LA TEORIA DEL CAOS: UNA EXPLICACION SIMPLE DE UN FENOMENO

COMPLEJO
Durante las décadas pasadas, físicos, biólogos, astrónomos y
economistas han creado una nueva forma de entender el
crecimiento de la complejidad en la naturaleza. Esta nueva
ciencia, llamada caos, brinda una forma de ver orden y
regularidad donde antes sólo lo aleatorio, lo errático, lo
impredecible –en suma, lo caótico-había sido observado.
James Glieck1
Estas palabras de James Glieck constituyen una sintética pero certera introducción al
tema de nuestra presentación.
Ahora bien, ¿cuál es la razón de la amplia difusión de la teoría del caos, que luego de
haberse desarrollado en el campo de las ciencias naturales ha traspasado al de las
ciencias sociales?
En primer lugar, el hecho que la teoría del caos permita modelar y explicar el cambio; en
particular los cambios abruptos, las dicontinuidades que desmienten periódicamente la
creencia en que Natura non facit saltum.
El particular atractivo de esta teoría es que el mismo modelo que genera comportamientos
estables da lugar también a conductas caóticas.
En realidad, el caos es tan sólo una de las alternativas que presentan los sistemas dinámicos
no lineales.
Pero antes de entrar en materia, permítaseme referir cómo surgió la teoría del caos.
Origen
A fines de la década de los cincuenta, el meteorólogo Ed Lorenz, del renombrado
Massachussets Institute of Technology, se encontraba intentando diseñar un modelo que
1 James Glieck(1987). Chaos – Making a New Science. Viking, New York.

posibilitara predecir fenómenos atmosféricos cuando, inesperada y súbitamente, se enfrentó

al fenómeno del caos.
Lorenz había armado un modelo de 12 ecuaciones para simular el comportamiento del clima.
Cargó el sistema en la computadora, lo alimentó con datos y obtuvo determinados resultados.
Como éstos no lo conformaban plenamente, tomó ciertos resultados intermedios y los
introdujo para que la computadora realizara un nuevo proceso de cálculo. Los nuevos valores
discrepaban significativamente de los anteriores. El origen de las discrepancias se encontraba
en que la computadora había redondeado los valores que fueron utilizados en el segundo
ensayo y esta pequeña diferencia inicial se había ido ampliando al punto que la diferencia
final era tan grande como los valores que se pretendían medir. Lorenz había tropezado con el
caos o, más específicamente, con una de sus características distintivas: la dependencia
sensible a los datos iniciales.
Vamos a explicar qué significa esto.
Del reloj ideal a los relojes reales
Supongamos que existiera un reloj ideal que marcara el tiempo con absoluta precisión.
Telefoneamos al servicio que brinda la hora oficial y lo ponemos en hora. Nuestro reloj da la
hora con una precisión invariable de “más o menos un segundo”.
Pero en el mundo real todos los relojes tienen un cierto grado de imprecisión. Supongamos
un segundo reloj que marque la hora con una precisión de más o menos un segundo por día.
Al cabo del primer día el grado de precisión será de más o menos dos segundos (la
imprecisión original más la acumulada en ese día). El grado de imprecisión aumentará un
segundo por día. El grado de imprecisión crece linealmente con el tiempo: al aumentar el
tiempo transcurrido, aquella se incrementa en igual proporción que éste.
Veamos qué sucede si tenemos un tercer reloj cuyo grado de inexactitud se duplica
diariamente. ¡Al cabo de dieciséis días nuestro reloj dará la hora con una precisión de más o
menos doce horas! Nuestro reloj será absolutamente inútil: ¡la hora verdadera será cualquiera
que esté en el intervalo dado por la hora que marca el reloj más o menos doce horas!
Este tercer reloj tiene una dependencia sensible a los datos iniciales. Cualquier error inicial
crece en forma exponencial hasta que el tamaño del mismo iguala la magnitud que se desea
medir. Esta es la esencia del caos: dos trayectorias que parten de puntos tan próximos como
se quiera se alejan de manera exponencial una de otra a lo largo del tiempo.
La impredecibilidad es una consecuencia inmediata. Cualquier error de medición inicial se
amplifica con el transcurso del tiempo; a partir de cierto horizonte temporal toda predicción
se torna imposible.
Sistemas dinámicos no lineales
Hablamos de un proceso dinámico cuando el mismo tiene lugar en el tiempo, de modo tal que
el estado actual está influido por algún hecho del pasado y va a influir en algún estado futuro
del sistema.
Un sistema dinámico es lineal si ante un cambio de cierta magnitud en la causa la variación
en el efecto es de igual magnitud.
Si deposito $ 100 en un banco y la tasa de interés es del 8% anual, al cabo de un año habré
obtenido $8 de interés. Si duplico el capital invertido, se doblará el interés percibido. El
interés depende linealmente del capital invertido.
En cambio, si el dinero lo dejo depositado por 20 años, el interés no será 20 veces el anterior
sino 46 veces el acumulado en un año. El interés de cada año se suma al capital y genera
nuevo interés, de modo que éste crece de manera no lineal.
Se produce un fenómeno de retroalimentación positiva: el efecto reactúa sobre la causa. El
interés se suma al capital generando mayor interés.
La función logística
La función más comúnmente utilizada para ilustrar el fenómeno del caos es la llamada
ecuación logística:
Pt+1=γ Pt (1 - Pt) (1)
Donde 0≤ Pt ≤1 y 1≤ γ ≤4.
En Economía, podemos interpretar tal ecuación como indicativa del valor del nivel de precios
P en el periodo t+1 en función de los precios del periodo anterior (t).
Nos interesa conocer el comportamiento asintótico de esta ecuación en diferencias, es decir
qué sucede con los precios para un valor de t suficientemente grande.
A tal fin tomamos cualquier valor inicial para Pt y un valor de γ incluido en el intervalo
1<γ<3. Si iteramos la ecuación (1) advertiremos que, cualesquiera sea el precio inicial, el
nivel de precios converge a un valor único. Por ejemplo, para γ=2, cualesquiera sea el valor
inicial 0<Po<1, el precio convergerá a 0,50 luego de un cierto número de iteraciones. Es como
si ese valor fuera una suerte de imán que atrae las iteraciones cualesquiera sea el precio
inicial. Es el atractor2 de la iteración. Se trata de un atractor puntual: el sistema es atraído
hacia un punto.
Figura 1
Para otros valores de γ ocurre algo similar: al cabo de un cierto número de iteraciones el
precio converge a un valor estable.
Pero este comportamiento cambia bruscamente cuando γ = 3. En lugar de converger a un
valor único, el sistema oscila entre dos valores. A este nivel crítico aparece una bifurcación.
Cuando γ = 3,45 el sistema oscila entre cuatro valores. Cada valor anterior se bifurca en dos.
Es decir, al exceder γ el valor de 3 aparecen atractores periódicos: primero, un atractor de
período 2; luego, un atractor de período 4.
2 Atractor es el estado hacia el cual el sistema es atraído en virtud del proceso dinámico que opera sobre él.

La ruta hacia el caos

A medida que γ continúa incrementándose la dinámica de la función se torna cada vez más
complicada: experimenta una serie de bifurcaciones de duplicación de periodo.
Figura 2
Finalmente, para γ= 3.5699456... la función se vuelve caótica. Ello significa que para
valores 4 ≥ γ ≥ 3.5699456... cualquier error en los datos iniciales se multiplicará
exponencialmente a lo largo del tiempo, de modo que dos trayectorias que partan de puntos
tan próximos como se quieran se alejarán una de la otra de manera exponencial a lo largo del
tiempo. Por tanto, a partir de cierto momento la predicción se vuelve imposible.
Figura 3
Esta marcha hacia el caos se realiza siguiendo un perfecto orden. En efecto, si uno mide la
distancia entre un par de bifurcaciones sucesivas y calcula su cociente, éste adopta un valor
prácticamente constante. Esta magnitud es conocida como la constante de Feigenbaum, en
honor a su descubridor.
Orden y caos
Tradicionalmente, orden y caos han sido vistos como conceptos antagónicos. Allí donde
impera el orden, es posible a la ciencia formular leyes.
Por el contrario, caos proviene del griego kaos, que significa abismo. El caos fue siempre
concebido como la ausencia de leyes. Hablar de una Ciencia del Caos parecía una
contradicción en los términos.
Sin embargo, hoy existe una Ciencia del Caos. Extraño como suene, el caos también está
sujeto a leyes. Este descubrimiento ha hecho posible una revolucionaria ampliación de las
fronteras de la ciencia.
Una de las mayores sorpresas que ha brindado la teoría del caos ha sido descubrir que un
mismo proceso puede desembocar tanto en un estado ordenado como en un estado caótico,
dependiendo de determinadas circunstancias. Pero en ambos casos, la ley que rige el
fenómeno es exactamente la misma. En nuestro ejemplo, la función logística puede dar lugar a
un proceso que converja en un atractor puntual pero también en uno periódico o en uno
caótico, dependiendo del valor del parámetro γ.
El caos aparece así ya no como una manifestación del desorden sino como una forma más
compleja del orden.
El caos desafía al demonio de Laplace
La paradoja del caos es que estamos en presencia de un comportamiento impredecible no
obstante que es generado por un proceso totalmente determinístico.
Determinístico es lo opuesto a aleatorio. Cuando arrojo un dado, el resultado es aleatorio: es
producto del azar. El movimiento de los planetas, en cambio es fundamentalmente
determinístico. El que no esté sujeto a ningún elemento aleatorio significativo es lo que nos
permite saber con extrema precisión dónde estarán la Luna, Venus o Marte de acá a un siglo.
Ello llevó a identificar determinismo con predecibilidad. El demonio de Laplace es el símbolo
de esta identificación.
El famoso matemático y astrónomo del siglo XVIII imaginó que si existiera un ser
omnisciente capaz de conocer la exacta ubicación y velocidad de cada uno de los objetos en
el universo en un momento determinado así como todas las fuerzas intervinientes, podría a
partir de ahí deducir su evolución pasada y futura.
El determinismo clásico concebía al universo como un reloj de enorme precisión en el cual el
presente es simplemente la consecuencia del pasado y la causa del futuro. En un mundo
determinístico, si uno contara con todos los datos no habría dificultad para formular
predicciones exactas. Las predicciones fallidas sólo mostrarían que hay datos faltantes. Por
eso se ha sostenido que el azar es el nombre que damos a nuestra ignorancia. Eliminado el
azar toda predicción sería absolutamente exacta.
Pero el caos nos enfrenta a una situación inédita: un proceso absolutamente determinístico y
que, sin embargo, se torna impredecible. Determinismo y predecibilidad dejan de ser
equivalentes.
Lo que la teoría del caos ha puesto de manifiesto es que aún cuando conociéramos los valores
de todas las variables intervinientes en un fenómeno, la impredecibilidad igualmente puede
surgir por la imposibilidad de tener una precisión absoluta en nuestras mediciones.
Detección del caos
La detección del caos en series empíricas tropieza con las limitaciones de los métodos
estadísticos para distinguir entre el caos determinístico y los procesos estocásticos.
La inferencia estadística ha sido desarrollada pensando en procesos estocásticos con variables
aleatorias independientes e idénticamente distribuidas.
Los procesos caóticos parten del supuesto exactamente opuesto: los errores, lejos de ser
independientes, se retroalimentan y crecen en forma exponencial a lo largo del tiempo. Esto
plantea dudas acerca de la aplicación de la inferencia estadística a la dinámica caótica.
Se han desarrollado varios tests para detectar la presencia de no linealidad, la cual, si bien
constituye una condición necesaria para la existencia de caos no es condición suficiente para
ello.
El test de Grassberger y Procaccia apunta a detectar el caos estimando la llamada
dimensión de correlación. Tiene amplio uso en las ciencias naturales pero es de
dudosa validez en el caso de series de datos pequeñas, como suelen presentarse en las
ciencias sociales.
Conclusiones
Uno de los objetivos que siempre se asignó a la ciencia fue el de reducir el ámbito de lo
imprevisible.
Lo imprevisible se origina en el azar y en la ignorancia. En la medida que la ciencia aporta
conocimiento e información, restringe el campo de la segunda. Si, además, el mundo fuera
determinista, el azar no tendría lugar en él y sólo la ignorancia podría ser causa de
imprevisión. El demonio de Laplace tendría ante sus ojos la concatenación total de
acontecimientos pasados y futuros.
Desafortunadamente, el mundo no sólo no es determinista sino que aún si lo fuere también
sería impredecible: el caos debe sumarse al azar y la ignorancia como fuente de
imprevisibilidad.
¿Qué relación existe entre caos y azar?
Lo que puede afirmarse es que no existe la oposición polar que tradicionalmente se atribuía a
la relación entre determinismo y aleatoriedad.
Más bien hoy nos sentimos tentados a pensar en la existencia de un continuo donde el caos
puede concebirse como un puente entre el determinismo simple y lo puramente estocástico.
Hasta ahora, la matemática era el reino del determinismo mientras que en la estadística
imperaba la aleatoriedad. Sin embargo, la dinámica caótica aparece como un área intermedia
que comunica a uno y otro campo del conocimiento.
Tanto en la base del caos como de la aleatoriedad hay un elemento común: la limitación
cognoscitiva del ser humano. En el primer caso, ella se expresa en la imposibilidad de
alcanzar una precisión infinita en nuestras mediciones; en el segundo, en la incapacidad de
identificar todas y cada una de las múltiples variables que intervienen en los fenómenos
complejos.
La dinámica caótica nos lleva a enfrentarnos con una barrera temporal más allá de la cual
ninguna predicción exacta es posible pese a que la ecuación del movimiento que rige el
fenómeno estudiado es determinística. Sólo podemos predecir, con un cierto nivel de
probabilidad, que determinada trayectoria se encontrará en cierta región, como si se tratara de
una trayectoria aleatoria y no determinística, como en realidad es. Más allá del horizonte
temporal, la estadística reemplaza a la matemática.
En general, la dinámica no lineal permite modelar el cambio como un proceso de
autoorganización, donde un sistema que se aleja de la región de estabilidad alcanza un punto
de bifurcación y experimenta un cambio de régimen.
No deseo concluir esta presentación sin señalar que estas ideas han tenido importante
aplicación en el campo de la biología. Por ser de seguro interés para esta calificada audiencia
y como homenaje a su memoria deseo destacar los aportes del Dr. Art Winfree, profesor de la
Universidad de Arizona recientemente fallecido.
El Dr. Winfree fue un pionero en la comprensión del fenómeno de la autoorganización,
explicando cómo se establece la sincronización en el caso de diversos tipos de osciladores
biológicos, tales como el centelleo de las luciérnagas, el canto de los grillos, las pulsaciones
del corazón y de las células del cerebro. Demostró cómo cualquiera de estos ritmos
biológicos puede colapsar, dando lugar a comportamientos caóticos de fatales consecuencias.
Su obra póstuma -A prime number of prime questions about vortex dynamcs in
nonlinear media- fue publicada en agosto de 2002en el volumen Nonlinear Dynamics
and Chaos: Where do we go from here?.
Como decía en un comienzo, la teoría de la dinámica no lineal y el caos corta
horizontalmente la mayoría de las ciencias lo cual demuestra la fecundidad de la misma. Es
una herramienta indispensable toda vez que queremos modelar el cambio y la evolución,
incluyendo la propia evolución humana.
FIGURAS
Figura 1
Figura 2
(Los números enteros indican los períodos)

función
A medida tornaγ cada
incrementándose
se que continúa
la dinámica
vez másde la