Está en la página 1de 222

LA INTEGRACIN DE LA BIOLOGA CON LAS

DEMS CIENCIAS BSICAS



Dino G. Salinas Avils, Ph. D.



Facultad de Medicina
Universidad Diego Portales
Ejrcito 141, Santiago, Chile

e-mail: dino.salinas@udp.cl

Santiago, 2005

(Versin corregida en marzo de 2010)








Registro de Propiedad Intelectual N 147130.
Prohibida su reproduccin total o parcial.









UNIVERSIDAD DIEGO PORTALES
Facultad de Medicina
Dino G. Salinas Avils
2








Agradecimientos
A todos aquellos que me manifestaron su entusiasmo por este proyecto,
aportndome muchas veces con sus sugerencias. Entre ellos se cuentan
alumnos, profesores y amigos. Especialmente al profesor Dr. Sergio Plaza
por la revisin oportuna de los captulos 11 y 12, sobre fractales y sistemas
dinmicos.
Dino G. Salinas Avils
3
Prlogo


Es comn que cuando alguien posee aversin a determinada materia tiende a no verla o a
desestimarla cuando sta se encuentra inmersa en una materia de su inters, a pesar de que
esto malogre el entendimiento. Es as como algunos con apetito cientfico comen del plato
de la biologa, pero desechan los contenidos relacionados con matemtica, qumica y fsica,
sin reparar en que se trata de contenidos biolgicos. Sin embargo, el progreso y la historia
de la ciencia nos ensean permanentemente que es el conocimiento integrado el que
permite el ejercicio de la mxima comprensin y creatividad en relacin con cualquier
ciencia, tal como la biologa. La ciencia ms compleja e integrada de todas.
El ejercicio de la integracin es mltiple:

- Supone abarcar conocimientos interdisciplinarios y multidisciplinarios esenciales.
Por lo tanto, es necesario desarrollar la capacidad de seleccionar informacin relevante y de
coexistir, por qu no, con el error y la ignorancia, evitando el riesgo de caer en una parlisis
intelectual que impida nuestro progreso en un rea cientfica que nos interese.
- Se trata tambin de la comunicacin con profesionales de mltiples disciplinas, con
valoraciones y potenciaciones mutuas de sus capacidades, como fruto de la interaccin y de
la visin de la propia profesin como parte de un sistema social complejo e
interdependiente.
- Deben conocerse ejemplos de conocimientos de una disciplina inmersos o
relacionados con otra. Tal es el caso del concepto de energa. La energa es un concepto
que proviene originalmente de la fsica, pero que se aplica, por ejemplo, en contraccin
muscular, motilidad celular, metabolismo y radioterapia. Ms an, muchos se
sorprenderan al saber que toda la matemtica empleada en la minimizacin de energa
pudo aplicarse a problemas de aprendizaje por redes neuronales: A los fsicos se les ocurri
que, dado que el aprendizaje supone la minimizacin del error en una tarea determinada
(definido el error mediante una funcin matemtica apropiada), entonces, minimizar el
error en un sistema de innumerables neuronas, podra tener mucho que ver con minimizar
Dino G. Salinas Avils
4
otras funciones en sistemas complejos, como, por ejemplo, la energa de un sistema de
muchas partculas.
- Deben identificarse marcos conceptuales comunes a distintas disciplinas, tales
como: Funciones matemticas, teora de sistemas dinmicos, teora de la informacin,
lgica, mtodo cientfico y empleo de modelos tericos. Poseer una capacidad de
abstraccin facilita el estudio de sistemas aparentemente muy dismiles mediante el empleo
de herramientas comunes. La ganancia en el dominio de estos marcos conceptuales (como
los llamo) consiste en que permiten identificar un ordenamiento lgico en el estudio de
sistemas complejos, como los sistemas biolgicos.

Este libro trata principalmente sobre los ltimos dos aspectos mencionados
anteriormente acerca del ejercicio de la integracin de la biologa con las dems ciencias
bsicas. La motivacin, el desarrollo de capacidades inquisitivas, la necesidad de
perfeccionamiento continuo, el autoaprendizaje y el establecimiento de nuevas tradiciones,
son frutos maduros que sobrevienen a la capacidad y al ejercicio de la integracin de los
propios maestros y a su interaccin directa, humilde y honesta con sus alumnos.

Considero este trabajo como una derivacin natural de mi experiencia y testimonio
personal en la integracin de las ciencias: Mientras estudiaba mi carrera de bioqumica, en
la Universidad Catlica de Valparaso, creca mi conviccin de la importancia de una slida
formacin terica para entender los fenmenos vinculados a la estructura y funcin de lo
vivo. As, apenas termin esos estudios, decid formarme como biofsico, por lo que opt
por ingresar a la carrera de licenciatura en fsica, en la misma universidad. En esos aos
tuve la oportunidad de participa en un grupo de sistemas dinmicos del Instituto de
Matemticas de la Universidad Catlica de Valparaso. Despus, durante mis estudios de
Magster en Fsica, en la Universidad de Santiago de Chile, trat de mantenerme siempre
vinculado al rea de biofsica y trabaj en teoras de redes neuronales. Posteriormente,
durante mi doctorado en Ciencias Biomdicas en la Facultad de Medicina de la Universidad
de Chile, trabaj en el desarrollo de Teoras de Interaccin Membrana-Protena.
Actualmente soy acadmico en la Facultad de Ciencias de la Salud de la Universidad Diego
Dino G. Salinas Avils
5
Portales, en donde me desempeo como biofsico y como profesor de un Taller de
Integracin de Ciencias Bsicas para la carrera de Medicina.
Hace muchos aos que emprend, conscientemente, este camino de integracin.
Caminando a veces motivado por amor al conocimiento, otras veces por simple dolor a la
ignorancia. En todo este tiempo he debido interactuar con profesionales y estudiantes de
diferentes reas de la ciencia, y de disciplinas que se nutren de la ciencia. Estas
experiencias, sumadas a mi formacin y a mis intereses me han permitido desarrollar una
visin propia acerca de la integracin de las ciencias bsicas en la biologa. Y es que no es
comn que alguien le ensee a uno a integrar los conocimientos o a ser consciente de la
integracin, pues muchas veces la integracin es un acto que realizamos sin darnos cuenta.
Para qu sirve darse cuenta? Espero que la pregunta se responda por s sola despus de la
lectura de este trabajo. Slo dir aqu que la integracin es en s misma un objeto de
estudio y su contemplacin es ciencia pura. Hay leyes comunes a las que se someten todas
las ciencias. Son las leyes relacionadas con el estudio de los sistemas. Entender la
integracin como la bsqueda de estas leyes comunes nos saca de la trivial concepcin de
la integracin como el mero ejercicio de una disciplina sobre otra. Para esto ltimo
recomiendo cualquier libro de biofsica, bioqumica, bioestadsitca o biocualquiercosa.
Tal vez el ejemplo ms vanguardista de la integracin como objeto de estudio sea el
establecimiento de los lmites del conocimiento cientfico: las leyes de lo que nunca ser.
Actualmente ya se cuenta con principios fsicos y teoremas matemticos que establecen
estos lmites. Lmites que van ms all de la escasez del tiempo y de los recursos
necesarios para realizar una investigacin. Espero que esto sea para m un tema de un
trabajo posterior. Como tambin queda pendiente la recopilacin y el desarrollo de un
conjunto de actividades prcticas que apoyen la enseanza de la integracin a travs de la
realizacin de talleres.
Dino G. Salinas Avils
6
Contenidos


Prlogo.



I

INTRODUCCIN


1 La integracin de la biologa con las dems ciencias bsicas

Modalidades de integracin de la biologa con las dems ciencias bsicas.
El aprendizaje de la integracin.
Cuando la complejidad de los sistemas biolgicos obliga.



II

LA ACTITUD Y EL MTODO QUE PERMITEN LA INTEGRACIN


2 Y el cielo se descifr entre todos

Anexo 2.1: Una forma de descubrir la ley de gravitacin universal.

3

El conocimiento cientfico

La eleccin de la mejor hiptesis.
La simplicidad en ciencia.
El empleo de modelos en ciencia.
La hiptesis o cuando lo suficiente no es necesario.


La demostracin de la causalidad.



III

INTEGRACIN A TRAVS DE LOS MODELOS MATEMTICOS


4 La funcin lineal

El estudio del cambio.
Uso de la funcin lineal en la construccin de modelos.
Determinacin de concentraciones por espectrofotometra.


Un mtodo para obtener la mejor recta.
5 La funcin exponencial y el desborde de la imaginacin

El crecimiento exponencial.
La divisin consecutiva.
El decaimiento exponencial.


Si la exponencial fuese un martillo, el clculo del crecimiento y la diversidad seran un
mismo clavo.

6 La integracin a travs del empleo de un mismo modelo para distintos sistemas:
cuando la epidemia es un chiste

El curso de una reaccin qumica.
Integracin a travs de una solucin compartida.
Epidemiologa matemtica.


Estudio del modelo SIS.



IV

LA INTEGRACIN A TRAVS DE PRINCIPIOS ESTRUCTURALES Y
DINMICOS


7 La teora de la informacin y la biologa

Dino G. Salinas Avils
7
Un caso de construccin de un concepto a partir de exigencias matemticas.
Interpretacin de la medida de la informacin de Shannon.
Aporte de informacin promedio de un signo en un mensaje.
Una aplicacin: mejorando el cdigo de un mensaje.
El valor de una pregunta binaria en la reduccin de la incertidumbre.
El sentido de la cantidad de informacin.
El valor de la informacin.
La informacin en los sistemas biolgicos.
El impacto de la teora de la informacin en las comunicaciones.
Anexo 7.1: La numeracin binaria y el empleo de la lgica.


Anexo 7.2: Demostracin formal de la frmula de Shannon.


8 La entropa y el desorden

Definiendo el desorden.
La entropa como una medida indirecta del desorden.


Equivalencia entre entropa e informacin.


9 Redes neuronales

Estado de una neurona.
Dinmica de una red neuronal.
Regla dinmica para la evolucin del estado de una neurona.
Aprendizaje de una red neuronal.
Modelos de memoria asociativa.
Modelos de aprendizaje a travs de redes de neuronas en multicapas.
Importancia de las redes neuronales.


10 La fsica del desorden y las redes neuronales


Ergodicidad.

Vidrios de espn.

De los vidrios de espn a las redes neuronales.


11 La estructura fractal y los sistemas biolgicos

Una definicin ms rigurosa de un fractal.


Los fractales en la naturaleza.
12 Sistemas dinmicos en biologa

Sistema.
Estructura.
Evolucin de un sistema.
Tipos de comportamientos dinmicos.
La coexistencia del caos con otras dinmicas en un modelo determinista simple.
El caos y la estructura fractal.
Dinmica celular y homeostasis.


La dinmica en la fisiologa normal y patolgica.



V

EPLOGO


13 La integracin como resultado de la lgica de la vida

La definicin de la vida nunca fue fcil.
En busca de una definicin de la vida.


Bibliografa.
Dino G. Salinas Avils
8
Parte I


INTRODUCCIN









Dino G. Salinas Avils
9
1 La integracin de la biologa con las dems ciencias
bsicas

El conocimiento nunca ha sido algo aislado. La construccin del mismo ya es fruto de la
relacin de conocimiento antiguo con situaciones nuevas. Nuestra necesidad de simplificar
la realidad es lo que hace que surjan las distintas disciplinas, como la qumica, la fsica, la
matemtica y la biologa. En casos extremos, no hay duda a cul de ellas pertenece una
actividad o un individuo que la ejecuta. Si un profesional trabaja sintetizando un polmero
para reemplazar los cables de acero por un material mucho ms resistente y flexible,
diremos que es un qumico. Si, en cambio, en vez de un polmero sinttico estudia las
propiedades de la protena que forma la tela de araa, con el mismo propsito que el
qumico, diramos que es un bioqumico. Y si se trata de alguien que quiere clonar el gen
de la protena de la tela de araa al interior de la bacteria Escherichia coli, para utilizarla
con los mismos fines, diremos que es un bilogo. Si alguien se desempeara como jefe de
un proyecto en donde se desea estudiar las propiedades y la produccin de polmeros de
alta resistencia mecnica, ya sea de procedencia sinttica o biolgica, nos encontraramos
con nuestra primera dificultad. Cmo llamaramos a aquella rea que supone la retencin
simultnea de conocimientos aparentemente muy dismiles, con el fin de solucionar un
problema determinado o de alcanzar un conocimiento nuevo?
Otras dificultades pueden ser menos evidentes: Debe el qumico desestimar el
conocimiento del bilogo o del bioqumico para realizar sus proyectos, siendo fiel a la
qumica? Absurdo. Lo ms razonable es ser fiel al inters original del conocimiento y
emplear la herramienta apropiada para conquistarlo. Si se trata de investigar las causas que
determinan la resistencia de un material fibroso, el qumico debera interesarse en las
estructuras biolgicas que demuestran ser ms eficientes que las sintticas. Inevitablemente
surge la cuestin de si una disciplina es determinada por la naturaleza de la pregunta que se
quiere responder o si se determina por la naturaleza de la herramienta empleada para
responder la pregunta. Esto no es menor y es lo que ha ocasionado que surjan disciplinas
mixtas, como la bioqumica. En ella, la pregunta es biolgica y la herramienta es qumica
y, otras veces, es al revs. Esta taxonoma creciente del conocimiento ha llegado al ridculo
Dino G. Salinas Avils
10
de extenderse hasta configurarse nombres como la bioquimicofsica, en la que se estudian
fenmenos fisicoqumicos propios de sistemas bioqumicos, tales como el tamao o la
difusin de ciertos complejos de macromolculas biolgicas. Sin embargo, el crecimiento
explosivo del conocimiento y de la tcnica hace cada vez menos creble e intil esta
taxonoma, encontrndose que la pregunta y la herramienta a menudo son de procedencias
distintas. Ms an, este afn de identificar lo que uno hace con un rea, se ha convertido en
la castracin mental de muchos individuos a quienes, la identificacin con una determinada
categora de preguntas, intereses, o tcnicas, les ha dificultado interesarse en otras
categoras.
Inevitablemente, categorizar nuestra formacin de origen es lo que da alguna pista a
nuestros congneres de lo que conocemos o lo que somos capaces de hacer. Al mismo
tiempo, esta categorizacin de los conocimientos permite que haya instituciones
debidamente acreditadas que entregan un determinado ttulo despus de aos de estudio y
prctica. Pero el peligro est en creer que las cosas no son ms que esto. Decir hoy en da
soy mdico, equivale a decir que se cursaron y aprobaron las exigencias de una malla
curricular que posea ese rtulo. Pero la misma malla curricular no transformaba en mdico
a una persona de hace cuatrocientos aos ni lo har cuatrocientos aos ms tarde. Tampoco
los conocimientos acreditados garantizan en su totalidad lo que el profesional har con ellos
o en estudios posteriores. Por lo tanto, no perdamos de vista que el rtulo de una disciplina
no es ms que una licencia para ejercer un paquete de deberes, responsabilidades y
habilidades bsicas y circunstanciales, y que jams se trat de un rtulo sobre la mente del
hombre. La naturaleza es conexa y cada una de sus partes opera en forma simultnea: sus
distintas leyes y sistemas se influyen mutuamente de un modo incesante, originndose una
realidad compleja. Esto hace pensar en que, tal vez, la naturaleza se tratara nicamente de
una realidad sin adjetivos, cuyas distintas leyes y partes existiran slo en el entendimiento
humano. Reconocer lo anterior podra ayudarnos a ser ms lcidos y creativos.
Como el uso de las herramientas es circunstancial, convengamos en que lo que da el
nombre a una disciplina es la pregunta que se quiere responder o la tarea que se quiere
solucionar y no la herramienta utilizada para el cometido. Esto quiere decir que no debera
sorprendernos que un bilogo realizara una reaccin qumica ni que un qumico usara un
microscopio. Esto ha caracterizado permanentemente el progreso de la ciencia. Lo dems,
Dino G. Salinas Avils
11
definirse innecesariamente ante la comunidad como miembro vitalicio de una categora del
hacer y del conocer resulta intelectualmente vulgar. Es decir, ambas son facultades
objetivas, pero que poseen un sentido y ese sentido no alcanza a determinarse
absolutamente por las mismas facultades. La qumica se puede aprender, la qumica se
puede ensear, pero es pattico creer ser qumico, como los es creer ser bilogo o
fsico. Como referente social para distinguir quin ha estudiado una u otra disciplina est
bien, pero no como delimitacin perpetua del campo de trabajo. Qu somos, entonces, en
lo ms ntimo? Al final, somos lo que hacemos. Y si ya lo hicimos, ya fuimos.
Cabe mencionar el ejemplo de Pasteur, aquel qumico-microbilogo, quien, cuando
estudiaba un problema de fermentacin, observ los cristales de cido tartrico al
microscopio, comprobando que podan existir en cualquiera de dos formas, una era la
imagen reflejada de la otra, lo que lo llev a formular que las molculas constituyentes de
los cristales eran, tambin, imgenes especulares la una de la otra; tal como la mano
izquierda es idntica a la derecha, excepto porque no se pueden superponer. Con el tiempo
este conocimiento se torn fundamental para los bioqumicos, quienes descubrieron que, de
dos molculas iguales, exceptuando que eran mutuamente imgenes especulares, slo una
de ellas poda formar parte de la naturaleza viva. La razn es que slo esa molcula y no su
imagen especular es capaz de interactuar adecuadamente con otras molculas, como
receptores y enzimas. Cuando contemplamos as la historia de la ciencia, se hace evidente
la falacia de los conocimientos estancos. La historia contada se trataba de un qumico, que
fue uno de los padres fundadores de la microbiologa, que poda estudiar algunos de sus
problemas de qumica con el mismo instrumento con el cul estudiaba sus clulas y los
resultados de estos estudios no slo sirvieron a la industria de elaboracin de alcoholes,
sino que impactaron directamente a la biologa al punto de que son la base de la
interaccin entre macromolculas biolgicas que soportan los procesos asociados a la vida
y a la muerte.
Una de las grandes preguntas de la fsica es Qu es y cmo ocurre el movimiento?
Una de las grandes preguntas de la biologa es Qu es y cmo funciona un sistema vivo?
Se trata de dos extremos: en un lado la materia simple y en otro lado la misma materia, pero
asociada, formando estructuras complejas. Como hemos convenido en que el nombre de
una disciplina cientfica ya no est determinado por la herramienta que ella emplea, sino
Dino G. Salinas Avils
12
por la pregunta que se pretende responder, a veces no ser claro si estaremos frente a una
disciplina completamente nueva o a un hbrido de disciplinas ya conocidas. As, por
ejemplo, consideremos la teora de la informacin. La naturaleza de sus paradigmas
incluye tanto el conocimiento biolgico como el fsico y el matemtico. En casos como
stos, y en otros como en las teoras de sistemas complejos y sistemas dinmicos, no es tan
fcil como decir que lo nico que nos interesa es la matemtica en que se soportan estas
disciplinas, pues las soluciones las interpretamos a la luz de los sistema que originalmente
nos provocaron para la realizacin de los modelos. Al ser disciplinas emergentes, todava
es difuso su lmite con los dominios del conocimiento establecido.


MODALIDADES DE INTEGRACIN DE LA BIOLOGA CON LAS DEMS
CIENCIAS BSICAS

Esperando haber convencido al lector de la yuxtaposicin de las reas del conocimiento, de
lo absurdo de los intelectos etiquetados y de lo beneficioso que histricamente ha sido para
la creatividad cientfica la aplicacin incansable del conocimiento de distinta procedencia
en la generacin de ms conocimiento, abordemos el problema de la integracin de la
biologa con las dems ciencias bsicas. Una divisin del problema permite distinguir tres
diferentes modalidades de integracin:

Integracin a travs del conocimiento
Consistente en aplicar el conocimiento, considerado propio de un rea, sobre otra
disciplina. Por ejemplo, el principio de conservacin de la energa y las leyes que
gobiernan las transformaciones qumicas se cumpliran en los sistemas biolgicos. Por lo
tanto, para progresar en el conocimiento biolgico se deberan conocer y aplicar estas leyes.
Adems de la aplicacin de las clsicas ciencias bsicas, como la qumica, la fsica, la
matemtica y la estadstica, tambin se considera aqu el conocimiento de reas emergentes
y nuevas, como la teora de la informacin, la teora de sistemas, la teora de sistemas
dinmicos y la teora de los sistemas complejos. Quin sabe si todas stas son sub-reas de
las disciplinas anteriores. Bien podramos decir: y a quin le importa?; pues ms
taxonoma no cambiar nada de lo que queremos decir.
Dino G. Salinas Avils
13

Integracin a travs del anlisis
Consiste en aplicar herramientas metodolgicas comunes a distintas disciplinas, como el
mtodo cientfico, la lgica, el uso de modelos matemticos, la teora de la propagacin del
error de una medicin, etctera.

Integracin a travs de la tecnologa
Consiste en aplicar herramientas tecnolgicas comunes a distintas disciplinas, como el uso
de determinados instrumentos o como las tecnologas de la informacin y la comunicacin
(TICs). Con respecto al uso de las TICs, pueden mencionarse la edicin de documentos
cientficos, la bsqueda a travs de internet, la realizacin de pginas Web, el uso de bases
de datos, el uso de softwares de procesamiento de datos, etctera.

El elemento comn que poseen todos estos modos de integracin de las ciencias es
la relacin entre las ciencias. As es que bien podramos sustituir la frase integracin de
las ciencias por la frase relacin entre las ciencias. Pero entendiendo que es una
relacin vital. Es decir, de dos ciencias relacionadas, al menos una de ellas no podra
existir sin la otra. Tal sera el caso de la biologa, que no podran explicarse sin un
conocimiento de la qumica. En sentido inverso, esta relacin vital puede consistir en que
una de las reas ha sido fuente de inspiracin de la otra. As, la biologa ha sido fuente de
inspiracin de mucho conocimiento qumico, tal como toda la qumica que debi
construirse para entender cmo una mquina como un organismo animal puede ser capaz
de quemar azcares y grasas, con la capacidad de realizar trabajo, manteniendo la
temperatura constante.


EL APRENDIZAJE DE LA INTEGRACIN
Dados los lmites de extensin de este texto, sus contenidos slo estn orientados a ensear
el concepto de integracin de la biologa con las dems ciencias bsicas, a motivar el
ejercicio de la misma, y a esclarecer y propiciar la prctica de algunos conceptos que
facilitarn la labor de integracin. Algunos sostienen que no se puede ensear a integrar las
Dino G. Salinas Avils
14
ciencias. Que la integracin acontecer con la experiencia o la maduracin de la mente del
individuo. A ello debo contraponer que no est en cuestin si algunas personas sern
capaces de realizar la integracin por s mismas algn da o cmo ocurrir. Lo que puede
cuestionarse es cunto tardarn en hacerlo solos. Yo sostengo que s es posible en
muchas personas fomentar el desarrollo de una capacidad analtica, que es fundamental
para el acto de integracin. Me baso en que me ha tocado ver, en distintas universidades,
cmo hay algunos alumnos de las carreras de ciencias bsicas que llegan con muy poca
preparacin y que, al cabo del rigor de un par de semestres de estudio y formacin
sistemtica, llegan a estar en condiciones de resolver problemas muy complejos y hasta a
ser capaces de demostrar teoremas. Podr decirse que no es el contenido de las materias
sino el esfuerzo personal el que desarrolla ciertas habilidades. Eso puede ser bizantino si
los resultados son de todos modos buenos. Cualquiera sea el caso, el resultado es el mismo
(aunque puede perfeccionarse): la confrontacin entre el alumno y un plan apropiadamente
diseado para la maduracin de su capacidad de anlisis integrado entrega como resultado
el aprendizaje del alumno. Decir que no es necesaria ninguna tcnica me parece como
negarse a aprender de otros la fsica newtoniana para explicar la trayectoria de un cometa.
En tal caso, no habra ms remedio que desarrollar individualmente la fsica newtoniana.
Y, si confiamos en la naturaleza humana, habra que admitir la factibilidad de aquello. Si
parece que el ejemplo anterior, cuando es aplicado al tema de la integracin, es un tanto
exagerado, entonces espero que cobren sentido los contenidos posteriores. Usted podr
comprobar que hay tpicos completos sobre los que se hace necesario aprender para
aquilatar realmente y trivializar menos el tan socorrido y de moda tema de la integracin en
biologa.


CUANDO LA COMPLEJIDAD DE LOS SISTEMAS BIOLGICOS OBLIGA

Los sistemas biolgicos poseen distintos niveles de descripcin: desde el nivel
microscpico, en el que debemos tomar en cuenta la situacin de cada molcula, hasta el
nivel ms macro, como es la descripcin de ecosistemas completos. Los sistemas
biolgicos son los ms complejos conocidos con capacidad de realizar tareas determinadas.
Complejos porque son de difcil descripcin. Por esto, es necesario que el bilogo
Dino G. Salinas Avils
15
integral desarrolle una mente analtica con fijacin en lo sistmico. Es necesario
aprender a detectar aquellos rasgos de la estructura microscpica que son capaces de
trascender hacia la descripcin macroscpica. Lo macroscpico se soporta en la estructura
microscpica, pero los rasgos patentes de lo macroscpico son slo algunos rasgos
definidos en los elementos microscpicos presentes. Como parte de la descripcin
estructural relevante, debe incluirse la capacidad de interaccin mutua que pueden poseer
unidades simples, como las clulas, capaces de determinar unidades ms complejas, como
un rgano completo. Al final, la funcin biolgica queda absolutamente determinada por la
interaccin o el dilogo estructural que se establece entre los componentes menores, tal
como las interacciones entre las clulas nerviosas son determinantes del funcionamiento del
cerebro completo. A una escala menor, la clula puede considerarse como un sistema
macroscpico, producto de la estructura e interaccin mutua de elementos moleculares
microscpicos.
As es que se hace necesario aprender a pensar en lo complejo. Este aprendizaje
ocurre en tiempos en los que la ciencia de lo complejo recin se inicia. Son los mismos
tiempos en los que la enseanza se orienta ms al manejo y a la seleccin de la informacin
que a la informacin misma. Son los mismos tiempos en los que el ser humano se habita a
su condicin de coexistir con interfases digitales que realicen el trabajo repetitivo que antes
demandaba mucho tiempo. Se hace necesario remontarse y apreciar los problemas
biolgicos desde un punto de vista ms sistmico, ms integrado. Las cosas siempre han
sido as. En un comienzo, el hombre del renacimiento aceptaba este desafo con gusto,
pues la informacin era poca. Ahora, al final, no nos queda sino aceptarlo con resignacin,
pues la informacin es demasiada y hace falta seleccionarla y procesarla. Qu hubo
entretanto? Slo la ilusin ingenua encapsulada en el determinismo de Laplace (1749-
1827), sobre que ya era posible conocer el futuro y el pasado del mundo y que la nica
limitacin para realizar los clculos era el tiempo. El mismo tiempo demostr que esto no
era as.
Dino G. Salinas Avils
16
Parte II


LA ACTITUD Y EL MTODO QUE PERMITEN LA
INTEGRACIN
Dino G. Salinas Avils
17
2 Y el cielo se descifr entre todos
Una narracin breve acerca de la consolidacin del mtodo cientfico a travs del estudio
del movimiento.


A muchos les gusta creer que el mtodo cientfico se inici en el renacimiento, a
partir de Galileo. Personalmente, no me atrevera a formular una afirmacin tan temeraria.
Poco sabemos de otras culturas, algunas mucho ms antiguas u olvidadas. Sin embargo, es
cierto que a travs de la historia hubo numerosos ejemplos de afanosa bsqueda de
conocimiento acerca de la naturaleza y el mundo, pero que hoy no podran considerarse
como genuinos ejemplos de actividad cientfica.
Arqumedes (257-221 antes de Cristo) fue un gran matemtico y un gran inventor de
artificios mecnicos. Se ha dicho que fue el ms cientfico de los griegos. Sin embargo,
mantuvo la actitud deductiva de los griegos que resultaba incompatible para ellos con el
mtodo experimental. Realiz una obra famosa sobre esttica, pero procede por axiomas,
como la geometra de Euclides. Los axiomas son evidentes por s mismo y no dependen
del resultado de la experiencia. As, por dos puntos slo pasa una lnea recta y a + b = b
+ a son un par de afirmaciones axiomticas. Su obra ms cientfica fue el libro Sobre los
cuerpos flotantes, en donde determina que la fuerza que impulsa hacia arriba a un cuerpo
que flota es equivalente al peso del volumen de lquido desplazado por el cuerpo. Esta obra
es el resultado de deducciones a partir de postulados, pero se cree que habran sido
obtenidos experimentalmente.
Los rabes fueron ms experimentales que los griegos, especialmente en qumica.
Trataban de transmutar los metales en oro, de descubrir la piedra filosofal y de
confeccionar el elixir de la vida. A travs de la Edad Media la tradicin de la civilizacin
fue mantenida principalmente por los rabes. El defecto de los rabes fue opuesto al de los
griegos: buscaban hechos aislados ms que principios generales y no pudieron deducir
principios generales de los hechos que haban descubierto.
Posteriormente, durante el renacimiento, una de las figuras ms notables fue
Leonardo de Vinci. Sus manuscritos y dibujos revelan una fascinacin por la inventiva y
por la observacin de su entorno, en la bsqueda permanente de principios. Su falta de
Dino G. Salinas Avils
18
relevancia en el desarrollo de la ciencia se debe en parte a que no ofreci ningn aporte
maduro capaz de ejercer alguna influencia en sus sucesores cientficos. Tal vez haya sido
el tpico caso del hombre trabajador y talentoso al que slo le falt interactuar con
individuos semejantes. Sin embargo, hay un perodo durante el renacimiento en que pudo
observarse con total nitidez el despliegue del mtodo cientfico. El inters de los estados en
desarrollar la tcnica y la ciencia, aunque hubiese sido por motivos de asentar los poderes
poltico, militar y econmico, permiti la generacin de comunidades de intercambio
cientfico. El fruto dorado de esta nueva era sera algunos siglos despus, durante la
llamada revolucin industrial. La historia donde comenz este largo proceso hacia la
consolidacin de la ciencia, es la misma historia que dio origen a la fsica y que permiti
explicar la mecnica del universo. sa es la historia que narro a continuacin.
Segn la filosofa aristotlica, la Tierra era considerada como un mundo
corruptible, es decir, sometido a cambios, como nacimiento, degradacin y
desaparicin de los seres que lo habitaban. Estos cambios se atribuan a los cambios de
los cuatro elementos que constituan la Tierra: agua, tierra, aire y fuego. Un quinto
elemento, el ter, estaba reservado para los cuerpos celestes. El ter era inmutable y por
ello los cielos eran incorruptibles. Entre nuestro planeta y los cielos (entre lo imperfecto
y lo perfecto) estaba la Luna, la que mantena ciertos rasgos de imperfeccin evidentes para
cualquiera que la observase. Los movimientos circulares estaban reservados para la Luna y
los dems cuerpos hallados en los cielos. La Tierra no describira ningn tipo de
movimiento circular, porque un movimiento tan perfecto no sera natural en ella. En
definitiva, todos los objetos celestes tenan naturalezas semejantes entre s, pero la
naturaleza de la Tierra era absolutamente diferente a las de ellos. As describa Coprnico
la cosmovisin del filsofo griego Aristteles:
El filsofo griego Aristteles, por ejemplo, dice que el movimiento de un cuerpo
nico y simple es simple, que los movimientos simples son rectilneos o circulares y que los
movimientos rectilneos se producen hacia arriba y hacia abajo. En consecuencia, todo
movimiento simple se produce hacia el centro -en el caso del movimiento hacia abajo-,
desde el centro como en el movimiento hacia arriba- o bien en torno del centro
movimiento circular-. De este modo, conviene que las tierras y las aguas, consideradas
elementos ms pesados, sean arrastrados hacia el centro; esto es, que se dirijan al centro,
Dino G. Salinas Avils
19
pero los aires y los fuegos, que se destacan por su ligereza, han de moverse desde el centro
hacia la arriba. Parece conveniente conceder un movimiento rectilneo a estos cuatro
elementos y, en cambio, a los cuerpos celestes que se muevan en una rbita alrededor del
centro. Esto dice Aristteles.
La fascinacin de los griegos por lo bello y lo bueno los haca defender con mucho
esfuerzo intelectual el uso de la circunferencia, considerada por ellos la ms perfecta de las
figuras geomtricas, para la descripcin del mundo. Ellos ya saban que la Tierra era
esfrica. El gegrafo griego Eratstenes, estimaba la circunferencia de la Tierra en 250.000
estadios (unos 38.000 kilmetros), lo que est cercano a la verdad. Con el paso de los
meses y aos, era posible detectar que algunas de las estrellas no estaban fijas como las
otras al casquete esfrico que mencionaba anteriormente, sino que ms bien vagaban
errantes entre las dems estrellas fijas. A estos cuerpos los griegos los denominaron
planetas (errantes), y todava era posible describirlos en base a rbitas circulares. Para ello
haba que suponer que cada planeta orbitaba circularmente. Al mismo tiempo, el centro de
dicha rbita describa una rbita circular en torno a la Tierra. A ambas rbitas se les
denominaba epiciclo y deferente, respectivamente.
El soporte de esta teora del universo no era para nada infantil. Posea un carcter
predicativo asegurado por complejos clculos matemticos, como aparecera en la obra de
Ptolomeo Almagesto (100-160, aproximadamente), por lo que al sistema descrito, donde
la Tierra es el centro, se le conoce como el sistema ptolemaico. Sin embargo, pocos saben
que Ptolomeo propuso centrar la deferente en un punto fuera de la Tierra para explicar la
velocidad variable de la rbita de un planeta.









Dino G. Salinas Avils
20












Figura 2.1. Planeta significa errante. Esto tiene relacin con el trazado que deja la
trayectoria de un planeta (rojo) visto desde la Tierra (azul). Para explicar el movimiento
retrgrado de un planeta, Ptolomeo debi suponer que el planeta se mova en una rbita
circular, denominada epiciclo, cuyo centro describa otra rbita circular, denominada
deferente, cuyo centro coincida con la Tierra. Con el epiciclo y el deferente, los
astrnomos podan describir casi cualquier movimiento planetario observado,
mantenindose dentro de los lmites del sistema ptolemaico. Aunque a veces era necesario
incrementar el nmero de epiciclos.


En contraposicin, hubo algunos griegos que supusieron un modelo celeste donde el
centro era el Sol. Arqumedes escribe al rey Geln de Siracusa y le dice: Aristarco de
Samos ha compuesto un libro en el que menciona algunas hiptesis, cuyas premisas llevan
a la conclusin de ser el Universo mucho mayor de lo que hasta ahora se ha supuesto. Sus
hiptesis son que las estrellas fijas y el Sol permanecen inmviles; que la Tierra gira
alrededor del Sol en la circunferencia de un crculo, estando situado el Sol en el centro de la
rbita. Fue el descubrimiento de que un griego haba sostenido esta opinin lo que anim
a Coprnico, durante la poca del renacimiento, a hacerla revivir.
A mediados del siglo trece, despus de que los manuscritos de la ciencia rabe se
haban traducido al latn para el estudio en universidades europeas, el conocimiento de la
astronoma se extendi por toda Europa. A comienzos del renacimiento, la reforma haba
desafiado la jerarqua eclesistica. En este contexto de libertad de pensamiento, Coprnico
propuso un sistema geomtrico simplificado para la observacin del Universo, lo que
public en su libro Sobre las revoluciones de los orbes celestes (1543). En su libro
presenta clculos detallados, basados en la circularidad de las rbitas planetarias en torno al
Movimiento retrgrado
Dino G. Salinas Avils
21
Sol, pero teniendo el buen cuidado de proponer su modelo no como la realidad suprema de
los sistemas planetarios, sino ms bien como un sistema de clculo mucho ms sencillo
que el propuesto en la obra de Ptolomeo. Esta precaucin le signific no ser molestado por
las autoridades de la poca, quienes lo hubieran juzgado por hereja. En los aos previos al
1600, el trabajo de Coprnico era ledo por astrnomos que lo consideraban un sistema
simplificado de clculo, pero que no tomaban en serio sus implicancias filosficas y fsicas.























Figura 2.2. Explicacin de la trayectoria de un planeta segn la teora copernicana.
Arriba: Visto desde la Tierra, el planeta aparenta retroceder y reanudar su curso (los
nmeros indican la secuencia del movimiento). Abajo: Esto se debe a que el planeta (rojo)
es visto desde la Tierra (azul), con respecto al fondo de estrellas fijas, desde diferentes
ngulos, en diferentes pocas del ao, producto de la rotacin de la Tierra en torno al Sol.
1
2
3
4
5
6
1
2
3
4
5
6

1
2
3 4
5
6
Fondo de estrellas fijas
Dino G. Salinas Avils
22
Tycho Brahe (1546-1601), astrnomo noble dans, con el financiamiento del rey
Frederick II, haba construido un observatorio en una isla. Fue el primero en registrar las
posiciones del Sol, la Luna, los planetas y las estrellas con regularidad. A travs de los
aos, empleando los instrumentos ms exactos hasta la fecha, pero sin telescopio, realiz
mediciones con precisiones de un minuto de arco. Tena sus reservas acerca de adoptar la
teora heliocntrica de Coprnico. Aceptaba la idea que los cinco planetas conocidos
giraban en torno al Sol, pero no que la Tierra se mova. El resultado de su modelo
cosmolgico era un complejo compromiso: Los planetas orbitaban el Sol, en tanto que el
Sol y la Luna orbitaban la Tierra fija. El gran aporte a la ciencia de Brahe, se debi a la
persistencia, consistencia y exactitud con los que registr la posicin del planeta Marte.
Sera uno de los discpulos de Tycho quien, empleando estos datos registrados por su
maestro, acabara con todos los sistemas de dinmica planetaria que hemos discutido hasta
aqu.


















Figura 2.3. Sistema planetario propuesto por Tycho Brahe: De fuera hacia dentro, se
indican en crculos negros los cinco planetas que orbitaran en torno al Sol: Saturno,
Jpiter, Marte, Venus y Mercurio. Al mismo tiempo, tanto el Sol como la Luna orbitaran
en torno a la Tierra.

Dino G. Salinas Avils
23
Como anuncibamos, es aqu en donde entra en escena Johannes Kepler (1571-
1630). Un astrnomo alemn, copernicano desde los 20 aos. Ms que un observador, fue
un matemtico. Se surti de los registros de Tycho Brahe, para darse cuenta de la invalidez
de las rbitas circulares. En 1609, public sus primeras dos leyes del movimiento
planetario en un libro titulado (La) Nueva Astronoma. Una dcada despus (1619), su
tercera ley fue publicada en el libro Las Armonas del Mundo.
El siguiente es un fragmento de un texto de Kepler:

A travs del estudio de la rbita de Marte,
debemos alcanzar los secretos de la astronoma
o permanecer por siempre en su ignorancia.

Y es que l pensaba que sus leyes empricas desarrolladas a partir de los datos de
Marte deban bastar para explicar el resto de los movimientos planetarios. Esto significaba
que las leyes matemticas deban ser universales. Algo difcilmente aceptado en esa poca.
Por lo dems, Kepler nunca comprob la validez de su hiptesis en los otros planetas.
Las siguientes son las tres leyes descubiertas por Kepler (de las que se debe decir
que son leyes aproximadas):

Primera ley:
La rbita de un planeta alrededor del Sol es una elipse con el centro de masa del Sol en uno
de sus focos.

Segunda ley:
Una lnea que une el planeta y el Sol, barre reas iguales en tiempos iguales.

Dino G. Salinas Avils
24


Figura 2.4.
La rbita de un planeta alrededor del Sol es una elipse con el centro de masa del Sol en
uno de sus focos (primera ley de Kepler). La trayectoria de un planeta en torno al Sol la
rbita barre reas iguales al ir desde A hasta B que al ir desde C hasta D, siempre que el
tiempo para describir los dos segmentos de rbita sean los mismos (segunda ley de
Kepler). Esto ltimo significa que el planeta deber aumentar su velocidad al aproximarse
al Sol.


Tercera ley:
El cuadrado del perodo (duracin) de la rbita completa descrita por un planeta en torno al
Sol es proporcional al cubo de su semieje mayor (aproximadamente igual al radio
promedio): K
T
R
=
2
3
.

En la siguiente tabla se aprecian ejemplos del cumplimiento de la tercera ley de
Kepler:
Planeta T
(en aos)
R
(en Unidades
Astronmicas)
T
2
R
3

Mercurio 0,24 0,39 0,06 0,06
Venus 0,62 0,72 0,39 0,37
Tierra 1 1 1 1
Marte 1,88 1,52 3,53 3,51
Jpiter 11,9 5,20 142 141
Saturno 29,5 9,54 870 868
D
C
A
B
Dino G. Salinas Avils
25
Por aquellos aos, Kepler sostuvo alguna correspondencia con Galileo. Este ltimo
crea en la validez del sistema copernicano, as es que ambos coincidan en sus preferencias
por un modelo heliocntrico.
Galileo Galilei (1564-1642) naci en Pisa, estudi medicina en la universidad de la
misma ciudad, pero abandon sus estudios, cuatro aos despus, para dedicarse por entero a
los estudios de matemtica en la universidad de Pisa, enseando tambin en Florencia y en
Padua (Repblica de Venecia). Debi ensear geometra euclidiana y astronoma estndar
(geocntrica) a estudiantes de medicina. Sin embargo, en una carta personal a Kepler, en
1598, Galileo afirm que siempre ha sido un copernicano. Lo que no fue pblico hasta
muchos aos despus.
En el verano de 1609, Galileo oy acerca de un aparato ptico, mostrado en
Venecia, que permita ver objetos lejanos. Basado en los reportes y en sus conocimientos,
podemos decir que reinventa el telescopio. Los descubrimientos que hace con su telescopio
son descritos al ao siguiente en su corto libro Sidereus Nuncios (Mensaje de los Astros),
en Venecia. Caus conmocin al decir que haba visto montaas sobre la Luna, que la va
lctea est formada de estrellas pequeas y que haba pequeos cuerpos (satlites)
orbitando Jpiter. En Florencia continu trabajando sobre movimiento y mecnica,
comenzando a involucrarse en disputas acerca del copernicanismo. Descubri que el
planeta Venus mostraba fases como la Luna y supuso que, por lo tanto, deba orbitar en
torno al Sol y no a la Tierra. Sin embargo, esto no descartaba la cosmovisin de Tycho
Brahe, la que fue aceptada por la mayora de los astrnomos de la poca.










Dino G. Salinas Avils
26









Figura 2.5. Las fases de Venus, descubiertas por Galileo, concuerdan con el sistema
copernicano, en el que Venus debe orbitar en torno al Sol.


Para entender el rechazo oficialista del que fue objeto Galileo, hay que tener en
cuenta que sus observaciones contradecan las creencias bblicas de la poca acerca de que
la Tierra era el centro del Universo. Segn las creencias del mundo catlico de aquella
poca, era blasfemo suponer que la Tierra era un planeta ms de tantos otros que orbitaban
en torno al Sol. Tambin era blasfemo afirmar que Jpiter era orbitado por satlites, tal
como la Tierra era orbitada por la Luna, as como afirmar que en la Luna haban valles y
montaas. En resumen, todo lo que hiciese pensar que nuestro planeta no fuese la creacin
predilecta e irrepetible de Dios era inadmisible para el oficialismo intelectual y religioso de
la Europa de entonces.
La Inquisicin encontr las observaciones de Galileo en contradiccin con las
escrituras. Fue su libro Dilogos concernientes a los dos grandes sistemas del mundo,
publicado en Florencia en 1632, el que le ocasion problemas. Fue condenado a arresto
domiciliario de por vida, por hereja en su villa cerca de Florencia. Pero, a pesar de su
castigo, en 1638 logr publicar en Holanda el libro Discurso sobre dos nuevas ciencias,
en donde abord la resistencia de materiales.
Fueron numerosas las contribuciones cientficas de Galileo, pero su ms grande
contribucin ha sido la divulgacin y la prctica del mtodo cientfico. Enfatiz el valor de
la experimentacin por sobre la razn pura y crea que la naturaleza se escriba en lenguaje
matemtico. Ambas convicciones le condujeron a la elaboracin de teoras que
Dino G. Salinas Avils
27
explicaban la naturaleza, pero que haban sido obtenidas a partir de hechos simples y de
observaciones cuidadosas. Fue esta pulcritud en el ejercicio de su mtodo y la
consecuencia con que lo aplicaba en todos sus trabajos de filosofa natural lo que ha
logrado que se le considere el padre del mtodo cientfico. Sin embargo, no debemos
olvidarnos que otros, incluido Kepler y Coprnico, ya haban sido capaces de aplicar el
mismo mtodo. Pero en el caso de Galileo, estbamos frente a un hombre que no solo
registraba lo que observaba, sino que era capaz de simplificar la realidad realizando
experimentos controlados. Es as como para avanzar en sus estudios del movimiento de la
cada libre, ante la imposibilidad de medir los tiempos y las distancias de movimientos tan
rpidos, realiz experimentos de cada a travs de un plano inclinado. Este plano inclua un
canal recto frotado con cebo, para disminuir el roce, a travs del cual poda desplazarse una
bolita. Obtuvo relaciones matemticas entre la velocidad, el desplazamiento y el tiempo
para toda la trayectoria de un cuerpo que desciende a travs del plano. Suponiendo la
validez de estas relaciones matemticas para cualquier ngulo del plano inclinado, estim
que esto tambin se cumplira para la cada libre del cuerpo. As, determin que la
velocidad (v) de un cuerpo que cae libremente es proporcional al tiempo (t):

gt v =

y que el camino recorrido (x) es proporcional al cuadrado del tiempo:

2
2
1
gt x =

Con esta ltima relacin era posible calcular, en base al camino recorrido y al tiempo
transcurrido, la constante de proporcionalidad g, equivalente a la aceleracin de gravedad.
Fue de este modo y no de otro como logr convencer que era errnea la concepcin
aristotlica que dos cuerpos de distinto peso caeran a distinta velocidad. Haba ido ms
all, proponiendo la solucin correcta al problema de la cada de los cuerpos.
Su contribucin al estudio del movimiento se extendi al movimiento compuesto,
dado por la trayectoria de un proyectil. Despreciando los efectos del roce, estim que un
Dino G. Salinas Avils
28
proyectil tena un movimiento horizontal uniforme independiente de un movimiento
vertical descrito segn las relaciones anteriores. Sentaba las bases de la composicin del
movimiento, pudiendo demostrar que la trayectoria describira una parbola. Pero tambin
debi cuestionarse en qu sistemas seran vlidas sus leyes del movimiento. Fue as como
formul que sus leyes se cumpliran en cualquier sistema que se encontrase en movimiento
a velocidad constante respecto de otro en el que sus leyes del movimiento se cumpliesen.
Esto significa que si, estando en una playa, arrojo una pelota con mi mano, observar la
misma trayectoria de la pelota que si la hubiese arrojado y observado desde un barco que se
aleja a velocidad constante de la playa. A este principio de relatividad del movimiento se le
conoce como principio de relatividad galileana, para diferenciarlo del principio de
relatividad de Einstein.
La matemtica que emple Galileo para sus demostraciones de clculos de
trayectoria se bas en geometra elemental, por lo que cualquier joven que est en sus
ltimos aos de colegio podra comprenderla. Esto es algo que siempre debe ser tomado en
cuenta: Entender el fruto de la actividad cientfica supone mucho menos esfuerzo y
condiciones que haber sido capaces de engendrarlo. Parece muy obvio, pero nos olvidamos
de esto cuando pensamos en relatividad y fsica cuntica, creyendo que aquellos cientficos
han descubierto valles maravillosos que el individuo comn nunca podr visitar. No es as.
De lo que he podido observar, hasta el ms mediocre de los alumnos de un curso de fsica
puede entender los postulados de la cuntica y de la relatividad. Otra cosa habra sido
haberlos formulado por s mismo, pero eso es otro tema que se relaciona con la creatividad.
Pensemos en los cientficos como hacedores de caminos. Es fcil recorrer un camino ya
pavimentado y lleno de seales, aunque sea cuesta arriba. El gran libro de la ciencia est
escrito para ser ledo con agrado por individuos comunes.
Estaba pendiente la gran sntesis del movimiento planetario. Las leyes y principios
de Galileo no lograban explicar las leyes y principios de Kepler. La gran sntesis del
movimiento la realizara Isaac Newton (1642-1727). l tuvo una niez difcil. Tres meses
antes de nacer muere su padre y a los tres aos su madre lo enva a vivir con su abuela. A
los doce aos, para continuar con sus estudios, debi alojar en rgimen de pensin en la
casa de un farmacutico. Un profesor, un libro de ciencia y trucos de magia, la casa del
boticario y su buhardilla llena de otros libros debieron haber ejercido alguna influencia en
Dino G. Salinas Avils
29
su gusto por el saber. En el colegio, el currculum no contemplaba estudios de matemtica
o filosofa natural. El principal objetivo al trmino de los estudios era el conocimiento del
latn, que era el nico medio de acceder a la cultura superior europea.
Posteriormente, cuando Newton ingres al Trinity College de Cambridge, haba
ledo pocos libros; pero cuatro aos despus, el bagaje de sus lecturas era imponente.
Conoci los trabajos ms importantes de Kepler y Galileo y public, en 1687, el libro
Principios matemticos de filosofa natural, donde describe el mtodo cientfico como lo
conocemos hoy, formula la ley de gravitacin universal, las tres leyes del movimiento y
realiza una aplicacin a la prediccin de las rbitas planetarias y las mareas. La gran
sntesis que realiz logr explicar el sistema solar con la precisin de un mecanismo de
relojera. Para ello debi desarrollar el clculo infinitesimal, paralelamente a Leibniz. El
ambiente intelectual en el que se vio inmerso fue muy rico y hubo ideas que fluyeron
naturalmente entre contemporneos o a travs de una secuencia de personajes histricos. A
Newton le correspondi vivir en un entorno mucho menos adverso que Galileo. Galileo
haba sido un gran luchador. Debi luchar contra la iglesia catlica para demostrar que sus
ideas no contradecan las escrituras, debi luchar contra las concepciones aristotlicas,
sobre las cuales se basaba toda la cosmovisin de su poca, y debi luchar en favor de la
hiptesis copernicana. Pero, en los tiempos de Newton, Carlos II haba creado la Royal
Society y haba fomentado el desarrollo de la ciencia como antdoto al fanatismo religioso
que le haba ocasionado problemas personales: el fanatismo protestante le haba hecho
permanecer en el destierro y la intransigencia catlica haba hecho perder el trono a su
hermano. En este contexto, Newton fue aclamado por todo el mundo erudito, aclamado por
monarcas y, al final de sus aos, fue recompensado por su trabajo con un cargo de
gobierno.
Newton formul las tres leyes del movimiento: Su primera ley establece que, al no
ejercerse ninguna fuerza sobre una masa que est en reposo o que se mueve de modo
rectilneo uniforme, esta masa mantendr su estado de movimiento. De su segunda ley se
deduce que, en una partcula en la que la masa no cambia, la fuerza determina los cambios
de la velocidad de modo inversamente proporcional a la misma masa. Su tercera ley del
movimiento estableci que las fuerzas de interaccin mutua de dos cuerpos deban ser
iguales y opuestas entre s. Todo puede aprenderse casi como un rezo y tratar de aplicarse
Dino G. Salinas Avils
30
mecnicamente a los problemas de prediccin de movimientos, pero hay un problema.
Qu es eso que llamamos fuerza? Newton fue capaz de darse cuenta de que las fuerzas
se determinaban por relaciones entre algunas propiedades de la materia. Para el caso de
interacciones que obedecan a las masas, descubri la ley de gravitacin universal. Segn
esta ley, la magnitud de la fuerza de atraccin ejercida por una masa sobre otra sera
directamente proporcional a las masas interactuantes (m y M) e inversamente proporcional
al cuadrado de la distancia entre ellas (R). Esta ley inclua una constante denominada
constante de gravitacin universal (G):
2
R
GmM
F = .

Supuestas las tres leyes del movimiento formuladas por Newton y la ley de
gravitacin universal, ahora era posible deducir las tres leyes de Kepler. Aunque estas tres
leyes eran una aproximacin. La verdad es que, a partir de los hallazgos de Newton sobre
el movimiento, poda demostrarse que uno de los focos de la elipse deba coincidir con la
posicin promedio del sistema de partculas (conocida como el centro de masa). Sin
embargo, dada la enorme masa del Sol respecto de cualquiera de los planetas, el error de
Kepler era despreciable, pudiendo situarse el Sol en dicho foco de la elipse. Al mismo
tiempo, ya era posible determinar la trayectoria de planetas, satlites, cometas y cualquier
masa sometida a atraccin gravitatoria, con una exactitud nunca antes conocida. Tambin
se pudo explicar el fenmeno de las mareas, considerando la atraccin gravitatoria que
ejerca la Luna sobre los ocanos. La aceleracin constante que haba obtenido
experimentalmente Galileo para la cada de los cuerpos, tambin poda ser explicada y
calculada a partir de la ley de gravitacin universal. Se haba escrito la obra cientfica ms
completa y hermosa de todos los tiempos. Era un golpe a la ctedra al dogmatismo y la
ignorancia. Comenzaba una nueva era, en la que la voz de la ciencia sera escuchada con
humildad por los profanos. Sin embargo, tal vez aqu tambin se marcaba el final de una
era en la que otros tipos de conocimientos eran tomados en cuenta y los hombres, los
mismos hombres que haban contribuido a la Gran Sntesis, aspiraban a un conocimiento
integrado, llamndose a s mismos Filsofos Naturales.
Dino G. Salinas Avils
31





































Biblioteca de Newton: Ntese la diversidad de sus intereses y la escasa proporcin de
libros cientficos y matemticos. La produccin de las grandes ideas suele soportarse por
el apetito voraz por materias que, aparentemente, no estn relacionadas y en la capacidad
de integrarlas. Puede observarse que los libros de las especialidades por las que Newton
fue clebre constituyen un porcentaje menor de su biblioteca. (Datos tomados de una tabla
similar en Introduccin a Newton, de Maurizio Mamiani, Alianza Editorial, 1995, pg.
24)
Ttulos %

A. Libros cientficos


1. Alquimia, 138, y qumica, 31 169 9,5
2. Matemticas 126 7
3. Medicina y anatoma 57 3,3
4. Fsica (y ptica 15) 52 3
5. Astronoma 33 1,6
6. Otros (entre los cuales, obras
generales, 28; historia natural 18;
zoologa 7; botnica 6; mineraloga , 3)
101 5,6



B. Libros no cientficos

1.

Teologa (entre los cuales, obras
generales, 205; biblias, testamentos y
estudios bblicos, 99; padres de la
iglesia, 61; historia de la iglesia, 28;
controversias religiosas, 28; ritos y
costumbres hebraicos, 24)

477

27,5
2. Clsicos griegos y latinos 149 8,6
3. Historia, 114 (general, 5; antigua, 19;
moderna, 90), cronologa, 22 y
biografa, 7
143 8,3
4. Obras de consulta y peridicas (de las
cuales, diccionarios, 43; gramticas 11;
peridicas, 18)
90 5,3
5. Viajes, 46; geografa 30 76 4,5
6. Literatura moderna (de los cuales,
inglesa, 40; latina 10)
58 3,3
7. Filosofa (antigua, 9; moderna, 24) y
lgica 6
39 2
8. Derecho, 22; poltica 15 37 2
9. Economa (y valores, 10) 31 1,6
10. Otros (entre los cuales, antigedades,
18; numismtica, 10; medallas, 6)
114 6,5
Dino G. Salinas Avils
32
ANEXO 2.1
Una forma de descubrir la ley de gravitacin universal
Cul podra haber sido el razonamiento de Newton para llegar a descubrir la ley de
gravitacin universal? No debemos olvidar que su logro fue el producto de aos de
maduracin y de tenaz estudio de sus predecesores, con una permanente interaccin con sus
contemporneos. En pocas palabras, debi conjugar una alta capacidad de trabajo junto
con una alta capacidad de integracin del conocimiento generado por otros. A
continuacin, se bosqueja ms o menos una reconstruccin de algunos aspectos bsicos de
su descubrimiento, en base a un desarrollo presentado por Bernard Cohen:

Supongamos un par de masas separadas por una distancia R. Supongamos que la
masa de magnitud m gira con una velocidad v respecto de la masa M, mucho mayor
(considerada en reposo), y cada vuelta completa transcurriendo en un perodo T:









Figura 2.8. Sistema de dos masas con interaccin gravitatoria (Las variables se definen en
el texto).


De este sistema se puede afirmar lo siguiente (se recalca el origen del conocimiento
empleado como una forma de valorar el proceso de integracin):

R
v
a
2
= , aceleracin circular, deducida independientemente por
Huygens y Newton.
R
m
M
F
F`
v
Dino G. Salinas Avils
33
T
R
v
2
= , debido a los griegos.
ma F = , segunda ley de Newton.
K
T
R
=
2
3
, tercera ley de Kepler.

Empleando las afirmaciones anteriores, se obtiene:

( )
.
4
4
1
4
1
4
1
4
/ 2
2
2
2
2
2 2
3
2
2
2
2
2
2
2
2 2
R
Mm
M
K
R
m
K
R T
R
m
R
R
R T
R
m
R T
R
m
R
T R
m
R
v
m F

=
= = = = = = =
.

Hasta aqu, cualquier joven de secundaria podra haber realizado el clculo. El gran
salto inductivo lo constituy la suposicin de Newton que la cantidad M K / 4
2
era una
constante universal, la que se representa por G. Pueden obtenerse distintos valores de K
para distintos sistemas de rbitas en torno a distintas masas M. Por ejemplo: Jpiter y los
satlites que lo orbitan, la Tierra orbitando en torno al Sol y La Luna orbitando en torno a la
Tierra. Newton supuso que en cualquier sistema de este tipo el clculo de M K / 4
2

entregara un mismo valor. Lo hermoso del hallazgo anterior es que la misma ley sirve
para determinar la fuerza de atraccin entre una hormiga y el Sol, o entre un planeta y un
cometa:
2
R
Mm
G F = .

Como una forma de validar esta ley, con su uso se poda explicar las trayectorias de
planetas, satlites y cometas, la variacin de la aceleracin de gravedad terrestre con la
latitud, la forma esferoidal de la Tierra (achatada en los polos y abultada en el ecuador) y
la formacin de las mareas.
Dino G. Salinas Avils
34
3 El conocimiento cientfico


Hay muchas formas de conocer y, a partir de ellas, muchos tipos de conocimiento. As, por
ejemplo, podramos saber todo acerca del fuego y cmo el fuego quema, pero no es lo
mismo a conocer la sensacin de quemarse un dedo. Tambin podramos saber que quema,
no porque lo hemos visto, sino porque otros que merecen nuestra confianza lo han visto y
ms encima nos dicen qu deberamos hacer para observar lo mismo. Finalmente, otros
podran evocar un cmulo de sensaciones cada vez que escuchan la palabra fuego,
sensaciones como las vinculadas a la creacin artstica, en tanto que algunos podrn tener la
ms firme conviccin de que el fuego es una manifestacin divina o del poder de la
naturaleza. Ninguno de estos conocimientos est por sobre el otro y el hombre, como un
animal complejo de realizacin integral, tal vez no debera tomarlos tan a la ligera si quiere
mantenerse saludable. Cada uno de ellos representa una perspectiva de la realidad y con
posibles influencias mutuas, en cuanto a la motivacin, la inspiracin o el ejercicio
creativo.
Una de las formas de conocer que ha permitido el traspaso ordenado de
conocimiento entre generaciones sucesivas y entre contemporneos, que no parece
depender de la persona que lo formula y que involucra una serie de procedimientos, es el
mtodo cientfico. Al permitirnos comprender, manipular y predecir los fenmenos de la
naturaleza, entrega un tipo de conocimiento denominado conocimiento cientfico, cuyo
cuerpo y actividad se identifica con la palabra ciencia. La ciencia se encarga de la
determinacin de leyes universales, integrndolas en sistemas tericos ms amplios,
conocidos como teoras. Es este propsito lo que distingue a un cientfico de un detective o
un mdico, los que tambin se valen del mtodo cientfico para ejercer su profesin.
Algunos consideran a la lgica y a las matemticas como ciencias, a pesar de que no
emplean el mtodo cientfico, el que requiere de la observacin de la naturaleza para la
validacin de sus leyes. Para distinguir estos tipos de ciencia, se habla de ciencias formales
(lgica y matemtica) y ciencias fcticas (dedicada al estudio de los fenmenos naturales).
Tambin es posible distinguir entre ciencias bsicas, que buscan principios universales para
explicar la naturaleza, y ciencias aplicadas, que estudian la naturaleza para apoyar el
Dino G. Salinas Avils
35
desarrollo tecnolgico. A pesar de esto ltimo, toda la ciencia se plantea como
posibilidades de beneficios prcticos. Estas posibilidades dependen del buen uso que se
haga del conocimiento cientfico, el que de otra forma podra llevarnos a la destruccin. En
adelante, en este captulo, por ciencia me referir a las ciencias fcticas, sean bsicas o
aplicadas. Pero en el contexto general del libro, considero a la matemtica como una
ciencia bsica.
Las verdades sobre las que se erige la ciencia son las que emanan de la observacin,
pero no de aquella observacin irreproducible, sino de aquella que puede informarse junto
con la receta de cmo poder observar lo mismo en circunstancias iguales. Por lo mismo,
ver un platillo volador no es una informacin que pueda ser parte del conocimiento
cientfico, a menos que se pueda comunicar que, habindolo visto un determinado nmero
de veces, se ha estimado la probabilidad de que cualquier persona lo pueda observar
nuevamente en determinadas circunstancias, obteniendo conclusiones similares. Que el
resultado de la observacin no pueda plantearse en esos trminos, no quiere decir que el
hecho sea falso, del mismo modo que no es una observacin cientfica y tampoco es falso
que una vez vi a un perro que rea (lo cierto es que poda estar fingiendo), pero ya no s
dnde encontrar al perro y nunca ms he vuelto a ver uno as.
Una vez que se han realizado las observaciones suficientes, debe formularse una
proposicin a partir de la cual puedan explicarse todas las observaciones. A esta
proposicin se le denomina hiptesis. Este modelo debe incluir solamente aquellos
elementos que sean necesarios para explicar el conjunto de observaciones que lo engendr.
Posteriormente, a partir de la misma hiptesis, se deducen una serie de hechos cuyo
cumplimiento contribuir a validar la hiptesis. A la verificacin del cumplimiento de los
hechos predichos por la hiptesis se le denomina contrastacin emprica. Los trminos
hechos o fenmenos se pueden usar indistintamente.
Los siguientes son los actos que conforman el mtodo cientfico:
- Observar un conjunto de hechos.
- Formular una hiptesis para explicar los hechos observados.
- Contrastar la hiptesis, verificando los hechos que se deduzcan lgicamente de
ella.

Dino G. Salinas Avils
36
En esta secuencia puede apreciarse que la hiptesis permite el conocimiento de un
conjunto ms grande de hechos que los que la generaron. En pocas palabras, una hiptesis
es una explicacin, la misma explicacin para un conjunto de hechos antes aparentemente
no relacionados. Como consecuencia natural de una explicacin de ese tipo, cabe esperar
que posea carcter predictivo respecto de hechos no observados hasta el momento.
Los razonamientos inductivos son razonamientos probabilsticos y los
razonamientos deductivos son razonamientos ciertos. En general, los razonamientos
inductivos ocurren desde proposiciones particulares a proposiciones generales y lo
contrario ocurre con el razonamiento deductivo. El siguiente es un razonamiento inductivo:
En perodos de examen, los alumnos se enferman ms frecuentemente. Por lo tanto, es
probable que el estrs debilite el sistema inmune. El siguiente es un razonamiento
deductivo: Si se duplica el tiempo de una cada desde el reposo, se cuadruplica la distancia
recorrida. Por lo tanto, los cuerpos no caen a velocidad constante. El mtodo cientfico es
deductivo e inductivo a la vez. Es inductivo porque establece una verdad probable, la
hiptesis, a partir de un conjunto de hechos. Es deductivo porque predice lgicamente, y
con absoluta certeza, un conjunto de hechos, suponiendo el cumplimiento de la hiptesis.
El carcter deductivo de un razonamiento no se merma por que sus conclusiones
sean probables. Sera un razonamiento inductivo slo si el razonamiento fuese probable.
Por ejemplo: Todas las caras de un dado poseen igual probabilidad de salir despus de un
lanzamiento. Por lo tanto, lo ms probable es que despus de muchos lanzamientos se
obtengan tantos nmeros pares como impares. El por lo tanto es absolutamente cierto y
no probable. Aunque la conclusin determina hechos probables, el razonamiento es
deductivo. Esto es lo mismo que ocurre en la mecnica cuntica, en la mecnica estadstica
o en las leyes de la gentica de poblaciones, donde, a partir de los principios, se pueden
deducir (con certeza) hechos probables.
Para entender el progreso de la ciencia, debemos entender que la secuencia de pasos
que definen el mtodo cientfico no siempre se sigue estrictamente en el mismo orden
cuando se ejerce la actividad cientfica. Una cosa es cmo se comunica el conocimiento
cientfico en los textos y otra es cmo se obtiene realmente. En la formulacin de un
proyecto de investigacin cientfica, para lograr su financiamiento, se propone la bsqueda
de hechos que refuercen la hiptesis, habindola concebido previamente a partir de hechos
Dino G. Salinas Avils
37
menores que se consideran como resultados de observaciones preliminares. En el
transcurso de la investigacin, la hiptesis puede modificarse muchas veces y para ello se
deben refinar, extender y modificar las observaciones que la sustentan. A fin de cuentas, lo
que importa es que los conocimientos finales se puedan presentar en la secuencia ordenada
del mtodo cientfico que ya todos conocemos, tal como aparecera en un texto. No tener
en cuenta esa diferencia entre el ejercicio real y la cuenta final del mtodo cientfico que se
presenta en los textos alejar a los estudiantes del quehacer cientfico y de la comprensin
del cientfico como un humano corriente y falible. Parte importante del fruto del trabajo
cientfico se obtiene empleando el mtodo de ensayo y error, adems del esfuerzo
metdico.
Otro error es creer que la induccin y la deduccin del mtodo se ejercen sobre
dominios disjuntos. Si el acto de formular una hiptesis, basado en la observacin, es
considerado inductivo, no hemos de olvidar que, en los principios de la medicin que
permiten tal observacin, est implcito el acto deductivo. As, por ejemplo, creemos en la
medicin de una balanza porque aceptamos toda la teora incluida en su diseo, sa que nos
permite relacionar los gramos reales del objeto que se masa con el voltaje que determina un
nmero en el visor del equipo, el que interpretaremos como el resultado de la medicin.
La pretensin cientfica en la formulacin de una hiptesis equivale al problema de
hallar una regla interna a partir de una porcin de la naturaleza y que esta regla rija sobre la
naturaleza completa, abarcando situaciones hasta entonces desconocidas. Pero esta ltima
parte de la pretensin slo se determinar por la historia de la ciencia. Para algunos, de
alguna forma esto ha llegado a ser una parte fundamental en la definicin del mtodo
cientfico. Sin embargo, yo discrepo con la obligatoriedad de que una hiptesis prediga
hechos nunca antes registrados, o fenmenos nuevos, para ser aceptada como parte de una
argumentacin cientfica, aunque concuerdo con que toda hiptesis, para ser aceptada,
debera contar con la posibilidad de la contrastacin emprica. Creo que lo relevante es la
contrastacin emprica en s misma, aun cuando se empleen los mismos hechos que
ocasionaron el salto inductivo de la formulacin de la hiptesis. Lo importante es la
compatibilidad entre la hiptesis y los hechos, cualesquiera que stos sean: conocidos con
anterioridad o no. Pensemos en nuestro sistema solar, con sus nueve planetas orbitando en
torno al Sol. Imaginemos que es lo nico que se conoce y que un sujeto, estudiando las
Dino G. Salinas Avils
38
rbitas, tal como lo hizo Kepler con Marte, pero esta vez con los nueve planetas, obtiene las
mismas tres leyes de Kepler. sas seran su hiptesis. Al mismo tiempo y en otro lugar,
otro sujeto, que conoce slo los datos de las rbitas de los primeros cinco planetas del
sistema solar, descubre las mismas tres leyes y, con el tiempo, llega a conocer las rbitas de
los cuatro planetas restantes. Aplica sus tres leyes a las cuatro nuevas rbitas y verifica que
stas tambin se cumplen. Qu es lo que tenemos, entonces? Dos sujetos han formulado,
independientemente, la misma hiptesis, verificando su cumplimiento en los nueve planetas
del sistema solar. Sin embargo, slo el segundo sujeto pudo predecir hechos nuevos con su
hiptesis. A mi parecer el conocimiento cientfico que brota de la actividad de ambos
debera ser el mismo. En la prctica, nadie se preocupa de contrastar las hiptesis
prediciendo hechos nuevos, sino que, simplemente, se emplean la mayor cantidad de
hechos en la contrastacin de las hiptesis. La prediccin de hechos nuevos parece ms
pirotecnia que otra cosa. Impresiona; nada ms que eso. Esto es lo que me ha llamado la
atencin: si es parte de la demostracin del mtodo cientfico el carcter de las hiptesis de
predecir hechos nuevos, se podra llegar al absurdo de ignorar algunos hechos en ciencia
para aparentar una hiptesis ms cientfica, guardando los hechos ignorados para contrastar
la hiptesis.


LA ELECCIN DE LA MEJOR HIPTESIS
Supongamos como un hecho experimental el hecho de que el aj pica. Una hiptesis para
explicar el fenmeno es: El aj est formado por partculas que poseen puntas. Una vez en
la lengua, estas puntas se clavan y producen la sensacin picante. A esta hiptesis la
llamaremos la hiptesis de las puntas. Otra hiptesis para explicar el mismo fenmeno es:
Existen en el aj compuestos qumicos que producen la sensacin picante al actuar
directamente sobre los receptores del dolor que hay en la boca. A esta hiptesis la
llamaremos hiptesis de los capsaicinoides, que es el nombre con el que llamaremos a este
tipo de compuestos. Este dilema es clsico en ciencia: dos hiptesis con igual poder
explicativo. Cul elegir? Ante la posibilidad de que nuestra imaginacin nos brinde ms
de una hiptesis, las caractersticas exigidas deben ser la economa del pensamiento y la
armona intelectual que engendre, lo que se traducir en capacidades de retencin y de uso
Dino G. Salinas Avils
39
del mismo modelo. Tal vez a algunos no les agrade incluir aqu estas caractersticas tan
subjetivas, pero aceptemos desde ahora que no existe una objetividad absoluta en el
conocimiento cientfico. En lo que a m respecta, la hiptesis de las puntas es ms simple
que la otra, pues la hiptesis de los capsaicinoides supone un marco conceptual
preestablecido (compuestos, interaccin, receptores). Pero he aqu cuando la simplicidad se
torna insuficiente, pues cuando contrastamos la hiptesis que se consideraba ms simple,
sta no resiste los hechos, debiendo, necesariamente, complicarse ms. Supongamos el
siguiente experimento diseado para contrastar ambas hiptesis: tomamos un poco de ese
aj, que supondremos en polvo, y lo golpearemos con un martillo sobre un yunque.
Despus de eso probaremos su capacidad de producir sensacin picante. Si contina
picando como antes, diremos que se invalida la hiptesis de las puntas y que se valida la
hiptesis de los capsaicinoides. Esto porque esperaramos que las puntas se rompan con los
martillazos. Tal vez las puntas son ms firmes que el hierro del martillo y el yunque, pero
esta suposicin determina un grado de complejidad adicional a nuestra hiptesis de las
puntas original. Si probsemos martillos y yunques hechos de diamante y aplicramos todo
el tiempo necesario para moler las puntas, obteniendo los mismos resultados, deberamos
creer que, necesariamente, para continuar siendo vlida la hiptesis de las puntas, stas
deberan ser muy especiales, tan especiales como ms compleja se torna ahora nuestra
hiptesis.


LA SIMPLICIDAD EN CIENCIA
Como vemos, en el ejemplo anterior, antes del experimento de contrastacin y despus del
mismo, la idea de simplicidad fue primordial. La necesidad de definir el concepto de
simplicidad se debe a que no siempre la comunidad de cientficos puede estar de acuerdo en
cul hiptesis es ms sencilla, suponiendo que hay ms de una y que todas ellas son
equivalentes en su poder explicativo. Muchas veces esto puede tener consecuencias
prcticas, dado lo limitado de los recursos destinados a la contrastacin de la hiptesis. No
se trata de que una hiptesis sea ms simple a un grupo de cientficos porque posean ms
experiencia en la materia o porque cuenten con los recursos experimentales ms
apropiados. Como afirmara el matemtico y ensayista Martin Gardner, para que la cuestin
Dino G. Salinas Avils
40
de la definicin de simplicidad tenga sentido, debemos suponer que a igualdad de
condiciones una de ellas es ms simple.
Suponga que un bilogo est realizando una serie de mediciones, las que grafica de
la siguiente forma:









Figura 3.1


Suponiendo que se trata de hallar la funcin ms simple que se ajuste a los datos, podra
enfrentarse a la siguiente disyuntiva: Trazar una curva suave que conecte todos los puntos,
tal como en la siguiente figura:











Figura 3.2
Dino G. Salinas Avils
41

o trazar una lnea recta que pase entre los puntos, suponiendo que las desviaciones de los
puntos obedecen al error de las mediciones:











Figura 3.3

Aqu nos parece claro que la funcin lineal es ms simple que la otra. El problema
es que no siempre resulta claro cul es la solucin ms simple. De ah la necesidad de
cuantificar la simplicidad de una hiptesis. Lo que no se ha logrado debido a que es posible
que dependa de mltiples factores que no se puedan resumir en un slo nmero que indique
la cantidad de simplicidad.
Si pretendemos que una ecuacin sea ms simple que otra porque posee menos
trminos, eso ser engaoso porque hay ecuaciones que poseen muy pocos trminos y, sin
embargo, cada uno de ellos involucra conceptos predefinidos que pueden ser muy
complejos. Un ejemplo es la famosa ecuacin de Einstein,
2
mc E = , de aspecto
engaosamente simple.
Tampoco es apropiado el pretender hacer mnimo el grado de los trminos de una
ecuacin. La ecuacin x y 2 = es una lnea recta en coordenadas cartesianas, pero es una
espiral en coordenadas polares. Adems, podemos afirmar que la ecuacin
2
x y = es ms
sencilla que la ecuacin z y x y 45 7 5 + = ?
Dino G. Salinas Avils
42
La nocin de simplicidad es vaga incluso cuando se trata de figuras geomtricas.
Segn una historieta que recordara el mismo Gardner: suponga que un caverncola inventa
una rueda cuadrada. Como la rueda da un salto cada vez que pivota sobre uno de sus
vrtices el paleoingeniero se da cuenta de que tiene demasiadas esquinas y se propone
disear una rueda ms sencilla. Esta vez triangular. El inventor est ms lejos de inventar
una rueda ms simple y efectiva, la circular, sin vrtices. Pero la misma rueda circular
puede considerarse como la rueda ms compleja, puesto que es la figura lmite resultante de
un polgono con un nmero infinito de lados. Un tringulo equiltero es ms simple que un
cuadrado porque posee un nmero menor de lados, pero, a su vez, un cuadrado es ms
simple que un tringulo si lo que se quiere es realizar un clculo de su rea.
Paradjicamente, una de las tareas ms complejas es la definicin del concepto de
simplicidad. Pero la razn por la que se ha determinado como propsito de la ciencia el
buscar las explicaciones ms sencillas a hechos complejos es doble:
La naturaleza parece demostrar que se manifiesta a travs de las leyes ms simples.
Es increble la cantidad de leyes que se pueden formular empleando una funcin lineal, una
parbola o una exponencial. Pero no nos engaemos, porque esto sera como creer que
Rodolfo Valentino eran en blanco y negro porque as apareca en las pelculas, siendo que
no debemos olvidar que se filmaba con los recursos disponibles. Es posible que se hayan
acumulado los modelos simples porque son sos los que hemos preferido estudiar,
conscientes de nuestras limitaciones. Eso es lo que parece demostrarnos el descubrimiento
de la ubicuidad de caos y la arquitectura bsica de algunos sistemas complejos, comenzados
a estudiar en el siglo veinte. Paradjicamente, las teoras del caos y de los sistemas
complejos se han formulado manteniendo la fidelidad al ideal cientfico de la simplicidad.
Como recompensa por esta devocin por la simplicidad, muchos creen que si el modelo
que se elige es el ms simple, habr ms probabilidad de que se cumpla. Todo se resumira
en una frase de Einstein: Dios no hubiera dejado escapar una oportunidad as de hacer tan
sencilla la naturaleza.
Por otro lado, como lo ha dicho Nelson Goodman: Cuando se desea ir de un sitio a
otro y hay varias rutas posibles y con iguales probabilidades de ser transitables, nadie te
pregunta por qu has tomado la ms corta. En otras palabras, frente a dos teoras
equivalentes, el cientfico pondr a prueba la ms sencilla de contrastar. Este es un enfoque
Dino G. Salinas Avils
43
pragmtico, pero no escapa a la necesidad de definir el concepto de simplicidad, cuando,
efectivamente, salvo en eso, dos teoras son absolutamente equivalentes.

El balance entre la simplicidad de las partes y la simplicidad del todo
En ciencia, buscar la simplicidad pero desconfiar de ella. Esa sera la mxima, segn
North Whitehead. Por muchos aos, Kepler defendi la circularidad de las rbitas
planetarias. Pensaba que la circunferencia era la curva cerrada ms sencilla y que, por lo
tanto, debera ser la elegida por la naturaleza. Con el tiempo no tuvo ms alternativa que
admitir que las rbitas eran elpticas, pero escribi que las elipses eran estircol que se
vio obligado a introducir para liberar a la astronoma de cantidades de estircol mucho
mayores. Lo que significaba que, sacrificando la simplicidad en cierto nivel de una teora,
se poda lograr mayor simplicidad en el conjunto. El avance de la ciencia consiste en
aumentar la complejidad de las teoras en favor de una visin ms integrada de la
naturaleza, construyendo leyes que abarquen ms casos y situaciones. Tal como Newton
determin que la aceleracin de gravedad de Galileo poda variar con el cuadrado de la
distancia entre el objeto y el centro de la Tierra. Posteriormente se debi incluir las
correcciones relativistas de Einstein. Del mismo modo, la complejidad introducida por los
postulados de la mecnica cuntica fue en beneficio de la unificacin de los conceptos de
onda y partcula, salvando paradojas hasta entonces inexplicables por las teoras clsicas de
la mecnica, incluida la relativista.


EL EMPLEO DE MODELOS EN CIENCIA
El empleo de modelos en ciencia se debe a un intento de concrecin del ideal de
simplicidad. Si bien hemos visto que no es sencillo proporcionar una definicin de
simplicidad para discriminar objetivamente cul de dos hiptesis es ms sencilla, s
podemos estar de acuerdo en que muchas veces, a menor informacin necesaria para la
descripcin de la hiptesis, mayor simplicidad de la misma.
En eso consisten los modelos, en representaciones de la realidad con la informacin
necesaria para crear un escenario en donde sea posible la formulacin de la hiptesis y su
contrastacin emprica. Muchas veces el modelo puede ser una simulacin computacional
Dino G. Salinas Avils
44
o una estructura matemtica. Como veremos, los modelos, con su simplicidad y su
abstraccin, son potentes herramientas de integracin de las ciencias, porque problemas de
naturaleza muy diversa pueden admitir un mismo modelo para su resolucin.
Me referir a un chiste recordado por Lawrence M. Krauss para graficar la
exagerada abstraccin de la realidad a la que puede llegar un modelo:

En una granja ha disminuido la produccin de leche, por lo que consultaron a un
fsico, a un ingeniero y a un psiclogo.
Cuando consultaron al ingeniero, ste opin: Se debe disminuir el tamao de los
establos para apiar ms al ganado, de modo que cada vaca cuente con 8,5 metros
cuadrados. Tambin se debera aumentar en 4 por ciento el dimetro de las mangueras
ordeadoras, para mejorar el flujo promedio de leche.
El psiclogo inform lo siguiente: Debera pintarse el interior de los establos de
color verde: Es un color ms suave que el marrn, mejorara el nimo de las vacas e
inducira un mayor flujo de leche. Tambin deberan plantarse ms rboles en los sitios en
donde pastan, con el fin de disminuir su aburrimiento.
Cuando llamaron al fsico, ste pidi una pizarra, dibuj un crculo en ella y
comenz diciendo: Supongamos que la vaca es una esfera

Hasta aqu el chiste (hay que decirlo). En eso consiste la abstraccin; en este caso
llevada hasta el extremo del ridculo, pero veremos que el modelo del fsico no era tan
malo.
Imaginemos una vaca esfrica que aumenta su radio al doble. Qu podemos decir
en cunto a su superficie y a su masa? Considerando que la frmula para la superficie es
proporcional al cuadrado del radio y que la frmula para el volumen es proporcional al
cubo del radio, cada vez que el radio se duplica la superficie aumenta en un factor de 4 y el
volumen aumenta en un factor de 8. Si suponemos que estas vacas, adems de esfricas,
estn hechas de un material homogneo, aumentar su volumen implica aumentar su masa
en la misma proporcin, por lo que cada vez que el radio se duplica podemos concluir que
la razn Masa:Superficie (8:4) aumenta al doble de lo que era antes. Como vern, no hay
piel que aguante un crecimiento indiscriminado, as es que el fsico demuestra que el
Dino G. Salinas Avils
45
crecimiento indiscriminado debe descartarse como solucin del problema para aumentar la
produccin de leche. Lo que hay que reconocer en este anlisis es lo innecesario de que las
vacas sean esfricas, y el fsico podra estar de acuerdo, puesto que, cada vez que se
aumenta al doble el tamao de cualquier objeto, su superficie aumenta 4 veces y su
volumen aumenta 8 veces, lo que puede verificarse si se realizan las mediciones
cuidadosamente. Pero sin la simplicidad del modelo propuesto la conclusin no hubiese
sido tan directa. Anlisis de este tipo, cuando se han incluido otros factores dependientes
de la escala, han explicado por qu no existen hormigas de nuestro tamao, por qu los
elefantes necesitan tener el cuello tan ancho y por qu los grandes dinosaurios deban tener
la cabeza pequea.
Los modelos representan la realidad en base a una simplificacin necesaria de la
misma. Dicho de otra forma, a travs de la abstraccin de detalles irrelevantes. Aqu hay
dos palabras claves, como lo hiciera notar Lawrence M. Krauss: abstraccin e irrelevantes.
Esto quiere decir que slo se toman de la realidad aquellos elementos que permiten una
mejor comprensin del fenmeno o un tratamiento terico o experimental eficaz. Muchas
veces, esta simplificacin de la realidad supone la idealizacin de la misma. Todos
sabemos que la Tierra es casi esfrica, pero para calcular su volumen rpidamente nos
remontamos a un modelo ms elemental que prescinde del casi. En otro caso, la
simplificacin obedece a que facilita la observacin y sus resultados a travs de la
realizacin de experimentos. Un experimento no es ms que una observacin que supone
el control de la realidad, imponiendo la simplicidad al sistema que se pretende estudiar.
Galileo fue uno de los primeros en simplificar la realidad a travs del empleo de modelos y
la realizacin de experimentos. Es ste el mrito que se le atribuye en la consolidacin del
mtodo cientfico. Galileo mostr cmo debe hacerse para extraer de la naturaleza las leyes
fundamentales sin distraerse por los detalles irrelevantes que son ms evidentes que la
misma ley. As, la esencia del movimiento poda llegar a entenderse slo si se ignoraban
las circunstancias particulares en que se encontraban los objetos en movimiento: Habis
observado que dos cuerpos que caen en el agua, uno con una velocidad cien veces mayor
que la del otro, caern por el aire a velocidades tan semejantes que uno no sobrepasar al
otro ni por una centsima de parte? As, por ejemplo, un huevo de mrmol descender en
el agua cien veces ms rpido que un huevo de gallina, mientras que en el aire, cayendo
Dino G. Salinas Avils
46
desde una altura de 20 codos, uno caer antes que el otro pero a una distancia menor que el
ancho de cuatro dedos. Su conviccin era que, eliminando el efecto del medio, todos los
objetos caeran de la misma manera. En contraposicin a quienes se dejaban engaar por
los detalles irrelevantes, escriba: Confo en que no seguiris el ejemplo de muchos otros
que desvan la discusin de su objeto principal y se aferran a algunas de mis afirmaciones
que se aleja de la verdad por el ancho de un cabello y, tras de este cabello, esconden una
falta tan gruesa como el cable de un navo.
Como le era difcil estudiar la cada libre, por ser un movimiento tan rpido, estudi
la cada libre no tan libre en un plano inclinado. Mientras menos inclinado estaba el
plano, menos se aceleraba el cuerpo en movimiento. Esto le permiti demostrar, en
movimientos de cada ms lentos, que el desplazamiento era proporcional al cuadrado del
tiempo, con la constante de proporcionalidad igual a la mitad de la aceleracin. Para ello,
debi suponer que la aceleracin era constante; es decir: en la cada, haba aumentos
iguales de velocidad en tiempos iguales. Supuso que esta ley para la cada en un plano
inclinado tambin deba cumplirse en la cada libre vertical, aunque con otro valor de
aceleracin mayor, que poda calcularse nuevamente de la proporcionalidad entre el
cuadrado del tiempo y el desplazamiento. Su modelo posea dos rasgos: era terico,
porque se haba olvidado del roce y de los detalles irrelevantes del objeto que caa, como su
forma, y era experimental, porque haba manipulado la realidad para simplificarla
acondicionando todo de un modo conveniente que dejara entrever la ley natural ms
fcilmente (Se dio cuenta de que para descubrir la ley del movimiento de cada no era
necesario que los cuerpos cayeran verticalmente, sino que podan hacerlo en planos
inclinados).
Muchas veces esta manipulacin de la realidad supone que se mantengan constantes
a un grupo de variables del sistema, para observar los efectos en el mismo de la variacin
de otra. En biologa es comn la realizacin de experimentos donde se mantiene constante
la temperatura y la presin atmosfrica, para estudiar el efecto de una sustancia en el
metabolismo celular. En general, hasta antes de Galileo, la realidad era un monstruo que
haba que tragarse crudo, con toda su piel y sus uas. Galileo la degustaba en pequeos
bocados, los que a veces haba que depurar. Sin embargo, no pretendo erigir una imagen de
Galileo como el padre del mtodo cientfico. No podra asegurarlo. Kepler, por ejemplo,
Dino G. Salinas Avils
47
tambin aplic el mtodo cientfico, en base a la observacin de los astros, aunque sin la
realizacin de experimentos, y tal vez sin la contrastacin suficiente de sus hiptesis. Pero,
en el mtodo cientfico, la experimentacin es slo una de la formas de observar.
La biologa aparenta situaciones en las que no pareciera que se trabaja en base a
modelos, sino, ms bien, con la realidad completa, tal como es. Un microbilogo que
describe cmo una colonia de bacterias muere debido a la accin de un antibitico aparenta
abarcar toda la realidad. Sin embargo, no debemos olvidarnos que cada concepto del que
somos conscientes margina los conceptos del entorno por el slo hecho de no ser capaces
nosotros de asimilar la realidad completa. Ms an, el slo concepto de vida es
controversial, as como el concepto de especie, por lo difciles de definir. Por lo tanto, el
microbilogo no abarca toda la diversidad ni la continuidad de la naturaleza cada vez que
piensa en sus microbios. Al mismo tiempo, ignora lo que l cree que no es relevante, como
el tamao de los microbios o el agujero de la capa de ozono. Quermoslo o no, estamos
condenados a observar la naturaleza a travs de la construccin de modelos y la biologa no
es la excepcin. El reconocimiento del uso de modelos en biologa es menos cuestionable
en casos en los que hay que interpretar registros precisos que delatan el sometimiento de los
sistemas vivos a las mismas leyes qumicas y fsicas que se aplican a la materia inerte, tal
como el caso de la propagacin del impulso nervioso en una prolongacin neuronal.
Si no se posee un modelo capaz de interpretar correctamente los resultados de un
experimento, el conocimiento de tales resultados resulta vano a la ciencia. Esto hace que
muchas veces el cientfico proceda al revs: un modelo terico muy elemental,
ultrasimplificado de la realidad, augura esperanzas de que los resultados de los
experimentos puedan ser correctamente interpretados. Sobre esto, como dijo Lawrence M.
Krauss, algunos fsicos plantean lo siguiente: Si usted camina por la noche en una calle mal
iluminada, con apenas un farol, y se percata de que ha perdido las llaves de su automvil,
Dnde busca primero? Por supuesto que debajo del farol. No porque necesariamente crea
que fue ms probable perderlas ah, sino que es el nico lugar en donde podra encontrarlas.
As tambin, gran parte de la ciencia funciona buscando all donde hay luz. A veces el
crculo de luz es pequeo, ofrecindonos una visin parcial de la realidad, pero potente
como para interpretar con lucidez lo que hay en su interior.

Dino G. Salinas Avils
48
LAS HIPTESIS O CUANDO LO SUFICIENTE NO ES NECESARIO
Considere la siguiente frase: Si llueve, entonces, los techos se mojan. Note que hay dos
proposiciones: llueve y los techos se mojan, conectadas por una relacin de
implicancia: si, entonces. Podemos reconocer que la proposicin completa, Si
llueve, entonces, los techos se mojan, equivale a decir que es suficiente que llueva para
que el techo est mojado, pero no permite afirmar que es necesario que llueva para que el
techo est mojado, puesto que el techo puede haberse mojado por otros motivos, como si
se hubiese mojado con la manguera de un jardn. Un ejemplo ms puro, si se quiere, puede
ser uno de tipo matemtico: Si este objeto es una esfera, entonces este objeto no tiene
puntas. Esto es lo mismo que decir: Que este objeto sea una esfera es suficiente para que
no tenga puntas, pero nada se ha dicho de que sea o no necesario ser un objeto esfrico
para no tener puntas (de hecho, conocemos objetos sin puntas que no son esferas).
Adems de las proposiciones que la componen, la implicancia misma es una
proposicin que puede tambin ser verdadera o falsa, dependiendo de los valores de verdad
de cada una de las proposiciones que relaciona. Todo puede representarse ms
formalmente a travs de la lgica simblica:
Sean p y q dos proposiciones, con el signo representando una relacin de implicancia:
decir que p implica q (p q) es concordante con la siguiente tabla de verdad:

p q p q
V V V
V F F
F V V
F F V

La primera fila de la tabla indica tres proposiciones, cada una encabezando una
columna. Las celdas de cada fila posterior indican el valor de verdad de la proposicin que
encabeza la columna a la que pertenece la celda. Este valor de verdad se indica con V
(verdadero) o F (falso). Cada fila posterior a la primera representa un caso de eleccin de
valores de verdad coherentes con la relacin de implicancia: Las dos primeras columnas
consideran todas las posibles combinaciones entre los valores de verdad de las
Dino G. Salinas Avils
49
proposiciones p y q, en tanto que la tercera columna representa los nicos valores de verdad
posibles para la proposicin p q, considerando los dems valores de verdad en la fila
correspondiente.
Como se ve, si afirmamos que p es suficiente para que ocurra q significa que:
- Cada vez que ocurra p (V) deber ocurrir q (V) (segunda fila de la tabla). En
caso que, ocurriendo p (V), no ocurre q (F), diremos que la relacin de implicancia
es falsa (tercera fila de la tabla); pues eso es incompatible con que p es suficiente
para que ocurra q.
- Cada vez que no ocurra p (F), puede ocurrir o no ocurrir q (V o F) (cuarta y
quinta filas de la tabla); pues no hemos afirmado que p sea necesario para que
ocurra q.

As, la relacin de implicancia puede reemplazarse equivalentemente por la tabla de
verdad anterior.
Veamos cmo resulta la aplicacin de la tabla de verdad sobre nuestros ejemplos
iniciales: para ser breves, digamos que si las relaciones de implicancia de los ejemplos son
verdaderas, entonces es falso que este objeto es una esfera y tiene puntas, as como
tambin es falso que llovi y el techo est seco. En ambos casos, p es falsa y q es
verdadera, por lo tanto la proposicin p implica que q es falsa.
Los matemticos llaman a la proposicin p una hiptesis. La que tiene el mismo
significado que la hiptesis del mtodo cientfico. Las hiptesis cientficas no son sino
proposiciones suficientes (nadie asegura que sean necesarias, y, por lo tanto, no excluyen a
otras hiptesis tambin suficientes). Las hiptesis se van excluyendo mutuamente en la
medida en que el universo de fenmenos estudiados va aumentando y algunos de los
hechos experimentales no son concordantes con algunas hiptesis. A las hiptesis que
sobreviven es a lo que llamamos una verdad cientfica. Como result en el ejemplo acerca
de por qu el aj pica.




Dino G. Salinas Avils
50











Figura 3.4. En ciencia, un conjunto de hechos determina un conjunto de hiptesis
compatibles con los hechos a travs de un razonamiento de tipo inductivo, el que bien
podra determinar ms de una hiptesis. En cambio, el razonamiento deductivo permite
deducir los hechos a partir de la hiptesis.


Suponga que un cientfico observa a un grupo de animales de la misma especie
nadando y comunica sus resultados muy brevemente a otros dos cientficos diciendo
solamente: He registrado los siguientes hechos sobre los animales vistos:
- poseen pico como el del pato; poseen pata con membrana natatoria; y se
reproducen por huevos.
La hiptesis de uno de los cientficos que lo escucha, acerca de cul es la especie
observada, ser: se trata de patos. Sin embargo, otro cientfico formular la siguiente
hiptesis: se trata de ornitorrincos (Un mamfero monotrema australiano cuyas
caractersticas calzan perfectamente con los hechos). Un hecho adicional, como que los
animales posean plumas, podra servir para descartar esta ltima hiptesis, pero, en
ausencia de ms informacin, y en trminos cientficos, ambas hiptesis son satisfactorias.
Cuando se contrasta una hiptesis experimentalmente, el cientfico verificar la
validez de sus razonamientos, hasta el punto de asegurar la validez de la relacin de
implicancia entre la hiptesis y el fenmeno. Por lo tanto, puesto que la fila eliminada
corresponde a un razonamiento falso, l solamente tendr presente las siguientes filas de la
tabla de verdad anterior:
HIPTESIS 1
HIPTESIS 2
HIPTESIS 3
HECHO 4
HECHO 1
HECHO 3 HECHO 2
Dino G. Salinas Avils
51

p q p q
V V V
F V V
F F V

Es decir, tratar de probar que el fenmeno q es verdadero. Dicho fenmeno es necesario,
pero nada se ha dicho respecto de que sea suficiente para que la hiptesis sea verdadera.
Por lo que, si el fenmeno es verdadero, al cientfico no le quedar sino aceptar que su
hiptesis puede ser o no verdadera (segunda y tercera filas de la tabla), comunicando a la
comunidad cientfica que es probable que la hiptesis sea verdadera (razonamiento
inductivo). Si el fenmeno q es falso, dado que el razonamiento de implicancia es
verdadero, se descarta absolutamente la hiptesis que lo implicaba (ltima fila de la tabla
anterior).
Si quiere sorprender a sus amigos con razonamientos rpidos, considere el siguiente
resumen de lo que hemos dicho anteriormente: Dado que p implica q (p q), entonces no
q (
_
q ) implica no p (
_
p ) (
_ _
p q ). As, en forma automtica, podemos decir que si,
cada vez que llueve, los techos se mojan quiere decir que si los techos estn secos,
entonces no ha llovido. As como: si, cada vez que un objeto es esfrico, no tiene
puntas quiere decir que si un objeto tiene puntas, entonces no es esfrico. Puedo
advertir que derivar estas implicancias puede llegar a convertirse en un verdadero vicio,
aunque ayuda a ganar rpidamente algunas discusiones. Otra enseanza para la vida
misma, derivada del anlisis anterior, es que cuando se discute acerca de un fenmeno o
hecho determinado, de nada sirve discutir sobre la lgica si las diferencias estn en el valor
de verdad que cada interlocutor asigna a una hiptesis. Reconocer que las diferentes
opiniones acerca de la validez de un hecho se deben a diferencias que se remontan a los
principios puede evitar muchas discusiones intiles.
Confundir la constatacin de la coherencia entre los hechos y la hiptesis con el
establecimiento de una verdad absoluta e infalible acerca de la realidad, ms all de la
simple formulacin de un modelo probable, es un error no poco comn en el que incurri
hasta el mismo Galileo. Sostuvo con vehemencia que la Tierra, junto a los dems planetas,
Dino G. Salinas Avils
52
orbitaba en torno al Sol, por el hecho de que Venus tena fases. Sin embargo, tambin el
hecho de las fases de Venus compatibilizaba con el sistema que Tycho Brahe haba
propuesto, en el que los cinco planetas conocidos, excluyendo la Tierra, orbitaban el Sol, en
tanto que el Sol y la Luna orbitaban la Tierra fija.

El esquema deductivo vlido habra sido:
A. Si el sistema planetario es heliocntrico, Venus muestra fases.
B. El sistema planetario es heliocntrico.
C. Por lo tanto, Venus muestra fases.

Pero Galileo cambi la segunda premisa y la conclusin:
A. Si el sistema planetario es heliocntrico, Venus muestra fases.
B. Venus muestra fases.
C. Por lo tanto, el sistema planetario es heliocntrico.

Resumiendo, que Venus muestre fases es necesario, pero no suficiente, para que
nuestro sistema planetario sea heliocntrico. Por lo tanto, la constatacin de que Venus
muestre fases slo determina que sea probable que nuestro sistema planetario sea
heliocntrico. Galileo confundi la condicin necesaria con una condicin suficiente.

Galileo haba cometido un fallo garrafal que el propio Kepler le ech en cara.
Cuando el Cardenal Roberto Bellarmino, cabeza de los telogos catlicos del momento se
enter del razonamiento de Galileo, escribi: Y no es lo mismo demostrar que, supuesto
que el Sol est quieto en el centro y la Tierra en el cielo, se salvan las apariencias que
demostrar que en verdad el Sol est inmvil en el centro y la Tierra el cielo. Creo que
puede que se d la primera demostracin, pero tengo muy serias dudas sobre la existencia
de la segunda.
Digamos, por lo tanto, en conformidad con el Cardenal Bellarmino, que en nuestros
das no es la palabra verdad sino la palabra modelo la que se emplea en la comunidad
cientfica.

Dino G. Salinas Avils
53
LA DEMOSTRACIN DE LA CAUSALIDAD

Algunas veces, una hiptesis puede formularse como una relacin de causalidad, lo que es
muy comn en biologa. Por ejemplo, podemos decir que un determinado antibitico es el
causante de la muerte bacteriana porque cada vez que lo agregamos las bacterias mueren.
Hay una relacin causa-efecto. Sin embargo, alguien podra sugerir que las bacterias no
mueren debido al antibitico, sino que debido a que el cultivo de bacterias haba agotado
sus nutrientes. En ese caso, realizamos nuevamente el experimento con dos cultivos
idnticos, pero agregamos el antibitico slo a uno de ellos, denominando al otro el
cultivo control. Si en el cultivo control hay muerte bacteriana despreciable en cantidad a
la del otro, habremos comprobado una relacin de causalidad. No todas las correlaciones
corresponden a relaciones de causalidad. Es comn que se intente forzadamente demostrar
lo contrario. Cuntas veces hemos escuchado lo siguiente?: La legalizacin del divorcio
causa un aumento en el nmero de separaciones matrimoniales, porque los pases que han
legalizado el divorcio son los que presentan mayores ndices de estas separaciones. Sin
pretender polemizar acerca de un tema estrictamente valrico, el valor deductivo de este
razonamiento equivaldra a decir, mi cada del cabello aumenta el precio del petrleo,
porque, con los aos, puedo observar una correlacin entre ambos. Las correlaciones, en
s mismas, no son sino argumentos probabilistas en favor de una relacin de causalidad.
Ms an, aunque nos duela, la misma relacin de causalidad, una vez demostrada,
no es sino otra afirmacin probabilista, puesto que, como ya se dijo, ni siquiera la biologa
escapa al estigma de la probabilidad que empaa cualquier modelo cientfico. Entonces,
estrictamente, la palabra demostrar, cuando se refiere a una relacin de causalidad en un
fenmeno, siempre debe emplearse en un contexto hipottico, como parte de un
razonamiento inductivo. A veces, en biologa, esta visin de la ciencia resulta demasiado
pesada, cuando es demasiado evidente la identificacin entre el modelo y la realidad que se
estudia, como podramos observar en la relacin de causalidad entre un microorganismo y
una enfermedad Qu modelo? -podra decir el microbilogo- Yo trabajo con la realidad:
Efectivamente, estos microorganismos causan la enfermedad. Sin embargo, a veces el
modelo est ms alejado de la realidad y ah las sutilezas epistemolgicas pueden tener
consecuencias prcticas que deberan ser tomadas en cuenta. Tal vez esos dominios
Dino G. Salinas Avils
54
biolgicos de mayor cuidado sean aquellos relacionados con el estudio de los fenmenos de
la conciencia y el conocimiento.

Dino G. Salinas Avils
55

Parte III


LA INTEGRACIN A TRAVS DE LOS MODELOS
MATEMTICOS
Dino G. Salinas Avils
56
4 La funcin lineal


EL ESTUDIO DEL CAMBIO
Una de las funciones ms simple que podemos plantear es: mx y = , y es lo que
reconocemos como una proporcionalidad directa entre x e y. Cuando el parmetro m es
positivo, se trata de un tipo de relacin creciente entre ambas variables. En el caso de m
negativo, se trata de un tipo de relacin decreciente.
La siguiente es una generalizacin de esta relacin:

b mx y + = ,

en la que se ha agregado un valor constante, b, a la ecuacin anterior. Si el parmetro b es
distinto de cero, la relacin ya no se considera como una proporcionalidad directa, a pesar
de que el crecimiento de una variable respecto de la otra an es similar al caso de
proporcionalidad directa: las unidades en que aumenta y todava son proporcionales a las
unidades en que aumenta x, pero y ya no se determinan directamente por x slo a
travs de m. El lugar geomtrico de todos los pares (x, y), denominados puntos en el plano
cartesiano, es una lnea recta, por lo que se le conoce a dicha ecuacin como la ecuacin de
la recta y se dice de ella que define una relacin lineal entre las variables x e y. En la
grfica de la funcin, b representa el intercepto con el eje de las y e m representa la
inclinacin de la recta, por lo que se le denomina pendiente. Toda recta puede determinarse
por dos puntos, representando dos pares de datos del tipo (x, y), por lo que no haran falta
ms datos para determinar los parmetros b y m. m es una medida de la intensidad y el
sentido del cambio de y con respecto a x. Mientras mayor sea la magnitud de m, ms
intenso ser este cambio y mayor la inclinacin de la recta. Si m es positivo, la recta
determinar una relacin creciente entre las variables. Lo contrario ocurrir si m es
negativo.
Es sorprendente la ubicuidad de la relacin lineal en los modelos matemticos, a
pesar de que en la naturaleza abundan los problemas complejos que demandan de modelos
Dino G. Salinas Avils
57
matemticos con funciones igualmente complejas. Es decir, a pesar de que la naturaleza es
altamente no lineal, seguimos recurriendo a la funcin lineal, porque nos gusta su
pendiente (m), que indica cmo cambia una variable en funcin de otra. Si la variable x es
el tiempo y la variable y es la posicin de un cuerpo que se mueve uniformemente en
lnea recta, decimos que y se relaciona linealmente con x y que la pendiente representa
la velocidad de la realizacin del movimiento: tanto cambi la posicin segn tanto
cambi el tiempo. Entonces, generalizando, podemos pensar alegremente que, tratndose
de que x es el tiempo y que y es cualquier cosa, m es la velocidad de cambio de esa
cualquier cosa. En decir cualquier cosa, radica nuevamente la integracin de las
ciencias. Porque, si y es la concentracin de un producto del metabolismo, diremos que
m es la velocidad de una reaccin metablica, si y es la poblacin de infectados en una
poblacin, diremos que m es la velocidad de infeccin, etctera.
Tal vez usted ya se dio cuenta de que estoy ultrasimplificando las cosas, pues acabo
de decir que la naturaleza, en general, no es lineal. As, las funciones, cuando se grafiquen,
en general no se vern como lneas rectas. Sin embargo, si nos acercamos, si ampliamos un
segmento de la grfica de cualquier funcin continua, podremos apreciar que lo que antes
era curvo ahora se aprecia como una recta, tal como la Tierra se observa plana desde su
superficie, a pesar de que es aproximadamente esfrica. Una ampliacin de la grfica de la
funcin significa una disminucin de la escala temporal (suponemos que se trata de
registros de tiempo), de modo que podemos observar la funcin en intervalos de tiempo
muy pequeos, tan pequeos como queramos, de modo que podamos observar lneas rectas
cada vez ms perfectas, cuyas pendientes se aproximen cada vez ms a un valor de
velocidad instantnea. Esas rectas que aparecen cuando ampliamos la grfica de la
funcin, si se prolongan en sus extremos, se ven desde lejos (empleando unidades de
tiempo mayores para graficar) como rectas tangentes al punto en torno al cul se hizo la
ampliacin de escala. Por eso se dice que la velocidad instantnea de cambio de una
variable (entindase la velocidad de cambio de una poblacin de bacterias, de una posicin
o de una poblacin de infectados) es la pendiente de la recta tangente a un punto de la
curva que representa la funcin, tal que dicho punto corresponde al mismo instante en que
se quiere calcular la velocidad. La frase anterior es larga, pero el esfuerzo por
Dino G. Salinas Avils
58
comprenderla supone la conquista de la interpretacin geomtrica de la velocidad
instantnea para todo tipo de procesos. Bien vale el esfuerzo.
Aqu va una forma menos rigurosa de decir lo mismo, pero que ayuda a retener el
concepto: la velocidad instantnea de cambio de una funcin es la inclinacin de la curva
que la representa en un instante determinado.
Ahora toda la verdad: Esa pendiente, esa velocidad instantnea, es lo que llaman la
derivada de la funcin en un punto. Que no slo se calcula cuando se emplea al tiempo
como variable x, sino que puede ser cualquier otra variable con unidades diferentes.




















Figura 4.1. Grfica de la funcin y = y(x). Si x es el tiempo, el recuadro equivale a una
ampliacin de la escala temporal. En ese caso, tambin se dice que m es la velocidad
instantnea en el instante en que la recta es tangente a la curva. Una forma de calcular
m es a travs de la razn entre la diferencia entre dos valores consecutivos de y, y la
diferencia entre dos valores consecutivos correspondientes de x. Es decir, si se tienen
dos puntos muy prximos (x
1
, y
1
) y (x
2
, y
2
) sobre la curva, m se calcula,
aproximadamente, como ( ) ( )
1 2 1 2
/ x x y y m . La validez de la aproximacin del
clculo crece con la aproximacin de los puntos. Las diferencias entre un valor final de
una variable y un valor inicial, como en este caso, se le suele indicar con el signo .
y
.
,
pequeo muy x con
x
y
m

b mx y + =
x
Dino G. Salinas Avils
59
USO DE LA FUNCIN LINEAL EN LA CONSTRUCCIN DE MODELOS

El valor de la imagen (y) de muchas funciones continuas puede aproximarse de modo
satisfactorio en funcin de la variable del dominio (x) a travs de un polinomio. Mientras
mayor sea el grado del polinomio, mayor ser la exactitud de la aproximacin:

( ) ( ) ( ) ... ...
0
2
0 2 0 1 0
+ + + + + =
n
n
x x a x x a x x a a y

Cuando el valor de x es muy prximo a x
0
, y siendo a
1
distinta de cero, lo que se
obtiene es un polinomio de grado uno; o sea que la funcin tiende a comportarse
linealmente:

( ) ( ) ( )
( ) .
... ...
0 1 0 1 0 1 0
0
2
0 2 0 1 0
x a a x a x x a a
x x a x x a x x a a y
n
n
+ = +
+ + + + + =


No siempre es vlida esta aproximacin de primer orden (es decir, con n = 1).
Muchas veces, dado que el coeficiente a
1
de este trmino puede ser cero, se requieren
aproximaciones de segundo orden, consistentes en el empleo del trmino cuadrtico
( )
2
0 2
x x a . Por ejemplo, a veces se puede calcular la energa del enlace qumico como si
se tratara de dos masas unidas por un resorte, pero cercanas a su posicin de equilibrio. En
este caso, se puede demostrar que el trmino cuadrtico permite aproximar muy bien la
energa del enlace, tal como si se tratara del sistema del resorte.

En resumen, muchos fenmenos en la naturaleza que no son lineales, pueden
comportarse como tales en torno a un valor determinado (estado) de las variables del
sistema. A continuacin veremos uno de estos fenmenos, el que permite que se pueda
disear una tcnica muy conocida de anlisis qumico cuantitativo, muy utilizada en los
laboratorios de biologa.


Dino G. Salinas Avils
60
DETERMINACIN DE CONCENTRACIONES POR ESPECTROFOTOMETRA

La siguiente es una de las aplicaciones ms importantes de la funcin lineal en el trabajo de
un laboratorio de bioqumica.
Las molculas poseen electrones capaces de estar slo en ciertos niveles de energa,
como si fuesen peldaos de una escala, sin estar permitidos niveles intermedios. Cuando
llega una cierta cantidad de radiacin electromagntica (luz visible o no visible) a los
electrones, la energa de esta radiacin ser absorbida por los electrones, dependiendo de si
aquella energa es capaz de promover a los electrones a los niveles energticos superiores
permitidos. La energa de la radiacin incidente depende de su longitud de onda, siendo
ms energticos aquellos paquetes elementales o cuantos de luz (denominados
fotones), de menor longitud de onda. Normalmente, la luz se compone de un amplio
espectro de longitudes de onda, de modo que slo habra absorcin de la porcin de luz con
aquellas longitudes de onda capaces de promover los electrones a niveles energticos
superiores.
Esta propiedad de la materia es aprovechada para la cuantificacin de molculas, a
travs de la medicin de la luz absorbida por una muestra disuelta, contenida en una cubeta
transparente que se interpone al paso de la luz. El aparato empleado para la realizacin de
esta medicin es conocido como espectrofotmetro y se encuentra en laboratorios clnicos y
de investigacin de todo el mundo.
Aceptemos, por ahora, que la muestra con la sustancia que se quiere determinar
absorbe la luz segn una cantidad adimensional denominada absorbancia y que es obtenida
de la lectura del equipo. Empricamente, se ha determinado que la relacin entre la
absorbancia (A) y la concentracin (C) de la molcula que absorbe es lineal para el rango de
valores de absorbancia entre 0 y 1,5. La relacin se describe, entonces, por:

mC A = ,

con m una constante que depende de la longitud de onda de la radiacin incidente, la
especie qumica y la temperatura, entre otros parmetros. Sin embargo, con el fin de
realizar un mejor ajuste lineal, se acostumbra no imponer que la recta anterior pase por el
origen de coordenadas, por lo que se acostumbra agregar una constante b. As, la obtencin
Dino G. Salinas Avils
61
de la mejor recta ahora depender de la obtencin de los dos parmetros m y b,
cumplindose que
b mC A + = ,

Ntese que podemos suponer que esta funcin es una aproximacin de primer orden
(en torno a C = 0) de la funcin absorbancia respecto de la concentracin:

C a a C a C a C a a A
n
n 1 0
2
2 1 0
... ... + + + + + + = .
No perdamos de vista que la validez de la aproximacin lineal es para valores de C muy
prximos a cero. As es que cualquiera con los conocimientos matemticos suficientes y
sin mucha idea de qumica habra podido plantear un modelo lineal como una primera
tentativa de aproximacin de la funcin absorbancia.
Estos mtodos de determinacin de la concentracin de una sustancia se denominan
espectrofotomtricos (denominados as porque miden en base a una porcin del espectro de
luz) y son empleados para cuantificar protenas, DNA y azcares, entre otras miles de
molculas de importancia biolgica. Para el caso de la cuantificacin de protenas, estas
molculas absorben luz de 210 nm, debido a la excitabilidad de los electrones de los tomos
que estn formando parte del enlace peptdico (aqul que permite la unin de un
aminocido con otro). Cada vez que se intenta descubrir la concentracin de un compuesto
en una muestra (denominada muestra problema), se obtiene el valor de absorbancia y,
empleando la ecuacin anterior, se despeja el valor de la concentracin. Sin embargo, para
que este mtodo sea vlido, es necesario conocer los valores de los parmetros m y b.
Para ello, supngase que una concentracin C
1
de muestra entrega un valor de
absorbancia A
1
(medido con el espectrofotmetro). Ambos valores se relacionan por la
ecuacin:
b mC A + =
1 1
.

Tenemos, pues, el par de datos (C
1
, A
1
) y las incgnitas m y b. Para despejarlas requerimos
de otra ecuacin (pues el nmero de ecuaciones debe ser igual al nmero de incgnitas, si
queremos conocer el valor de todas las incgnitas). Entonces, preparamos otra muestra a
concentracin C
2
, midiendo un valor de absorbancia A
2
, cumplindose la ecuacin:
Dino G. Salinas Avils
62
b mC A + =
2 2
.

Dadas estas dos ecuaciones, es posible despejar m y b.


UN MTODO PARA OBTENER LA MEJOR RECTA
Ntese que dados m y b, o dados dos pares de datos del tipo (C, A), la funcin lineal que
relaciona cualquier valor de C con algn valor de A queda unvocamente determinada. As
es que la funcin se determina en cualquiera de los siguientes casos:

- Determinacin algebraica de m y b, mediante dos pares de datos.
o
- Determinacin grfica de una recta en el plano mediante dos puntos, cuyas
coordenadas son dos pares de datos.

Podramos hacer una crtica a cualquiera de estos mtodos, puesto que los pares de
datos (C, A) tienen asociados errores experimentales. Por lo que si consideramos un par de
datos (C, A) adicional, empleando el mtodo grfico, lo ms probable ser que el punto que
lo representa no coincida con la recta determinada anteriormente con los otros dos puntos.
Esta dificultad ha de ser tomada en cuenta cada vez que se tengan ms de dos pares de
datos.
Por qu complicarnos con un mayor nmero de datos? Sucede que los errores
experimentales, generalmente, son aleatorios. Tomando esto en consideracin, cuando el
nmero de mediciones es muy grande, es posible encontrar una medicin con un error
asociado que es opuesto al error de otra medicin. As, para minimizar el error, sera
deseable encontrar una forma de calcular m y b empleando muchos pares de datos del tipo
(C, A).
El problema de minimizar el error en la determinacin de los parmetros m y b
quedar ms claro si consideramos la interpretacin grfica de nuestro problema:

Dino G. Salinas Avils
63

Figura 4.2

Se trata, entonces, de determinar qu recta es la ms apropiada. Intuitivamente,
podramos decir que aquella que tenga tantos puntos por abajo como por arriba. Sin
embargo, este criterio no es conveniente, puesto que no considera la lejana de los puntos a
la recta. Deberamos pretender que no haya puntos muy alejados de la recta. As,
convendra definir la desviacin o alejamiento de todos los puntos de la recta y
minimizarla. La siguiente es una solucin analgica al problema de la obtencin de la
mejor recta de ajuste:
Podemos dibujar los puntos representantes de los datos sobre una superficie de una
tabla de madera, clavando a medias un clavo en las posiciones sealadas por los puntos.
Posteriormente, hagamos pasar una varilla por dentro de cierto nmero de anillos de goma,
uno por cada clavo. Situemos ms o menos la varilla entre los clavos y pasemos cada anillo
por uno de los clavos. Al dejarla suelta, la varilla alcanzar una posicin de equilibrio. En
la posicin de equilibrio la energa total del sistema es mnima.






Dino G. Salinas Avils
64














Figura 4.3 Artefacto analgico que permite hallar la recta que ms se ajusta a una nube
de puntos.


Pues bien, la estadstica ha resuelto este problema de un modo ms elegante,
definiendo el criterio de ajuste basado en la minimizacin de la suma de las desviaciones,
elevadas al cuadrado, de todos los valores experimentales con respecto a los valores
tericos predichos por la recta. El fundamento de este criterio aparece en la mayora de
los textos de estadstica. Este mtodo se aplica por numerosos softwares que incluyen
herramientas de anlisis estadstico.
Dino G. Salinas Avils
65
5 La funcin exponencial y el desborde de la
imaginacin

EL CRECIMIENTO EXPONENCIAL
Imaginemos un tipo de clula que se reproduce por biparticin cada 20 minutos. Al
comienzo tenemos slo una, a los 20 minutos tenemos dos, 20 minutos despus,
nuevamente el doble, 2
2
, y as sucesivamente. El clculo del nmero de clulas N a un
tiempo t estar dado por considerar que en el evento de replicacin n el nmero N de
clulas ser 2
n
. Como n puede calcularse como el nmero de veces que caben 20 minutos
(perodo de duplicacin) en el tiempo, se cumple que
20 /
2
t
N = . Si la masa de una clula es
10
-12
gramos, podremos ver que a las 44 horas, equivalentes a unas 132 divisiones, la masa
de las clulas ya sera equivalente a la masa de la Tierra. Afortunadamente, las clulas
deben disminuir su ritmo de crecimiento debido a las variaciones adversas del medio en que
se encuentran. Con el tiempo ocurre que los nutrientes se agotan y la cantidad de desechos
txicos aumenta.
Hasta ahora se ha calculado el nmero de individuos respecto del tiempo.
Pero, dado que el nmero de individuos incrementa permanentemente, tambin cambiar su
velocidad de aparicin v, definida como el cambio del nmero de individuos por unidad de
tiempo, para un instante dado (En torno a un instante determinado, la velocidad asociada a
una variable se calcula dividiendo el cambio de la variable, correspondiente a un tiempo
transcurrido infinitesimal, por la magnitud del tiempo transcurrido). El modelo ms
simple nos dice que la duplicacin de los progenitores duplica la velocidad de aparicin de
los mismos, lo que se modela de la siguiente forma:
kN v = ,

con k una constante de proporcionalidad denominada tasa de crecimiento poblacional
relativo. Esta constante puede interpretarse como la contribucin de cada individuo a la
velocidad de crecimiento poblacional. Posee cierta relacin con la potencia biolgica de
expansin de la especie en concordancia con la bondad del medio. Emprendamos la
bsqueda de este importante parmetro:
Dino G. Salinas Avils
66
Dado que es posible hallar un exponente m y una base y, tal que
m n
y x = ,
entonces, cualquier problema de crecimiento de este tipo podr plantearse y resolverse a
travs del empleo de un sistema exponente-base que se considere conveniente. En
trminos prcticos, supongamos nuevamente que una clula se divide, esta vez cada t
d

minutos, y que comenzamos con una sola clula. El clculo del nmero de clulas N a un
tiempo t estar dado por
d
t t
N
/
2 = . Como habamos dicho, en vez de emplear la base 2 y el
exponente t/t
d
, puede emplearse cualquier otra base positiva con un exponente apropiado.
Veremos que la eleccin de un exponente apropiado podr, por ejemplo, ayudarnos a
determinar la velocidad de crecimiento de un cultivo celular.
Supongamos que elegimos como base a un nmero irracional denominado e. Este
nmero es muy conocido por cualquiera que tenga un curso bsico en clculo. Se dice que
es irracional porque no puede anotarse como una razn de nmeros enteros, o sea en
notacin fraccionaria. Para dejarnos de misterios con este nmero, la sucesin de sus
primeros 6 dgitos es: 2,71828 Sin embargo, hay una forma de hallar una expresin
cada vez ms exacta de e. Para ello, hay que considerar que e tambin puede anotarse por
la serie infinita:
...
5 4 3 2
1
4 3 2
1
3 2
1
2
1
1 +

+

+

+ + = e ,

esperando que haya podido intuir la regla de progresin de sus trminos (cuya notacin ms
compacta y elegante es

=
=
1
!
n
n
n
x
e ). Mientras ms trminos se consideren en dicha serie,
ms aproximados ser su clculo parcial hacia el valor verdadero de e.

Hay algo ms respecto de la obtencin de e. ste tambin puede obtenerse como el
lmite de la siguiente expresin
n
n

+
1
1
cuando n tiende a infinito.
Dino G. Salinas Avils
67
Si decidimos emplear el nmero e como base, cmo deber ser su exponente (que
llamaremos m) para permitirnos calcular el mismo nmero de clulas al tiempo t que
otorgaba la expresin
d
t t
N
/
2 = ?
El planteamiento del problema matemtico es el siguiente:

d
t t mt
e
/
2 =


El despeje, empleando la funcin logaritmo en base e (ln, logaritmo natural),
indica que
d
t
m
2 ln
=


Es decir, que ya conocemos el clculo del nmero de clulas empleando la base e:

d
t
t
e N
2 ln
=


Solidarizo con todo aqul que se haya sentido incmodo desde cuando decidimos
emprender el estudio del clculo del nmero de clulas empleando la base e, tan
complicada. Sin embargo, el motivo siguiente es suficiente como para justificarla:

Empleando la expresin para N que usa la base e, se puede demostrar que la
velocidad de cambio del nmero de individuos (v = kN) es igual a:

N
t
v
d
2 ln
=
(si usted sabe algo de derivadas, lo podra demostrar fcilmente)

Considerando esto con la primera expresin que se anot para v, se deduce, por
comparacin simple, que
d
t / 2 ln es igual al parmetro k, la tasa de crecimiento
Dino G. Salinas Avils
68
poblacional relativo. Esta igualdad, junto con la expresin para N que emplea la base e,
quiere decir que, dado que se tiene en un comienzo una clula que se multiplica con una
tasa de crecimiento relativo k, al tiempo t habrn N = e
kt
de estas clulas. Esta igualdad
entre el factor que multiplica al tiempo y el factor que multiplica a la poblacin celular en
las ecuaciones para N y v, respectivamente, no se habra cumplido en otra base distinta de e.


LA DIVISIN CONSECUTIVA
As como pudimos asombrarnos con el crecimiento astronmico de un sistema que sigue
una ley exponencial, tambin podemos asombrarnos con el decrecimiento de un sistema
que sigue una ley del mismo tipo. Por ejemplo, se puede aprovechar el resultado del
clculo del crecimiento bacteriano para comprender que, si se dividiese la Tierra
sucesivamente, con la divisin simultnea de cada una de sus partes, en la divisin nmero
132 se obtendra el volumen de la bacteria. No menos que lo anterior, tambin impresiona
saber que hacen falta slo 80 divisiones sucesivas de una hoja de papel para llegar a obtener
la dimensin de uno de los tomos que la conforman.


EL DECAIMIENTO EXPONENCIAL
El decaimiento tambin puede ser modelado a travs de una funcin exponencial. El caso
ms socorrido en un curso de qumica es el ejemplo del decaimiento radiactivo: suponiendo
que un elemento radiactivo se desintegra espontneamente en proporcin a su masa m,
entonces, la velocidad de desintegracin (nmero de eventos de desintegracin por unidad
de tiempo) est dada por:
rm v =
,

con r una constante que representa la tasa de decaimiento relativo. Tal como para el caso
anterior, puede demostrarse que, para satisfacer la ecuacin de la velocidad, la dependencia
temporal de m debe ser
t r
e m m

=
0
,
Dino G. Salinas Avils
69
con m
0
la masa del compuesto radiactivo al tiempo cero.
Adems, se puede demostrar que el tiempo en el que se obtiene la mitad de la masa
inicial, denominado vida media (t
1/2
), se relaciona con el recproco de r segn:

r
t
2 ln
2 / 1
=


Para el caso del crecimiento exponencial, el perodo de duplicacin t
d
se obtuvo de
una relacin similar. Tanto en los ejemplos de crecimiento como en este ejemplo de
decrecimiento, la escala temporal de registro de los cambios dinmicos ocurre en un orden
de magnitud que puede estimarse con el valor recproco de las tasas relativas (1/k y 1/r), lo
que por supuesto que cumple con que se trata de unidades de tiempo.


SI LA EXPONENCIAL FUESE UN MARTILLO, EL CLCULO DEL
CRECIMIENTO Y LA DIVERSIDAD SERAN UN MISMO CLAVO

Definitivamente no resulta fcil imaginar este tipo de crecimiento exponencial. Para
otorgar una idea de cmo puede desbordar prontamente el tamao de un sistema que crezca
de esta forma, recordar (completndola con mi imaginacin) la historia del rey que quiso
premiar al sabio inventor del ajedrez. El rey le dijo al sabio: pdeme lo que quieras y te
prometo que te lo conceder. A lo que el sabio respondi: Quiero que en un primer
cuadrado de un tablero de ajedrez me coloques un grano de trigo. En el cuadrado siguiente
quiero el doble del anterior y en cada cuadrado siguiente quiero el doble del cuadrado
anterior. El rey ri pensando en que se trataba de una broma. Ante la insistencia del
sabio, comenz a intentar cumplir su promesa, pero no tard en darse cuenta de que era
imposible satisfacerlo. Tan slo el ltimo cuadrado, la casilla nmero 32, debera tener 2
31

granos de trigo. Considerando que la masa promedio de un grano de trigo es 0,0648
gramos, el trigo determinado para la ltima casilla debiese pesar 139 toneladas. No hace
falta decir cmo termina la historia (slo digamos que el rey tena muy mal genio). Pero
indaguemos un poco ms en la mente del sabio.
Dino G. Salinas Avils
70
Lo que viene a continuacin es de mi absoluta invencin, pero siempre he credo
que ha sido as. En realidad, antes de realizar su peticin, el sabio pens: Supongamos
que le pido al rey que me haga collares con perlas blancas y negras enhebradas con hilos de
oro. Todos los collares posibles, empleando 31 perlas en cada uno. Para la eleccin del
primer color de la perla el rey tendr dos posibilidades, as es que necesitar dos hilos para
comenzar, uno por cada posibilidad. Para elegir el color de la segunda perla, tendr dos
posibilidades ms por cada hilo, por lo que ya se ve que necesitar el doble de hilos para
cumplir con la variacin implicada por todas las sucesiones posibles de collares de dos
perlas. Para collares de tres perlas necesitar el doble de hilos que para collares de dos
perlas, puesto que tendr el doble de elecciones posibles cuando considere la eleccin de la
tercera perla. Pronto me doy cuenta que para 31 perlas, existirn 2
31
collares posibles. Si
cada hilo de un collar midiera 50 cm, el largo total de todo el hilo de oro empleado
equivaldra a unas 26,8 vueltas alrededor del mundo Como el sabio se habra dado cuenta
que eso implicaba varias generaciones del reino enhebrando sus collares, prefiri pedirle el
asunto de los granitos de trigo.
No es por casualidad que he hecho coincidir el nmero de collares con el nmero de
granos de trigo de la ltima casilla. En ambos casos hemos realizado el mismo clculo. En
el caso del tablero de ajedrez, slo tombamos en cuenta el crecimiento del sistema. En el
caso del collar, considerbamos que al agregar cada perla tombamos una decisin binaria
(blanca o negra). Esta decisin podra estar en correspondencia con un cdigo inventado
por el sabio. En su forma ms rudimentaria, sin sintaxis ni semntica, cada collar podra
representar un estado de nimo o un pensamiento, todos diferentes. De este modo, cuando
le regalara uno de los 2
31
collares a cada una de sus 2
31
mujeres (es que las mujeres
preferiran a los hombres inteligentes), ellas podran decodificar el mensaje que el sabio
les comunic con la sucesin de cada una de las cuentas.
Pero a qu hemos llegado! Ahora resulta que el crecimiento de las clulas, de los
granos de trigo y de la cantidad posible de collares est en correspondencia con la teora de
la informacin!! Y si en vez de perlas de dos colores distintos ussemos perlas de 4
colores, tal como el DNA lo hace con sus secuencias de cuatro nucletidos diferentes? -
DNA...?, Qu es eso?, dira el sabio. No importa, pero ya sabemos que podramos
codificar 4
n
molculas distintas si empleamos n nucletidos (perlas) elegidos de un total
Dino G. Salinas Avils
71
de cuatro tipos (colores) de ellos. El sabio, quien a esta altura ya se siente herido por m
en su dignidad, por haberle ledo sus pensamientos y por haberle hablado de algo de ese tal
DNA que desconoce, parece que se ha olvidado de que es slo un personaje, ms encima
ajusticiado, e insiste con sus perlas dicindome: - Tus 4
n
molculas no son sino
equivalentes en nmero a 2
2n
de mis collares, construidos slo con perlas blancas y negras.
Puedo hacer la misma cantidad de collares que t de molculas, aunque reconozco que mis
collares deben ser el doble de largo (2n) que esos que t llamas DNA.
No deja de tener razn, y la cantidad de informacin que yo podra enviar a sus
mujeres con mis collares de cuatro perlas diferentes, de la mitad del largo de los de l,
sera la misma que l podra enviarles con los suyos. Aunque claro est, la sola idea me
fatiga.
A modo de resumen y generalizacin de nuestro anlisis, podemos decir que habr
una misma respuesta para dos preguntas distintas, aunque relacionadas:
Ante la pregunta Cuntos individuos tengo en el evento de replicacin n si parto de
uno slo, tal que cualquier individuo se multiplicar siempre a s mismo para generar x
individuos?, la respuesta genrica es: x
n
.
Ante la pregunta Cuntos mensajes diferentes de n letras pueden formarse con x
letras distintas?, la respuesta genrica tambin es x
n
.
El tipo de crecimiento al que hemos aludido aqu corresponde al crecimiento
geomtrico. Empleado tanto para la determinacin del crecimiento de algunos sistemas
materiales as como para el estudio del crecimiento del nmero de estados distintos de un
sistema. La inclusin del crecimiento geomtrico, de esta estructura lgica comn, en
modelos de crecimiento poblacionales y en los clculos de combinatorias, asociados a la
capacidad de codificacin de informacin, constituye un ejemplo ms de integracin.

Dino G. Salinas Avils
72
6 La integracin a travs del empleo de un mismo
modelo para distintos sistemas: cuando la epidemia es
un chiste

En la esquina de una calle cualquiera, dos personas sostienen una conversacin. Una de
ellas se re a carcajadas. Resulta que la otra le ha contado un chiste. Si observsemos
desde lejos, desde muy alto, teniendo una vista poderosa, veramos que en otras esquinas
del mundo hay miles de parejas conversando, algunas de las cules podran rerse porque se
han contado el mismo chiste. No todas las parejas que se juntan lo hacen en una esquina ni
se cuentan chistes, as como tampoco los chistes se cuentan slo en las esquinas. Si
quisiramos modelar matemticamente este fenmeno deberamos ser capaces de ignorar
los detalles irrelevantes (como el color de los zapatos) pensando en aquellos detalles que
son determinantes para la evolucin del sistema (como el estado de nimo). Aquellos
detalles relevantes lo son para cada uno de los elementos integrantes del sistema cada vez
que se manifiesta un fenmeno, pero pueden diferir en cada elemento. Es significativo que
el sistema posea un tamao astronmico, porque slo as las variaciones de los detalles
relevantes pueden ser descritas y tratadas de un modo ms simple, a travs de la estadstica
y la probabilidad. Tampoco nos interesaran detalles que aumenten innecesariamente la
complejidad del anlisis, como las transferencias del chiste en grupos de ms de dos
individuos. O sea que cuando construimos un modelo prescindimos de detalles que no nos
interesan porque influirn poco en nuestras conclusiones o malograrn la simplicidad del
anlisis. As es que gran parte de lo que determina el establecimiento de un modelo es
nuestro buen gusto para considerar una solucin lo suficientemente simple o esttica,
compatible con nuestras expectativas de obtener resultados lo suficientemente explicativos
o predictivos.
Construyendo un modelo bsico, con estas caractersticas, supongamos que un
elemento de la clase I (conocedora del chiste) interacta con un elemento de la clase S
(ignorante del chiste) y ste evoluciona a un elemento de la clase I. El esquema es el
siguiente:
I S I 2 + .
Dino G. Salinas Avils
73

La solucin del problema anterior, que determinara una teora de propagacin del chiste,
trivialmente sera igual a una teora de propagacin del rumor. Solo basta cambiar un
chiste por un chisme y el resto de la estructura y las reglas del sistema se mantienen
similares. Otras similitudes con otros problemas podran parecernos menos obvias o ms
extraas, slo por sustituir algunos elementos por otros de naturaleza mucho ms diferente,
y, sin embargo, podran calzar perfectamente con la estructura lgica del modelo propuesto.
As, supongamos que la I del ejemplo anterior representa a un individuo que porta
una enfermedad contagiosa, aunque no letal, en vez de un individuo conocedor de un
chiste. Esta enfermedad llegara para quedarse en el individuo, es decir, l no poseera la
capacidad de mejorarse, del mismo modo que quien saba un chiste no debera olvidarse de
l. La letra S representara a una clase de individuos sanos, pero susceptibles de enfermarse
a travs del contacto directo con los individuos enfermos, aunque slo con una cierta
probabilidad. En este caso el encuentro ha sido sustituido por una interaccin de contacto,
en vez de una interaccin comunicacional. Lo similar, en ambos casos, es que el encuentro
entre I y S ocasiona a dos individuos de la categora I. En cualquiera de estos casos, se
puede apreciar que el rasgo comn es que hay elementos pertenecientes a alguna clase y
que cuando dos elementos de distinta categora interactan pueden evolucionar
generando elementos de una misma clase.
Esta misma estructura lgica, coincidente con las relaciones internas entre
elementos de clases, interaccin y evolucin observados, se puede hallar en el
proceso de una reaccin qumica elemental del siguiente tipo: una molcula I colisiona con
una molcula S, resultando dos molculas I.
La cantidad de colisiones por unidad de tiempo es anloga a la cantidad de
encuentros por unidad de tiempo entre dos personas, ya sea para contagiarse una
enfermedad letal o para contarse un chiste. No todas las colisiones son eficaces en el
cometido de la realizacin de la reaccin qumica. La eficacia de las colisiones es anloga
a la fraccin de veces que encuentros sociales fructificaron en el traspaso del germen o del
chiste. En todos estos casos se trata de la eficacia de un encuentro. En el caso del traspaso
de un germen, la eficacia del encuentro depende del estado de salud del receptor, de la
intensidad del encuentro y del potencial infeccioso del portador. La velocidad de aparicin
Dino G. Salinas Avils
74
de individuos enfermos, as como la velocidad de aparicin de individuos conocedores del
chiste, es anloga a la velocidad de formacin de producto en una reaccin qumica. En
todos los casos vistos, se cumple una ley de conservacin. En los ejemplos sociales, la
cantidad total de individuos debe permanecer constante, tal como en un sistema qumico
reactivo, donde la cantidad de reactante ms producto debe permanece constante cuando
una molcula de reactante se transforma en una molcula de producto.
Aceptando que hay distintos sistemas cuyos elementos y sus transiciones se rigen
por reglas similares, se puede entender que el conocimiento del tratamiento matemtico de
cualquiera de ellos aportar una poderosa herramienta de integracin. Para mostrar lo
anterior, a continuacin se desarrolla un modelo matemtico para un sistema qumico
simple.


EL CURSO DE UNA REACCIN QUMICA

Para la realizacin de una reaccin qumica que ocurre en un paso elemental, los reactantes
deben colisionar. En el momento de la colisin, los reactantes tienen una orientacin
relativa que puede permitirles o no el cumplimiento de la reaccin. Esta orientacin es
fruto del azar y las colisiones no siempre pueden facilitar la ruptura y la formacin
apropiada de los enlaces si los orbitales moleculares no se confrontan apropiadamente.
En un instante determinado (t), la cantidad de molculas de I en una unidad de
volumen (x
t
) manifiesta una variacin respecto del tiempo, denominada velocidad ( t x

, la
derivada temporal de x
t
), la que depende de dos factores:

- La cantidad de colisiones:
En una primera aproximacin, la cantidad de colisiones (c
t
, en el instante t) entre I y S en
una unidad de tiempo y en una unidad de volumen, es proporcional a la concentracin de
ambas especies moleculares (con s
t
denotando la concentracin de S en el instante t):

t t t
s x c =

Dino G. Salinas Avils
75
El valor del parmetro es el nmero de colisiones que se obtendran en una unidad de
tiempo y de volumen si los reactantes tuviesen cada uno una unidad de concentracin. Este
parmetro depender crecientemente de la temperatura, la que no es ms que una medida de
la agitacin molecular.

- La eficacia de las colisiones para formar productos:
La probabilidad p de que cada encuentro entre I y S sea productivo, rindiendo dos
molculas I, depende de muchos factores. Entre ellos, est la forma de las molculas y su
orientacin espacial relativa al momento de colisionar, as como la facilidad del
rompimiento y la formacin de los enlaces necesarios. Esta probabilidad es igual a la
fraccin de colisiones productivas por la que debe multiplicarse c
t
para obtener t x

:

t t t
t s x p pc x = =

.

Definiendo k como p , se obtiene:
t t
t s x k x =

.

El parmetro k es una tasa que se interpreta como la cantidad de colisiones productivas, en
una unidad de tiempo, cuando se emplea una unidad de concentracin para cada uno de los
elementos susceptibles de colisionar.
Las cantidades x
t
y s
t
no varan libremente, sino que se encuentran ligadas. Es decir,
estn sometidas a una restriccin. Debe cumplirse una ley de conservacin de la materia:

,
0 0 t t
s x s x + = +

en donde los subndices cero representan las cantidades iniciales de las especies
correspondientes.
De esta ecuacin, es posible escribir s
t
en funcin de x
t
, reemplazando su valor en la
ecuacin anterior que determinaba t x

:
Dino G. Salinas Avils
76

( )
t t
t x s x x k x + =

0 0
.

Resolver esta ecuacin diferencial (denominada as porque involucra el cambio de una
variable, en este caso con respecto al tiempo) supone hallar una funcin del tiempo que
permita obtener el valor de x
t
, satisfaciendo las condiciones iniciales del problema. Cuando
se hacen los clculos necesarios, la solucin del problema est dado por:

( )
( )kt s x t
e s x
s x x
x
0 0
0 0
0 0 0
+
+
+
=
.

Puede verificarse que para t = 0 se satisface la condicin inicial x
t
= x
0
y, haciendo algo ms
de clculos, se puede verificar que se satisface la ecuacin diferencial original. Para ello,
en dicha ecuacin diferencial deben reemplazarse la expresin obtenida recientemente para
x
t
y su derivada con respecto al tiempo (velocidad), verificndose el cumplimiento de la
igualdad.
Es interesante constatar, adems, que si el tiempo tiende hasta el infinito, el valor de
x
t
converge al valor x
0
+ s
0
. Esto es, todas las molculas iniciales, de cualquier clase, I o S,
terminarn siendo de la clase I.


INTEGRACIN A TRAVS DE UNA SOLUCIN COMPARTIDA

La integracin de las ciencias no siempre ocurre por la suma de conocimientos y tcnicas
de origen diverso, como podra sugerir la palabra misma que se asocia a adicin, sino que
puede obtenerse de la aplicacin de un mismo modelo en distintas disciplinas. Esto porque
una misma arquitectura lgica para distintas realidades relaciona a dichas realidades.
Como parte de la definicin de integracin empleada en este texto, deben considerarse tanto
el acto de sumar como el de relacionar. Ambos suponen la consideracin simultnea
de aspectos provenientes de distintas disciplinas o comunes a las mismas para el logro del
conocimiento en biologa, que es la disciplina integrada que nos interesa.
Dino G. Salinas Avils
77
En el caso que se analiza aqu, la estructura comn que comparten los modelos
mencionados permite aplicar la misma solucin hallada para el caso qumico al resto de los
modelos. Esto porque modelos similares obligan a planteamientos matemticos iguales que
otorgan soluciones iguales y que deben interpretarse de formas diferentes. Una
interpretacin de una solucin requiere que para cada modelo se asigne un significado a los
parmetros y a las variables. Al respecto, vea la siguiente tabla:


Comparacin de tres modelos anlogos

MODELO
Transformacin
qumica
Transmisin de un
comunicado
Transmisin de una
enfermedad
Clase I Una especie molecular
determinada.
Individuo conocedor de un
comunicado (chiste o
rumor)
Individuo enfermo a causa
de un virus.
Clase S Molcula que puede
colisionar con I,
transformndose en I al
reaccionar
qumicamente.
Individuo que puede
conversar I
transformndose en I al
enterarse del comunicado.
Individuo que puede tener
contacto directo con I
transformndose en I
debido a un contagio.
x
t
Concentracin de I en el
instante t.
Densidad de poblacin de
individuos de la clase I, en
el instante t.
Densidad de poblacin de
individuos de la clase I,
en el instante t.
t x


Cambio de x
t
con respecto al tiempo (velocidad o derivada temporal), en el instante
t.
s
t
Concentracin de S en el
instante t.
Densidad de poblacin de
individuos de la clase S, en
el instante t.
Densidad de poblacin de
individuos de la clase S,
en el instante t.

Tasa de colisiones entre
los reaccionantes.
Tasa de conversaciones
entre los individuos.
Tasa de contactos directos
entre los individuos.
p Probabilidad de
reaccionar a travs de la
colisin.
Probabilidad de
transmisin del
comunicado a travs de la
conversacin
Probabilidad de contagio
a travs del contacto
directo.
k =p
Tasa de reaccin
qumica.
Tasa de transmisin del
comunicado.
Tasa de contagio.
Esquema del
modelo
I S I
k
2 +
Velocidad de
cambio de x
t
.
t t
t s x k x =


Valor inicial.
0 0 0 0
, s s x x
t t
= =
= =

Ley de
conservacin.
,
0 0
s x s x
t t
+ = +
Solucin.
( )
( ) t k s x
t
e s x
s x x
x
0 0
0 0
0 0 0
+
+
+
=


Dino G. Salinas Avils
78
Tal como podemos esperar que los modelos qumicos cinticos sean ms complejos
que el tratado aqu, tambin podemos esperar que haya modelos epidemiolgicos anlogos
ms complejos. La complejidad de un sistema qumico puede deberse a un mayor nmero
de especies moleculares, a ms reacciones qumicas en pasos elementales y a la presencia
de algunos flujos de entrada y salida de materia, por lo que no habra cumplimiento de la
ley de conservacin. La complejidad de un sistema epidemiolgico puede deberse a la
creacin de distintas clases de individuos en un sistema epidemiolgico, tales como
individuos inmunes, individuos susceptibles de enfermarse e individuos contagiosos, as
como a la existencia de flujos, no tomados en cuenta aqu, que son propios de la dinmica
vital de la poblacin, como la tasa de natalidad, mortalidad o migraciones, de modo que
tampoco se cumpla una ley de conservacin. En cualquier caso, para abarcar los modelos
complejos, podrn hacerse las modificaciones matemticas necesarias a los modelos ms
simples, tal como lo hacen los qumicos con sus sistemas de reacciones. De este modo,
podramos esperar tratar matemticamente muchas epidemias como si se trataran de un
problema de cintica qumica.


EPIDEMIOLOGA MATEMTICA

La epidemiologa matemtica es el estudio de los grupos de poblacin que se influyen
mutuamente a travs de la propagacin de alguna enfermedad. Sus mtodos de estudios
son vlidos para la ecologa matemtica, donde las relaciones de influencia entre
poblaciones tambin son determinantes. La importancia de los estudios matemticos de los
problemas epidemiolgicos es que permiten predecir estados, evaluar riesgos, determinar
polticas de salud pblica, y todo con el auxilio de papel, lpiz y un computador. Podemos
afirmar que es una forma racional de contribuir a tomar una decisin de salud pblica o a
solucionar un problema epidemiolgico.
Supongamos una poblacin de individuos sanos susceptibles (S) que se extiende
homogneamente en un rea fija definida, coexistiendo con una poblacin de individuos
infectados (I), tambin distribuidos homogneamente. Supondremos que el contagio de los
individuos S por los individuos I genera individuos I. Lo que ocurra a continuacin con los
individuos I es motivo de distintos modelos infecciosos.
Dino G. Salinas Avils
79
Modelo SI (Modelo Susceptible-Infectado)
En la seccin anterior, este modelo ya ha sido comentado y su dinmica ha sido resuelta
completamente. El individuo infectado no pierde su condicin de infectado. Esto puede
ser aproximadamente cierto para perodos de observacin de la epidemia muy inferiores al
perodo de permanencia de la enfermedad:

I S I
k
2 +

Modelo SIR (Modelo Susceptible-Infectado-Resistente)
En este modelo el individuo infectado puede pasar a un estado de recuperado resistente o
inmune (R). Aqu suponemos que la inmunidad no se pierde:

R I
I S I
r
k

+ 2


Modelo SIRS (Modelo Susceptible-Infectado-Resistente-Susceptible)
Este modelo es similar al anterior, pero suponemos que hay una prdida de la inmunidad a
travs de una tasa m:
S R
R I
I S I
m
r
k


+ 2


Modelo SIS (Modelo Susceptible-Infectado-Susceptible)
En este modelo, el individuo puede infectarse con una tasa k y recuperarse con una tasa m:

S I
I S I
m
k

+ 2



Dino G. Salinas Avils
80
ESTUDIO DEL MODELO SIS
Anteriormente ya se estudi el modelo ms simple (SI) a travs del clculo puramente
analtico de un sistema qumico anlogo. No siempre es posible realizar clculos analticos
exactos cuando se estudian las propiedades de un modelo. Muchas veces se deben realizar
clculos aproximados, donde se ha debido suponer un valor determinado para cada uno de
los parmetros del modelo. Como un ejemplo de cmo se estudian estos modelos a travs
de clculos numricos, realizados como parte de una simulacin computacional de una
epidemia, a continuacin se presenta el estudio del modelo SIS.

Planteamiento matemtico del modelo SIS
En el modelo SIS, la velocidad de aparicin de infectados puede modelarse como se hace
con una ecuacin qumica, suponiendo que la velocidad de produccin de I, t x

, se
determina por:
t t t
t mx s x k x =



El primer trmino ya se ha discutido con anterioridad y el segundo trmino se debe a que el
desaparecimiento de los individuos infectados es directamente proporcional a la poblacin
de los mismos. La dependencia de esta ecuacin respecto de s
t
es slo aparente, puesto que
esta variable puede ser despejada en funcin de x
t
a partir de la ecuacin de conservacin:

0 0
s x s x
t t
+ = + .
Por lo que la ecuacin para t x

puede anotarse:

( )
t t t
t mx x s x x k x + =

0 0
.

La importancia de las expresiones para la velocidad de cambio de una variable es que nos
permiten calcular la evolucin de la misma variable.


Dino G. Salinas Avils
81
Determinacin de la dinmica del modelo SIS
El comportamiento dinmico de la variable x
t
queda especificado con una sucesin del tipo:

... , , , ,
3 2 t t t t t t t
x x x x
+ + +


Para establecer con mayor exactitud el comportamiento dinmico, los intervalos de tiempo
t debiesen ser cada vez ms pequeos, permitiendo conocer lo que ocurre en instantes
sucesivos muy breves. El incremento entre dos variables sucesivas,
t
x y
t t
x
+
, definido por
t
x , puede calcularse aproximadamente () segn:
t x x t
t


.

Esta aproximacin es tanto ms vlida cuanto menor es el incremento de tiempo.
Lo anterior es anlogo a la expresin que nos dice que el desplazamiento entre dos
puntos es igual al tiempo que tom el movimiento multiplicado por la velocidad, cuando la
velocidad es constante. Como, en general, la velocidad vara en un intervalo, esta
suposicin de velocidad constante es ms vlida para intervalos de tiempo menores, de
modo que la aproximacin que permite calcular la distancia tambin ser ms vlida para
intervalos de tiempo menores. Empleando lo que sabemos de
t
x , si tuvisemos que
formalizar matemticamente la sentencia: Donde me encontrar despus es donde me
encuentro ahora ms lo que me desplazar, deberamos anotar:

t x x x t
t t t
+

+
,

recordando que esto es vlido para incrementos de tiempo lo ms pequeos posible. Todo
lo que necesitamos para conocer la dinmica, o sea la secuencia ... , , , ,
3 2 t t t t t t t
x x x x
+ + +
,
es conocer la ley de cambio t x

y un punto de partida (x
0
). As podremos calcular cada uno
de los trminos de la serie a partir del trmino inmediatamente precedente. Slo hay que
Dino G. Salinas Avils
82
hacer clculos y ms clculos a intervalos de tiempo lo suficientemente pequeos, para
obtener una sucesin lo suficientemente completa.
El diagrama de flujo de un algoritmo apropiado para calcular la dinmica es el
siguiente:

Figura 6.1

El clculo, es realizable con cualquier software para clculo, e incluso slo con la
ayuda de una calculadora, si se tiene la paciencia. Al disminuir el incremento de tiempo t,
disminuye el error de la aproximacin numrica. En la prctica, cuando ya no varan los
resultados de la dinmica al disminuir t, se ha alcanzado el tamao suficientemente
pequeo del intervalo.
Esta forma de calcular la evolucin de un sistema es una herramienta poderosa que
debe considerarse como una de las mximas manifestaciones de la integracin de las
ciencias. Aqu hemos esquematizado el clculo numrico de la dinmica de una poblacin
de individuos infectados x
t
, pero tambin puede calcularse de forma semejante la evolucin
Dino G. Salinas Avils
83
de la posicin de un planeta, con la velocidad determinada por la ley de gravitacin
universal y las leyes del movimiento de Newton. Y eso es lo que otros ya han hecho.

Simulacin dinmica del modelo SIS
A continuacin, veremos cmo es posible estudiar una epidemia a travs del clculo
computacional. La simulacin del modelo SIS permitir estudiar, al mismo tiempo, el
modelo SI, puesto que ste es un caso particular del primero.
Supongamos una poblacin total de 15 millones de individuos en donde 10 mil de
ellos estn infectados con un germen que sigue el modelo epidemiolgico de tipo SIS. La
tasa de infeccin y la tasa de recuperacin se definen para cada caso. t = 0,1 das. La
condicin inicial del modelo es: s
0
= 15 millones 10 mil = 14.990.000 personas
susceptibles y x
0
= 10.000 personas infectadas.
Los siguientes son los resultados de algunas simulaciones:

Propagacin de una epidemia con modelo SIS
0
2000
4000
6000
8000
10000
12000
14000
16000
0 50 100 150 200 250
Das
M
i
l
e
s

d
e

I
n
f
e
c
t
a
d
o
s

Figura 6.2. La curva superior corresponde a m = 0 (no hay recuperacin), es decir, un
caso del modelo SIS que coincide con el modelo SI. La curva inferior corresponde a m =
0,003. Puede verse que la existencia de una tasa de recuperacin supone una propagacin
ms lenta. Cuando m aumente demasiado, la epidemia se extinguir en lugar de
propagarse. Es lo que ocurre, por ejemplo, para m = 0,01 (no se muestra). En todos los
clculos se us s
0
= 14.990.000 personas susceptibles (sanas iniciales), x
0
= 10.000
personas infectadas (enfermas iniciales), una tasa de contagio k = 510
-9
/(personada) y
t = 0,1 das.
Dino G. Salinas Avils
84

Propagacin de una epidemia con modelo SI
0
2000
4000
6000
8000
10000
12000
14000
16000
0 50 100 150 200 250
Das
M
i
l
e
s

d
e

I
n
f
e
c
t
a
d
o
s

Figura 6.3. La curva superior corresponde a k = 10
-8
/(personada) y la curva inferior
corresponde a k = 0,510
-8
/(personada). Como se ve, el tiempo de propagacin aumenta
cuando k disminuye. En todos los clculos se us s
0
= 14.990.000 personas susceptibles
(sanas iniciales), x
0
= 10.000 personas infectadas (enfermas iniciales) y t = 0,1 das.


Lo importante es que estas simulaciones demuestran que habr casos en que ser
posible predecir el avance de una epidemia, dependiendo de la eleccin de parmetros. La
modificacin de parmetros y la modificacin de las ecuaciones por adecuaciones del
modelo, podrn representar objetivamente las polticas de salud pblica, tales como
realizacin de campaas de educacin de la poblacin o de vacunacin masiva. Si hemos
comprobado que disminuir la tasa de contagio (k) puede retardar la propagacin de una
epidemia, como lo hara el aumento de la tasa de recuperacin (m), podremos estar en
condiciones de discriminar qu ser ms favorable: una campaa de prevencin o el
tratamiento de la poblacin contagiada. En algunos casos convendr ms una campaa
mixta. Pero Cunto?, Qu permitir obtener una razn costo/beneficio ptima? Esto
lo determinar el modelamiento y el anlisis matemtico adecuado. En todos los casos, el
bienestar de la poblacin ser un bien intransable, pero los ajustes econmicos permitirn
compatibilizar las soluciones con los distintos problemas de salud que aquejan a una
poblacin.
Dino G. Salinas Avils
85
En definitiva, vemos que la provocacin intelectual en la mente integrada del
terico es la misma, ya sea que se deba a la dinmica de una epidemia o a la dinmica de un
chiste. Es lo que sucede cuando se observa la realidad en la bsqueda de las interacciones,
ocultas en las estructuras. Cuando lo nico seductor de un sistema es su esqueleto lgico, y
los detalles irrelevantes merecen ser ignorados, para que aflore lo sustancial.
Dino G. Salinas Avils
86
Parte IV


LA INTEGRACIN A TRAVS DE PRINCIPIOS
ESTRUCTURALES Y DINMICOS
Dino G. Salinas Avils
87
7 La teora de la informacin y la biologa


Muchas veces es necesario definir ms precisamente un concepto del cual slo tenemos una
idea intuitiva. Tal es el caso del concepto de informacin que trataremos en este
captulo. A diario escuchamos la palabra informacin. Pocos podran decir que conocen
una definicin aceptable de ella, pero muchos parecen usarla con propiedad e incluso se
permiten realizar algunos juicios cuantitativos sobre si una persona est ms o menos
informada que otra o sobre cunto ms completa que otra es una informacin. Es curioso
que se tenga la capacidad de emplear efectivamente un concepto sin tener la capacidad de
definirlo muy bien. En trminos prcticos, en muchos casos el concepto definido en forma
difusa aparenta estar exento de ambigedad. As, reconoceremos que nos informa mucho
ms el peridico completo de lo que lo hara cualquiera de sus pginas por separado. Sin
embargo, no es fcil responder a la pregunta sobre qu nos informa ms, si una meloda
de Bach o un una hoja del mismo peridico. Por lo dems, suponiendo que una hoja de
peridico se puede leer ms de una vez por una misma persona: posee menos informacin
para esa persona cada vez que ella misma lo vuelve a leer? Estas son slo muestras de los
dominios desde donde los conceptos mal definidos tienden a huir como las cucarachas
huyen de la luz. Cuando la ansiedad que causa una pregunta brota de la incapacidad de
responderla, nuestro mecanismo habitual de proteccin es la indiferencia a la pregunta.
El avance de la ciencia est fundado en la formalizacin de los conceptos. Hasta
antes de Newton y sus contemporneos, gran parte de la fsica estaba escrita como ensayos
filosficos, con conceptos emanados de la intuicin y el sentido comn. Con el correr de
los aos, estos conceptos se formalizaron, pero nos qued la denominacin potica de esos
tiempos: cantidad de movimiento, mpetu, trabajo Sus definiciones matemticas
permitieron el desarrollo de la fsica mecnica. Con el tiempo, la mecnica permiti el
desarrollo de la astronoma, la revolucin industrial, los viajes espaciales y la comprensin
de fenmenos biolgicos. Lo mismo sucedi con la Teora de la Informacin, que debi
sus orgenes a la definicin de conceptos que yacan en el inconsciente colectivo, como
informacin, redundancia y desorden. Tal como la mecnica, la teora de la informacin
permiti iluminar el camino del desarrollo tecnolgico, esta vez de las comunicaciones,
Dino G. Salinas Avils
88
quedando todos en deuda de gratitud con su padre fundador, Claude Shannon. La
ubicuidad de las tecnologas de las comunicaciones no parece sorprendernos, pero debemos
aceptar que la teora que se aplica a sus procesos tambin debera aplicarse a los procesos
biolgicos, que involucran procesos de almacenamiento, transmisin, codificacin,
decodificacin, generacin y destruccin de informacin. Permanentemente escuchamos
alusiones a la informacin contenida en el genoma humano. Informacin, la misma
palabra que reconocemos como ambigua en su acepcin coloquial. Ahora veremos cmo
se construye un concepto matemtico a partir de sus acepciones coloquiales. O mejor
dicho, aprenderemos cmo una cucaracha deja de correr cuando alguien enciende la luz.


UN CASO DE CONSTRUCCIN DE UN CONCEPTO A PARTIR DE
EXIGENCIAS MATEMTICAS

Qu es lo que buscamos a continuacin? Satisfaccin. No ms que eso. La satisfaccin
ntima que se siente cuando un concepto est bien definido y de dicha nitidez conceptual
surgen propiedades. Propiedades que basan su validez en su esttica y en la armona
intelectual que generan, permitiendo optimizar la economa del pensamiento en la
resolucin de un problema o a la hora de establecer criterios para tomar una decisin. Pero
no queda ms que partir desde el criterio difuso, aunque apoyndonos en la intuicin y en la
opinin consensuada del profano.

Los eventos poco probables son los que ms nos informan
La informacin obtenida por el conocimiento de un evento decrece con la probabilidad del
evento. Esta afirmacin, dicha as, sin ms, puede ser difcil de entender. Sin embargo,
pensemos en la siguiente situacin: Nos enteramos de que hoy no ha nevado en el desierto
de Atacama. Sin duda que no nos sentiremos muy informados. A continuacin
supongamos que ha nevado en el desierto de Atacama. Si nos enteramos de este hecho
opinaremos que estamos muy informados. Ocurre que la probabilidad (p) de que haya
nieve en el desierto es muy pequea, en tanto que la probabilidad de que no la haya es muy
alta (1-p). Entonces, coincidimos en afirmar que mientras menos probable es un evento del
cual nos enteramos mayor es la informacin que obtenemos de la noticia de su ocurrencia.
Dino G. Salinas Avils
89
Aproximndonos al lenguaje matemtico, podemos decir, entonces, que:

Propiedad 1
La informacin asociada a un evento x con probabilidad p
x
es I(p
x
), tal que I es una funcin
que decrece conforme aumenta la probabilidad p
x
(Habindose indicado, como es usual, a
travs de un parntesis la dependencia que tiene la funcin respecto de la variable del
dominio).

Bueno, ya sabemos algo de cmo es la informacin que pretendemos definir. Pero
hay infinitas variedades de funciones decrecientes, por lo que hemos de emplear un
segundo aspecto de consenso en torno a nuestra definicin precaria del trmino.

Las informaciones de hechos independientes son mutuamente aditivas
Suponga que lanza un dado dos veces. Si conoce el valor obtenido de cada uno de los
lanzamientos por separado, dir que posee la misma informacin que si se hubiese enterado
simultneamente del resultado de ambos lanzamientos. Pero debemos tener en cuenta que
la probabilidad de ocurrencia de dos hechos independientes es el producto de cada una de
las probabilidades asignadas a la ocurrencia individual de cada uno de ellos.
As es que, en trminos matemticos, debemos decir que:

Propiedad 2
I es una funcin tal que:
I(p
x
p
y
) = I(p
x
) + I(p
y
)

A riesgo de ser aburrido y predecible, repetir el significado de la ecuacin anterior:
La informacin obtenida por enterarnos simultneamente de dos sucesos independientes es
igual a la suma de las informaciones obtenidas por enterarnos de cada uno de ellos por
separados.
Ntese la importancia de que dos eventos sean mutuamente independientes. Si no
fuesen as, podramos pensar que parte de la informacin de uno de ellos est ya contenida
en la informacin otorgada por el otro, por lo que no podramos aceptar el segundo
Dino G. Salinas Avils
90
miembro de la ecuacin anterior. Por ejemplo, supongamos que nos enteramos de que hoy
es da de huelga de conductores de buses y simultneamente nos enteramos de que hoy
concurrieron menos personas a sus trabajos. La informacin obtenida con la segunda
noticia es menor que si no hubisemos sabido que era da de paro. Podemos decir que, ya
que sabemos la primera noticia, la segunda ya es predecible en cierto grado. Como
ancdota de lo paradjico que puede ser nuestro mundo si no distinguimos entre hechos
dependientes e independientes, no puedo dejar de mencionar el caso del sujeto miedoso que
se suba siempre a un avin portando una bomba en su maleta. l deca: dado que yo
llevo mi propia bomba, es muy poco probable de que haya otra bomba en el avin, pues la
probabilidad de ocurrencia de dos bombas es menor que la probabilidad de ocurrencia de
una sola.

La aparicin de la funcin logaritmo
Eso ha sido todo lo que se deba rescatar del perfil difuso del concepto vulgar de
informacin. Nada ms que eso y ya se encienden las luces del escenario matemtico,
apareciendo, como la gran vedette, la funcin logaritmo. Pues puede demostrarse que es la
nica funcin capaz de cumplir simultneamente con las propiedades 1 y 2 anteriores!
A continuacin veremos cmo es que la funcin logaritmo puede cumplir con las dos
propiedades anteriores de la definicin que construimos, mientras usted puede confiar en
que esta funcin es la nica funcin efectiva para ello. Para la demostracin, nada mejor
que proponer la solucin correcta a nuestro problema y verificar por inspeccin el
cumplimiento de esas propiedades.
Llamando I a la funcin que otorga la cantidad de informacin asociada a un evento
con probabilidad p, I es tal que

( ) p k p I
B
log =
,

con B indicando la base del logaritmo y k una constante positiva (La verdad es que, dado
que el cambio de base de un logaritmo se realiza a travs de una constante, la eleccin de
una constante k apropiada puede permitirnos expresar la funcin en cualquier base
logartmica).
Dino G. Salinas Avils
91
Puede darse cuenta de que dicha funcin satisface las dos propiedades anteriores. Sin
embargo, no es necesaria tanta generalidad, as es que el valor de la constante se define
como 1 y la base del logaritmo se considera igual a 2. El motivo de la primera eleccin es
por pura simplicidad. El motivo de la eleccin de la base 2 es que, como veremos ms
adelante, as el clculo de la cantidad de informacin asociada a un evento equivaldr al
nmero de preguntas binarias, del tipo s o no, que requieren contestacin para que nos
hayamos informado del evento.
Finalmente, convengamos que la siguiente es la definicin de informacin asociada a
la ocurrencia de un evento con probabilidad p:

( ) p p I
2
log =


Esto constituye la medida de informacin de Shannon. Para completar este cuadro
coherente, slo hay que agregar que si p = 0, se define I(0) = 0. Es decir que, si un suceso
no ocurre, entonces la informacin es cero. No olvidemos que hemos comenzado buscando
una funcin que represente nuestro concepto intuitivo de informacin y hemos hallado que
esa funcin existe, en tanto que podemos disfrutar pensando que es nica!! (No seamos
aguafiestas y olvidmonos de la constante)












Figura 7.1. Grfico de la funcin
( ) p p I
2
log =
.
Dino G. Salinas Avils
92
INTERPRETACIN DE LA MEDIDA DE LA INFORMACIN DE SHANNON

A continuacin veremos la conveniencia de haber elegido la base 2 para el clculo de la
medida de informacin. Para ello, considrese el sistema de la parte a de la figura de ms
abajo. La figura muestra un sistema con dos estados posibles. Si inicialmente la posicin
de una bolita es desconocida y despus nos enteramos de que est, por ejemplo, en la casilla
de la izquierda, se dice, por convencin, que hemos ganado un bit de informacin. Para
localizar la bolita en una de las casillas, slo bastara la respuesta a una pregunta del tipo
s o no, lo que denominaremos una pregunta binaria. Por ejemplo: Est en la casilla
de la izquierda?. De aqu, se dice que el contenido de informacin de un sistema con dos
estados es un bit, que no es ms que una respuesta (binaria) a una pregunta binaria.
En la parte b de la misma figura se observa una caja con cuatro estados posibles.
Necesitaramos dos preguntas para seleccionar en qu estado se encuentra. Vale decir, en
qu casilla est la bolita. La informacin, I, adquirida al conocer la localizacin del punto
ser I = 2 bits. Esto puede escribirse como el logaritmo en base 2 del nmero de estados
posibles: I = log
2
4.
De acuerdo a la parte c de la misma figura, para una caja con 64 (2
6
) estados posibles,
ser necesario contestar log
2
64 = 6 preguntas binarias: (Est en la mitad de derecha?.
Despus: Est en la mitad inferior de la mitad donde ahora s que se encuentra?. Despus:
Est en la mitad inferior de la mitad donde ahora s que se encuentra?, etctera).
Como vemos, una caja con 2
I
estados posibles requerir I preguntas para determinar
su estado (en qu casilla se encuentra la bolita). Podemos ver que se cumple la siguiente
relacin logartmica entre el contenido de informacin, I, y el nmero de estados posibles,
N:
N I
2
log = .
(nmero de respuestas binarias o bits)



Dino G. Salinas Avils
93












Figura 7.2. Capacidad de informacin de un almacenamiento:
a) Una caja con dos estados (2
1
) toma una pregunta para localizar la bolita: izquierda o
derecha?.
b) Una caja de cuatro estados (2
2
) toma 2 preguntas para determinar su estado: izquierda
o derecha? arriba o abajo?.
c) Para localizar un punto en una caja con 64 estados (2
6
), se requieren 6 preguntas.
Dado que el nmero de estados es N = 2
I
, se cumple siempre que el nmero de respuestas
binarias necesarias para seleccionar el estado es: N I
2
log = . (Cada divisin consecutiva,
indicada con un trazo rojo sobre la cuadrcula, da origen a una nueva pregunta de
respuesta binaria)


Lo que debemos tomar en cuenta es que, supuestos todos los estados como
igualmente posibles, la probabilidad de que el sistema est en alguno de los N es 1/N.
Haciendo explcita la probabilidad en la expresin anterior,

p
N
N I
2 2 2
log
1
log log = = =


Es decir, que esta expresin es equivalente a la definicin anterior para la cantidad de
informacin. As, la informacin obtenida al enterarnos de la ocurrencia de un evento con
probabilidad p de haber ocurrido es equivalente al nmero necesario de respuestas binarias
que debisemos conocer para conocer el evento. Este nmero de respuestas binarias debe



A B
C
Dino G. Salinas Avils
94
entenderse como un mnimo suficiente, pues muchas veces podemos hacer preguntas de
sobra para llegar a conocer un suceso.
La respuesta a cada pregunta binaria podra codificarse como 1 (si es S) 0 (si es
No). As, la informacin que tendramos como respuesta a todas nuestras preguntas sera
una coleccin de dgitos unos o ceros, con cada uno correspondiendo a un bit. Del mismo
modo, para codificar una letra o cualquier carcter podra emplearse una cadena de dgitos
binarios. De hecho, para especificar cualquier carcter, sea espacio en blanco o cualquier
otro signo, suele emplearse un nmero binario de 8 dgitos, cuyo contenido de informacin
se dice que es un byte. 8 bits equivalen a un byte. Entonces, es posible calcular el nmero
aproximado de bytes que incluye esta pgina o el nmero de bytes aproximados de un libro
determinado conociendo el nmero de caracteres empleados. Con el tiempo, ha sido
necesario definir unidades que permitan referirnos a cantidades cada vez mayores de
informacin, como el kilobyte (mil bytes), el megabyte (un milln de bytes) y el Gigabyte
(mil millones de bytes).


APORTE DE INFORMACIN PROMEDIO DE UN SIGNO EN UN MENSAJE

Hasta aqu, hemos discutido sistemas con mltiples estados, cada uno con igual
probabilidad de ocurrencia. Para ganar generalidad, supongamos que cada estado del
sistema puede poseer una probabilidad de ocurrencia distinta a la de los otros. Esto se
interpreta, en el ejemplo de la bolita y la caja, suponiendo que cada compartimiento podra
poseer una probabilidad de contener la bolita diferente a los dems compartimientos.
Otro ejemplo es considerar que un mensaje es una sucesin de distintos signos (como una
frase compuesta por una sucesin de caracteres). Entonces, cada mensaje posee una
probabilidad determinada de realizarse, puesto que cada signo se selecciona segn una
probabilidad que le es caracterstica. Si dividimos la probabilidad de obtener un mensaje
por la cantidad de signos empleados en l, obtendremos la informacin promedio asociada
a cada signo. A continuacin se deducir tal expresin para el clculo de la informacin
promedio.
Suponga que se obtienen dos gramos de oro por cada unidad que indiquen los
nmeros de un dado. Podra calcularse el promedio del oro ganado despus de un nmero
Dino G. Salinas Avils
95
grande de lanzamientos. Incrementando cada vez ms el nmero de lanzamientos,
constataramos que el promedio deja de fluctuar, convergiendo a un valor determinado. A
este valor lmite del promedio se le ha denominado sugerentemente como la esperanza
matemtica y normalmente se le denomina, simplemente, promedio. ste se calcula
multiplicando los gramos de oro ganados por la probabilidad correspondiente y sumando
dichos resultados, obtenindose 7 g. El clculo que sigue acerca de la informacin
promedio por signo al interior de un mensaje, se trata de lo mismo. El promedio de
informacin se calcula como la esperanza matemtica. Comparado con el ejemplo del
dado, aqu a cada signo (dgito del dado) se le asocia un valor de informacin (oro ganado)
y una probabilidad de ocurrencia del signo.
En el ejemplo de la bolita, puede suponerse que la ubicacin de la bolita en cada una
de las casillas representa la eleccin de un signo diferente dentro de un mensaje. Con p
i

representando la probabilidad de que se elija el signo i-simo (i = 1, 2, 3, N), el promedio
de informacin I se obtiene ponderando las informaciones asociadas a la aparicin de un
signo por su probabilidad correspondiente (clculo de la esperanza matemtica de I):

N N
p p p p p p I
2 2 2 2 1 2 1
log ... log log =


En notacin ms compacta:

=
=
N
i
i i
p p I
1
2
log
.

Lo que se conoce como la frmula de Shannon. Ms adelante, en un anexo, se presenta una
demostracin formal de la frmula de Shannon, a partir del concepto elemental de la
medida de informacin visto al comienzo de este captulo, y que puede contribuir a
entender la interpretacin planteada aqu.
Realicemos un clculo para el lanzamiento de una moneda que se arroja de modo que
los eventos cara y sello ocurran con igual probabilidad: p
C
= p
S
= 1/2. La informacin
de enterarnos de que es cara (I
C
) o sello (I
S
) ser la misma: 1 log
2
1
2
= = =
S C
I I bit.
El promedio de informacin por cada signo o evento elemental en una secuencia de eventos
Dino G. Salinas Avils
96
se calcula segn: 1
2
1
2
1
= + = + =
S S C C
I p I p I bit. Como es lgico, cuando todos los
eventos ocurren con igual probabilidad, el promedio de informacin es igual a la
informacin calculada para cada evento.


UNA APLICACIN: MEJORANDO EL CDIGO DE UN MENSAJE

Supongamos que observamos el paso de autos sobre una autopista, encontrando que el 50%
de los autos son negros, el 25% son blancos, el 12,5% son rojos y el 12,5% son azules.
Considere el flujo de autos como una fuente de informacin con cuatro palabras: negro,
blanco, rojo y azul. Un modo simple de codificar esta fuente en smbolos binarios podra
ser asociar cada color con dos bits. Esto es:

negro = 00, blanco = 01, rojo = 10, y azul = 11; con un promedio de 2 bits por color.

De acuerdo al este cdigo, un flujo de autos definido por la secuencia: negro, negro,
rojo, azul, blanco azul, quedara definido por: 000010110111 ( negro = 00, blanco = 01,
rojo = 10 y azul = 11; con un promedio de 2 bits por color).
Sin embargo, mediante el uso propio de la Teora de la Informacin, puede
construirse una mejor codificacin si se considera la frecuencia de ciertos smbolos o
palabras. La siguiente tabla relaciona la probabilidad de que aparezca cada uno de los autos
y la informacin asociada con este evento:


Auto Frecuencia Probabilidad p I = -log
2
(p)
Negro 50 % 1/2 = 2
-1
1 bit
Blanco 25 % 1/4 = 2
-2
2 bits
Rojo 12,5 % 1/8 = 2
-3
3 bits
Azul 12,5 % 1/8 = 2
-3
3 bits



Dino G. Salinas Avils
97

La cuarta columna sugiere la siguiente codificacin:
negro = 0 (1 bit)
blanco = 10 (2 bits)
rojo = 110 (3 bits)
azul = 111 (3 bits)

Cmo es que esto codifica mejor? Con este cdigo el nmero promedio de bits por
auto ser menor, de acuerdo a la teora de Shannon, puesto que hemos considerado la
menor cantidad de bits posibles para representar cada auto. Recordando la expresin para
el clculo de la cantidad promedio de informacin:

N N
p p p p p p I
2 2 2 2 1 2 1
log ... log log =
,

y aplicndola a nuestro problema, considerando los datos de la tabla:

auto. por bits 75 , 1
2 log
8
1
2 log
8
1
2 log
4
1
2 log
2
1
3
2
3
2
2
2
1
2
=
=

I


Esto es menor que cuando se emple la otra codificacin, y Shannon asegura que no
habr ningn otro esquema de codificacin mejor que el anterior!! Imagnense la
importancia que esto tiene para la transmisin de datos, donde se pretende cada vez ms
reducir el tamao de los cdigos.
Empleando nuestro cdigo eficiente, si vemos tres autos negros, seguidos por un auto
blanco, un auto rojo y un azul, la secuencia ser codificada, empleando la convencin
reciente, como 00010110111. De modo inverso, dado un nmero binario apropiado,
nosotros conoceremos la secuencia de autos. As podramos determinar que la secuencia de
dgitos binarios 110110101110100, representa la secuencia de autos dada por: rojo, rojo,
blanco, azul, negro, blanco, negro.
Dino G. Salinas Avils
98
Como no todos los autos se representan por la misma cantidad de dgitos, fjese que
los nmeros binarios que componen el cdigo fueron escogidos pensando en que para usted
no haya ambigedad en la lectura de una fila de dgitos como la anterior.


EL VALOR DE UNA PREGUNTA BINARIA EN LA REDUCCIN DE LA
INCERTIDUMBRE

Como se habr dado cuenta, la cantidad de informacin no es ms que la medida de la
incertidumbre. Mientras ms bits se necesiten para describir el estado de un sistema, mayor
es nuestra incertidumbre al no saber cmo deben ser esos dgitos binarios que lo describen.
Una forma de reducir la incertidumbre es a travs de la realizacin de una pregunta.
Consideremos el caso de la realizacin de preguntas binarias y calculemos cmo queda
nuestro nivel de incertidumbre, dependiendo de la respuesta obtenida. Como la respuesta
puede ser s, con probabilidad p, o no con probabilidad 1-p, mientras no obtengamos la
respuesta a la pregunta, no podremos calcular la incertidumbre final, pero s podremos
calcular una incertidumbre final media, I
media,
definida a continuacin:


pregunta antes media
I I I .

La incertidumbre final media representa el promedio de la informacin en el sistema
despus de la obtencin de una respuesta binaria acerca del mismo).

La probabilidad de que el sistema se encuentre en el estado descrito por la respuesta
afirmativa es p, por lo que la informacin asociada a este estado es log
2
p. La probabilidad
de que el sistema se encuentre en el estado descrito por la respuesta negativa es 1-p, por lo
que la informacin asociada a este estado es log
2
(1-p). Para calcular el promedio de la
informacin que se obtiene con la respuesta a una pregunta, se debe promediar la
informacin asociada a cada respuesta posible (clculo de la esperanza matemtica), por lo
que se obtiene la siguiente expresin para el clculo de la incertidumbre promedio asociada
a la pregunta:
( ) ( ) p p p p I
pregunta
= 1 log 1 log
2 2
,
Dino G. Salinas Avils
99

equivalente a la informacin promedio ganada cuando se obtiene la respuesta.

Lo interesante es que esta informacin es mxima cuando la respuesta tiene la
misma probabilidad de ser afirmativa como negativa (p = 1/2). Antes de realizar el clculo,
se apelar a la fabulosa, aunque a veces traicionera, intuicin: Suponga que alguien elige un
nmero del 1 al 16, todos con la misma probabilidad de ser seleccionados. Dado que cada
nmero posee una probabilidad de 1/16 de ser seleccionado, se calcula directamente que la
informacin antes de la respuesta a la pregunta, asociada a este problema es:

bit I
antes
4
16
1
log
2
= = .

Supongamos que realizamos la siguiente pregunta binaria: Es el nmero 16? La respuesta
ser s con probabilidad 1/16 y ser no con probabilidad 15/16. La informacin asociada
a la pregunta podr calcularse con la relacin anterior, resultando:

337 , 0
16
15
log
16
15
16
1
log
16
1
2 2
=
pregunta
I bits.

El clculo de la incertidumbre final media despus de la obtencin de la respuesta ser:

66 , 3 337 , 0 4 = = =
pregunta antes media
I I I bits.

Supongamos ahora que realizamos, en lugar de la pregunta anterior, la pregunta:
Es el nmero par? En este caso, la respuesta sera s o no con probabilidad 1/2.
Entonces, la informacin asociada a la pregunta ser:

1
2
1
log
2
1
2
1
log
2
1
2 2
= =
pregunta
I bit.

El clculo de la incertidumbre final media despus de la obtencin de la respuesta ser:
Dino G. Salinas Avils
100

3 1 4 = = = bit bit I I I
pregunta antes media
bits.

Entonces, las preguntas binarias que posean la misma probabilidad de obtener una
respuesta afirmativa como una respuesta negativa son aquellas que permiten la mayor
obtencin de informacin. O sea, la mayor reduccin de incertidumbre. Tal vez un
resultado trivial, pero que coincide perfectamente con la teora de la informacin de
Shannon. La demostracin puede realizarse en forma analtica, a travs del clculo del
valor mximo de I
pregunta
. La grfica se muestra a continuacin.



Figura 7.3. Promedio del aporte de informacin debido a las respuestas binarias
probables.


Esta expresin para el clculo de la informacin obtenida tras la formulacin de una
pregunta (I
pregunta
) no debe confundirse con la frmula para el clculo de la informacin
promedio. Definitivamente, no son lo mismo y es comn encontrar en algunos textos el
error de confundirlas.
Dino G. Salinas Avils
101
De lo que hemos visto hasta aqu y de lo que podramos intuir, una representacin
binaria de cualquier objeto real o matemtico facilitara el procesamiento y el acceso a la
informacin. La realizacin de preguntas binarias, ms efectivas, sera ms sencilla. As,
por ejemplo, la averiguacin de un nmero entero entre 1 y 16 podra hacerse ptimamente
empleando preguntas binarias para averiguar cada uno de los dgitos que codifican al
nmero en cuestin en base dos. A continuacin se expone una breve introduccin a la
numeracin binaria, empleando la base 2, y a su relacin con las operaciones lgicas. Ms
adelante, todo esto ayudar a entender cmo representar el mundo en un modelo terico de
una red neuronal. Al final, teniendo todo esto en mente, ser mayor nuestra comprensin
de la integracin entre la biologa, las ciencias de la informacin y sus alcances
tecnolgicos.


EL SENTIDO DE LA CANTIDAD DE INFORMACIN

Ya comienza a develarse cmo podra compararse la cantidad de informacin en sistemas
diferentes, como se planteaba al comienzo, cuando se hacan ver las limitaciones de la
definicin difusa del concepto informacin. Tomando en cuenta los desarrollos anteriores,
ahora podramos comparar la cantidad de informacin de una pgina de un peridico con
una pieza musical de Bach. Primero calcularamos qu tan probable era que un mono la
tipiase al azar sobre una mquina de escribir la pgina del peridico, despus calcularamos
la informacin con la expresin que utiliza esa probabilidad. Haramos lo mismo con el
clculo de la informacin de una obra Bach, suponiendo que el mono toca al azar sobre un
rgano de tubos (suponga que este monito posee sus patitas bien largas). Se tratara de
calcular la probabilidad de obtener la combinacin perfecta de movimientos de dedos y pies
compatible con la ejecucin de la pieza musical. Con este ejemplo, comienza a hacerse
patente que el clculo de los contenidos de informacin parte de ciertos convencionalismos.
Por ejemplo, suponer que el monito no est adiestrado, suponer que detesta los tonos
agudos o suponer que toca cada tecla con la misma probabilidad que cualquier otra. Los
clculos se realizan siempre sobre un modelo de la realidad y, si es imposible realizar
clculos muy exhaustivos, debe resolverse la simplificacin del modelo. Esto es
particularmente crtico en los clculos de la cantidad de informacin. Estos clculos parten
Dino G. Salinas Avils
102
de un acuerdo de intereses sobre el modelo en estudio. Para ello debemos tener cuidado de
definir bien el sistema. Muchas veces se confunde el sistema con su soporte estructural.
Sobre la estimacin de la cantidad de informacin que hay en una hoja de este libro,
qu nos interesa? El texto que contiene o la disposicin microscpica de la celulosa que
lo conforma? Interesmonos en la cantidad de informacin contenida en el texto de la hoja
en donde escribo estas palabras. Ya sabemos cmo calcularla, pues cada carcter equivale
a 8 bits. Pero si decimos que esta hoja tiene 45.000 bits, no debemos olvidar que esta
informacin es slo en relacin con lo que nos interesa. El papel est formado por fibras de
celulosa que se entrelazan y que en cada entrelazamiento estn asumiendo un estado que es
parte de un nmero astronmico de posibilidades, mucho mayores que la capacidad de
combinacin de las letras del alfabeto. Luego, el papel, en s, independientemente de la
informacin que nosotros pongamos sobre l, ya posee una cantidad de informacin. Ms
an, si sobre este papel hubiese un caro habra que considerar que tambin poseera la
informacin de su genoma.
Es decir, cuando estudiamos un sistema y la informacin que obtendramos al
conocer algunos de sus posibles estados, debemos tener presente que operamos en un
marco de consenso de intereses y aproximaciones que abarcan una limitada categora de
estados. Esto es importante cuando queremos hacer consideraciones en torno a la
informacin contenida en una clula o a la informacin contenida en el genoma
humano. Informacin: para qu?, respecto a qu?, cunta? La respuesta a esta
ltima pregunta slo tiene sentido en relacin tambin con las dems. Por eso es que
debemos tener cuidado cuando demos sentido a frases como La informacin contenida en
esta hoja es 45.000 bits. Para entender los resultados de estimacin de la cantidad de
informacin, debera siempre tenerse presente el modelo empleado en los clculos.


EL VALOR DE LA INFORMACIN

Muchas veces un comunicado puede contener informacin repetida, conocida como
informacin redundante. Considere que una misma informacin puede fluir a travs de una
hilera de canales conectados, cada uno de ellos uniendo a un par emisor-receptor. La
informacin est permanentemente expuesta al peligro de la destruccin durante su estado
Dino G. Salinas Avils
103
de almacenamiento o durante el proceso de la comunicacin, como sera el caso de las
interferencias en el proceso de transmisin a travs de un canal y de los errores en la
codificacin o decodificacin del mensaje. La redundancia permite la tolerancia a la
destruccin de la informacin en el paso desde un nivel de recepcin al nivel de recepcin
siguiente. Aquella informacin que no es redundante, es considerada informacin
insustituible.
Supongamos el caso del alfabeto ingls, que puede ser extendido al estudio de
alfabetos de otras lenguas: Si slo se sabe que el alfabeto ingls tiene 26 letras, la cantidad
de informacin que le corresponde a una letra ser igual a:

( ) 7 , 4 26 / 1 log
2 1
= = I bits.

Supongamos que en el siguiente nivel de recepcin conocemos la probabilidad de
aparicin de las letras, por lo que aplicamos la frmula de Shannon:

=
= =
26
1
2 2
03 , 4 log
i
i i
p p I bits.

Obtendremos que I
2
< I
1
. En este segundo nivel de recepcin, la fraccin de exceso
de informacin del comunicado es

15 , 0
1
2 1
2
=

=
I
I I
R .

Los niveles de recepcin siguientes se obtienen al considerar las combinaciones de letras
dobles, triples, etctera. Segn Shannon, para la lengua inglesa:

bits). ( 9 , 1 ... ; 1 , 2 ... ; 10 , 3 ; 32 , 3 ; 03 , 4 ; 76 , 4
9 6 4 3 2 1
= = = = = = I I I I I I

y, en cada caso, la fraccin de redundancia, respecto al primer nivel de recepcin, estar
calculado segn:
Dino G. Salinas Avils
104
1
1
I
I I
R
i
i

=
con los siguientes resultados:

60 , 0 ... ; 56 , 0 ... ; 35 , 0 ; 30 , 0 ; 15 , 0 ; 0
9 6 4 3 2 1
= = = = = = R R R R R R .

En el noveno nivel de informacin el 60 % de las letras son excesivas y el 40 % restante se
considera como informacin indispensable o insustituible. En el caso del alfabeto espaol
tambin podemos determinar la insustituibilidad de la informacin, pudiendo eliminar el
contenido redundante. Al respecto, intente leer lo siguiente:

Ete captul es intesante aunqe alg comlicado.

La determinacin del contenido de informacin insustituible en un mensaje
constituye la base del principio de compactacin de la informacin.
Por ltimo, se recalca que el valor de la informacin radica en su grado de no
redundancia o insustituibilidad. Esto determina que un buen ndice del valor de la
informacin sea (reordenando la ecuacin anterior para R
i
)

i i
R I
I

=
1
1
1
.














Dino G. Salinas Avils
105
LA INFORMACIN EN LOS SISTEMAS BIOLGICOS

A continuacin se examina la informacin gentica codificada por las secuencias de los
nucletidos en el DNA y la informacin contenida en una protena.

Informacin de la molcula de DNA debida a la secuencia nucleotdica
Una hebra de DNA resulta de la combinacin de nucletidos unidos en hilera a travs de
enlaces covalentes. Como slo hay cuatro tipos de nucletidos permitidos para su
formacin, los que podemos denominar A, T, G y C, una hebra de n nucletidos puede
corresponder a cualquiera de las 4
n
secuencias posibles distintas. Es decir que la
probabilidad de obtener al azar una secuencia elegida desde el total de secuencias posibles
es 1/4
n
. Considerando este valor de probabilidad, la frmula de Shannon para el clculo de
la informacin permite calcular una cantidad de informacin igual a

bits 2
4
1
log
2 1
n I
n
=

= ,

para este nivel de informacin, denominado aqu primer nivel de recepcin. Como la
molcula de DNA est formada por la unin a travs de las interacciones dbiles entre dos
pares de hebras complementarias, tal que A interacciona con T y G interacciona con C, el
segmento de hebra complementario no se considera en el clculo de la informacin de la
molcula de doble hebra, puesto que su secuencia se puede determinar a partir de la
secuencia de la otra hebra, por lo que su aporte a la informacin total es nulo.

Informacin contenida en una protena
Supongamos que una protena se ha codificado a partir de la misma hebra de DNA anterior
de n nucletidos. Como tres nucletidos codifican un aminocido, el largo de la cadena
proteica correspondiente es n/3. Dado que son slo 20 los tipos de aminocidos que
contribuyen a formar una protena, pueden existir 20
n/3
cadenas proteicas de este tipo. La
probabilidad de seleccionar al azar a una protena desde este total de protenas es 1/20
n/3
.
Aplicando la frmula de Shannon, la informacin implicada por esta probabilidad es
Dino G. Salinas Avils
106

bits 44 , 1
20
1
log
3 / 2 2
n I
n
=

= ,

para el nivel denominado segundo nivel de recepcin. Un clculo sencillo podr
demostrarnos que, al pasar de la molcula de DNA a la molcula de protena se han perdido
28% de los bits (R
2
= 0,28). Esto quiere decir que 28% de la informacin inicial, en la
molcula de DNA no es necesaria en cuanto a la codificacin de informacin de la
protena.

No toda la informacin del DNA codifica protenas ni toda la informacin de la
protena proviene del DNA

Se debe tener cuidado con la realizacin de los clculos anteriores, pues es muy fcil perder
la perspectiva correcta del problema. Muchas de las afirmaciones realizadas son slo
aproximaciones. En primer lugar, no todas las secuencias de nucletidos en una molcula
de DNA codifican protenas. Hay secuencias que no determinan ningn aminocido, ya sea
porque el RNA que codifican es procesado de una forma que no permite su traduccin a
protena o porque existen secuencias de DNA que ni siquiera son transcritas a RNA debido
a que slo son dominios de unin a ciertas biomolculas con funcin reguladora. En
segundo lugar, no toda la informacin que posee una protena proviene del DNA, sino que
tambin hay informacin procedente del medio. Es as como, una misma secuencia de
aminocidos en una protena puede adquirir innumerables formas de plegamiento
tridimensional, denominadas conformaciones. La seleccin de una de estas
conformaciones, del total de conformaciones posibles, se debe a la informacin proveniente
del medio, adems de la informacin genmica. Entonces, la protena incluye e integra
informacin de diversos orgenes. Las razones por las cuales estas conformaciones son
determinadas por el medio son mltiples, entre las que se destacan: el entorno qumico que
rodea a la protena, el que depende de la naturaleza y de la cantidad de molculas en que
est embebida la protena; as como la temperatura, que no es ms que un indicador del
movimiento translacional promedio de las molculas.

Dino G. Salinas Avils
107
La redundancia de la informacin biolgica
Teniendo en cuenta el marco hipottico con el que hemos calculado el 28% de informacin
perdida al pasar del nivel de recepcin del DNA al nivel de recepcin de la secuencia
aminoacdica de una protena, podemos considerar que este porcentaje representa la
informacin innecesaria para la funcin proteica. Esta informacin innecesaria se
explica muy bien por la degeneracin del cdigo gentico. sta consiste en que, como hay
20 aminocidos posibles y 4
3
codones diferentes capaces de codificar a estos aminocidos,
hay ms de un codn para codificar a un aminocido. El trmino degeneracin ya haba
sido empleado antes por los fsicos para indicar los casos en que distintos orbitales
atmicos podan tener un mismo nivel energtico.
Hay otra limitacin en nuestro clculo de la informacin proteica, del que a esta
altura ya debemos aceptar como un clculo extremadamente simple, casi ingenuo: La
informacin de una protena puede ser determinada en relacin a la funcin, en vez de la
estructura. Si bien la funcin est determinada por la estructura, si lo que nos interesa es la
informacin debida a la funcin, hemos de tomar en cuenta que ms de una estructura es
compatible con una misma funcin. Tal como antes debimos considerar que ms de un
codn era compatible con un mismo aminocido. En este caso, nuevamente la informacin,
determinada por la funcin, es menor que la informacin calculada en el nivel de recepcin
precedente, determinado por la estructura. Esta disminucin tambin debe ser atribuida a
informacin redundante. Por ejemplo, en algunas protenas puede haber aminocidos
sustituibles por otros semejantes, sin afectar la funcin proteica (como alguna actividad
cataltica).
En cualquier caso de redundancia, lo que hay es la posibilidad del sistema de soportar
perturbaciones sin prdida de la funcionalidad. As la redundancia del cdigo gentico
determina con alguna probabilidad la posibilidad de resistir mutaciones en la molcula de
DNA (primer nivel de recepcin) consistentes en la sustitucin de un nucletido por otro
sin que esto implique un cambio del aminocido codificado por el triplete en la secuencia
aminoacdica (segundo nivel de recepcin). A su vez, en caso de haber una sustitucin de
un aminocido por otro que se le asemeje, la funcin puede conservarse (tercer nivel de
recepcin). De este modo, suponiendo que de los 20 aminocidos estndares, 16 de ellos
fueran insustituibles, el nmero de protenas diferentes codificadas por una hebra de DNA
Dino G. Salinas Avils
108
de n nucletidos sera 16
n/3
, por lo que la probabilidad de obtener cualquiera de ellas sera
1/16
n/3
, implicando una cantidad de informacin de:

bits 33 , 1
16
1
log
3 / 2 3
n I
n
=

= .

Puede haber un cuarto nivel de recepcin, consistente en la asociacin de protenas
codificadas por segmentos diferentes de la hebra de DNA. Sin embargo, supongamos que
la protena se compone de dos cadenas de aminocidos codificadas por una misma hebra de
n/2 nucletidos. Esto significa que la protena tendr (1/3)(n/2 + n/2) = n/3 aminocidos,
como en el caso anterior, pero la informacin de una subunidad de la protena estar
contenida en la otra subunidad. De este modo, la informacin de la protena resultante (un
homo-dmero) ser como si fuese codificada solamente por la mitad de los nucletidos:

bits 67 , 0
2
33 , 1
4
n
n
I = = .

Para cada uno de los niveles de recepcin anteriores, podemos calcular los niveles
de redundancia de acuerdo a cmo se definieron anteriormente, tal como aparece en la
siguiente tabla, donde n es el nmero de nucletidos de la hebra de DNA codificante:


Nivel de recepcin Cantidad de
informacin (bits)
Fraccin de
redundancia, R
1
ro
: Hebra de DNA 2n 0
2
do
: Secuencia de
aminocidos.
1,44n 0,28
3
ro
: Secuencia de
aminocidos con
aminocidos sustituidos.
1,33n 0,34
4
to
: Formacin de un
homo-dmero.
0,67n 0,72


Dino G. Salinas Avils
109
Los sistemas biolgicos, conforme progresan, alcanzan niveles de valor de
insustituibilidad cada vez mayores. Esto est en directa relacin con el aumento creciente
de la complejidad. Curiosamente, los individuos ms complejos poseen la capacidad de ser
ms selectivos en cuanto a la seleccin de la informacin del medio. Una ameba, por
ejemplo, fagocitar casi cualquier partcula que encuentre. En cambio, una rana, ser capaz
de distinguir e interesarse en un insecto en movimiento, as como un murcilago
seleccionar a su presa a travs de un aparato incorporado de deteccin ultrasnica. La
capacidad de seleccin de informacin es algo que se obtiene pasivamente como resultado
de la pura estructura biolgica. As, un canal inico no requiere consumo de energa para
seleccionar a un determinado ion y permitirle atravesar la membrana plasmtica. Dado que
un ion es permeable, lo ser siempre que el canal mantenga su estructura. A pesar de que la
selectividad de la informacin no requiere consumo de energa, la adquisicin de
informacin por un sistema biolgico requiere energa y este requerimiento aumenta con la
temperatura. En otro captulo, donde estudiaremos el concepto de desorden, veremos que
se requiere de 10
-23
J/K por cada bit de informacin obtenido.


EL IMPACTO DE LA TEORA DE LA INFORMACIN EN LAS
COMUNICACIONES

Claude Shannon es considerado uno de los fundadores de la era de la informacin,
debido a la publicacin de su artculo sobre Una teora matemtica de la comunicacin.
Pudo describir sistemas de comunicacin ideales, permitiendo identificar los problemas que
deban resolverse para lograr la materializacin de dichos sistemas. Esta es la razn por la
que cientficos e ingenieros se apoyan en los principios de Shannon para lograr nuevos y
mejores sistemas. l encontr relaciones crticas entre los elementos de los sistemas de
comunicaciones. La potencia de la fuente de una seal; el ancho de banda o rango de
frecuencia de un canal de comunicacin a travs del cual viaja la seal; y el ruido del canal,
que se superpone a la seal, tal como la esttica impredecible que distorsiona la recepcin
de las seales de radio. Tambin pudo demostrar que se poda transmitir informacin a
travs de canales ruidosos a tasas de error que podan ser controladas. Lo ms importante,
su teora marca a los cientficos e ingenieros los lmites de lo posible y lo imposible en
telecomunicaciones.
Dino G. Salinas Avils
110
Para entender la teora de Shannon debe tenerse en cuenta lo siguiente:

- Las palabras son smbolos cuyo significado depende del par emisor-receptor
involucrado en la comunicacin.

- Los smbolos, vistos por un observador externo al objeto parlante se perciben
como generados al azar. Esto aun cuando el sujeto emisor los emita con cierta correlacin
interna. En la medida en que esta correlacin pasa inadvertida para el sujeto receptor, el
mensaje acarrea una incertidumbre susceptible de ser medida con la definicin de cantidad
de informacin de Shannon.

- Toda comunicacin involucra tres etapas: codificar el mensaje en la fuente emisora,
transmitir el mensaje a travs de un canal de comunicacin, y decodificar el mensaje en el
receptor.

En telecomunicaciones, un canal es el medio de transmisin de la informacin
compuesto por un alambre o una fibra. En otros casos, en un sistema inalmbrico, es
simplemente el intervalo continuo del espectro de frecuencias electromagnticas usado para
transmitir el mensaje y que permite que no haya interferencia con la transmisin de otros
mensajes que emplean segmentos distintos de frecuencias del espectro. Las ecuaciones de
la teora completa de Shannon permiten determinar cunta informacin puede transmitirse a
travs de estos canales en un sistema ideal. Tambin hacen posible la compresin de datos,
que no es ms que la capacidad de seleccionar la informacin insustituible, es decir, la
informacin no redundante. Las tcnicas de compresin de informacin pueden ser muy
tiles para la transmisin de seales de video. Una seal de video y audio con calidad
excelente podra demandar 70.000.000 bits por segundo (bps). La transmisin a esta
velocidad es econmicamente inviable, aun empleando la tecnologa de fibras pticas con
alto ancho de banda (mxima cantidad de datos que pueden pasar por un canal de
comunicacin en un momento dado). Sin embargo, las tcnicas de compresin permiten
transmitir seales de calidad aceptable hasta a 56.000 bps.
Dino G. Salinas Avils
111
Cuando Shannon public su teora, en 1948, el mejor de los cables permita transmitir
1800 conversaciones. Veinticinco aos ms tarde, el cable de mayor capacidad poda
transmitir 230.000 conversaciones simultneamente. Actualmente, una hebra de fibra
ptica tan delgada como un cabello puede transmitir, simultneamente ms de 6,4 millones
de conversaciones simultneamente o, transmitir unas 90.000 enciclopedias en un segundo.
Sin embargo, el lmite terico de transmisin de una fibra ptica es de
100.000.000.000.000.000 (cien mil billones) de conversaciones, cada una codificada a
64.000 bits por segundo.
Una entrada de 8 bits (1 byte) podra codificar 256 (igual a 2
8
) smbolos (asterisco,
letras, vocales acentuadas, espacio, punto, coma, etctera). Supongamos que en un segundo
se transmiten 8000 smbolos, elegidos de estos 256. En este caso, la capacidad de
transmisin sera 88.000 = 64.000 bits por segundo. Si los bits a la salida del canal son los
mismos que a la entrada del mismo, se dir que el canal est exento de ruido. En el caso en
que el canal posea un determinado nivel de ruido, se tendr que en algn porcentaje, los bits
de salida del canal no sern los mismos bits de entrada del mismo. As, si el nivel de ruido
es 10 %, esto indicara el porcentaje de veces en que en la posicin de un dgito binario 1
aparece un dgito 0 o viceversa. La teora de la informacin permite determinar que la
capacidad mxima de transmisin de informacin de un canal como el anterior es 67.840
bits por segundo. Lo que quiere decir que a capacidades menores podr haber transmisin
a tasas que no superen una tasa de error deseada. Por ejemplo, puede emplearse este canal
ruidoso para transmitir a la capacidad de 64.000 bits por segundo, propuesta al comienzo,
esperando slo un error cada mil millones de bits. Un canal que transmita a velocidades
mayores que el mximo terico, tendr demasiada informacin corrompida por el ruido.
En este caso, el exceso de capacidad de transmisin debe emplearse para el envo de
informacin repetida que pueda sobrellevar la prdida de informacin. Sin embargo, el
empleo de informacin repetida disminuye demasiado la tasa de transmisin de
informacin relevante. Afortunadamente, la teora de la informacin nos dice que si la tasa
de transmisin es menor que el lmite mximo establecido, es posible emplear cdigos de
correccin de errores que permitan disminuir la probabilidad de error. Sin embargo, estos
cdigos son cada vez ms complejos cuanto menor se intenta hacer a la probabilidad de
error.
Dino G. Salinas Avils
112
Todo lo que nos espere en el mundo de las telecomunicaciones habr sido
anunciado por Shannon. No debera sorprendernos que sus principios se apliquen tambin
a los sistemas biolgicos, en los que toda su organizacin apunta a la determinacin de los
flujos, la evolucin y la perpetuacin de la informacin. En captulos posteriores se ver
que la teora de la informacin est esencialmente relacionada con la teora de los sistemas
complejos, como los sistemas biolgicos, as como con los conceptos de espontaneidad y
desorden, tambin inherentes a la lgica de la vida y al estudio termodinmico de cualquier
sistema.




Dino G. Salinas Avils
113
ANEXO 7.1
La numeracin binaria y el empleo de la lgica

La numeracin que usamos a diario suele ser la numeracin del sistema decimal. Desde
nio aprendemos que, para representar un nmero en el sistema decimal, las unidades
(menores que diez) deben representarse como el dgito ms a la derecha del nmero. El
dgito contiguo, hacia la izquierda, representa la cantidad de grupos de diez unidades o
decenas. Cada diez decenas acumuladas, contamos una centena, lo que se representa en el
tercer dgito, y as, sucesivamente. Matemticamente, la notacin decimal supone que:

a10
0
+ b10
1
+ c10
2
+ d10
3
+ = dcba.

en donde los trminos a, b, c, d, ..., de la sucesin, son dgitos del 0 al 9. Debiendo
considerarse que, si el nmero es distinto de cero, el dgito del extremo izquierdo debe ser
el ltimo dgito de la sucesin que es distinto de cero. Por ejemplo, el nmero 525 se
escribe as en notacin decimal porque: 525 10 5 10 2 10 5
2 1 0
= + + .
Cuando se quiere realizar una notacin en una base numrica distinta, se emplea el
mismo principio. Supongamos que un nmero en notacin decimal lo anotamos de la
forma:
a2
0
+ b2
1
+ c2
2
+ d2
3
+ = dcba.

en donde a, b, c, d y los dems coeficientes son dgitos del 0 al 1. Nuevamente, si el
nmero es distinto de cero, el dgito del extremo izquierdo debe ser el ltimo dgito de la
serie que es distinto de cero. En este caso, decimos que el nmero dcba, formado por
los dgitos binarios 0 1, est anotado en base dos, requiriendo solamente notacin binaria.
Como ejemplo, el nmero 2 en base 2 debe escribirse 10, ya que: 2 = (0)2
0
+ (1)2
1
.
Ntese que se escriben todas las potencias de 2, desde la menor (exponente cero)
hasta la mayor potencia precedida de un factor 1. Las potencias intermedias que no sean
necesarias, de todos modos deben anotarse precedidas de un factor cero, as como puede
verse en el siguiente ejemplo. El nmero 53 (en notacin decimal) se escribir como
110101, ya que:
53 2 1 2 1 2 0 2 1 2 0 2 1
5 4 3 2 1 0
= + + + + + .
Dino G. Salinas Avils
114
Esto parece bastante innecesario. Se requieren 6 cifras para representar el nmero 53
en el sistema en base 2, mientras que en el sistema decimal slo se necesitan 2. Pero la
importancia de la notacin numrica en base 2 es que es binaria, permitiendo realizar
clculos computacionales, aprovechando que el dgito 1 se puede representar por un
interruptor en una posicin que permite la circulacin de corriente en un circuito
(conectado), en tanto que el dgito 0 se puede representar por el mismo interruptor en una
posicin que no permite la circulacin de corriente (desconectado). Un nmero binario
de n dgitos puede representarse por n interruptores, con cada uno de ellos en la posicin de
encendido o apagado correspondiente.
De este modo, con los circuitos apropiados, una mquina puede efectuar fcilmente
todo tipo de operaciones matemticas. Se trata de las operaciones aritmticas usuales, as
como algunas operaciones de tipo lgico. Sobre estas ltimas, conviene detenerse un poco.
Entendiendo que dos interruptores conectados en serie determinan un conjunto de
reglas para su funcionamiento global, podemos definir la multiplicacin de tipo booleana
de acuerdo a la siguiente tabla:

Interruptor 1 Interruptor 2 Interruptores 1 y 2
conectados en serie
1 1 1
1 0 0
0 1 0
0 0 0


Lo que se debe interpretar as: ambos interruptores deben estar conectados para que el
circuito resultante conduzca la corriente. Es decir: si al menos uno de ellos no est
conectado, quedar impedido el paso de corriente. Esta tabla establece una relacin que es
anloga a la tabla de verdad que posee la proposicin lgica del operador y:




Dino G. Salinas Avils
115
p q p y q
V V V
V F F
F V F
F F F


Es decir, si suponemos que el dgito 1 representa una proposicin verdadera y que el
dgito 0 representa una proposicin falsa, entonces, cada interruptor puede representar el
valor de verdad de una proposicin diferente (denominadas proposiciones p y q). Esto
significa que la conexin en serie de dos interruptores representa el valor de verdad de la
proposicin compuesta p y q. Como ejemplo: si la proposicin p significa ando en
bicicleta y la proposicin q significa silbo una cancin, la proposicin p y q ser
verdadera solamente si hago simultneamente ambas cosas.
Para el operador lgico o tambin existe una tabla de verdad anloga a una tabla
de estados de un circuito de dos interruptores conectados, esta vez en paralelo:

p q p o q
V V V
V F V
F V V
F F F


Esto quiere decir que la proposicin ando en bicicleta o silbo una cancin ser
verdadera si hago, al menos, una de las dos cosas. Esto se representar bien en el circuito
cuando al menos un interruptor est conectado.
En realidad el o de antes corresponde al o que en el castellano llamaramos y/o,
dado que ambas proposiciones tambin pueden ser verdaderas simultneamente. Este
operador lgico es diferente del o excluyente, en el que se admite que slo una de las
proposiciones es verdadera, correspondindole la siguiente tabla de verdad:
Dino G. Salinas Avils
116
p q p o excluyente q
1 1 0
1 0 1
0 1 1
0 0 0


As como en los casos anteriores, es posible disear un circuito que cumpla con la
tabla anterior y con muchas otras tablas de verdad de otros operadores lgicos (como la
negacin, la implicancia, la equivalencia o implicancia recproca, etctera).
Es este principio de representaciones binarias, a travs de la manipulacin de los
estados de conductividad de un circuito, lo que ha permitido el desarrollo de las
computadoras. Por supuesto que un interruptor es una unidad operativa que puede estar
soportada por componentes electrnicos que ocupen un espacio muy reducido y, en
trminos prcticos, no sirve el interruptor mecnico que estamos acostumbrados a utilizar
cuando encendemos una luz. La representacin de la codificacin binaria en otros soportes,
tal como la magnetizacin de un material en un sentido o en otro, o la formacin o no
formacin de una cavidad sobre un disco, sum a las posibilidades de procesamiento de
informacin las enormes potencialidades del almacenamiento. Otro soporte, aunque
controversial en cuanto a su significacin, biolgica es la red neuronal terica.
Dino G. Salinas Avils
117
ANEXO 7.2
Demostracin formal de la Frmula de Shannon

Requisitos de conocimientos previos para entender la demostracin: combinatoria,
probabilidad, sumatoria, signo de productoria y propiedades de logaritmos.

(Si lo desea, puede omitir la lectura de esta seccin sin mayores consecuencias que la
prdida del placer matemtico)


A continuacin, se demostrar que la expresin de Shannon equivale a la
informacin promedio por signo de un mensaje, suponiendo que los signos se distribuyen
con una probabilidad determinada. Los clculos emplearn la definicin simple de la
cantidad de informacin del comienzo de este captulo.

Para ello, supongamos que se tiene una noticia que contiene N signos sucesivos
(letras, signos de puntuacin, espacio, etctera), elegidos de un total de M tipos diferentes
(algo as como un alfabeto). En cada una de las N casillas se puede encontrar cualquiera de
los M signos posibles. Pero supongamos que todas las noticias de longitud N tienen que
cumplir la siguiente condicin: En la noticia estn contenidas N
1
signos A, N
2
signos B,
etctera. De modo que se cumple que:

=
=
M
j
j
N N
1


y, para una noticia muy larga, la probabilidad de aparicin de signo dado es:

. ..., , 2 , 1 , M j
N
N
p
j
j
= =


Con esta distribucin de probabilidad para los signos, el nmero total Q de noticias
posibles de N signos es igual al nmero de sucesiones distintas de N signos que pueden
formarse con M tipos de signos, aun cuando haya algunos de ellos repetidos:
Dino G. Salinas Avils
118

=
=
M
j
j
N
N
Q
1
!
!


La probabilidad de obtener una de estas posibles combinaciones es 1/Q. Aplicando
la definicin de informacin y la frmula de aproximacin de Stirling ( ( ) x x x
2 2
log ! log ,
que da buenos resultados para x > 100), la informacin I
N
contenida en un mensaje de N
caracteres se calcula segn:
( ) ( )
. log log
log log
log log
! log ! log
1
log
1
2
1
2
1
2 2
1
1
2 2
1
2 2 2

= =
= =
=
=
= =
= =
=
= =
M
j
j j
M
j
j
j
M
j
j j
M
j
j
M
j
j j
M
j
j N
N
N
N
N
N
N
N
N
N N N N
N N N N
N N
Q
I


Considerando la definicin anterior de la probabilidad p
j
de aparicin de un signo, la
expresin anterior se reduce a:

=
=
M
j
j j N
p p N I
1
2
. log


Si queremos calcular la informacin promedio, I, correspondiente a un slo signo,
debemos dividir el valor de I
N
por N, la cantidad total de signos de la noticia. Luego:

=
=
M
j
j j
p p I
1
2
log
,
Dino G. Salinas Avils
119
la frmula de Shannon. Es decir, que, segn esta demostracin, la expresin de Shannon
equivale a la informacin promedio correspondiente a un signo individual que forma parte
de un mensaje, suponiendo que los signos se distribuyen con una probabilidad determinada.

Dino G. Salinas Avils
120
8 La entropa y el desorden


Necesariamente, el estudio de algunos aspectos estructurales compartidos por sistemas de
distinta naturaleza, permite la obtencin de conclusiones que pueden aplicarse a cualquier
sistema, entre los que se cuentan los sistemas biolgicos. Uno de estos aspectos
estructurales es el concepto de desorden (o de orden), de vital importancia si consideramos
que los seres vivos son altamente ordenados en relacin con el medio inerte que los rodea.
Pareciera ser que esta capacidad de autoestructuracin fuese consustancial a la capacidad de
adaptacin de todos los seres vivos. Si se pretende determinar leyes cuantitativas para la
formacin de estructuras ordenadas, y con ello aportar a la explicacin de los fenmenos de
la vida, es necesario definir claramente el concepto de desorden, al extremo de poder
cuantificarlo. Una vez ms, para avanzar en los caminos de la ciencia, se hace necesario
construir un concepto bien definido a partir de una concepcin puramente intuitiva. Al
final, se podr apreciar que tal esfuerzo vale la pena porque permitir el descubrimiento de
leyes universales que determinarn cules sern los procesos a los que les estar permitida
o no su existencia. Se explicar el mundo de lo posible con las mismas leyes que
determinan el mundo de lo imposible. Se explicar lo que es con la misma lgica con que
se explica lo que no es. Estas leyes son vlidas sin que importe la naturaleza del sistema en
estudio. Es decir, son una herramienta ms de integracin de las ciencias bsicas en la
biologa.


DEFINIENDO EL DESORDEN

Cuando se vierte una gota de tinta sobre el agua, se observa el esparcimiento de la gota
hasta mezclarse homogneamente con toda el agua. A nivel microscpico, ha ocurrido una
mezcla de las molculas de ambas sustancias, producto de los movimientos de traslacin
molecular, los que aumentan con la temperatura. No hay ninguna razn por la cual la tinta
deba estar confinada en un rincn del vaso, como tampoco hay ninguna razn para que cada
molcula de tinta est en un lugar determinado, cuando suponemos que las colisiones
intermoleculares son todas aleatorias. Entonces, suponemos que todas las distribuciones de
Dino G. Salinas Avils
121
las molculas de tinta son igualmente probables. Si observamos algn fenmeno asociado
a la distribucin de sus posiciones, como la concentracin o el color de la tinta disuelta,
comprobaremos que el fenmeno se manifestar del modo ms probable. Por ejemplo,
despus de la difusin de la gota de tinta, se observa que las molculas terminan esparcidas
homogneamente por todo el vaso de agua. Esto debe hacernos sospechar que hay ms
formas de ocupar con las molculas de tinta el volumen completo de agua que formas de
ocupar slo un rincn del vaso (todas las formas con la misma probabilidad). Del mismo
modo que hay ms formas de sentar a diez personas en un cine de modo que cada mitad del
cine contenga a la mitad de ellas, que formas hay de que todas ellas se sienten en la primera
fila. Como se ve, en un sistema que posee partes intercambiables, siempre se puede
distinguir un estado observable macroscpico (macroestado) que depende en forma gruesa
de la ubicacin de cada una de las partes, pero que no nos revela la ubicacin de ellas con
exactitud, as como un estado que involucra la descripcin detallada de las partes del
sistema (microestado). El microestado nos indicara detalladamente qu asiento ocupa cada
una de las diez personas en el cine. El macroestado nos indica una situacin ms global,
tal como cuntas personas estn en una de dos mitades del cine y se determina
absolutamente con el ordenamiento descrito por el observable microscpico. Sin embargo,
habr varios ordenamientos microscpicos compatibles con un mismo macroestado. Es as
como hay muchas formas de ordenar a diez personas dentro de un cine para que un
determinado porcentaje de ellas quede en alguna mitad del mismo. Cuando se dice que hay
varias formas de ordenar un sistema (nmero de microestados) para mantener un mismo
macroestado, paradjicamente, se dice que el sistema est desordenado. Por qu? Porque
si un mismo macroestado (porcentaje de personas en la mitad del cine) es compatible con
varios microestados (distribucin de las personas en los asientos), todos estos microestados
compatibles son igualmente probables, de modo que no sabemos en cual de ellos se
encuentra el sistema, y nos dara lo mismo que se sucedieran unos a otros en forma
aleatoria. Es decir, que el concepto de desorden en esta primera aproximacin, ya se
aprecia como relacionado directamente con el concepto de incertidumbre o prdida de
informacin.
Comienza a vislumbrarse una definicin esttica de desorden: El desorden aumenta
con el nmero de microestados compatibles con un mismo macroestado. Compatibles
Dino G. Salinas Avils
122
significa que el macroestado est soportado en el microestado. Esto admite la posibilidad
de cuantificar el desorden y de estudiar sus leyes.
Supongamos que poseemos un nmero determinado (N) de fichas con uno de sus
lados negros y otro de sus lados blancos. Si todas las fichas estn numeradas para su
identificacin, y estn extendidas completamente sobre una bandeja, podemos describir,
con todo detalle, cules de ellas poseen su lado negro hacia arriba y cules de ellas poseen
su lado blanco hacia arriba (ntese que esta opcin binaria es similar a escoger la mitad del
cine en donde se sentar un sujeto o la mitad del vaso donde se ubicar la molcula de
tinta). El estado macroscpico podra especificarse por la fraccin M de fichas con su lado
negro hacia arriba. El nmero de microestados compatibles con el macroestado M se
denominar m.
Si las letras n y b indican que las caras superiores de las fichas son negras o blancas,
respectivamente, una distribucin u orden determinado de fichas se representar por la
correspondiente sucesin del tipo nbbn, tal que cada lugar en la sucesin corresponde al
estado de una ficha determinada. Supongamos, para realizar un clculo sencillo, que el
nmero de fichas es 5. La cantidad m de microestados compatibles con todas las fichas
negras (M = 1) es 1, con: nnnnn representando al nico microestado todas negras. En el
caso M = 0,2 slo una de ellas ser negra, por lo que habr m = 5 microestados compatibles
con dicho macroestado: nbbbb, bnbbb, bbnbb, bbbnb y bbbbn. Para cuando observe M =
0,4 se tendrn los siguientes microestados posibles: nnbbb, nbnbb, nbbnb,; o sea, m = 10.
Ya es aparente que, cuando sea mayor la cantidad de fichas, ser mayor la cantidad de
ordenamientos compatibles con el macroestado del sistema, consistente en que la mitad de
las fichas sobre la bandeja se ven negras.
La frmula para el clculo del nmero m de microestados compatibles con el
macroestado M, cuando hay N fichas, es:

)! ( )! (
!
NM NM N
N
m

= .

Es tentador realizar un clculo de la cantidad de estados microscpicos compatibles
con un mismo estado macroscpico para cualquier nmero de fichas.
Dino G. Salinas Avils
123


Macroestado
M
Desorden m
0,00 1
0,02 4,9 x 10
3

0,05 7,5 x 10
7

0,10 1,7 x 10
13

0,20 5,5 x 10
20

0,40 1,4 x 10
28

0,50 1,0 x 10
29

0,60 1,4 x 10
28

0,80 5,5 x 10
20

0,90 1,7 x 10
13

0,95 7,5 x 10
7

0,98 4,9 x 10
3

1,00 1

Nmero de microestados (m) compatibles con varios macroestados (M), empleando 100
fichas (N) con un lado negro y otro blanco.


Cuando se sacude la bandeja de modo que las fichas se volteen al azar, aunque todos
los microestados son igualmente probables, habr macroestados ms probables que otros.
La cantidad total de microestados es: 2x2x2x2 = 2
N
, por lo que la probabilidad P
M

de que el sistema est en un macroestado M se calcular segn:

N
M
M m
P
2
) (
= .

Por ejemplo, de los 2
100
microestados de una bandeja con 100 fichas, solamente uno
corresponde al macroestado todas negras (M = 1), por lo que la probabilidad de que el
microestado todas negras se presente despus de sacudir la bandeja es:

30
100
0
10
2
1

= P

Esta probabilidad es tan pequea que la bandeja podra sacudirse mil millones de veces por
segundo durante 100 mil millones de aos sin que ocurriese el macroestado todas negras.
Dino G. Salinas Avils
124
No existe ley mecnica que impida que este macroestado ocurra, pero su probabilidad es
tan pequea que puede considerarse nula.
El macroestado de mximo desorden tiene asociada la mxima probabilidad. El
mximo desorden se obtiene para el macroestado 50% negras (M = 0,5), y su
probabilidad es:
08 , 0
2
10
100
29
5 , 0
= P .

Esto significa que de cada cien sacudidas, en promedio, 8 veces se observar el 50% de las
fichas de un mismo color. Pocas veces interesa un observable macroscpico tan definido,
adems de que siempre habr un rango de incertidumbre debida al error experimental. En
este caso, un clculo de probabilidades asegura que el 98 % de las veces que se agite la
bandeja el macroestado M estar comprendido entre 0,4 y 0,6.
Si el nmero de fichas se aumenta a un milln, el 99,99% de los microestados
corresponder a macroestados comprendidos entre M = 0,499 y M =0,501. es decir, la
probabilidad de que se encuentre un macroestado muy diferente a 0,50 disminuye. Si
suponemos que al principio todas las fichas estn vueltas del lado blanco, y agitamos la
bandeja para permitir que las fichas cambien de estado, con una alta probabilidad las fichas
configurarn un macroestado prximo a 0,50. Cualquier otra transicin aleatoria entre
microestados mantendr, muy probablemente, un valor muy prximo a 0,50.

Resumiendo, en los sistemas como los estudiados, el macroestado ms probables es
aqul que tiene asociado un mayor nmero de microestados compatibles. Como se ha
identificado m como el grado de desorden, se puede decir que, mientras mayor sea el
desorden asociado a un macroestado, ms probable es que ste ocurra. Los sistemas ms
grandes, con millones de millones de molculas, como la tinta en el vaso de agua, permiten
que exista un rango cada vez ms estrecho de macroestados ms probables debido a que
son compatibles con una mayor fraccin de microestados. En consecuencia, un sistema
gobernado por dichas probabilidades, en la prctica no cambiar nunca hacia un estado de
menor desorden.

Dino G. Salinas Avils
125
LA ENTROPA COMO UNA MEDIDA INDIRECTA DEL DESORDEN

Muchas veces en ciencia ocurre que una cantidad es bien comportada, en el sentido que
sigue ciertas leyes. En ese caso, se redacta una definicin coherente y se le pone un
nombre para que otros la empleen. Este es el caso la entropa, una propiedad de los
sistemas formados por muchas partculas. El antecedente es que se vio que en cualquier
proceso que ocurriera en el universo, esta cantidad aumentaba. Adems, se vio que si se
multiplicaba por la temperatura, se transformaba en un tipo de energa que era necesario
sumar a las dems energas del sistema.
Recordando que desorden es el nmero de microestados compatibles con un mismo
macroestado, la entropa S
M
de un macroestado M es una cantidad proporcional al
logaritmo natural de su desorden m:
m k S
M
ln = .

Con k = 1,38x10
-23
J/K, denominada constante de Boltzmann, donde J y K indican la
unidad de energa (Joule) y de temperatura (grado Kelvin), respectivamente. El valor y las
unidades de esta constante han sido elegidos convenientemente para obtener una
contribucin energtica de la entropa por cada grado de temperatura absoluta.
Dada su relacin con el nmero de microestados compatibles con un observable
macroscpico, en adelante se puede considerar a la entropa como una medicin indirecta
del grado de desorden. Note que si un sistema A posee un desorden m
A
y un sistema B
posee un desorden m
B
, el sistema global A+B posee un desorden m
A
m
B
. Es decir, si dos
sistemas se suman, sus desrdenes deben multiplicarse. As, si en una caja hay 4 fichas,
ordenadas de modo que la mitad son blancas (bbnn, bnbn, nnbb, nbnb, bnnb y nbbn) y en
otra hay 3 fichas, ordenadas de modo que un tercio son blancas (bnn, nbn, nnb), los
desrdenes son 6 y 3, respectivamente, pero el desorden del sistema global, formado por
ambas cajas, es 6x3 = 18. Hay 18 formas de ordenar todas las fichas de modo que todava
en las cajas A y B se observen la mitad y un tercio de fichas blancas, respectivamente. Esta
propiedad de que los desrdenes se multiplican, permite deducir la siguiente propiedad: las
entropas son cantidades aditivas. Es decir, si S
A
y S
B
, son las entropas de los sistemas A y
B, respectivamente, la entropa S
AB
del sistema A+B es igual a la suma de las entropas
parciales. As,
Dino G. Salinas Avils
126
B A B A M A AB
S S m k m k m m k S + = + = = ln ln ) ln( .

Como p
M
= 1/m es la probabilidad de que el sistema est en uno de los de los m
microestados compatibles con M, la entropa tambin se acostumbra anotar de esta forma:

M M
p k S ln = .

Es importante no confundir p
M
(la probabilidad de obtener un microestado
compatible con la clase M) con P
M
(la probabilidad de hallar el sistema en el macroestado
M) definido anteriormente para denotar la probabilidad de hallar el sistema en el
macroestado M. En nuestro ejemplo de las fichas, puede verse que

M
N N
M
p
m
P
2
1
2
= = .

En el ejemplo del cine, suponiendo que se sabe que el observable macroscpico
consiste en que la mitad del cine contiene a la mitad de las personas, p
1/2
se tratara de la
probabilidad de obtener una determinada distribucin de personas en los asientos que
cumplan con esta condicin. No se trata de la probabilidad P
1/2
de que la mitad del cine
contenga a la mitad de las personas.
En los desarrollos anteriores hemos supuesto sistemas aislados, porque no
intercambian materia ni energa con el entorno. Esto los convierte en universos, ya que
no se relacionan con ningn otro sistema. Tambin se ha supuesto que estos universos
acceden a cualquiera de sus microestados con igual probabilidad, por lo que se vio que los
microestados correspondientes a una misma clase de observable macroscpico tendan a
aparecer ms frecuentemente cuando eran proporcionalmente ms numerosos. Aceptando
este principio, la segunda ley de la termodinmica parece explicada completamente: la
entropa del universo nunca disminuye, sino que est en permanente aumento o permanece
constante. A pesar de que esta ley se formula aludiendo al universo completo, la definicin
de entropa se usa en cualquier subsistema. La razn es que las entropas locales pueden
sumarse obtenindose la entropa de todo el universo, por la definicin misma de entropa,
Dino G. Salinas Avils
127
donde se aprecia que el logaritmo de la probabilidad del todo es la suma de los logaritmos
de las probabilidades de las partes. Al final, siempre se podr sumar la entropa del
ambiente a la entropa de cualquier sistema para obtener la entropa del universo y aplicar
la segunda ley de la termodinmica.


EQUIVALENCIA ENTRE ENTROPA E INFORMACIN

Como hay que considerar el caso en que un sistema pueda fluctuar entre un estado
microscpico a otro, una expresin ms completa, que considera el promedio S de la
entropa asociada a cada uno de los microestados posibles es

=
j
j j
p p k S ln ,

denominada frmula de entropa de Gibbs. Esta expresin debera conectarnos con la
expresin para la medida de la informacin de Shannon contenida en el sistema:

=
j
j j
p p I
2
log .
De modo que: S = k(ln2)I. De aqu, el cambio de entropa del sistema
(
inicial final
S S S ), es proporcional a la ganancia de incertidumbre (
inicial final
I I I ):

I k S ) 2 ln( .

La equivalencia entre los cambios de entropa y los cambios de informacin deben
entenderse como tantas otras relaciones de equivalencia en fsica, tal como la equivalencia
entre la masa (m) y la energa (E), a travs de la ecuacin E = mc
2
(con c igual a la
velocidad de la luz en el vaco). En nuestro caso, el factor de equivalencia es kln2, donde el
factor ln2 obedece a que ambas magnitudes fsicas no emplean la misma base logartmica.
Por lo que podemos decir que 1 bit equivale a 9,57x10
-24
J/K. Este es el costo de energa
que hay que pagar por cada bit de informacin obtenida por grado de temperatura absoluta
Dino G. Salinas Avils
128
que tenga el sistema, lo que para T = 300 K equivale a 2,9x10
-21
J. Un costo bastante
barato.
As, un aumento de entropa tiene asociado una prdida de informacin. Esto se
entiende fcilmente con el ejemplo de la gota de tinta: antes de que difunda por todo el
volumen, sabemos mucho ms acerca de dnde pueden estar las molculas de tinta. En
cambio, al final, el desorden asociado con la mezcla de tinta ya homogeneizada hace que
sea ms difcil conocer el estado de cada una de las molculas. Es decir, al comienzo la
situacin est soportada por un nmero de microestados mucho menor que al final, cuando
hay un elevadsimo nmero de microestados compatibles con el macroestado tinta
esparcida por todo el volumen de agua.
En este sentido, la entropa es una medida de nuestra ignorancia sobre el sistema.
Durante el crecimiento de I aumenta tambin S. No hay que olvidar que un aumento de I
significa que nosotros poseemos menos informacin sobre el sistema, puesto que debemos
realizar ms preguntas binarias para determinar su estado. Frente a qu somos ms
ignorantes: frente a un boleto de autobs o frente a la enciclopedia britnica? y Cul de
ellos contiene ms informacin? Por eso es que durante la evaporacin de un lquido
decrece la informacin sobre el estado de las molculas, al mismo tiempo que crece la
entropa.
Se ha realizado una evaluacin aproximada de la cantidad de energa que contiene
un sistema viviente. Blumenfeld ha estimado la cantidad fundamental de informacin en el
organismo humano segn la distribucin ordenada de los residuos de aminocidos en 7 kg
de protenas, lo que corresponde a 3x10
25
residuos. Esto da 1,3x10
26
bits. Esta
informacin calculada para las protenas equivale a 1,3x10
26
kln2 = 1,3x10
3
J/K 300 cal/
K, unas 93 kcal 37 C, la temperatura corporal. Para el mismo organismo: el aporte del
DNA al contenido de informacin es mucho menor, tratndose de 150 g que equivalen a
6x10
23
bits. La colocacin ordenada de 10
13
clulas equivale a 4x10
14
bits y el
ordenamiento de 10
8
molculas de biopolmeros en una clula corresponde tan slo a
2,6x10
9
bits.
En unidades termodinmicas, el orden de un organismo vivo es muy pequeo.
Mucho ms pequeo que el orden de un mineral de roca de la misma masa, debido, en parte
al lquido contenido en el organismo, lo que disminuye en alto grado el orden molecular.
Dino G. Salinas Avils
129
Como sea, puesto que no nos alimentamos de rocas, sino que de alimentos con un mayor
grado de desorden, adems del desorden de las molculas de agua que asimilamos y, ms
an, del aire que respiramos, se debe reconocer que el transformar la materia inerte en un
organismo vivo supone un aumento del orden molecular. Esto podra aparentar una
violacin de la segunda ley de la termodinmica, pero hay que tener en cuenta que dicha
ley se refiere al universo completo. Los seres vivos, en tanto se autoestructuran en forma
ordenada, con respecto a su ambiente, desordenan el ambiente, haciendo que la
disminucin de entropa del organismo sea superada por el aumento de entropa del
ambiente, resultando que la entropa global del universo aumenta, cumplindose la segunda
ley. Supongamos a un astronauta en una cpsula espacial. Podemos considerar que la
cpsula y todo lo que ella contiene es el universo termodinmico para el astronauta. En
tanto su organismo se aprecia altamente estructurado, habiendo molculas en forma de
polmeros, clulas dispuestas en capas de tejidos y hasta siendo aparente una simetra
corprea, para subsistir, el astronauta deben consumir alimentos y arrojar desperdicios. No
slo desperdicios de su manipulacin directa del ambiente sino desperdicios orgnicos.
Podemos ver que este cambio del ambiente, consistente en la transformacin de alimentos
estructurados por desechos, no es ms que una transformacin desde el orden hacia el
desorden. El aumento de la entropa del ambiente siempre superar la disminucin de la
entropa del organismo, cumplindose la segunda ley: al interior de la cpsula, la entropa
aumenta. Lo que ocurrir cada vez ms lentamente, en tanto que el equilibrio estar ms
prximo.
Dino G. Salinas Avils
130
9 Redes neuronales

Las neuronas son clulas que poseen la capacidad de excitarse cuando un estmulo ha
sobrepasado un cierto umbral, o valor lmite. A su vez, esta excitacin puede traspasarse a
neuronas vecinas, de modo que es posible imaginar una red de neuronas, donde cada una de
ellas puede interactuar con otras, establecindose un rgimen dinmico. Dos neuronas que
hacen contacto directo una con otra a travs de una sinapsis, se dir que son neuronas
vecinas. El trmino neuronas vecinas conviene no emplearlo para hacer alusin a la
proximidad fsica, sino ms bien conviene reservarlo para aludir al contacto directo a travs
de estructuras con morfologa y funcionalidad muy caractersticas, conocidas como
sinapsis. Es importante hacer esta distincin, porque, en la estructura del sistema nervioso
es comn hallar ejemplos de neuronas que estando espacialmente lejos, a unos cuantos
centmetros, se encuentran topolgicamente cerca, dado que establecen contacto
sinptico. En otros casos, neuronas con separacin de centmetros pueden no tener
contacto sinptico, pero pueden tener un contacto sinptico indirecto, a travs de una
sucesin de neuronas intermediarias en contacto sinptico consecutivo. Otras veces,
simplemente no habr ningn tipo de contacto.
La excitacin de la neurona no es ms que un cambio en el potencial de membrana
que es capaz de propagarse a lo largo de la membrana, tal como una fila de domins
manifiesta una reaccin en cadena donde cada uno de ellos es capaz de derribar al que le
sucede en la fila. A diferencia del caso de los domins, la neurona posee la capacidad de
permitir, despus de un tiempo definido, la transmisin de un nuevo impulso, slo si la
membrana por donde se ha propagado la perturbacin elctrica se ha restaurado, volviendo
a sus condiciones iniciales. Tal como si los domins derribados se volvieran a levantar.


ESTADO DE UNA NEURONA

Ciertamente que cada pulso de perturbacin elctrica, denominado potencial de accin, es
similar a los otros que pudieran originarse en la misma neurona. Lo interesante es que este
potencial es o no es. Establecindose un fenmeno del tipo todo o nada. Sin embargo, la
Dino G. Salinas Avils
131
neurona an tiene la posibilidad de diferenciarse en una gama ms amplia de estados.
Incluso podemos decir que en una gama continua, y por lo tanto infinitos, de estados
posibles. Esta gama de infinitos estados posibles, en lo que respecta al potencial de
membrana, no es ms que las distintas frecuencias de los pulsos del potencial de accin:
Una misma neurona puede poseer distintas frecuencias de potenciales de accin, lo que
determina la posibilidad de cifrar un mensaje en cdigo de frecuencia, tal como ocurre con
las transmisiones radiales de frecuencia modulada (FM). Es posible ignorar este aspecto
multifactico de la neurona simplificando a la misma neurona en el sentido de considerarla
como capaz de estar en slo uno de dos estados: activo (si se dispara un potencial de
accin) e inactivo (si no se dispara un potencial de accin). Es tentadora esta imagen ms
simple de la neurona porque nos permite suponer a cada clula como la depositaria de un
signo binario representando uno de los dos estados posibles. En una red neuronal, el
ordenamiento en una secuencia de signos binarios numricos, cada uno sobre una neurona,
permitira codificar mucha informacin. Dado que la evolucin de los estados de una red
neuronal es el producto de la interaccin entre las mismas neuronas, el que sea posible
representar el estado de una red neuronal con patrones binarios que se modifican unos a
otros ofrece la posibilidad de procesar la informacin. Imaginemos que en la red podemos
codificar una pregunta empleando signos binarios. Es posible que la misma red, a travs de
sus interacciones y de su dinmica, determine un estado global final empleando los mismos
signos para codificar la respuesta. Esto se tratar ms adelante.
Para elegir con qu par de signos se simbolizarn los estados de la neurona se apela
slo a la conveniencia: Cuando se quieren interpretar los estados de la neurona como si
fuesen los correspondientes a un imn derecho o invertido, dependiendo de la
orientacin de sus polos norte y sur, se acostumbra emplear el nmero 1 en el estado activo,
como si se tratase del estado hacia arriba (espn arriba) de un material magntico. Para
indicar el estado inactivo de la neurona, se emplea el nmero -1, como si se tratase de una
orientacin hacia abajo del imn (espn abajo).
Otro tipo de representacin utiliza la analoga del estado de una neurona con la
determinacin de un dgito binario. En este caso, el estado activo queda representado por el
dgito 1 y el estado inactivo queda representado por el estado 0.
Dino G. Salinas Avils
132
Dada cualquiera de estas representaciones, el estado de una red neuronal quedara descrito
si se especificasen los signos asociados a cada una de las neuronas que la constituyen.
Podemos entender, entonces, el estado de una red neuronal como muy bien representado
por una hilera o sucesin de signos que nos dicen cmo son los estados de las neuronas.
Un signo por cada neurona.
Como a este nivel del trabajo se hace necesario optar por una de ambas notaciones,
preferir, sin prdida de generalidad, la notacin de estados en base a los signos 1 y -1. La
razn: esta notacin permite conectar los clculos y el anlisis de las teoras de espines
magnticos a las redes neuronales. Aunque, francamente, como esta notacin posee un
rasgo de simetra del que carece la otra, reconozco estar influenciado por la intuicin que
surge de la esttica.


DINMICA DE UNA RED NEURONAL

La dinmica de una red neuronal corresponde al modo como vara esta hilera de nmeros, a
la que hemos decidido denominar patrn. Lo importante para generar estas hileras de
nmeros es siempre asignar en la misma posicin de la hilera el estado de una misma
neurona. Esto se logra enumerando previamente a las neuronas de una red. Es decir, hay
que nombrar a cada neurona mediante la asignacin de un nmero diferente, en un orden
determinado. Hasta aqu, entonces, una neurona posee asociados dos nmeros: el que
indica su estado y el que identifica a la neurona, distinguindola de las otras. As, por
ejemplo, podremos decir que la neurona 4 est en el estado +1.
En la siguiente figura, para identificarlas, junto a cada neurona aparece un nmero
que cumple la misma funcin que un nombre. Las neuronas en estado -1 son pintadas de
negro y que las neuronas en estado +1 son pintadas de blanco. El estado de cada neurona
de la red se indica en el orden en que han sido numeradas. As (figura A), se puede
apreciar una red de 5 neuronas que est en el estado (1,-1,-1, 1, 1). En el instante posterior
(figura B), el estado de la red vara a (1,-1, 1, -1, 1) y en el instante posterior (figura C) la
red vara al estado (-1, 1, 1, -1, -1).


Dino G. Salinas Avils
133

Figura 9.1. Secuencia para representar la dinmica de una red neuronal.


Es decir, que podemos entender la dinmica de una red de N neuronas (en este caso
5 neuronas) como el peregrinar de un estado (global) formado por un patrn de N signos
binarios (1 y -1) a travs de un espacio de dimensin N:

(1,-1,-1, 1, 1) (1,-1, 1, -1, 1) (-1, 1, 1, -1, -1)

Como no ha sido explicado el modo en que evolucionan los estados de una red
neuronal, y si el tema le preocupa, por ahora basta con que se imagine que un duende se
encarga de actualizar los estados de las neuronas, de modo que los estados de toda la red
varan de una forma obligada. Por el momento aqu slo se pretende describir la dinmica
y no entender sus causas.
Dino G. Salinas Avils
134
Suponga que despus de mltiples actualizaciones de los estados de la red neuronal
se alcanza un ltimo estado. ltimo estado porque suponemos que la red no admite una
evolucin hacia otro estado, pudiendo ser el final del camino para muchos otros estados.
Dicho de otra forma: hacia un estado final son atrados (o convergen) mltiples estados
iniciales de la red neuronal. En resumen, hay estados finales que atraen a estados iniciales.
A los estados finales se les denomina estados atractores. Dependiendo de la naturaleza de
la red, tambin puede haber estados finales que se suceden en forma peridica,
considerndose al conjunto de estos estados como un ciclo atractor.


REGLA DINMICA PARA LA EVOLUCIN DEL ESTADO DE UNA NEURONA
En general, cada neurona de la red posee la capacidad de contribuir a la determinacin del
estado de otra vecina, a travs de un peso sinptico (una especie de ndice de la
influencia). En la figura siguiente, el estado de la red anterior de cinco neuronas es (1, -1,
1, -1, 1) (Indicndose, como se dijo, los estados de la neurona 1 a la 5). Vemos que cada
neurona vecina de la red posee un valor de peso sinptico (indicado al interior de un
cuadrado) hacia la neurona 3 (lo que se indica con la flecha). Si la sinapsis no existiera,
eso se indicara por un peso sinptico igual a cero.










Figura 9.2. Influencia sobre una neurona por las neuronas vecinas, a travs de los pesos
sinpticos indicados en el interior de los cuadrados. Ntese que los pesos sinpticos
poseen una direccionalidad. Es decir, en general, no debe suponerse que las influencias
recprocas sean simtricas.
1
2
3
4
5
-5
6
-4
9
Dino G. Salinas Avils
135
Simultneamente, cada neurona vecina multiplica su estado por su peso sinptico
hacia la neurona 3. Dicho resultado representa la influencia de una neurona (presinptica)
sobre la neurona 3 y se suma con las influencias ejercidas por las dems neuronas. Al final,
obtenemos algo as como la influencia total de los estados de las dems neuronas sobre la
neurona 3. El clculo de esta influencia total se realiza de acuerdo a la siguiente tabla,
donde son definidos, adems, los valores de los pesos sinpticos:

Neurona Estado Sinapsis sobre
la neurona 3
Influencia sobre la
neurona 3
1 +1 9 19 = 9
2 -1 -5 -1(-5) = 5
4 -1 6 -1(6) = -6
5 +1 -4 1(-4) = -4
Influencia
total sobre la
neurona 3
9 +5 + (-6) + (-4) = 4

Toda neurona posee, en su estructura, un parmetro que determina el efecto de la
influencia total ejercida por las dems neuronas. Se trata del umbral. Si la funcin de
influencia sobrepasa un valor umbral, diremos que la neurona deber estar en un estado
activo. De lo contrario, deber estar en un estado inactivo. Supongamos que el umbral de
la neurona 3 es 2. Como, la influencia total calculada anteriormente es 4, sta ser mayor
que el umbral (4 > 2), por lo que la neurona 3 debera estar en estado activo. En el caso en
que el umbral hubiese sido 5, la influencia total calculada anteriormente habra sido menor
que el umbral (4 < 5), por lo que la neurona no se activara.


APRENDIZAJE DE UNA RED NEURONAL
Cuando nos interesa una pregunta, tratamos de hallar una respuesta correcta. Esto es lo que
se logra con el aprendizaje: La evolucin desde una pregunta hacia la respuesta correcta.
La pregunta puede ser un evento parcial o diferente que nos recuerde algo (la respuesta).
En otro caso, la pregunta puede ser un dato indeterminado en el contexto de un conjunto de
Dino G. Salinas Avils
136
datos conocidos y la respuesta puede ser la obtencin del dato desconocido, tal como ocurre
con los clculos aritmticos.
Si reconocemos que una pregunta se puede codificar en forma binaria sobre una red
neuronal, entonces tambin podramos codificar la respuesta sobre la misma red. Dado que
no siempre la codificacin de la pregunta se realiza sobre las mismas neuronas en las que se
codific la respuesta, en general, podemos distinguir dos grandes tipos de redes neuronales:
las autoasociativas y las de multicapas. En las primeras, las neuronas empleadas para la
pregunta son las mismas que las empleadas para codificar la respuesta. Entre el estado de la
pregunta y el estado de la respuesta, habr una sucesin de estados transitorios.
Transitorios porque la estructura de la red impone la evolucin hacia el estado de respuesta.
En el segundo tipo de red neuronal la pregunta puede codificarse en las neuronas de una
capa de entrada y la respuesta puede obtenerse codificada en las neuronas de una capa de
salida. Entre ambas capas puede haber capas adicionales; las que tienen la funcin de
procesar la informacin proveniente de la capa de entrada en la direccin de la capa de
salida.
En todos los casos de aprendizaje, la cuestin es: Cmo puedo hacer que la red
neuronal converja desde una pregunta hacia su respuesta correcta? Anteriormente dije qu
pretenda el aprendizaje. Ahora se ver acerca de qu trata el aprendizaje: El aprendizaje
trata, entonces, acerca de cmo determinar la dinmica apropiada para ir desde una
pregunta hacia la respuesta correcta. Suponiendo que la regla de actualizacin dinmica de
cada una de las neuronas es fija, lo nico que puede variarse para lograr un proceso de
aprendizaje es la estructura de la red neuronal. Esta es: el conjunto formado por los
valores de los acoplamientos sinpticos y de los umbrales asignados a cada una de las
neuronas.
Dado lo que pretende el aprendizaje, como el modo en que lo realiza, podemos
considerar como ejemplo de aprendizaje a cualquier modalidad de reestructuracin de un
sistema que le permita la resolucin de problemas o la adquisicin de conocimiento o
memorizacin. A continuacin veremos algunos de estos casos en una red neuronal.



Dino G. Salinas Avils
137
MODELOS DE MEMORIA ASOCIATIVA
La memoria es la capacidad de almacenar y recordar hechos pasados. Como un hecho
podemos considerar el significado de una palabra, un rostro o cualquier situacin que en un
comienzo fue registrada en nuestra mente como la respuesta correcta a una pregunta
determinada. Una pregunta determinada puede ser considerada una provocacin ejercida
sobre nuestra mente a travs de un estmulo que impone un cierto patrn de actividad en la
red neuronal, el que debera conducirnos a la respuesta correcta. Considere la figura
siguiente como una pregunta acerca de cul es el personaje:


Figura 9.2


Seguramente usted ha respondido correctamente de quin se trata:

Figura 9.3


Como se ve en la siguiente figura, pudo haber distintas entradas de datos o preguntas acerca
de cul es el personaje y determinando todas ellas a la misma respuesta:

Dino G. Salinas Avils
138















Figura 9.4


Por cada entrada de datos (o figura) podra codificarse una secuencia de dgitos
binarios; tantos como fuesen necesarios para representar la informacin de la misma.
Como ya se ha dicho, una red neuronal podra representar a dicha secuencia si cada neurona
activa representase al dgito 1 y cada neurona inactiva representase al dgito -1. En la red
neuronal, el problema de recordar un objeto, quedara definido por la capacidad de tender
hacia el estado que representa al objeto evocado, a partir del estado que representa al objeto
que evoca o a la informacin de entrada. En el caso del pato Donald, el objeto que evoca
correspondera a cualquiera de las figuras distorsionadas o incompletas que permiten la
convergencia al objeto recordado. El modo como se puede codificar una porcin de la
imagen en un a red neuronal es a travs de la notacin binaria. Una secuencia de signos
binarios puede representar tanto a la intensidad como a la tonalidad de un color en una
regin pequea de una figura. Esta secuencia puede codificarse sobre un grupo de
neuronas. Del mismo modo, distintas zonas de la misma imagen podran codificarse sobre
Dino G. Salinas Avils
139
otros grupos de neuronas. Lo importante es que, dada una imagen, sta se pueda
representar a travs de un estado de la red neuronal y viceversa. Esto es, que, dado un
estado de la red neuronal, se cuente con la informacin para reconstruir la imagen. En
general, en los sistemas biolgicos esto ltimo no se cumple, puesto que mltiples estados
externos pueden causar un mismo estado interno (por ejemplo, poseemos una capacidad
limitada para discriminar el color de luces monocromticas de frecuencias distintas.
Adems, considrese el fenmeno de la percepcin).
Para mostrar un ejemplo sencillo, supngase que tenemos una red neuronal sobre la
que codificamos una letra a travs de un patrn de actividad que la representa fielmente.
Para hacer la numeracin de las neuronas ms sencilla, supongamos que las enumeramos de
izquierda a derecha y de arriba hacia abajo, de la siguiente forma:







Figura 9.5


Podramos codificar la letra T (en blanco) del siguiente modo:







Figura 9.6.

1 2 3
4 5 6
7
8 9
Dino G. Salinas Avils
140
Dada la numeracin de neuronas que hemos asumido, el patrn de estados activos e
inactivos quedar descrito por la sucesin: (1, 1, 1, -1, 1, -1, -1, 1, -1)
Supongamos que dicho patrn ha sido memorizado (almacenado). Esto significa que habr
patrones que sern reconocidos como similares. Dicho caso ser identificado con el acto de
recordar.
En el ejemplo siguiente, el patrn de la izquierda es capaz de converger o evocar al
patrn de la derecha que representa a la letra T:





Figura 9.7

O, lo que es lo mismo, el estado (1, 1, 1, -1, 1, -1, -1, -1, -1) tiende hacia el estado (1, 1, 1, -
1, 1, -1, -1, 1, -1). Podra haber estados intermedios, por los que la red deba pasar antes de
llegar al estado correcto (el recordado).
Supongamos que se ha almacenado otro patrn, tal como la letra O. En este caso,
podr haber patrones de inicio que converjan a una letra y no a otra. En el caso siguiente,
la red podra converger hacia el estado que representa la letra O y no hacia el que
representa a la letra T:









Figura 9.8
Dino G. Salinas Avils
141
Qu hace que una sucesin converja hacia alguna y no hacia otra diferente? La
respuesta es simple: los acoplamientos sinpticos y los valores de los umbrales. Vale decir,
la arquitectura de la red neuronal. El determinismo estructural del que se habla en biologa.
Debiendo hacerse notar que la estructura abarca las reglas de interaccin.
En las figuras anteriores se ha omitido dibujar las interconexiones, especificando sus pesos,
y los valores umbrales. Cuando estos parmetros son especificados adecuadamente, dado
que ya conocemos una regla dinmica que los utiliza, se pueden obtener las convergencias
indicadas. Para el problema de memoria asociativa, hay mltiples reglas para asignar estos
parmetros. Al proceso de asignacin de parmetros, dependiente de los patrones que
quieren ser recordados, se le denomina aprendizaje. Lo interesante es que ya se ha
establecido un lmite terico para este tipo de patrones: El nmero de patrones (si se quiere,
letras), no puede ser mayor que el doble del nmero de neuronas!!. En el ejemplo
anterior, ya vimos que pretendimos recordar dos patrones (las letras T y O) para un total
de 9 neuronas. Muy por debajo del lmite terico.
Este tipo de redes que implementan la memoria asociativa poseen tres cualidades
propias de los sistemas neuronales biolgicos: el almacenamiento es distribuido, dado que
la representacin de los patrones hace uso de toda la red. Adems, el sistema completo ser
resistente a fallas, lo que se conoce como estabilidad estructural. Pueden cortarse sinapsis
y modificarse umbrales y, sorprendentemente, la red continuar, por mucho, convergiendo
desde los patrones binarios que codifican el estmulo hasta los patrones almacenados
correctos. Esto se ha demostrado a travs de numerosas simulaciones computacionales y se
debe principalmente, dada la naturaleza de los clculos incluidos en los algoritmos de
aprendizaje, a que los patrones aprendidos estn contenidos en todos los pesos sinpticos
y umbrales de la red neuronal. As es que el almacenamiento de un patrn no se daa con
el corte o la destruccin parcial de una interconexin, como probablemente ocurrira en un
sistema de cmputo electrnico digital. Por ltimo, la actualizacin de los estados de todas
las neuronas podra, si se quiere, ocurrir en forma simultnea, lo que permitira un sistema
de cmputo paralelo, mucho ms veloz que uno secuencial, como ocurre en los
procesadores electrnicos.


Dino G. Salinas Avils
142
MODELO DE APRENDIZAJE A TRAVS DE REDES DE NEURONAS EN
MULTICAPAS

Se considera que una red neuronal ha aprendido cuando ya no comete errores con la
reproduccin de respuestas en la capa de salida, en relacin con las preguntas que se le
presentan codificas en la capa de entrada. Como ejemplo, veamos cmo una red
estructurada en capas es capaz de haber aprendido a sealar si una proposicin basada en el
operador lgico y es verdadera o falsa. Recordemos en qu consiste el operador lgico
y. Este operador determina que la frase p y q es verdadera slo cuando ambas
proposiciones son verdaderas. Esto se representa en la siguiente tabla:

p q p y q
V V V
V F F
F V F
F F F


Es tentador representar esta tabla a travs de otra notacin binaria, tal que V se represente
por 1 y F se represente por -1.

p q p y q
1 1 1
1 -1 -1
-1 1 -1
-1 -1 -1


Demos un paso ms y supongamos que cada fila de la zona sombreada representa
una pregunta y la celda contigua representa la respuesta. En una red neuronal, el valor de
verdad puede quedar representado por una neurona determinada. Ocuparemos en la capa
de entrada a una neurona p para codificar el valor de verdad de la proposicin p, y a una
Dino G. Salinas Avils
143
neurona q para codificar el valor de verdad de la proposicin q. En la capa de salida,
habr una nica neurona, p y q, para codificar la respuesta al valor de verdad de la
proposicin p y q. As, cada una de las filas de la tabla anterior puede representarse
como un estado de la red neuronal, tal como aparece en la figura siguiente. En orden
sucesivo desde la izquierda, las configuraciones de la figura corresponden con las filas de la
tabla, de arriba abajo de la misma:



Figura 9.9. Representacin de la tabla de verdad del operador lgico y en una red
neuronal.

Como se ve en la figura, en la red aparecen indicadas las conexiones sinpticas de
las neuronas de la capa de entrada sobre la neurona de la capa de salida. Pero no se ha
especificado ningn valor de sinapsis, como tampoco ningn valor de umbral. Hallar
dichos valores, para que los estados de las neuronas de la capa de entrada determinen el
valor correcto de la neurona de la capa de salida, equivale a un proceso de aprendizaje.
Aqu no nos preocuparemos de hallar dichos valores, sino, ms bien, demostraremos que
dichos valores existen. Tal como aparecen en la figura siguiente, donde se especifica el
valor umbral de la neurona de salida y los acoplamientos se han especificado al interior de
los cuadrados sobre las conexiones sinpticas correspondientes:





Dino G. Salinas Avils
144








Figura 9.10.

El empleo de estos parmetros permite especificar correctamente el estado de la neurona de
salida, de modo que la tabla de estados de entrada y salida reproduzca la tabla de verdad
para el operador lgico y:

Clculo de los estados de la neurona de salida
Estado de la
neurona p
Estado de la
neurona q
Influencia sobre la neurona p y
q
Estado de la neurona
p y q
1 1 2 + 2 = 4 (Mayor que umbral 3) 1
1 -1 2 2 = 0 (Menor que umbral 3) -1
-1 1 -2 + 2 = 0 (Menor que umbral 3) -1
-1 -1 -2 - 2 = -4 (Menor que umbral 3) -1


Lo que hemos logrado es, en base a una estructura y unas simples reglas de
interaccin, obtener una funcin. Esta red neuronal podra solucionarnos un simple
problema de lgica: Si sabemos que Pedrito no fue al colegio, pero s hizo sus tareas.
Entonces, la afirmacin Pedrito fue al colegio e hizo sus tareas es falsa. Slo
necesitamos un intrprete (un codificador y un decodificador) que opere nuestra mquina
lgica.
Dino G. Salinas Avils
145
Nos ha costado mucho llegar hasta aqu para conformarnos con un ejemplo de
aplicacin tan intil. Sin embargo, este ejemplo entrega respuestas a preguntas
fundamentales:
Si el aprendizaje es la determinacin de la estructura y la interaccin: Hay ms de
una estructura e interaccin correcta? o, lo que es lo mismo hay ms de una forma de
aprender? Segn nuestro ejemplo, la respuesta es s. Note que cualquier mltiplo de todos
los elementos del conjunto de parmetros nos sirve para representar al operador lgico y.
Ms an, existe un nmero infinito y diverso de parmetros que podran satisfacer nuestro
problema, as como tambin hay un nmero infinito de conjuntos de parmetros que no nos
serviran.
Otro aspecto interesante de nuestro ejemplo es que nos permite darnos cuenta de
que es posible codificar preguntas en una capa de entrada y obtener respuestas en una capa
de salida, nada ms que no hablaremos aqu de cmo obtener los parmetros estructurales:
pesos sinpticos y umbrales.
El incluir algunas capas intermedias, podra permitir procesar la informacin en
trnsito desde la capa de entrada hasta la capa de salida. Habr problemas que requieran
ms de dos capas de neuronas? Efectivamente. Uno es el del operador lgico o
excluyente (p o q es verdadera cuando slo una de ellas es verdadera). La tabla de
verdad de esta operacin requiere del procesamiento de una capa intermedia que antes no
fue necesaria para nuestro ejemplo. La razn: simple matemtica. Puede darse cuenta de
que no es posible satisfacer con ningn conjunto de parmetros neuronales las 4
desigualdades necesarias para obtener los estados de la neurona de salida correctos, cuando
se emplea una arquitectura de slo dos neuronas de entrada y una neurona de salida. Para
demostrarlo, supongamos que U es el umbral de la neurona de salida y que W
p
y W
q
son los
acoplamientos desde las neuronas p y q hacia la neurona de salida. Para reproducir la tabla
de verdad con nuestra red, deben cumplirse las cuatro inecuaciones de la penltima
columna de la tabla siguiente:



Dino G. Salinas Avils
146
Estado de la
neurona p
Estado de la
neurona q
Condicin de influencia
sobre la neurona p o
(excluyente) q.
Estado de la neurona
p o (excluyente) q
1 1 W
p
+ W
q
< U -1
1 -1 W
p
- W
q
> U 1
-1 1 -W
p
+ W
q
> U 1
-1 -1 -W
p
- W
q
< U -1


Podr darse cuenta de que las dos desigualdades que determinaran los estados de
+1 de la neurona de salida no pueden satisfacerse simultneamente. Ni siquiera interesan
los valores de los parmetros. Simplemente, esta red neuronal de dos capas no sirve para
resolver nuestro problema. El problema se puede resolver si se emplea una capa intermedia
de dos neuronas con los valores adecuados de los parmetros. No lo mostraremos aqu.
Sin embargo, hemos demostrado que la resolucin de un problema debida a una
arquitectura puede no ser apropiada para la resolucin de otro problema engaosamente
parecido.


IMPORTANCIA DE LAS REDES NEURONALES

Las aplicaciones de las redes neuronales se extienden desde un amplio rango, desde la
resolucin de problemas que de otro modo requeriran de un elevado tiempo de cmputo,
hasta aquellos donde no se ha determinado un algoritmo para solucionar el problema. En
casos de diagnstico a travs de imgenes, lo deseable es obtener la categora de sano o
enfermo del paciente a travs del examen de la imagen por un experto. Aprovechando
que las redes neuronales pueden reconocer ciertos patrones como pertenecientes a
determinadas categoras, es que han sido empleadas en citodiagnstico. El mtodo de
citodiagnstico, desarrollado en los aos 20 del siglo pasado por G. N. Papanicolau,
permite detectar ciertos tipos de cnceres en estadios tempranos al hallar clulas malignas a
travs de un examen microscpico. Una muestra incluye la revisin de unas 100.000
clulas, de las que unas pocas pueden ser anormales. La automatizacin de este proceso se
ha logrado digitalizando las imgenes que deben ser diagnosticadas y despus
clasificndolas como positivas o negativas mediante su presentacin a una red neuronal
Dino G. Salinas Avils
147
entrenada previamente en el reconocimiento de clulas malignas por medio de un nmero
suficiente de ejemplos. La obtencin de casos positivos empleando la red es motivo de una
revisin posterior por un individuo experto, aminorando el nmero de falsos positivos. Las
aplicaciones diagnsticas tambin se extienden a la interpretacin de registros. As, se han
empleado redes neuronales en el reconocimiento de registros electrocardiogrficos
correspondientes a individuos sanos y enfermos.
Otras aplicaciones son: reconocimiento de caracteres, procesamiento de imgenes,
reconocimiento de habla, prediccin de series de tiempo (como la estimacin de ndices de
contaminacin ambiental), robtica, predicciones de inters comercial, etctera. Enumerar
todas las aplicaciones y entrar en detalles sera agotador. Lo importante es que esta
tecnologa ha surgido desde la observacin de los sistemas biolgicos. Aunque muchos
pueden no estar de acuerdo, en algn grado an son vlidas como modelos biolgicos.
Entre otros motivos, porque demuestran cmo, a partir de una estructura e interaccin
sencilla, pueden surgir patrones de comportamientos macroscpicos ms complejos. La
gran leccin ha sido: la complejidad puede ser aparente, por cuanto puede estar sustentada
en rasgos simples de los entes microscpicos que componen el sistema. La nica forma
efectiva de abordar sistemas complejos es a travs de modelos simples, debiendo renunciar
a cierta informacin. La porcin de informacin marginada puede ser alcanzada por algn
otro modelo, el que, a su vez, marginar una nueva porcin de informacin. Todos
observamos el mundo en base a modelos. Un bilogo, en el mismo instante en que observa
una clula en un tejido, por momentos puede olvidarse del tejido. Si afirma concentrarse en
el tejido, por momentos podr olvidarse de la clula. As registra nuestra mente los sucesos
de la naturaleza, a travs de una visin estroboscpica, que no es ms que la aplicacin
instintiva, o por defecto, de modelos. Cuando pensamos en una Tierra redonda, nos
olvidamos de los Himalayas. Cuando pensamos en los Himalayas, nos olvidamos de la
Tierra redonda. La actitud del bilogo que ignora todo lo que l considera irrelevante para
la comprensin de un fenmeno, no es diferente a la actitud del fsico que decide ignorar la
rotacin de la Tierra para calcular la velocidad de la cada de una piedra.
Sin embargo, el abuso de las redes neuronales tericas como modelos biolgicos es
ms que obvio a veces, menos obvio otras. Debo decir que hasta ahora no se ha hallado un
smil biolgico satisfactorio para la estructuracin de las redes en multicapas conectadas en
Dino G. Salinas Avils
148
una sola direccin, como hemos visto aqu. Lo fascinante de esta arquitectura de
multicapas es su aplicacin y la posibilidad de ser un modelo para el estudio de algunos
paradigmas relacionados con el aprendizaje. En pocas palabras, permite poner a prueba
ciertas definiciones, como la de aprendizaje, ofrecindonos la posibilidad de precisarlas, y
revelando paradigmas nuevos, como el mejoramiento del aprendizaje cuando se emplean
ejemplos errneos o como la introduccin de fallas en el aprendizaje producidas por el
sobreaprendizaje. Al mismo tiempo, este tipo de redes nos han enseado que existen
problemas que pueden ser resueltos sin la necesidad de saber cmo, proporcionando slo
los ejemplos adecuados para realizar un cambio estructural favorable. Entonces, cabe
buscar otros modelos ms fieles a la realidad biolgica que tambin lo hagan. Es algo
importante en ciencia cuando se demuestra que no hay razn suficiente para negar la
existencia de algo.


Dino G. Salinas Avils
149
10 La fsica del desorden y las redes neuronales

La ciencia es un compendio de aventuras y sorpresas. Puede haber pocas, para una
determinada disciplina, donde no hay maravilla ni saltos conceptuales, de modo que el
progreso no es vertical, sino horizontal: ms de lo mismo. Dado que ya descubrimos los
principios que rigen la actividad de una enzima proteoltica, busquemos ms enzimas
proteolticas, purifiqumoslas, hallemos su estructura y anotmosla en el gran libro de la
ciencia horizontal. Sin embargo, muchas veces, de una de las pginas del libro horizontal
de la ciencia, puede surgir algo sorprendente, integrador y estimulante para la comunidad
cientfica, permitindonos construir un nuevo y ms alto volumen del gran libro de la
ciencia. Quin hubiera podido imaginar que del estudio de las propiedades magnticas de
una aleacin de manganeso y cobre podran haber derivado las ms ricas disquisiciones en
torno a la estructura y funcin del cerebro humano? Las aplicaciones a las neurociencias de
dificultosas y caprichosas, aunque efectivas, herramientas matemticas y el empleo de
clculos computacionales, que haban sido aplicados con xito al estudio de las propiedades
de ciertos materiales magnticos, comenzaban a develar hechos que asombraran a
neurobilogos, psiclogos y hasta a los mismos fsicos, quienes, en el transcurso de sus
incursiones en la biologa, tuvieron la oportunidad de refinar sus tcnicas de anlisis
matemtico.
Algo que alguna vez nos ha llamado a todos la atencin cuando hemos jugado con
dos imanes de hierro es la existencia de dos polos en cada uno de ellos. Podemos observar
que cuando dos polos iguales, digamos Norte, se aproximan, ambos se repelen. Cuando un
polo Norte se pone en contacto con un polo Sur, ambos se atraen. La razn ltima de la
existencia de estos polos radica en la naturaleza de la fuerza magntica y en el
ordenamiento de los tomos de hierro. Si una carga elctrica girase en un sentido, la
magnetizacin sera idntica, pero opuesta, a la que se obtendra si la misma carga girara en
sentido opuesto. Un modelo primario y ya abandonado por la fsica supone que en un
tomo los electrones giran en torno a un ncleo. Este modelo incipiente todava puede
sernos til para explicar la magnetizacin de un imn de hierro.
Cada tomo de hierro puede suponerse como minsculo imn compuesto de un ncleo
positivo en torno al cul giran los electrones ordenadamente en un solo sentido. La
Dino G. Salinas Avils
150
magnetizacin producida por este pequeo imn es igual y opuesta a la obtenida si los
electrones girasen en sentido contrario al anterior. Cuando, para un mismo eje de giro, los
electrones giran en un sentido, se dice que el tomo est en configuracin de espn arriba.
En el caso de girar en sentido contrario, se dice que el tomo est en configuracin de espn
abajo. Supongamos que tenemos muchos tomos de hierro y que cada uno de ellos posee
los ejes de giro de sus electrones en disposicin absolutamente paralela. Adems,
supongamos que los electrones giran todos en el mismo sentido, por ejemplo, podemos
suponer que todos los tomos estn en la configuracin de espn arriba. En este caso,
tendremos que la magnetizacin de cada uno de los tomos de hierro se sumar a las de los
otros, contribuyendo a la imanacin total del imn de hierro. Podramos suponer que la
orientacin de los espines (o sentido de los giros de los electrones) se distribuyen al azar en
el trozo de hierro. En este caso, observaramos que la imanacin de algunos microimanes
formados por un tomo de hierro se anulara con la imanacin de otros orientados en
sentido inverso, con lo que el trozo total de hierro no poseera imanacin. Para evitar lo
anterior, en esto consiste la tcnica de la creacin de imanes: alinear los espines de todos
los tomos constituyentes; lo que puede hacerse a travs de un ordenamiento forzado a
travs una sacudida producida por un golpe sobre el metal o a travs de la imposicin de
un campo magntico externo, alinendose los espines tal como la aguja de una brjula se
alinea con los polos magnticos de la Tierra.
Cuando son sometidos a un campo magntico, los espines de dos tomos contiguos
pueden estar alineados en la misma direccin o en direcciones opuestas, dependiendo del
tipo de interaccin magntica que haya entre ambos. Cuando el material es
ferromagntico, los espines se alinearn en la misma direccin. Esto es lo que ocurre con
los imanes de hierro (de ah el nombre de este tipo de materiales). Pero existe otro tipo de
materiales en los que el alineamiento de los espines debe ser inverso, es decir, los espines
de tomos vecinos deben ser paralelos, pero con distinta orientacin. A este tipo de
materiales se les denomina antiferromagnticos.
Cuando un material ferromagntico o antiferromagntico est inmerso en un campo
magntico y se somete a una temperatura sobre un valor crtico, el material estar con los
espines desordenados, sin propiedades magnticas. Lo que puede entenderse si
consideramos que la temperatura no es ms que una medida de la agitacin molecular. A
Dino G. Salinas Avils
151
dicho estado se le denomina paramagntico. Bajo un valor crtico de la temperatura, el
material asume un ordenamiento de los espines, dependiendo de la naturaleza
ferromagntica o antiferromagntica del material. A esta fase de espines ordenados se le
denomina diamagntica.
Qu hace que los espines se ordenen? Simplemente la disminucin de la energa
magntica del sistema. Hasta ahora, los modelos tericos han sido formulados de modo
que siempre sea posible identificar en todos los procesos espontneos la disminucin de
algn tipo de energa. En este caso, la energa de interaccin magntica que debe
disminuir se calcula segn la siguiente regla: supongamos que el tomo i-simo del
material est en el estado de espn S
i
(+1 -1, dependiendo de si el espn est orientado
hacia arriba o hacia abajo, respectivamente). Un tomo j-simo estar en el estado S
j
.
Dado que denominamos a la interaccin o acoplamiento magntico entre ambos tomos
como J
ij
, la energa de interaccin magntica entre los tomos i y j (E
ij
) se calcula como:

j i ij ij
S S J E = .

La expresin anterior nos asegura que cuando J
ij
es positiva, los espines de dos tomos
interactuantes deben estar alineados (ambos +1 o ambos -1) para que la energa de
interaccin sea mnima, tratndose de en un material ferromagntico. En el caso de que J
ij

sea negativo, los espines de dos tomos interactuantes deben estar desalineados (uno debe
valer +1 y el otro debe valer -1) para que la energa sea mnima, tratndose de un material
antiferromagntico. Para un sistema de tomos, la energa total de interaccin magntica
estar dada por la suma de todos los pares de energas de interaccin.








Dino G. Salinas Avils
152








Figura 10.1. Interacciones de espn.
A: Cuando el material es ferromagntico, los espines se alinearn en la misma direccin.
B: Ocurre lo contrario (direcciones opuestas) en los materiales denominados
antiferromagnticos. En ambos casos, la energa de interaccin se define segn:
2 1 2 1 2 1
S S J E = .


ERGODICIDAD
Supongamos que un sistema est en un estado que corresponde a un mnimo de energa
(equilibrio estable). Cuando esto ocurre, cualquier cambio, lo suficientemente pequeo, en
el estado de equilibrio del sistema, concluir por dejar al sistema en un estado con mayor
energa, a partir del cul volver a su estado original de mnima energa (Esto es similar a
cuando una bolita est en el fondo de un valle y se le perturba haciendo que se encarame
por la falda de una montaa. Si la perturbacin no es muy grande, esperamos que la bolita
retorne al fondo del valle). Sin embargo, cuando el mnimo de energa puede atribuirse a
ms de un estado, cabe esperar que el sistema sometido a una perturbacin pequea retorne
a cualquiera de los estados que poseen la misma energa mnima (Continuando con la
analoga de la bolita, supongamos que el fondo del valle se representa por la topologa de
una bandeja de huevos. La bolita, en este caso, al volver de la montaa podra quedar
atrapada en cualquiera de los espacios de la bandeja).
Supongamos un sistema compuesto solamente por dos tomo con interaccin
magntica igual a +2 (por el signo, se tratara de un material ferromagntico). El sistema
puede tener los siguientes estados con sus energas respectivas calculadas segn la
definicin de energa anterior:
0
2 1
> J
0
2 1
< J
A
B
Dino G. Salinas Avils
153

Estado S
1
S
2
E
12

A +1 +1 -2
B +1 -1 +2
C -1 +1 +2
D -1 -1 -2












Figura 10.2. Distintos estados para un sistema compuesto por dos espines.


Podemos observar que el sistema posee un mnimo de energa igual a -2 y que corresponde
a dos estados: A y D. En ambos, los espines estn alineados en forma paralela, pero nos
damos cuenta de que haba dos opciones de alineacin paralela: hacia arriba o hacia
abajo. Cul de los dos estados elegir el sistema? En el caso de una temperatura inferior
a la crtica, un material ferromagntico deber elegir si permanecer en un estado todo
hacia arriba o todo hacia abajo, pues ambos valores poseen la misma energa mnima,
pero, para pasar de un estado global a otro, deber pasar por estados transitorios (B o C)
con valores de energa mayor. Este cambio no ocurrir espontneamente a temperaturas
bajas (como las inferiores a la temperatura crtica), que no aseguren la suficiente agitacin
de los tomos como para saltar las barreras de energa.
A
B
C
D
Dino G. Salinas Avils
154
Los sistemas denominados ergdicos, vagan permanentemente a travs de estados
que poseen el mismo valor de energa. En el caso que el material estuviese a una
temperatura superior a la crtica, el sistema podra vagar permanentemente a travs de
mltiples estados que permitieran obtener un mismo valor de energa. Sin embargo, hemos
visto que a temperaturas inferiores a la crtica, la ergodicidad deja de cumplirse (pues cada
mnimo de energa tiene cautivo al sistema en un estado de equilibrio) lo que se interpreta
como un rompimiento de la simetra.
Si nuestro sistema anterior, de slo dos tomos, se tratara de un material
antiferromagntico, con un valor -2 de interaccin magntica, observaramos que los
espines deberan estar apareados en forma antiparalela para que se alcance el mnimo de
energa. El caso se muestra en la siguiente tabla, con los estados B y C correspondiendo al
mnimo de energa:

Estado S
1
S
2
E
12

A +1 +1 +2
B +1 -1 -2
C -1 +1 -2
D -1 -1 +2


Nuevamente, en el orden inducido bajo la temperatura crtica (fase diamagntica),
observaramos el necesario rompimiento de la simetra del sistema.

Para redes mayores de dos tomos, recordemos que la energa debe calcularse de
acuerdo a la suma de todas las energas de interaccin magnticas, de modo que, si se
tratase de una red cuadrada, en donde slo interactan los tomos de los vrtices, veramos
el siguiente clculo de los valores de energa de interaccin de un material ferromagntico,
suponiendo los acoplamientos iguales a +2:



Dino G. Salinas Avils
155

Estado S
1
S
2
S3 S
4
E
12
E
13
E
24
E
34
E
A +1 +1 +1 +1 -2 -2 -2 -2 -8
B +1 +1 +1 -1 -2 -2 +2 +2 0
C +1 +1 -1 +1 -2 +2 -2 +2 0
D +1 +1 -1 -1 -2 +2 +2 -2 0
E +1 -1 +1 +1 +2 -2 +2 -2 0
F +1 -1 +1 -1 +2 -2 -2 +2 0
G +1 -1 -1 +1 +2 +2 +2 +2 +8
H +1 -1 -1 -1 +2 +2 -2 -2 0
I -1 +1 +1 +1 +2 +2 -2 -2 0
J -1 +1 +1 -1 +2 +2 +2 +2 +8
K -1 +1 -1 +1 +2 -2 -2 +2 0
L -1 +1 -1 -1 +2 -2 +2 -2 0
M -1 -1 +1 +1 -2 +2 +2 -2 0
N -1 -1 +1 -1 -2 +2 -2 +2 0
O -1 -1 -1 +1 -2 -2 +2 +2 0
P -1 -1 -1 -1 -2 -2 -2 -2 -8


Podemos observar que, de 16 estados posibles, hay tres valores de energa posibles, con un
valor mnimo de -8. El estudio puede extenderse para el caso de un material
antiferromagntico, con la misma arquitectura, pero con acoplamientos magnticos -2.
Como puede verse para E = 0, un material magntico ms complejo puede presentar un
mayor nmero de estados correspondientes a un mismo valor de energa.






Dino G. Salinas Avils
156








Figura 10.3. Una red cuadrada.


VIDRIOS DE ESPN
Existe un tipo de materiales magntico que es desordenado. Uno de ellos es la aleacin
diluida de cobre manganeso, CuMn, en el que los tomos de manganeso, portadores de
momento magntico, estn distribuidos al azar al interior de una matriz de cobre no
magntica. Una vez que la mezcla se ha realizado, los tomos quedan inmovilizados. Los
primeros estudios de esta clase de materiales se remontan a los aos 30. En los aos 50 se
determinaron algunas anomalas a bajas temperaturas en las propiedades de conduccin
elctrica y en la de induccin de imanacin a travs de un campo magntico externo. Hasta
entonces, al ir enfriando un material, se conocan solamente dos tipos de transiciones
magnticas: la ferromagntica (donde los espines de los tomos terminaban con un
ordenamiento paralelo) y la antiferromagntica (donde los espines de los tomos
terminaban con un ordenamiento antiparalelo). Estas transiciones eran tan marcadas que se
identificaron como cambios de fase, tal como ocurre en muchos otros fenmenos de la
naturaleza, como la fusin del hielo. En el caso de la aleacin de CuMn, se encontr que la
transicin que deba esperarse del ordenamiento de los momentos magnticos de los tomos
no era muy marcada. Este tipo de transiciones se pareca a aquellas observadas en
materiales amorfos como el vidrio, cuando se pasa de un estado lquido desordenado a un
estado slido no cristalino, tambin desordenado.
En los aos sesenta se descubri que todos estos fenmenos de cambios de fases
paulatinos que resultaban desconcertantes eran una propiedad comn de los materiales
Dino G. Salinas Avils
157
desordenados y no slo de aleaciones magnticas diluidas como el CuMn. A todos
aquellos materiales que exhiban propiedades de transicin similares al CuMn, se les
denomin spin glass (vidrio de espn). El trmino fue propuesto por el gals Brian Coles.
La palabra espn evocaba el magnetismo y la palabra vidrio aluda al desorden del material.
En los aos setenta se realizaron una serie de modelos tericos para predecir las
propiedades de transicin magnticas de los vidrios de espn. Lo particular de este tipo de
materiales era que, si bien el acoplamiento magntico entre dos tomos poda ser positivo
(como en los materiales ferromagnticos) o negativo (como en los materiales
antiferromagnticos), esto dependera de sus distancia. Esto traa como consecuencia que
poda haber muchas configuraciones globales de apareamientos de espines que fuesen
compatibles con un mnimo global de energa, alcanzadas cuando la temperatura fuese
descendiendo gradualmente. La energa todava se poda calcular con la expresin de la
suma de las energas de acoplamientos entre pares de espines. Sin embargo, se vea que, a
diferencia de los materiales magnticos ordenados conocidos antes, el nmero de estados
de mnima energa no eran dos sino muchos ms. Ms an, se encontraba que haban valles
de mnimos locales de energa que contenan mltiples valles ms profundos, que a su vez
contenan valles ms profundos. Algo as como una estructura arborescente de los mnimos
de energa.

En la vida hay intereses que resultan mutuamente incompatibles. Renunciar a ellos
por la imposibilidad de realizarlos lo denominamos frustracin. Por ejemplo, suponga
que Pedro est en un saln, disfrutando de una fiesta a la que tambin han ido sus amigos
Carlos y Luis. Ellos se odian tanto, que por mucho que Pedro lo desee, sera imposible
encontrarse con ambos al mismo tiempo en una misma mitad del saln de fiesta. Las
interacciones de amor y de odio entre este triplete podran denotarse como si fuese un
acoplamiento magntico del tipo:

J
Pedro Luis
= J
Pedro Carlos
= 1 (amor)
J
Carlos Luis
= -1 (odio).

Dino G. Salinas Avils
158
Como puede ver, la frustracin del grupo puede determinarse muy bien a travs de la
relacin:
J
Pedro Luis
J
Pedro Carlos
J
Carlos Luis
= -1.

La que se cumplira tambin si Pedro, Carlos y Luis se odiaran mutuamente.















Figura 10.4. Un ejemplo de frustracin. Suponga que el conejo est en un saln,
disfrutando de una fiesta a la que tambin han ido sus amigos el coyote y el correcaminos.
Estos ltimos se odian tanto, que por mucho que el conejo lo desee, sera imposible
encontrarse con ambos al mismo tiempo en una misma mitad del saln de fiesta. Las
interacciones de amor y de odio entre este triplete podran denotarse como si fuese un
acoplamiento magntico. Como puede ver, la frustracin del grupo puede determinarse
muy bien a travs de la relacin:
Jconejo coyote J conejo correcaminos J coyote correcaminos = -1.
La que se cumplira tambin si el conejo, el coyote y el correcaminos se odiaran
mutuamente.


Para hacer la situacin ms compleja, supongamos que se trata de un gran nmero
de personas con fuertes sentimientos recprocos de amor u odio entre ellas. Al haber
J = 1
J = 1
J = -1
Dino G. Salinas Avils
159
muchos tripletes frustrados, como el anterior, seran muchas las formas de ordenar a las
personas en el saln de modo que la tensin social fuese la mnima posible.
Podramos definir una tensin dramtica como

tripletes de total Nmero
frustrados tripletes de Nmero


Supongamos que un encargado de protocolo debe ordenar a los invitados a la fiesta
de modo que las personas en el saln se sientan distribuidas lo ms cmodamente posible
en relacin a sus afectos. El encargado de protocolo, que por lo dems era un buen
matemtico, decide definir una funcin costo que penalice cuando dos amigos estn en
lados diferentes del saln y cuando dos enemigos estn en el mismo lado del saln.
Denotando por S
j
= 1 -1 a la localizacin del individuo j en el lado derecho o
izquierdo del saln, respectivamente, y manteniendo las definiciones de los acoplamientos
anteriores de amor y de odio, la funcin (E) estara bien definida de la siguiente forma:

=
ij
j i ij
S S J E ,

Con ( )

ij
indicando la suma respecto de todos los pares de personas posibles. Minimizar
esta funcin equivale a hallar una distribucin de espines para la cual E sea mnima.
Suponiendo que se trata de un nmero elevado de individuos interactuantes, se tratara de
un problema matemtico duro, debiendo resolverse ms bien a travs de algoritmos. Desde
el punto de vista de la teora de la complejidad, este es un problema conocido como NP
completo. Lo que significa que cualquier algoritmo til requerir de un tiempo que crecer
exponencialmente con la cantidad de individuos componentes del sistema. Es decir,
cualquier computador digital quedar obsoleto para un moderado aumento del tamao del
sistema.
En un vidrio de espn, en donde hay millones y millones de interacciones, todas de
signo diferentes, la frustracin es un elemento que haba que tomar en cuenta para la
Dino G. Salinas Avils
160
determinacin de los mnimos de energa. En la prctica, el alto nivel de frustracin era lo
que explicaba la geografa de los valles de energa.












Figura 10.5. Paisaje de energa determinado por los distintos estados de un sistema de
vidrio de espn. En un vidrio de espn, donde hay millones y millones de interacciones,
todas de signo diferentes, la frustracin es un elemento que hay que tomar en cuenta para
la determinacin de los mnimos de energa. En la prctica, el alto nivel de frustracin es
lo que explica la geografa de los numerosos valles de energa encajados unos dentro de
otros.


DE LOS VIDRIOS DE ESPN A LAS REDES NEURONALES
Los primeros modelos tericos desarrollados consideraban que todos los espines del
material podan interactuar entre s. Aunque esta propiedad era indeseable, facilitaba los
clculos, pero producto de esta aproximacin aguardaba una grata sorpresa a los fsicos y a
la comunidad bilogos abocados a las neurociencias.
Los dos valores posibles de los espines podan considerarse como los estados
activos e inactivos de una neurona. Una neurona que enviaba una seal nerviosa sera
considerada como un pequeo imn con orientacin hacia arriba y una neurona que no
conduca ninguna seal sera considerada como un pequeo imn hacia abajo. Esto no
significara nada si no hubiese tambin una relacin entre las naturalezas de las
interacciones. As, las interacciones entre dos espines, denominados i y j,
Energa
Estados
Dino G. Salinas Avils
161
representadas por el acoplamiento J
ij
, podan considerarse equivalentes a las interacciones
neuronales entre una neurona i y una neurona j. Las interacciones positivas, que
tendan a alinear en forma paralela a dos espines, seran anlogas a una sinapsis excitatoria.
En tanto que las interacciones de signo contrario estaran en correspondencia con las
sinapsis inhibitorias. El clculo de los mnimos de energa de un sistema de vidrios de
espn era similar a calcular el mnimo de algo que podra llamarse energa, que, por
comparacin, cuando se alcanzaba aseguraba que la dinmica de la red neuronal estuviese
en equilibrio.
Fue J. J. Hopfield, un fsico interesado en la biologa, quien, en 1982, public un
trabajo acerca de una regla para construir los acoplamientos a partir de los patrones que se
pretenda almacenar en una red neuronal. Esta regla se inspiraba en un hecho conocido en
neurociencias consistente en que dos neuronas tienden a reforzar sus sinapsis cuando estn
simultneamente activas. Esta regla era conocida por los neurobilogos como la regla de
Hebb. Lo indeseable de la regla de Hopfield, y de toda la teora de los vidrios de espn, era
que se consideraban acoplamientos simtricos. Es decir, las interacciones entre dos espines
son iguales en ambos sentidos. Es conocido que no es un hecho general el que la influencia
sinptica de una neurona sobre otra sea igual en sentido inverso. Es ms, la mayora de las
veces una neurona hace sinapsis sobre otra y esta ltima no posee una sinapsis reversa
sobre la primera. Sin embargo, el modelo de Hopfield era capaz de lograr una modalidad
de aprendizaje que reproduca muchas de las caractersticas de los sistemas biolgicos que
aprenden. As, el aprendizaje y la representacin de lo aprendido era distribuida,
robusta y sincrnica. El desuso de acoplamientos simtricos vino con el tiempo,
despus del desarrollo de modelos de aprendizajes ms complejos, pero inspirados en el
gran salto integrador de Hopfield. Lo ms importante, con una extensin de las
matemticas de los vidrios de espines, se haba podido calcular un lmite terico a la
cantidad de patrones que pueden ser aprendidos con una red neuronal de un tamao
determinado y este lmite no era dependiente de la regla de aprendizaje empleada. Por s
misma, una red de neuronas tericas interconectadas posea un lmite de representaciones
que podan cumplir con una condicin necesaria para ser aprendidas: la estabilidad. Por
sobre este lmite terico, los patrones dejaban de ser estables y la dinmica conduca a la
red hacia patrones no deseados. El aporte conceptual que las redes neuronales tericas
Dino G. Salinas Avils
162
estaban significando a las neurociencias era sorprendente. Ya se entenda cmo un sistema
interactuante (red neuronal) a travs de reglas bsicas poda almacenar informacin en la
naturaleza misma de los acoplamientos (sinapsis) entre sus unidades (neuronas). Tambin
se entenda cmo este sistema era robusto ante la degeneracin de las interacciones
(disfuncin sinptica) o la eliminacin (muerte) de sus unidades. El sistema estaba
limitado en s mismo en la capacidad de aprender, aunque este lmite era muy superior a lo
que podra emplearse. El aprendizaje consista en la reestructuracin de los acoplamientos
(plasticidad sinptica) y esta reestructuracin dependa de la presentacin (percepcin) de
cada uno de los patrones a ser aprendidos (objetos percibidos por el sistema biolgico). En
pocas palabras, aprender, consistira en hallar los acoplamientos entre las neuronas tales
que la funcin costo

=
ij
j i ij
S S J E sea equivalente a un mnimo. A diferencia del
problema de los vidrios de espn o del problema de la distribucin de amigos o enemigos en
una fiesta, aqu ya no se trata de hallar la distribucin ptima de los estados neuronales (o
variables de espn) para que E sea mnima, con un conjunto de acoplamientos impuestos,
sino que se trata de hallar los acoplamientos para que los estados neuronales correspondan a
un mnimo. Es as como la plasticidad sinptica determinara el aprendizaje.
La evolucin de una red neuronal desde un estado evocador (estmulo) hasta un
estado evocado (recuerdo) depende de la relacin entre el los estados y la geografa del
paisaje de energa, en analoga con los sistemas de vidrios de espn. Son los estados
almacenados los que determinan la geografa del paisaje de energa. Tanto los sistemas de
vidrios de espn como de redes neuronales comparten el paradigma de la recuperacin hacia
un estado adecuado. Un sistema en un estado determinado puede optar por migrar hacia
uno u otro estado fundamental situados en un valle de energa, dependiendo de la
proximidad o parecido del estado inicial con dicho estado fundamental.







Dino G. Salinas Avils
163























Figura 10.6. Los mnimos de energa corresponden a energas de estados recordados.
A: Los crculos representan la convergencia del estado de una red de espines hacia un
estado de equilibrio estable, en el fondo del valle. La geometra y la existencia misma del
valle se determinan por la naturaleza de los acoplamientos de la red de espines.
B: El estado de la red, conforme va convergiendo al estado fundamental, en el fondo del
valle, se parece cada vez ms a este estado. Del mismo modo, en un proceso de memoria
asociativa, una red neuronal puede lograr que un estado de la red converja hacia un
estado recordado, con la conocida consecuencia de que un objeto presentado a un sujeto
posea menos informacin que el objeto evocado.









A
B
Dino G. Salinas Avils
164



Figura 10.7. Cuando se recuerda errneamente.
A: Posibilidad de evolucin errnea de un estado de un paisaje de energa de un sistema de
vidrios de espn.
B: La misma representacin anterior puede hacerse en correspondencia con los objetos
codificados por los estados de una red neuronal. Hay situaciones lmites, en las que es
incierta la convergencia a un valle apropiado u otro errneo, debido al error o carencia de
informacin presentada. Los estados fundamentales no deseados pueden aparecer como
resultado de un excesivo nmero de objetos almacenados o como simples estados espurios
de mnimos locales de energa, carentes de sentido. Se especula que el acto de dormir
liberara a nuestra mente de dichos estados espurios, por lo que en las maanas
tendramos la capacidad de recordar con mayor eficiencia.


Todos sabemos que no es generalmente vlido que las interacciones sinpticas sean
simtricas ni que los estados de las neuronas sean binarios. Ms all de la aceptacin de la
validez de los modelos tericos de redes neuronales desarrollados hasta ahora, importa lo
siguiente: desde el mundo del estudio de los vidrios de espn, se les ha susurrado al odo de
los neurobilogos: Busquen en lo simple. Las reglas de interaccin aseguran que el todo
es ms que la suma de las partes. La complejidad de lo macroscpico puede descansar en
estructuras microscpicas con interacciones sencillas. Las propiedades fundamentales del
A
B
Dino G. Salinas Avils
165
aprendizaje de los sistemas biolgicos podran descansar en estos mismos principios y an
pueden obtenerse en sistemas inertes mucho ms sencillos.
Dino G. Salinas Avils
166
11 La estructura fractal y los sistemas biolgicos

Hace algunos aos, los matemticos comenzaron a darse cuenta de que era posible construir
estructuras en apariencia muy complejas con unas pocas lneas de cdigo que especificaban
un algoritmo para dibujarlas. Mientras ms veces se repitiera la ejecucin de dicho
algoritmo ms exactamente se podra obtener la figura. Veamos el caso de una curva
desarrollada por Helge Von Koch en 1904, conocida como curva de Koch, que se asemeja
al borde de un copo de nieve. Esta curva es la figura hacia la que converge la sucesin de
curvas generada cuando el tercio medio de cada lado recto es reemplazado por dos
segmentos, tal como muestra la figura:





















Figura 11.1. Generacin de una curva de Koch.


Como vemos en la figura anterior, un segmento, que suponemos que mide longitud 1,
origina 4 segmentos idnticos, cada uno midiendo 1/3, generndose, en total, una lnea de
longitud 4/3. El proceso se repite indefinidamente obtenindose en cada etapa k una
poligonal de longitud (4/3)
k
. La curva de Koch se define como la curva lmite cuando k
Dino G. Salinas Avils
167
tiende a infinito, lo que determina un largo infinito. Si se tuviese que describir la curva
resultante, podra creerse errneamente que hara falta una cantidad de bits ilimitada para
hacerlo, puesto que k puede ser tan grande como queramos, debiendo describirse la curva
hasta el infinitsimo. Sin embargo, habra que requerir solamente la cantidad de bits
necesaria para comunicar lo siguiente:

1) Dibuje una lnea recta. 2) En cada lnea recta, quite el tercio medio y reemplcelo por
dos segmentos de longitud igual al tercio quitado. Inserte los segmentos de tal manera
que, si no hubiera quitado el segmento del medio, los tres segmentos formaran un
tringulo equiltero. 3) Repetir el paso dos.


Si en lugar de comenzar por un slo segmento, se hubiese comenzado el proceso de
iteracin a partir de cada uno de los segmentos de un tringulo equiltero, la figura
resultante sera similar a la de un copo de nieve visto al microscopio. Como es posible
encerrar este copo de nieve en un crculo, debemos aceptar, dado que el rea del crculo
es finita, que el rea encerrada por la curva que hemos construido tambin lo es. Es decir,
hemos construido una curva de longitud infinita capaz de encerrar un rea finita...!!

Figura 11.2. Esta figura, semejante a un copo de nieve, tiene un permetro infinito, el que
encierra un rea finita.


Dino G. Salinas Avils
168
Otro aspecto sorprendente de una curva como sta es que es imposible trazar una
recta tangente a cualquiera de los puntos que la componen. Esto se desprende de la forma
en que ha sido construida, empleando solamente trazos rectos y vrtices en cada etapa de
iteracin.


A este tipo de figuras se les denomina estructuras fractales. El trmino fractal
proviene de la palabra latina "fractus" (quebrado o irregular), y se propuso a finales de la
dcada del 70 del siglo pasado por el matemtico polaco Benoit Mandelbrot.
Hay estructuras y proceso fractales, dependiendo de si se trata de un objeto
geomtrico o de un registro temporal (que tambin puede considerarse un objeto
geomtrico). En general, una estructura es fractal si su forma a escala pequea es similar a
su forma a escala mayor, de modo que tiene una forma caracterstica que permanece
constante sobre una magnitud de escalas. A esta propiedad, consistente en que cada
porcin, cuando es aumentada, puede reproducir exactamente a una porcin mayor, se le
denomina autosimilaridad o independencia de escala. Un proceso es fractal si una variable
que es funcin del tiempo sufre cambios caractersticos que son similares
independientemente del intervalo de tiempo sobre el cual fue hecha la observacin. En
otras palabras, un proceso es fractal si la grfica temporal del proceso es una estructura
fractal.
Como un fractal es un objeto matemtico que tiene una estructura detallada a
cualquier escala con que se le observe en forma aumentada, es un patrn infinito
comprendido en un espacio finito. Si calculamos su longitud, estimaremos que es ilimitada.
Esto significa que la longitud no es un concepto con sentido en los fractales. Como
se vio, en la curva de Koch se puede expandir indefinidamente el nmero de segmentos que
determinan su longitud en forma aproximada. La imposibilidad de realizar esto con los
objetos reales obliga a aceptar que en ellos slo es posible la apariencia fractal en un
determinado rango de escalas de longitud.
Dino G. Salinas Avils
169




















Figura 11.3. Generacin de un Fractal de Peano. Comenzando con una lnea recta, cada
segmento de recta debe doblarse sucesivamente como aparece en la figura del nivel 1.


















Figura 11.4. Tringulo de Sierpinski. En su construccin, se dibuja un tringulo
equiltero negro. Se divide el tringulo en cuatro tringulos equilteros del mismo
tamao, uno de los cules es un tringulo invertido que debe pintarse de blanco. La
operacin se repite sucesivamente con cada tringulo negro resultante.



Dino G. Salinas Avils
170



Figura 11.5. Conjunto de Mandelbrot, visto en un acercamiento.


En 1979, Benoit Mandelbrot trabaja grficamente en el conjunto de puntos que lleva
su nombre. Lo sorprendente es que la figura que representa a dicho conjunto es creada
usando slo la funcin c z z
n n
+ =
+
2
1
, en donde los subndices sirven para indicar las
iteraciones; es decir, el nmero de veces que se ha iterado o empleado sucesivamente la
funcin a partir de un valor inicial z
0
. Fijando un valor de z
0
igual a cero e iterando la
funcin, cuando se obtenga una nmero
1 + n
z de magnitud mayor que 2, se dice que el
parmetro c deja de pertenecer al conjunto de Mandelbrot. Un conjunto muy relacionado
con el conjunto de Mandelbrot es el conjunto de Julia: Su construccin es anloga a la del
conjunto de Mandelbrot, slo que en este caso se fija el parmetro c y cuando el nmero
1 + n
z posea una magnitud mayor que 2, se determina que z
0
no pertenece al conjunto de
Mandelbrot.
Ahora toda la verdad: en realidad los nmeros z y c son nmeros conocidos como
complejos, cada uno de los cuales puede escribirse como un par (x, y), con la primera
componente (real) representndose en el eje de las X y con su segunda componente
(imaginaria) representndose en el eje de las Y. Por este motivo es que los nmeros
complejos pueden representarse como puntos en el plano. Se define a la magnitud de un
Dino G. Salinas Avils
171
nmero complejo, representado por el punto (x, y), como aquel valor de la hipotenusa de un
tringulo rectngulo con catetos de longitudes x e y.
Las figuras fractales como la ltima se obtienen cuando se grafican en el plano los
puntos c o z relacionados con los conjuntos de Mandelbrot y Julia, respectivamente. Para
esto se emplea un color que represente el nmero de iteraciones necesarias para obtener una
magnitud mayor que la cota establecida (igual a 2).

Debe recordarse que, tratndose de nmeros complejos, las operaciones de suma y
multiplicacin son definidas de una forma ms general y compleja a como las conocemos
para los nmeros simplemente reales, como consta en cualquier texto bsico de
matemticas. De modo que si tenemos los nmeros complejos ( )
y x
c c c , = y
( )
ny nx n
z z z , = , entonces:
( )
y ny nx x ny nx n n
c z z c z z c z z + + = + =
+
2 ,
2 2 2
1
,

recordando que la primera componente corresponde a la parte real y la segunda
componente corresponde a la parte imaginaria del nmero complejo
1 + n
z . (Hay que decir
que la nomenclatura de nmero complejo con parte real e imaginaria obedece a un acto
del ms puro sadismo matemtico, cuando no a un retorcido sentido del humor. Ninguno
de estos nombres desconcertantes eran necesarios, y actualmente, y por mucho tiempo ms,
agobian a generaciones de estudiantes. La teora de los nmeros complejos no es tan
compleja y, como todo capricho matemtico, es absolutamente abordable atendiendo
estrictamente a sus definiciones, sin tener que detenernos en esa dicotoma esquizofrnica
que aflora de las denominaciones de sus partes).










Dino G. Salinas Avils
172
UNA DEFINICIN MS RIGUROSA DE UN FRACTAL

Para lo que sigue es necesario aclarar el concepto de dimensin. La definicin ms fcil no
ser la ms completa, pero optar por ella. En una primera aproximacin al trmino, la
dimensin se trata del nmero de valores reales que se necesitan para describir cualquier
punto en el espacio. Teniendo en cuenta lo anterior, se han definido varios tipos de
dimensiones.
La dimensin topolgica depende de las fronteras que tiene un espacio determinado.
Diremos que un cubo es tridimensional porque est limitado por caras bidimensionales.
Sus caras son bidimensionales porque estn limitadas por lneas unidimensionales. Estas
lneas son unidimensionales porque estn limitadas por un punto en cada extremo, los que,
por definicin, son de dimensin cero. Con esta definicin, la dimensin de una
circunferencia y el borde de un cuadrado es la misma, 1, pues ambas limitan a una
superficie. Desde un punto de vista topolgico, un segmento de recta tambin sera de
dimensin 1, pues puede deformarse para encerrar una superficie.
Si se tiene en cuenta que a cualquier punto de una lnea curva se le puede asignar un
punto en una lnea recta y viceversa (relacin biunvoca), podr entenderse por qu ambas
lneas poseen la misma dimensin topolgica (dimensin 1). Del mismo modo, cualquier
superficie curva poseer la dimensin topolgica del plano (dimensin 2), porque es
posible establecer una relacin biunvoca entre los puntos de ambos espacios. La idea se
extiende a espacios de cualquier dimensin topolgica. Es interesante que el movimiento
de un punto en un espacio de una dimensin determinada puede representarse con el
movimiento de un punto asociado perteneciente a un espacio diferente, pero de igual
dimensin topolgica.








Dino G. Salinas Avils
173











Figura 11.6. El espacio de la superficie de la semiesfera hueca se pone en relacin
biunvoca con el espacio del plano. Ambos espacios poseen dimensin topolgica 2. En
este caso, la relacin biunvoca consiste en fijar una lnea en el polo de la semiesfera y
atravesar con ella ambas superficies.

En la figura anterior se representan dos espacios en correspondencia biunvoca. Se
puede observar que cualquier trayectoria del punto en un espacio se puede representar
como la trayectoria de un punto correspondiente en el otro espacio. La importante de esto
para la ciencia es que, a veces, resulta ms fcil entender, describir u operar sobre un
fenmeno en un espacio diferente al real, obtenindose conclusiones igualmente vlidas.
Por ejemplo, en este caso podramos suponer que la trayectoria sobre la semiesfera es tal
que se describe ms fcilmente cuando se emplean coordenadas cartesianas, propias del
plano.

Para estudiar aquellas curvas que los matemticos tradicionales llamaron curvas
monstruosas o patolgicas porque resultaban difciles de medir y aparentaban tener
dimensiones intermedias, como entre una lnea y un plano, se debi definir otro tipo de
dimensin. La que veremos a continuacin. Para ello, observemos la siguiente figura:


Dino G. Salinas Avils
174















Figura 11.7. Efecto de la ampliacin de una figura en el aumento del nmero de unidades
(piezas iguales elementales). Para una ampliacin de 3, podemos ver cmo se determina el
aumento del nmero de unidades constituyentes: A) las unidades (lneas) aumentan 3
veces; B) las unidades (cuadrados) aumentan 3
2
= 9 veces; C) las unidades (cubos)
aumentan 3
3
= 27 veces.


Generalizando, a partir de la figura anterior, una lnea es un objeto que se puede
descomponer en n piezas iguales, de modo cada una de las piezas mide 1/n del tamao
original. El nmero de piezas se puede calcular, trivialmente, como n = n
1
. Podemos
imaginar que, si se tratara de observar por una lupa, diramos que n es la cantidad de veces
que se ha ampliado el segmento original. Siguiendo el mismo razonamiento, un cuadrado
puede descomponerse en piezas cuadradas de lados 1/n del tamao de los lados del
cuadrado original, obtenindose n
2
piezas cuadradas. Finalmente, si un cubo se
descompone en piezas cbicas cuyas aristas son 1/n del tamao original, se obtienen n
3

piezas cbicas. Todo esto se ve en la figura anterior para n = 3.

La generalizacin puede extenderse ms aun: Si tenemos cualquier objeto y lo
dividimos en objetos menores de longitud 1/ampliacin, entonces, el nmero de piezas se
calcula segn:
D
ampliacin piezas de nmero = , donde D es denominada dimensin de
Hausdorff-Besicovitch. Un simple clculo matemtico dar:
x 3
x 3
x 3
A
B
C
Dino G. Salinas Avils
175

( )
( ) ampliacin log
piezas de nmero log
= D

La utilidad de esta dimensin es que permite calcular dimensiones que de otra forma no
tendran sentido para aquellas figuras monstruosas que hemos visto recientemente. Sin
embargo, puesto que D puede variar en aquellas figuras complejas, dependiendo del factor
de ampliacin que se escoja, se ha definido que debe obtenerse calculndose con la
ampliacin tendiendo a infinito.
As, considerando la figura anterior:

Para una lnea:
( )
( )
1
log
log
1
= =
n
n
D .

Para un cuadrado:
( )
( )
2
log
log
2
= =
n
n
D .

Para un cubo:
( )
( )
3
log
log
3
= =
n
n
D .

Hasta aqu hemos obtenido valores de D iguales a la dimensin topolgica que ya
conocamos. Pero veamos lo siguiente:

Para la curva de Koch:
( )
( )
... 262 , 1
3 log
4 log
= =
n
n
D



Dino G. Salinas Avils
176


Figura 11.8. Despus de cada paso elemental de construccin de la curva de Koch, un
segmento se divide en 3, lo que significa una ampliacin de 3. Esto porque consideramos
a cada segmento de longitud 1/3 como un segmento nuevo sobre el cual aplicar
nuevamente el paso elemental de construccin de la curva. Al mismo tiempo, el nmero de
segmentos aumenta 4 veces. Considere que esto se realiza muchas veces. En cada nivel n
del proceso iterado de formacin de la curva, habr una ampliacin de 3
n
. Al mismo
tiempo, se tendrn 4
n
segmentos (piezas). Por lo tanto
( )
( )
... 262 , 1
3 log
4 log
= =
n
n
D


Para el tringulo de Sierpinski:
( )
( )
... 585 , 1
2 log
3 log
= = D


Empleando lo anterior, una definicin matemtica rigurosa de una estructura fractal
es la formulada por Mandelbrot, como aquel conjunto para el cual la dimensin de
Hausdorff-Besicovitch excede estrictamente a su dimensin topolgica. En este caso, se
habla de de una dimensin fractal. Esta definicin es imposible de aplicar a resultados de
medicin de fenmenos biolgicos, en los que la estructura matemtica de las variables es
desconocida. Por lo tanto, obedeciendo al pragmatismo, en biologa se considera como
potencialmente fractal a una estructura o un proceso que mantiene algn grado de
autosimilaridad al variar en unos cuantos rdenes de magnitud la escala de observacin.
Para ello hay algoritmos computacionales que son capaces de extraer de una estructura o un
proceso una estimacin de la dimensin fractal, lo que caracteriza la irregularidad o
correlacin espacial o temporal.
Segmento de longitud 1/3
Nmero de segmentos = 4
Segmento de longitud 1
Dino G. Salinas Avils
177
Aplicando esta definicin, la curva de Koch sera un fractal porque su dimensin
fraccionaria es mayor que su dimensin topolgica. No sera as con el tringulo de
Sierpinski, pues su dimensin fraccionaria es menor que su dimensin topolgica (que es 2,
pues se tratara, originalmente, de un tringulo). Sin embargo, suele considerrsele un
fractal, como a otras figuras que tampoco poseeran dimensin fractal, pero que tambin
poseen autosimilaridad.
La dimensin de Hausdorff-Besicovitch es una estimacin de la complejidad o
irregularidad de un sistema sobre el espacio o el tiempo, independientemente de la escala.



Figura 11.9. La dimensin fractal es una medida del grado de complejidad de una
estructura y es independiente de la escala de magnificacin. Mientras mayor es la
irregularidad de la lnea, o mientras ms llene el espacio, mayor es tambin la dimensin
fractal. El segmento de recta no corresponde a una estructura fractal.


Aqu slo se pretende que seamos capaces de interpretarla. Una lnea irregular, que
tienda a llenar un espacio bidimensional tiene una dimensin fractal entre 1 y 2. Un plano
que se pliegue, tendiendo a llenar un espacio tridimensional, tendr una dimensin fractal
entre 2 y 3.

Dino G. Salinas Avils
178
LOS FRACTALES EN LA NATURALEZA

Cambiando el tipo de algoritmo recursivo, es posible obtener un ilimitado nmero de
diseos fractales. As es como la geometra fractal permite obtener muchas formas
complejas halladas en la naturaleza. Un rbol mantiene sus caractersticas estructurales
independientemente de la perspectiva o escala desde la cual se vea. Los ngulos de las
ramificaciones y las relaciones entre los dimetros sucesivos de las ramas parecen ser
constantes, independientemente de si observamos un tronco principal o una rama terminal.
Una nube posee estructura fractal puesto que, a partir de una fotografa ocupada
completamente por la nube, sera imposible estimar el tamao de la misma, no pudindose
distinguir estructuralmente a una parte del todo. Lo mismo puede decirse respecto de las
lneas que demarcan una costa, o el trazado de un movimiento Browniano, aparentando
tener el mismo grado de irregularidad a cualquier escala.
Muchos sistemas fisiolgicos aparentan una estructura fractal, como los sistemas
respiratorio, circulatorio y nervioso que presentan subdivisiones a travs de ramificaciones
sucesivas. An no se han hallado argumentos genticos, metablicos o biofsicos que
causen estas estructuras.


Dino G. Salinas Avils
179

Figura 11.10. Generacin fractal de un modelo de helecho. La complejidad de la
estructura fractal final obedece a un simple algoritmo de uso recursivo (para el que se
emplea un programa computacional de no ms de 30 lneas).
















Figura 11.11. Generacin fractal de un modelo estructural de rbol bronquial.
Dino G. Salinas Avils
180
La estructura fractal permite aumentar la superficie disponible para el intercambio
en el rbol bronquial, los capilares, la mucosa intestinal, los ductos biliares, los tubos de
coleccin de orina y la placenta. En el rbol bronquial de humano, se ha visto,
independientemente de la escala, que la relacin entre los dimetros de dos ramas de
niveles consecutivos permanece constante, sugiriendo una relacin fractal. Al modelar el
rbol bronquial como una figura de varillas, sin ningn volumen, los datos morfomtricos
han permitido determinar una dimensin fractal entre 2,64 y 2,76. Estos valores seran
indicadores de una estructura fractal, extendindose entre la dimensin topolgica y la
dimensin Euclidiana. La geometra fractal de los pulmones maximiza la superficie de
intercambio para el transporte gaseoso. Los pulmones tienen un rea de intercambio de
aproximadamente 100 metros cuadrados (una cancha de bsquetbol), mientras que el
volumen total slo es de 7 a 8 litros. En todo este proceso, se ven involucradas tres redes
fractales: arterial pulmonar, venosa pulmonar y alveolar bronquial. Se produce una
conversin de un volumen de dimensin tres (sangre en tubos vasculares grandes y aire en
el sistema respiratorio superior) a algo que posee una dimensin fractal prxima a dos, en el
sistema alveolar capilar.
Como uno ms de los innumerables ejemplos, tambin se ha hallado que las
neuronas de la mdula espinal, a medida que se desarrollan, llegan a ser cada vez ms
complejas, aumentando progresivamente su dimensin fractal desde 1,1 a 1,5.
La redundancia de las estructuras fractales las hace ms robustas y resistentes a
heridas. Por ejemplo, el corazn puede continuar funcionando an despus de haber
sufrido un dao considerable. Coincidentemente, el corazn est lleno de redes fractales:
las arterias coronarias y las venas, las fibras que unen las vlvulas a la pared cardiaca, los
msculos cardiacos mismos y el sistema His-Purkinje. Se piensa tambin que la estructura
fractal permitira amortiguar vibraciones. En este sentido, el corazn es una bomba tan
potente que se ha sugerido que sin la estructura fractal del sistema circulatorio no
podramos existir.
En general, se ha visto que la estructura fractal de los organismos vivos estara
relacionada con la eficiencia de los procesos. Asegurando, a veces, mnimos consumos de
energa, adems de las ya mencionadas mximas superficies de intercambio y mximas
resistencias a daos estructurales. Como parte de esta mejora en la eficiencia, el cuerpo
Dino G. Salinas Avils
181
humano, adems de estructuras, tambin presenta procesos fractales que seran beneficiosos
de alguna forma. Por ejemplo, se sabe que los latidos cardiacos de individuos sanos, en vez
de regulares, son ms bien caticos, pudiendo demostrarse autosimilaridad a distintas
escalas. La relacin entre los procesos caticos y la estructura fractal se trata en un captulo
posterior.
Tambin podra haber una relacin de las estructuras fractales con los fenmenos
asociados al crecimiento y al desarrollo. Una regla general para los sistemas biolgicos
podra ser su manifestacin de un modo aparentemente complejo, siendo que obedeceran a
una serie de instrucciones simples subyacentes ejecutadas en forma recursiva.
Al respecto, la embriologa ha logrado determinar que el desarrollo a partir de un
huevo fecundado depende del establecimiento de gradientes de sustancias proteicas
conocidas como morfgenos y que, dependiendo del lugar donde se encuentren, permiten la
expresin o represin de ciertos genes. A su vez, una combinacin de morfgenos distintos
puede significar una combinacin de expresin o represin de distintos genes otorgando un
fenotipo ms complejo. Cada vez que un embrin crece y cada vez que se expresan ms
genes, el patrn de gradientes se hace ms complejo, lo que determina una
retroalimentacin positiva de la complejidad fenotpica aparente (si tenemos en cuenta
que todo surge de principios simples). Habra una similitud extraordinaria en los
mecanismos bsicos que operan en el desarrollo temprano de distintos animales a partir de
clulas, as como un gran parecido de los genes de expresin temprana y de los
morfgenos. En estados ms avanzados, cuando la masa de tejido es mayor y se dificulta el
establecimiento de gradientes, jugaran un rol importante en el desarrollo las seales
intercelulares. Ya comenzara a vislumbrarse la respuesta a una de las preguntas ms
fundamentales de la biologa: Cmo surge la complejidad a partir de una simplicidad
inicial? La teora fractal es una forma de explicar esta transicin en distintos sistemas.
Queda por ver si tiene alguna incidencia en los fenmenos del desarrollo y la expresin
gnica, o si hay otras teoras involucradas.
Es posible que la capacidad del genoma de codificar redes complejas de tipo
vascular, bronquial y neuronal est relacionada con la estructura fractal de las mismas.
Estos cdigos de construccin probablemente no seran como los algoritmos recursivos
Dino G. Salinas Avils
182
vistos aqu, pero su expresin, en conjunto con la influencia del ambiente, determinara
procesos recursivos para la formacin de un sistema ms complejo.
En la medida en que se ha ido desarrollando la tcnica, ha sido evidente que
aquellos sistemas biolgicos que no aparentan continuidad ni homogeneidad pueden
mantener algn grado de correlacin temporal y espacial. El anlisis fractal permitira
caracterizar, comparar y relacionar sistemas fisiolgicos muy diversos, incluso con sistemas
no biolgicos, demostrndose una vez ms la integracin de la naturaleza.

Dino G. Salinas Avils
183
12 Sistemas dinmicos en biologa


Cuando estudiamos biologa, fsica o economa, puede parecernos que estamos frente a
disciplinas que no tienen nada en comn. Sin embargo, cuando aprendemos a pensar en
forma sistmica, nos damos cuenta de que los razonamientos, anlisis, concepciones y
descripciones en un objeto de estudio de una disciplina pueden ser vlidos para otros
objetos de estudios de otras disciplinas. Esta visin holstica del mundo surge cuando
somos capaces de desarrollar un nivel de abstraccin apropiado. La abstraccin de la
realidad, entendida como la capacidad de extraer de la realidad elementos ideales slo en la
mente del individuo y que forman parte de un formalismo terico, puede afianzarse y
comunicarse entre los humanos cuando se ha desarrollado el lenguaje apropiado. Por lo
mismo, paciencia, porque debemos definir una serie de trminos antes de observar qu
tiene en comn una clula con un pndulo o con la fluctuacin del valor de las acciones en
la bolsa de comercio.


SISTEMA

Podemos referirnos a una parte concreta del universo (o si se quiere a una parte del
universo concreto), que incluya fronteras de la cosa en estudio: por ejemplo, un reloj de
arena. Tambin podemos referirnos a una parte abstracta del universo (o si se quiere, a una
parte del universo abstracto), tal como a una esfera, sabiendo que no existen las esferas
perfectas en la naturaleza, por lo que no existen las esferas. Por ltimo, podemos referirnos
a una parte del universo que se nos manifieste como mixto, entre lo concreto y lo abstracto,
como un tablero de ajedrez y las reglas que ste incluye. As, en este caso, podemos
visualizar un conjunto de partes, con lmites bien definidos, pero las partes tienen una
relacin formal precisa entre s, debiendo someterse a reglas que deben ser consideradas
como partes del sistema. Visto de este modo, definimos a un sistema como aquella parte
del universo (concreto, abstracto o mixto) que estudiamos, por lo que cada uno de los
casos anteriores puede ser considerado como un sistema.

Dino G. Salinas Avils
184
ESTRUCTURA

Tomemos nuevamente el ejemplo del tablero de ajedrez. Posee una estructura, definida por
dos aspectos fundamentales: la composicin (forma, naturaleza material y disposicin
espacial de sus partes) y las reglas de interaccin. Composicin e interaccin son dos
conceptos inherentes a la estructura de todo sistema. En el caso de los sistemas
completamente naturales, como dos cuerpos en medio del espacio, la composicin incluir
la forma, la densidad de masa correspondiente a cada cuerpo y la distribucin espacial de
ambos. La interaccin estar dada por la aplicacin de la ley de gravitacin universal, la
que nos dice que dos masas puntuales se atraern en proporcin directa al producto de sus
masas y en proporcin inversa al cuadrado de la distancia que las separa. Podemos
considerar que la interaccin en cualquier sistema no es ms que la relacin obligada entre
las partes. Esta relacin de obligancia (es entretenido inventar palabras) puede ser
natural, para un sistema concreto o abstracto, como en el caso de la ley de gravitacin
universal o como la relacin entre el dimetro de una esfera y la extensin de su superficie,
o puede ser arbitraria, como las reglas del tablero de ajedrez.


EVOLUCIN DE UN SISTEMA.

Dinmica
La dinmica no es ms que el presente, el pasado y el futuro de un sistema. Si se quiere
expresar de otra forma, la dinmica es la forma como evoluciona un estado, es la sucesin
temporal de todos los estados del sistema. Esto es lo que permite encontrar semejanzas
entre sistemas aparentemente dismiles: Dos sistemas de naturaleza distinta pueden tener
dinmicas semejantes. Tal como comprobamos para el caso de una epidemia, cuya
evolucin puede ser similar a la propagacin de un rumor o al curso de una reaccin
qumica (captulo 6). Como vimos que ocurra en una red neuronal y en un sistema de
vidrios de espn (captulos 9 y 10), la dinmica de un sistema se determina por su
estructura, que incluye las reglas de interaccin entre sus partes componentes, y por las
leyes que lo rigen.

Dino G. Salinas Avils
185

Estado y grado de libertad
Un sistema puede tener ms de un aspecto en un instante dado. Un aspecto determinado
del sistema se denomina estado. Volviendo al tablero de ajedrez, en un instante dado
podemos tener una disposicin determinada de las piezas en el tablero. En algunos casos,
el estado del sistema es ms que una simple foto del mismo. Por ejemplo, para el caso de
una flecha que atraviesa el espacio, el estado no slo queda determinado por la posicin de
la flecha, que correspondera a la foto, sino que adems se determina por la velocidad de
la misma en el mismo instante.
El estado de un sistema se determina segn la especificacin de un conjunto de
variables. Si queremos la determinacin del estado de un sistema compuesto por una sola
partcula, debemos especificar la posicin en un sistema de ejes coordenados a travs de la
especificacin de un punto de tipo (x, y, z). La velocidad, que indica el desplazamiento en
relacin al tiempo a travs de cada uno de estos ejes, tambin tendr tres componentes, por
lo que se especificar con la trada (v
x
, v
y
, v
z
). Es decir, que el estado de la partcula se
especifica con un punto en un espacio de 6 dimensiones (x, y, z, v
x
, v
y
, v
z
). Si alguien siente
angustia porque cree, errneamente, que debe ser capaz de imaginarse un espacio de seis
dimensiones, puede emplear su propio lenguaje diciendo que el estado de la partcula se
especificar correctamente cada vez que se especifique el valor de seis nmeros: Tres para
cada una de las componentes de la posicin y tres para cada una de las componentes de la
velocidad; todos en relacin a los ejes cartesianos. El motivo de por qu no incluimos otras
variables, como la aceleracin, es que sta puede ser calculada, si se conocen las fuerzas y
leyes fsicas, a partir de las seis variables anteriores. Del mismo modo, con el estado
conformado por los seis nmeros, podemos conocer cualquier estado futuro o pasado de la
partcula.
Como ya se insinu, la razn de esto radica en la fsica y no la ahondaremos por
ahora: Digamos simplemente que si usted est parado en un da aburrido en una esquina del
universo y ve pasar una partcula, observando exactamente su posicin y su velocidad,
usted podra entretenerse calculando el pasado y el futuro de la partcula si, adems,
conociera exactamente las influencias ejercidas por los dems cuerpos sobre ella.
Dino G. Salinas Avils
186
Qu sucede si tenemos un nmero indeterminado N de partculas? Pues tendremos
nuevamente que es suficiente especificar el estado de cada partcula con seis nmeros, pues
cada partcula ocupar un lugar en el espacio y tendr una velocidad determinada. As,
tendremos que aceptar que el estado de N partculas est determinado por 6N cantidades a
indicar. En el caso de una partcula podramos decir que la partcula puede elegir su estado
de entre todas las posibilidades de especificar 6 nmeros. Es decir, el sistema formado por
una sola partcula tendr 6 grados de libertad. En el caso de N partculas, diremos que el
sistema de partculas tiene 6N grados de libertad. Los grados de libertad son la cantidad de
variables que debemos conocer para determinar el estado de un sistema.

Ligaduras o restricciones

Supongamos que tenemos dos partculas libre, segn todo lo dicho, el nmero de grados de
libertad ser 2x6 = 12. Pero Qu tal si ambas estn unidas por una varilla confinada en
un plano? En este caso, el sistema se determinara por 6 variables: la posicin del centro de
la varilla (2), la velocidad de traslacin de este centro (2), el ngulo de inclinacin de la
varilla respecto de su centro (1) y la velocidad de rotacin de la varilla (1). Hemos
demostrado con esto que los grados de libertad de un sistema disminuyen cuando hay
variables cuyos valores deben cumplir con una condicin determinada. En este caso, se
trat de dos partculas que deban estar siempre confinadas en el plano a una distancia fija
entre ellas. A estos tipos de condiciones o amarras, se les conoce como ligaduras o
restricciones.


TIPOS DE COMPORTAMIENTOS DINMICOS

Formulemos ahora la pregunta inevitable: Cuntos tipos de comportamientos dinmicos
existen? A continuacin enumerar algunos de ellos, antes de que entendamos por qu
sistemas dismiles pueden ser muy smiles.



Dino G. Salinas Avils
187
Estados estacionarios y de equilibrio
Para comenzar, un sistema puede poseer estados denominados estados estacionarios o de
equilibrio. Son aquellos estados que no varan con el tiempo. Si el sistema est en ese
estado se quedar en el mismo estado por toda la eternidad.
Normalmente se habla indistintamente de estado de equilibrio y de estado
estacionario, pero se debe tener en cuenta que son diferentes dentro del marco de la
termodinmica: Si bien ambos estados, por definicin, suponen que el sistema no
evoluciona, un estado estacionario se diferencia de un estado de equilibrio en que el
primero requiere, para mantenerse, del aporte permanente de energa al sistema en tanto
que el segundo no. En la siguiente figura se indican dos estados similares representados
por el nivel de agua en unos recipientes. En uno de ellos el estado (de equilibrio) se
mantiene porque el sistema es cerrado, en el otro recipiente, el estado (estacionario) se
mantiene porque hay un flujo de salida de agua que es equivalente a un flujo de entrada.
En este ltimo caso hay consumo de energa mecnica. El trmino matemtico ms
apropiado para aludir a ambos estados, para no originar conflicto, es el de punto fijo.









Figura 12.1. Diferencias entre un estado estacionario y un estado de equilibrio. El color
negro representa un lquido en un estanque y las flechas indican flujos de entrada y de
salida del mismo lquido. En ambos estanques el nivel del lquido es constante. El estado
estacionario requiere el consumo permanente de energa (en este caso, energa potencial
gravitatoria). En biologa, directa o indirectamente, el mantenimiento de los estadios
estacionarios requiere el consumo de la energa de hidrlisis del ATP.


Estado
estacionario
Estado de
equilibrio
Dino G. Salinas Avils
188
Supongamos una bolita en la cima de una montaa. Si no ocurre ninguna
perturbacin a la bolita o a la montaa, sa ser la posicin eterna de la bolita. Diremos
que est en un estado de equilibrio. Lo mismo puede ocurrir si la bolita est en el fondo de
un valle. Al no haber perturbacin, se ser un estado de equilibrio para la bolita. Usted
ya se habr dado cuenta de la diferencia de ambos casos. En el primer caso, el equilibrio es
muy precario o inestable. En el segundo caso, el equilibrio tiende a ser restituido despus
de una perturbacin moderada, por lo que se denomina estable.











Figura 12.2. Ejemplos de equilibrios.


Cambiemos abruptamente de escenario y pensemos en un sistema bioqumico
sencillo: Usted tiene un sustrato determinado, tal como la protena de la gelatina casera y
una enzima proteoltica como la papana (la misma que hace que la papaya cruda le parta
la lengua despus de comerla). Supongamos que ambas especies estn separadas
dispuestas en forma de polvo en extremos opuestos del borde superior de un vaso que
contiene agua. Podemos decir que estn en equilibrio, pues no observamos ningn cambio.
Sin embargo, este equilibrio es inestable, pues una pequea vibracin mecnica en el vaso
causar que los polvos de la enzima y el sustrato caigan, disolvindose en el agua del vaso
y desatndose la reaccin enzimtica. Con el tiempo, observaremos que todo el sustrato
proteico disuelto en el vaso se ha transformado en pptidos menores y aminocidos como
resultado de la hidrlisis enzimtica. Esta ltima situacin (ideal, por supuesto) es un
nuevo estado de equilibrio, pero es fcil identificarlo como un equilibrio ms estable que el
anterior, pues es robusto frente a perturbaciones pequeas, como otra pequea vibracin del
Equilibrio inestable Equilibrio estable
Dino G. Salinas Avils
189
vaso. Acabamos de hacer nuestra primera observacin que indica similitudes dinmicas
entre sistemas tan dismiles como uno mecnico (bolita, montaa y valle) y uno bioqumico
(vaso, agua, enzima y sustrato).
Volvamos al ejemplo de la bolita y el valle, pero suponiendo algo ms: Supongamos
que habran otros valles hacia los que tendera la bolita en caso de ser perturbada con una
fuerza mayor. En este caso, diremos que el estado anterior que habamos denominado
estable no lo ser frente a perturbaciones mayores, denominndose por esto un estado
metaestable.







Figura 12.3. Equilibrio metaestable.


Existe analoga con nuestro modelo bioqumico de la papana? Por supuesto.
Supongamos que el sistema del hidrolizado proteico en el vaso es perturbado por una
chispa elctrica o que se mete en un crisol a un horno de altas temperaturas. Sin lugar a
dudas que obtendremos, a partir de la enzima, los pptidos y aminocidos, una gran
cantidad de CO
2
y agua. El estado posterior a la combustin es ms estable que el anterior.
De hecho, es imposible que ocurra lo contrario espontneamente. Hay que decir que la
aplicacin del calor es innecesaria, puesto que la temperatura ambiente (indicadora de la
agitacin de las molculas) hubiese bastado para que ocurriese la reaccin de combustin,
aunque en unos cuantos millones de aos.

Comportamiento oscilatorio
Ya hemos visto que hay estados de equilibrio hacia donde tienden (estables) o desde donde
escapan (inestables) los estados de un sistema. Podemos observar otro tipo de dinmica,
Dino G. Salinas Avils
190
consistente en los comportamientos peridicos. Pensemos en un resorte unido a una masa.
En este tipo de movimiento, al no considerar efectos del roce, podemos apreciar que el
desplazamiento x de la masa, respecto de la posicin de equilibrio de resorte, y la velocidad

x de la misma poseen una periodicidad:











Figura 12.4. Representacin de la dinmica de las variables desplazamiento y
posicin, con respecto al tiempo, en grficos separados.


Tendremos dos grados de libertad para este sistema: uno para especificar el desplazamiento
y otro para especificar cmo cambia dicho desplazamiento con el tiempo (velocidad). Es
decir, el estado estar conformado por una dupla que nos indicar la posicin y la velocidad
de la partcula: (x,

x ). La representacin grfica de esta dupla corresponde a un punto


sobre un plano cartesiano, cuya abscisa indica los valores del desplazamiento y cuya
ordenada indica los valores de la velocidad. Es posible graficar el punto que corresponde a
un instante posterior muy prximo, y despus el punto que corresponde a otro estado
posterior muy prximo al anterior y as sucesivamente, comenzando a distinguirse una
rbita circular sobre el papel.
Normalmente se denomina rbita a cualquier dibujo que indique la evolucin del
sistema en un espacio que represente los estados posibles. Al diagrama resultante del
dibujo esquemtico de todas las rbitas se le denomina Espacio (o Diagrama) de Fases. En
el caso del dibujo anterior, la rbita result ser peridica. Le recuerda esta rbita
peridica a las rbitas planetarias? Le recuerda esta periodicidad a la periodicidad de los
x
t t

x
Dino G. Salinas Avils
191
latidos cardiacos y de la presin sangunea? Efectivamente, la naturaleza (viva o inerte)
cuenta con un sinnmero de comportamientos peridicos que pueden describirse sobre el
papel como verdaderas rbitas planetarias.













Figura 12.5. rbita peridica descrita por el estado de un resorte que oscila sin roce con
una amplitud A. Ntese que el sentido del giro asegura que, cuando el estiramiento del
resorte (valores positivos para x) alcanza su mximo valor, la masa se detiene para
comenzar a retroceder (lo que corresponder a velocidades negativas). La compactacin
del resorte se representa por valores negativos de x. El origen del sistema de coordenadas
representa el la posicin de equilibrio (desplazamiento cero: ni compactacin ni
estiramiento del resorte; al mismo tiempo que velocidad cero: ausencia de movimiento).


La periodicidad en los sistemas biolgicos requiere energa
En los sistemas disipativos, el mantenimiento de regmenes oscilatorios es posible
solamente si se aporta energa al sistema. Es as como la masa unida al resorte dejar de
oscilar a consecuencia del roce. Sin embargo, si la impulsamos peridicamente, podremos
mantener su movimiento oscilatorio. Supongamos un evento que se propaga a travs de
una lnea como si fuese una onda, pero donde no hay aporte externo de energa. Es el caso
de una hilera de domins que se botan unos a otros. Al final, obtendremos todos los
domins derribados, pero ser imposible reiniciar el movimiento, a menos que se aplique
energa para levantar la hilera de domins. En el caso de la propagacin del potencial de
A - A
x


x x,

Dino G. Salinas Avils


192
accin de una neurona, ste es posible debido a que hay una gradiente descendente de sodio
desde el exterior hacia el citosol, en conjunto con una gradiente inversa de potasio. Cuando
los canales inicos de la membrana plasmtica se abren, se originan corrientes inicas que
disminuyen moderadamente las gradientes. La corriente de entrada de sodio es capaz de
inducir la apertura de canales vecinos, producindose un efecto de reaccin en cadena, tal
como el efecto domin. La diferencia con el caso de los domins derribados es que el
sistema restituye las gradientes inicas iniciales con costo a molculas de ATP que se
hidrolizan en una bomba de iones hecha de protena, inserta en la membrana plasmtica, la
que es capaz de sacar tres iones sodio de la clula, intercambindolos por dos iones potasio
entrantes. Como se ve, el que haya un tren repetitivo de potenciales de accin a travs de la
neurona es posible slo debido a que hay consumo de energa, tal como el caso del pndulo
al que debemos impulsar. En resumen, nada oscila en la naturaleza viva si no hay consumo
de energa.

Puntos de equilibrio atractores y repulsores de estados
Entre los distintos tipos de estados de equilibrio, destacan los estados de equilibrio
atractores y los repulsores. Supongamos un estado de equilibrio inestable como la bolita
anterior en la cima de una montaa. Se dice de dicho estado de equilibrio que es repulsor
porque a la menor perturbacin la bolita tiende a alejarse de ese estado de equilibrio:









Figura 12.6. Punto de equilibrio repulsor. x representa la altura y

x su cambio por
unidad de tiempo (velocidad). Para mayor claridad, las dems componentes del espacio
Euclidiano y sus variaciones no se han graficado.

x
x

Dino G. Salinas Avils
193
Un estado de equilibrio estable, como lo hallamos en el ejemplo de la bolita en el
fondo del valle o con el movimiento de la masa unida al resorte, pero considerando el
efecto del roce, es un punto de equilibrio atractor:












Figura 12.7. Punto de equilibrio atractor.


Ntese, en la ltima figura, que para las variables de la ordenada y de la abscisa lo
que se tiene es una oscilacin con una amplitud cada vez menor, hasta desaparecer por
completo. En la figura siguiente se grafica la variable x versus el tiempo:










Figura 12.8. Grfico del desplazamiento versus tiempo de una masa unida a un resorte
considerando la fuerza de roce.

t
x

x
x

Dino G. Salinas Avils
194
A este comportamiento se le conoce como una oscilacin amortiguada. No siempre
el punto de equilibrio, cuando atraiga otros estados, lo har con un modo de aproximacin
en espiral. Hay muchos casos en que la aproximacin al estado de equilibrio es directa, de
tipo exponencial, como cuando una poblacin de bacterias alcanza su mximo en
condiciones de suministro continuo de nutrientes o como cuando decae la actividad de un
compuesto radiactivo. En estos casos se habla de constantes de tiempo de crecimiento y
decaimiento exponencial.
En la clula tambin es posible hallar oscilaciones amortiguadas. Esto se observa en
los gonadotrofos (un tipo celular presente en la hipfisis), en los que, si no se les
proporciona calcio extracelular, sus concentraciones de calcio citoslico e intrarreticular
pueden aumentar y disminuir recurrentemente, pero cada vez con menor amplitud, hasta ser
atradas por sus valores de equilibrio, configurndose un caso de oscilacin amortiguada.














Figura 12.9. Dinmica de Ca
2+
citoslico para gonadotrofos de rata, habiendo quitado el
Ca
2+
extracelular.


Esta figura es cualitativamente concordante con la dinmica de la masa unida al
resorte con consideracin del roce, en la que se detiene completamente la oscilacin.
0 50 100 150 200 250 300
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
C
o
n
c
e
n
t
r
a
c
i


n

[
u
M
]
Tiempo [s]
Dino G. Salinas Avils
195
rbitas peridicas atractoras o repulsoras de estados
En la naturaleza tambin existen ciclos u rbitas que pueden atraer los estados del
sistema. Esto significa que un sistema que comienza en una sucesin de estados que no son
peridicos puede concluir con una sucesin de estados peridicos. Lo contrario tambin
puede ocurrir. Puede haber sucesiones de estados que se alejan cada vez ms de un
comportamiento peridico. As, vemos que, tal como hay puntos de equilibrio que son
atractores o repulsores, tambin hay ciclos que son atractores o repulsores de la dinmica
del sistema.

Figura 12.10. Ciclos lmites. Izquierda: atractor. Derecha: repulsor.


Observe la dinmica del calcio citoslico y del calcio intrarreticular de los
gonadotrofos de rata cuando se les proporciona calcio extracelular:




0



y
x
0


x
y
Dino G. Salinas Avils
196
















Figura 12.11. Dinmica de Ca
2+
citoslico para gonadotrofos de rata, habiendo una
concentracin normal de Ca
2+
externo.


En este caso, el comportamiento oscilatorio de las variables termina por hacerse sostenido.
Algo similar ocurre con el calcio en interior del retculo endoplsmico (un compartimiento
intracelular de calcio). Si se graficaran sobre un plano cartesiano las variables calcio
citoslico versus calcio intrarreticular, encontraramos que tambin existe un
comportamiento finalmente peridico en torno a una rbita peridica atractora.
Muchas veces, por omisin o ignorancia, se nos ha insinuado que las reacciones
qumicas y bioqumicas no son ms que la sucesin montona hacia un estado de
equilibrio. En contraposicin, es interesante constatar que pueden observarse
comportamientos qumicos oscilatorios. Este comportamiento oscilatorio, ya sea absoluto o
amortiguado, puede observarse no slo con homogeneidad espacial, sino tambin con
heterogeneidad espacial. Hace casi un siglo que se ha podido observar un cierto tipo de
reacciones qumicas que, en una placa de Petri pueden describir ondas concntricas, hasta
alcanzar el estado de equilibrio. Lo sorprendente es que en las ltimas dcadas se han
descrito ondas similares en clulas musculares y en ovocitos de Xenopus, entre otras
0 50 100 150 200 250 300
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
C
o
n
c
e
n
t
r
a
c
i


n

[
u
M
]
Tiempo [s]
Dino G. Salinas Avils
197
clulas. En dichos casos, se trata de calcio libre citoslico que aumenta y disminuye,
propagndose dicho cambio en frentes que constituyen ondas.
El calcio es un mensajero intracelular que gobierna muchos procesos fisiolgicos,
como contraccin muscular, secrecin, expresin gnica, activacin enzimtica y
fecundacin. La importancia de las ondas y de las oscilaciones de calcio radica en que
pueden tener una frecuencia caracterstica. Como es bien sabido, la sintona FM
(Frecuencia Modulada) de las radioemisoras basa las comunicaciones en las distintas
frecuencias empleadas en la transmisin. Esta codificacin del mensaje en base a la
modulacin de frecuencia, y no a la amplitud modulada (AM), es la que emplea la neurona
cuando descarga rfagas de potenciales de accin. Mientras mayor es el estmulo en el
receptor, mayor es la frecuencia de las descargas de potencial de la neurona. La razn por
la que la naturaleza elegira codificar en base a frecuencia y no en amplitud es porque
tcnicamente el ruido o las interferencias en el mensaje pueden ser ignorados ms
fcilmente en el primer caso.


LA COEXISTENCIA DEL CAOS CON OTRAS DINMICAS EN UN MODELO
DETERMINISTA SIMPLE

La naturaleza est llena de comportamientos dinmicos complejos que son el resultado de
ecuaciones no lineales. Ejemplos de ellos son el devenir del clima, la turbulencia de un
fluido de movimiento rpido y los patrones de actividad elctrica de la corteza cerebral.
Los comportamientos dinmicos pueden estudiarse y describirse de modo general, de modo
de hacer extensible sus conclusiones a sistemas de naturaleza muy diferente. Esto mismo
permite que sea til seleccionar los sistemas no lineales ms simples posibles para realizar
los estudios dinmicos. Aqu estudiaremos un modelo de crecimiento de una poblacin en
perodos fijos, que pueden ser de un ao, y que puede usarse en forma recursiva. Es tan
simple este modelo, que la nica dificultad en su estudio es la realizacin de numerosos
clculos elementales de aritmtica, pudiendo emplearse una calculadora de bolsillo. Se
mostrarn nuevos conceptos dinmicos y se reforzarn algunos ya expuestos.
Se trata de una ecuacin desarrollada por P. F. Verhulst en 1845 para describir el
incremento de la poblacin de los animales:

Dino G. Salinas Avils
198
( )
n n n
x rx x =
+
1
1
,

a menudo denominada ecuacin de diferencia de logstica; donde un subndice como n
puede indicar el ao en el que una poblacin de insectos posee una poblacin x
n
. Al ao
siguiente, la poblacin es x
n+1
, y se calcula segn la funcin dada. La poblacin es una
poblacin relativa, y flucta entre los valores 0 y 1. El parmetro r es un nmero positivo
que depende de la bondad del medio para acoger la especie y de la naturaleza misma de
la especie. La ecuacin es no lineal porque contiene un trmino cuadrtico en x
n
. De su
estudio pueden derivarse importantes consecuencias filosficas acerca de nuestra
concepcin de la dinmica del mundo; tratndose de dinmica de sistemas econmicos,
cosmolgicos, biolgicos, sociales o de cualquier otro tipo. Es por esto que, en algunos
pases, este modelo se ha comenzado a ensear en cursos de secundaria.
Para validar el modelo, a continuacin se deduce la ecuacin anterior.

La poblacin de insectos en una isla
Hay muchas poblaciones biolgicas que consisten de una nica generacin que no se
traslapa con las generaciones sucesivas. Imaginemos una poblacin de insectos en una isla,
los que se aparean en el verano, dejan sus huevos antes de morir por el fro del invierno, los
que eclosionan en primavera, quedando en el verano siguiente solamente individuos de
esta ltima generacin. Como se trata de una isla muy especial, no consideraremos
fenmenos de migracin ni tampoco de la participacin de otras especies. Para contrastar
las predicciones de nuestro modelo, nuestra labor se limitara a ir todos los veranos a dicha
isla a contar la poblacin de insectos. El modelo de crecimiento ms simple es el
siguiente:
n n
rP P =
+1
,

donde P
n
hace referencia a la poblacin de insectos y su subndice n es un indicador de la
generacin correspondiente. r es una constante que, si fuese mayor que 1, determinara que
la poblacin creciera indiscriminadamente y, en caso contrario, no determinara ningn
crecimiento. Se necesita mejorar la funcin con un factor de crecimiento que disminuya
con la poblacin, por lo que un modelo ms completo sera:
Dino G. Salinas Avils
199

( )
n n n
bP r P P =
+1
,

con b un parmetro constante positivo. El segundo miembro de la ecuacin es igual a
2
n n
bP rP , en donde el primer trmino corresponde al crecimiento natural de la poblacin y
el segundo trmino corresponde al decrecimiento debido a la propagacin de enfermedades,
el agotamiento de nutrientes o la sobrepoblacin. Para disminuir la cantidad de parmetros
de dos a uno, se puede realizar un cambio de escala para la variable P
n
, tal que
n n
x
b
r
P = .
Introducido este cambio de variable en la ecuacin anterior:

=
+ n n n
x
b
r
b r x
b
r
x
b
r
1
,

se obtiene la ecuacin:
( )
n n n
x rx x =
+
1
1
,

la misma que queramos fundamentar. Como no puede haber poblaciones negativas, x
n

debe pertenecer al intervalo 0 x
n
1 y r debe pertenecer al intervalo 0 r 4.

Variacin de la dinmica con el cambio de parmetros: estabilidad estructural

Para un determinado valor del parmetro r (que distingue una naturaleza biolgica de otra),
se obtiene una secuencia de valores para x
n
, al usar iterativamente la ecuacin de logstica.
A la secuencia temporal o evolucin de una variable se le denomina rbita (x
0
, x
1
, x
2
, x
3
).
La siguiente tabla, cuyas representaciones grficas son mostradas ms adelante, representa
cuatro rbitas distintas hasta n = 16, dependiendo del valor del parmetro r
(arbitrariamente, en todos los casos la condicin inicial es x
0
= 0,750000):





Dino G. Salinas Avils
200

r = 0,8 2,1 3,2 3,7
n
0 0,750000 0,750000 0,750000 0,750000
1 0,150000 0,393750 0,600000 0,693750
2 0,102000 0,501293 0,768000 0,786105
3 0,073277 0,524996 0,570163 0,622132
4 0,054326 0,523688 0,784247 0,869810
5 0,041100 0,523822 0,541452 0,418989
6 0,031528 0,523808 0,794502 0,900718
7 0,024427 0,523810 0,522460 0,330874
8 0,019065 0,523810 0,798386 0,819166
9 0,014961 0,523810 0,515091 0,548092
10 0,011790 0,523810 0,799271 0,916442
11 0,009321 0,523810 0,513398 0,283330
12 0,007387 0,523810 0,799426 0,751300
13 0,005866 0,523810 0,513102 0,691339
14 0,004665 0,523810 0,799451 0,789541
15 0,003715 0,523810 0,513054 0,614814
16 0,002961 0,523810 0,799455 0,876226


Ntese que para r = 0,8 se obtiene la convergencia a un valor igual a cero. Este
valor representa un punto de equilibrio estable, por cuanto cualquier poblacin inicial
converger a dicho valor. Por lo mismo, a este tipo de puntos se les denomina punto fijo
atractor, fijo, porque si el sistema est en dicho estado no evolucionar (x
n+1
= x
n
) y
atractor porque a l convergern todas las rbitas.










Figura 12.12. Grfico de los iterados de x
n
para r = 0,8. Se puede demostrar que el
comportamiento dinmico final es independiente de la condicin inicial.
0,0
0,2
0,4
0,6
0,8
1,0
0 2 4 6 8 10 12 14 16
n
x
n
Dino G. Salinas Avils
201
El tipo de comportamiento final de cualquier rbita cuando r pertenezca al intervalo 0 r
1 ser siempre el mismo: todas las rbitas convergern al punto fijo x = 0. Es decir, el
comportamiento dinmico final es independiente de la condicin inicial.
Cuando r pertenece al intervalo entre 1 < r 3, el comportamiento final vara
cuantitativamente en forma continua: en este rango, mientras mayor es r, el punto fijo
atractor crece, con valor r x / 1 1 = . As, para r = 2,1, tambin se tiene un punto fijo
atractor, esta vez igual a 0,523810.











Figura 12.13. Grfico de los iterados de x
n
para r = 2,1. Se puede demostrar que el
comportamiento dinmico final es independiente de la condicin inicial.


La propiedad que hemos visto hasta aqu que indica que el comportamiento
cualitativo del sistema admite pequeas perturbaciones de un parmetro (r) sin manifestar
variaciones significativas de su dinmica final se denomina estabilidad estructural.
Los sistemas biolgicos, en general, poseen la propiedad de ser estructuralmente
estables. Esto asegura que si vara la temperatura ambiente dentro de lmites normales o si
vibra la silla en la que estoy sentado no ver alterada significativamente mi funcionalidad.
Un caso que considero interesante es la estabilidad estructural del sistema nervioso: Un
individuo podra pensar con casi la misma eficiencia si perdiera unas cuantas neuronas o si
recibiera un martillazo (moderado) en la cabeza. Esta estabilidad estructural, que aqu se
evidencia como tolerancia a las fallas, no es trivial y es difcil de lograr tecnolgicamente.
0,0
0,2
0,4
0,6
0,8
1,0
0 2 4 6 8 10 12 14 16
n
x
n
Dino G. Salinas Avils
202
Si no lo cree, haga la prueba de continuar operando su computador despus de haber
cortado al azar alguno de sus cientos de cables.
Para r = 3,2, la rbita posee un comportamiento finalmente peridico. Sea cual sea
el valor inicial, puede hallarse que para este valor de r la poblacin de insectos siempre
acabar teniendo los mismos dos valores consecutivos. A esto se le conoce como una
rbita peridica de perodo 2, y, como se ve, tambin es de naturaleza atractora.










Figura 12.14. Grfico de los iterados de x
n
para r = 3,2. Se puede demostrar que el
comportamiento dinmico final es independiente de la condicin inicial.


En nuestro modelo, la aparicin de comportamientos finalmente peridicos
comienza a partir de r mayor que 3. Esto significa un cambio cualitativo dramtico, por
cuanto la rbita ya no acaba en un punto fijo atractor, sino que termina por manifestar un
comportamiento peridico. En la medida en que r crece, el comportamiento final comienza
a tener perodos que son el doble de los perodos anteriores. Es decir, si el comportamiento
final de una rbita era un comportamiento cclico compuesto de dos valores, al aumentar r
en una determinada cantidad, la fluctuacin cclica final consistira en la repeticin de
cuatro valores, despus de 8 valores, etctera.
Esta duplicacin de perodos culmina en r = 3.56994..., valor, despus de cul,
comienza un tipo de comportamiento ejemplificado en la dinmica para r = 3,7. En ella, no
parece haber ningn patrn regular.

0,0
0,2
0,4
0,6
0,8
1,0
0 2 4 6 8 10 12 14 16
n
x
n
Dino G. Salinas Avils
203










Figura 12.15. Grfico de los iterados de x
n
para r = 3,7.


A veces, empleando este modelo y distintos valores de r, para cerciorarse de la no
existencia de regularidades finales, es necesario registrar hasta ms de mil iteraciones.
En este caso, ninguna cantidad de iteraciones es capaz de asegurar un comportamiento
regular de la rbita. Esto se asemeja ms bien a un comportamiento catico. A, pesar de
ello, dado que el caos se impone a cualquier rbita, sea cual sea el valor inicial que se
emplee para generarla, se le considera tambin como un atractor. En todos los ejemplos
anteriores a ste, cualquier rbita con una condicin inicial diferente se poda comportar
finalmente de una forma caracterstica determinada por el parmetro r. En este caso, puede
demostrarse fcilmente que no es posible ni siquiera correlacionar dos rbitas originadas de
condiciones iniciales diferentes, aunque se hayan iniciado muy prximas la una de la otra,
tanto como se quiera. Esto fue para la ciencia, junto con otros modelos caticos un vuelco
espectacular, por cuanto se demostraba que era posible obtener caos a partir de un modelo
determinista. Para distinguir este caos del caos aleatorio, se cre el trmino caos
determinista. Este caos es extremadamente sensible a las condiciones iniciales. Tan
sensible que, puesto que todos los datos experimentales tienen asociado un error inevitable,
sera imposible predecir el comportamiento dinmico de aquellos sistemas reales con
comportamiento catico, aun cuando se conozca exactamente la ecuacin que describe su
ley de evolucin! Con el tiempo se averigu que el caos determinista era un fenmeno
absolutamente ubicuo en la naturaleza y que acostumbraba coexistir con otros regmenes
0,0
0,2
0,4
0,6
0,8
1,0
0 2 4 6 8 10 12 14 16
n
x
n
Dino G. Salinas Avils
204
dinmicos de sistemas no lineales, manifestndose en ciertas regiones del espacio de
parmetros.





























Figura 12.16. El caos se caracteriza por la sensibilidad extrema a las condiciones
iniciales. Empleando el parmetro r = 3,7. Puede observarse que, despus de 30
iteraciones, el comportamiento de dos rbitas es absolutamente diferente, a pesar de que
sus condiciones iniciales difieren solamente en 0,000001. Figura superior: x
0
= 0,750000.
Figura inferior: x
0
= 0,749999.


Hay muchos informes acerca de sistemas biolgicos con comportamiento catico.
stos han consistido desde caos en la concentracin de un neurotransmisor como la
dopamina (en relacin con la esquizofrenia), caos en la concentracin de intermediarios de
la gluclisis (una va metablica para la degradacin de la glucosa) o caos en algunas
0,0
0,2
0,4
0,6
0,8
1,0
0 20 40 60 80
n
x
n
0,0
0,2
0,4
0,6
0,8
1,0
0 20 40 60 80
n
x
n
Dino G. Salinas Avils
205
seales componentes del ritmo cardiaco. En estos casos, el tipo de caos puede ser
semejante al que se ha observado en la evolucin de los valores de la bolsa de comercio, de
las variables que describen el clima o de una poblacin de insectos, como en el caso que ya
analizamos.
Hemos visto que r = 3 y r = 3.56994... son dos valores para los cules cambia
bruscamente el comportamiento cualitativo de las rbitas. Esto nos muestra cmo en la
naturaleza podemos hallar fenmenos en los que hay cambios dramticos para la viabilidad
de un sistema despus de que se ha cambiado levemente un parmetro que lo describe.
Estos cambios tambin son objeto de estudios tericos. As, se han desarrollado teoras
para explicar cmo un grano de arena es capaz de causar una avalancha o cmo una
protena pierde su estructura nativa despus de aumentar levemente la temperatura por
sobre un valor crtico.


EL CAOS Y LA ESTRUCTURA FRACTAL

Como se mostraba anteriormente, cuando el nmero de iteraciones es lo suficientemente
grande (un nmero muy alto de generaciones), pueden o no alcanzarse valores finales para
x
n
, dependiendo del valor que se asigne al parmetro r. Esto significa que el valor que
tiende a asumir x
n
a un tiempo infinito puede ser slo uno (estado de equilibrio), un nmero
determinado de valores que se suceden siempre en el mismo orden (estados peridicos) o
un nmero infinito de valores que se suceden con apariencia errtica, sin repetirse ninguno
de ellos, por mucho que transcurra el tiempo (estados caticos). Despus de un nmero
suficientemente grande de ciclos reproductivos (n muy grande), cuando se obtengan los
valores finales para x
n
, se puede hacer un grfico de stos versus el parmetro r,
obtenindose una figura como la que se observa a continuacin:






Dino G. Salinas Avils
206













Figura 12.17. Estructura fractal en la dinmica de la ecuacin de logstica.
Ntese que cuando r = 3 la curva comienza un rgimen de bifurcaciones sucesivas,
llegando a comportarse caticamente para algunos segmentos de valores de r > 3.56994...
Para valores mayores de r, aparecen algunas ventanas de estabilidad, en las que
desaparece el rgimen catico.

Pues bien, puede demostrarse que la figura anterior se trata de una estructura de tipo
fractal. Lo curioso es que esta asociacin entre estructuras fractales y regmenes dinmicos
caticos parece ser comn en la naturaleza. La siguiente es una rbita catica que ocurre
en un espacio de dimensin 2, resultante de un modelo terico para predecir del clima. Se
considera un atractor porque funciona tal como atrayendo a las rbitas vecinas,
condenndolas a existir en una zona de rgimen catico perpetuo. Se conoce como el
atractor de Lorenz y es citado aqu como un ejemplo ms de estructura fractal. Podramos
amplificar indefinidamente al atractor y siempre observaramos la misma estructura.
Dino G. Salinas Avils
207











Figura 12.18. Atractor de Lorenz, como resultado de graficar la evolucin temporal del
punto (x, z) gobernado por el siguiente sistema de ecuaciones diferenciales:
( ) . ; ; bz xy z xz y rx y x y x = = =




La matemtica de los fractales originalmente se desarroll independientemente de la
dinmica no lineal. Con el tiempo, se vio que las estructuras fractales pueden resultar de
procesos caticos naturales que forman ambientes como las formas litorales, las nubes o las
formaciones geolgicas.


DINMICA CELULAR Y HOMEOSTASIS

En conclusin, todos los tipos de dinmicas que hemos visto (puntos de equilibrio, rbitas
peridicas y comportamiento catico) pueden ser los comportamientos finales de los
sistemas. Si bien son las ms significativas, an hay otros tipos de dinmicas que no
trataremos aqu. Todos los objetos geomtricos atractores que hemos revisado, determinan
Dino G. Salinas Avils
208
un comportamiento por siempre en el futuro, con cierta independencia de las condiciones
iniciales, en tanto que se mantenga la integridad del sistema; mientras que la dinmica
transiente, prxima a las condiciones iniciales y muy dependiente de ellas, es efmera y con
ella la importancia de su descripcin. En la naturaleza, todo parece provenir desde un
pasado estructurado dinmicamente y dirigirse hacia un futuro tambin estructurado
dinmicamente. Pareciera que fusemos flujo entre repulsores y atractores. La agrupacin
de los sistemas dinmicos en base a sus comportamientos finales cualitativamente similares
permite que la teora de sistemas dinmicos tenga tan amplio espectro de aplicaciones:
Cuando estudiamos la dinmica de un sistema, finalmente, estudiamos la dinmica de
infinitos sistemas anlogos, a pesar de sus naturalezas distintas.
Sera innumerable la lista de fenmenos peridicos que se hallan en la clula o en el
organismo humano completo. Tambin lo seran los estados estacionarios descritos. Estos
estados, sumados a los comportamientos caticos, configuran la riqueza dinmica de los
seres vivos. En ningn caso mantener la vida ha consistido en mantener al sistema quieto,
sin variaciones internas. Como seres vivos, poseemos un constante palpitar que se
superpone a una incertidumbre dinmica al interior de nuestras estructuras. Lo ms
importante: la estructura de los sistemas biolgicos no slo es espacial sino que tambin es
temporal, y la comparacin de estructuras temporales hace posible unificar sistemas de
naturaleza dismil. Mantener esta riqueza dinmica tiene un costo energtico permanente.
Sin embargo, el mantenimiento de la riqueza dinmica de los sistemas biolgicos,
entendida como la estabilidad dinmica del sistema, no ha de interpretarse como ausencia
de cambios internos. La homeostasis debe entenderse como el mantenimiento de los
regmenes dinmicos internos, y no como el mero mantenimiento de las concentraciones de
los metabolitos, pues ya se ha demostrado que stos no siempre estn a concentraciones
fijas, sino que pueden seguir patrones dinmicos diversos.


LA DINMICA EN LA FISIOLOGA NORMAL Y PATOLGICA

Hasta hace algunos pocos aos, fruto del concepto de homeostasis, an en su acepcin ms
dinmica, se aceptaba el concepto de enfermedad como un desequilibrio o la prdida de la
estabilidad de un sistema fisiolgico. Por este motivo, el empleo de la estadstica como
Dino G. Salinas Avils
209
apoyo en la toma de decisiones clnicas fue fundamental, y todava lo es. Actualmente, se
sabe que los sistemas fisiolgicos normales pueden presentar comportamientos globales
predecibles y comportamientos locales impredecibles. Por ejemplo, globalmente, un
individuo en reposo puede poseer una frecuencia cardiaca entre 60 y 100 latidos por
minuto, pero, localmente, la frecuencia del prximo latido es imposible de predecir con
exactitud a partir del conocimiento de las frecuencias anteriores. Contrariamente a lo que
se crea antes, la prdida de variabilidad o complejidad de la dinmica de algunos sistemas
fisiolgico se ha encontrado asociada a la aparicin de enfermedades. Existen informes que
una disminucin de la variabilidad de la frecuencia cardiaca predispone a eventos de
arritmias cardiacas, muerte sbita e infarto agudo al miocardio. Tambin habra una
disminucin de la complejidad de la frecuencia respiratoria asociada a algunas patologas.
En la evaluacin de los registros de datos, se utilizan herramientas de anlisis para verificar
la presencia de atractores caticos extraos y se estima su complejidad midiendo su
dimensin fractal, estimando la correlacin de los resultados con los estados normales o
patolgicos. Lo interesante es que todas estas relaciones, antes del desarrollo de las teoras
del caos y de fractales, no eran evidentes en la gran masa de datos fluctuantes.
Hace unos 25 aos, se comenz a utilizar el trmino de enfermedades dinmicas.
Actualmente, se considera que este tipo de enfermedades estara producido por cambios
anmalos de la dinmica de variables fisiolgicas, habiendo casos en los que se produciran
alteraciones en el patrn cualitativo del comportamiento dinmico, como la transicin
desde un rgimen de ritmicidad normal hasta rgimen catico patolgico. Un ejemplo, es
el caso de la respiracin de Cheyne-Stokes, formada por aceleraciones y deceleraciones
irregulares de la respiracin. Este tipo de fenmenos se ha podido modelar
matemticamente, demostrndose que es suficiente un pequeo ajuste de parmetros
normales para reproducir la dinmica patolgica en un modelo de la circulacin de CO
2
.
Muchos casos de ritmos complejos y de oscilaciones anmalas se hallan en el
campo de la neurofisiologa y podran ser considerados enfermedades dinmicas. Hay
procesos cclicos que pueden sufrir cambios cualitativos: anomalas de la marcha,
desarreglos del ciclo sueo vigilia y enfermedades maniacodepresivas de ciclo rpido.
Pueden aparecer oscilaciones en sistemas de control nervioso que normalmente no
presentan oscilaciones: el temblor del tobillo en pacientes que sufren enfermedades del
Dino G. Salinas Avils
210
tracto corticoespinal, los temblores caractersticos de la enfermedad de Parkinson y las
oscilaciones paroxsticas de las actividades neuronales en una crisis epilptica. Adems, a
veces las manifestaciones clnicas de algunas enfermedades sobrevienen de forma aleatoria,
como las crisis epilpticas en los adultos.
La dinmica catica ha invadido casi todas las disciplinas de estudio biolgico.
Tambin se han llegado a determinar cambios caticos en la aparicin de frecuencias
gnicas. Esto significa que los mecanismos selectivos de mantenimiento de la diversidad
gnica en una poblacin fluctuaran caticamente.
Se han hecho esfuerzos por caracterizar dinmicamente los electroencefalogramas
(EEG) de individuos sometidos a un esfuerzo de actividad cognitiva. Por ejemplo, Paul
Rapp, en la universidad de Pennsylvania, determin que el patrn dinmico de individuos
que contaban hacia atrs de 7 en 7 pasaba de un registro normal a un patrn ms catico
(de mayor dimensin fractal).
Las ventajas selectivas de los procesos caticos pueden deberse a que el sistema
tendra acceso a un mayor repertorio de respuestas y de modo impredecible. En el mbito
cognitivo, la diversidad podra estar relacionada con la creatividad. En el mbito ecolgico,
la diversidad se asociara con la adaptacin de una especie al medio y lo impredecible de
una respuesta se asociara con conductas de animales que huyen de sus depredadores.


En 1976, Robert M. May sorprendi a todos publicando en la prestigiosa revista
Nature su artculo Modelos matemticos simples con una dinmica muy complicada.
All incluy un informe de sus resultados sobre la ecuacin de logstica que he presentado
en este captulo. Adems, llam la atencin de las repercusiones que este tipo de trabajos
podra tener en disciplinas aparentemente muy poco relacionadas. Su artculo puso a
trabajar en conjunto a bilogos, matemticos, fsicos, socilogos y, no exagero si lo digo, a
representantes de casi todo el espectro acadmico. Despus el tema se fusion
espontneamente con la teora fractal, al mismo tiempo que conquistaba el inters de
educadores, artistas y filsofos. Considerando el desarrollo explosivo de los computadores
y su masificacin, cada vez son menos los que podran tener un pretexto material para no
ser un cientfico o un artista, experimentando y creando con estas materias. Al decir del
Dino G. Salinas Avils
211
mismo Robert May, en un artculo suyo muy posterior Hay una cosa clara: los sistemas
biolgicos estn regidos por mecanismos no lineales. Ello significa que es de esperar que
los comportamientos caticos se presenten tan a menudo al menos como los
comportamientos cclicos o estacionarios. (.) Para la investigacin cientfica, como para
la vida cotidiana, ser muy beneficiosos que cada cual tome conciencia del hecho de que
los sistemas no lineales simples no necesariamente gozan de propiedades lineales simples.
Dino G. Salinas Avils
212
Parte V


EPLOGO

Dino G. Salinas Avils
213
13 La integracin como resultado de la lgica de la vida


La integracin es, en s misma, un objeto de estudio filosfico y la pregunta relevante en
este sentido es qu es la integracin, en vez de cmo realizar la integracin. Se trata de
aprender la forma en que en el Universo subyacen arquitecturas lgicas comunes a sistemas
aparentemente dismiles.
En adelante pensemos como bilogos. Esto es, como si nuestro principal inters
fuera biolgico. Como bilogos, tampoco creo que tenga mucho sentido preguntarnos
cmo integrar las ciencias bsicas con la biologa, por cuanto la integracin no es un
objetivo biolgico en s mismo sino que es una realidad por la que debemos transitar para
entender los fenmenos biolgicos en profundidad, lo que s parece un objetivo pertinente.
Por aadidura, prepararnos para entender los fenmenos biolgicos en profundidad nos
entregar como producto residual el habernos preparado para realizar la tarea de la
integracin de las ciencias bsicas. Es lo mismo que si queremos construir una casa y
debemos emplear diferentes tcnicas y materiales. Cuando trabajamos, no estamos
pensando en que, dado que hemos usado muchos clavos, debemos emplear tanto ms de
madera y algo de material plstico para integrar todo en lo que llamaremos casa. No es as.
Simplemente actuamos pensando en la casa que queremos, empleamos lo que tenemos y lo
que sabemos, de acuerdo a nuestra conveniencia, y, mientras ms tengamos y sepamos, ms
posibilidades tendremos de hacer nuestra casa soada. Despus, si alguien la observa,
creer que nuestro propsito siempre fue el uso integrado de materiales y tcnicas. Eso
slo es aparente. Es como haber hecho una estatua de arena un da soleado en la playa, sin
haber pretendido su sombra. Si nos preguntan si la sombra fue a propsito, simplemente
habra que responder: era inevitable. Lo que pasa es que sin sombra es muy probable que
no haya estatua, por eso debemos estar atentos al cumplimiento del ejercicio intelectual de
la integracin, porque l ser un indicio de que estemos entendiendo la biologa.
Para no limitar las capacidades creativas y de entendimiento, importa fomentar la
predisposicin a la integracin, as como mostrar y ensear parte de la disponibilidad de
tcnicas y recursos de orgenes diversos. Eso s, esperando que la integracin no se
Dino G. Salinas Avils
214
considere como un objetivo biolgico en s mismo o como un simple slogan empleado
recurrentemente para justificar modalidades de enseanza.
El objetivo de la biologa es la comprensin de los procesos asociados a la vida. A
fin de cuentas, comprender el fenmeno de la vida misma. Cuando recin comenzamos a
entender qu es la vida, entonces debemos darnos cuenta de que para progresar en su
entendimiento no queda ms remedio que empaparnos de los principios del cosmos. Por
eso, en la definicin de la vida estn todos los elementos que justifican la integracin de la
biologa con las dems ciencias bsicas.


LA DEFINICIN DE LA VIDA NUNCA FUE FCIL

Supongamos que definimos un sistema vivo como aqul que posee la capacidad de
alimentarse del medio, crecer y reproducirse. En ese caso, diramos que una gota de agua
est viva, porque puede crecer asimilando la humedad del ambiente y, eventualmente,
debido a un golpe fortuito, dividirse en dos gotas menores, pero idnticas. Adems, quin
estara dispuesto a reconocer que un conejo macho est muerto, a menos que est junto a
una hembra con posibilidades de reproducirse? Entonces, convengamos en que este
sistema, al que denominamos vivo, es todo aquel sistema que, para su permanencia, debe
incluir como parte integral de su estructura a una molcula de DNA. Inmediatamente
podramos objetar que hay algunos virus que no poseen DNA, y que en su lugar poseen
RNA. Y si aceptramos que un sistema poseer la condicin de vivo si, para su
permanencia, debe incluir como parte de su estructura a molculas proteicas? En ese caso,
un frasco de protenas que permanece sobre un mesn del laboratorio estara vivo.
En el ao 1945, uno de los fsicos fundadores de la mecnica cuntica, Schrdinger,
escribi su libro Qu es la vida?, que result muy influyente en el desarrollo de la
biofsica y de la biologa molecular. Schrdinger planteaba que haba una contradiccin
entre la evolucin de un sistema fsico aislado, que deba evolucionar hacia un estado de
mxima entropa, con los sistemas biolgicos en que ocurra lo contrario, evolucionando de
lo simple a lo complejo. Por lo que deca que el organismo se alimentaba de entropa
negativa. Esto es una consecuencia de que el organismo no es un sistema aislado con su
entorno, sino ms bien un sistema abierto, por lo dems no equilibrado. Lo otro que llam
Dino G. Salinas Avils
215
la atencin de Schrdinger fue que la estructura ordenada de los seres vivos no era similar
al orden de los cristales, ya que en los cristales el orden supone una periodicidad espacial
de las unidades componentes. Casi en su totalidad, un organismo vivo posee organizacin
estructural no peridica, como puede verse en las macromolculas, los complejos
macromoleculares y los organelos, por lo que denomin al organismo vivo como un cristal
aperidico. Schrdinger se pregunta por qu los tomos son mucho ms pequeos que los
organismos? O, en otras palabras, por qu los organismos estn compuestos por un gran
nmero de tomos? (Una bacteria pequea puede contener unos 10
9
tomos). La respuesta
es que el orden necesario para los organismos vivos slo puede darse en un sistema
macroscpico. A escalas mucho menores el orden se destruye por las fluctuaciones
atmicas. Posteriormente Schrdinger se pregunt acerca de la estabilidad de las sustancias
genticas, formadas por C, H, N O y P, a lo largo de generaciones. La respuesta se
encontr aos ms tarde con el hallazgo de la estructura de doble hlice del DNA.


EN BUSCA DE UNA DEFINICIN DE LA VIDA

El cumplimiento de las siguientes caractersticas de un sistema lo definiran como un
organismo vivo:

Ordenamiento
Todo organismo vivo posee lmites con el exterior, as como al interior de s mismo. Este
lmite, en el caso de las clulas, est demarcado por las membranas celulares. Adems de
la compartimentacin, los organismos vivos estn estructurados a partir de unidades
menores que se asocian progresivamente para constituir molculas ms complejas, muchas
de ellas polmeros: Los veinte aminocidos estndares forman las protenas; los azcares
simples, como la glucosa, forman azcares ms complejos, como el almidn, la celulosa y
el glucgeno; y los nucletidos forman el DNA y el RNA. Durante los ltimos aos han
cobrado cada vez ms importancia las consideraciones de ordenamiento estructural
microscpico que poseen las clulas. Los modelos que suponen que el interior de una
clula es poco ms que una bolsa de molculas que colisionan en solucin acuosa, dando
lugar al conjunto de reacciones bioqumicas que conforman el metabolismo, estn cada vez
Dino G. Salinas Avils
216
ms en desuso. El agua en el interior de una clula tendra una estructura mucho ms
ordenada que el agua normalmente lquida, asemejndose, el grueso del medio intracelular,
ms a un gel que a una sopa. En muchos casos ha sido incluso necesario renunciar hasta a
los procesos de difusin y de movimiento Browniano en favor del proceso de perfusin,
segn el cual los sustratos enzimticos seran puestos por protenas del citoesqueleto frente
a las enzimas, como si fuese una cuchara llevada cuidadosamente a la boca. Esto permitira
explicar cmo es que altas variaciones de flujos metablicos (hasta ms de 100 veces en las
clulas musculares) no sean seguidas por variaciones comparables de los intermediarios
metablicos. Se descartara, entonces, una aplicacin indiscriminada y ciega de una
qumica de soluciones, donde se supona simplemente que, in vivo, las enzimas
colisionaban al azar con las molculas de sustrato para que ocurrieran las reacciones;
puesto que, en este caso, los cambios en los flujos metablicos no pueden ser de un orden
muy superior a los cambios en las concentraciones de las especies reaccionantes. As es
que en el interior de cualquier organismo vivo, an a nivel microscpico, muchas veces no
slo importara el qu ni el cundo, sino tambin el dnde, hasta un orden de
magnitud molecular. Ni hablar de lo obsoleto del modelo de membrana celular del mosaico
fluido, que planteaba a los fosfolpidos componentes de las membranas plasmticas como
una masa bidimensional agitada y carente de estructura. Actualmente se reconoce la
existencia en la membrana celular de dominios fosfolipdicos y proteicos muy estructurados
y con una alta significacin funcional. Con lo que cada vez es ms utpica la descripcin
homognea de una clula.

Estabilidad
La estabilidad se entiende como la tendencia a mantener constante la dinmica del medio
interno a pesar de un cambio del medio externo. Esta constancia en el modo como
evoluciona el conjunto de variables que determina el sistema (como, concentraciones,
corrientes inicas o movimientos celulares) no significa solamente el mantenimiento de un
estado estacionario, pues el rgimen dinmico puede ser ms rico que eso, incluyendo,
adems: comportamientos oscilatorios, caticos, y asintticos. Para el logro de la
estabilidad, los organismos son altamente interactivos, tanto internamente como con
Dino G. Salinas Avils
217
respecto al exterior, determinando circuitos de retroalimentacin y poseyendo la capacidad
de autorregenerarse permanente empleando materia y energa del medio externo.

Adaptabilidad
Un organismo vivo posee la capacidad de adaptar su estructura y su dinmica a nuevas
condiciones de estabilidad, con el fin de realizar cambios funcionales. As, para que se
realice una contraccin de una clula muscular se necesita un gran nmero de ajustes
metablicos y mecnicos al interior de la misma. Otras veces la adaptabilidad no es para
realizar cambios en las condiciones de estabilidad, sino ms bien para afianzar las ya
existentes. Por ejemplo, puede haber mecanismos de mantenimiento de temperatura, de
energa y de volumen celular.
La adaptabilidad tambin puede ocurrir a escalas que van ms all de la duracin de
una vida y que involucran la secuencia de vidas generadas una a partir de la otra. A esta
escala temporal, la adaptabilidad se identifica con la evolucin.

Acoplamiento energtico
Muchas veces un proceso que ocurre espontneamente permite que ocurra otro proceso
que, de otra forma, no ocurrira aisladamente. Por ejemplo, el agua que cae por s misma
(proceso espontneo) es capaz de poner en movimiento una rueda de molino que, por s
misma, no sera capaz de moverse (proceso no espontneo). Todas nuestras relaciones
humanas estn marcadas por este acoplamiento entre procesos espontneos con procesos no
espontneos: la seduccin, la motivacin, el castigo, la recompensa, etctera. La ingeniera
del asunto radica en la mquina capaz de realizar el acoplamiento. Sin artilugio que acople
no hay acoplamiento. Alguien debi tallar un sistema de aspas conectado a la rueda del
molino y ponerlo correctamente bajo la cada de agua para que hubiese acoplamiento.
En los sistemas vivos, este acoplamiento energtico, entre lo posible y lo imposible,
para lograr un todo posible, ocurre, primordialmente, a travs de las enzimas, las que
permiten que un intermediario metablico se genere a partir de una reaccin qumica
espontneamente y que este intermediario sirva para poner en marcha una segunda reaccin
qumica que, de otro modo, jams ocurrira (no espontnea). Y es que la autoestructuracin
de los organismos vivos no es espontnea, porque no vemos que ocurra, por ejemplo, una
Dino G. Salinas Avils
218
sntesis de los biopolmeros mencionados antes slo porque pongamos las unidades
monomricas en un tubo de ensayo. Esto ocurre cuando acoplamos procesos espontneos
(energticamente cuesta abajo) que son capaces de interactuar a travs de algunos de sus
componentes con algunos de los elementos involucrados en el proceso no espontneo
(energticamente cuesta arriba), forzando el cumplimiento de la reaccin. Al final, los
sucesos metablicos cuesta abajo (catabolismo) se acoplan con los sucesos metablicos
cuesta arriba (anabolismo) para dar forma al sistema vivo.

Empleo de un programa
Nada de lo anterior ocurrira si no se contase con un programa. Todo organismo vivo es
portador de un programa, codificado en sus cidos nucleicos (DNA o RNA, en el caso de
algunos virus) y que permite que los organismos originen organismos idnticos o muy
similares. El cdigo en el que se cifra el programa es el mismo para todas las especies
sobre la Tierra. Este programa es portador de una informacin bsica que deber
complementarse con la informacin del medio donde se expresen las molculas que
codifica. De hecho, el problema mismo de por qu una neurona es diferente a una clula
muscular radica en cmo este material gentico que constituye el programa se ha integrado
con el medio, paulatinamente, a travs de los estados del desarrollo. La capacidad de variar
el programa a travs de la secuencia de generaciones sucesivas, logrando una mejor
adaptacin al medio, es determinante de la evolucin.

Con todo lo dicho, la siguiente es una definicin compacta de lo vivo: Un
organismo vivo es un sistema abierto, estable, heterogneo espacial y temporalmente,
compartimentado, ordenado y alejado del equilibrio debido a un consumo de energa
permanente. Se rige fuertemente por un programa cifrado en un cdigo compartido por
toda la diversidad de este tipo de organismos. Todos ellos se componen por la misma clase
de unidades moleculares simples, las que se reagrupan conformando estructuras
moleculares ms complejas cuya diversidad, inestabilidad local, flexibilidad e interaccin,
les confieren ms adaptabilidad y ms diversidad (He descartado los rasgos de
autorregulable y autorreproductivo para incluir, respectivamente, a las clulas que se rigen
por seales hormonales externas y a los conejitos solitarios). Un organismo vivo es un
Dino G. Salinas Avils
219
sistema histrico, en el sentido que es el resultado de un desarrollo filogentico, a lo largo
de generaciones previas, y de un desarrollo ontogentico, desde su comienzo (nacimiento)
hasta su fin (muerte).
Tal vez no sea la definicin ms romntica, pero, para eso, para entender cmo
desde esta visin reduccionista podemos remontarnos a los fenmenos del amor y la
conciencia, har falta un enfoque cada vez ms sistmico para el cual la ciencia recin
comienza a prepararse. En donde los fenmenos surjan a partir de un determinismo
estructural, pero reconociendo que las propiedades del todo ni siquiera se atisban en las
propiedades de las partes que lo determinan.


Cuando la vida resuelve sus propios problemas por todos los medios posibles a
travs de una manifestacin continua, irrestricta, en armona con los principios del cosmos;
cuando lo que resulta ni siquiera tiene nombre; entonces, al ver en una misma clula todos
los principios del Universo que osadamente rotulamos con los nombres de fsica, qumica y
matemtica (nombres, slo nombres, smbolos de nuestra pequeez), concluimos cun
frgiles pueden llegar a ser nuestras definiciones. Como ya hemos demostramos que lo son
las definiciones de simplicidad, informacin, orden, aprendizaje y vida. Mientras tanto, la
ciencia an aparenta objetividad. Ms an, en nuestro desconcierto, recordemos la
contradiccin inherente a la ciencia: Buscar la simplicidad pero desconfiar de ella. Qu
hermosa encrucijada que nos hace desconfiar de los nombres para perseguir significados
cada vez ms amplios. Integremos, porque la naturaleza completa se ha derramado sobre
nosotros. Porque nosotros somos naturaleza derramada.
Dino G. Salinas Avils
220
BIBLIOGRAFA

El nacimiento de una nueva fsica. I. Bernard Cohen, Alianza Universidad, S. A., 1985.

Leonardo De Vinci, brevarios. Editorial Schapire S. R. L.

El caso Galileo. Owen Gingerich, Investigacin y Ciencia, 87-96, octubre de 1982.

Cartas copernicanas Galileo Galilei. Editorial Ercilla S. A, 1988.

Introduccin a Newton. Maurizio Mamiani, Alianza Editorial, S: A., 1995.

Tiempo, espacio, movimiento, Los Principia de Newton. Igor Saavedra, Editorial Universitaria,
Segunda Edicin, 1987.

El descubrimiento newtoneano de la gravitacin. I. Bernard Cohen, Investigacin y Ciencia,
111-120, mayo de 1981.

La perspectiva cientfica. Bertand Russell, Sarpe, S. A., 1983.

El conocimiento humano. Bertand Russell, Editorial Planeta-De Agostini, S. A., 1992.

La ciencia, su mtodo y su filosofa. Mario Bunge, Editorial sudamericana, cuarta edicin, 2001.

Miedo a la fsica. Lawrence M. Krauss, Editorial Andrs Bello, segunda edicin, 1996.

Juegos matemticos: Un mundo sin nmeros. Juan M. R. Parrondo, Investigacin y Ciencia, 86-
87, agosto de 2003.

Importancia de la investigacin bsica. Leon M. Lederman, Investigacin y Ciencia, 6-14, enero
de 1985.

Modelos matemticos en biologa. Antonio Ruiz Marcos, Investigacin y Ciencia, 99-108, junio
de 1984.

Circo matemtico: Simplicidad (cap. 14). Martin Gardner, Alianza Editorial, S. A., segunda
edicin, 1985.

La imaginacin de la naturaleza. John Cornwell (editor), Editorial universitaria, 1995.

Introduccin a la ciencia. Isaac Asimov, Plaza & Janes, S. A., Editores, Tercera Edicin, 1979.

Cerebros, mquinas y matemticas. Michael A. Arbib, Alianza Universidad, segunda edicin,
1982.

Biofsica. M. V. Volkenshtein, Editorial Mir Mosc, 1985.

Cul es la mejor estrategia de un juego de preguntas? Juan M. R. Parrondo, Investigacin y
Ciencia, 84-86, agosto de 2001.

Dino G. Salinas Avils
221
Fsica para las ciencias de la vida: Termodinmica (cap. 12). Alan H. Cromer, Editorial Revert,
segunda edicin, 1998.

Ordenadores, paradojas y fundamentos de las matemticas. Gregory, J. Chaitin, Investigacin
y Ciencia, 28-35, julio de 2003.

Juegos de ordenador: Artefactos analgicos que resuelven mltiples problemas y suscitan una
retahla de cuestiones. A. K. Dewdney, Investigacin y Ciencia, 87-93, agosto de 1985.

El azar y los nmeros. Gregory G. Chaitin, Mundo Cientfico, (11) 115: 772-777, 1991.

Neural networks. B. Mller y J. Reinhardt, Springer-Verlag Berlin Heidelberg, 1990.

Redes neuronales que aprenden de la experiencia. Geoffrey E. Hinton, Investigacin y Ciencia,
105-112, noviembre de 1992.

Neural networks and physical systems with emergent collective computational abilities. J. J.,
Hopfield, Proc. Natl. Acad. Sci., U.S.A., 79: 2254, 1982.

De los vidrios de espn a las redes de neuronas. Mac Mzard y Grard Toulouse, Mundo
Cientfico, (11) 115: 778-785, 1991.

Spin glass theory and beyond. Marc. Mezard, Giorgio Parisi y Miguel ngel Virasoro, World
Scientific Publishing, 1987.

Measure, topology, and fractal geometry. Gerald A. Edgar, Springer-Verlag New York Inc.,
1990.

Applications of fractal analysis to physiology. Robb W. Glenny y col., Journal of Applied
Physiology, 70: 2351-2367, 1991.

Gradientes organizadores del desarrollo del embrin. Christiane Nsslein-Volhard,
Investigacin y Ciencia, 20-26, octubre de 2002.

Chaos and fractals in human physiology. A. L. Goldberger, D. R. Rigney y B. J. West, Scientific
American, 262: 42-49, 1990.

Cmo entender el caos determinista. Carles Sim, Mundo Cientfico, (11) 115: 698-708, 1991.

Henri Poincar, el precursor. Jean-Luc Chabert y Amy Dahan Dalmedico, Mundo Cientfico,
(11) 115: 716-720, 1991.

La fsica del desorden. Jean-Pierre Eckmann y Maurice Mashaal, Mundo Cientfico, (11) 115:
722-730, 1991.

El caos en biologa. Robert M. May, Mundo Cientfico, (11) 115: 746-754, 1991.

Deterministic chaos: an introduction. Heinz Georg Schuster, Physic-Verlag GmbH, 1984.

Mastering chaos. William L. Ditto y Louis M. Pecora, Scientific American, 62-68, agosto de 1993.

Dino G. Salinas Avils
222
El progreso de la matemtica en los ltimos 25 aos. J. M. Aroca Hernndez-Ros, Investigacin
y Ciencia, 64-75, octubre de 2001.

Simple mathematical models with very complicated dynamics. Robert M. May, Nature, 261:
459-467, 1976.

Computer simulation methods. Harvey Gould y Jan Tobochnik, Addison-Wesley Publishing
Company, 1988.

Termodinmica de la evolucin biolgica. David Luri y Jorge Wagensberg, Investigacin y
Ciencia, 102-113, marzo de 1979.

Introduccin a la termodinmica de procesos biolgicos. David Jou y Josep Enric Llebot,
Editorial Labor, S. A., 1989.

Fluctuaciones en procesos naturales. Jos Mara Sancho, Investigacin y Ciencia, 16-23, febrero
de 1988.

Calcium oscillations in pituitary gonadotrophs : Comparison of experiment and theory. Li
Y.-X., Rinzel John, Keizer J. And Stojilkovic S. S., Proc. Natl. Acad. Sci. USA, 91: 58-62, 1994.

Taller y laboratorio: Sistemas qumicos que permiten oscilar de un color dado a otro. Jearl
Walker, Investigacin y Ciencia, 108-114, septiembre de 1978.

Reacciones qumicas oscilantes. Irving R. Epstein y col., Investigacin y Ciencia, 82-92, mayo de
1983.

Criticalidad auto-organizada. Per Bak y Kan Chen, Investigacin y Ciencia, 18-25, marzo de
1991.

Intracelular convection, homeostasis and metabolic regulation. P. W. Hochachka, The Journal
of Experimental Biology, 206: 2001-2009, 2003.

Lehninger principles of biochemistry. David L. Nelson, Michael M. Cox., Worth Publishers,
Tercera Edicin, 2000.

Qu es la vida? Erwin Schrdinger, Ediciones Orbis, S. A., 1985.

La autonoma de los seres vivos. Antoine Danchin y Daniel Mange, Mundo cientfico, (233): 46-
49, 2002.

The seven pillars of life. Daniel E. Koshland Jr., Science, 295: 2216-2215, 2002.