T65. La matemàtica en la ciència i la tecnologia

Desarrollo del tema

# LA MATEMÀTICA EN LA CIÈNCIA I LA TECNOLOGIA

## 1. Introducció

La matemàtica és el llenguatge formal amb què descrivim, modelitzem i prediem fenòmens del món natural i tecnològic. El seu paper en la ciència no és només instrumental (càlcul), sinó també **estructural**: aporta conceptes (espai, simetria, probabilitat), mètodes (modelització, inferència) i criteris de validació (consistència, generalització).

Aquest tema revisa els principals vincles entre matemàtiques, ciència i tecnologia, amb èmfasi en la **modelització matemàtica**, la computació i el tractament de la incertesa.

## 2. Matemàtica com a llenguatge i com a model

### 2.1. Modelització matemàtica

Un **model** és una representació simplificada d’un sistema real amb objectius de comprensió i predicció.

Cicle habitual:

1. **Plantejament del problema** (variables, objectius, hipòtesis) 2. **Formalització** (equacions, funcions, estructures discretes) 3. **Anàlisi i resolució** (exacta, numèrica o simulació) 4. **Validació** amb dades i revisió d’hipòtesis 5. **Interpretació** i presa de decisions

La qualitat del model depèn del compromís entre **fidelitat** i **simplicació**.

### 2.2. Escales i dimensions

Molts sistemes requereixen treballar amb escales diferents (micro/macro) i dimensions elevades.

- **No-dimensionalització**: reduir paràmetres i identificar quantitats adimensionals rellevants. - **Reducció de dimensió**: PCA, SVD, embeddings (base de molta tecnologia actual).

## 3. Matemàtiques a la física

### 3.1. Mecànica clàssica i equacions diferencials

Un exemple canònic és la segona llei de Newton:

$$m\,\ddot{x}(t)=F(x(t),\dot{x}(t),t)$$

que condueix a **EDO** (i sovint **EDP** en camps continus).

### 3.2. Electromagnetisme i camps

En forma diferencial, les equacions de Maxwell connecten càlcul vectorial i física:

$$\nabla\cdot \mathbf{E}=\frac{\rho}{\varepsilon_0},\qquad \nabla\times \mathbf{E}=-\frac{\partial \mathbf{B}}{\partial t}$$

i mostren com la matemàtica estructura lleis físiques.

### 3.3. Mecànica quàntica

El formalisme es basa en espais de Hilbert i operadors lineals. L’equació de Schrödinger:

$$i\hbar\,\frac{\partial \psi}{\partial t}=\hat{H}\psi$$

posa en joc àlgebra lineal, espectres i anàlisi funcional.

## 4. Matemàtiques a la biologia i les ciències de la salut

- **Dinàmica de poblacions** (models logístics, Lotka–Volterra): $$\dot{N}=rN\left(1-\frac{N}{K}\right)$$ - **Epidemiologia** (SIR): $$\dot{S}=-\beta SI,\quad \dot{I}=\beta SI-\gamma I,\quad \dot{R}=\gamma I$$ - **Biostatística** i disseny d’estudis: estimació, intervals de confiança, contrastos.

La presència d’**incertesa** i variabilitat fa clau la probabilitat i l’estadística.

## 5. Matemàtiques a l’enginyeria i la tecnologia

### 5.1. Control automàtic i sistemes

Models d’estat:

$$\dot{x}=Ax+Bu,\qquad y=Cx+Du$$

L’estabilitat es relaciona amb l’espectre de $A$ i conceptes com el criteri de Routh–Hurwitz.

### 5.2. Processament del senyal i telecomunicacions

Transformades (Fourier i Laplace) permeten analitzar freqüències, filtres i sistemes lineals.

- Convolució: $$ (f*g)(t)=\int_{-\infty}^{\infty} f(\tau)g(t-\tau)\,d\tau $$

### 5.3. Informàtica, algoritmes i criptografia

- Complexitat: $O(n\log n)$, $O(n^2)$, etc. - Criptografia: aritmètica modular, nombres primers, corbes el·líptiques.

## 6. Simulació numèrica i computació científica

Quan no hi ha solució tancada, s’utilitza:

- **Mètodes numèrics** (Newton, Euler, Runge–Kutta) - **Discretització** d’EDP (diferències finites, elements finits) - **Simulació Monte Carlo**

Exemple de Monte Carlo per aproximar una esperança:

$$\mathbb{E}[X] \approx \frac{1}{N}\sum_{k=1}^N X_k$$

on $X_k$ són mostres independents.

## 7. Dades, estadística i aprenentatge automàtic

La tecnologia actual (IA, recomanadors, visió) es fonamenta en:

- Àlgebra lineal (matrius grans, SVD) - Optimització (descens de gradient) - Probabilitat (models generatius, inferència Bayesiana)

Problema típic de regressió:

$$\min_\theta \sum_{i=1}^m \big(y_i - f(x_i;\theta)\big)^2$$

## 8. Implicacions didàctiques (ESO i Batxillerat)

- Plantejar activitats de **modelització** (creixement, dades reals, simulacions). - Connectar continguts (funcions, estadística) amb aplicacions (economia, tecnologia, salut). - Introduir la idea de “matemàtica com a eina de decisió” (interpretació crítica de gràfiques i dades).

## 9. Conclusions

Les matemàtiques són un eix vertebrador de la ciència i la tecnologia: proveeixen models, mètodes i llenguatge. La seva transversalitat fa imprescindible una didàctica orientada a la comprensió i a l’aplicació, especialment en societats guiades per dades.