Sobre el caos y otras hierbas

(Publicado el 05/05/2025)

En los sótanos del Instituto Tecnológico de California (Caltech), a mediados del siglo XX, un grupo de investigadores estudiaba un fenómeno aparentemente mundano: la mezcla de pinturas. Lo que comenzó como un experimento para entender patrones en fluidos reveló algo profundo: incluso sistemas simples podían generar comportamientos impredecibles y caóticos. Sus observaciones, publicadas en un artículo revolucionario de Scientific American, abrieron la puerta a una nueva comprensión del caos determinista, conectando disciplinas tan diversas como la meteorología, la ecología y la química.

El punto de partida: mezclas, turbulencias y el artículo de Scientific American

En los años 50, en un sótano del Instituto Tecnológico de California (Caltech), un grupo de investigadores encabezado por el físico Eliot Montroll y el matemático Mark Kac se obsesionó con un fenómeno cotidiano: ¿cómo se mezclan dos pinturas de colores distintos? A simple vista, parecía una pregunta trivial, incluso absurda para una institución dedicada a la física de cohetes y la ingeniería avanzada. De hecho, las autoridades de Caltech estuvieron a punto de desalojarlos del laboratorio, argumentando que aquel trabajo carecía de «rigor científico» y era «una pérdida de recursos». Pero los científicos persistieron.

Armados con tanques de vidrio, tintes y cámaras de alta velocidad, estudiaron la turbulencia y la mezcla de fluidos no newtonianos (como pinturas o miel). Al variar parámetros como la velocidad de agitación, la viscosidad o la temperatura, descubrieron algo fascinante: pequeñas perturbaciones iniciales generaban patrones de mezcla radicalmente distintos, imposibles de predecir con ecuaciones lineales. Por ejemplo, una gota de pintura roja añadida un milímetro a la izquierda podía crear remolinos azules dominantes, en lugar de un tono uniforme.

El hallazgo desafiaba la física clásica, que asumía que sistemas simples se comportaban de manera predecible. Sin embargo, los administradores de Caltech seguían escépticos.

Cuenta la leyenda que, durante una inspección rutinaria, un decano preguntó: «¿Y esto sirve para algo más que decorar paredes?». La respuesta llegó en 1959, cuando publicaron sus resultados en Scientific American bajo el título «La mezcla de fluidos: un problema no lineal». El artículo no solo explicaba la sensibilidad a condiciones iniciales —germen del futuro «efecto mariposa»—, sino que conectaba la turbulencia en pinturas con fenómenos como la formación de galaxias o la dinámica atmosférica.

La ironía fue monumental: lo que comenzó como un experimento marginal, casi cancelado por falta de fondos, se convirtió en un pilar de la teoría del caos. El artículo en Scientific American no solo salvó su laboratorio, sino que inspiró a una generación de científicos a buscar complejidad en lo aparentemente simple. Como escribió Montroll años después: «El caos no era un error de la naturaleza, sino su lenguaje secreto».

La ciencia avanza a menudo desde los márgenes con preguntas «ingenuas» sobre mezclas de pintura revelaron que el caos determinista estaba en todas partes, desde un tarro de miel hasta el corazón de un huracán. Y todo, en el sótano de una universidad que dudó de ellos.

Edward Lorenz y el efecto mariposa

En 1963, el meteorólogo Edward N. Lorenz trabajaba en el Instituto Tecnológico de Massachusetts (MIT) modelando predicciones climáticas con un conjunto de ecuaciones simples. Su objetivo era entender cómo pequeños cambios en variables como la temperatura o la presión afectaban los patrones atmosféricos.

Usando un ordenador primitivo, el LGP-30, Lorenz modeló el clima con un sistema de doce ecuaciones diferenciales.

Un buen día decidió repetir una simulación, pero introduciendo los valores iniciales redondeados a tres decimales, en lugar de a seis. El resultado fue sorprendente: la predicción mostraba una divergencia completa de la original, como si fuera un sistema distinto. Aquel error numérico mínimo —equivalente a una millonésima parte— mostró como los sistemas dinámicos podían ser de impredecibles.

Lorenz publicó sus hallazgos en 1963 bajo el título «Flujo determinista no periódico», donde describió el conocido «atractor de Lorenz»: un conjunto de trayectorias caóticas que, mostrarse en un gráfico, forman una estructura similar a las alas de una mariposa, orbitando sin repetirse ni cruzarse jamás.

Pero el término «efecto mariposa» no fue acuñado por él. En una conferencia en 1972, Lorenz tituló su conferencia «¿Puede el aleteo de una mariposa en Brasil desencadenar un tornado en Texas?» para ilustrar la sensibilidad de los sistemas dinámicos a las condiciones iniciales. La metáfora, elegida por su fuerza visual, cautivó al público y los medios. Pero siempre tuvo un trasfondo irónico: Lorenz jamás mencionó mariposas en sus trabajos originales.

De hecho, en un artículo previo (1969), había usado el vuelo de una gaviota como analogía. Fue el editor de la conferencia, Philip Merilees, quien sugirió cambiar «gaviota» por «mariposa» para hacerlo más poético.

La frase se popularizó, y aunque Lorenz aceptó el nombre con humor, siempre aclaró que el concepto no dependía de mariposas literales: «Era solo una forma de decir que las ecuaciones no lineales son sensibles a pequeñas perturbaciones», explicó años después.

La ciencia y la cultura a veces se entrelazan de formas inesperadas. El «efecto mariposa» se convirtió en un ícono pop, apareciendo en películas y libros, pero su esencia matemática —la imposibilidad de predecir sistemas caóticos a largo plazo— sigue siendo el legado de Lorenz.

Su trabajo no solo transformó la meteorología, sino que demostró que el caos es una propiedad intrínseca de la naturaleza, desde las nubes hasta los latidos del corazón. Y aunque las mariposas no causan tornados, su nombre sigue volando como metáfora de que, en un mundo caótico, hasta lo diminuto tiene consecuencias cósmicas.

Lotka-Volterra: depredadores, presas y dinámicas no-lineales

A principios del siglo XX, el matemático italiano Vito Volterra se encontró con un enigma ecológico gracias a su yerno, el biólogo marino Umberto D’Ancona. Durante la Primera Guerra Mundial, D’Ancona había notado algo extraño en los datos de pesca del Adriático: la proporción de peces depredadores (como los tiburones) aumentó drásticamente cuando la actividad pesquera humana disminuyó. ¿Cómo era posible que, con menos pesca, los depredadores dominaran más? Volterra, intrigado, decidió modelar matemáticamente el fenómeno.

Casi al mismo tiempo, en Estados Unidos, el químico Alfred Lotka trabajaba en ecuaciones similares para explicar oscilaciones en reacciones químicas. Sin saberlo, ambos estaban convergiendo en lo que hoy llamamos modelo Lotka-Volterra: un sistema de ecuaciones no lineales que describe las fluctuaciones cíclicas entre depredadores y presas. El modelo, aunque simple, revelaba una verdad profunda: la naturaleza no busca el equilibrio estático, sino danzas rítmicas de vida y muerte.

Aunque el trabajo original de Volterra se centró en peces, el modelo se popularizó con un ejemplo más cercano a la imaginación popular: liebres y zorros. En los bosques de Canadá, datos históricos mostraban que las poblaciones de liebres (presa) y linces (depredador) oscilaban en ciclos de aproximadamente 10 años. Cuando las liebres abundaban, los linces se multiplicaban… hasta que las liebres escaseaban, provocando el colapso de los linces. Entonces, las liebres recuperaban su número, y el ciclo recomenzaba.

Lo fascinante era que estas oscilaciones no dependían de factores externos, como sequías o cazadores, sino de las propias interacciones entre especies. El modelo Lotka-Volterra capturó este fenómeno con elegancia:

• Ecuación de las presas: Crecen exponencialmente… hasta que los depredadores las frenan.
• Ecuación de los depredadores: Se multiplican mientras haya presas… y mueren de hambre cuando no las hay.

En su versión original (dos especies), el modelo no era caótico: los ciclos eran predecibles y periódicos. Sin embargo, cuando otros científicos agregaron una tercera especie (por ejemplo, un superdepredador) o variables como migraciones o cambios ambientales, el sistema se volvió caótico. Por ejemplo, en 1975, el biólogo Robert May demostró que incluso pequeñas perturbaciones podían generar comportamientos impredecibles, vinculando por primera vez la ecología con la teoría del caos.

Al principio, muchos biólogos rechazaron el modelo Lotka-Volterra por ser «demasiado matemático» y alejado de la complejidad real de los ecosistemas. Volterra, de hecho, fue criticado por reducir la vida a ecuaciones. Pero el tiempo le dio la razón: hoy, su trabajo es la piedra angular de la ecología matemática. Detrás de ese equilibrio aparente hay ecuaciones escritas en un cuaderno de los años 20, entre disputas familiares y peces del Adriático.

Belousov-Zhabotinsky: caos en un matraz químico

En la década de 1950, en plena Guerra Fría, el químico soviético Boris Belousov hizo un descubrimiento revolucionario, pero peligroso: una reacción química que oscilaba rítmicamente, cambiando de color como un reloj viviente. Al mezclar ácido cítrico, bromato de potasio y sales de cerio, observó que la solución pasaba de amarillo a azul repetidamente, desafiando el dogma de que las reacciones químicas siempre tienden al equilibrio sin fluctuaciones. Sin embargo, cuando intentó publicar sus hallazgos en 1951, la comunidad científica lo rechazó con desdén. Los revisores argumentaron que su trabajo violaba la segunda ley de la termodinámica y lo tacharon de «pseudociencia».

Belousov, un hombre de carácter firme pero discreto, enfrentó no solo el ostracismo académico, sino también el riesgo político: en la URSS de Stalin, cuestionar las leyes establecidas podía ser interpretado como disidencia.

Aunque no hay evidencia directa de que fuera enviado a un Gulag, su carrera quedó marcada. Lo relegaron a investigaciones marginales en un instituto de medicina militar, y su trabajo cayó en el olvido… hasta que un joven estudiante lo rescató del abismo.

En 1961, Anatol Zhabotinsky, entonces un estudiante de posgrado en la Universidad Estatal de Moscú encontró por casualidad los manuscritos no publicados de Belousov. Intrigado, replicó el experimento y descubrió que, al sustituir el cerio por hierro, las oscilaciones eran aún más vívidas.

Zhabotinsky no solo validó el trabajo de Belousov, sino que lo expandió: demostró que, en condiciones alejadas del equilibrio, la reacción generaba patrones hipnóticos —espirales, ondas y anillos— que se propagaban como vida artificial en una placa de Petri. Este fenómeno, conocido hoy como reacción Belousov-Zhabotinsky (BZ), se convirtió en el núcleo de su tesis doctoral y en un hito de la química no lineal.

La ironía fue histórica: lo que en los años 50 se consideró un «error» se transformó, en los 70, en un modelo clave para entender el caos y la autoorganización en sistemas biológicos.

Al ajustar parámetros como la concentración de reactivos o el flujo de energía, los «relojes químicos» de BZ exhibían transiciones del orden al caos, anticipando principios de la teoría de sistemas complejos.

Belousov no vivió para ver su rehabilitación. Murió en 1970, sin reconocimiento oficial. Zhabotinsky, en cambio, se convirtió en un emblema de cómo la ciencia puede redimir ideas marginadas.

En 1980, la Academia de Ciencias de la URSS otorgó póstumamente a Belousov el Premio Lenin, el máximo honor científico soviético. Hoy, su reacción se estudia en universidades de todo el mundo, no solo como una curiosidad química, sino como un recordatorio de que incluso bajo la sombra del dogmatismo, la verdad científica encuentra su camino.

Es más, la reacción BZ inspiró a Ilya Prigogine, ganador del Nobel de Química en 1977, a desarrollar su teoría de las estructuras disipativas, probando que el orden puede emerger del caos en sistemas abiertos. Así, un experimento nacido en el ostracismo terminó redefiniendo nuestra comprensión de la vida misma.

Hilos que tejen la Teoría del Caos

Desde los remolinos de pintura en los sótanos de Caltech hasta las ecuaciones que dibujan alas de mariposa en una pantalla, la ciencia revela un principio inquietante: lo determinista no es sinónimo de predecible.

La teoría del caos, tejida con hilos de rebeldía y curiosidad, nos enseña que sistemas gobernados por reglas simples pueden dar lugar  a una complejidad abrumadora, no por azar, sino por la danza entre sensibilidad extrema y retroalimentación no lineal.

Edward Lorenz, con sus modelos climáticos, nos arrebató la ilusión de control sobre el clima, mostrando que un mundo gobernado por ecuaciones exactas puede ser, paradójicamente, indomable.

Mientras, en los bosques de liebres y zorros, el modelo Lotka-Volterra desveló que la vida no es una línea recta hacia el equilibrio, sino un péndulo oscilante entre la abundancia y la escasez, donde la estabilidad es una ficción estadística.

Y en los matraces de Belousov y Zhabotinsky, moléculas anónimas demostraron que hasta lo inanimado puede coreografiar patrones, desafiando la idea de que el orden solo emerge bajo el mandato de la biología.

Juntos, estos descubrimientos bordaron un nuevo mapa de la realidad: el universo no es una elección binaria entre orden y caos, sino un tapiz donde ambos se entrelazan. Las turbulencias atmosféricas, los latidos cardíacos irregulares, las fluctuaciones en bolsa o las redes neuronales que aprenden —todos esconden geometrías caóticas bajo su superficie—.

Hoy, este legado resuena en algoritmos que predicen epidemias, en modelos climáticos que alertan sobre huracanes, y en terapias que ajustan dosis de medicamentos en tiempo real, aceptando que el caos no es un enemigo, sino un cómplice de la adaptación.

Así, la Teoría del Caos nos deja una lección humilde y grandiosa: incluso en lo aparentemente aleatorio, hay patrones ocultos. Basta cambiar la lente —y, a veces, desafiar a los escépticos— para ver que el universo no juega a los dados… pero tampoco sigue un guión.