Teoría del caos: una mariposa en el reloj

En los orígenes de la Humanidad, la Naturaleza era

considerada como caprichosa y al albur de un azar incomprensible para el intelecto de nuestros
antepasados. Una amplia variedad de ritos y creencias religiosas tienen su partida de nacimiento
en esta necesidad de abordar una Naturaleza que, ausente de pautas conocidas o comprendidas,
se atribuía a los deseos de dioses poderosos e inalcanzables.

En la noche de los tiempos reinaba el Caos y cualquier ley natural era inimaginable e impensable.
Los pocos que se atrevían a descubrir las pautas cosmológicas, físicas, químicas o matemáticas,
se las reservaban como oro en paño, para conocimiento de unos pocos o como instrumento de
poder religioso, económico o político.

A lo largo de los siglos, muy lentamente, la Humanidad fue comprendiendo que la Naturaleza tiene
muchas regularidades que pueden ser registradas, analizadas, predecidas e incluso explotadas.
De esta manera, alcanzado el siglo XVIII las disciplinas científicas se maravillan tanto de sí mismas
que, encantadas de conocerse, se pensaba que poca cosa quedaba por desvelar. Por fin, la
Humanidad había descubierto leyes naturales inmutables que determinaban el movimiento de cada
partícula en el Universo de forma exacta y para siempre. El Caos de nuestros antepasados pre-
científicos había sido sustituido por un mundo hecho de engranajes mecánicos. Nacía la física
clásica y con ella la metáfora que explicaban el funcionamiento de la Naturaleza como un reloj.

Pero, a pesar de esta autosatisfacción, la interacción del conocimiento humano con la Naturaleza
continuó evolucionando y con ella la visión del Universo. Con el nacimiento de la mecánica
cuántica el mundo se convirtió en una “lotería cósmica” de forma que sucesos a nivel subatómico
tenían lugar probabilísticamente y no según una ley mecánica. Este fundamento probabilístico de la
mecánica cuántica y a pesar de su enorme éxito en el laboratorio no resultaba muy agradable para
todo el mundo. Debemos entender que en sus inicios la física cuántica estaba buscando una nueva
forma de comprender la Naturaleza, pero a partir de una base mecánica. Si recordamos la famosa
sentencia de Albert Einstein “Dios no juega a los dados con el Universo” nos daremos cuenta que
la actitud de la mayoría de científicos estaba dominada por la mecánica clásica, científicos para los
que la indeterminación y complementariedad cuánticas de Werner Heisenberg y Niels Bohr
respectivamente (interpretación de Copenhague) eran inoperativas cuando no erróneas para
muchos científicos de renombre.

Cuando parecía que el debate entre mecanicistas-deterministas y cuánticos-indeterministas se iba

a tornar en un eterno y estéril empate técnico, Edward Norton Lorenz un profesor interino
del Massachussets Institute of Technology (MIT) de Boston “acabó con el universo cartesiano y dio
pie a la tercera revolución científica del siglo XX –después de la teorías de la relatividad y la física
cuántica”, señaló un portavoz del MIT al anunciar el fallecimiento del padre de la “Teoría del
Caos” el pasado 16 del presente mes.
En efecto, Edward Lorenz, matemático y metereólogo, es el pionero de la “Teoría del Caos”.
Sucedió en 1961, mientras repetía unas simulaciones meteorológicas en un rudimentario
ordenador. A pesar de que la máquina y el modelo utilizado eran los mismos, las proyecciones
meteorológicas divergían en un punto y seguían dos caminos opuestos. En un primer momento,
pensó en un error del ordenador. Sin embargo, luego se dio cuenta de que no había introducido las
condiciones iniciales del experimento exactamente. En lugar de escribir los seis decimales de la
primera simulación (0,506127), en la segunda redondeó la cifra utilizando sólo tres (0,506). Así
pues, la diferencia en las condiciones previas era menor al 0,1%, pero los resultados eran
completamente diferentes. Estaba naciendo un concepto clave en la “Teoría del Caos”: la
sensibilidad a las condiciones iniciales es una propiedad esencial de los sistemas caóticos, es
decir, un pequeñísimo cambio al inicio determina una gran diferencia en el resultado final, una
propiedad ciertamente anti-intuitiva que parece contradecir el sentido común. Como tantas otras
veces en ciencia, la casualidad abre las puertas al descubrimiento (serendipidad).

La primera conclusión que extrajo de la experiencia es que pretender predecir el tiempo

atmosférico con una completa exactitud era una mera fantasía, pues un simple error en la dirección
del viento, la humedad o la temperatura de una región del mundo, podía llevar a una previsión
completamente diferente. Las pequeñas diferencias de lo que tomó del ordenador y de lo que éste
contenía no podían explicar esta diferencia. La primera conclusión que extrajo de la experiencia es
que pretender predecir el tiempo atmosférico con una completa exactitud era una mera fantasía,
pues un simple error en la dirección del viento, la humedad o la temperatura de una región del
mundo, podía llevar a una previsión completamente diferente. Las pequeñas diferencias de lo que
tomó del ordenador y de lo que éste contenía no podían explicar esta diferencia. Este resultado le
llevó a decir: “he comprendido que cualquier sistema físico de comportamiento no periódico será
impredecible”. Había nacido la “Teoría del Caos”.

En 1963, publicó su primer ensayo sobre su descubrimiento sin atraer demasiada atención. Su
tesis se popularizó casi 10 años después, cuando el 29 de diciembre de 1972 en Washington
ofreció una conferencia en una reunión de la Asociación Norteamericana para el Progreso de la
Ciencia titulada “Predecibilidad. El aleteo de una mariposa en Brasil, ¿originó un tornado en
Texas?” De ahí, que su teoría se popularizara mundialmente con el nombre de el llamado “efecto
mariposa”. Estaba naciendo una nueva metáfora que iba a estropear la visión mecanicista de la
Naturaleza entendida como un reloj, algo que el genial matemático francés Henri Poincaré (1854-
1912) contestando al sueño de Laplace (si conociésemos las posiciones y velocidades inicales de
cada párticula en el universo podríamos llegar a averiguar el futuro) y anticipándose a su tiempo
enunció en 1908: “Puede ocurrir que pequeñas diferencias en las condiciones iniciales produzcan
otras muy grandes en los fenómenos finales. Un pequeño error en las primeras produce un error
enorme en los segundos. La predicción se hace imposible y aparece el fenómeno fortuito”.

Por otra parte, el matemático y biólogo australiano Robert May se dedicó a principios de los años
70’s al estudio de algo en apariencia más simple como es el comportamiento de una población de
insectos en el transcurso del tiempo. Para ello recurrió al modelo logístico del biólogo
norteamericano Raymond Pearl que a su vez parte de la conocida función logística continua del
matemático belga Pierre François Verhulst, quien a su vez la desarrolló después de haber leído
el “Ensayo sobre el principio de población” de Thomas Maltus.

Paralelamente Jim Yorke y Tien-Yien Li investigaban la ecuación Verhulst-Pearl desde un punto de

vista matemático y en su forma discreta que permitía su fácil modelización mediante sucesivas
iteraciones (el resultado del cálculo inicial entra de nuevo como dato de entrada en el siguiente
cálculo y así sucesivamente). Pt+1 = r Pt (1 - Pt). Simulando diferentes valores para el
parámetro lambda (r o razón de crecimiento de la población), es decir, su tendencia a aumentar y
prosperar, Yorke y Li llegaron a una conclusión que despertó el interés de Robert May: “Período
tres implica caos”, que sería publicado en un artículo en 1975. Efectivamente con una lambda de
valor 3 se inicia el proceso de bifurcaciones, la “ruta hacia el caos”. A Robert May se le ocurrió
preguntarse que sucedería con la población si la razón de crecimiento excedía ese punto crítico.
Durante el ensayo de diferentes valores para ese parámetro, May y Yorke se percataron que podía
cambiar de forma asombrosa el carácter determinista de la ecuación logística. Acrecentar el
parámetro lambdaequivalía a acrecentar la no linealidad y eso alteraba no sólo la cantidad del
resultado, sino su cualidad. May enunció que a partir del valor crítico 3 comenzaba una “cascada
de duplicaciones de períodos” en cada bifurcación. Estaba naciendo el “Caos Determinista”.

Como Lorenz había descubierto hacía una década, la única manera de interpretar los resultados –y
conservar la vista- era recurrir a una gráfica. Nacía el diagrama de bifurcación (también conocido
como diagrama de dispersión o nube de puntos) donde en lugar de mostrar la población en función
del incremento del tiempo se muestra la población en función del incremento del
parámetro lambda.

En efecto, la ecuación logística y el diagrama de bifurcación muestran que para todo valor
de lambda menor que 1 la población declina estacionariamente y converge en 0.
Cuando lambda es mayor que 1 y menor que 3, la población cambia estacionariamente hasta que
termina estabilizándose en un valor de equilibrio 1-1/lambda. Para valores de lambda mayores que
3 y menores que 3,5 (aproximadamente cuando lambda es menor que 3,4889) la población
comienza a crecer estacionariamente hasta oscilar entre dos valores fijos por cada dos períodos. A
este fenómeno se denomina “efecto José” (por aquello del personaje biblíco y su famoso sueño de
las vacas flacas y vacas gordas). Cuando lambda es mayor que 3,4889 se producen oscilaciones
comprendidas entre cuatro valores fijos con una periodicidad de cuatro. Para valores
de lambdaprogresivamente mayores, el período se duplica una y otra vez de forma más o menos
rápida, hasta alcanzar un valor crítico entorno a 3,6 (aproximadamente cuando lambda es mayor
que 3,5699) en el que la población vaga de forma compleja y errática. Es decir, el sistema –el
mismísimo sistema- a partir de ese valor crítico comienza a comportarse de forma aparentemente
impredecible, alternando orden y caos. Pero más allá, si lambda es mayor que 3,6 y menor que 4
se producen ventanas de comportamiento periódico o casi periódico. Por ejemplo, existe un
intervalo entre 3,8284 y 3,8415 en el que la población exhibe un patrón característico con una
periodicidad de tres. Y, finalmente, cuando lambda es igual a 4 el modelo abarca todos los valores
posibles de x donde la población vaga de forma completamente aleatoria.

El hecho de que este comportamiento aleatorio se pueda originar con un algoritmo determinista fue
lo que llamó la atención a muchos investigadores desde Robert May hasta nuestros días y por esta
razón el estudio de la ecuación logística forma parte de esta disciplina emergente. ¿Y más allá
de lambda 4 qué sucede?. Si entre lambda 3,6 y lambda 4 nos encontramos en el reino del caos
entendido como complejidad (orden complejo, no desorden), más allá de lambda 4 nos
encontramos con el más absoluto desorden: la ecuación logística, si me permiten la expresión, se
rompe(aproximadamente cuando lambda es mayor que 4,000012) dando valores absurdos, tanto
negativos (por debajo de cero) como positivos (superiores a 1). Es decir, más allá de lambda 4
entramos en el reino del desorden. Así pues, la ecuación logística también nos sirve para entender
la diferencia sutil no siempre bien comprendida entre caos y desorden: el caos no es desorden,
sino un orden complejo en la frontera entre el orden y el desorden. O en palabras de la ecuación
logística: una lambda entre 3,6 y 4 es caos y una lambda mayor que 4 es desorden. Así, de la
mano de una sencilla ecuación determinista entramos en la tenue frontera entre el orden y el
desorden: otra vez, como sucedía en el modelo de Lorenz, la diferencia se encontraba en unos
pocos decimales de más. El “efecto mariposa” se cuela de nuevo en el reloj determinista.

Tanto impresionó a May este resultado, que llegó a decir: “El mundo mejoraría si se diera a todos
los estudiantes una calculadora de bolsillo y se les animara a entretenerse con la ecuación
logística”. Un idealista May afirmaba que ese cálculo fácil enmendaría la deformada visión de las
posibilidades del mundo que se deriva de la educación científica corriente. Corregiría el modo
como la gente concebía todo, desde la teoría clásica de los negocios hasta la propagación de los
rumores. Como el recientemente fallecido Edward Lorenz, Robert May defendía tempranamente en
1976 que debería enseñarse la “Teoría del Caos”: “La intuición matemática, que tanto se cultiva,
equipa mal al estudiante para enfrentarse con el extravagante comportamiento del más sencillo de
los sistemas lineales discontinuos. No sólo en la investigación, sino también en el orbe cotidiano de
la política y la economía, saldríamos ganando si más personas comprendieran que los sistemas no
lineales simples no poseen obligatoriamente propiedades dinámicas sencillas”.

Después del trabajo pionero de Lorenz, May, Yorke y Li vendrían Mitchell Feigenbaum[4], Benoît
Mandelbrot, David Ruelle, Michel Hénon, Stuart Kauffman y un largo etcétera que a su vez
reivindicarían el trabajo anticipatorio de Henri Poincaré, Aleksandr Lyapunov, Stephen Smale, etc.
y una amplia variedad de aplicaciones, desde el estudio de turbulencias en fluidos, el
funcionamiento de las irregularidades en el latido de un corazón sano (frente a las regularidades de
un corazón enfermo), el estudio del sistema inmunológico, el crecimiento de poblaciones de virus y
bacterias, la investigación del cáncer, el tiempo metereológico, el funcionamiento de la bolsa, la
propagación de los incendios, el funcionamiento del cerebro, etc. así como todo un campo de
investigación matemática basado en el estudio de los atractores.

Y volviendo al principio de este post, como hemos visto en este rápido repaso por el inicio de
la “Teoría del Caos”, hoy en día estamos descubriendo que sistemas que obedecen leyes precisas
(física de la atmósfera) o ecuaciones sencillas (ecuación logística) no siempre actúan de forma
predecible. Es decir, leyes deterministas pueden producir comportamientos aleatorios. El orden
puede producir caos. Y viceversa. Si observamos este descubrimiento desde la óptica del
conocimiento humano como una tarea inacabada nos daremos cuenta que esta joven teoría
todavía no ha producido todo su potencial impacto en el pensamiento científico actual (y no
digamos en el pensamiento ordinario al uso), algo que pone de manifiesto la falta de un paradigma
que venga a sustituir definitivamente al paradigma mecanicista actual. No eliminándolo, sino
incluyéndolo y ampliándolo para dar cabida a una mejor comprensión de los sistemas complejos.

Estoy seguro que en esta dura tarea el Pensamiento Sistémico puede y debe aportar algunas ideas
fundamentales y como la aproximación sistémica a la realidad evita la tentación de la separatividad
(aquí la Sra. Naturaleza, aquí los Sres. Humanos que van a sobre-explotarla sin contemplaciones),
tal vez comenzando con una nueva metáfora que sintetice la emergencia de una forma diferente de
abordar la comprensión de la Naturaleza que incluya a la Humanidad en fecunda –y no destructiva-
interacción. Una comprensión que supere el antropocentrismo rampante que bajo su cobertura
ideológica nos ha colado el gol de que el Hombre podía y debía servirse de la Naturaleza sin
ningún cuidado, hasta el sobrepasamiento (overshoot) de los límites de la sostenibilidad.

Sirva la ecuación logística[5] de Robert May para ejemplificar lo que puede significar para la
Humanidad agotar y contaminar los recursos naturales sin pensar en las generaciones venideras:
la extinción total es un escenario plausible para un geólogo y paleontólogo de la talla y
conocimiento de Eduald Carbonell. ¿Cuál será la gota que colme el vaso de la Naturaleza?. El
cambio climático es un serio aviso. La mariposa está aleteando fuertemente. Es tarea urgente una
nueva metáfora, un nuevo paradigma científico y una nueva conciencia que supere nuestro divorcio
ancestral -de resonancias casi bíblicas- con la Naturaleza.

Os dejo con una palabras de Ilya Prigogine, premio Nobel de Química en 1977 por su gran
contribución a la acertada extensión de la teoría termodinámica a sistemas alejados del equilibrio,
que sólo pueden existir en conjunción con su entorno:

“Es bien sabido que el corazón tiene que ser regular, de lo contrario morimos. Pero el cerebro tiene
que ser irregular; de lo contrario contraemos epilepsia. Esto muestra que la irregularidad, el caos,
conduce a sistemas complejos. No se trata de desorden. Por el contrario, el caos posibilita la vida y
la inteligencia. El cerebro ha sido seleccionado para volverse tan inestable que el menor efecto
puede conducir a la formación de orden.”

[1] Mientras que en la física clásica un sistema de partículas funciona como un aparato de relojería,
independientemente de que sean observadas o no, en la física cuántica el observador interactúa
con el sistema en tal medida que el sistema no puede considerarse con una existencia
independiente.

[2] La función logística o curva logística modeliza la función sigmoidea de crecimiento de un

conjunto P. El estadio inicial de crecimiento es aproximadamente exponencial; al cabo de un
tiempo, aparece la competición entre algunos miembros de P por algún recurso crítico K ("cuello de
botella") y la tasa de crecimiento disminuye; finalmente, en la madurez, el crecimiento se detiene.
Estas funciones tienen un campo de aplicación muy amplio, desde la biología a la economía.

[3] En el libro de James Gleick “Caos. La creación de una ciencia” (Ed. Seix Barral) y en su lejana
edición de 1988 se realizaba una amplia y profunda incursión sobre la “Teoría del Caos”, sus
protagonistas y campos de aplicación. Altamente recomendable como obra de iniciación y si tienes
algo de paciencia, “La esencia del caos” de Edward N. Lorenz (Ed. Debate). Y, para gente inquieta
con formación cuantitativa nada mejor que “Orden y Caos en sistemas complejos” de Ricard V.
Solé y Susanna C. Monrubia (Edicions UPC).

[4] El físico norteamericano Mitchell Feigenbaum realizó una contribución importante a la “Teoría
del Caos” al descubrir un valor constante en las ramificaciones en el diagrama de bifurcación de la
ecuación logística a partir del valor crítico descubierto por Robert May anteriormente comentado
(lambda mayor que 3 y menor que 4) al comparar los intervalos entre las ramificaciones sucesivas
comprobó que cada una se produce en algo menos de 1/4 que la precedente ramificación. Dicho
de una manera más precisa, al alcanzarse el punto crítico, la razón entre dos valores sucesivos
de lambda tiende al límite 4,6692016090... (conocido en adelante como constante de Feigenbaum)
advirtiendo que las bifurcaciones implicaban una autosimilitud con una rapidez de convergencia
independiente de la escala, un hecho significativo pues ese número aparece en contextos
diferentes hasta el punto que se le considera una propiedad fundamental de determinados
sistemas caóticos. ¿Por qué es importante este número?. Porque además de ser una constante
universal (aparece en otras muchas funciones y contextos diferentes) nos permite predecir cuando
se va a producir una bifurcación en una función (conociendo al menos los valores lambda de dos
bifurcaciones consecutivas). Como dice el conocido divulgador y matemático británico Ian
Stewart: “El número de Feigenbaum es aproximadamente 4,6692 y figura al lado de π (pi) como
uno de esos números curiosos que parecen tener significado extraordinario tanto en matemáticas
como en su relación con el mundo natural. El número de Feingebaum tiene también un símbolo: la
letra griega δ (delta). El número π es una firma cuantitativa para algo que implique al círculo. En la
misma forma, el número δ de Feingembaum es una firma cuantitativa para cualquier cascada de
duplicación de períodos, no importa cómo es producida o como es realizada experimentalmente”.
Curiosamente Feigenbaum llegó a ese número de forma accidental cuando estaba jugando con la
ecuación logística en una calculadora programable. Una serendipidad más que añadir a la Historia
de la Ciencia.

[5] Reconozco que este tipo de modelos matemáticos se entienden mejor si se practican mediante
simulaciones con la ayuda de una hoja electrónica. A tal fin he trasladado a sendas hojas Excel la
ecuación logística, la primera para realizar simulaciones con la ecuación logística y observar la
evolución de la población en función del tiempo y la segunda para realizar simulaciones con el
diagrama de bifurcación y observar los cambios en la población en función de los cambios en el
parámetro lambda. A practicar pues: Ecuación Logística en Excel y Diagrama de Bifurcación en
Excel