Está en la página 1de 73

1

2

3

La Naturaleza es bella,
caticay fractal





VOLUMEN II: El Caos y la complejidad







Dino Otero 2010, dinootero@fibertel.com.ar

4
5
INDICE
INTRODUCCIN 6
TRAYECTORIAS EN EL ESPACIO DE FASES 8
CAOS EN SISTEMAS SIMPLES 11
LORENZ Y LA PREDICCIN DEL TIEMPO METEOROLGICO 19
SISTEMA HAMILTONIANO NO LINEAL 24
EL ROTADOR PATEADO 32
ECUACION LOGSTICA 36
EXPONENTE DE LYAPUNOV, DILOGISTICA 41
BILLARES 48
ALGUNOS CONCEPTOS RELACIONADOS CON LA ENTROPA 50
CLASIFICACIN DE LAS EVOLUCIONES DINMICAS 52
ENTROPA DE KOLMOGOROV 56
SISTEMAS COMPLEJOS 58
6
INTRODUCCIN

Este texto est principalmente dirigido a profesores universitarios, estudiantes y
profesionales que necesiten una introduccin a los temas de caos y fractales. En ambos
casos no existe hasta el presente asignaturas que traten explcitamente estos temas. No estn
muy claras las razones por la cuales se da esta omisin. Me permitir exponer algunas
hiptesis. Las races del caos se remontan a fines del siglo XIX con los trabajos de Henry
Poincar, mientras que el concepto de dimensin no entera fue introducido por el
matemtico Flix Hausdorff a principios del siglo XX. Sin embargo esos estudios
quedaran prcticamente ignorados hasta fines del siglo XX por diversas razones. Las dos
principales causas han sido, por un lado los espectaculares desarrollos de las teoras
cuntica y relativista, particularmente aplicadas con gran xito en las reas de fsica
atmica, molecular, nuclear y astrofsica y por el otro la necesidad de tener los poderosos
equipos de clculo y graficacin que son las computadoras. Hacia 1960 se realiz un
importante desarrollo con la demostracin del teorema KAM (Kolmogorov, Arnold, Morse)
pero el apogeo de la fsica lineal era an muy fuerte y el tema qued relegado a los
especialistas. Ms fortuna tuvo Benoit Mandelbrot cuando en 1967 comenz sus trabajos
sobre la fractalidad publicando el artculo Cunto mide la costa de Gran Bretaa?
1
,
aunque el trmino lo acu mucho ms tarde alrededor de 1975. Ya para entonces era
posible volcar en un grfico de aceptable presentacin los elaborados dibujos que se
generan mediante algoritmos relacionados con caos o fractales. Creo que el desarrollo
grfico de la computacin contribuy en gran medida a la popularizacin de estos
conceptos y, por que no, al entendimiento y profundizacin de los mismos. La colaboracin
entre el ojo analgico del cientfico y el poder de clculo digital de las computadoras han
permitido avanzar rpidamente en el estudio de estos temas. Sin embargo todo esto no
aclara porque el retraso en incluirlos en las asignaturas de grado. En los trabajos de
divulgacin se afirma una y otra vez que los ejemplos de dinmica de los cursos de grado
son un conjunto muy pequeo respecto de los problemas reales que se plantean en las
ciencias exactas. Espero que este trabajo sea un grano de arena que colabore en
incorporarlos. Vaya el ejemplo de un pndulo real, que con una gran riqueza en su
dinmica, puede ser fcilmente comprendido y resuelto por alumnos de los primeros aos
de la universidad, con la ayuda de la computacin. Otro ejemplo simple lo constituye la
simple ecuacin logstica a diferencias finitas, para la cual ni siquiera es necesaria ninguna
herramienta sofisticada de clculo. Respecto de la fractalidad podramos afirmar que la
naturaleza es bella porque es fractal. Efectivamente, si bien los estudiantes conocen (o al
menos es de esperar que conozcan) muy bien los teoremas eucldeos y reconocen las
diferencias entre tringulos, elipses, cubos, esferas, poliedros y cudricas, ni bien se
asoman al mundo real y observan un rbol, las nubes, la mezcla de dos pinturas, los
remolinos en el agua, la descarga de un rayo, descubren que lejos estn esos objetos y
fenmenos de un tringulo, una esfera o un poliedro. En 1900 surge en la pintura, de la
mano de Pablo Ruiz Picaso, el movimiento artstico denominado cubismo. Se rompa
entonces con toda una tradicin pictrica que representaba a la naturaleza tal como era,
eventualmente impregnada del espritu con el cual la contemplaba el pintor. En el afn de

1
Science, New Series, Vol 156, Nro 3775 (May 5, 1967), p 636-638.
7
combinar tiempo y espacio sobre una tela plana se perda, con el cubismo, una de las
caractersticas, a mi juicio, ms bellas de la naturaleza: la geometra fractal. Como dice
Benoit Manderlbrot en su libro: Las nubes no son esferas, las montaas no son conos, los
litorales no son circulares, y los ladridos no son suaves, lo mismo que los relmpagos no
viajan en lnea recta. Pero la estructura fractal que suele presentar la naturaleza tiene su
origen en procesos dinmicos a los cuales las ciencias fsicas slo recientemente han
dedicado un profundo inters: la teora del caos. La base de la teora del caos es la fsica no
lineal. Slo los relojes asociados a los rutinarios ciclos temporales estn realmente fuera de
la fsica no lineal. Con ciclos ms largos o ms imbricados todos los problemas que puede
resolver la fsica lineal se reduce a seguir esos ciclos.
En un primer volumen
2
hemos presentamos conceptos elementales y todo el tema de
fractales. Este segundo volumen est dedicado al caos y la relacin de ambos conceptos con
el tema de sistemas complejos. El lector que domine los conceptos elementales de ambos
formalismos puede sumergirse en el segundo volumen directamente.

El autor ha publicado en teora del caos, fractales, fsica nuclear y teora de la
informacin. Fue profesor de fsica y matemticas en las universidades de Lujn, Centro de
la Provincia de Buenos Aires, UBA, UTN y Favaloro. Fue asesor cientfico en la Comisin
de Investigaciones Cientfica de la Pcia de Bs. As y desarroll tareas de investigacin y
gerenciamiento en la Comisin Nacional de Energa Atmica. Parte de este material se
dict en la carrera de doctorado de la Facultad Regional de Buenos Aires, Universidad
Tecnolgica Nacional.



2
Otero, D. La Naturaleza es bella, catica y fractal: Los fractales, irreversibilidad, azar y determinismo

8

TRAYECTORIAS EN EL ESPACIO DE FASES

Un sistema de representacin especialmente til para investigar las trayectorias de
las partculas es el denominado espacio de fases. En el espacio de configuracin (x,y,z)
falta la informacin de la velocidad, al incorporarla el nmero de variables se duplica. As
por ejemplo la trayectoria de un tren que va en lnea recta y a velocidad constante, en el
espacio de fases sera de forma:


En el espacio de fases se prefiere utilizar el momento v m p
r r
, en lugar de la
velocidad pues clsicamente se agrega la masa a la informacin y cunticamente es el modo
natural de trabajar.
Volvamos ahora a las trayectorias que puede describir un sistema en el espacio de
fases. Si la trayectoria en un espacio de 6n dimensiones es una lnea, por complicada que
sea, tendr una dimensin igual a uno. Sin embargo si la trayectoria se enrosca lo suficiente
como por ejemplo la figura que tiende al perfil de un cristal de nieve donde cada punta de la
estrella original se desdobla como indica la parte superior de la figura











La dimensin D
H
ser mayor que 1 aunque menor que 2. Cuando ms se enrosque
ms se acercar a cubrir realmente la superficie. Para que todos los puntos del espacio de
fases tengan igual probabilidad de ser visitados, D
H
tiene que alcanzar la dimensin de
dicho espacio. Por ejemplo para ecuaciones en una dimensin,

F(x,t) = mx

el espacio de fases tiene dos dimensiones dadas por las variables p y q. Un oscilador
lineal describe una elipse y por lo tanto tiene dimensin uno, en tanto que la interseccin
con el plano de Poincar dar un punto y por lo tanto tendr dimensin cero. Un conjunto
9
grande pero finito de osciladores dar un conjunto de puntos tambin con dimensin total
cero.
La trayectoria de una partcula de gas tiene que tener una dimensin igual a 6
(x,y,z,px,pypz) para que se pueda suponer que todas las regiones del espacio de fases
tengan igual chance de ser visitadas.








Obviamente no es suficiente que D
H
coincida con la dimensin del espacio de fases
pues existen trayectorias que ordenadamente pueden, en el lmite cubrirlo como se muestra
en la primera caja de la figura 4. En la segunda caja se representa esquemticamente el
comportamiento de las partculas de gas chocando contra las paredes y entre ellas.
Si un sistema tiene los exponentes de Lyapunov positivos y DH igual a la dimensin
del espacio de fases entonces el sistema mostrar un comportamiento catico y se podrn
realizar hiptesis estadsticas. La conclusin es que aunque la dinmica clsica sea
determinstica la evolucin futura del sistema puede caer en una regin muy grande del
espacio de fases y el lugar donde pueden caer es muy sensible a las condiciones iniciales.

Esta conclusin refuerza el concepto que la probabilidad no es una
propiedad de los sistemas, sino ms bien una estimacin numrica de los valores que
pueden tomar las propiedades de los sistemas. Se restituye as la formulacin objetiva
de la ciencia.
Sin embargo debe tenerse presente que la no linealidad es una condicin
necesaria pero no es suficiente para que se genere el caos.


10

Los sistemas disipativos, es decir aquellos para los cuales no se puede escribir un
Hamiltoniano para expresar la energa interna, son los que ms claramente presentan
fenmenos caticos. Estos sistemas pueden tener un comportamiento similar a un sistema
lineal y un comportamiento totalmente catico. La transicin desde el estado no catico al
catico se denomina ruta al caos.
La ltima ruta ha sido tambin denominada turbulenta aunque no debe
confundirse con la turbulencia espacial y temporal que se da en los fluidos. An no se han
podido reproducir ese tipo de turbulencias aunque se ha dedicado mucho esfuerzo a ese
tema. Aunque muchos libros de textos desarrollan un detallado tratamiento de la dinmica
clsica, en general dejan la impresin que la mayora de los sistemas clsicos son
integrables cuando en realidad es todo lo contrario.
Con la prueba del teorema KAM, Kolmogorov, Arnold y Morse qued establecido
que el movimiento de un sistema integrable en el espacio de fases no es ni completamente
regular ni completamente irregular pues el tipo de trayectoria depende sensiblemente de
cules sean las condiciones iniciales.
Aunque este teorema y sus conclusiones son cruciales para entender la dinmica
celeste, su importancia se extiende a la fundamentacin de los denominados sistemas
ergdicos y por lo tanto podran contribuir a entender el comportamiento de plasmas a
altas temperaturas, requisito indispensable en los reactores de fusin nuclear.
11
CAOS EN SISTEMAS SIMPLES

Pndulo amortiguado y forzado
Sea un pndulo como el que indica la figura:












donde el ngulo T sigue la ecuacin de movimiento:





que mediante un cambio de variables puede ser escrita como un sistema de dos
ecuaciones diferenciales:

x = T, y = dT/dt ,









Este sistema dinmico es muy rico en soluciones, aunque termina con una
frecuencia dominada por ? . La solucin de un sistema como (1) viene dada por la solucin
de la ecuacin homognea ms una solucin particular de la ecuacin inhomognea. La
solucin homognea slo domina en el perodo transitorio y finalmente se impone la
solucin inhomognea gobernada por ? . Un caso interesante resulta cuando la frecuencia
de oscilacin de la homognea se acerca a la frecuencia de la inhomogeneidad. Se tiene
entonces resonancia y conviene analizar el transitorio utilizando un cdigo que resuelve la
t F gsen
dt
d
dt
d
cos
2
2
+

y
dt
dx

t F gsenx y
dt
dy
cos +
12
ecuacin por algn mtodo de diferencias finitas. Usaremos aqu el cdigo para evaluar las
soluciones de las ecuaciones lineales y no lineales PHASER
3
.


PNDULO LINEAL

Consideremos primero un simple pndulo lineal. El pndulo es el ejemplo de
sistema armnico. Incluso un pndulo amortiguado puede ser descrito muy adecuadamente
por una simple ecuacin lineal. Resulta ms interesante si el pndulo est forzado por una
fuerza peridica. En ese caso adems de la resonancia se pueden presentar largos
transitorios con frecuencias superpuestas. Las ecuaciones a utilizar son:

1 2
2
2
1
) cos( x
m
k
x
m
c
at f
dt
dx
x
dt
dx



donde se ha aproximado la funcin senx por la expansin a primer orden, x.
Como sabemos un sistema de orden n puede ser reducido a n sistemas primer orden.
La trayectoria se da en un espacio de configuracin unidimensional caracterizado por la
variable x
1
y en un espacio de fases bidimensional caracterizado por las variables (x
1
,x
2
).
Veamos primero un caso no resonante
La relacin entre la frecuencia natural y la de la alimentacin tienen una relacin
dos. En la figura se ve que el trmino de amortiguacin va eliminando la frecuencia natural
y finalmente queda una frecuencia el doble de la original.



Las condiciones iniciales van amortiguando en la medida que converge a un ciclo
lmite en el rgimen estacionario.
.


3
Hseyin Kocak, Differential and Difference Equations through Computer Experiments, Springer-Verlag,
Berln, 1986.
13


Para el caso resonante tenemos,





Sin embargo fuera de la frecuencia resonante se obtienen evoluciones peculiares. Se
observa una pelea entre la frecuencia natural y la forzada, dando lugar a un batido
transitorio:

14


Si la disipacin se anula la competencia continua indefinidamente dando lugar a un
batido continuo (c=0), con figuras muy simple para relaciones de frecuencias enteras
(para lo cual conviene que k sea un cuadrado perfecto de un nmero natural):

De todas formas el sistema siempre converge a un ciclo lmite ms o menos
complejo. La complejidad de este ltimo ciclo lmite tiene un cierto parecido con lo que
veremos ms adelante denominados atractores extraos:
Para k = n
2
y a=n se tiene resonancia. Por ejemplo k=4, a=2



PNDULO RGIDO REAL

Veamos ahora el caso real que no lineal (recordemos que el caso lineal aparece
aproximando sen(x1) ~ x1). La condicin de rgido permite que el brazo gire alrededor del
punto de sustentacin

2
1
x
dt
dx


) ( . . ) ( .
1 2
2
x sen a x c t sen f
dt
dx


El tema no ya tan simple de analizar. Para algunos valores de los parmetros la
evolucin tiende a un ciclo lmite dominado por la fuerza externa. La extrema sensibilidad
a las condiciones iniciales se pone de manifiesto en estas soluciones no caticas en la
evolucin de los transitorios que pueden seguir trayectorias muy distintas y durar tiempos
15
muy distintos para condiciones iniciales tan cercanas como se quiera. Este fenmeno se
denomina fractal basin boundaries y fue analizado por Celso Greboggi
4
. Un buen
ejemplo lo constituyen las siguientes condiciones:
Parmetros: f = 1, c= 0.01, 1 , a = 1; condiciones iniciales: x
11
= 0.1, x
21

= 0.1, x
12
=.100001, x
22
= 0.1
En 300 segundos las soluciones se ven de esta forma (condicin inicial 1
en negro y condicin inicial 2 en rojo) y uno estara tentado a suponer que est frente a un
sistema catico:



Para asegurarse que no estamos viendo el transitorio se puede ir ms lejos, por
ejemplo entre 1000 y 1500 segundos:



Ahora tenemos la sorpresa que la condicin inicial (1) muestra una evolucin
aparentemente catica y la solucin (2) ha cado en un ciclo lmite. Para estar seguros que
la solucin (1) no se encuentra an en el transitorio podemos avanzar ms en el tiempo, por
ejemplo entre 2000 y 3000 segundos:



4
Greboggi, C., Ott, E., Yorke, J.A., Chaos, Strange Attractors, and Fractal Basin Boundaries in Nonlinear
Dynamics, Science 238, 1987, p 632-638.
16


Recin entre 3200 y 3600 segundos observamos que la solucin (1) cae tambin en
un ciclo lmite:



Si observamos con cuidado ambos ciclos lmites veremos que tienen un ancho
similar aunque la estructura no parece idntica. Habr alguna diferencia entre ambos? Para
resolver este problema conviene observar los datos finales, es decir al tiempo t = 7000 seg:

x
11
= - 38.365879496070555
x
21
= - 2.1047033897554400
x
21
= 106.14738256905945
x
22
= - 2.1047033897557066

Se observa que la velocidad difiere tan slo en 2.666*10
-13
, en tanto que si
sumamos,
x11 + x21 = 144.513262065130005
y dividimos por p obtenemos el valor 45.9999999999998459 que difiere de 46 en tan slo
1.541*10
-13
.
Es decir la posicin a un dado tiempo difiere dentro de esta precisin en un nmero
par de veces . Se puede afirmar que dentro de esta precisin (del orden del mtodo
empleado para resolver el problema) ambos ciclos lmites son idnticos! Las soluciones
slo difieren en el transitorio y en el tiempo que tardan en alcanzar el rgimen estacionario.

17
Por supuesto que en casos concretos esta diferencia puede ser fundamental para la
estabilidad y reproducibilidad de un sistema real!
Veamos ahora condiciones esencialmente caticas:
Parmetros: f = 2.7, c= 0.22, w = 1, a = 1; condiciones iniciales: x
11
= 1, x21
= 0, x
12
=1.000000001, x
22
= 0
El resultado entre 6000 y 7000 segundos puede observarse en la figura
siguiente:



Ahora ambas trayectorias continan siendo caticas y los valores de las variables en
el segundo 7000 no tienen nada que ver entre s:
x
11
= - 254.32511306852183
x
21
= - 0.42481180247127415

x
21
= 317.929445782182869
x
22
= - 0.39827541185651233
Cuando los parmetros corresponden a una condicin catica cualquier condicin
inicial da una trayectoria catica y en consecuencia impredecible. En cambio para
condiciones estables es decir de un solo ciclo lmite tenemos diferentes formas de arribar.
Asignando un color diferente a cada condicin inicial de acuerdo a los ciclos lmites
que arriben (que difieren en 2np), por ejemplo rojo y azul; y variando la intensidad de los
colores de acuerdo al tiempo que tardan en arribar: ms intenso si llegan rpidamente y ms
claro si tardan ms, se obtiene este mapa de condiciones iniciales (se restringi a un par de
ciclos lmites aunque puede presentarse segn sean los valores de los parmetros y las
condiciones iniciales, muchos ms):
18

19

Otro sistema simple e importante que presenta caos es el experimento de la
inestabilidad de Bnard. Se trata de un fluido con un coeficiente de expansin positivo que
es calentado desde abajo y acta el campo gravitacional:



El fluido fro tiende a caer y el caliente tiende a subir por diferente densidad. La
viscosidad se opone a este movimiento y para T pequeos el transporte de calor se realiza
por conduccin y el lquido permanece en reposo (figura izquierda). El sistema se vuelve
inestable por arriba de un cierto valor crtico del nmero de Rayleigh, R
c1
, y comienza un
movimiento de rotacin que genera cilindros convectivos en el recipiente.
Si ? T aumenta ms an, al alcanzar un segundo R
c2
el movimiento del fluido se
vuelve turbulento (catico). Las ecuaciones que describen el fenmeno son:

a) Las ecuaciones de Navier Stokes,





La ecuacin de conduccin del calor,




La ecuacin de continuidad,




Donde es la densidad del fluido, es la viscosidad, p es la presin, K es la

v p F
dt
v d r
r r
r
2
+
T
dt
dT
2

0 ) . ( +

v
t
r
r

k g F


r
20
conductividad trmica y F
r
es la fuerza externa en la direccin de z, debida a la gravedad.
El trmino fundamental de nolinealidad proviene de la derivada total de v:




Este problema se aplica tanto a una pava sobre el fuego como al comportamiento de
la atmsfera (donde la tierra est caliente y la estratosfera est fra). Lorenz, estudiando el
comportamiento del tiempo meteorolgico redujo, haciendo varias simplificaciones pero
manteniendo la alinealidad, este complejo sistema de ecuaciones a slo 3:












donde
K

es el nmero de Prandtl, b est asociado a la frecuencia ms baja de


un desarrollo Fourier de las soluciones y r = R/R
C
~ T es el parmetro de control
externo.
Un dispositivo mecnico muy simple ideado tambin por Lorenz representa algunas
de las propiedades de este sistema:



Conocido como Lorenzian waterwheel. As como el aire en la atmsfera disipa
calor los baldecitos pierden agua, la cual es alimentada estacionariamente por un flujo
desde arriba. Si la alimentacin es muy pequea la perdida elimina el agua del balde y el
sistema transfiere agua de arriba hacia abajo sin moverse. Cuando el caudal aumenta, el
t
v
v v
dt
v d

+
r
r
r
r
r
) . (
bz xy
dt
dz
y xz x r
dt
dy
x y
dt
dx



.
) (
21
peso del balde y la ms mnima imperfeccin hacen que comience girar la rueda. Al
aumentar ms an el caudal el sistema se vuelve catico: el llenado de los baldes depende
del tiempo que pasan debajo del chorro de agua. Al aumentar la velocidad se llenan poco y
la rueda puede invertir su giro, etc. Efectivamente Lorenz descubri que el giro puede
revertirse muchas veces no alcanzando un estado estacionario ni repitindose de manera
predecible. Resulta interesante que existe analoga con el funcionamiento de los antiguos
dnamos donde fluye corriente en un disco que gira pasando por un campo magntico. Bajo
ciertas condiciones la dnamo puede invertir su giro. Algunos cientficos han sugerido que
esto podra explicar la reversin del campo magntico terrestre generado segn una
hiptesis bastante aceptada por el efecto dnamo del magma girando a diferente velocidad
que la corteza terrestre. Veamos ahora el famoso resultado de la evolucin de las variables
(x,y,z) de las ecuaciones de Lorenz. Las condiciones iniciales y los parmetros son:

= 10, r = 28, b = 8/3
CI: x = .1; .1000000000001, .0999999999999, y = 5, z = 5
tiempo: 2000



Estas trayectorias se dan en realidad sobre una curva alabeada. Para tener una idea
mejor conviene usar el mapa de Poincar que, justamente lo propuso para poder entender el
comportamiento espacial de soluciones complejas de ecuaciones no lineales.

Una forma interesante de visualizar el mapa de Poincar es mediante el vuelo
imaginario de una mosca:

22


Un vuelo en crculos deja slo dos puntos sobre el plano y un vuelo errtico ir
cubriendo todo el plano o si la mosca tiene cierta predileccin en volar en determinadas
reas, aparecer un conjunto extrao de puntos, que no cubre homogneamente el plano.
Aunque parte de la informacin de la trayectoria se ha perdido se obtiene una detallada
descripcin de cuan regular es el movimiento. En el caso del atractor extrao de Lorenz el
mapa revela que las trayectorias se dan sobre una superficie:

Plano de Poincar: 0x + 0y + 1z +(-40) = = 0 (z = 40)

El plano es paralelo a (x,y) y corta la trayectoria a los valores de z indicados.


Las trayectorias comienzan muy suavemente entre z = 5 y z = 20 y se elevan ms
rpidamente entre z =30 y z = 45. En z = 20 y z = 30 se observa adems que la interseccin
sobre el plano no es una recta aunque s una lnea.
Con estas ecuaciones Lorenz demostr que la prediccin del tiempo meteorolgico
es, en ciertas condiciones iniciales y con determinados parmetros, totalmente imposible.

Las figuras que se obtienen dieron origen al denominado efecto mariposa,
ironizando que el batir de alas de una mariposa en el Amazonas podra causar un tornado en
23
el Japn. El problema no es tan simple pues existen muchsimas mariposas y un montn de
otras causas que pueden compensarse unas a otras por lo que muy seguramente, aunque la
perturbacin inicial no necesita ser demasiado importante, se requiera algo ms que el
simple batir de alas de una mariposa para que las condiciones meteorolgicas tomen otro
rumbo.
24

SISTEMA HAMILTONIANO NO LINEAL

Los ejemplos que vimos hasta ahora tienen como ingrediente la disipacin. En
general este factor ayuda a visualizar situaciones caticas. Sin embargo las leyes fsicas
tienen la disipacin como una aproximacin y no como una propiedad fundamental.
Resulta interesante entonces verificar que tambin un sistema no disipativo puede presentar
soluciones caticas.

Presentaremos entonces un ejemplo de un sistema totalmente conservativo y
hamiltoniano, el potencial de Hnon-Heilles
5
:



Como siempre p
i
son los momentos lineales conjugados de las coordenadas q
i
y
donde las ecuaciones de movimiento vienen dadas por,










Este hamiltoniano fue usado por Henon y Heiles en un trabajo sobre el movimiento
de estrellas dentro de una galaxia.
La observacin del caos en estas ecuaciones es menos obvia que en los otros casos.
De hecho tiene condiciones totalmente integrables y por lo tanto regulares. Por ejemplo,

a = 1, b = 16, c = 16

CI: q
11
= .2, q
21
= .1, p
11
= .1, p
21
= .1

q
12
= .201, q
22
= .1, p
12
= .1, p
22
= .1

luego de 5000 segundos las trayectorias se mantienen casi superpuestas:

En cambio para otros valores de los parmetros,
a = 0.7, b = 1.3, c = -0.3
Se obtiene una rpida separacin de las trayectorias:


5
Henon, M y Heiles, C. The applicability of the third integral of motion : some numerical experiments,
The Astronomical Journal, 69 (1), 1964 p 73-99.
3 2
3
2
2
2
1
2
2
2
1
2
2
2
1
cq
q q
q q bp ap
H +
+ + +

1
1
p
t
q

2
2
p
t
q

2 1 1
1
2 q q aq
t
p

3
2 1 2
2
cq q bq
t
p

25

Ms interesante resultan las siguientes condiciones:
a = 0.99652249, b = 1, c = -1
CI: q
11
= .199, q
21
= .1, p
11
= .1, p
21
= .1
q
12
= .201, q
22
= .1, p
12
= .1, p
22
= .1

Aqu las rbitas coinciden durante 300 segundos hasta alcanzar la frontera superior
derecha.



Luego la rbita roja avanza en el tringulo superior e inferior mientras la azul
retrocede sobre sus pasos. Vuelven a juntarse a los 750 segundos en la frontera superior
izquierda. En cada frontera las trayectorias se estacionan unos segundos. Vuelven a
separarse y se juntan nuevamente en la frontera superior derecha a los 1300 segundos
aproximadamente. Continan as indefinidamente.

Cada condicin inicial puede ser una sorpresa en cul de las dos trayectorias
terminar. Por ejemplo para las siguientes condiciones iniciales:

q
11
= .199, q
21
= .1, p
11
= .1, p
21
= .1
q
12
= .201, q
22
= .1, p
12
= .1, p
22
= .1
q
13
= .05, q
23
= .1, p
13
= .1, p
23
= .1
q
14
= .18, q
24
= .1, p
14
= .1, p
24
= .1
q
15
= .16, q
25
= .1, p
15
= .1, p
25
= .1
q
16
= .22, q
26
= .1, p
16
= .1, p
26
= .1
Se obtiene la siguiente figura:
26



Qu podra utilizarse como distintivo terrcola en la guerra de las galaxias!
Las inestabilidades de estos sistemas hamiltonianos fueron bien estudiadas por
Kolmogorov (1954) Arnold (1963) y Moser (1967): teorema KAM. Si un hamitoniano
es no lineal muy seguramente puede ser catico. El teorema trata de hamiltonianos
integrables con una pequea perturbacin no integrable. Para ser integrable el hamiltoniano
debe poseer tantas constantes de movimiento como dimensiones. Por ejemplo el sistema
Sol-Planeta (sin considerar otros planetas y/o satlites), desarrolla su movimiento en un
plano (dos dimensiones) y tiene dos constantes de movimiento, la energa y el momento
angular.
Los hamiltonianos integrables pueden ser descriptos en variables angulares
mediante una transformacin cannica y las trayectorias se desarrollan sobre un hipertoro,
bobinndolo de acuerdo con las frecuencias asociadas a las variables angulares.
TORO KAM
El caso ms simple corresponde a un oscilador armnico. La energa de un oscilador
armnico con slo un grado de libertad (unidimensional) puede ponerse como,


2
2
2
2
b
q
a
p
E +

donde p es el impulso y q la posicin

27

Cuando se tienen ms grados de libertad (ms dimensiones) las trayectorias se
realizan sobre superficies de energa constante.



Sistema integrable
Un corte del toro integrable nos dar un conjunto de crculos concntricos:


En cambio en el caso en un sistema inicialmente integrable al cual se le agrega una pequea
perturbacin no integrable se obtiene el siguiente corte:


Los toros se rompen en subtoros que rotan helicoidalmente dentro de los toros
principales. Ahora las trayectorias son caticas dentro de esos subforos. En realidad los que
sucede con el toro integrable depende drsticamente de las frecuencias de giro alrededor del
toro. Se tiene una rotacin alrededor del toro,
1
, y otra rotacin alrededor de la seccin del
toro,
2
:

28



Resulta crucial para la estabilidad la relacin entre las dos frecuencias de giro sobre
el toro:
relacin racional relacin irracional
Resonancia no resonante

En general la relacin racional es inestable y desemboca en las zonas caticas en tanto que
la relacin irracional slo aparece como una perturbacin de la rbita establecida sobre el
toro integrable. En realidad el problema es muy complejo porque cada grado de libertad
tiene asociada una frecuencia angular
Supongamos que las rbitas se desarrollan sobre un toro con las frecuencias
1
y
2
, el teorema dice que si la relacin entre las frecuencias es suficientemente irracional
el toro se deforma levemente y las trayectorias siguen estando sobre su superficie. En
cambio si la relacin es cercanamente racional las trayectorias aparecen en mltiples toros
internos de diferentes secciones. El sistema se vuelve catico en las zonas cercanas a las
relaciones racionales que se muestran en la siguiente figura:


Por supuesto que alrededor de cada uno de estas relaciones existen infinitas
relaciones. Por ejemplo alrededor de 2/5 tendremos 21/51, 201/501, 2001/5001, tambin
tendremos relaciones como (1/5 + )/2 = 9/40 que agregara otro intervalo de prohibicin
pero del orden de 10 veces menor.
En particular la relacin de oro:



que cumple
a
b
b a
a

+
. Resolviendo la ecuacin cuadrtica: 0
2 2
+ a ab b
29

se tiene:

'

6180339 , 1
6180339 , 0
2
1 5
a
b

obviamente slo tiene sentido la raz positiva. Tambin se obtiene este nmero como lmite
de la sucesin de Fibonacci:






se lo considera el peor irracional, es decir el que necesita un cociente de dos nmeros
naturales ms grande para una misma aproximacin que en el caso de otros irracionales. El
teorema KAM y su posterior comprobacin experimental revelan un comportamiento de la
mecnica hamiltoniana donde el determinismo depende arbitrariamente del conocimiento
de las condiciones iniciales de tal forma que se torna imposible predecir la evolucin para
tiempos muy grandes..
En realidad slo se puede afirmar que algunas rbitas sern ms estables que otras.
Por otra parte pone de manifiesto que los nmeros irracionales existen ms all de una
postulacin geomtrica y, en ese sentido estara en contra de la hiptesis formulada por
Wolfram
6
segn el cual la computacin digital sera capaz de resolver cualquier problema
(la computacin digital excluye los nmeros irracionales).

Para imaginar que sucede cuando aparece una perturbacin no integrable en un
sistema inicialmente integrable comencemos por considerar el comportamiento del toro
KAM: Cada capa del toro corresponde a un valor de energa. Imagnese ahora que se
comienza por arrollar un alambre fino (trayectoria) alrededor de la primera capa, luego se
lo cubre con capas concntricas de aislante plstico. Se interrumpe el agregado de capas
aislantes (energas) por superposicin de bobinados de alambre (otras posibles trayectorias)
en algunos casos ordenados. Contina de esta manera tanto como tenga ganas y finalmente
introduce manojos enredados de alambre.


6
Wolfram, S. A., A Kind of Science, Champaign, II: Wolfram Media, 2002.
( ) / 6 15. 4414 0. 7606 0 0 1 318. 48 632. 2498 ( )
2
) 1 5 (
... 1
1
1
1
..... 6180339 , 0
2 / 1

'

1
]
1

+
+

30



Esta descripcin fue propuesta por el fsico Michael Berry
7
y se asocia a las capas
de plstico con las zonas de movimiento ordenado cuasiperidico, los bobinados
adicionales de alambre con rbitas resonantes y los manojos enredados con las zonas
caticas. Obsrvese que los finos alambres de las resonancias quedaron rodeados de los
manojos enredados que representan el caos. Este difcil teorema fue intuido por
Kolmogorov y propuso un plan para demostrarlo, Arnold un discpulo que se convertira en
un famoso matemtico de la dinmica realiz una prueba rigurosa. Finalmente los
resultados fueron extendidos por Moser y esta es la razn del nombre con que se lo conoce
hoy en da.
Ahora que hemos analizado un poco ms en detalle el teorema KAM observamos
que no necesariamente es tan simple la conclusin. La relacin de nmeros primos podr
ser catica en aquellos casos que el alambre que la representa es extremadamente
delgado y fuertemente rodeado de las madejas enredadas. En cambio si el alambre que
representa la resonancia es grueso y tiene poco alambre enredado cerca, la
correspondiente rbita podr ser completamente estable.

As puede entenderse algo ms los complicados resultados experimentales, en
particular el comportamiento del nmero de asteroides en funcin de la relacin de su
rbita y la correspondiente rbita de Jpiter alrededor del Sol. Debido a su masa puede
considerarse que Jpiter es el planeta que ms influye sobre los asteroides. Para ciertas
relaciones enteras como 4, 7/2, 3, 5/2, 2 se tiene una relativa ausencia de asteroides lo cual
indicara que dichas rbitas son poco estables. Sin embargo para 1 la concentracin es
grande.


7
Berry, M V, Regular and Irregular Motion in Topic in Nolinear Mechanics, ed. S Journal, Am.Inst. Ph.
Conf. Proc. Nro 46, p 16-20.
31
En el valor 1, los asteroides son directamente arrastrados por Jpiter, sera un
cable grueso de gran estabilidad (aunque el nmero no es elevado pues cualquier
perturbacin introducira a los asteroides en zonas caticas). Es posible encontrar otros
casos en el sistema solar de resonancias estables e inestables.


Por ejemplo la Luna siempre muestra la misma cara a la Tierra en una resonancia
1:1 entre su rotacin y el perodo orbital. Mercurio rota alrededor del Sol en 88 das y rota
sobre su eje en 59 das en una relacin cercana a los 2/3 que, se comportara como
resonancia estable.

Tambin en los anillos de Saturno y de Urano se observan aros vacos que
indicaran zonas de inestabilidad.





Aqu, en los anillos de Urano se pueden observa las zonas vacas y adems que la
estructura presenta un comportamiento fractal. En general la dinmica no lineal presenta
frecuentemente estructuras fractales. Ya vimos en el caso del pndulo no lineal la base de
condiciones iniciales fractales, los atractores extraos de Lorenz y ahora las rbitas
permitidas de sistemas hamiltonianos.


32
EL ROTADOR PATEADO

Un importante ejemplo es el de un rotador peridicamente pateado, es decir recibe
peridicamente un impulso,



La ecuacin de movimiento es:





donde ? es la constante de amortiguamiento, t el perodo entre dos patadas, el momento
de inercia est normalizado a uno. K es una constante que controla el valor de la patada y
f(f ) modula la patada de acuerdo al ngulo. La ecuacin (1) puede escribirse como:







Estas ecuaciones diferenciales pueden convertirse en un par de ecuaciones a diferencias
finitas (difference equation):







Estas ecuaciones dan una visin estroboscpica de las variables (x,y). Veamos
algunos importantes lmites de estas ecuaciones.

+
0
2
2
) ( ) (
n
nT t Kf F
dt
d
dt
d

0
) ( ) (
n
nT t x Kf y
dt
dy
y
dt
dx

[ ]
[ ]

+
+


+

+
) (
) 1 (
) (
1
1
n n
T
n n
n
T
n
x Kf y
e x x
x Kf e y
33
MAPA LOGSTICO

Para K, ? ? 8 tal que K/? ? 1 y
f(x
n
) = (r 1)x
n
r.x
n

se obtiene el mapeo cuadrtico unidimensional,

x
n+1
= r.x
n
(1 x
n
)
dejaremos para ms adelante el estudio detallado de esta importante ecuacin a diferencias
finitas.

MAPEO DE HNON

A los cinco aos de la publicacin del trabajo de Lorenz, Michel Hnon
8
descubra
en el Instituto de Astrofsica de Paris un sistema dinmico de gran sencillez mediante el
cual se podan explicar las pequeas oscilaciones que hacen que ciertos cuerpos celestes se
desven levemente de su rbita elptica. Es un buen ejemplo de dinmica complicada que ha
sido muy estudiado por fsicos y matemticos.
Con un poco de manipuleo matemtico se pueden obtener, a partir del rotador
pateado las ecuaciones propuestas por Hnon:





definidas para -1 = b = 1. Veamos ahora la convergencia al atractor extrao, que, en
realidad no se ha podido demostrar matemticamente que realmente se trate de un atractor
extrao:



Si visemos como se va generando la grfica punto a punto, al principio no
distinguiramos ms que una nube catica de puntos en apariencia inconexos que
comienzan a instalarse errticamente sobre las curvas con forma de herraduras, sin

8
Henon, M., A two dimensional mapping with a strange attractor, Comm. Math. Phis, 50, p 69-77.
n n n
y ax x +
+
2
1
1
n n
bx y
+1
34
embargo, a medida que el nmero de iteraciones aumenta, la curva comienza a compactarse
para configurar el atractor, del cual es imposible saber si dos puntos consecutivos estarn
cerca o lejos.
Para ver este efecto conviene por ejemplo que analizar las iteraciones por ejemplo
entre 20000 y 20008, conectando los puntos (en azul donde se generar el atractor extrao):



En cambio para ver el atractor extrao conviene que los puntos no se conecten
pues toda la imagen se llena de rayas espreas. Al igual que el atractor de Lorenz, los
valores numricos obtenidos dependen de las condiciones iniciales, no as la curva final, la
cual adquiere siempre el mismo aspecto despus de las suficientes iteraciones.

Una propiedad particular del atractor de Hnon es que al acercarnos a cualquier parte de
la grfica, lo que en principio parecan lneas individuales, se subdividen en pares de lneas,
y as sucesivamente.
Esta imagen fue obtenida luego de 20000 iteraciones y las condiciones iniciales: (x,y) =
(0.1,0.1), (0.100001, 0.1), (0.099999, 0.1), (.15, 0.1). Resulta muy interesante ir ampliando
alguna zona.
Para poder observar el resultado en la zona ampliada se deben aumentar el nmero de
iteraciones. Primero aumentaremos el rectngulo azul:


Y finalmente aumentaremos el rectngulo rojo:
35


En esta ltima ampliacin se debieron 1.710.000 iteraciones. Es decir el nmero de
iteraciones se aument por un factor 86 y la ventana se aument por un factor 6x106,
mantenindose la autosimilaridad.
36
ECUACIN LOGSTICA

Volvemos ahora a la ecuacin logstica. Esta ecuacin en su expresin diferencial
tiene una gran aplicacin en ecologa, en particular el estudio de poblaciones, y fue
propuesta por P.F Verhulst
9
aplicndola en particular para la poblacin de Blgica. En ese
caso adopta la forma:




donde P mide la poblacin normalizada entre 0 y 1, a>0 es el parmetro de crecimiento y
b>0 es el parmetro de inhibicin regulado por el medio en el que desarrolla la poblacin,
en general a >> b. Se ha comprobado que la solucin de esta ecuacin predice con bastante
exactitud las pautas de crecimiento de ciertos tipos de bacterias, protozoarios, pulgas de
agua (Daphnia) y moscas de la fruta (Drosophila) en un espacio limitado. La solucin de
(6) puede encontrarse por separacin de variables.
Al descomponer el lado izquierdo en fracciones parciales e integrar, se obtiene,














entonces



Si la condicin inicial es P
0
, entonces,



y la solucin tiene la expresin:




9
Verhulst, P.F. Notice sur la loi que la population poursuit dans son accroissement, Correspondance
mathmatique et physique 10, 1838, p113-121
2
bP aP
dt
dP

dt dP
bP a a
b
aP

1
]
1

+
) (
1
c t
a
bP a
a
P

ln ln
ac at
bP a
P
+

ln
at
e bP a P ) (
at
e bc
ac
t P

+
) (
0
0
bP a
P
c

[ ]
at
e bP a bP
t aP
t P

+

) (
) (
) (
0 0
37

Una solucin tpica es la siguiente:



Simplemente a partir de un valor inicial la poblacin se estabiliza en un valor final.
Veamos ahora como se obtiene la ecuacin a diferencias finitas popularizada por May
10
.
Para ello conviene hacer un cambio de variables:
b
x a
P
) 1 ( +
. Entonces la ecuacin
diferencial queda,




y escribindola en forma incremental, es decir tal que dt t ,




poniendo ? t con un valor finito por ejemplo un ao, un mes, un da: ? t, y x(t+1)= x
n+1
y
x(t) = x
n
, nos queda,

x
n+1
= x
n
+ x
n
[a (a+1)x
n
],
x
n+1
= x
n
+ x
n
a - x
n
x
n
(a+1) = x
n
(a+1)(1 - x)
y poniendo r = a + 1,

x
n+1
= r.x
n
(1 x
n
)

que es la tpica expresin de la ecuacin logstica a diferencias finitas. Para valores bajos de
r (< 2.9) el comportamiento es similar a (255), es decir converge a un punto fijo. Entre 2.9
y 3.0, la solucin presenta oscilaciones pero igualmente converge a un punto fijo. A partir
de all comienzan las bifurcaciones:


10
May, R.M., Simple Mathematical Models with very Complicated Dynamics, Nature 261, p 459.
[ ] x a a x
dt
dx
) 1 ( +
[ ] ) ( ) 1 ( ) (
) ( ) (
t x a a t x
t
t x t t x
+

+
38


Hasta que para r ~ 3.58 comienza una evolucin catica de las soluciones, el
siguiente corresponde a r =3.9 y CI, x
0
= 0.1 y x
0
= 0.10000001:




Llamando

x al valor de x
n
luego de muchas iteraciones (10000!), y variando r, se obtiene
39


Por debajo de 3 se ve un leve incremento del punto fijo y luego aparece una
bifurcacin. El valor de x
n
oscila asintticamente entre dos valores. Luego aparecen 4
valores de oscilacin, 8, 16, 32, hasta que por arriba de 3.59 el comportamiento de x
n
es
totalmente catico. Variaciones tan pequeas como se quiera en el valor inicial de x
producen variaciones arbitrarias en

x . Antes de este comportamiento, para cualquier valor


inicial el valor de

x resulta invariante ya sea el punto fijo o las bifurcaciones.
Las zonas claras que se observan en la regin del caos consisten en rplicas del
modelo, es decir contiene una porcin de punto fijo, bifurcaciones y finalmente retorna al
caos. Por arriba de r = 4 la solucin no est definida.
Aunque en la zona catica no es posible predecir la evolucin de la solucin,
tampoco es posible utilizar esta simple ecuacin para generar nmeros al azar pues
observando con detenimiento se ve que para cualquier valor de

r > 3.5699456 la
distribucin de valores no es uniforme lo cual sera una primera condicin (no la nica)
para que los nmeros generados fueran estrictamente aleatorios.
Un anlisis frecuente en la evolucin de esta iteracin se realiza visualizando como
la solucin va saltando en cada caso entre n [parbola: y = r.x
n
(1 x
n
)] [recta 45, y = x
n+1
]:
40


Con r = 2.0 se observa la convergencia a un punto fijo.




Con r = 3.4 se observa la convergencia a un bifurcacin mltiple. Finalmente para r= 3.9 se
observa la iteracin catica:




41
EXPONENTE DE LYAPUNOV

Conviene ahora introducir ms formalmente el exponente de Lyapunov. Hemos visto
como dos puntos muy cercanos (0.1 y 0.10000001) la soluciones comienzan a separarse por
la accin del mapeo. Para un mapeo en general tenemos,

x
n+1
= f(x
n
) = f
(N)
(x
o
), y en particular x
1
= f(x
0
),

El exponente de Lyapunov mide esa separacin :




A partir de este esquema podemos escribir:





Donde el suprandice N indica las N interacciones, tomando el lmite para e ? 0 y N ? 8 ,
se tiene,






Para poder evaluar esta ltima expresin, veamos que, derivando funcin de funcin,
[ ]
) ( ) ( .
0
) (
0
) ( ) 0 (
x f x f e
N N x N
+


N
x f x f
lm lm x
N N
N


) ( ) (
ln
) (
0
) (
0
) (
0 0
N
dx
x df
lm
N
N
0
0
) (
) (
ln

42






usando que x
1
= f(x
o
) (vlido para las ecuaciones iterativas), entonces






con lo cual se tiene






entonces la expresin de ?(x
o
) se convierte en el producto de N derivadas ,







Entonces el exponente queda,








Esta expresin puede ser usada para calcular ) (
0
x usando un N suficientemente
grande. Ahora podemos volver a analizar la ecuacin logstica. Aplicando la expresin
de ) (
0
x y haciendo los correspondientes clculos para un N suficientemente grande y
variando el parmetro r, se obtiene:

[ ] { } [ ]
0
0
0
) ( ) ( ) (
0 0
) 2 (
x
x
x
x f
dx
d
x f f
df
d
x f f
dx
d
dx
df

'


[ ] [ ]
1
1
0
) ( ) (
x
x f
dx
d
x f
df
d
x f f
df
d

[ ]
0
0
1
0 0
) 2 (
) ( ) ( ) ( ) (
0 0
x x
x x
x f
dx
d
x f
dx
d
x f
dx
d
x f f
df
d
dx
df

'

N
x f
dx
d
lm
N
dx
x df
lm
N
i xi
N
N
N



1
0 0
0
) (
) ( ln
) (
ln


N
x f
dx
d
lm x
N
i xi
N
1
0
0
) ( ln
) (
N
x f
dx
d
lm
N
i xi
N


1
0
) ( ln
43


Los valores positivos corresponden a la zona catica, los negativos a los puntos fijos
y los nulos a los puntos de bifurcacin. El anlisis numrico de esta ecuacin puede
resumirse en,
1) Rgimen peridico (

< r r ).
a) El nmero de puntos fijos cambia de 2m-1 a 2m y cada bifurcacin est a una

distancia dada por para n >> 1.


n
m
const r r

.
44

b) El cociente de las distancias d
n
tomadas entre las bifurcaciones en el punto medio como
se indica en la figura se mantiene constante:

+1 n
n
d
d

c) Las constantes, denominadas de Feingenbaum por haberlas encontrado con un simple
calculador de bolsillo (segn sus propias palabras debido a que deba anotar el nmero para
seguir calculando) son:

= 4.6692016091
= 2.5029078750

y adems,
donde R
n
es un valor intemedio entre las bifurcaciones, r
n
son los valores correspondientes
a las bifurcaciones y

R es el valor crtico para el cual el comportamiento se torna catico.



...... 5699456 , 3

r R

Esta es una de las tres ms importantes rutas al caos: La ruta de las bifurcaciones.
La ecuacin logstica a diferencias finitas se origin en la simulacin de evolucin de
especies animales que presentan un claro ciclo vital, generalmente anual. As los resultados
de May se aplicaban muy bien a ciertas especies de alces, peces e insectos. No se
observaron ciclos evolutivos con ms que una o dos bifurcaciones y en ningn caso
evoluciones caticas.
Sin embargo la realidad no es exactamente como la trata de describir la ecuacin
logstica a diferencias finitas. Generalmente las especies estn aparendose y luchando por
la vida durante la primavera/verano y relativamente aletargadas en el invierno/otoo. Es as
como surgi la idea de combinar una evolucin discreta durante un cierto perodo
1
t y
continua en
2
t
11
. En realidad esta propuesta tiene ms aplicaciones que las que a primera
vista se podra suponer.
Por ejemplo el ciclo circadiano de la actividad del ser humano posee un salto
discreto durante el perodo de sueo (
1
t = 8hs [33%]) y continuo el resto del da
( hs t 16
2
[66%]). Los mercados burstiles estn cerrados 18 hs (salto discreto de 75%) y
abiertos 6 hs (evolucin continua de 25%). Tambin se puede extender el concepto de
ecuaciones de evolucin hbridas a otros tipos de procesos.
Por ejemplo la difusin de un lquido o un gas en una substancia inhomognea (granos
de diferente material sumergidos en un slido o un lquido a travs del cual se difunde el
fluido).
Cuando se construyen numricamente estas ecuaciones hbridas se obtienen resultados
sorprendentes:

11
D. Otero, D. Giuliani, M. Sassano, Temporal Dimension and Transition out of Chaos, Physica A178
(1991) 280.

n
n
const R R


2
45


Aqu la evolucin tiene una componente del 21.5 % de tiempo continuo (equivale
aproximadamente a 5hs en el da y a unos dos meses y medio en el ao). Veamos este otro
caso:

46

Ahora el porcentaje de tiempo continuo aument al 22.7 % (unas 5 hs y media en el
da y casi tres meses en el ao). Finalmente para un porcentaje del 25% (6 hs en el da y 4
meses en el ao) desaparecen incluso las bifurcaciones. Esta podra ser una explicacin de
porque no se observa caos en las especies biolgicas. Quedara para analizar temas como el
burstil donde tambin el perodo activo diario se restringe a unas pocas horas con un salto
discontinuo hasta el da siguiente, agravado por los fines de semana y los feriados.

Otro ejemplo para esta ecuacin consiste en generalizarla bidimensionalmente.
Observando que la variable est acotada entre 0 y 1 se la puede interpretar como una
probabilidad y definir la complementaria:

1 +
t t
q p
Obtenindose el par desacoplado

) 1 ( .
1

+ t t t
p p a p
) 1 ( 1
1 t t t
q aq q
+


sumando se tiene: 1
1 1
+
+ + t t
q p . El comportamiento es muy distinto si estn desacopladas
como se muestra en (268) o si estn acopladas:

t t t
q ap p
+1


t t t
p ap q
+
1
1

En este ltimo caso la evolucin catica se realiza sobre una recta como muestra la figura:

En cambio si se utilizan las ecuaciones desacopladas:


47


Este resultado depende de la precisin con que se trabaje. Sin embargo para
cualquier precisin llega un momento que los puntos se apartan de la recta y generan esta
estructura. Cada color indica diferentes valores del parmetro a. Este resultado implica la
noconservacin de la probabilidad para un proceso no lineal.
El programa creado para representar estas ecuaciones se denomina
dilogistic.
Presenta un comportamiento muy particular para el parmetro a=3.8375. en
un entorno reducido se tiene una isla de estabilidad.

Particularmente para
a=3,837500000000001
Prcticamente se conserva nuevamente la normalizacin, pero para
a=3,83750000000000102 ,

si bien la solucin es estable, la normalizacin est rota.

48
BILLARES

Otro interesante caso de caos se da con el billar. Afortunadamente para mesas
rectangulares el juego es no catico para una bola, aunque no es tan determinista para el
caso de tres bolas. Vamos a restringirnos a slo una bola. Si consideramos una mesa con
forma de limn se obtienen soluciones caticas o casi caticas. Los mismo pasa con una
mesa con forma de estadio.

En ambos casos es posible encontrar un conjunto de condiciones iniciales que es
absolutamente regular. Las soluciones regulares se mezclan en una experiencia real.


Un billar circular tiene todas las trayectorias perfectamente regulares. Sin embargo una
pequea porcin plana que se agregue, genera trayectorias caticas.



Resulta interesante que el problema admite soluciones exactas pero las soluciones
exactas slo reproducen las trayectorias regulares.
Un problema similar pero mucho ms importante desde el punto de vista terico es el
de un gas en un cubo. Las trayectorias en un cubo son, idealmente perfectamente regulares.
La ocasional colisin entre partculas genera el, tempranamente, llamado caos molecular.
Es posible deducir la ecuacin de estado de gases ideales sin considerar colisiones entre
partculas.
49
Slo para obtener la ecuacin de Van der Waals se requiere considerar al menos una
colisin por vez (ni siquiera es necesario considerar la posibilidad que dos colisiones
simultneas). Asumiendo (sin que exista una demostracin formal) que el gas tiene un
comportamiento totalmente aleatorio en las velocidades y en las posiciones de las partculas
es posible deducir, como dijimos antes la ecuacin de estado de los gases ideales.
Pero nuevamente, como el recipiente tiene forma cuadrada resulta muy simple
poblarlo de trayectorias regulares. La posicin y velocidad de cada partcula est
perfectamente determinada todo el tiempo, los movimientos no son caticos pero,
asumiendo que la distribucin de energas de las partculas es al azar, con slo el vnculo de
un valor promedio de la energa cintica (dado por la temperatura del gas) tambin se puede
deducir la ecuacin de estado de un gas ideal.
La razn que se pueda evaluar la misma ecuacin de estado por dos caminos
aparentemente incongruentes es la siguiente: Las rbitas ordenadas son un conjunto de
dimensin cero frente al conjunto de rbitas desordenadas. Ms an, mediante un desarrollo
Fourier es posible en principio desarrollar la expresin de las rbitas desordenadas como
superposicin de las ordenadas.
50
ALGUNOS CONCEPTOS RELACIONADOS
CON LA ENTROPA

Resulta insoslayable no relacionar la moderna teora del Caos con el concepto de la
entropa. En cualquiera de sus formulaciones la entropa tiene una fuerte relacin con la
informacin que puede brindar el sistema. La teora del Caos se basa justamente en la
informacin relacionada con las condiciones iniciales en primer lugar y con la trayectoria
posteriormente. En los ltimos tiempos se han propuesto muchos tipos de entropa. Sin
embargo prefiero por ahora restringirme a la definicin de las entropas clsicas:




El concepto de entropa comenz en 1865 de la mano de Clausius que le asign una
versin matemtica relacionada directamente con el calor termodinmico. Desde el punto
de vista matemtico dividir la diferencial inexacta dQ por la temperatura tiene una enorme
importancia. La variable T actua como factor integrante y permite que dS sea un variable de
estado termodinmica cuando dQ no lo es por separado. Pero fue Boltzmann quien
relacion el concepto de calor con el movimiento desordando de las molculas,
proponiendo la idea de caos molecular en el equilibrio termodinmico. Propuso entonces
una expresin matemtica para la entropa, conocida hoy como ensamble microcannico,
que se basaba en asignar probabilidades a las diferentes configuraciones de velocidad y
posicin que podan adoptar las molculas dentro del caos. Luego Shanon propuso una
expresin para la falta de informacin que era fcilmente relacionable con la expresin de
entropa termodinmica, lo cual fue completado por Jaynes
12
. En 1957 demuestra que se
puede desarrollar toda la mecnica estadstica del equilibrio sobre las bases de la teora de
la informacin y la espresin informacional de Shanon de la entropa. Von Neumann
13

extendi el concepto informacional a la mecnica cuntica y sobre esa base es que Jaynes
realiza sus desarrollos termodinmicos. Los estados de energa en mecnica cuntica en un
sistema confinado son estados discretos. Es posible entonces calcular explcitamente la
entropa
14
. En particular para un estado cuntico puro la entropa informacional toma el

12
E. T. Jaynes, Phys. Rev. 106, 620 (1957), Phys. Rev. 108, 171 (1957).
13
Von Neumann, J. Mathematische Grundlagen der Quantenmechanik, Math. Foundations of Quantum
Mechanics, Springer, 1955, Berlin.
14
En realidad para un sistema clsico, con un continuo de estados de energa la entropa diverge si se pretende
calcularla mediante la expresin informacional. Este problema puede soslayarse de dos maneras: usando slo
51
valor nulo. Nuevamente nos encontramos con la paradoja que estados ordenados como
son los que sugen de la cuantificacin de una caja, permiten desarrollar las frmula
termodinmicas basadas en la hiptesis del caos molecular. Para un sistema donde el
nmero de posibilidades es discreto y est acotado a slo N posibilidades se puede
demostrar que el valor mximo que puede tomar la entropa es S = ln N, correspondiente a
una distribucin de probabilidades donde todas la p
i
son iguales a 1/N.
y definiendo,


diferencias de entropa con lo cual las divergencias se cancelan o realizando un particin gruesa del espacio
de fases y asignado probabilidades a dicha particin.
52
CLASIFICACIN DE LAS EVOLUCIONES
DINMICAS

Para las evoluciones tenemos las siguientes posibilidades:




Concentrndonos en la dinmica no lineal tenemos la siguiente clasificacin:



Para sistemas disipativos, se han determinado rutas al caos. Por tales rutas se entiende que
la evolucin se vuelve catica siguiendo un patrn que es independiente de la ecuacin
particular:

53


En la figura de abajo se muestra el caso de la intermitencia de las seales.



Finalmente, si bien presentamos atractores extraos para el toro KAM resulta
interesante investigar el caso de ecuaciones disipativas que muestran un muy buen ejemplo
de los atractores extraos. Veamos el caso de la ecuacin depredador predador:






con los parmetros a = 3.6545 b = 0.31 y las condiciones iniciales x
o,1
= (0.1, 0.1000001,
0.1000002, 0.1000003, 0.09999999) x
o,2
= 0.1, nos da el siguiente atractor extrao:
2 , 1 , 1 , 1 , 1 , 1
) 1 (
n n n n n
x x x ax x
+
b
x x
x
n n
n
2 , 1 ,
2 , 1
.

+
54


Disminuyendo el parmetro a se va convergiendo a un ciclo lmite, para a=3,5
tenemos:



Y para a=2.9:



Es interesante como pasa por puntos fijos y ciclos lmites entre 3,5 y 2,9. En a =
3.492799007 se pasa de un comportamiento catico a uno ordenado y comienzan a
alternarse los ciclos lmites y los puntos fijos hasta terminar en un punto fijo:
3.478: puntos fijos, 3.477355: transicin, 3.476 ciclo lmite. Luego contina, 3,45
puntos fijos, 3,4 ciclos lmite, 3,0 ciclo lmite valo. En 2.625 converge a un punto.
55
En cambio subiendo el parmetro a se pasa por bifurcaciones caticas:
a = 3,8


Y cambiando adems el parmetro b se obtienen bifurcaciones con ciclos lmites: a =
3,85 y b = 0,315. Vale la pena probar tambin con a = 3,9 y b =0,315!



La riqueza de esta sencilla ecuacin parece inacabable. Qu podremos esperar de
situaciones complejas, donde las ecuaciones involucren operaciones mucho ms
complicadas? Contrariando un poco la reflexin de Einstein: Tal vez no sea tan cierto que
el universo sea comprensible, o al menos totalmente comprensible!
56
ENTROPA DE KOLMOGOROV

Hemos expuesto con cierto detalle el concepto de entropa informacional. En el anlisis
de las trayectorias caticas se suele utilizar la entropa de Kolmogorov que mide la
informacin de cmo visita la trayectoria al espacio de fases. Volvamos entonces a la
definicin de entropa informacional:


i
i
i
p p k S ln


Consideremos ahora una trayectoria definida por el radiovector r (t) = [x
1
(t), x
2
(t), ,
x
d
(t)] de un sistema dinmico que su trayectoria ha convergido a un atractor extrao.
Particionemos el espacio d-dimensional en cajas de tamao
Mediremos el estado del sistema a intervalos de tiempo t . Sea p
io
p
in
la probabilidad
conjunta que r (a t=0) est en la caja i
o
, y que r (a t = ) est en la caja i
1
, etc, y que r (a
t = n ) est en la caja i
n
:



Las cajas quedan disjuntas por el carcter continuo de la trayectoria y la
imposibilidad de acceder a ese continuo. Slo si se superponen se podrn considerar cajas
continuas. Si por ejemplo la caja i
o
termina en x=2 y propongo que la caja i
1
comience en
x=2, nunca podr asegurar que para la primer caja x=2,00000.0001000 y que para la
segunda x=1,999 o viceversa. La superposicin de las cajas invalida (clsicamente) la
definicin simple de la entropa dada anteriormente.
De acuerdo a la definicin de Shannon, la cantidad:

( ) 250. 92 254. 0098 3. 96 16. 32 / 6 15. 7188 0. 7587 0 0 1 250. 92 257. 4898 15. 7188 ( )
in in
i
i n
p p p p K ... ln ) ... (
10 0

Es proporcional a la informacin requerida para localizar al sistema sobre una particular
trayectoria i*1, i*2, , i*n, con la precisin del lado de la caja (suponiendo que a priori
slo se conocen las probabilidades p
io
, p
in
, de haber pasado por cada caja.
Por lo tanto la informacin adicional requerida para predecir en cul celda, i*
n+1
, estar
si sabemos que previamente estuvo en i*
1
, i*
2
, , i*
n
, estar determinada por,
K
n+1
- K
n

d
l
57
Es decir esta diferencia mide la prdida de informacin sobre el sistema al pasar del tiempo
n al tiempo (n+1) . La K-entropa se define como el siguiente promedio de prdida de
informacin:









El lmite cuando el lado de la caja l ? 0 debe tomarse luego que N , lo cual hace que
K sea independiente de la particular particin

Para mapeos con tiempo discreto = 1, el lmite 0 , se omite. La expresin (4)
mide como se va perdiendo informacin a medida que se pasa de una celda a la otra.

1
]
1

+
1
0
1 0 0
1
N
n
n n N l
K K
N
lm lm lm K

1
]
1


iN io
in i in i N l
p p p p
N
lm lm lm K
,...
... 0 0 0 0
ln ...
1

58
SISTEMAS COMPLEJOS

El concepto de reduccionismo ha predominado en el desarrollo de las ciencias desde
el siglo XVII. Ren Descartes describa su mtodo cientfico se la siguiente manera:
Dividir todas dificultades en tantas partes como sea posible, y tantas como se
requiera para resolver el problema de la mejor manera y conducir mis
pensamientos en un cierto orden, comenzando por lo ms simple y los objetos ms
simples de entender y luego ir subiendo gradualmente , paso a paso, hasta llegar al
conocimiento de lo ms complejo. El desarrollo de las nuevas mecnicas, la cuntica y
la relativista, no fueron ajenas a ese planteo.

Por ejemplo:

Quarks y electrones nucleones + electrones tomos molculas qumica (no
se sabe como llegar a) biologa, geologa.

Se comenz postulando la existencia de tomos y electrones, inmediatamente se
pas al concepto de molculas y de nucleones. Investigando los nucleones se lleg a la
conclusin que estaban compuestos por quarks. En la otra direccin, con las molculas se
explicaron los enlaces y procesos qumicos pero de all a pasar satisfactoriamente a la
estructura biolgica y los procesos vivos hay un salto que no se ha podido realizar sumando
simplemente molculas y tomos. La prediccin de los terremotos o la erupcin de un
volcn no est para nada controlada.

Clulas + genes rganos (no se sabe como llegar a) vida

En la biologa se sigui un camino similar al de la fsica. Se estudiaron las clulas,
los genes y los rganos pero an no est del todo claro como la suma de esas partes lleva a
mono o a un hormiguero.

Estrellas + planetas galaxias (no se sabe como llegar a) universo

En astronoma el problema est en paales: hay evidencias gravitatorias que indican
la existencia de al menos tres veces ms materia que la que se ve o se puede imaginar. El
comportamiento dinmico induce a proponer la existencia de una energa rara an no
descubierta Habr que comenzar a pensar al universo como un todo para resolver estos
problemas?

Teora de gases termodinmica + teora de fluidos meteorologa

La prediccin de ciclones y el simple estado del tiempo para la prxima semana son una
incgnita. Algunos temas de fludos slo recientemente han podido resolverse.

Las disciplinas que las utilizaron continuaron por el mismo camino, como por
ejemplo la fsica nuclear. Como sealamos incluso la propia biologa descompuso a los
seres vivientes en clulas y trat de volver a armarlos como un conjunto aglomerado de
59
clulas. Aunque se obtuvieron xitos resonantes: reactores nucleares, bomba atmica, lser,
genoma, etc algunos temas se han resistido a este tratamiento: el pronstico del clima, la
adaptacin de los seres vivos, los comportamientos sociales, culturales, econmicos, etc.
El ms importante y ms paradigmtico de los sistemas complejos que se ha
resistido al reduccionismo es el cerebro humano. En 1984 un grupo interdisciplinario se
reunieron en Santa Fe, Nuevo Mxico, para discutir la sntesis emergente en la ciencia.
As se cre en Santa Fe un instituto dedicado al estudio de los sistemas complejos. En 1993
se organiz en Buenos Aires (G. Marshall, D. Otero) una conferencia sobre sistemas
complejos. Pero qu es la complejidad? No caben dudas a quienes estudian estos
fenmenos que les conviene estar armados de conocimientos de caos y fractales.
Pero en realidad los propios investigadores de este tema no se ponen de acuerdo en la
definicin. Les resulta fcil dar ejemplos: Colonias de insectos, el cerebro, el sistema
inmunolgico, la economa, la WEB. Todos estos sistemas tienen algunas propiedades en
comn:
Un comportamiento colectivo complejo
Uso de informacin y seales internas y externas.
Adaptabilidad usando aprendizaje y procesos evolutivos.
Melanie Mitchell
15
propone sobre esta base la siguiente definicin:
Un sistema complejo es aqul en el cual una gran red de componentes sin un
control centralizado y mediante reglas simples alcanza un comportamiento
colectivo complejo, procesando informacin sofisticada y adaptndose va el
aprendizaje o la evolucin.
Alternativamente nos propone: Es un sistema que exhibe comportamientos no
triviales emergente en auto-organizacin.
Creo que convendra evitar la calificacin de complejo al comportamiento colectivo, no
se pierde nada y se evita una tautologa.
Como ya dijimos a dinmica no lineal, caos y fractales son componentes presentes
en los sistemas complejos. Debido al manejo de informacin y seales para trasmitirla, la
entropa tambin est presente en estos sistemas. No poda estar ajena a estos problemas la
vieja paradoja de la irreversibilidad. En palabras de Tony Rothman
16
: Why the second
law should distinguish between past and future while all the other laws of nature do not
is perhaps the greatest mystery in physics.
La paradoja surge porque microscpicamente las leyes que gobiernan el
movimiento de las partculas son reversibles: nada indica la direccin en la cual transcurre
el tiempo. En cambio macroscpicamente no cabe duda de la direccin de la flecha del
tiempo.
En los sistemas complejos el concepto de irreversibilidad se vuelve poco claro. Por
ejemplo el viejo ejemplo propuesto por James Clerk Maxwell parece desestabilizar el
concepto de irreversibilidad: EL DEMONIO DE MAXELL. Este ejemplo consiste en un
pequeo personaje que, parado frente a un agujero que conecta dos recipientes con gas a la
misma temperatura, maneja una puertita que puede obturar el agujero. Cuando se aproxima
una molcula que viene con velocidad por encima de la velocidad media la deja pasar y
cuando est por debajo cierra la puertita, para lo cual realiza un trabajo despreciable. De
esta forma logra obtener un recipiente ms caliente a partir del cual se podra obtener

15
Melanie M. Complexity , a Guide Tour, 2009, Oxford Univ. Press
16
Rothman, T., The evolution of entropy, Science a la Mode, Princeton, Princeton Univ. Press, 1989.
60
trabajo contradiciendo el segundo principio de la termodinmica. Leo Szilard propuso que
al adquirir un bit de informacin se generaba una cantidad de entropa igual o superior a la
que se disminua por separar las molculas calientes de las fras. Pero justamente los
sistemas biolgicos aprovechan el impacto de las molculas que se mueven al azar por el
efecto de la temperatura para activar el proceso de copiado del ADN, desafiando el segundo
principio.

CRISIS EN MATEMTICA

Pese a las revoluciones en la fsica de la mecnica cuntica y de la relatividad,
pareca que el bastin de las matemticas permanecera inclume. Pero esas revoluciones se
realizaban dentro del confortable marco de una lgica aparentemente indestructible. En ese
contexto, en el Congreso Internacional de Matemticas de Pars del ao 1900, David
Hilbert postul los siguientes problemas a resolver:

Es la matemtica completa? Esto es cualquier enunciado matemtico puede
ser probado o rechazado a partir de un nmero finito de axiomas?
Es la matemtica consistente? De otra forma: La matemtica slo
demuestra enunciados verdaderos?
Todo enunciado matemtico puede ser probado como verdadero o falso?

Hasta 1930 no pudo demostrarse la respuesta a estos cuestionamientos aunque,
Hilbert dio por sentado, en la conferencia de matemtica de ese ao, que esa respuesta era
afirmativa. Pero Gdel, durante esa misma conferencia, demostr su teorema de la
incompletitud. En dicho teorema se demuestra que si la aritmtica es consistente
entonces un enunciado verdadero no puede ser probado, es decir la aritmtica, una
parte de la matemtica, es incompleta.
Aunque el teorema es muy complicado existen ejemplos triviales:

Este postulado no es demostrable

Supongamos que se pudiera probar el postulado, entonces es falsa la afirmacin, lo cual es
un contrasentido. Supongamos ahora que demostrramos que es falso, entonces hemos
demostrado que es verdadero, lo cual tambin es un contrasentido.
Otro ejemplo simple: Tmese un papel, de un lado se escribe: Lo que dice este
papel del otro lado es verdad. Luego se lo da vuelta y se escribe: Lo que dice el papel del
otro lado es falso. El conjunto de estas dos afirmaciones no tiene demostracin ni que sean
falsas ni que sean verdaderas. Si no se quiere meter la topologa entre estos dos postulados
puede cambiarse por:

a) El postulado b) es verdadero
b) El postulado a) es falso

El teorema de Gdel dio por tierra con la esperanza de una respuesta positiva a la
primera y segunda pregunta de Hilbert. Fue Alan Turing quien derrumb la esperanza sobre
la tercera cuestin. Turing demostr que no es posible una computadora que permita
61
decidir, en un nmero finito de pasos, que una sentencia de entrada es verdadera o
falsa y por lo tanto se detenga en algn momento.

Pero pese a las definiciones que se dieron inicialmente, la complejidad no tiene un
acuerdo unnime respecto de su significado. No puede por ello considerarse que el estudio
de la complejidad no sea abordable. En otras disciplinas se sigue trabajando aunque algunos
conceptos no estn para nada claro, incluso cuando esos conceptos son cruciales. Por
ejemplo los genetistas no estn totalmente de acuerdo en qu es un gen a nivel molecular.
Los astrnomos descubrieron que el 95 % del universo est compuesto por energa y
masa oscura sin poder definir exactamente de qu estn hablando. La psicologa define lo
que son ideas o conceptos y sin embargo no tiene la menor idea (no le interesa) de cmo
funciona realmente el cerebro. En fsica no se sabe si realmente existen tres/cuatro fuerzas
o pueden sintetizarse en una sola.
El fsico Seth Lloyd public un trabajo en 2001 proponiendo tres caractersticas que
debe reunir un sistema complejo:

Cun difcil es describirlo?
Cun difcil es crearlo?
Cul es el grado de organizacin?

Otra medida es el nmero de componentes del sistema y la utilizacin de la entropa de
Shannon podra dar una idea de la cantidad de informacin que se requiere para describir al
sistema complejo.
Sin embargo ya vimos que un mol de un simple gas ideal requiere del conocimiento de
6x6x1026 grados de libertad para poder describirlo aunque no por eso se puede considerar
ms complejo que una ameba.
Los fsicos Jim Crtchfield y Kart Young
17
definen la complejidad estadstica que mide
la mnima cantidad de informacin perteneciente al pasado del sistema que se requiere para
una descripcin ptima en el futuro.
Con esta definicin la complejidad de un gas ideal desaparece pues como est en
equilibrio termodinmico, por definicin, el pasado no debe aportar ninguna informacin
relevante para el estado presente de equilibrio. La ecuacin de estado describe
perfectamente su evolucin futura.

Otra medida de complejidad la puede dar en ciertos casos la dimensin fractal. Sin
embargo se pueden crear formas muy irregulares que no son fractales en el sentido estricto
de la definicin y en consecuencia no poseen complejidad. Sin embargo la medida de la
dimensin que seguramente ser no entera da cierto grado de complejidad aunque no a toda
escala.

CELULA AUTMATA

Un tema importante en la descripcin de los sistemas complejos es el concepto de
clula autmata. Como su nombre lo indica se trata de considerar al sistema compuesto por

17
Crutchfield, J. P. y Young, K., Inferring statistical complexity, Phys. Review Letters, 63, 1989, p 105-
108.
62
un conjunto de clulas (que pueden ser en principio cualquier cosa: hormigas, neuronas,
agentes de bolsa, etc). Estas clulas tienen asignadas reglas en cada paso de la evolucin
del sistema.
Esas reglas por lo general estn directamente relacionadas con el estado de las
clulas primeras vecinas y tambin generalmente afectan el estado de la propia clula.
En una grilla bidimensional se pueden designar 2252 reglas Von.-Neumann
18

demostr que este tipo de clula autmata era equivalente a un mquina de computacin
universal del tipo de las descriptas por Turing.
Uno de los clula autmata ms famosos es el juego de la vida que consiste en una
red bidimensional en la cual mediante ciertas reglas las clulas nacen y mueren. Cada
condicin de poblacin inicial puede dar lugar a muy diferentes comportamientos finales:
oscilaciones, fractales, extincin, sobrepoblacin, etc.
Las reglas del juego de la vida son,

Nacimiento: una clula muerta (vaca), si est rodeada por tres clulas vivas
(ocupadas) nace (se ocupa) en el siguiente paso.
Sobrevivir: Una clula viva con dos o tres clulas vivas alrededor permanece
viva en el paso siguiente.
Aislamiento: Una clula viva con menos de dos clulas vivas alrededor
muere (se vaca) en el siguiente paso. Una clula muerta (vaca) con menos de
tres clulas vivas alrededor permanece muerta en el paso siguiente.
Superpoblacin: Una clula viva o muerta con ms de tres clulas vivas
alrededor, est muerta en el prximo paso.

EJEMPLO:




Esta tambin se puede demostrar que es una mquina universal de computacin. Por
supuesto que este tipo de mquinas son extremadamente lentas y complicadas para
cualquier clculo que no sea elemental. Stephen Wolfram
19
investig las posibilidades de
una red unidimensional:

18
Von Neumann, J. Theory of Self-Reproducing Automata, (editado y completado por A.W Burks),
Urbana, Univ. Of Illinois Press, 1966.
19
Wolfram, S. Universality and complexity in cellular automata, Physica Scripta, T9, 1985, p 170-183.
63


El nmero de reglas posibles, asociadas al estado de los primeros vecinos es de 256.
Wolfram asign al estado ocupado el 1 y al estado vaco el 0. Por ejemplo una regla
puede ser:



que pasando de notacin binaria a decimal se obtiene:



esta sera la aplicacin en detalle de la regla 30 a partir de una semilla unitaria:



Veamos algunas reglas interesantes y los resultados obtenidos:


Obsrvese que las reglas 60, 90, y 126 generan un perfecto diagrama fractal llamado
Sierpinski. Por supuesto el resultado depende de la condicin inicial. Por ejemplo para las
reglas 30 y 110 con semillas puestas al azar se obtiene:

REGLA 110:

2 10
00011110 30
64


Las 256 reglas Wolfram las clasific en

Caso 1: Casi cualquier configuracin inicial converge al mismo modelo final
Caso 2: Casi todas las configuraciones iniciales terminan en repeticiones cclicas o
modelos uniformes.
Caso 3: La mayora de las configuraciones iniciales generan tringulos u otras
figuras geomtricas.
Caso 4: Las configuraciones finales son una mezcla de figuras ordenadas y
distribuciones al azar. Las figuras parecen interactuar unas con otras de forma
complicada.

Wolfram sospech que la clase 4 poda tambin comportarse como una computadora de
Turing. Efectivamente un asistente suyo, Matthew Cook
20
prob que la regla 110 se
comporta como una computadora universal, aunque por supuesto que ms lenta an que el
juego de la vida. Finalmente en el libro que Wolfram publica en el 2002
21
, asegura que la
universalidad de la regla 110 es una evidencia fuerte para una nueva ley de la naturaleza: El
Principio de Equivalencia Computacional. Este principio consistira de cuatro partes:

El camino adecuado para pensar en procesos naturales es la computacin.
Como la regla 110 soporta la computacin universal, en la naturaleza es comn
que tambin se soporte computacin universal.
La computacin universal es un lmite superior de la complejidad de clculo en
la naturaleza. Es decir no existen procesos naturales que no sean computables.
La computacin dada por diferentes procesos en la naturaleza es casi siempre
equivalente en sofisticacin.

Por supuesto que este nuevo principio es motivo de debate y est muy lejos de tener una
aceptacin general. Por ejemplo se ha demostrado que si se pudiera construir una
computadora que manejara nmero decimales con un nmero arbitrario de dgitos, se
podra resolver el problema del halting propuesto por Turing. El problema de halting
consista en la imposibilidad de producir un programa que detuviera ante un problema sin
solucin.
De acuerdo a la propuesta de Wolfram parece carecer de sentido preocuparse por los
nmero irracionales (vedados absolutamente a la computadora digital). En particular el
postulado 4 parece bastante lejos de la realidad: el comportamiento de una ameba no puede
equipararse en sofisticacin con el de un ser humano. Como ya sealamos el teorema KAM
demuestra la importancia de los nmero irracionales y su posible existencia real. La

20
Cook, M. Universality in elementary cellular automata, Complex Systems 15(1), 2004, p 1-40.
21
A New King of Science, Champaign, II, Wolfram Media, 2002.
65
imposibilidad de construir una real circunferencia digitalmente tambin parece refutar estas
ideas de Wolfram
22


LA INFORMACIN Y LOS SISTEMAS COMPLEJOS.

Todo parece indicar que para los sistemas vivos la clave es entender el
funcionamiento de redes que procesen informacin. No siempre, sin embargo, es simple
establecer el significado de la informacin y cuando esa informacin es digerida e
interpretada (concientizada?).
En el procesamiento de la informacin se requiere responder a los siguientes tems:

Qu papel juega la informacin en el sistema en estudio?
Cmo se comunica y se procesa la informacin?
Cmo adquiere significado? Ante quin adquiere ese significado?
Uno de los problemas ms oscuros es como los organismos vivos toman
conciencia de la informacin.

LAS ANALOGAS

Uno de los mtodo por el cual los seres vivos obtienen informacin es mediante
analogas. Establecer analogas es uno de los problemas menos resueltos en computacin.
Considerasen los siguientes ejemplos:

Un chico reconoce un perro en la figura de un libro, una fotografa y en la vida
real.
Una persona puede reconocer la letra A en una enorme variedad de formas
Juan le dice a su amiga Alicia, Yo suelo llamar a mis padres una vez por
semana. Alicia contesta: Yo tambin. Juan entiende que se trata de los
padres de Alicia y no de sus propios padres.
Una Ana le dice a su amiga Tengo tanto trabajo ltimamente que le estoy
dedicando poco tiempo a mi familia. Y ella le contesta: Sabs que a mi me
pasa lo mismo? Ambas sobreentienden que se refieren a las respectivas
familias y no a la de Ana solamente.
Un chico reconoce fcilmente los personajes correspondientes a las caricaturas
de Alfonsn, Menen y Kichner.

Todas estas son tareas muy difciles para una computadora

Douglas Hofstadter
23
ha propuesto simplificar el tema de las analoga para encontrar
rutas de solucin. Su ejemplo clsico consiste en proponer tres letras y tratar que la PC
modifique otras tres letras encontrando la mejor analoga. Ejemplo:


22
Otero, D. La Naturaleza es bella, catica y fractal, Vol. 1, ed Bubok, ISBN: 978-987-05-8604-3, 2010.
23
Hofstadter, D. R. y Mitchell, M. The Copycat project: A model of mental fluidity and analogy-making.
Adv. In Connectionist and neural Co9mputation Theory, Vol 2: analogical Connections, 1994, p 31-112.
66
abc ? abd
ijk ? ??

Existen varias posibilidades, unas mejores que otras, por ejemplo

ijl-ijd--ijx--etc

por supuesto que la primer opcin suele ser la preferida por un ser humano. Pero sin drsela
como receta puede una PC elegirla como la mejor? qu sentido tiene que elija esa
posibilidad?
Mitchell y Hofstadter desarrollaron un programa adaptativo que comienza buscando
soluciones al azar aunque controlado por ciertas reglas.

MODELIZACIN POR COMPUTADORA

La tradicional divisin entre fsica terica y fsica experimental ha sido
complementada por una categora adicional: modelizacin por computadora. Sin embargo
el concepto de modelo es en realidad muy amplio. Por ejemplo F=ma es una modelizacin
en frmula matemtica de un fenmeno natural fcil de verificar.

Aplicada a la ley de gravedad, la modelizacin de Newton fue atacada en su tiempo
porque no explicaba como se ejerca fuerza a distancia. Einstein propuso un modelo
geomtrico para explicar esa accin a distancia: el espacio se curva como una membrana
elstica con los cuerpos celestes colocados sobre ella.

Los tipos de modelos son ahora ms diversos:

Demonio de Maxwell, modelo para explorar el concepto de entropa.
Maquina de Turing, modelo para explorar el comportamiento del concepto de
computadora (realizado antes de su construccin)
Ecuacin logstica diferencial y a diferencias finitas, modeliza la evolucin
poblacional.
Autmatas celulares, modelos para explorar la autoreproduccin de un conjunto de
elementos bsicos.
Algoritmos genticos, modela la posibilidad de que los cdigos de computadora
evolucionen en bsqueda de una solucin.
Fractales, modelos de las estructuras geomtricas que aparecen en la naturaleza.

Un buen ejemplo de modelizacin matemtica en ciencias sociales es el Dilema del
prisionero:

Bob y Alice han cometido un asesinato. Estn en celdas aisladas sin posibilidad de
comunicarse. Las autoridades les proponen a ambos por igual las siguientes
alternativas,
Si testifica slo uno en contra del otro, recibe la libertad el que testific y tiene
crcel de por vida el que guard secreto.
67
Si testifican los dos en contra del otro, reciben diez aos de prisin cada uno.
Si se niegan a testificar ambos, reciben cinco aos cada uno de ellos.

MATRIZ DEL DILEMA







Una variante es pensar este dilema como un juego de colaboracin. Ahora se tiene
un valor fijo a repartir como ganancia, digamos $10000. Nuevamente Bob y Alice estn
aislados pero pueden pasarse informacin frente a una pregunta. No saben si el otro la sabe.
Se considera que pasar informacin implica cooperar con el otro. Resulta que ambos han
recibido la mitad de la respuesta, con lo que si se la pasan al otro lo ayudan a responder
pero si el otro no les pasa la otra mitad de la respuesta perdern todo. El premio se reparte
entre quienes den la respuesta correcta.



El resultado de este juego cambia si se repite y los participantes aprenden el costo
de cooperar y el costo de no cooperar. Adems Este juego gana en profundidad si se le
asigna estructura espacial. Por ejemplo en un teselado cuadrangular un casillero juega con
sus 8 primeros vecinos:



Luego de cada paso de jugada el casillero reemplaza su condicin (cooperar o no-
cooperar) por la condicin del casillero que tenga mayor puntaje en su entorno
(incluyndolo a l). En este caso el comportamiento asinttico tiene muchas posibilidades:
todos cooperando, comportamiento catico, oscilaciones entre que coopere una mayora y
no coopere una mayora. El resultado asinttico depende fuertemente de las condiciones
iniciales respecto de que casillas cooperan y cuales no.

aos aos Libre Alice
aos aos libre Bob
A B A B A B A B
10 5
10 5


68
En lneas generales se comprob que predomina la cooperacin por lo cual algunos
investigadores concluyeron que el territorio favorece la cooperacin.
Tambin en los procesos de simulacin es beneficioso que ms de un investigador publique
sus resultados pues pueden aparecer fallas ya sea por programacin o por sutiles errores en
las reglas.

EL PENSAMIENTO EN RED

Es comn sorprenderse al encontrar un conocido o familiar en un lugar inesperado,
Son estos encuentros ms frecuentes de lo esperado? Tienen alguna explicacin lgica?
En 1950 el Psiclogo Stanley Milgram
24
se puso a investigar cuantas uniones existan para
llegar de una persona en los EEUU a otra persona en EEUU. Para eso hizo un experimento
por el cual una persona deba hacer llegar una carta a un desconocido pasndosela a sus
amistades y/o parientes. Cada paso se deba dejar constancia en la carta. El resultado fue
que el valor promedio de pasos result fue tan slo seis. Este resultado se populariz
establecindose el convencimiento que en EEUU una persona se relacionaba con cualquier
otra mediante tan slo seis enlaces.
Sin embargo otra psicloga, Judith Kleinfeld
25
estableci que la interpretacin popular
del trabajo de Milgram estaba sesgada pues la mayora de las cartas no haban llegado a
destino. El tema quedo abierto a la investigacin.
Pero el tema de las conexiones entre nodos de una red tiene gran importancia, tanto
social como tecnolgica. Se aplica en el tema de rutas areas, conexiones de internet,
conexiones cientficas, econmicas, biolgicas, etc. En estos problemas surgen muchas
dudas:

Por qu y cmo un rumor, un chiste o una leyenda urbana se expanden tan
rpido?
Por qu redes tan grandes y complejas como la elctrica y la WEB son tan
robustas en su operacin y repentinamente fallan a gran escala?
Son estables las sociedades humanas?
Cules son las races profundas de los cuasi peridicos debacles econmicos.

El tema de redes se estudia en matemticas dentro de la teora de grafos. Sin embargo
los estudios apuntan ms a problemas topolgicos que a resolver problemas del tipo a los
planteados arriba. Watts y Strogatz
26
comenzaron a sistematizar el estudio de las redes de la
siguiente manera:

Comenzaron con una red muy simple de 60 nodos, donde cada uno de los
nodos slo est unido con sus vecinos (caso A),




24
Milgram, S., The Small world Problem, Psychology Today 1, 1967, p 25-44.
25
Kleinfeld, J. S., Could it be big World alter all? The six degrees of separation myth. Society, 39, 2002.
26
Watts, D.J., y Strogatz, S.H., Collective dynamics of small world networks, Nature, 303, 1998, p 440-
442.
69



El nmero promedio de nodos que deben recorrerse para llegar de un nodo a
cualquier otro, es igual a 15. En la figura se han reconectado, al azar, 3 nodos, lo cual
representa un 5% de la red. Aunque el nmero de enlaces es el mismo esta reconexin baja
el nmero promedio de enlaces requeridos para llegar desde un nodo a cualquier otro, a 9.
Encontraron adems que para redes regulares cuyo nmero de nodos crece el efecto es an
mayor. Por ejemplo para 1000 nodos un 5% de reconexin al azar reduce el camino
promedio entre nodos de 250 a 20. La conclusin es que una pequea reconexin al azar
puede generar grandes efectos.
Independientemente del tamao de la red (regular), las primeras cinco reconexiones
al azar reducen el camino entre nodos en un 50%. Posteriormente se han encontrado
otras redes que achican el mundo de las conexiones.
Las redes suelen presentar leyes de escala contrariamente a lo que sucede con la
distribucin normal de errores, alturas de personas, longitud de tornillos, etc. Un ejemplo
emblemtico (y muy til para los buscadores) es la ley de escala de la WEB:
El nmero de pginas WEB con una conexin de entrada de grado k es proporcional
a k-2, demostrando un alto grado de autosimilaridad.
esta propiedad hace que las redes que la tienen puedan continuar trabajando aunque se
destruyan (al azar) un cierto nmero de nodos.
Como ejemplos de redes tenemos el cerebro, la regulacin gentica, la regulacin
metablica, la epidemiologa, la ecologa e incluso el control de redes terroristas. Por otra
parte la leyes de escalas estn fuertemente relacionadas con los fractales.
Las leyes de escalas aplicadas a sistemas biolgicos parecen indicar que por ejemplo los
pulmones tienen una ramificacin que los coloca entre la dimensin 3 y la dimensin 4.
Finalmente veamos el interesante caso de las redes booleanas al azar propuestas por Stuart
Kauffman
27
:


27
Kauffman, S.A., The origins of Order, New York, Oxford Univ. Press, 1993.
70


Existe un cierto parecido con los celular autmata salvo que, la conexin puede ser al azar
con nodos lejanos y cada nodo tiene su propia regla.
El comportamiento final puede ser oscilante, puntos fijos o catico. En el
comportamiento oscilante el nmero de ciclos diferentes que aparecen para k = 2 (nmero
de enlaces entre nodos) es la raiz cuadrada del nmero de nodos. Kauffman extrapol estos
resultados al comportamiento de los genes razonando que el nmero de clulas diferentes
que apareceran como atractores (ciclos diferentes) sera la raz del nmero de genes. Al
terminar el proyecto EL GENOMA HUMANO, se determin que el nmero de genes es de
25000 lo cual dara 158 clulas diferentes, en tanto que el nmero real de clulas diferentes
se ha determinado en alrededor de 256. Quizs con una gran imaginacin Kauffman avanz
ms en su argumentacin especulando que con un gran nmero de nodos interactuando
unos con otros, el orden aparece naturalmente.
A partir de estos razonamientos postul que, as como el incremento de la entropa
es la segunda ley de la termodinmica, esta sera candidata a ser la cuarta ley: La vida tiene
una innata tendencia a volverse ms compleja
28
. En su libro propone que la evolucin de
los organismos complejos se debe en parte a la autoorganizacin y en parte a la seleccin
natural, predominando la primera sobre la segunda.
La evolucin biolgica tendra as tres corrientes de pensamiento:
La adaptacionista, que da prioridad a la seleccin natural
La historicistas, que da prioridad a accidentes histricos en la produccin de
cambios.
La estructuralista (Kauffman), que considera que existe una autoorganizacin
an en ausencia de la seleccin natural.

Como nos dice Murray Gell-Mann
29
, autor de el jaguar est constituido por neutrones,
protones y electrones. Los protones y neutrones por quarks. Estos a su vez slo tienen las
siguientes posibilidades: up, down, charm, strange, top y bottom. En particular los dos
primeros constituyen a los protones y neutrones. El up tiene carga +2/3 y el down -1/3.
Entonces el conjunto up-up-down da carga +1: protn y el conjunto up-down-down, carga
0: neutrn

28
Kauffman, S.A., At home in the Universe, New York, Oxford Univ. Press, 1995.
29
Gell-Mann, M., El Quark y el jaguar, Metatemas, Tusquets Ed., 1995.
71
Cmo algo tan complejo (y hermoso) como un jaguar puede construirse a partir de
algo tan elemental como electrones y quarks? Provistos de la suficiente cantidad de quarks
y electrones y en conocimiento de las leyes que los gobiernan Puede alguien construir un
jaguar?

Todo indica que el todo no es la simple suma de las partes y que el conocimiento del
comportamiento extrao de las ecuaciones no lineales y el estudio de las estructuras
fractales son piedras fundamentales en la investigacin de los sistemas complejos.