Está en la página 1de 13

Revista CTS, n 5, vol. 2, Junio de 2005 (pg.

51-63)
51
En este trabajo se plantea que la computadora no solamente funciona como una
poderosa herramienta para la modelizacin numrica de problemas de ciencias
experimentales, sino que en cierto sentido la matemtica aplicada puede considerarse
una ciencia experimental, cuyo laboratorio es la computadora y, por consiguiente, los
modelos matemticos computacionales son o pueden llegar a ser herramientas para
conocer mejor fenmenos de distintas disciplinas. Se observa adems cmo la
matemtica pura tambin ha comenzado a usar la computadora para calcular
constantes universales y demostrar teoremas.
Palabras clave: modelizacin matemtica, experimentacin numrica, ciencia
experimental
In this article we argue that the computer not only works as a powerful tool for numerical
modeling of problems in experimental science, but also in a certain sense applied
mathematics may be considered an experimental science, whose laboratory is the
computer, and therefore computer mathematical models are or may become tools to
better know phenomena from different disciplines. In addition, one can observe how
pure mathematics has also begun to use computers to calculate universal constants and
to prove theorems.
Key words: mathematical modeling, numerical experimentation, experimental science
Computadoras, modelizacin matemtica y ciencia
experimental
Pablo M. Jacovkis (jacovkis@dc.uba.ar)*
Universidad de Buenos Aires, Argentina
* El autor agradece a la Fundacin Antorchas y a la Universidad de Buenos Aires (subsidio UBACYTI056) el
apoyo econmico suministrado para la elaboracin de este trabajo, y a Rosita Wachenchauzer sus
comentarios.
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
52
1. Introduccin
En 1963, un distinguido meteorlogo norteamericano, Edward N. Lorenz, public un
artculo en una importante revista de meteorologa (Lorenz, 1963). Ese artculo es
famoso porque dio comienzo a la teora del caos, una de las ramas de la matemtica
ms atractivas de los ltimos decenios. En esencia, el artculo mostraba cmo con
apenas tres ecuaciones diferenciales no lineales se poda representar un problema
matemtico mal planteado en el sentido de Hadamard. El problema era no solamente
inestable, sino que las trayectorias tendan a atractores extraos, de modo que se
tena el fenmeno de caos determinstico: incluso contando con una computadora de
precisin infinita, no se poda estar seguro del resultado en un instante
suficientemente alejado del tiempo de simulacin, porque los datos iniciales estn
sujetos a errores de medicin, y una medicin con un aparato con ms resolucin
que otro puede provocar a la larga resultados totalmente diferentes: el azar en algn
sentido existe dentro del determinismo y, adems, no se debe a la complejidad del
fenmeno; justamente, uno de los factores ms llamativos del artculo de Lorenz es
que el problema no es para nada complejo; asombrosamente, consta de nada ms
que tres ecuaciones diferenciales ordinarias que representan una drstica
simplificacin de las ecuaciones que rigen la conveccin trmica en una capa de
fluido. El trabajo de Lorenz tard un poco en ser conocido por los matemticos,
debido a la inevitable dificultad de cada disciplina en enterarse de los aportes de otra,
producto del enorme aumento del conocimiento y su difusin, y de la especializacin
que ello fuerza. Pero finalmente termin convirtindose en una de las ms ricas y
populares ramas de la matemtica de la segunda mitad del siglo veinte -una historia
en lenguaje no tcnico puede leerse con agrado en el exitoso libro de Gleick (1986).
De alguna manera la teora del caos es paradigmtica (en el sentido que Thomas
Kuhn da a esa palabra) dado que la ciencia experimental moderna, y en particular la
fsica, la ms matematizada de todas, era bien planteada: la idea intuitiva de los
fsicos es que los problemas deben ser estables, y que pequeos cambios en los
datos deben provocar cambios razonablemente pequeos en los resultados. Eso
garantiza que cuentas hechas con datos experimentales obtenidos con aparatos de
determinada resolucin no pueden ser muy distintos de los obtenidos con aparatos
de resolucin mayor; si en la mayora de los casos no fuera as (hasta la aparicin de
la teora del caos la mayora de los cientficos pensaban que en todos los casos deba
ser as) ninguna teora permitira predecir trayectorias aproximadas, y por
consiguiente no existira ciencia moderna. Cabe comentar, refirindonos en general
a la meteorologa, que la teora del caos pone lmites a la cantidad de das para los
cuales se puede pronosticar el tiempo, en el mismo sentido (pero no con la misma
precisin) que la velocidad de la luz pone lmite a la velocidad a la cual un objeto
puede trasladarse; de todos modos, ese lmite todava no se ha alcanzado, o sea
mejorando la cantidad y calidad de los datos meteorolgicos obtenidos y la capacidad
de memoria y de clculo de las computadoras todava se podrn obtener mejores
predicciones, y a ms largo plazo (las actuales predicciones son confiables hasta
siete das, y se supone que la cota de confiabilidad es de diez a catorce das). Lo cual
indica que tal vez no sea una casualidad que ese fenmeno haya sido descubierto
por un meteorlogo.
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
53
Pero lo que me interesa en este trabajo no es un anlisis de la teora del caos, o
de su historia, para lo cual existe una abundante y precisa bibliografa. Lo que me
interesa es indicar que la investigacin de Lorenz fue un ejercicio, enormemente
popular por el impacto de la teora del caos, de matemtica aplicada como disciplina
experimental, cuyo laboratorio es la computadora, y por consiguiente de ejemplo de
lo que muchos modelos matemticos son o pueden llegar a ser. Y el inters aumenta
si observamos que la computadora no solamente es el laboratorio de los
matemticos aplicados, sino tambin el de los matemticos puros: qu es si no el
clculo de las constantes de Feigenbaum, o las demostraciones por computadora,
como la del teorema de los cuatro colores? En las prximas secciones de este
artculo discutiremos algunos de los problemas -y soluciones- que presenta este uso
novedoso de la computadora en matemtica y en ciencia experimental.
2. Antecedentes del problema
La historia del artculo de Lorenz es bastante conocida: Lorenz quera hacer un
modelo matemtico de la dinmica de fluidos de la atmsfera. Naturalmente,
comenz con un modelo muy simplificado, un modelo de juguete (toy model). A
partir de determinadas condiciones iniciales satisfactorias, corri el modelo hasta
llegar a un tiempo de simulacin que le interesaba. Como cada corrida era larga (se
puede imaginar la rusticidad de la computadora de la cual dispona en esa fecha) y
planeaba hacer unos cuantos experimentos, decidi, con buen criterio, tomar como
instante inicial el estado del sistema un poquito antes del tiempo de simulacin en el
cual estaba interesado, y ahorrarse mucho tiempo de simulacin en cada corrida. Era
perfectamente consciente de que los valores impresos de salida de computadora que
usara como datos iniciales tenan un error numrico respecto de los valores reales
procesados, porque imprima con menos decimales que los correspondientes a los
usados en la representacin de cada nmero en la computadora, pero pensaba que
el problema estaba bien planteado en el sentido de Hadamard, o sea esos pequeos
errores provocaran pequeos cambios en los resultados. No fue as: los resultados
fueron muy distintos, y del anlisis de Lorenz surgi la teora del caos, es decir,
usando lenguaje tcnico, la teora de los problemas dinmicos no lineales altamente
sensibles a cambios en las condiciones iniciales y cuyas trayectorias tienden a
atractores con dimensin de Hausdorff fraccionaria. O sea, un experimento de
computadora permiti detectar un tipo de fenmeno fsico desconocido hasta
entonces: es imposible un pronstico del tiempo a plazos mayores que unos cuantos
das aunque las ecuaciones sean lo ms completas posibles, los mtodos de
resolucin numrica los ms exactos posibles y las computadoras usadas las de
mayor capacidad de memoria, rapidez de clculo y capacidad de representacin de
los nmeros reales.
En realidad, no fue ste el primer uso de la computadora como laboratorio del
matemtico aplicado: en su excelente artculo, Strogatz (2003) relata cmo en 1953
Enrico Fermi, J. Pasta y Stanislaw Ulam inventaron el concepto de experimento por
computadora: usaron simulacin numrica para entender mejor la entropa (Newel,
1974). Obsrvese que no estoy diciendo que antes no se usara la simulacin
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
54
numrica (por computadora y, antes de su aparicin en la dcada de 1940, a mano)
para entender mejor fenmenos de la realidad. Estoy diciendo que los arriba
mencionados son ejemplos fundamentales, uno el caso pionero y el otro el caso ms
publicitado, de que la computadora funcion como laboratorio para observar
fenmenos de la realidad antes no detectados que produjeron nuevas teoras sobre
el mundo que nos rodea. Incluso antes de pensarse que poda tener el mismo valor
como herramienta de investigacin que el laboratorio fsico, la experimentacin
numrica ya se usaba para simular experimentos muy caros, lentos o no factibles en
un laboratorio comn, acompaando en su desarrollo al de las computadoras
electrnicas; ejemplo de esto es el uso de las tcnicas de Monte Carlo,
aparentemente una idea de Ulam comentada a John von Neumann y cuyo nombre
invent Nicholas Metropolis; la primera publicacin con ese nombre fue la de
Metropolis y Ulam (1949); cabe mencionar que las tcnicas de Monte Carlo son
ejemplo de otro fenmeno interesante, que no ser objeto de discusin en este
trabajo, a saber, el uso de un aparato esencialmente determinstico como la
computadora electrnica para simular situaciones aleatorias; este tema est
comentado, por ejemplo, en Jacovkis (1995). Y a su vez, curiosamente, la simulacin
estocstica sirve para clculos determinsticos, como los de integrales mltiples. Es
decir, con un aparato determinstico (la computadora) se resuelve un problema
determinstico (la integracin numrica) mediante un mtodo probabilstico.
3. Meteorologa, modelizacin matemtica y computacin
La computadora, entonces, a partir de su creacin en la dcada de 1940, pas a ser
una poderossima herramienta de las ciencias naturales, gracias a que permiti
solucionar problemas numricos antes insolubles. Y una de las primeras disciplinas
beneficiadas por la computadora fue la meteorologa. En realidad, la meteorologa
tiene una relacin con el clculo numrico que antecede en mucho a la aparicin de
las computadoras en la dcada de 1940. La idea de prediccin numrica del tiempo
resolviendo ecuaciones diferenciales fue formulada por Vilhelm Bjerknes en 1904 y
desarrollada a partir de 1910 por Lewis Fry Richardson, quien decidi resolver
numricamente a mano sus ecuaciones: trabajando solo, tard varios meses en
hacer una prediccin a seis horas de un rea cerca de Munich, Alemania; esas
predicciones, por aadidura, estaban equivocadas, pues su mtodo numrico era
inestable. A pesar de ello, Richardson consider, con extraordinaria visin de futuro,
que la idea vala la pena, y public un libro fundacional en 1922 (Richardson, 1956).
Como no poda prever la aparicin de la computadora, pensaba que poniendo un
ejrcito de miles de calculistas manuales (la cifra que baraj era 64.000) a trabajar
en paralelo, de modo que se cruzaran informacin por telgrafo, poda obtener la
prediccin antes de que se transformara exclusivamente en una ratificacin (o
rectificacin) ex post de resultados observados. La necesidad de usar mtodos
numricos para hacer predicciones no era solamente una idea solitaria de
Richardson: fue otro meteorlogo, el distinguido Sverre Petterssen, quien en 1940,
tambin antes de la aparicin de la computadora, formul el mtodo que lleva su
nombre, el cual todava se usa para determinados problemas de seguimiento de
trayectorias. Petterssen fue protagonista de un episodio clave no solamente para el
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
55
desarrollo de la meteorologa sino en general para el de la civilizacin: en los das
previos a la invasin de Normanda durante la segunda guerra mundial, era necesario
decidir el da de la invasin, el da D. Para que la invasin tuviera xito, era necesario
que se dieran mnimas condiciones atmosfricas favorables. Dos teoras se
enfrentaron: la de Petterssen, con el mayor uso posible de aplicacin de la teora, y
la de Irving Krick, basada en analoga con situaciones anteriores. La prediccin de
Petterssen fue la correcta, y afortunadamente los oficiales aliados decidieron hacerle
caso a Petterssen: si se hubiera seguido el criterio de Krick la invasin habra
probablemente fracasado, no solamente con un costo impresionante en vidas, sino
que adems habra sido necesario posponerla por un ao. El episodio est descrito
excelentemente en el trabajo de Brenstrum (1994) y, entre otras cosas, muestra cun
imbricado est el desarrollo de la ciencia con la poltica, y lo difcil que es analizar
aspticamente la historia de la ciencia.
1
Era por lo tanto natural que John von Neumann, probablemente la primera persona
que detect el uso potencial de la computadora como laboratorio de los matemticos,
fuera, con su genio y su visin extraordinariamente global de la ciencia, quien ms
tratara de aplicarla en sus comienzos, en particular a la meteorologa. Como muy
bien seala Macrae (1992), von Neumann se interes a partir de su participacin en
los proyectos blicos durante la segunda guerra mundial en la solucin numrica de
las ecuaciones diferenciales en derivadas parciales no lineales que modelan los
problemas de dinmica de fluidos. Von Neumann supuso en seguida que las
computadoras permitiran resolver algunos de los problemas cientficos, desde
aerodinmica hasta fusin nuclear y huracanes. En particular, su contacto con los
meteorlogos ya haba sido establecido en 1942, cuando consult con Carl-Gustav
Rossby; en 1948 von Neumann comenz su fructfera relacin con Jule Gregory
Charney en el Institute for Advanced Study. En abril de 1950 el grupo de Charney hizo
predicciones exitosas a veinticuatro horas, y desde mediados de 1950 se hacen
predicciones numricas cada vez ms confiables.
4. Modelizaciones discutibles
Obviamente, a partir de la aparicin de la computadora se ha intentado modelizar
cada vez ms fenmenos de distintas disciplinas. En la era precomputacional la
modelizacin matemtica haba dado resultados fabulosos en fsica y, si se considera
a la estadstica como ciencia experimental separada de la matemtica, en la
estadstica.
2
Se usaba poco en las otras disciplinas; cabe mencionar los modelos de
Lotka y de Volterra en biologa. La computadora abri un camino para la
formalizacin de disciplinas con caractersticas distintas de la fsica, descriptas a
travs de sistemas complejos y no lineales, en muchos casos no diferenciables. Ese
1
Es decir, la influencia de la poltica en el desarrollo cientfico no es privativa de Argentina, aunque en otros
lados, como se ve, el resultado fue ms positivo para la ciencia.
2
Creo que la estadstica es una ciencia experimental separada de las matemticas; su identificacin con la
matemtica se debe a que es la ms formalizada de las ciencias naturales, incluso ms que la fsica.
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
56
camino, como sucede en esos casos, se presta a exageraciones e intentos de
considerar que se tiene una nueva panacea para muchos problemas no resueltos; el
caso ms conocido de uso impropio de la modelizacin matemtica que no satisfizo
las expectativas es el de la teora de catstrofes, muy en boga en la dcada de 1970
y de la cual ya se habla poco. Una crtica devastadora y muy interesante desde el
punto de vista epistemolgico de la teora de catstrofes puede verse en Sussmann
(1975) y Sussmann y Zahler (1978); una descripcin ms sobria, pero muy
clarificatoria, es el librito de Arnold (1986). Al respecto, es interesante recordar que
un matemtico tan brillante como Rn Thom, el creador de la teora de catstrofes
y autor de un libro muy difundido sobre el tema (1972), que adems haba obtenido
la medalla Fields, miraba con cierto desprecio la biologa: Francis Crick (1988), uno
de los descubridores de la doble hlice, tena de Rn Thom la impresin de que era
un buen matemtico pero de alguna manera arrogante, a quien le disgustaba tener
que explicar sus ideas en trminos que los no matemticos pudieran entender. Segn
Crick, para Thom la ciencia experimental era anglosajona. En esencia, es
importante no caer en la tentacin de querer modelizar todo, y en particular
fenmenos no relacionados con las ciencias duras. Naturalmente, si bien la
computadora puede ser una suerte de laboratorio, las teoras surgidas deben
validarse en laboratorios tradicionales.
Siempre se puede suponer, dado que se puede predecir, aunque sea toscamente,
consecuencias de estmulos en ciencias sociales, que se pueden modelizar
matemticamente. En ltima instancia, para poner un ejemplo ridculo por su
exageracin, se pueden plantear modelos matemticos polticos: un poltico -mejor
dicho, un estadista- es aqul que resuelve el problema variacional de llegar desde un
punto de partida a un objetivo con el mnimo conflicto posible, o sea en teora, por
ejemplo, un objetivo clave del gobierno de Roosevelt (llegar a un enfrentamiento con
la Alemania nazi sin que esta decisin fuera obstaculizada por la oposicin de gran
parte de la poblacin norteamericana de la poca) podra llegar a ser modelizada.
Personalmente, y por la experiencia de haber incursionado en modelizacin
matemtica en ciencias polticas colaborando con Oscar Varsavsky, considero que
esto es infactible. Pero infactible no quiere decir ni aburrido ni que no se aprenda
haciendo el experimento, como lo prueba el modelo de Utopa implementado por
Domingo y Varsavsky (1967).
5. Modelizacin en ciencias sociales
Actualmente se es ms modesto en las expectativas de modelizacin de grandes
sistemas complejos no relacionados directamente con las ciencias duras. A fines de
la dcada de 1960 se comenzaron a plantear los modelos mundiales. A partir de un
primer modelo global de Jay Forrester (1971), creador de un lenguaje de simulacin
llamado DYNAMO en el Massachusetts Institute of Technology, D. H. Meadows y sus
colaboradores (Meadows et al., 1972) implementaron un modelo mundial que
prevea, en forma malthusiana, una catstrofe en el futuro a menos que se detuviera
el crecimiento; el nombre del libro en el cual sintetizaron sus resultados -Los lmites
del crecimiento- fue as muy provocador. El modelo fue muy criticado tanto por
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
57
motivos ideolgicos (si se detiene la evolucin de la sociedad, todo queda como en
una fotografa actual, y aqullos que no estn satisfechos con la situacin actual
debern resignarse para siempre) como por motivos tcnicos (el modelo era en
esencia inestable, y la resolucin de ecuaciones diferenciales ordinarias -ya de por s
discutibles como representacin del fenmeno a modelizar- por el mtodo de Euler
se presta naturalmente a muchas dudas (ver May, 1976; Scolnik, 1979); sin embargo,
rescato del modelo la audacia intelectual de sus autores, que fueron los primeros que
se plantearon un modelo tan ambicioso. La discusin originada en este modelo
provoc que se disearan e implementaran otros modelos alternativos: en particular
el de Mesarovic y Pestel (ver Mesarovic, 1979), y el Modelo Mundial Latinoamericano
que fue diseado justamente en Bariloche por la Fundacin Bariloche, y que puede
consultarse en A. Herrera et al. (1977). Lo interesante de estos modelos es su
interdisciplinariedad: en el modelo de Bariloche, por ejemplo, figuran matemticos,
economistas, gelogos, bilogos, arquitectos, etc. Esta caracterstica se mantiene en
los proyectos institucionales de ciencia compleja, en particular en los dos ms
conocidos: el International Institute for Applied Systems Analysis (IIASA), de
Laxemburg, Austria, que funciona desde 1972, y sobre todo el Santa Fe Institute, en
Santa Fe, Nuevo Mxico, Estados Unidos, que funciona desde 1984.
6. Modelizacin en Argentina
Es interesante notar que en Argentina la experimentacin numrica tuvo un
desarrollo destacado durante la dcada de 1960, fundamentalmente debido al
entusiasmo de Oscar Varsavsky (ver Varsavsky, 1963). El uso de la modelizacin
matemtica en Argentina, en forma pionera en Amrica Latina, se origin en el
Instituto de Clculo de la Facultad de Ciencias Exactas y Naturales de la Universidad
de Buenos Aires. Una visin parcial de las actividades de dicho Instituto puede verse
en Jacovkis (2004); una visin muy cercana en el tiempo y en el afecto es la del
reportaje a Manuel Sadosky (1972). En el Instituto de Clculo, Varsavsky se inclin
por usar experimentacin numrica fundamentalmente para atacar problemas
sociales y econmicos, para los cuales consideraba que era necesario desarrollar
otra matemtica, distinta de la usada para ciencias naturales e ingeniera. Si bien en
este sentido sus ideas no tuvieron xito, su anlisis del significado de la
experimentacin numrica es valioso. De hecho, Varsavsky trabaj tanto en el
Instituto de Clculo de la Facultad de Ciencias Exactas y Naturales de la Universidad
de Buenos Aires como en el Centro de Estudios de Desarrollo (CENDES) en
Caracas, Venezuela, en modelizacin matemtica de fenmenos econmico-
sociales. Una interesante justificacin (en la cual, indirectamente, Varsavsky asume
que la matemtica es el laboratorio, en este caso de las ciencias sociales) puede
verse en Varsavsky (1969); Varsavsky describe la aplicacin a la economa
venezolana de este modelo, y en Domingo y Varsavsky (1969), ya mencionado, dan
un paso ms: usar herramientas matemticas para modelizacin en ciencias
polticas, con resultados discutibles. El trabajo Modelos matemticos y
experimentacin numrica resume los aportes que, bajo el influjo de Varsavsky,
hicieron varios investigadores de Amrica Latina a la experimentacin numrica en
ciencias sociales (Varsavsky, 1970).
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
58
En lo referente a modelizacin en temas ms afines a las ciencias naturales y a la
ingeniera, merecen citarse, dentro del Instituto de Clculo, las investigaciones del
grupo dirigido por Mario H. Gradowczyk, pionero en analizar fenmenos de ros con
fondo mvil (Gradowczyk, 1968; Gradowczyk et al., 1968); ambas publicaciones,
desgraciadamente, son, muy simblicamente, posteriores al ataque a las
universidades argentinas emprendido por el gobierno militar de Ongana en 1966.
7. Otras disciplinas
En biologa, para indicar el uso de modelos matemticos y computacionales como
mecanismo corriente en algunas reas ya se han incorporado palabras como
biomatemtica y bioinformtica. Ms an: la biologa ha sido fuente de inspiracin
para la computacin, como el propio nombre de algoritmos genticos lo indica. Pero
querra comentar el fenmeno inverso, es decir, que tambin en biologa la
computadora, al permitir la modelizacin matemtica, puede funcionar como
laboratorio. El distinguido bilogo britnico Richard Dawkins (1991) dice que no era
obvio para l que no todas las embriologas eran igualmente frtiles cuando se trata
de promover la futura evolucin hasta que empez a jugar con el programa Blind
Watchmaker expandido, programa por l diseado para simular el fenmeno de
evolucin. Es decir, lleg a una idea cientfica en biologa a partir de los resultados
de un modelo matemtico computacional. En los ltimos aos el uso de modelos
matemticos en biologa, a travs de la biomatemtica y de la bioinformtica se ha
expandido y ha comenzado a ser tremendamente til; la computadora puede
reemplazar (o anticipar) al modelo fsico -ver por ejemplo Mackenzie (2004)- que, de
todos modos, en algunos casos nunca se usara por razones ticas.
Un caso interesante en que claramente es ms eficiente la computadora como
aparato de medicin que un laboratorio fsico es el de teora de percolacin. Como
se sabe -ver por ejemplo Stauffer (1985)- si tenemos un conjunto (lo suficientemente
grande como para poder considerarlo infinito) de nodos distribuidos uni, bi o
tridimensionalmente segn determinada geometra de modo que nodos contiguos
(con alguna definicin de contigidad) estn conectados por arcos, que con una
determinada probabilidad p permiten la comunicacin entre dos nodos contiguos o
no, existe una probabilidad crtica pc tal que para p < pc no se pueden producir
agrupamientos infinitos de nodos conectados, y para p > pc deben producirse
agrupamientos infinitos. Un modelo de este tipo sirve para representar numerosos
fenmenos, desde difusin en medios desordenados hasta incendio de bosques,
pasando por propagacin de rumores. Salvo algunos casos especiales de
configuracin geomtrica, para cada tipo de configuracin en dos o tres dimensiones
es imposible calcular la probabilidad crtica analticamente, pero mediante simulacin
por computadora se consigue calcularla con enorme precisin, mayor seguramente
de la que se obtendra mediante mediciones de laboratorio.
Anlogamente, es til, en particular en series temporales, calcular la dimensin
fractal (o alguna de las posibles dimensiones fractales) de un conjunto y, salvo en los
casos de fractales artificialmente construidos, para los cuales la dimensin fractal se
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
59
puede deducir, es necesario su clculo numrico por computadora: un clculo de
laboratorio suele ser imposible.
Una situacin interesante, a este respecto, es la que se plante con la agregacin
limitada por difusin (DLA, diffusion limited aggregation), trmino usado en 1981 por
Thomas A. Witten y Leonard M. Sander (1981) cuando escribieron un artculo con los
experimentos que realizaron para simular por computadora problemas de
crecimiento desordenado como la cristalizacin en un medio aleatorio. No tenan
claro si existan en la naturaleza crecimientos del tipo DLA o solamente era una
curiosidad matemtica. En 1984, R. Brady y Robin C. Ball (1984) publicaron un
artculo en el cual presentaban la electrodeposicin de cobre en condiciones
limitadas por la difusin (reduccin de cobre a partir de una solucin de sulfato de
cobre). Los agrupamientos as obtenidos fueron suficientes para demostrar que el
modelo planteado serva para representar esos fenmenos. Luego se publicaron
otros artculos; en uno de ellos (Matsushita et al., 1984) se hace crecer hojas de
metal de zinc bidimensionales por electrodeposicin, y las estructuras claramente se
asemejan a los patrones aleatorios simulados por computadora de acuerdo al modelo
de Witten-Sander. El modelo incluye testeo de invariancia de escala computando las
correlaciones entre funciones de densidad para los patrones digitalizados de las
fotografas, y clculo de la dimensin de Hausdorff promediada sobre muchos
ejemplos, que est de acuerdo, con excelente precisin, con el modelo DLA
bidimensional. ste es un ejemplo muy interesante de fenmeno observado en la
computadora y luego en la realidad, con la caracterstica de que hubo que buscar en
la naturaleza el fenmeno que representara el modelo, situacin inversa de la usual,
en la que primero se observa en la naturaleza el fenmeno y luego se busca el
modelo que lo represente. Una descripcin muy clara de la historia de este fenmeno
se puede consultar en la tesis de S. Dengra (2004).
8. La computadora en matemtica pura
En matemtica, la influencia epistemolgica de la computadora puede verse en dos
tipos de problemas distintos. Por un lado, una famosa conjetura, la conjetura de los
cuatro colores (es siempre posible colorear un mapa con cuatro colores de modo que
dos pases limtrofes tengan asignado distinto color) fue resuelta mediante un
algoritmo computacional (Appel y Haken, 1977; Appel, Haken y Koch, 1977): el
problema se redujo a demostrar que bastaba comprobar que se poda colorear con
cuatro colores algunos miles de casos, y testearlos mediante un programa de
computadora. Esta solucin dej un sabor amargo a muchos matemticos (en todo
caso el problema se reduce, desde el punto de vista matemtico, a un caso de
verificacin formal de que un programa computacional hace lo que se le pide); una
prueba ms sencilla exhibida unos aos despus sigue apelando a la computadora
(Robertson et al., 1977). sta es una intrusin de la computadora en la matemtica
de una manera sorprendente; pero hay otra: en 1975, despus de numerosos
experimentos computacionales, Mitchell Feigenbaum se convenci de que exista
una constante universal con determinadas caractersticas para cierto tipo de
problemas en teora de caos; aos despus, la existencia de esa constante y su valor
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
60
fueron demostrados matemticamente (Feigenbaum, 1979; Lanford, 1982, 1984). Es
decir, la computadora funcion como un laboratorio para la matemtica pura. Esto no
causara ningn asombro a Vladimir Arnold, el prestigioso matemtico ruso, que
considera que la matemtica es una ciencia experimental. Su delicioso y provocativo
artculo (Arnold, 1998) comienza diciendo que las matemticas son la parte de la
fsica en la que los experimentos son baratos. De hecho Arnold exige aplicar a la
investigacin en matemtica el esquema clsico en fsica: experiencia - modelo -
estudio del modelo - conclusiones - verificacin por la experiencia. Arnold sostiene
que siempre debe ser as, incluso sin computadora, y es equivocado el esquema,
para algunos matemticos paradigmtico, definicin - teorema - demostracin.
Obsrvese que el esquema clsico en fsica es en esencia el usado por cualquier
modelista matemtico profesional competente: a partir de la experiencia, plantear el
modelo (y aqu vienen las etapas auxiliares de los modelos matemticos
computacionales: diseo o eleccin del mtodo numrico a usar, programacin,
implementacin, puesta a punto, validacin) y luego experimentacin numrica (o
sea estudio del modelo) y conclusiones - que, como en el caso de Lorenz y el de
Dawkins, pueden llegar a la deteccin de fenmenos fsicos antes no identificados.
9. Conclusiones
Resumiendo, a travs del uso de modelos matemticos, la computadora puede ser
varias cosas: una herramienta profesional, como cuando se hace prediccin
meteorolgica a travs de modelos numricos, o cuando se usa un modelo fluvial
hidrodinmico para ver si una determinada operacin de un embalse provocar o no
daos aguas abajo, o cuando se calcula una estructura mediante un modelo de
elementos finitos; puede ser tambin una herramienta de investigacin auxiliar, como
cuando se testea una hiptesis o se corrobora una hiptesis u observacin anmala
que no surge del modelo sino que es previa, como la deteccin del fenmeno de
antiduna (Jacovkis, 1995), es decir, de duna que se desplaza hacia aguas arriba en
ciertos casos de rgimen hidrodinmico fluvial supercrtico con fondo mvil
(naturalmente lo que se desplaza hacia aguas arriba es la onda, no las partculas de
fondo). ste es un caso en que la observacin computacional de un fenmeno fsico
afianza la confianza en las ecuaciones (en parte empricas) que se han usado para
representar el fenmeno. Finalmente, puede ser una herramienta de investigacin
principal, como en el estudio de la entropa de Ulam, Fermi y Pasta o la deteccin del
fenmeno de caos determinstico por Lorenz. Y puede ser una herramienta incluso
del matemtico puro, cuando demuestra teoremas con auxilio de la computadora.
Sea como herramienta, sea como laboratorio, su utilidad es impresionante, pero no
se puede confiar en ella ciegamente. A veces, la naturaleza es ms compleja de lo
que esperamos, incluso en temas que creemos conocer bien. Sin ir ms lejos, el ao
pasado el huracn Charlie modific su rumbo y, sobre todo, pas de grado 2 a grado
4 de magnitud sin que ninguno de los dos cambios hubiera sido previsto.
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
61
Bibliografa
APPEL, K. y HAKEN, W. (1977): Every planar map is four colorable. Part I.
Discharging, Illinois J. Math., 21, pp. 429-490.
APPEL, K.; HAKEN, W. y KOCH, J. (1977): Every planar map is four colorable. Part
II. Reducibility, Illinois J. Math., 21, pp. 491-567.
ARNOLD, V. I. (1998): Sur lducation mathmatique, Gazette de Mathmaticiens,
78, Octobre (1998). Disponible en :
http://www.ceremade.dauphine.fr/~msfr/articles/arnold/PRE_francais.tex.
_______, V. I. (1986): Catastrophe theory, Springer, Berlin.
BRADY, R.; BALL, R. C. (1984): Fractal growth of copper electrodeposits, Nature,
309, pp. 225-229.
BRENSTRUM, E. (1994): The most important forecast in history, New Zealand
G e o g r a p h i c , 22, Apr-Jun. Disponible en:
http://www.metservice.co.nz/learning/weather_d_day.asp.
CRICK, F. (1998): What mad pursuit, Nueva York, Basic Books.
DAWKINS, R. (1996): The blind watchmaker, 2da edicin, Nueva York, W. W. Norton
& Company.
DENGRA, S. (2004): Estudios experimentales y tericos del transporte inico en
electrodeposicin en celdas delgadas, Tesis de Doctorado, Departamento de
Computacin, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos
Aires.
DOMINGO, C.; VARSAVSKY, O. (1969): Un modelo matemtico de la Utopa de
Moro, Desarrollo Econmico, 7, 3-36 (1967). Reproducido como Anexo II en: E. de
Gortari, T. Garza H., C. Dagum, J. Hodara y O. Varsavsky, El problema de la
prediccin en ciencias sociales, Mxico, D. F., Instituto de Investigaciones Sociales,
Universidad Nacional Autnoma de Mxico, pp. 191-225.
FEIGENBAUM, M. J. (1979): The universal metric properties of nonlinear
transformations, J. Stat. Phys., 21, pp. 669-706.
FERMI, E.; PASTA, J.; ULAM, S. (1955): Studies in nonlinear problems, I. Los
Alamos Report LA1940, (1955). Reproducido en: A. C. Newell (ed.), Nonlinear wave
motion, Providence, RI, Ame. Math. Soc., 1974).
FORRESTER, J. (1971): World dynamics, Cambridge, MA, Wright-Allen Press.
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
62
GLEICK, J. (1986): Chaos, London, William Heinemann.
GRADOWCZYK, M. H. (1968): Wave propagation and boundary instability in
erodible-bed channels, J. Fluid Mech, 33, pp. 93-112.
GRADOWCZYK, M. H.; MAGGIOLO, O. J.; FOLGUERA, H. C. (1968): Localized
scour in erodible-bed channels, Journal of Hydraulic Research, 6, pp. 289-326.
HERRERA, A.; SCOLNIK, H. D.; CHICHILNISKY, G.; GALLOPIN, G.; HARDOY, J.;
MOSOVICH, D.; OTEIZA, E.; de ROMERO BREST, G.; SUREZ C.; TALAVERA, L.
(1977): Catstrofe o nueva sociedad? Modelo Mundial Latinoamericano, Ottawa
International Development Research Center.
JACOVKIS, P. M. (2004): Reflexiones sobre la historia de la computacin en
Argentina, Saber y Tiempo, 5 (17), pp. 127-146.
_________, P. M. (1995): Computacin, azar y determinismo, Ciencia Hoy, 5, Nro.
28, pp. 44-50.
_________, P. M. (1995): The hydrodynamic flow with a mobile bed: general and
simplified approaches, en: D. Bainov, Invited Lectures and Short Communications,
Sixth International Colloquium on Differential Equations, Sofia, Bulgaria, Impulse, pp.
203-212.
LANFORD III, O. E. (1984): A shorter proof of the existence of the Feigenbum fixed
point, Commun. Math. Phys., 96, pp. 521-538.
________, O. E. (1982): Acomputer-assisted proof of the Feigenbaum conjectures,
Bull. Amer. Math. Soc., 6, pp. 427-431.
LORENZ, N. (1963): Deterministic nonperiodic flow, J. Atmos. Sci. 20, pp. 130-141.
MACRAE, N. (1992): John von Neumann, Nueva York, Pantheon Books. Reimpreso
por American Mathematical Society (1999).
MACKENZIE, D. (2004): Mathematical modeling and cancer, SIAM News, 37:1, pp.
1-3.
MATSUSHITA, M.; SANO, M.; HAYAKAWA, Y.; HONJO, H. y SAWADA, Y. (1984):
Fractal structures of zinc metal leaves grown by electrodeposition, Phys. Rev. Lett.,
53, pp. 286-289.
MAY, R. M. (1976): Simple mathematical models with very complicated dynamics,
Nature, 261, pp. 459-467.
MEADOWS, D. H.; MEADOWS, D. C.; RANDERS, J. y BEHRENS, W. W. (1972): The
limits of growth, Nueva York, Universe Books.
Pablo M. Jacovkis
Revista CTS, n 5, vol. 2, Junio de 2005 (pg. 51-63)
63
MESAROVIC, M. (1979): Practical application of global modeling, en: B. Lazarevic
(ed.), Global and large scale system models, Lecture Notes in Control and Information
Science, Berlin, Springer, pp. 42-57.
METROPOLIS, N. y ULAM, S. (1949): The Monte Carlo method, Journal of the
American Statistical Association, 44, pp. 335-341.
RICHARDSON, L.F. (1956): Weather prediction by numerical process, Cambridge
University Press, Cambridge, UK, (1922). Reeditado por Dover, Nueva York.
ROBERTSON, N.; SANDERS, D. P.; SEYMOUR, P. D. y THOMAS, R. (1997): The
four color theorem, J. Combin. Theory Ser. B, 70, pp. 2-44.
SADOSKY, M. (1972): Cinco aos del Instituto de Clculo de la Universidad de
Buenos Aires, entrevista, Ciencia Nueva, 3, Nro. 17, pp. 13-18.
SCOLNIK, H. D. (1979): A critical review of some global models, en: B. Lazarevic
(ed.), Global and large scale system models, Lecture Notes in Control and Information
Sciences, Berlin, Springer, pp. 58-80.
STAUFFER, D. (1985): Introduction to percolation theory, Londres, Taylor & Francis.
STROGATZ, S. (2003): The real scientific hero of 1953, The New York Times, March
4.
SUSSMANN, H. J. (1975): Catastrophe theory, Synthse, 31, pp. 229-270.
SUSSMANN, H. J. y ZAHLER, R. (1978): Catastrophe theory as applied to the social
and biological sciences: a critique, Synthse, 37, pp. 117-216.
THOM, R. (1972): Stabilit structurelle et morphognse, Pars, Benjamin.
VARSAVSKY, O. (1970): Modelos matemticos y experimentacin numrica, en: O.
Varsavsky y A. E. Calcagno (eds.) Amrica Latina. Modelos matemticos, Santiago
de Chile, Editorial Universitaria.
__________, O. (1969): Los modelos matemticos y la prediccin en ciencias
sociales, en: E. de Gortari, T. Garza H., C. Dagum, J. Hodara y O. Varsavsky, El
problema de la prediccin en ciencias sociales, Mxico D.F., Instituto de
Investigaciones Sociales, Universidad Nacional Autnoma de Mxico, pp. 97-114.
___________, O. (1963): La experimentacin numrica, Ciencia e Investigacin,
19, pp. 340-347.
WITTEN, T. A. Jr. y SANDER, L. M. (1981): Diffusion-limited aggregation: a kinetic
critical phenomenon, Phys. Rev. Lett., 47, pp. 1400-1403.