Símbolos matemáticos comunes
La primera barrera para entender artículos y tutoriales de IA no suele ser la matemática en sí, sino las páginas llenas de símbolos matemáticos.

Este capítulo organiza en tablas los símbolos más usados en el aprendizaje de IA; puedes echarles un vistazo por encima o consultarlos más adelante cuando los necesites:
-
Lectura en orden: cada símbolo incluye una explicación de cuándo se usa; repásalos rápidamente para tener una impresión general.
-
Consulta según necesites: cuando te quedes atascado en algún símbolo al leer un artículo o tutorial, vuelve a consultar la tabla.
La mayoría de los símbolos incluyen ejemplos de Python ejecutables; calcularlos manualmente una vez es más eficaz que verlos diez veces.
Números y operaciones básicas
Estos símbolos se usan desde las matemáticas de primaria y son los cimientos de todas las fórmulas.
| Símbolo | Significado | Ejemplo |
|---|---|---|
| Suma, resta, multiplicación y división | ||
| Signo más/menos, indica dos valores posibles | ||
| Distinto de | ||
| Menor que, mayor que, menor o igual que, mayor o igual que | ||
| Aproximadamente igual | ||
| Valor absoluto, elimina el signo negativo | ||
| Raíz cuadrada | ||
| Raíz enésima | ||
| Cuadrado, potencia enésima | ||
| Recíproco (exponente negativo) | ||
| Factorial, se multiplica de 1 a n | ||
| Infinito |
En los artículos, el signo de multiplicación suele omitirse o escribirse como un punto:Indica que w se multiplica por x; ambas notaciones tienen exactamente el mismo significado.
Variables y convenciones de letras
En matemáticas las letras no se eligen al azar; cada letra tiene un rol predeterminado.
| Letra | Rol predeterminado | Significado típico en el contexto de IA |
|---|---|---|
| Constante | Coeficiente fijo e invariable | |
| Variable | x es la característica de entrada, y es la etiqueta de salida | |
| Pesos y sesgos (bias) | Parámetros que la red neuronal debe aprender | |
| Conjunto de parámetros | Nombre colectivo para todos los parámetros del modelo, se lee theta | |
| Cantidad | Número de muestras, dimensión de características | |
| Número pi | ||
| Constante de Euler (e) |
Cuando se usan x y X a la vez, hay que distinguirlas:Las minúsculas suelen representar un solo número (escalar); las mayúsculas suelen representar una matriz; esto se ampliará en la sección de minúsculas.
Al verno te asustes, es solo el símbolo habitual de "parámetro", yno hay diferencia esencial; el autor del artículo elige uno u otro solo por preferencia.
Exponentes y logaritmos
Son el par de funciones con mayor frecuencia de aparición en IA.
Aparecen en sigmoid y softmax, encargadas de "amplificar o comprimir" los valores;aparecen en la pérdida de entropía cruzada, encargadas de "convertir multiplicaciones en sumas".
| Símbolo | Significado | Ejemplo |
|---|---|---|
| a elevado a la n | ||
| Cualquier número distinto de cero elevado a 0 | ||
| Función exponencial de base e | ||
| Logaritmo en base a de x | ||
| Logaritmo natural (en base e) | ||
| En los artículos, normalmente se refiere por defecto a |
Debes dominar cuatro reglas de cálculo; se usan repetidamente al derivar funciones de pérdida:
La fórmula de cambio de base puede convertir cualquier logaritmo en logaritmo natural; es muy usada en programación:
Ejemplo
# math.log(x, base) de Python hace exactamente esto internamente
import math
x = 100
base = 2
# Llamada directa
print(math.log(x, base))
# Fórmula de cambio de base escrita a mano: log_2(100) = ln(100) / ln(2)
print(math.log(x) / math.log(base))
Ejecutar el código anterior produce el siguiente resultado:
6.643856189774725 6.643856189774725
¿Por qué añadir una pequeña constante ε?: el argumento de un logaritmo debe ser mayor que 0, pero en las primeras etapas del entrenamiento el modelo puede generar una probabilidad de 0; en ese caso,se obtiene menos infinito, lo que provoca que el entrenamiento falle.
Por eso en la implementación normalmente se escribe como, dondees un número positivo muy pequeño, por ejemplo 0.0000001.
Símbolos relacionados con funciones
Una función es una "regla de correspondencia de entrada a salida"; una red neuronal es, en esencia, la composición de muchas capas de funciones.
| Símbolo | Significado | Ejemplo / Explicación |
|---|---|---|
| Función, resultado de mapear x mediante f | ||
| f mapea los elementos del conjunto A al conjunto B | Describe la "firma de tipo" de la función | |
| Función inversa, deshace la operación de f | ||
| Composición de funciones, primero se calcula g(x) y luego se sustituye en f | ||
| Incremento de x | ||
| Valor predicho de y (se lee y-hat) | Para distinguirlo de la etiqueta real y | |
| Función de activación sigmoide |
En el aprendizaje automático,(se lee y-hat) se refiere específicamente al valor predicho por el modelo,se refiere a la etiqueta real; la diferencia entre ambos es el error de predicción.
La composición de funciones es la clave para entender las redes neuronales: una red de dos capas es, en esencia,la retropropagación calcula los gradientes capa por capa precisamente gracias a la regla de la cadena para derivar funciones compuestas.
Ejemplo
# Sean g(x) = x + 1, f(x) = x^2
def g(x):
return x + 1 # Función interna
def f(x):
return x ** 2 # Función externa
# Composición: primero calcular g(x), luego sustituir el resultado en f
print(f(g(3))) # g(3)=4, f(4)=16
print(f(g(3)) == (3 + 1) ** 2)
Ejecutar el código anterior produce el siguiente resultado:
16 True
Sumatorias y productorias
Es el símbolo que más aparece en las fórmulas de IA, sin igual.
Su significado es: hacer que el subíndice i vaya desde el límite inferior hasta el superior, sumando cada término.
Se lee "i de 1 a n, sumando x sub i". Para leer una sumatoria, se siguen tres pasos:
| Paso | Qué observar | En este ejemplo |
|---|---|---|
| 1 | Cuál es la variable de suma (subíndice) | i |
| 2 | Rango de la suma (de límite inferior a superior) | 1 a n |
| 3 | Cómo es cada término |
Símbolo de productoriaLa estructura es la misma, solo se cambia "suma" por "multiplicación":
Dos de las fórmulas de IA más comunes se basan en la sumatoria:
Pérdida de error cuadrático medio:
Suma ponderada de una neurona:
Ejemplo
w = [0.5, -1.0, 2.0] # Pesos, corresponden a w_i en la fórmula
x = [2.0, 3.0, 1.0] # Entradas, corresponden a x_i en la fórmula
b = 0.1 # Sesgo (bias)
# sum_{i=1}^{3} w_i * x_i es la siguiente línea
z = sum(wi * xi for wi, xi in zip(w, x)) + b
print(z)
# Verificación expandida: 0.5*2 + (-1.0)*3 + 2.0*1 + 0.1
print(0.5*2 + (-1.0)*3 + 2.0*1 + 0.1)
Ejecutar el código anterior produce el siguiente resultado:
0.1 0.1
Conjuntos y lógica
Los símbolos de conjuntos describen "a qué categoría pertenecen los datos"; los símbolos lógicos describen "cómo se combinan las condiciones"; se usan ampliamente en probabilidad y teoría del aprendizaje automático.
| Símbolo | Significado | Ejemplo |
|---|---|---|
| Pertenece a | ||
| No pertenece a | ||
| Subconjunto | ||
| Unión | ||
| Intersección | ||
| Conjunto vacío (no contiene ningún elemento) | ||
| Conjunto de los números reales | ||
| Para todo, cualquier (cuantificador universal) | ||
| Existe (cuantificador existencial) | ||
| Negación lógica | ||
| Y lógico, O lógico | ||
| Implica, inferencia | ||
| Equivalente (si y solo si) |
Estos símbolos aparecen con mayor frecuencia en los teoremas y supuestos de los artículos, por ejemplo "se lee "para todo épsilon mayor que 0, existe un N".
Superíndices, subíndices y rangos de valores
Esta sección resuelve dos dudas frecuentes: qué significan exactamente los subíndices y cómo se leen los símbolos de intervalos.
Subíndice: numerar variables del mismo tipo
Los datos de entrenamiento tienen muchas muestras; si todas se representan con x, habría confusión, por lo que se usan subíndices para distinguirlas:。
Cuando el subíndice tiene dos índices, como, normalmente indica "fila i, columna j", que es precisamente el elemento de la matriz.
El vector se denota como(en negrita), y sus componentes son; la matrizse describe su forma como "filas × columnas", denotada como。
Intervalos y rangos de valores
Los paréntesis indican "no incluye extremos", los corchetes indican "incluye extremos".
| Símbolo | Lectura | Significado |
|---|---|---|
| Intervalo abierto | Todos los números entre a y b, sin incluir los extremos | |
| Intervalo cerrado | Todos los números entre a y b, incluyendo los extremos | |
| Intervalo semiabierto | Incluye b, no incluye a | |
| x pertenece al intervalo cerrado | x toma valores entre 0 y 1, incluidos los extremos |
El rango de la función sigmoid es, este intervalo abierto significa que la salida siempre es estrictamente mayor que 0 y menor que 1; precisamente esta es la razón matemática por la que puede usarse como "probabilidad".
Tabla del alfabeto griego
Los grupos de letras griegas en los artículos no son decoración; cada una tiene un significado predeterminado. Conocerlas todas hará que leer artículos sea mucho más fluido.
| Mayúscula | Minúscula | Nombre | Significado común en IA |
|---|---|---|---|
| alpha | Tasa de aprendizaje | ||
| beta | Coeficiente de momento, tasa de decaimiento del segundo momento de Adam | ||
| gamma | Factor de descuento (aprendizaje por refuerzo) | ||
| delta | Cambio, incremento | ||
| epsilon | Número positivo muy pequeño, probabilidad de exploración | ||
| theta | Parámetro del modelo | ||
| lambda | Coeficiente de regularización | ||
| pi | Política (aprendizaje por refuerzo), pi (constante matemática) | ||
| sigma | Sumatoria / función sigmoid, desviación estándar | ||
| phi | Función de mapeo de características | ||
| omega | Pesos del modelo (en algunos artículos) |
El mismo símbolo tiene diferentes significados en diferentes campos:En el contexto de funciones de activación es sigmoid, en el contexto estadístico es desviación estándar, y en las fórmulas de sumatoria la mayúsculaes el operador de suma. Para entender el significado, primero mira el contexto; este es el hábito más importante al leer artículos.
Probabilidad y estadística
El lenguaje central del aprendizaje automático. La "confianza" que produce un modelo de clasificación, la derivación de las funciones de pérdida y los métodos bayesianos se basan todos en estos símbolos.
| Símbolo | Significado | Ejemplo / Explicación |
|---|---|---|
| Probabilidad de que ocurra el evento A | ||
| Probabilidad condicional: probabilidad de A dado que ocurre B | La barra vertical se lee "dado" o "bajo la condición de" | |
| Probabilidad conjunta: A y B ocurren simultáneamente | ||
| Fórmula de Bayes | Base de todos los métodos bayesianos | |
| Esperanza (media) | ||
| Varianza (grado de dispersión) | ||
| Media | Centro de la distribución de los datos | |
| Varianza (sigma al cuadrado) | ||
| Sigue una distribución... | ||
| Distribución normal (distribución gaussiana) | Dentro del paréntesis están la media y la varianza | |
| Entropía de la información |
La pérdida de entropía cruzada es la culminación de estos símbolos; combina sumatoria, probabilidad condicional y logaritmos:
Desglose símbolo por símbolo:es la etiqueta real del i-ésimo ejemplo,es la probabilidad predicha por el modelo,convierte el producto de probabilidades en una suma, y el signo negativo hace que "cuanto menor sea la pérdida, mejor".
es la escritura decorativa de "Normal", que indica la distribución normal, no la letra N. Los símbolos decorativos、se usan a menudo para representar objetos "de tipo conjunto" como distribuciones, funciones de pérdida y conjuntos de datos.
Álgebra lineal
La estructura subyacente de las redes neuronales. Cada operación matricial de los marcos de aprendizaje profundo utiliza estos símbolos.
| Símbolo | Significado | Ejemplo / Explicación |
|---|---|---|
| Vector (minúscula en negrita) | ||
| Matriz (mayúscula en negrita) | Tabla de números con m filas y n columnas | |
| Transposición: intercambiar filas y columnas | El vector fila se convierte en vector columna | |
| Multiplicación de matrices | No es una multiplicación elemento a elemento | |
| Multiplicación elemento a elemento (producto de Hadamard) | Multiplicar las posiciones correspondientes de matrices con la misma forma | |
| Norma (la "longitud" de un vector) | ||
| Norma L1: suma de valores absolutos | Base de la regularización L1 | |
| Inversa de una matriz | ||
| Matriz identidad | Con diagonales de 1 y el resto 0 | |
| Producto punto (producto interno) |
El producto punto es el esqueleto del mecanismo de atención: cada capa del transformer calcula el producto punto entre el vector de consulta y el vector de clave, midiendo su "grado de similitud".
Ejemplo
# x · y = sum(x_i * y_i),||x||_2 = sqrt(sum(x_i^2))
import math
x = [1.0, 2.0, 3.0]
y = [4.0, 0.0, -1.0]
# Producto punto x · y
dot = sum(xi * yi for xi, yi in zip(x, y))
print(dot)
# Norma L2 ||x||_2
norm2 = math.sqrt(sum(xi ** 2 for xi in x))
print(norm2)
# Verificación expandida
print(1.0*4.0 + 2.0*0.0 + 3.0*(-1.0))
print(math.sqrt(1 + 4 + 9))
Al ejecutar el código anterior, la salida es:
1.0 3.7416573867739413 1.0 3.7416573867739413
Cálculo
La esencia del entrenamiento es "ajustar los parámetros en la dirección opuesta al gradiente", por lo que las secciones de optimización en los artículos no pueden prescindir de estos símbolos.
No necesitas saber calcular ahora mismo, con reconocer cada símbolo es suficiente.
| Símbolo | Significado | Ejemplo / Explicación |
|---|---|---|
| Derivada: tasa de cambio de y con respecto a x | ||
| Otra notación para la derivada | ||
| Derivada parcial: solo se observa la tasa de cambio de f cuando cambia x | Para funciones multivariables se usa | |
| Gradiente: vector formado por todas las derivadas parciales | ||
| Integral, operación inversa de la diferencial | ||
| Límite: valor cuando x se aproxima a a |
La fórmula más importante del aprendizaje profundo solo utiliza dos filas de la tabla anterior: la regla de actualización de parámetros del descenso de gradiente:
Desglose símbolo por símbolo:es el parámetro,indica "actualiza el lado izquierdo con el valor del lado derecho",es la tasa de aprendizaje,es el gradiente de la función de pérdida J con respecto al parámetro θ.
En una frase:Nuevo parámetro = parámetro anterior − tasa de aprendizaje × gradiente, es decir, dar un pequeño paso en la dirección que hace descender la pérdida más rápidamente.
Se lee "nabla" o "operador gradiente"; no es un número, sino una instrucción de operación que "calcula la derivada parcial con respecto a todas las variables posteriores", muy parecido a una función de orden superior en programación.
Optimización y otros símbolos de uso frecuente
Esta última sección trata sobre símbolos que aparecen dispersos pero son muy importantes en los artículos.
| Símbolo | Significado | Ejemplo / Explicación |
|---|---|---|
| La x que hace que f alcance el valor máximo | Devuelve x, no el valor máximo en sí | |
| La x que hace que f alcance el valor mínimo | Entrenar es buscar | |
| el valor mínimo de f | Devuelve el valor numérico en sí | |
| función softmax | ||
| Composición de funciones | ||
| se define como | El lado izquierdo se define como el valor del lado derecho | |
| proporcional a | ||
| función de activación ReLU | ||
| Notación O grande: orden de crecimiento | Ignora constantes, solo observa la escala |
Lo que hace un modelo de clasificación al predecir es precisamente: toma la clase con mayor probabilidad; argmax devuelve el número de clase, no el valor de probabilidad.
yMuy fáciles de confundir:responde "cuál es el valor máximo",responde "en qué x se alcanza el valor máximo". En las tareas de clasificación nos interesa esto último.
Consejos de estudio
No necesitas memorizar la tabla de símbolos de memoria; el método es más efectivo que la memorización.
Primero, adquiere el hábito de desglosar símbolo por símbolo: al ver una fórmula, pregúntate primero si cada símbolo es un operador, una variable o una función, y luego qué representa en el contexto actual. Al desglosarla, a menudo deja de ser misteriosa.
Segundo, domina primero tres cosas:Sumatorias, exponenciales y logaritmos, y notación de subíndices. Son el requisito previo para leer fórmulas de álgebra lineal y cálculo; este artículo tiene secciones dedicadas a cada una.
Tercero, cuando encuentres un símbolo que no conozcas, busca directamente "nombre del símbolo + significado matemático"; es más rápido que pelearse con el libro de texto.
Otras extensionesLos símbolos son el mapa, no el terreno. La comprensión real proviene de usarlos para calcular ejemplos concretos; cada ejemplo de Python en este artículo vale la pena ejecutarlo personalmente.