Teoría Del Caos

Esta página forma parte de la sección de metodología. Esta sección tiene el propósito de dar algo de información de fondo de cómo operamos y ayudar a aclarar algunos conceptos básicos. Consideramos muy interesante el contenido de estas páginas y esperamos que sirvan como base para más investigación para los que quieren profundizar. No obstante NO ES NECESARIO “SABER” TODO lo que hay en esta sección para usar el DBM®

En el estudio de los sistemas sencillos y complejos se pensaba que

  • Los sistemas sencillos resultaban de los componentes sencillos
  • Los sistemas complejos resultaban de los componentes complejos.

A comienzos de los años sesenta, un investigador llamado Lorenz desarrollaba modelos de pronóstico del tiempo y utilizaba un ordenador primitivo para calcular las complejas ecuaciones necesarias. Después de conseguir un conjunto de cifras quiso volver a comprobarlas antes de continuar. Para hacer esto simplificó sus resultados de seis décimos a tres. Si fuera cierta la asunción arriba expresada, esta simplificación debería tener poca influencia sobre los resultados. Salió del despacho dejando que el ordenador comprobase los resultados. Al volver se sorprendió mucho al descubrir que los resultados, inicialmente muy similares, rápidamente se separaban hasta no parecerse en nada (véase diagrama)

 

condiciones iniciales

——- resultado inicial 0,123456

_____resultado segundo 0,123

Lorenz presentó su descubrimiento que llegó a conocerse como el efecto mariposa. El efecto mariposa es que los factores muy pequeños y simples pueden formar parte de un sistema muy complejo. Este patrón se ha explicado erróneamente en muchos lugares como, por ejemplo, que una mariposa que aletea en los Mares del Sur puede causar un huracán en Norteamérica. Sin embargo, el efecto mariposa no tiene que ver con la causalidad sino con la precisión de predicción de un sistema total. La mariposa no causa el huracán sino que forma parte de un sistema cuyas condiciones posteriores incluyen el huracán.

Lo que sí significa es que si no tienes cifras muy precisas no puedes vaticinar los resultados de los sistemas complejos a través del tiempo. Puesto que nunca podríamos estar seguros de haber medido todos los factores minúsculos (como el aleteo de una mariposa), tampoco podríamos pronosticar correctamente el tiempo a largo plazo.

Conclusión

  • Los sistemas complejos pueden resultar de   factores simples.
  • Este límite sobre la predicción del detalle aunque tengamos un modelo preciso de los procesos tiene una importancia central en todos los campos que estudian los sistemas complejos.
  • Este cambio en la forma de ver el mundo se relaciona directamente con los desarrollos en el estudio de la naturaleza en su totalidad, desde las formas idealistas de la geometría euclidiana (esferas, conos, cubos, etc.) hacia una estructura “fractal” (Mandelbrot 1977). Este cambio en perspectiva conduce a una forma dinámica de modelar la naturaleza basada en el proceso más que en los ideales conceptuales.