Section”, as well as variables of traffic (average daily traffic volume, heavy vehicles average daily traffic and percentage of heavy vehicles from the total traffic volume), average speed and geometry variables (number of lanes, width of lane, width of shoulders, carriageway width, platform width, radius, superelevation, slope and visibility); additional variables, such as number of accidents with victims, number of fatalities or serious injured, risk and fatality rates and risk exposure, have also been included. Research conducted for the explanation of the presence of White Road Sections in the toll motorway network have shown statistically significant differences in the average values of variables of traffic and geometric design in White Road Sections compared with other road sections. In addition, a binary logistic model for the partial explanation of the presence of White Road Sections was developed, for traffic volumes lower than 10.000 daily vehicles and for those running from 10.000 to 15.000 daily vehicles. For the first group, the most influent variables for the presence of White Road Sections were the average speed, width of lane, width of left shoulder and percentage of heavy vehicles. For the second group, the most influent variables were found to be average speed, carriageway width and percentage of heavy vehicles. For single-carriageways, the different analysis developed did not reach a proper model for the explanation of White Road Sections. However, it can be assumed that the average values of the variables of traffic volume, radius, visibility, superelevation and slope show significant differences in White Road Sections if compared with others, which also vary with traffic volumes. Results obtained should be considered as a conclusion of a preliminary analysis, as there are other parameters, not only design-related, but also regarding traffic, environment, human factor and vehicle which could have an influence in the fact under research, but this information has not been considered in the analysis, as it was not available. In parallel, the analysis of the circumstances around the trip, including its typology and motivation is an interesting source of information, from which data are not available; the availability of this information would be useful for the improvement of accident analysis, in general, and for this research work, in particular. In addition, there are some limitations in the development of the research work; it would be necessary to develop an in-depth analysis in the future, thus assuming new research lines of interest.