TGS. Conceptos y Aplicaciones. C.A Ossa O

Carlos Alberto Ossa O.
(Pereira,
Risaralda,Colombia, 1943). Ingeniero
Industrial de la Universidad Tecnológica
de Pereira, postgrado en “Ingenieur Civil
en Gestion Industrielle” de la Universidad
Católica de Lovaina. Profesor titular
(pensionado) adscrito a la Facultad de
Ciencias Ambientales de la Universidad
Tecnológica de Pereira, Ex - profesor de la
Universidad de los Andes (U.L.A.) de
Mérida, Venezuela adscrito a la Facultad
de Ingeniería, Escuela de Ing. de Sistemas.
Actualmente es docente catedrático de la

Facultad de Ciencias Ambientales y
docente del Doctorado Interinstitucional
en Ciencias Ambientales de la Universidad
del Cauca, Universidad del Valle y
Universidad Tecnológica de Pereira.
Autor de los libros: Álgebra lineal y

programación lineal (2002), Simulación
básica (2002) y Teoría General de Sistemas,
fundamentos (2004).
Ha publicado artículos en revistas

nacionales y extranjeras.
Asesor empresarial. Se ha desempeñado

como decano de la facultad de Ingeniería
Industrial (F.I.I.) de la Universidad
Tecnológica de Pereira, director del
Departamento de I. de O. y Estadística de la
EISULA, director del Departamento de
Postgrados de la F.I.I. y de la Facultad de
Ciencias Ambientales de la Universidad
Tecnológica de Pereira, Gerente de
producción de “Transformadores Magom”
y Rector de la Universidad Tecnológica de
Pereira.
[email protected]
3
Teoría General de Sistemas
Conceptos y aplicaciones
Colección Textos Académicos

Facultad Ciencias Ambientales
2017
Ossa O. Carlos Alberto
Teoría General de Sistemas: Conceptos y aplicaciones / Carlos Alberto Ossa O.—Pereira :
Universidad Tecnológica de Pereira, 2016.
584 p.: il
(Colección Textos académicos).
ISBN 978-958-722-228-9
1. Análisis de sistemas 2. Teoría de sistemas 3. Teoría del caos 4. Mecánica cuántica 5.

investigación operacional 6. Diseño de sistemas 7. Ecuaciones matemáticas 8. Dinámica de
sistemas.
620.7 CDD23
©Carlos Alberto Ossa O.

©Universidad Tecnológica de Pereira
Primera edición
Universidad Tecnológica de Pereira
Pereira, Colombia

Vicerrectoría de Investigaciones, Innovación y Extensión
Editorial Universidad Tecnológica de Pereira
Coordinador editorial:
Luis Miguel Vargas Valencia
[email protected]
Tel: 3137381
Edificio 9, Biblioteca Central “Jorge Roa Martínez” 9/N1/110
Cra. 27 Nº 10-02 Los Álamos
Pereira, Colombia
www.utp.edu.co
Montaje y producción:
Recursos Informáticos y Educativos
Ilustración Cubierta:
Recursos Informaticos y Educativos y José Camilo Ríos Gaviria
Impresión y acabados:
Publiprint S.A.S.
Todos los derechos reservados.

a Salvador y Chava:
Vida y principios.
a María Liliana Herrera:

inspiración, soporte y guía.
5
Teoría General de Sistemas. Conceptos y aplicaciones
6
Tabla de contenido
Prefacio 15
CAPÍTULO 1
CONCEPTO DE CIENCIA
1.0 La Teoría General de Sistemas 19
1.1 Hablemos de ciencia 21
1.1.1 Formas de conocimiento 22
1.1.2 Objeto y objetividad 25
1.1.3 Método 30
1.1.3.1 Inducción. Deducción 33
1.1.3.2 El silogismo 34
1.1.3.3 La experimentación 36
1.2 Pensamiento lineal y sistémico 42
1.3 Ciencia privada. Ciencia pública 45
1.4. Resumen 49
CAPÍTULO 2
LA CIENCIA COMO SISTEMA FORMAL
2.0 El concepto de formalización 51
2.1 La formalización de la matemática 51
2.1.1 Depuración del lenguaje matemático 55
2.2 La formalización en la ciencia 55
2.2.1 Ejemplo en biología: leyes de la herencia 62
2.2.2 Ejemplos en las ciencias humanas 67
2.3 Una clasificación de las ciencias 69
2.4 ¿Qué entendemos, entonces, por ciencia? 74
2.4.1 La ciencia en K. Popper 74
2.4.2 Los conceptos de T. Kuhn 79
2.4.3 P. K. Feyerabend y el método 80
2.5 Consideraciones finales 82
2.6 Resumen 83
7
CAPÍTULO 3
LA TEORÍA GENERAL DE SISTEMAS
3.0 Aislamiento. Reduccionismo 85
3.0.1 El concepto de modelo 89
3.1 Mecanicismo 90
3.2 Holismo 95
3.3 El enfoque de sistemas 99
3.4 El concepto de sistema 105
3.5 Isomorfismo 110
3.6 Tipos de sistemas 111
3.7 Patrón, estructura y proceso 114
3.8 Ciencia, tecnología, filosofía de sistemas 116
3.9 Resumen 118
CAPÍTULO 4
LEYES DE LOS SISTEMAS
4.0 El concepto de ley 121
4.1 Leyes sistémicas 124
4.1.1. Equifinalidad 124
4.1.2 Centralización (integración) 125
4.1.3 Descentralización (mecanización) 125
4.1.4 Mecanización-centralización 126
4.1.5 Entropía mínima 126
4.1.6 Variedad obligada 127
4.1.7 Emergencia sistémica 130
4.1.8 Jerarquización 132
4.1.9 Acoplamiento 133
4.1.10 Totalidad 134
4.2 Complejidad y reductibilidad sistémica 136
4.3 Sistema retroalimentado 143
4.4 Resumen 148
8
CAPÍTULO 5
FORMALIZACIÓN DE LA TEORÍA
GENERAL DE SISTEMAS
5.0 Formalización y clasificación 149
5.1 Clasificación de los sistemas 150
5.1.1 Clasificación de los sistemas: Keneth Boulding 150
5.1.2 Russell L. Ackoff: clasificación según el comportamiento 154
5.1.2.1 Clasificación de acuerdo al comportamiento del sistema 155
5.1.2.2 Clasificación organizacional 158
5.1.3 Clasificación de P. B. Checkland 161
5.2 Las leyes numéricas 166
5.3 Hipótesis de la T.G.S 172
5.3.1 La propuesta de L. V. Bertalanffy 173
5.3.2 La propuesta de O. Lange 177
5.3.3 Jerarquización, casi-descomponibilidad 181
5.4 Resumen 184
CAPÍTULO 6
MATEMÁTICAS DE LA T.G.S.
6.0 Nuevos conceptos, nuevas matemáticas 187
6.1 Termodinámica irreversible 188
6.1.1 Estructuras disipativas 197
6.1.2 Entropía y teoría cuántica 199
6.1.3 Información y entropía 201
6.2 Teoría de conjuntos difusos 206
6.3 Hacia una lógica sistémica 212
6.4 Resumen 215
CAPÍTULO 7.
TEORÍA DE LA COMPLEJIDAD INICIOS
7.0 Ideas generales 217
7.1 Teoría del caos 224
7.2 Teoría de fractales 234
7.3 Teoría de catástrofes. 238
7.4 La mecánica cuántica 245
7.5 Resumen 251
9
CAPÍTULO 8
TEORÍA DE LA COMPLEJIDAD
NUEVAS PERSPECTIVAS
8.0 Las nuevas teorías 255
8.1 Teoría de la “Multitud-antimultitud” 257
8.2 Autómatas celulares 261
8.3 Teoría de Grafos 264
8.3.1 La ley 1/fn 269
8.3.2 Las ideas de Kauffman 273
8.3.3 Mundos pequeños (Small Worlds) 279
8.4. Características básicas de los sistemas complejos 282
8.5. Complejidad y sistemas sociales. Administración 284
8.5.1 Organizaciones 289
8.6 Resumen 296
CAPÍTULO 9
METODOLOGÍAS. TIPOS DE INVESTIGACIÓN
9.0 Metodología, método, técnica 299
9.1 Tipos de investigación 303
9.2 Principios básicos de una metodología sistémica 306
9.3 Características generales de los cuatro tipos de metodologías
según Jackson 308
9.3.1 Metodologías funcionalistas 310
9.3.2 Metodologías interpretativas 311
9.3.3 Metodologías emancipadoras 313
9.3.4 Metodologías postmodernas 314
9.4 Las ideas de C. W. Churchman 316
9.4.1 Los objetivos del sistema 318
9.4.2 Medidas de actuación 319
9.4.3 Ambiente del sistema 319
9.4.4 Los recursos del sistema 320
9.4.5 Los subsistemas 321
9.4.6 La administración del sistema 323
9.5 A guisa de ejemplo 324
9.6 El proyecto metodológico 326
9.7 Resumen 328
10
CAPÍTULO 10
METODOLOGÍAS DURAS
10.0 Tres metodologías funcionalistas 331
10.1 La programación lineal 331
10.2 La metodología de G.M. Jenkins 337
10.2.1 Las fases de la metodología 338
10.2.2 Análisis del sistema 340
10.2.3 Diseño del sistema (síntesis) 343
10.2.4 Realización 344
10.2.5 Operación 345
10.3 La Dinámica de Sistemas de J.W. Forrester 346
10.3.1 Causalidad 347
10.3.2 Lazo de retroalimentación 349
10.3.3 Niveles 351
10.3.4 Flujos 352
10.3.4.1 Variables auxiliares. Parámetros 353
10.3.5 Flujos, niveles y lazos de retroalimentación 354
10.3.6 Ecuaciones matemáticas 356
10.4 Resumen 361
CAPÍTULO 11
METODOLOGÍAS BLANDAS.
LA METODOLOGÍA DE P. B. CHECKLAND
11.0 Antecedentes de la metodología 363
11.1. El "qué" y el "cómo" 363
11.1.1 Generalidades 364
11.1.2 Fundamentos 365
11.1.3 El proceso metodológico 370
11.1.4 La corriente de la investigación basada en la lógica 374
11.1.4.1 Tareas primarias 374
11.1.4.2. Definición raíz 375
11.1.4.3 Modelo conceptual 379
11.1.4.4 Comparación 379
11.1.5 La corriente de investigación basada en la cultura 380
11.1.5.1 Dibujo enriquecido 381
11.1.5.2 Análisis de la intervención (roles) 382
11.1.5.3. Análisis del ”Sistema Social” 384
11
11.1.5.4 Análisis del “sistema político” 385

11.1.6 Cambios factibles y deseables 387
11.1.7 Algunas consideraciones adicionales 388
11.2 Un ejemplo 389
11.3. Resumen. 394
CAPÍTULO 12
METODOLOGÍAS BLANDAS.
DINÁMICA DE SISTEMAS BLANDOS
12.0 La Dinámica de Sistemas Blandos 395
12.1 Retroalimentación. Demoras Arquetipos sistémicos 397
12.1.1 Límites del crecimiento 403
12.1.2 Desplazamiento de la carga 406
12.1.3 Erosión de metas 409
12.1.4 Soluciones contraproducentes 411
12.1.5 Escalada 413
12.1.6 Éxito para quien tiene éxito 415
12.1.7 Tragedia del terreno común 416
12.1.8 Crecimiento y subinversión 418
12.2 Resumen 420
CAPÍTULO 13
¿ENFOQUE ANALÍTICO?
¿ENFOQUE SISTÉMICO?
13.0 Diferencias entre las Ciencias Naturales y las Humanas 421
13.1. Bosque industrial 423
13.2 Resumen 435
CAPÍTULO 14
CRÍTICAS A LA TEORÍA DE SISTEMAS
14.0 ¿Son necesarias las críticas? 437
14.1 Las críticas de D.C. Phillips 437
14.1.1 Críticas a la filosofía de sistemas 438
14.1.1.1 Todos y partes 438
14.1.1.2 Jerarquización 439
12
14.1.1.3 Emergencia sistémica 440

14.1.2 Críticas al concepto de sistema 441
14.1.3 Debilidad de los ataques al reduccionismo 443
14.1.4 Crítica al carácter científico de la Teoría de Sistemas 444
14.2 Las críticas de Gall 445
14.2.1 La sistemántica y sus teoremas sistémicos 446
14.3 Resumen 453
14.4 “Coda” 453
APÉNDICE CAPÍTULO 1
A.1.1 Empirismo y racionalismo 457
A.1.2 Kant. Revolución copernicana del conocimiento 459
A.1.3 El experimento de Torricelli 461
A.1.4 Tipos de razonamiento 465
A.1.5 Experimentos mentales 468
A.1.6 El principio de causalidad 469
A.2.1 Sistema axiomático de Peano 473
A.2.2 Euclides, Riemann y Lobachevski 474
A.3.1 No direccionalidad del tiempo en Newton 479
A.3.2 Análisis matemático de la ley de los graves de Aristóteles 480
A.3.3 Otro ejemplo de isomorfismo 482
A.4.1 Colisión entre dos esferas 485
A.4.2 Deducción de la ley de la caída libre 486
A.4.3 Termostato 487
A.4.4 Taxonomía. Sistema de Linneo 488
A.4.5 Diagramas de proceso 490
13
A.5.1 Diversos tipos de sistemas (Ackoff) 493
A.5.2 Leyes sistémicas y Ecuaciones diferenciales 495
A.5.2.1 Totalidad 497
A.5.2.2 Segregación (mecanización) progresiva. 497
A.5.2.3 Centralización 498
A.5.2.4 Jerarquización 499
A.5.2.5 Sistema cerrado, abierto, autoorganización, equifinalidad 500
A.5.3 La propuesta de O. Lange 501
A.6.1 Tipos de energía y sus transformaciones 505
A.6.2 Ley de Fourier: propagación del calor 508
A.6.3 Termodinámica reversible 510
A.6.4 El ciclo de Carnot 511
A.6.5 Entropía e irreversibilidad 514
A.6.6 Cálculo del máximo valor de la entropía 516
A.6.7 ¿El mundo es ordenado o desordenado? 517
A.6.8. Algunas ideas adicionales sobre conjuntos difusos 520
A.7.1 Complementos a la Teoría del caos 525
A.7.2 Sissa, Fibonacci y el crecimiento exponencial 527
A.7.3 Ecuación poblacional renormalizada 533
A.7.4 Dimensión fractal 534
A.7.5 ¿Onda? ¿Partícula? 538
A.7.6 Small Worlds 542
Bibliografía 549
Índice 561
14
Prefacio
(Edición revisada)
Este libro tiene su génesis en uno anterior de título “Teoría General de Sistemas.
Fundamentos”. La estructura original se ha conservado, aunque se ha aumen-
tado el número de capítulos y se ha adicionado un apéndice con la intención
de profundizar algunos temas más allá del objetivo fundamental.
En el año 2009 se inicia un doctorado conjunto en Ciencias Ambientales entre
las Universidades del Cauca, Valle y la Tecnológica de Pereira. He tenido el
honor de formar parte del grupo de docentes en el módulo de "Teoría Gene-
ral de Sistemas". Esta oportunidad me abrió un nuevo panorama al conocer
profesores de la talla de Apolinar Figueroa C., Gabriel Conde A., Jairo Roldán
Ch., Enrique Peña S., los cuales aportaron nuevas inquietudes a mi formación
académica.
Este es un libro texto y no pretende otra cosa. Está dirigido especialmente a
los estudiantes que deban cursar, en su currículo tanto de pregrado como de
postgrado, temas relacionados con la Teoría General de Sistemas (abreviaremos
T.G.S.). Trata de estar al tanto de los últimos desarrollos en el campo, aunque
no es una visión exhaustiva del mismo. Con respecto a su predecesor, se amplió
sensiblemente el tema de la “Teoría de la Complejidad”. Se han añadido nuevos
ejemplos, especialmente de campos diferentes a los de la física.
El texto consta de catorce capítulos. El primero está relacionado con una dis-
cusión inicial sobre el concepto de ciencia.
El segundo capítulo se inicia con la formalización del conocimiento científico
a partir de la formalización de la matemática. Incluye, además, discusiones
filosóficas sobre el tema de la ciencia desde las perspectivas de Popper, Kuhn
y Feyerabend.
El tercer capítulo se relaciona con el enfoque de sistemas. En él se establece un
paralelo de este enfoque con el pensamiento clásico de la ciencia, enfatizando
que no se trata de una oposición sino de un complemento que nos permite
conocer el mundo que nos rodea de una manera diferente.
El cuarto capítulo gira en torno al concepto de ley y de las leyes de los sistemas.
Se introduce someramente el tema de la complejidad, el cual será discutido en
los capítulos séptimo y octavo. Termina con una diferenciación entre los siste-
mas de retroalimentación utilizados en la cibernética, y los sistemas abiertos.
15
En el capítulo quinto se estudia el tema de la formalización de la T.G.S. Se

ejemplifica con dos propuestas: una, de Bertalanffy, basada en un sistema de
ecuaciones diferenciales, y otra, de Oskar Lange, soportada por una visión
cibernética de los sistemas. No se trata de demostrar que existe una teoría
matemática de los sistemas sino de mostrar que sí es posible tal teorización,
condición fundamental para que un conocimiento pueda formar parte del saber
científico. No se pretende decir que son las únicas, ni tampoco las mejores.
El capítulo sexto se refiere a la matemática de los sistemas. Se muestra cómo
teorías de diversas corrientes han alimentado a la T.G.S.: la termodinámica,
la teoría cuántica, la Teoría de la Información, la teoría de conjuntos difusos...
El capítulo séptimo se ocupa de las primeras teorías de la complejidad. Aun-
que inicialmente fueron desarrolladas para ocuparse de problemas concretos,
rápidamente los investigadores notaron que su espectro podía ampliarse hacia
un tratamiento matemático de la complejidad.
En el capítulo octavo se estudian las nuevas perspectivas de la Teoría de la
Complejidad y sus aplicaciones en los sistemas sociales y particularmente en
la administración.
Hasta aquí podemos decir que se trata de los aspectos teóricos relacionados
con los sistemas. Los capítulos que siguen buscan indagar la aplicación, en la
práctica, de estas ideas.
El capítulo noveno estudia el concepto de metodología. Indica la importancia
que las metodologías tienen cuando, por razones de falta de conocimiento, no
disponemos de teorías formales que nos permitan enfrentar situaciones com-
plejas del mundo real. Se establecen las diferencias entre metodología, método
y técnica, diferencias que a veces no son claras y llevan a discusiones entre
especialistas que, a menudo, traen al estudioso confusiones innecesarias para
obtener un buen resultado en la práctica del enfoque de sistemas. Se utiliza la
clasificación dura-blanda para diferenciar los tipos de metodologías que tienen
que ver con una visión sistémica afín al pensamiento clásico de la ciencia, de
aquellas en las cuales este pensamiento no es una buena guía metodológica.
El capítulo décimo presenta tres metodologías sistémicas “duras”: La progra-
mación lineal, la metodología de G.M. Jenkins (las cuatro Ms) y la metodología
de J. W. Forrester. Estas metodologías se destacan por su importancia en la
práctica y por los resultados positivos que han demostrado tener cuando se
han aplicado bajo las condiciones para las cuales han sido propuestas.
16
El capítulo decimoprimero ilustra una metodología “blanda”: la Metodología

de Sistemas Blandos (MSB) de P. B. Checkland, una metodología de mucha
utilidad para estudiar y mejorar sistemas de la actividad humana.
El capitulo doce trata del enfoque de P. Senge presentado en su libro: La
quinta disciplina, que podríamos considerar como una Dinámica de Sistemas
blandos: se trata de la metodología de Forrester aplicada a los problemas de
la administración.
El decimotercer capítulo muestra un ejemplo en el cual se hace necesaria una
visión tanto reduccionista como sistémica. Mediante el análisis de la admi-
nistración de un pequeño bosque para obtener madera en forma industrial y
programada, se resaltan las características que ambos tipos de enfoque poseen
para enfrentar situaciones complejas.
El último capítulo, el decimocuarto, es un vistazo a las críticas que se le han
hecho a la Teoría General de Sistemas. Es un capítulo que se hace necesario
incluir por honradez académica. El lector podrá sacar sus propias conclusiones.
Los libros que aparecen en la bibliografía fueron los consultados para la elabo-
ración de esta obra. Sin embargo, se incluye una lista de revistas especializadas
que aunque no fueron directamente utilizadas para las citas de este texto, de-
sarrollan temas relacionados con el mismo. Evidentemente no es exhaustiva.
Para facilitar las referencias, los números de las figuras se inician con el del
capítulo en que se encuentran (por ejemplo la figura 5.2 se encuentra en el
capítulo 5). Situación igual ocurre para los numerales (el numeral 5.1.2.1 se
encuentra en el capítulo 5) Las referencias que se refieren a los diferentes
apéndices empiezan con la letra A y el número del apéndice correspondiente
(por ejemplo A.7.5 corresponde al apéndice A.7).
Debo agradecer (de nuevo) a la persona que logró que este proyecto se llevara
a cabo: María Liliana Herrera A. No sólo su interés en que el texto se rees-
cribiera sino sus correcciones conceptuales e idiomáticas, y largas horas de
conversación sobre estos temas fueron las motivaciones que permitieron que
la obra viera la luz.
Sin duda, los estudiantes interesados que he tenido en mis diversos cursos
sobre T.G.S. son otra de las causas fundamentales de este trabajo. Ver alumnos
que no sólo están entusiasmados con estas ideas sino que, además, generan
conocimiento me obligan a tratar de dar lo mejor de mí y dejar, de alguna
manera, consignada tan especial experiencia.
17
Dos pares académicos, cuyos nombres desconozco, hicieron una evaluación

del texto. Sus sugerencias fueron de gran importancia, particularmente las de
uno de ellos. Lástima que las reglas del juego hacen que para mí queden en el
anonimato. El Doctor Carlos Eduardo Maldonado también debe ser mencio-
nado. Desde que conoció que esta obra se estaba escribiendo, siempre tuvo
palabras de aliento para que la culminara.
Finalmente, y no menos importante, agradezco la revisión general que le hizo
al texto el PhD Tito Morales P., profesor de la Facultad de Ciencias Ambien-
tales de la U.T.P. y al PhD Juán Mauricio Castaño R., docente también de esta
facultad, quien tomó en sus riendas las acciones pertinentes para que este
texto fuera publicado.
En esta edición se han corregido varios errores que aparecieron en la publica-
ción impresa. De todas formas los errores que aún persistan, bien sea de forma
o de concepto, son responsabilidad única del autor.
Sept. 2016.
18
CAPÍTULO 1
CONCEPTO DE CIENCIA
1.0 La Teoría General de Sistemas

La palabra sistema es de uso corriente: hablamos del “sistema nervioso”, del
“sistema planetario”, del “sistema económico”; en la línea de espera nos dicen:
“disculpen, se nos cayó el sistema”.
¿Qué significa esta palabra? ¿Acaso merece un estudio especial, tal como este
libro lo sugiere en su título?
En física es común el uso de este concepto. Un ejemplo puede ser el péndulo de
Galileo: una masa que pende de un hilo de longitud l inextensible y sin peso,
y la cual es separada de su posición de reposo, un pequeño ángulo α.
 l
mg
Péndulo de Galileo aislado del resto del universo

Fig. 1.1
Aplicando las leyes de Newton podemos escribir:
d2 a / dt2 + ga / l = 0 (1-1)
19
Cuya solución es:
T = 2r l / g (1-2)
Podríamos ahora preguntarnos: ¿Qué es un péndulo de Galileo? ¿Posee leyes

que lo rigen? ¿Puedo decir que es un sistema? ¿Qué lo caracteriza como sistema?
¿Qué ventajas tiene mirarlo desde esta perspectiva? ¿El resto del universo, es
parte de este sistema? ¿También el universo es un sistema? Si esto es así, enton-
ces ¿existen sistemas dentro de sistemas? ¿Existe entre ellos alguna relación?
¿Es posible construir modelos de estos sistemas? ¿Podemos manipular estos
modelos y predecir comportamientos? ¿Podemos, respecto a estos sistemas,
solucionar las situaciones anómalas que se presenten? ¿Afectan al ambiente?
¿Es inevitable esta afectación?
Sin entrar en detalles técnicos, y dependiendo del conocimiento que el lector
tenga de física, es evidente que estas preguntas tienen respuestas muy precisas.
Veamos otro ejemplo. Consideremos una familia: un padre, una madre y dos
hijos. Podríamos preguntarnos de nuevo: ¿Qué podemos entender por “una
familia”? ¿Posee leyes que la rigen? ¿Puedo decir que ella es un sistema? ¿Qué
la caracteriza como sistema? ¿Qué ventajas tiene mirarla desde esta perspectiva?
¿Está incluida en otro concepto social (otro sistema)? Si esto es así, entonces
¿existen sistemas dentro de sistemas? ¿Existe entre ellos alguna relación?
¿Es posible construir modelos de estos sistemas? ¿Podemos manipular estos
modelos y predecir comportamientos? ¿Podemos, respecto a estos sistemas,
solucionar las situaciones anómalas que se presenten? ¿Afectan al ambiente?
¿Es inevitable esta afectación?
Según los sociólogos existen diferentes tipos de familia: nuclear, extensa, mo-
noparental, homoparental. Hay, pues, múltiples formas de considerar lo que
es una familia, lo que no ocurre con el péndulo de Galileo: él es descrito, de
forma unánime, de acuerdo con la figura 1.1.
Este texto trata sobre una nueva forma, un nuevo enfoque de ver el mundo; el
enfoque de sistemas y la teoría que lo soporta: la Teoría General de Sistemas.
Intentaremos indicar cómo a través de él y con la ayuda de la ciencia tradicional,
podemos dar respuestas a las preguntas anteriores, especialmente para cierto
tipo de sistemas en los cuales las respuestas no son tan evidentes como sí lo
pueden ser en el caso del péndulo antes indicado.
20
A manera de una somera introducción al tema, diremos que la Teoría General

de Sistemas es una amalgama de conocimientos que trata de la consideración
global de los fenómenos que estudia, por contraposición al estudio de las partes
para comprender el todo, que es la forma como la ciencia tradicional nos ha
enseñado a desarrollar el conocimiento. La deducción de la ecuación (1-1) se
basa en la ley de la conservación de la energía, en este caso, la combinación
(suma) de las energías cinética y potencial del péndulo durante su movimiento1.
La descripción del sistema total (la ecuación) es la suma de las afectaciones
de cada una de las partes. Para poder aclarar estas dos maneras de pensar, es
necesario analizar en detalle el concepto de ciencia. En esta primera parte, al
utilizar la palabra sistema, nos referiremos al uso que se le da en el lenguaje
corriente. Una discusión más profunda de este tema y otros conceptos con ella
relacionados se dará en el capítulo 2.
1.1 Hablemos de ciencia

Aunque en muchos textos se pueden encontrar varias definiciones de cien-
cia (por ejemplo: “ciencia es aquello que posee método propio”, o “ciencia es
el conjunto de conocimientos adquiridos a través del método científico”),
es curioso que los mismos científicos se cuiden de ofrecer una definición.
Desafortunadamente, la prolijidad de libros-texto sobre lo que es ciencia,
investigación y método científico, ha provocado en los estudiantes extraños
y diversos sentimientos respecto a este tipo de conocimiento haciéndolo ver,
de un lado, como algo fantástico y fundado en fórmulas matemáticas de las
cuales se obtienen nuevas fórmulas o modelos que permiten explicar todos los
fenómenos de la realidad natural y humana. De otro lado, el término ciencia es
usado indiscriminadamente para dar credibilidad tanto a una serie de pseu-
doteorías como a una infinidad de productos comerciales o, en su defecto, es
usado como un recetario mágico de pasos a seguir gracias al cual nos podemos
convertir en investigadores científicos. Estas son algunas de las razones por
las cuales el concepto ha perdido en el lenguaje de la vida diaria el significado
real que a través de la historia ha ido adquiriendo. Es importante resaltar que
aunque la definición definitiva no está dada, sí existen nociones y criterios que
permiten establecer qué es un conocimiento científico y qué no lo es. Algunos
1. Por energía entenderemos la capacidad para realizar trabajo. Trabajo es, por de-
finición, fuerza × distancia.
21
de estos criterios son: conocimiento, tipos de conocimiento, objeto, objetividad,

fenómeno, método, experimento, formalización y clasificación de las ciencias.
Considerémoslos con cierto detalle.
1.1.1 Formas de conocimiento

Entenderemos por conocer lo que ocurre cuando un sujeto aprehende un objeto.
Esto implica la separación, por lo menos en principio, del sujeto y del objeto.
Siguiendo a Priante (2006), quien resume magistralmente a Kant, diremos que
percibimos las cosas a través de los sentidos: las vemos, las palpamos, las ole-
mos, las gustamos, las oímos. Podemos describir sus formas, colores, texturas,
olores, sabores, sonidos. También su situación en el espacio y las relaciones
de unas con otras, lo cual nos lleva a concluir, por sentido común, que ellas
existen per se, con independencia de si las veo o no. Pero el sentido común
nos ha engañado muchas veces. La tierra no es plana, como se creía; el sol no
gira alrededor de ella como se aseguraba en la Antigüedad; los sólidos son sólo
aparentes, ya que existe más vacío que materia entre sus átomos.
Analicemos el caso de la vista por ser el sentido más importante según la cien-
cia moderna, aunque un análisis equivalente podría hacerse para los demás.
“Yo veo” parte del hecho de que la luz es reflejada por el objeto y pasa a través
del ojo, que se asimila a una lente y llega a la retina, en donde se forma una
imagen invertida del objeto. De allí esta imagen es transmitida, mediante im-
pulsos eléctricos y bioquímicos a través del nervio óptico al cerebro, en donde
se procesa, clasifica, ordena y memoriza; entonces, conocemos. Lo que llega a la
retina es, pues, una sensación (una percepción) “que se supone que se origina
en una realidad externa”; decimos que “se supone una realidad externa” ya que
la única realidad que podemos asegurar es la de nuestra propia sensación en
el aparato ocular. Esta sensación (información), es “caótica, sin significado”
(puntos luminosos, impulsos eléctricos y nada más). Dada la limitación de
nuestros sentidos la idea que nos formamos del mundo exterior es incompleta.
Los principios que rigen la forma en que el cerebro opera son: el tiempo, el
espacio y la causalidad. Estos tres principios son instrumentos de conoci-
miento y “en ningún caso pueden ser objeto de conocimiento en cuanto a sus
límites”. “El cerebro no puede no aplicarlos, ni puede entender algo que no
encaje en esas formas”. Es un programa con el que venimos al mundo y sin él,
22
el mundo sería ininteligible. Estos principios no se encuentran en el mundo

de las cosas-en-sí (aquellas cosas inaccesibles a nuestros sentidos), sino que
forma parte de nuestro aparato cognitivo: el espacio intuye el mundo exterior,
mientras que el tiempo ordena el mundo interior de nuestros pensamientos.
Son conocimientos a priori2.
Ahora bien, hay muchas maneras de aprehender el objeto (es decir, de cono-
cerlo, quererlo, sentirlo, interiorizarlo, etc.); de ahí que existan varios tipos de
conocimiento3. Debemos advertir que el tema conocimiento exigiría una deli-
mitación del concepto, una visión desde su aplicación(teóricas, prácticas), un
enfoque desde su estructura (formal, material, axiomático), una perspectiva
desde su divulgación (público, privado, explícito, tácito o implícito, codifi-
cado), una descripcion desde su origen (analítico, sintético, empírico), de su
finalidad (científico, comunicativo, expresivo), de su soporte (conservación
y divulgación: cultural, bibliográfico, artístico, informativo), de su forma de
adquisición (Académico, tradicional, vulgar, religioso), de su generación formal
(investigación básica, investigación aplicada, libros científicos, divulgación),
o de sus vías de acceso, que es lo que tendremos en cuenta en lo que sigue.
• Conocimiento o saber intuitivo: es el conocimiento que se tiene como di-
recto e inmediato del objeto conocido. No suele basarse en la confirmación
empírica, ni sigue un camino racional para su construcción y formulación;
surge de la facultad que todos tenemos para juzgar razonablemente las
cosas. Por ello no puede explicarse o, incluso, verbalizarse. Obviamente,
este tipo de conocimiento es totalmente subjetivo ya que la verdad de lo
inferido es responsabilidad del observador. Esto lleva a lo que se conoce
como realismo ingenuo, es decir, creer que los objetos, los fenómenos, las
situaciones, en general, lo que llamamos “realidad” es tal como aparece.
Así las cosas, la opinión puede ser verdadera o no serlo. Aseguramos que
Pedro es el mejor amigo del mundo, que en cierta región la gente es de mal
genio o que la familia a la cual no hemos referido no es agradable.
• Conocimiento por la experiencia: Puede obtenerse por contacto, presencia
directa o intuición. Su referencia y fundamento, en último término, es el
testimonio directo o indirecto (a través de aparatos) de la percepción de
los sentidos. Es el típico ejemplo del niño que se quema la primera vez que
toca una vela, pero difícilmente volverá a hacerlo conscientemente.
2. Remitimos al lector al APÉNDICE, literal A.1.1.
3. Lo que sigue está fundamentado en el artículo de Wikipedia: conocimiento (http://
es.wikipedia.org/wiki/Conocimiento).
23
• Conocimiento por tradición o mediato: Por lo general, se trata de un co-

nocimiento por descripción y, como su nombre lo indica, se encuentra
mediado por la tradición escrita, oral, o por experiencia indirecta (aunque
este tipo de conocimiento puede dar lugar a un conocimiento fundado
e incluso científico). La historia es un claro ejemplo. Lo que conocemos
sobre los griegos, ha sido relatado por otros. También: sabemos que existe
la muralla China, así nunca hayamos estado en ella. Este conocimiento es
“mediado”. Podemos incluir aquí el conocimiento por autoridad: estatus
moral, científico, político, artístico…
• Conocimiento científico: de manera provisional digamos que el conoci-
miento científico es aquel que es racional (por oposición a lo mítico, a
lo irracional, etc.), metódico (en el sentido de que no es especulativo),
experimental (que es comprobable en la práctica), falible (que se puede
corregir, ampliar y perfeccionar) y, finalmente, que puede predecir ciertos
acontecimientos. Pero antes de desarrollar este tema es necesario hacer
primero ciertas aclaraciones.
¿Existen algunos procesos que permitan generar un conocimiento confiable?
Se destacan el análisis y la síntesis, la inducción y la deducción. Con respecto
al análisis y la síntesis podemos decir que son dos actividades mentales que se
presentan simultáneamente en los procesos cognoscitivos. En términos am-
plios, el análisis tiene que ver con la descomposición del objeto, fenómeno o
situación en las partes que lo conforman, pues conociendo el funcionamiento
de las partes se conocerá el del todo. Ellas deben luego recomponerse, y este
proceso tiene por nombre síntesis. Así, podríamos intentar un conocimiento
de la familia en cuestión mediante la observación de sus partes: el padre, la
madre, cada uno de los hijos, ¿La casa?, ¿Sus amigos?... Es decir, analizamos esta
familia. Luego intentamos sintetizar todos estos conocimientos en una idea de
lo que dicha familia es. Igual podríamos hacerlo con el ejemplo del péndulo4.
Con respecto a la inducción (de observaciones particulares repetidas, infiero
conclusiones generales) y la deducción (de una observación general, obtengo
conclusiones particulares) podemos adelantar aquí que son otra manera de
abordar los fenómenos y que se encuentran íntimamente relacionadas con las
dos anteriores. Mas, como método, todas ellas tienen sus limitaciones. Para
ampliar un poco el tema del conocimiento remitimos al lector al APÉNDICE,
literal A.1.2.
4. Nótese que para el caso del péndulo no existen dudas de las partes a analizar.
24
1.1.2 Objeto y objetividad

Este es otro de los criterios a través de los cuales se puede aclarar qué es el
conocimiento científico. En el caso de la objetividad, debemos indicar que esta
noción no sólo no cuenta con una definición única sino que ha cambiado a
través del transcurso de la historia de la filosofía y de la ciencia. Cuando se
habla de objetividad se está suponiendo una actitud muy particular por parte
del sujeto respecto al otro elemento con el que siempre estará relacionado: el
objeto. Pero ¿qué es el objeto? Veamos primero su significación etimológica.
Objeto viene de objectum, que es el participio pasado del verbo objicio que
significa “echar hacia delante” o “presentarse a los ojos”. La idea aquí es la de
una separación entre el sujeto y el objeto, entre el observador y lo observado.
¿De qué tipo de separación se trata? Como lo habíamos dicho antes, el sujeto
no aprehende el objeto como tal, sino que lo aprehende a través de una repre-
sentación que tiene de él en la conciencia. Ahora bien, la relación sujeto-objeto
y la naturaleza de ambos son las dos cuestiones que han creado las grandes
discusiones respecto a lo que debe entenderse por conocimiento científico ya
que, según muchos tratadistas y filósofos de la ciencia, para que un conocimien-
to sea científico debe tener por requisito la objetividad. Hablaremos primero
de qué es el objeto y, en segundo lugar, de la objetividad y de la subjetividad.
Ante todo, el objeto es aquello que es dado a nuestra conciencia para que sea
conocido5. Es algo que puede poseer características y relaciones. Esto supone
un proceso de “objetivación”, es decir, hacer de lo dado un objeto de cono-
cimiento. Desde la modernidad y, sobre todo, para lo que tiene que ver con
la ciencia clásica, se ha entendido el objeto como aquello que no reside en el
sujeto, en contraposición a lo “subjetivo”. Por subjetivo habría que entender
aquello que está en el sujeto. En resumen: objeto sería todo aquello que puede
equipararse a “realidad”, y la realidad puede ser cognoscible o incognoscible.
En lo que respecta al conocimiento científico, él debe ocuparse de realidades
o fenómenos que sean susceptibles de ser cognoscibles, ya que existen ciertos
objetos que no pueden conocerse científicamente, como por ejemplo, los que
están relacionados con la religión, la magia, el mito, la mística etc.
5. Obviamente hay muchos “objetos” que aparecen ante nuestra conciencia pero no
necesariamente son “objetos de conocimiento”, por ejemplo los recuerdos, los deseos,
las fantasías, etc. Por eso, la definición que damos aquí la restringimos exclusivamen-
te al problema del conocimiento y, puntualmente, al del conocimiento científico.
25
La definición amplia que hemos dado de objeto contiene, por su generalidad,

muchas clases de objetos. Así que podemos clasificarlos en tres categorías6.
• Objetos que tienen existencia real: son aquellos que están sometidos a las
condiciones de espacio y tiempo y por ello mismo se encuentran regidos
por el principio de causalidad (todo suceso se origina por una causa, ori-
gen o principio). Son los objetos y fenómenos físicos referidos al mundo
natural. El péndulo es un buen ejemplo. Otro más sutil es la información.
• Objetos ideales: son llamados así porque no están sometidos a las condicio-
nes espacio temporales. A esta clase pertenecen los objetos matemáticos
y los de la lógica7.
• Objetos cuya naturaleza tiene que ver con la actividad humana: son los
objetos sociales, culturales y morales. Por ejemplo, la gente que conforma
la familia, los sistemas de leyes y reglamentos, la economía, la psicología,
el arte etc.
Insistiendo en el tema podemos concluir que en el contexto del pensamiento

científico el objeto es todo aquello que puede ser susceptible de conocimiento
general, repetible y perceptible.
La segunda cuestión planteada es la siguiente: ¿qué es la objetividad? Esta
pregunta remite necesariamente a las siguientes: ¿cómo ser objetivo respecto
a lo que se está conociendo? ¿Se puede identificar conocimiento objetivo con
conocimiento verdadero? Para dar respuesta a algunas de estas preguntas ha-
remos inmediatamente una ilustración sobre dos tipos de relaciones que en la
historia del hombre se han establecido entre el sujeto y el objeto.
Pensemos en el hombre primitivo. Estos seres enfrentaban de una manera
especial la naturaleza: no podían separarla de su propia existencia por lo que
nada de la naturaleza podía ser explicado sin su inclusión. Esto lleva por nombre
animismo: para el hombre primitivo el mundo no es inanimado; el mundo, sus
fenómenos, tienen un alma y una voluntad análogas a las humanas pero más
6. Hay que aclarar que existen muchas clasificaciones y categorías. La que aquí ofre-
cemos se circunscribe a los objetivos y necesidades del presente texto y tiene un ca-
rácter operativo y didáctico.
7. Puede extrañar al estudiante el término “ideal” y no se equivoca, ya que tiene
varias acepciones. Puede significar un modelo al cual se aspira; también una realidad
inalcanzable, una utopía o algo perfecto en su propia naturaleza. Pero tiene además
una significación referida a ciertas entidades como son las de la matemática y la ló-
gica.
26
poderosas, las cuales se manifiestan precisamente por medio de fenómenos

como las tormentas, los truenos, las sequías, etc. Así las cosas, la naturaleza era
tratada como un “tu” y al enfrentársela, este “tu” revelaba su individualidad,
sus cualidades y su voluntad: “A este “tu” no se le contempla sino que se lo
experimenta como “vida que se encara a la vida” e implica las facultades del
hombre en una relación recíproca. A esta experiencia se encontraban subor-
dinados los pensamientos lo mismo que las acciones y los sentimientos” (H. y
H.A. Frankfort et al. 1974). Esta manera de encarar el mundo lleva al primitivo
a considerarlo como básicamente subjetivo, es decir con carácter humano, y
las explicaciones de los sucesos tomarán la forma de mitos8. La caída de un
rayo, una inundación o el incendio de un bosque obedecían a la reacción de los
dioses ante comportamientos que estos seres consideraban que los ofendían.
En la evolución de la civilización, con el surgimiento del pensamiento científico,
las explicaciones míticas de los fenómenos naturales fueron reemplazadas por
explicaciones más “racionales”. Es decir, el hombre empezó a preguntarse por
las causas naturales de los fenómenos. De esta manera, él se separa de la natu-
raleza en lo que a su explicación se refiere y empieza a tratarla como un “ello”,
un “objectum” que al estudiarse desde el punto de vista “natural” se mostraba
como resultado de “leyes naturales”. Así nació la actitud objetiva frente a la
subjetiva y lo que se llama conocimiento objetivo o científico.
La manera, pues, de encarar la naturaleza considerándola como un “objectum”,
implicó una separación total entre el sujeto y el objeto. Aparentemente, para
que un conocimiento fuera verdadero, el sujeto que estuviera conociendo un
determinado fenómeno no debía intervenir en él. Debía considerarlo de manera
imparcial, sin que su propia subjetividad, es decir, sus sentidos, su ideología,
sus sentimientos, sus emociones, afectaran al fenómeno en cuestión. Esta idea
de objetividad fue la que caracterizó a la ciencia desde la modernidad hasta
principios del siglo XX, época en la que los hombres de ciencia comprendieron
que la separación total entre sujeto y objeto no era posible.
Volvamos por un momento a nuestro hombre primitivo. Su manera de cono-
cer era directa, emotiva y no respondía a un método predeterminado, cosa
que implicaba un compromiso con el fenómeno, la creación de un vínculo
emocional. Esto es fácil de entender aún hoy en la vida cotidiana cuando para
descalificar la “opinión” de alguien se la tilda de “subjetiva”, con lo que se indica
8. Nos referimos a los relatos de tradiciones que se refieren a acontecimientos pro-
digiosos, realizados por seres sobrenaturales o extraordinarios, tales como dioses,
semidioses, héroes, monstruos o personajes fantásticos.
27
que el sujeto no está distanciado emocionalmente del fenómeno; sus propios

prejuicios, sentimientos, intereses determinan su análisis o la comprensión del
asunto. De ahí resulta que su opinión o las conclusiones a las que ha llegado
respecto al fenómeno no serían verdaderas, acertadas o creíbles.
Podríamos esquematizar lo dicho hasta el momento como lo muestra la figura
1.2 (Cfr. APÉNDICE, literal A.1.2).
Sujeto y objeto separados

Fig. 1.2
La característica del conocimiento científico, a partir de la modernidad, radica,
según lo anterior, en la separación del sujeto respecto al objeto. El sujeto es
“indiferente”, como si no tuviera ninguna relación con el objeto, lo cual permite
que él se le ofrezca en su naturaleza y verdad. Esta manera de caracterizar
el conocimiento científico implicó la utilización de ciertos métodos que se
revelaron insuficientes desde finales del siglo XIX y a los que nos referiremos
más adelante. Por el momento podemos decir que los hombres de ciencia de
la primera mitad del siglo XX llegaron a la conclusión de que la separación
entre el que conoce y lo conocido no era posible. Aunque para muchos la más
importante virtud de la ciencia es la “objetividad”, ésta parece ser más bien un
ideal, pues el sujeto se encuentra involucrado con el fenómeno a estudiar. En
términos de Schrödinger (1975, p. 37):
28
... Esta obligada renuncia a una descripción puramente objetiva de la na-

turaleza es considerada hoy por la mayoría como una profunda transfor-
mación del concepto físico del mundo. Parece una dolorosa reducción de
nuestra aspiración a la verdad y a la claridad, y diríase que nuestros signos
y fórmulas –y los cuadros a ellos vinculados– no constituyen un objeto con
existencia independiente del observador, sino que tan sólo representan la
relación sujeto-objeto. Pero en el fondo, ¿no es esta relación la única ver-
dadera realidad que conocemos? ¿No basta que encuentre una firme,
clara e inconfundible expresión en la que se basa toda esperanza? ¿Por qué
hemos de prescindir de nosotros mismos?
Una de las causas por las cuales no hay separación tajante sujeto-objeto se basa
en la manera que tienen los hombres de conocer, es decir, en sus facultades cog-
nitivas: éstas tienen límites. Así por ejemplo, la naturaleza de nuestros sentidos
no nos permite observar todo lo que existe; de ahí que, en primera instancia, el
fenómeno no se nos aparezca tal como él es. Nuestro conocimiento estará con-
dicionado por dichos límites y, naturalmente, las conclusiones que se puedan
obtener también lo estarán. Una segunda razón son las limitaciones culturales
tales como los conocimientos adquiridos, los prejuicios y el mismo idioma.
Una tercera razón para que no exista tal separación es la de las limitaciones
tecnológicas. Los problemas que se presentan para conocer adecuadamente
los fenómenos son en muchas ocasiones producto de la falta de tecnología
avanzada. Tal es el caso del conocimiento del universo el cual se amplió sen-
siblemente con el descubrimiento y perfeccionamiento del telescopio.
De lo anterior debemos concluir, primero, que no es posible una separación
entre el sujeto y el objeto tal que se pueda conocer éste último en su totalidad.
Segundo, como necesariamente el sujeto se encuentra involucrado con el objeto,
la noción de “objetividad” debe cambiar. Dicho de otra manera: si no es posible
obtener un conocimiento total y seguro del objeto ¿qué podría caracterizar a
un conocimiento como científico? No hay que renunciar a la opción de ob-
jetividad; lo que debemos cambiar es nuestra idea de ella. Dijimos más atrás
que la objetividad era una actitud que el sujeto asume frente a los fenómenos.
Hoy nos vemos obligados a aceptar que una actitud totalmente objetiva no es
posible. Lo que sí es posible son las aproximaciones a los fenómenos9. Estamos
en capacidad de corregir y ampliar nuestros propios conocimientos acerca del
9. Esto nos lleva al tema de la forma en que representamos la realidad: los modelos.
El perfeccionamiento del modelo es el que permite incrementar el conocimiento del
fenómeno en estudio.
29
mundo. Según esto, la objetividad consistiría en un proceso de aproximación y

corrección cada vez mayor. Esta idea implica también un cambio en la noción
de “verdad”: en el conocimiento científico no habría verdad o falsedad, sino
aproximaciones a la verdad más adecuadas o correctas que otras. Así lo afirma
Capra (1999, p. 61):
Esto se puede ilustrar [...] con un simple experimento que se efectúa fre-
cuentemente en cursos introductorios de física. El profesor deja caer un
objeto desde una determinada altura y muestra a sus alumnos con una
simple fórmula de física newtoniana cómo calcular el tiempo que tarda el
objeto en llegar al suelo. Como en la mayoría de la física newtoniana, los cálculos
despreciarán la resistencia del aire y no serán por tanto exactos. Efectivamente,
si el objeto fuese una pluma de ave, el experimento simplemente no fun-
cionaría.
El profesor [...] puede avanzar un paso y tomar en consideración la resis-
tencia del aire, introduciendo más datos en la fórmula. El resultado –la
segunda aproximación– será más ajustado que el primero, pero no será
aún exacto, ya que la resistencia del aire depende de su temperatura y pre-
sión. El profesor [...] propondrá una nueva fórmula, mucho más compli-
cada, que tendrá en cuenta estas variables y dará como resultado una ter-
cera aproximación. No obstante, la resistencia del aire depende no sólo de
su temperatura y presión, sino también de la convección, es decir, de la
circulación de las partículas de aire a gran escala dentro de la habitación.
Los alumnos podrán observar que esta convección puede estar influida por
una ventana abierta, por sus patrones de respiración, etc. Llegado a este
punto, el profesor detendrá probablemente el proceso de mejora de las
aproximaciones por pasos sucesivos.
1.1.3 Método
La noción de método es otro de los criterios que pueden orientar una definición
de ciencia10. Hay muchos métodos pero no todos conducen a un conocimiento
científico. No es inútil decir que la cuestión del método para obtener cono-
cimiento objetivo no ha sido la misma en las distintas etapas históricas. La
concepción de lo que él debe ser en la investigación ha cambiado de acuerdo
con las diferentes concepciones sobre el universo y de las limitaciones que tales
concepciones han mostrado.
10. El concepto de método se considerará de nuevo en el capítulo 9.
30
Etimológicamente, método significa disponer de un camino para alcanzar

un determinado fin. Respecto al saber científico el método no es “natural”, es
decir, es necesario determinarlo a través de las reglas que el investigador va a
seguir para alcanzar el fin propuesto: ya sea que se trate de explicar un fenó-
meno o buscar la solución a un problema. Esto implica dos cosas: primero, la
investigación científica parte necesariamente de una situación problemática;
el investigador tiene más o menos una idea clara de lo que quiere conseguir y
para ello debe “planear” su investigación, debe considerar qué “caminos”, qué
métodos, va a seguir. Segundo, el tipo de problema o fenómeno que se trata
de solucionar, conocer o explicar determina la estructura del método, lo cual
significa que no existe un método universal y único para llevar a cabo investi-
gaciones de carácter científico (aunque los textos escolares de "metodología
de la investigación" así lo hagan parecer), pues los fenómenos susceptibles de
investigación científica son, como se recordará, diferentes. Sin embargo, des-
cubrir un método universal ha sido un ideal en las distintas épocas y tal vez
esta sea una de las razones por las cuales se presenten discusiones profundas
respecto a los procedimientos utilizados en la ciencia.
En el proceso del conocimiento de la naturaleza nuestro deseo es ir más allá
de los hechos observables: deseamos establecer reglas generales, conexiones
entre manifestaciones aparentemente aisladas, descubrir nuevos fenómenos no
visibles en forma inmediata. Esto se logra mediante el principio de causalidad:
“todo tiene una causa” o “no hay efecto sin causa”. Este principio (Kant supone
que es a priori) implica que A es una causa de B sí y sólo sí:
• A precede en el tiempo a B.
• Que siempre que suceda A sucede B.
• Y que A y B estén próximos en el tiempo y en el espacio.
Es importante aclarar que Aristóteles distinguía cuatro tipos de causas. Usare-
mos como ejemplo una estatua de Sócrates hecha en mármol. La causa material
(aquello de lo que está hecho algo: el mármol), la causa formal (aquello que un
objeto es: el filósofo Sócrates), la causa eficiente (aquello que ha producido ese
algo: el escultor) y la causa final (aquello para lo que existe ese algo, a lo cual
tiende o puede llegar a ser: el motivo de su existencia: por ejemplo, rendirle
tributo al filósofo). Como veremos luego, el énfasis en algunos de estos tipos
de causas ha generado diversos enfoques en el estudio de la naturaleza.
31
Para establecer un panorama general bajo un contexto único el hombre de

ciencia establece una teoría. Una teoría (científica) es un esquema conceptual
integrado que se propone para dar una explicación de ciertas manifestaciones.
Para ir corroborando este esquema, generalmente se recurre al experimento. A
través de él, las teorías se afinan y surgen nuevas preguntas y nuevos hechos.
Este proceso toma un tiempo hasta que es posible proponer un cuerpo de
doctrina coherente. Se habla entonces de la teoría de la mecánica clásica, de
la teoría de los compuestos químicos, de la teoría del inconsciente, la teoría
del estructuralismo en sociología…
Cuando Torricelli lanzó la hipótesis de que el aire ejercía una presión sobre
los cuerpos, la experiencia cotidiana parecía indicarnos lo contrario. Sin em-
bargo, un simple experimento puede corroborar esta hipótesis. En efecto, si
pesamos en una balanza que funcione correctamente, un globo de caucho o
cuero, y luego la llenamos de aire, veremos que en la segunda ocasión el peso
será mayor que en la primera, demostrando, de esta manera, que el aire pesa.
Este peso del aire ejerce, pues, una fuerza que a su vez es la causa de la presión
atmosférica. Torricelli logra explicar el porqué la altura de una columna de
mercurio contenida en un tubo cerrado en un extremo y en el cual el extremo
abierto está inmerso en una cubeta del mismo elemento, alcanza una altura
de 76 cm, altura independiente del diámetro del tubo; o porqué es difícil abrir
un recipiente en el cual se ha hecho el vacío11.
Como indicamos antes, el análisis y la síntesis, la inducción y la deducción
son procesos básicos para el desarrollo del conocimiento; el investigador
puede mezclarlos de acuerdo con las necesidades y exigencias que se vayan
dando en el transcurso de la investigación, generando así diversos “métodos
de investigación”.
Se podría decir que las características generales del proceder de la ciencia tienen
que ver con la observación, la experimentación, la explicación (deducción) y la
predicción. Pero son sólo eso, características que no implican propiamente el
uso de un método. Esta confusión se aclarará, específicamente, en el capítulo 9.
11. Para ampliar el tema del experimento de Torricelli ver el APÉNDICE literal A.1.3.
32
1.1.3.1 Inducción. Deducción

Por inducción entenderemos el procedimiento mediante el cual inferimos con-
clusiones generales a partir de situaciones particulares. Es ir de lo particular
a lo general. Por ejemplo, el hecho de observar que todos los días el sol sale
por el oriente y se oculta por el occidente y, según consta, ha sido así durante
muchos siglos, nos lleva a concluir que el sol sale por el oriente y se oculta
por el occidente, y así lo hará mañana. Debe quedar claro, que esta conclusión
no tiene un carácter de verdad de la misma fuerza que si demostráramos, a
partir de alguna teoría, que esto debe ser así. Para ser más precisos: el hecho
de que el sol haya estado saliendo por el oriente desde que la raza humana
tiene conciencia, no garantiza que saldrá por el oriente dentro de ocho mil
millones de años. De hecho, y de acuerdo con los conocimientos actuales no
lo hará pues se habrá extinguido.
Por el contrario, la deducción es un proceso a partir del cual se derivan
ciertos enunciados (conclusiones) a partir de otros enunciados (premisas)
de un modo puramente formal, es decir, regido por reglas de inferencia: los
llamados silogismos. Ellos nos permiten obtener conclusiones particulares a
partir de proposiciones generales: es un proceso que nos lleva de lo general a
lo particular. La afirmación: los números naturales son infinitos, nos lleva a
la conclusión lógica que los números pares (por ser números) son infinitos.
Podemos deducir que el sol saldrá mañana por el oriente basándonos en la
teoría heliocéntrica de nuestro sistema planetario, y por la forma como los
planetas giran alrededor del sol y algunos sobre ellos mismos. Además, en este
caso, podemos indicar cuáles son las condiciones para que tal fenómeno se
presente diariamente. Pero es necesario notar que, por su misma estructura,
el silogismo no añade ningún conocimiento nuevo; esto sólo se logra a través
de la inducción. Poincaré (1905, p. 2) nos dice:
El razonamiento por silogismos es incapaz de adicionar nada nuevo a los
datos que le dan origen; los datos son reducidos a axiomas, y esto es todo
lo que podemos encontrar en las conclusiones.
Para que un proceso deductivo pueda llevarse a cabo es necesario la creación

de un cálculo: reglas de manipulación de símbolos de tal forma que a cada
principio de deducción le corresponda una regla dada. El cálculo garantiza la
veracidad de las conclusiones que parten de premisas verdaderas. En el caso de
33
la matemática, las reglas del cálculo son abstractas y pertenecen al dominio de

la lógica simbólica. En las ciencias empíricas, por el contrario, existen aspectos
semánticos y sintácticos que deben ser tenidos en cuenta, como veremos mas
adelante. Escuchemos a Feynman (2010, p. 61) al respecto:
Me gustaría añadir algunas cosas de carácter algo más general a propósito
de la relación entre las matemáticas y la física. A los matemáticos sólo les
concierne la estructura del razonamiento, y les traen sin cuidado las cosas
de las que están hablando. Ni siquiera les hace falta saber de qué están
hablando ni, como ellos mismos afirman, si lo que dicen es cierto. […]. En
otras palabras, los matemáticos preparan razonamientos abstractos usables
si se dispone de un conjunto de axiomas sobre el mundo real. Pero para el
físico todas sus frases tienen significado. […] La física no es matemáticas,
y las matemáticas no son física. Se ayudan mutuamente, pero en física hay
que conocer la conexión de las palabras con el mundo real. Al final es
necesario traducir lo hallado al lenguaje coloquial, a los pedazos de cobre
y vidrio con los que uno va realizar experimentos. Sólo de esta manera es
posible saber si las consecuencias previstas son verdaderas. Ese no es un
problema matemático en absoluto.
[…] Es necesario por lo tanto, reducir los teoremas enunciados por los
matemáticos para cubrir un amplio abanico de problemas. Eso es muy útil,
aunque luego resulta que el pobre físico siempre tiene que volver al mate-
mático y decirle: “Perdóneme, pero aquello que quería usted decirme sobre
las cuatro dimensiones…”
1.1.3.2 El silogismo
Un excelente ejemplo de deducción es el silogismo. Un silogismo está com-
puesto por dos premisas (proposiciones) y una conclusión. Un silogismo
clásico es el siguiente:
Premisa 1: Si todos los hombres son mortales.
Premisa 2: y si todos los Europeos son hombres.
Conclusión: entonces todos los Europeos son mortales.
Si admitimos las premisas (premisa mayor y premisa menor), tenemos que

admitir la conclusión. Nada nuevo se ha agregado al conocimiento. Por esta
razón Poincaré hace hincapié en la importancia de la inducción (1905, p. 13).
34
Es más, sostiene que el fundamento de los conceptos matemáticos, el concepto

de número y de operaciones aritméticas es inductivo. Su razonamiento esen-
cial parte de que demostrado que un teorema es válido para el número n-1,
debe ser cierto para n, y como esto sigue así hasta el infinito, no es necesario
demostrar infinitos silogismos, sino que (Op. Cit. p.10):
[…] razonando por recurrencia, nos confinamos al enunciado del primer
silogismo menor, y a la fórmula que contiene como casos particulares todos
los silogismos mayores. Esta serie interminable de silogismos es reducida
entonces a una frase de pocas líneas.
Poincaré le da una gran trascendencia a la intuición como base del proceso

de razonamiento.
Hemos indicado en cursiva algunos elementos del silogismo anterior para
llamar la atención sobre un tipo de silogismo, muy citado en la literatura, que
no ha respetado la regla aristotélica indicada. Veamos un ejemplo clásico:
Premisa 1: Todos los hombres son mortales.
Premisa 2: Sócrates es un hombre,
Conclusión: entonces Sócrates es mortal.
¿Por qué aceptamos la premisa 1, “todos los hombres son mortales”, como
verdadera? Podría ser que en un futuro próximo pudiera existir un hombre
inmortal. Para aceptarla pudiéramos adoptar el siguiente procedimiento:
usaríamos como premisas evidencias que sean ciertas, y a partir de ellas ge-
neralizaríamos la proposición. Podríamos decir, por ejemplo:
Premisa 1´: todos los hombres nacidos antes de 1900 han muerto.
Premisa 2´: los hombres continúan muriéndose.
Conclusión: “razonablemente” todos los hombres son mortales.
“Razonablemente” significa aquí, una alta probabilidad a favor del hecho. Por
otra parte la verdad de estas premisas no implica la verdad de la conclusión.
Pero estos razonamientos son inductivos. La única forma de eliminarlos es
con el uso del condicional si y el cuantificador todos.
Muchas de las inferencias que hacemos en la vida diaria son de tipo inductivo.
Muy a menudo, no necesitamos evidencias deductivas. Nos contentamos con
aceptar la conclusión como “bien fundada”, como “más probable”. En este tipo
35
de razonamiento (razonamiento inductivo) no nos contradecimos si acepta-

mos las premisas y negamos la conclusión. No contradecirnos no implica que
tengamos razón. Un buen ejemplo de razonamiento inductivo puede ser a
partir del último silogismo propuesto.
¿Es, entonces, la deducción un proceso eminentemente tautológico? La deduc-
ción descubre verdades particulares de gran valor. Si bien es cierto que “la suma
de los ángulos internos de un triángulo suman 180º” es deducida de teoremas
y axiomas que le anteceden, no menos cierto es que no se trata de una verdad
evidente por sí misma. Debe ser descubierta, y demostrada.
En resumen. El razonamiento inductivo es de amplia utilización en la ciencia.
El científico emplea métodos inductivos, corazonadas e intuiciones para inves-
tigar el mundo que lo rodea, y proponer afirmaciones de carácter general. Pero
es la lógica deductiva la herramienta fundamental a la hora de proponer una
teoría. Sin embargo, debe quedar claro que la generalidad y veracidad de las
proposiciones que tienen la función de premisas están estrictamente ligadas al
proceso inductivo que les dio origen. Como indica Braithwaite (1965, p. 286):
En la inferencia inductiva […] no hay imposibilidad lógica de que las
premisas sean verdaderas y la conclusión inductiva sea falsa: las circuns-
tancias que hagan verdaderas a las premisas no están incluidas en las que
hagan verdadera a la conclusión; y, en realidad, cuando la inducción es la
inferencia de una generalización a partir de sus casos o ejemplos, o del
conjunto de las hipótesis de nivel supremo de una teoría científica a partir
de ejemplos o casos de las generalizaciones que constituyan las hipótesis
de nivel ínfimo de la misma, lo que ocurre es lo contrario: las premisas de
la inducción son las consecuencias lógicas de su conclusión […].
Una de la formas de comprobar la validez de una premisa en el conocimiento

científico, es el uso del experimento. Ello merece una consideración especial12.
1.1.3.3 La experimentación
Con lo expresado hasta ahora, existen áreas del conocimiento o del pensamiento
humano que podrían considerarse como científicas. La misma filosofía utiliza
procesos de razonamiento rigurosos, establece hipótesis, y obtiene conclusiones
12. Existen otras formas de razonamiento. Véase APÉNDICE literal A.1.4.
36
basadas en dicho razonamiento. Sin ninguna duda se puede aseverar que la

filosofía no pertenece a este tipo de conocimiento13.
Es importante aclarar la distinción que hacen algunos autores entre ciencias
empíricas y ciencias formales. Las primeras se refieren a hechos que afirman o
niegan algo acerca de lo que sucede en el mundo. Abarcan las ciencias naturales
(física, química, biología…) y las ciencias humanas (psicología, sociología,
antropología…). Las ciencias formales no se refieren a hechos sino a concep-
tos abstractos; serían la lógica y la matemática. En este texto consideraremos
como ciencia, únicamente las ciencias empíricas, debido a la importancia que
reviste la experimentación en el campo científico14.
Podemos centrar en Galileo el énfasis en la experimentación como una base
fundamental del conocimiento científico. El experimento es la ruptura en-
tre la ciencia antigua, Aristotélica, basada en aspectos cualitativos más que
cuantitativos, apriorística (basada en el razonamiento puro y en principios
preestablecidos e irrefutables) y la moderna, inductiva y experimental por la
que se establece una teoría, basada en observaciones cotidianas. Posterior-
mente se diseña un experimento que, de forma contundente, compruebe las
hipótesis propuestas. Una vez corroboradas éstas, la teoría toma más fuerza
para establecer nuevas proposiciones que amplíen el campo de explicación.
Podemos darnos cuenta de que Galileo centra sus estudios en las causas efi-
cientes, dejando de lado las causas finales.
Por ejemplo, él experimentó con diferentes planos inclinados, todos de la misma
altura, y con esferas de acero pulidas; al dejarlas rodar observó que en todos los
casos las esferas llegaban con la misma velocidad final (más exactamente con
igual rapidez), idéntica a la de la caída libre. Este experimento lo realizó para
comprobar su definición de aceleración. La figura 1.3 ilustra el experimento.
Pero no todo experimento es de carácter físico. El experimento mental ha
jugado a través de las historia de la ciencia un papel determinante. Un bello
ejemplo de este tipo de experimento lo da el mismo Galileo cuando refuta la
aseveración de Aristóteles respecto a que el tiempo que tarda un móvil más
pesado que otro en llegar al suelo cuando ambos se dejan caer desde la misma
altura, es menor en el más pesado que en el mas liviano.
13. Esta aseveración es moderna. Hasta hace relativamente poco se discutía si la fi-
losofía era una parte de la ciencia.
14. Consideramos La lógica y la matemática como herramientas fundamentales que
permiten, en muchos casos, la expresión de teorías de forma concisa y precisa.
37
𝑣𝑣𝑣𝑣1 𝑣𝑣𝑣𝑣2 𝑣𝑣𝑣𝑣3 𝑣𝑣𝑣𝑣

𝑣𝑣𝑣𝑣1 = 𝑣𝑣𝑣𝑣2 = 𝑣𝑣𝑣𝑣3 = ⋯ = 𝑣𝑣𝑣𝑣
Experimento de Galileo de los planos inclinados

Fig. 1.3
Aristóteles explica (1922, Libro I, Cap. 6, p. 273b)
Un peso determinado recorre una determinada distancia en un tiempo
dado; un peso más pesado se mueve la misma distancia en menos tiempo,
siendo éste inversamente proporcional al peso. Por ejemplo, si un peso es
doble, tardará la mitad de tiempo en recorrer la misma distancia.
Galileo indicó que si se tiene una piedra más pesada que otra, la primera, según
Aristóteles, llegará primero al suelo que la segunda, si ambas se sueltan desde
la misma altura. Ahora bien. Unamos ambas piedras mediante un pequeño
hilo. Según Aristóteles, esta nueva piedra, más pesada, debe caer en un tiempo
menor que cualquiera de las otras dos. Pero si lo pensamos bien, la piedra más
pequeña, deberá frenar la caída de las más grande (ya que tarda más en caer);
por otra parte la más grande forzará a la más pequeña a recorrer el espacio en
menor tiempo. Esto implica que la “nueva piedra” deberá tener un tiempo de
caída intermedio entre el tiempo más rápido de la más pesada y el más lento
de la más pequeña. La única forma de resolver esta contradicción es aceptar
que en todos los casos el tiempo de caída es el mismo15.
Realizar experimentos con el péndulo de Galileo nos parece fácil de imaginar:
cambiar la longitud de la cuerda, usar pesos diferentes, variar el ángulo inicial…
¿Y qué podemos decir con respecto a un experimento con un grupo familiar?
¿Cómo se puede experimentar en las ciencias humanas?
15. El tema sobre experimentos mentales se amplía en el APÉNDICE, literal A.1.5.
38
A. Comte fue un investigador que creyó firmemente en los preceptos utilizados

por la ciencia física. Estudió en detalle la manera cómo estos procedimientos
podían llevarse a cabo en el campo de la sociología, su principal área de estu-
dio. Para este filósofo de la Ciencia Social el procedimiento de investigación
debía basarse en la observación, la experimentación y la comparación (Reale
y Antiseri, 1999, Tomo 3, p. 274).
Según Comte, el método de las Ciencias Naturales (descubrimiento de leyes
causales y el control que ellas ejercen sobre los hechos) se debe aplicar a la
Ciencias Social. Él divide a la sociología en estática social y dinámica social. La
estática social estudia las condiciones que se manifiestan en todas las sociedades
de cualquier época: el hombre como ser social, la familia, la división del trabajo.
La dinámica social es el estudio de las leyes del desarrollo de la sociedad.
Comte basa todo su desarrollo filosófico en la ley de los tres estados, como una
ley necesaria en la evolución de la humanidad. El individuo, así como la especie
humana, pasa sucesivamente por tres fases diferentes, tres maneras de pensar
el mundo que se excluyen mutuamente: 1) el estado teológico o ficticio, donde
toda la base del pensamiento es la imaginación y está supeditado a seres so-
brenaturales; 2) el estado metafísico o abstracto, una modificación del primero,
en donde los agentes sobrenaturales son reemplazados por fuerzas abstractas,
“entidades” inherentes a los diversos seres del mundo cuya culminación es
la naturaleza, la fuente única de todos los fenómenos; 3) el estado positivo o
científico, “en donde renunciamos a conocer el absoluto, el origen y el destino
del universo, y donde toda explicación se reduce a los hechos y a las relaciones
necesarias entre ellos, a lo cual llamamos leyes” (Comte, 1980, p. 10).
En lo que respecta a las ciencias sociales, el trabajo científico comienza por la
observación de hechos, la cual debe realizarse bajo hipótesis o supuestos con
el fin de obtener leyes definitivas, tal como acontece en la física y la química.
En cuanto a la experimentación, hacía notar la gran diferencia entre expe-
rimentar en la física o la química, y en la fisiología y en la Ciencia Social.
La experimentación sólo es posible cuando el fenómeno se puede alterar y
controlar. Para el caso de la fisiología, indicaba que la experimentación debía
basarse en el estudio de los casos patológicos que alteran la conexión normal
de los acontecimientos. Para la sociología, la experimentación debía basarse
en la comparación o analogía: este procedimiento permite obtener semejanzas
y diferencias entre diversas sociedades en sus respectivas fases de desarrollo.
También caben aquí los recuentos históricos. Desde otra perspectiva, hombres
39
de ciencia de diferentes áreas tienen opiniones similares. Según Claude Ber-

nard, padre de la medicina experimental (Reale y Antiseri, Op. Cit, p.281-282):
No existe ninguna diferencia entre los métodos de investigación de la fi-
siología, la patología y la terapia. Siempre se trata del mismo método de
observación y de experimento, que se basa, en todos los casos, en los mis-
mos principios y que sólo varía en su aplicación, según la complejidad del
fenómeno.
[... ] El método experimental consiste en imponer una disciplina a la fan-
tasía: elimina las hipótesis que sean incapaces de descubrir, explicar y
prever un trozo o un aspecto del mundo real.
En el campo de la economía podemos citar con una posición similar a John

Stuart Mill, Adam Smith, David Ricardo, Jeremiah Bentham.
Es importante destacar la observación que hace Jared Diamond a este respecto
(2006-a, p.23):
¿Cómo estudiar científicamente la desaparición de las sociedades? Con
frecuencia se clasifica erróneamente a la ciencia como “el cuerpo del co-
nocimiento adquirido mediante la realización reiterada de experimentos
controlados en un laboratorio”. En realidad, la ciencia es algo mucho más
amplio: es la adquisición de conocimiento fiable sobre el mundo. En algu-
nos campos, como el de la química y la biología molecular, los experimen-
tos controlados reiterados en un laboratorio son factibles y ofrecen con
diferencia los medios más fiables para adquirir conocimiento.
[…] Normalmente no es factible, legal, ni ético obtener conocimiento
sobre aves exterminando o manipulando sus poblaciones de forma expe-
rimental en un lugar mientras se deja que las poblaciones intactas de otro
lugar operen como grupos de control. Tuve que utilizar otros métodos.
Problemas metodológicos similares afloran en muchas otras áreas de la
biología de poblaciones, así como en la astronomía, la epidemiología, la
geología, o la paleontología.
Una solución habitual consiste en aplicar lo que se denomina “método
comparativo” o del “experimento natural”; es decir, comparar situaciones
naturales que difieren en relación con la variable de interés.
El método comparativo consiste en estudiar un sistema considerando ciertas

variables de entrada y ciertas variables de salida, buscando relaciones causales
entre dichas variables mediante el uso de la estadística. Luego, cuando es po-
sible, se escoge otro sistema que sea similar y se efectúa un análisis parecido,
40
para deducir de allí, conclusiones generales con respecto a las relaciones entre
variables del fenómeno estudiado.
Jared va más allá (2011, p. 480-). ¿Cómo extraer principios generales del estu-
dio de la historia? Sin duda obtener estos principios a partir de observaciones
y experimentos en las ciencias físicas es mucho más sencillo. Pero no le va
mejor a otras ciencias reconocidas como tales: la astronomía, la climatología,
la ecología, la biología evolutiva, la geología y la paleontología. Nuestro autor
denomina “ciencias históricas” a aquellos conocimientos en los cuales la me-
todología, la causación, la predicción y la complejidad tienen características
comunes.
En cuanto a la metodología se ha destacado, en general, el experimento de
laboratorio lo que permite aislar, preparar, manipular y controlar parámetros
con el fin de comprobar resultados. Esto no opera así en la astronomía (por
ejemplo interrumpir la formación de galaxias), ni en climatología (iniciar y
poner fin a los huracanes y glaciaciones), ni en ecología evolutiva (exterminar
una especie o repetir la evolución de otra). Aquí la observación, la comparación
y los “experimentos naturales” –aquellos fenómenos que se dan en la naturaleza
y permiten sacar conclusiones generales, como las explosiones de las superno-
vas, los accidentes que causan traumatismos en el cerebro, el comportamiento
de comunidades aisladas por formaciones geográficas– son la sustancia misma
de la experimentación de las “ciencias históricas”.
Respecto a la predicción el principio de causalidad es la base de la inferencia de
leyes en la física y sus áreas afines. Este principio opera gracias a que en estas
ciencias las causas últimas, los propósitos y las funciones carecen de significa-
do. Pero estas características son fundamentales en las ciencias históricas. Así
el físico no le atribuye una finalidad o una función al choque de dos esferas
elásticas, ni le busca una causa final. Aunque puede ser importante conocer
cómo una especie ha desarrollado una garra específica, es más importante co-
nocer para qué ha servido este mecanismo, cuál es su función (¿mecanismo de
defensa para los predadores más cercanos?), y su causa final (¿ha garantizado
su supervivencia?). Recordemos a Aristóteles y sus cuatro causas. En el caso
de las sociedades, como veremos posteriormente en este texto, el concepto de
propósito es fundamental.
En las ciencias no históricas se puede predecir el comportamiento del sistema
con bastante precisión. En este sentido, las ciencias históricas parecen no “pasar
la prueba”: ellas aportan explicaciones a posteriori (crítica que Popper ha hecho
41
Cfr. numeral 1.4.1.4); las predicciones a priori son más difíciles. La razón es la
complejidad de estos sistemas en comparación con los de las ciencias clásicas.
Determinar a priori la forma en que una especie va a evolucionar, es impo-
sible. Esto se debe a que un pequeño cambio en el proceso puede modificar
sustancialmente la dirección del mismo. En este texto haremos referencia a esta
importante observación cuando estudiemos la teoría del caos. Sin embargo es
posible, bajo ciertas circunstancias, predecir algunos comportamientos sociales
gracias al método comparativo. Evidentemente es un proceso inductivo.
En este contexto el uso del computador como herramienta para simular fenó-
menos complejos presta una valiosa ayuda, tanto para "experimentar" como
para "predecir". Obviamente, tanto esta experimentación como esta predicción
tienen características y exigencias diferentes a las tradicionales de estos dos
conceptos. Incluso la experimentación como condición fundamental para el
desarrollo de una ciencia ya no es exigible. Estos asuntos se retomarán a lo
largo del texto.
1.2 Pensamiento lineal y sistémico

Como dijimos anteriormente, las relaciones lógicas entre los diferentes fenó-
menos se establecen al amparo del “principio de causalidad”, principio que,
según Kant, es un conocimiento a priori. La historia de este principio, como
tantas otras nociones surgidas a lo largo del pensamiento filosófico, ha sido
compleja. La causalidad implica, claro está, una relación de x a y permitiendo
explicar el porqué un cierto fenómeno se ha producido (principio de causalidad,
Cfr.. numeral 1.1.3). Así, pues, podemos entender la relación causal como la
ley o leyes que rigen acontecimientos de una misma especie (de ahí que exis-
tan distintas clases de leyes). Según el principio de causalidad que dominó el
largo período de la ciencia clásica, todos los fenómenos se suceden bajo una
relación estricta de causa-efecto. Y aunque hay varios tipos de nexo causal y
varios tipos de causas, baste aquí con lo siguiente: la causalidad indica una
relación secuencial (uno tras de otro) entre fenómenos que por su constancia
nos permite explicar la ley que los rige; es decir, ella me permite expresar la
regularidad de un conjunto de fenómenos o −como piensa Casirer− es “un
punto de vista” que permite al hombre de ciencia hablar de leyes; esto implica
una idea “determinista” o sea, el carácter inalterable de estas16.
16. Más detalle en el APÉNDICE literal A.1.6.
42
El principio de causalidad es entendido y aplicado tradicionalmente de ma-

nera “lineal”, es decir, que existe un principio y un fin en la cadena causal que
explica o determina una ley. Decimos que la luz del sol es la causa que produce
la fotosíntesis, el efecto; y la fotosíntesis es ahora la causa de que las plantas
produzcan alimento. Esto es lo que se conoce como pensamiento lineal. Sin
embargo, existe otra manera de entender y aplicar este mismo principio. Se trata
aquí de lo que se conoce como pensamiento no lineal o pensamiento sistémi-
co: una causa puede ser efecto de sí misma a través de una serie de relaciones
de causa-efecto con otros elementos. El primer tipo de pensamiento es el que
ha dominado la cultura occidental; es la herencia de la forma en que opera la
ciencia tradicional o analítica. El sistémico comienza a perfilarse como una
importante alternativa.
Como ejemplo de pensamiento lineal consideremos el caso de la fotosíntesis
mencionada anteriormente. La figura 1.4 ilustra esta forma de pensar.
Luz del sol → Fotosíntesis→ Alimento
Pensamiento lineal
Fig. 1.4
Sin embargo, esta misma situación puede enfocarse de una manera diferente
(ver figura 1.5).
Dióxido de
carbono y agua
Calor
Energía solar
Combustibles Respiración aeróbica
R
fósiles y degradación
Fotosíntesis
Glucosa y
oxígeno
Pensamiento sistémico
Fig 1.5
43
La energía solar produce la fotosíntesis, la cual a su vez produce glucosa y

oxígeno; estos dos elementos ocasionan, al mismo tiempo, respiración aeró-
bica y degradación. El proceso genera calor, que se disipa en el ambiente que
por su parte origina dióxido de carbono y agua, el cual es incrementado por
los combustibles fósiles. Dióxido de carbono, agua y energía solar reinician la
fotosíntesis. Nótese cómo el dióxido de carbono es, pues, causa y efecto debido
al camino circular que forma con la fotosíntesis, la producción de glucosa y
oxígeno y la respiración aeróbica. Esta formación de bucles o ciclos se conoce
como “retroalimentación” y es la característica básica de este tipo de relaciones.
Sin embargo, es necesario incluir otro concepto para poder estudiar la comple-
jidad con herramientas más poderosas: es el de relación (dependencia) lineal
y relación no lineal.
Matemáticamente, la linealidad implica la posibilidad de obtener una línea
recta cuando las causas y los efectos se relacionan. Supongamos que un obje-
to cuesta $2.000. Si queremos comprar 3 de ellos entonces deberemos pagar
$6.000, y 10 costarían $20.000. Eventualmente, 100 costarían $200.000. La
gráfica correspondiente se indica en la figura 1.6 con la línea continua.
Relaciones lineales y no lineales

Fig. 1.6
Pero es lógico pensar que si deseamos comprar más de 50 entonces se nos
ofrezca una rebaja. En concreto, nuestro vendedor estaría dispuesto a vender-
nos la unidad a $1800 en caso tal. ¿Pero y si deseamos comprar más de 100?
El precio unitario propuesto por el vendedor sería entonces de $1.600. Es la
curva indicada como no lineal.
44
Es posible tener pensamiento lineal con relaciones no lineales. Un ejemplo

sencillo es el anterior.
La estructura lineal la destaca la relación:
Cantidad comprada → Precio unitario de venta.
Los fenómenos complejos, en general, muestran estructuras retroalimentadas

con relaciones no lineales. El pensamiento o el enfoque sistémico mira más
hacia la estructura del sistema −a las interrelaciones entre las partes− que a los
simples hechos o al análisis de las implicaciones futuras de tales hechos. La no
linealidad será un tema recurrente a lo largo de este texto.
1.3 Ciencia privada. Ciencia pública

A la altura de esta reflexión el estudiante podrá preguntarse: entonces ¿qué es
la ciencia? Hasta aquí sólo nos hemos referido a algunos criterios que pueden
acercarnos a dicho concepto, criterios que, como bien puede verse, han cam-
biado en el transcurso del siglo XX.
Si no existe un método como tal, si no existen recetas seguras a seguir en
una investigación, ¿cómo determinar cuándo un conocimiento es científico
y cuándo no? Aquí señalaremos un criterio fundamental para responder a
esta pregunta. Se trata de la diferencia que hay entre ciencia privada y ciencia
pública (Holton, 1975, p. 279).
Podemos intentar ahora un resumen preliminar de los puntos principales
que hemos considerado hasta ahora. Podemos también considerar al cien-
tífico físico como un buscador de armonías y constancias en la jungla de
la experiencia. Tiende al conocimiento y predicción, principalmente por
el descubrimiento de leyes matemáticas. Sin embargo, estas contribuciones
individuales constituyen solamente una parte de la cuestión, pues el avan-
ce de la ciencia se realiza de dos modos: Uno de ellos, al que llamaremos
ciencia privada o ciencia-en-formación S1 comprende los elementos espe-
culativos y creativos, el continuo aflujo de las contribuciones individuales,
realizadas de un modo peculiar propio, sin un examen consciente de sus
métodos, con sus propias motivaciones, y desinteresadas quizá, a su vez,
45
de los grandes problemas filosóficos de la ciencia. Por el contrario, la cien-

cia pública ciencia-como-institución S2 es una síntesis en continuo creci-
miento de las contribuciones individuales que han demostrado su utilidad
y significado de generación en generación de científicos. Las tablas de
constantes físicas y químicas, las ecuaciones fundamentales de los tratados
y libros de texto, forman el núcleo del residuo S2, destilado de las conquis-
tas triunfales individuales S1, comprobadas una y otra vez por el múltiple
testimonio de la experiencia general.
El proceso del conocimiento científico no es un proceso con fases o pasos que

deban seguirse rígidamente. Tal idea es, tal vez, el más grave error que sobre este
tema se tiene. Se dice que existe un “método científico”, un método exclusivo
de la ciencia y que tradicionalmente se presenta en varias fases, la primera de
las cuales es la proposición de una (o varias) hipótesis; enseguida, el desarrollo
de una tesis, la comprobación y experimentación y, finalmente, la explicación
o predicción de nuevos sucesos no explicados o conocidos previamente.
El investigador no sólo lleva procesos que son analíticos y sintéticos, utilizando
la inducción o la deducción, sino que también puede mezclar los métodos de
acuerdo con las necesidades y exigencias que se vayan dando en el transcurso
de la investigación. Pero si bien la investigación debe ser planeada metodo-
lógicamente, en ella juegan un papel fundamental aspectos como la fantasía,
la creación, la intuición, el azar. El investigador debe ser altamente creativo
para formular hipótesis y teorías y abrir caminos que lo puedan conducir a su
verificación y que le permitan ir más allá de las apariencias; debe ser intuitivo
para considerar en sus observaciones variables que parecerían sin importan-
cia, porque aunque la investigación implica reglas de control de las distintas
situaciones que concurren en un fenómeno, este control no puede ser absoluto;
pueden darse situaciones inesperadas en las que el investigador puede cometer
errores en el proceso que podrían conducirlo felizmente a descubrimientos
que no eran predecibles o a otros errores y descubrimientos que cambiarían
el rumbo de su investigación.
También es importante no olvidar que los descubrimientos científicos van
directamente relacionados con los pensamientos religiosos y filosóficos de la
época. Como dice Koyré (1988, p. 4):
La influencia del pensamiento científico y de la visión del mundo que él
determina no está sólo presente en sistemas –tales como los de Descartes
o Leibniz– que abiertamente se apoyan en la ciencia, sino también en doc-
46
trinas –tales como las doctrinas místicas– aparentemente ajenas a toda

preocupación de este género. El pensamiento, cuando se formula como
sistema, implica una imagen, o mejor dicho, una concepción del mundo,
y se sitúa con relación a ella: la mística de Boehme es rigurosamente in-
comprensible sin la referencia a la nueva cosmología creada por Copérnico.
En la historia de la ciencia existen numerosos ejemplos de hombres de gran

creatividad que han manifestado cómo durante las primeras fases de su trabajo,
no existía una forma clara de poder expresar o proponer la investigación a
desarrollar. Era casi una intuición. Galileo intuyó que la aceleración uniforme
podía (y luego demostró que debía) definirse con base en incrementos iguales
de velocidad medidos en incrementos iguales de tiempo. Torricelli supuso que
el aire ejercía una presión sobre los cuerpos. Newton creyó que los cuerpos
caían debido a que las masas ejercen fuerzas de atracción entre sí. Einstein se
imaginó que la perspectiva del mundo observado desde un haz de luz debía
ser diferente a la perspectiva cotidiana. La propuesta de la doble hélice del
ADN por Watson y Crick surgió de una toma con rayos X de ADN cristalizado
realizada por Rosalind Franklin. En Gratzer (2002) hay una gran cantidad de
anécdotas relacionadas con este tema.
Lo anterior no debe conducirnos a pensar que estas primeras fases surgen de
una imaginación sin límites, sin ninguna base previa, teórica o experimental.
Todo lo contrario. Ellas ocurrieron en estas mentes privilegiadas porque,
aparte del don natural de su inteligencia, tenían profundos conocimientos de
desarrollos anteriores sobre los temas que estaban estudiando; conocían las difi-
cultades que estas teorías predecesoras habían encontrado para explicar ciertos
fenómenos (lo que se conoce con el nombre de “anomalías”). Una poderosa
combinación de inteligencia, perseverancia, suerte, intuición y conocimiento
son las que permiten que una teoría científica llegue a feliz término. Por otra
parte, la palabra suerte −o azar− quizás genere alguna inquietud. Cierta o
no, la caída de la manzana a partir de la cual atribuyen algunos historiadores
de la ciencia el inicio de la teoría de gravitación universal de Newton, es un
buen ejemplo de cómo sucesos fortuitos pueden desencadenar procesos in-
telectuales de gran envergadura. Todos hemos visto caer objetos. Pero fue a
Newton a quien este hecho llamó la atención y meditó sobre él. Arquímedes,
con su famoso “Eureka”, desencadenó todo un proceso que permitió explicar
científicamente que la corona del rey Hierón de Siracusa, no tenía el oro que
había sido entregado al orfebre y, además, el porqué y con qué fuerza, los
47
barcos flotan. Un accidente durante los experimentos de Röntgen permitió el

descubrimiento de los rayos X.
En los estudios actuales en neurociencia, se ha encontrado que una vez que
el cerebro ha sido utilizado concentradamente en una situación específica, el
dejar de pensar en ella permite que la llamada red neuronal por defecto que
está conformada por cerca del 90% de nuestro cerebro, opere en forma libre,
estableciendo conexiones que de otra manera no serían posibles, lográndose
así el "milagro" de las soluciones novedosas (Brafman & Pollack, 2014).
Pero esto no es suficiente para aceptar una teoría como científica. Podríamos
pensar que cosas similares ocurren en la quiromancia, la astrología y en otros
conocimientos que no son considerados como parte del ámbito científico.
Estamos hablando de la ciencia privada o ciencia en formación. Es el momen-
to del desarrollo y crecimiento; es el inicio de un embrión, vulnerable en su
forma pero potencialmente fuerte en sus posibilidades. Un roble, en su fase
inicial de crecimiento es débil; fácilmente podemos destruirlo. Pero si dejamos
pasar el tiempo y permitir que madure y se forme, entonces obtendremos un
árbol robusto, lleno de vigor. Igual el conocimiento científico. Por esta razón,
durante esta parte del proceso los científicos son muy cautelosos en dar a co-
nocer sus descubrimientos. Sólo aquellos que están íntimamente ligados a la
investigación en ciernes están al tanto de lo que ocurre. Pero es necesario llegar
a un estado en el cual el conocimiento pueda ser estructurado, un estado en
el cual una teoría permita englobar los hechos observados y los experimentos
realizados; es necesario pasar de la idea de que el aire ejerce presión sobre los
objetos en la tierra, a medir dicha presión, a predecir lo que pueda ocurrir, a
explicar el porqué la altura de la columna de mercurio no depende del área del
tubo, tal como lo hizo Torricelli17. Este aspecto es lo que se denomina “ciencia
como institución” o “ciencia pública”. Es la que se da a conocer a la comunidad
científica y a la humanidad en general.
¿Qué caracteriza a la ciencia como institución? ¿Cuáles son la exigencias que
se le hacen a una teoría para hacerla pública? Esto corresponde al tema sobre
la formalización de la ciencia, lo cual requiere algunos conceptos previos.
17. Recordamos de nuevo que en el APÉNDICE, numeral A.1.3 se analizó este ex-
perimento.
48
1.4. Resumen
En este capitulo hemos hecho una introducción intuitiva al concepto de
sistema,dejando para posteriores capítulos una definición mas exacta. Respecto
al concepto de ciencia, se ha enfatizado en la dificultad que implica ofrecer
una definición que satisfaga las condiciones que esta debe tener, a saber, iden-
tificar aquello que está incluido por ella y aquello que no. Sin embargo, hemos
adelantado criterios que sirven para estimar si un conocimiento puede ser
considerado científico, tales como qué es conocer, que tipos de conocimiento
existen, que se entiende por objeto, en que consiste la objetividad, que enten-
demos por método, por inducción y deducción, por experimento. Todavía
quedan algunos temas por tratar.
Se hizo referencia a la forma como, según E. Kant, nuestro cerebro logra
interpretar el mundo. Tres principios básicos rigen este proceso: causalidad,
espacialidad y temporalidad, principios que condicionan nuestra manera de
comprender los fenómenos que experimentamos.
Se precisan dos términos muy utilizados en la ciencia: objeto y objetividad.
Aquello que es susceptible de conocerse y lo que es observado sin injerencia
del observador.
Con respecto al método de investigación se aclaró que no existe un “método de
la ciencia” sino métodos o procedimientos que dependen del área que se esté
investigando destacándose el principio de causalidad como base fundamental
de nuestra comprensión del mundo.
Se analizó con cierta extensión la inducción, la deducción y el silogismo, he-
rramientas claves para un buen proceso investigativo.
Aunque más adelante se tratará de nuevo el tema bajo una perspectiva diferente,
se indicó que la experimentación es una de las características sin las cuales un
conocimiento difícilmente puede llamarse científico.
También hemos planteado una diferencia entre pensamiento lineal −el utili-
zado en la ciencia tradicional−, y el pensamiento no lineal o sistémico, mas
adecuado para comprender los fenómenos complejos de los cuales se ocupa
la Teoría General de Sistemas.
Finalmente, la distinción entre ciencia privada y ciencia publica permite com-
prender la forma como la investigación científica se lleva a cabo, separando el
49
proceso de desarrollo de la misma con la forma como estos deben ser publica-
dos ante la comunidad científica. En el siguiente capitulo complementaremos
este tema.
50
CAPÍTULO 2
LA CIENCIA COMO SISTEMA FORMAL
2.0 El concepto de formalización

Para que un conocimiento pueda considerarse como científico, es necesario
que sea sometido a reglas muy rigurosas. A esto se le conoce como formaliza-
ción del conocimiento científico. Para ello debemos primero conocer la manera
como la matemática ha formalizado (estructurado) sus teorías y luego cómo
estas han sido adaptadas a las ciencias naturales.
Dedicaremos este capítulo a la discusión de este importante tema y cómo varios
filósofos lo han analizado.
2.1 La formalización de la matemática

Las consideraciones que siguen son tomadas de la forma como el pensa-
miento matemático ha ido estructurando su saber. Se ha escogido este tipo
de pensamiento porque, sin duda, es el procedimiento más elaborado que ha
desarrollado el ser humano. Casi estaríamos tentados a hablar de “perfección”
si no fuera por la conclusión de Gödel cuando demostró, mediante el famoso
teorema que lleva su nombre, que la matemática no es coherente18.
Uno de los aspectos que distingue a las matemáticas es su carácter deductivo.
Es fácil recordar cómo en geometría se descubren nuevos teoremas (es decir,
nuevas propiedades) a partir de otros ya conocidos. Sin embargo, no es posible
que este procedimiento deductivo sea ad infinitum; en alguna parte debemos
iniciar el proceso sin exigirle a este comienzo ninguna deducción de premisas
o verdades anteriores. A estas proposiciones iniciales se las denomina axiomas
o postulados19. Como lo explicó Aristóteles las ciencias demostrativas deben
18. El teorema de Gödel establece que en un sistema deductivo es posible que existan
conclusiones (teoremas) pertenecientes al sistema y que no sean deducibles de los
principios (axiomas) de base.
19. Los axiomas son proposiciones que se consideran verdades generales que no
51
partir de principios indemostrables; de lo contrario, los pasos de la demos-

tración serían infinitos.
Ejemplos de axiomas son los siguientes:
• Si a cantidades iguales se agregan o quitan cantidades iguales, los resulta-
dos son iguales.
• Dos cantidades iguales a una tercera son iguales entre sí.
• Toda cantidad puede reemplazarse con su igual.
Ejemplos de postulados, en la geometría euclidiana, son los siguientes:
• Por dos puntos dados cualesquiera puede hacerse pasar una recta, y sólo
una.
• Toda recta puede prolongarse en ambos sentidos. El camino más corto
entre dos puntos es la recta que los une.
Los axiomas y postulados son el soporte de toda teoría matemática. A partir
de ellos, y utilizando un proceso lógico-deductivo, se obtienen afirmaciones o
proposiciones cuya verdad o falsedad dependen únicamente de este proceso.
Son los corolarios y teoremas.
Para que una teoría matemática sea una teoría formal es necesario, aparte de
disponer de un cuerpo axiomático, que posea un grupo de definiciones, de pro-
posiciones y de operaciones así como un proceso de razonamiento deductivo.
Consideremos el caso de las definiciones. Cualquier intento de definir una pa-
labra en el idioma español, utilizando sólo palabras de este idioma, termina en
un círculo vicioso. Si queremos definir la palabra “tierra” encontraríamos una
definición como: "planeta en el cual habitamos". Al buscar “planeta” hallamos:
"uno de los nueve cuerpos que forman nuestro sistema solar". Por su parte,
el “sistema solar” se define como “conjunto de planetas compuesto por el Sol,
Mercurio, Venus, la tierra, Marte, Júpiter, Urano, Neptuno y Plutón”. Volvemos
a la palabra “tierra” y dos veces encontramos la palabra “planeta”.
Las definiciones en matemáticas deben tener sentido y ser consistentes. Para
ello es necesario recurrir a una propuesta similar a la de los axiomas: una teo-
ría matemática debe disponer de un grupo pequeño de términos o conceptos
indefinibles, a partir de los cuales se pueden establecer definiciones. Así, en
necesitan demostración y que pueden utilizarse en cualquier campo del conocimien-
to. Los postulados son verdades relativas a un área específica del conocimiento.
52
geometría se toman como palabras indefinidas al punto y la línea. Con ellas

podemos definir “segmento de línea”: "porción de una línea contenida entre
dos puntos dados sobre ésta". Ejemplos de definiciones son:
• Un conjunto A es un subconjunto de un conjunto B si y sólo si cualquier
elemento de A es un elemento de B.
• Se dice que dos ángulos son adyacentes cuando tienen un mismo vértice
y un lado común, y son exteriores el uno al otro. (Esta definición supone
que “vértice” ha sido definido previamente).
• Un conjunto de números reales se dice que es un conjunto inductivo si
tiene las siguientes propiedades:
a) El número 1 es un conjunto.
b) Para todo x en el conjunto, x + 1 está también en el conjunto.
Además de los axiomas y de las definiciones, en matemáticas es necesario
establecer proposiciones. Éstas son frases a las cuales se les puede aplicar uno
y sólo uno de los términos verdadero o falso. Los términos proposición, ver-
dadero y falso son palabras indefinidas. Podemos decir que los axiomas y los
postulados son proposiciones. Ejemplos de ellas son:
• 7+5=12, (verdadera).
• Dos ángulos opuestos por el vértice son iguales (verdadera).
• El cuadrado de cualquier número entero es par (falsa).
Finalmente, es necesario establecer un conjunto de operaciones. En geometría,
por ejemplo, el desplazamiento y la superposición de figuras son dos operacio-
nes permitidas que no alteran las propiedades de las mismas. En la aritmética
la suma y el producto. En el cálculo diferencial, la derivada y la integral de
funciones.
Una vez establecida una teoría matemática, la solidez de su construcción puede
ser desmoronada por un único contraejemplo. Dijimos anteriormente que el
cuadrado de todo número entero es par. Aunque esto es cierto para 22 = 4 y
62 = 36, no lo es para 32 = 9 Esta proposición es por lo tanto, falsa. Más sutil es
la afirmación: el cuadrado de todo número entero par, es par. Podemos observar
que no importa el número par que propongamos, su cuadrado siempre será
par. Pero ésta no es una demostración aceptable en matemáticas. Para ello
debemos seguir un proceso lógico deductivo.
53
Demostración:
Un número par se puede representar (es decir, definirse) de la siguiente
manera: p = 2n siendo n cualquier número entero. El cuadrado de este
número es p2 = 4n2 = 2(2n2) que, por definición, es par, lo cual demuestra
el teorema.
La formalización se refiere fundamentalmente al lenguaje utilizado. Un lenguaje
que debe estar sometido a unas "reglas fijas de formación de expresiones y sig-
nificados". Es la estructura axiomática regida por un sistema lógico-deductivo
que, en principio, debe ser matemático.
Podríamos representar esquemáticamente el proceso de formalización de una
teoría matemática mediante el diagrama de la figura 2.120.
Axioma 1 Axioma 2 .... Axioma n
Lógica
deductiva
Teorema Teorema .... Teorema
Teorema Teorema Teorema Teorema
..................................................
Teorema Teorema Teorema Teorema Teorema
Formalización de la matemática
Sistema lógico deductivo
Fig. 2.1
Es importante aclarar que para aumentar el rigor y la precisión fue necesaria
una depuración del lenguaje de la matemática.
20.Este tema se ilustra con un ejemplo concreto en el APÉNDICE literal A.2.1.
54
2.1.1 Depuración del lenguaje matemático

A principios del siglo XIX grandes matemáticos intentaron sistematizar los
conceptos de función, límite, continuidad. También conceptos tales como
número natural, infinito, número real fueron analizados cuidadosamente,
pues se descubrieron algunas contradicciones o anomalías que intentaban
minar las bases mismas de la matemática. El edificio de la matemática se fue
construyendo espontáneamente pese a su aparente rigor.
Muchos de sus fundamentos descansaban en el lenguaje común, que, en oca-
siones, era riguroso y preciso, pero en otras era muy vago y confuso. La tarea de
subsanar esta falla fue enorme y estuvo en manos de los grandes matemáticos
del siglo XIX y del siglo XX.
Se hizo una importante distinción entre lenguaje objeto y metalenguaje. D.
Hilbert, uno de los pioneros en esta distinción, sostenía que la afirmación “la
aritmética no es contradictoria” era una afirmación no matemática; las discu-
siones sobre esta no-contradicción se desarrollan no en un plano matemático,
sino meta-matemático. Le correspondió a Carnap aclarar que la lengua-objeto
es la lengua que constituye el objeto de la investigación, mientras que el lenguaje
que utilizamos para hablar acerca de la lengua-objeto es el metalenguaje. Así, la
aseveración “para todo número real x, el cuadrado de x–3 es igual al cuadra-
do de x, menos seis veces el valor de x, mas nueve”, tiene una expresión en la
lengua-objeto de la matemática como sigue: {∀x, x∈ℛ, (x–3)2 = x2 – 6x + 9}. Sin
embargo, la afirmación: “la expresión anterior sirve para calcular fácilmente el
cuadrado de ciertos números, por ejemplo 97 = 100 – 3”, es una declaración
que no pertenece a la matemática; es un meta-lenguaje.
Se podría decir que la formalización de un lenguaje L (o de una teoría) equi-
vale a especificar mediante un metalenguaje L1 la estructura de L. Se especifica
mediante L1 la forma de las expresiones de L (Ferrater Mora, 1994, p. 1815).
2.2 La formalización en la ciencia

El gran desarrollo y rigurosidad alcanzados por la matemática, indujo a los
hombres de ciencia a intentar un procedimiento similar para la presentación
de las teorías científicas. Esta es la ciencia como institución o ciencia pública
a la que hemos hecho referencia. Es la exigencia que se le hace a toda teoría
55
que pretenda ser científica para tener carta de reconocimiento. Debe ser pre-
sentada mediante un proceso lógico-deductivo, con capacidad de predicción.
Mirado en detalle, parece una descripción de lo que algunos autores llaman
el método científico: hipótesis, conclusiones, predicciones. Pero no podemos
confundir el proceso de adquisición del conocimiento, que es lo que realmente
se hace en la ciencia, con la forma en que la comunidad científica exige que
deba presentarse.
Fue la física la que, desde sus comienzos y gracias al uso de la matemática
como su lenguaje, inició un proceso de formalización a la manera que hemos
descrito en este texto. Pero las dificultades encontradas en este proceso fueron
muy superiores a las halladas para el caso de la matemática. Por ejemplo, ¿qué
es un axioma en el caso de la física? No podemos afirmar aquí que el axioma es
una verdad indemostrable; no podemos proponer un axioma desligado de la
realidad (recordemos a Feynman numeral 1.1.3.1). En este aspecto los hombres
de ciencia han recurrido, en ocasiones, a hipótesis que no son posibles de negar
a la luz de la teoría expuesta. Un buen ejemplo es recordar cómo, a principios
del siglo XX, se postuló que la naturaleza estaba compuesta de átomos; sin
embargo estos jamás habían sido vistos. Actualmente ya el átomo no es una
mera hipótesis. La ciencia física se centra ahora en una nueva propuesta: el
universo está compuesto por cuerdas o por branas (espacios vibracionales) que
se encuentran en un espacio de dimensión diez u once, abandonándose así el
concepto de partícula. Otro ejemplo es la postulación del “gen” como elemento
transmisor de la herencia.
Podemos decir que existen dos tipos de hipótesis. Aquellas que son verificables
o refutables por la experiencia y otras que, sugeridas por la experiencia, son
valiosas a pesar de no poder ser verificadas o refutadas por ella. A estas últi-
mas Poincaré las denomina “principios”. Desde esta perspectiva lo teorizado
es un como si: la naturaleza es “como si” estuviera compuesta por cuerdas; la
herencia se trasmite “como si” existieran los genes. Se confía en estas hipótesis
en la medida en que las conclusiones que se obtienen de ellas, mediante un
sistema deductivo, explican la realidad observada (o al menos parte de ella).
Galison (2005, p. 298) hace la siguiente acotación frente a las discusiones entre
Poincaré y Einstein sobre el principio de relatividad, ante la pregunta de si los
principios son inevitables y necesarios o una mera conveniencia:
Para Poincaré, también, los principios se hacían probables por la experien-
cia, pero los principios eran precisamente lo que era conveniente; podían
56
mantenerse frente a la experiencia sólo a costa de inmensos inconvenien-

tes. “Los principios − había escrito Poincaré en La ciencia y la hipótesis− son
convenciones y definiciones disfrazadas”. Para Einstein, los principios eran
más que definiciones, eran pilares, soportes de la estructura del conoci-
miento. Y ello a pesar de la circunstancia de que nuestro conocimiento de
los principios nunca podía ser seguro; nuestro mantenimiento de ellos era
necesariamente provisional, solamente probable, nunca obligado por la
lógica o la experiencia.
Adicionalmente, la veracidad de una hipótesis escapa al hecho simple de

la aplicación de una tabla de verdad. Carnap identificó diferentes tipos de
proposiciones que dieron luz a esta dificultad: las tipo C, pertenecientes a la
axiomática y a las reglas de inferencia, las tipo L, pertenecientes al significado
(semántica) y las tipo F, pertenecientes a la verificación del hecho. De esta
manera, las proposiciones en matemática son del tipo C-verdaderas o C-falsas.
En cambio en las ciencias físicas no sólo la veracidad o falsedad son de tipo
C, sino que dependen también del significado y de la confirmación del hecho.
La proposición “los cuerpos en caída libre partiendo del reposo recorren un
espacio igual al cuadrado del tiempo transcurrido multiplicado por la cons-
tante de gravedad (h=1/2gt2)”,debe ser demostrada según reglas de inferencia,
estar acorde con una realidad −es decir, lo símbolos deben tener un significado
real− y debe, además, ser comprobada.
Con respecto a las definiciones la situación no es menos complicada. ¿Cómo de-
finir “puramente” masa, espacio, tiempo? En principio es posible considerarlos
como elementos no definibles. Pero a medida que la teoría se va desarrollando
no siempre es posible recurrir a este artificio.
En un intento de precisar el lenguaje se ha desarrollado la semiótica que es
el estudio de los signos (diagramas, palabras, ideogramas...)21. La semiótica
considera tres elementos básicos: el signo (S) como tal (vehículo sígnico), lo
designado (D: designatum) y la interpretación del signo (I). El signo @ por
ejemplo es interpretado por algunos como “arroba”; para otros es parte de una
dirección electrónica. En este caso S = @, D = “arroba” (25 libras) o "forma de
comunicarme con alguien", I = las interpretaciones que sugieren los signos:
medida de peso, sitio web.
Estos elementos pueden combinarse de diversa manera. Para los semiotistas hay
tres combinaciones que son de importancia para su estudio: la relación signo-
21. No existe una teoría unificada al respecto. Esta es una de las propuestas.
57
designatum que da origen a la semántica (ciencia del estudio del lenguaje que
se refiere a las relaciones de los signos con los objetos a los que son aplicables);
la relación signo-signo que da origen a la sintaxis (ciencia del lenguaje que se
refiere a las relaciones entre palabras, a la estructura gramatical de los arreglos
de los elementos del lenguaje); y, finalmente, la relación signo-intérprete que
da origen a la pragmática.
Para el estudio del lenguaje matemático son necesarias y suficientes consi-
deraciones de tipo sintáctico (que son fundamentales en la lógica); para el
lenguaje de la física son necesarias, además, consideraciones semánticas. Las
proposiciones tienen relación con la experiencia.
En su intento de seguir el camino de la formalización matemática, la física
encontró otro gran escollo. Si bien es cierto que en matemáticas un sólo con-
traejemplo es suficiente para invalidar toda una teoría, esto no es cierto en las
ciencias físicas. Si esto fuera así, no existiría ninguna teoría científica válida
en la actualidad. La teoría geocéntrica del universo, defendida por los griegos
y que fue válida hasta el siglo XVI, presentó contraejemplos (anomalías) que
fueron modificando el modelo propuesto hasta que finalmente cedió el paso
a la teoría heliocéntrica. Un caso interesante de este proceso es el retroceso en
la trayectoria de mercurio22. Durante su movimiento en el firmamento, este
planeta presenta una “irregularidad” debido a que, en ciertos períodos del año,
“se devuelve” en lugar de continuar su “trayectoria regular”. La figura 2.2 trata
de ilustrar esta situación.
Retroceso en el movimiento del planeta mercurio

Fig. 2.2
Este movimiento es inexplicable cuando las órbitas de los planetas son circula-
res. Como el sistema geocéntrico proponía a la tierra como centro del universo
y los demás planetas, incluyendo el sol, giraban alrededor de ella, Apolonio
propuso lo que llamó los “epiciclos”.
22. Sucede cada 116 días y dura alrededor de 23 días en cada caso. De hecho este
fenómeno de retroceso es observable en casi todos los planetas del sistema solar.
58
Esta teoría indicaba que Mercurio realmente no seguía un movimiento circular

alrededor de la tierra; giraba alrededor de un centro, el cual giraba alrededor
de la tierra. De esta manera surgía el movimiento observado. La figura 2.3
muestra la propuesta de Hiparco para los planetas que mostraban este com-
portamiento23.
Modelo geocéntrico de Hiparco

Fig. 2.3
De hecho, la refutación completa así como la prueba completa de la totalidad
de las hipótesis de una teoría científica no es posible. Lo que ocurre es que
ante la indiscutible evidencia de un gran número de contraejemplos, la teoría
es desechada, y esto sólo sucede si se tiene a mano otra teoría que pueda re-
emplazar convenientemente a la anterior.
Como lo dice Braithwaite (1965, p. 36):
23. Adaptado de J. Aguirre, A. Serrano, M.M. Hernán: Historia de la Astronomía.

http:/www.tallerdeastronomia.es/
59
En casi todos los sistemas es posible mantener cualquier hipótesis frente a

datos o testimonios aparentemente contradictorios a costa de modificar a
los demás.
El uso en la ciencia de la matemática como lenguaje y como herramienta

lógico-deductiva sin duda tenía grandes ventajas. Garantizaba que el proceso
de formalización de la ciencia pudiera acercarse al proceso de formalización de
la matemática. Pero, ¿por qué esta relación estrecha entre matemática y ciencia?
Hay una amplia discusión sobre la forma como la matemática ha desarro-
llado sus teorías. Una escuela, de fuerte influencia, sostiene que, en general,
la matemática está ligada a la experiencia. Así, la operación de contar y cal-
cular dio origen a la aritmética; la medición de las parcelas y la observación
de los astros dieron origen a la geometría; los problemas de la física y en
particular el movimiento de la luna alrededor de la tierra originó el cálculo
infinitesimal; el estudio de las formas de la naturaleza dio origen a la teoría
de fractales. Otra escuela aboga por un conocimiento matemático que pueda
en principio desligarse de este vínculo con la naturaleza; de otra manera no
se hubiera desarrollado la teoría de conjuntos, la teoría de matrices, el análisis
funcional. En estos casos es sabio tomar una posición intermedia aceptando
que, en ocasiones, hay una relación naturaleza-matemática y en otras no. Pero
cualquiera que sea la posición adoptada, sí es claro que en su formalización,
la matemática es abstracta. Nagel y Newman dicen al respecto (1970, p. 26):
La concepción de la matemática como “ciencia de la cantidad” es inade-
cuada e induce a confusión. La matemática es la disciplina por excelencia
que obtiene conclusiones necesarias a partir de cualquier conjunto de
axiomas (o postulados) y la validez de las inferencias obtenidas no depen-
de de ninguna interpretación particular que pueda atribuirse a los postu-
lados.
De esta forma, la matemática está siempre adelante. Se desarrollan teorías que

no necesariamente tienen una aplicación inmediata. Es en el futuro donde tal
aplicación se podría encontrar. La teoría de matrices por ejemplo, fue desarro-
llada para estudiar los sistemas de ecuaciones. Sin embargo, en la actualidad
su aplicación práctica es invaluable. Esta relación, matemática-realidad se
retomará más adelante.
Para el caso de las ciencias empíricas diremos que los axiomas se convierten
en hipótesis (propuestas) cuya validez es necesario demostrar. Estas hipótesis
60
científicas son proposiciones o leyes que deben ser sometidas a contrastación

mediante la experiencia, es decir, se debe corroborar si se trata o no de una
ley científica. Aquí, lo que constituye la experiencia son hechos que pueden
observarse bien sea en forma directa o por medio de aparatos, o mediante un
experimento mental. Estas realidades son relativas a los objetos materiales,
acontecimientos físicos, sensaciones y otras experiencias.
Incluso en la matemática, la posición moderna llama la atención sobre el carác-
ter de verdad evidente o autoevidente fuera de toda discusión de los axiomas o
postulados. El desarrollo de las geometrías no Euclidianas surgió de la puesta
en duda del quinto postulado de Euclides: “Por un punto exterior a una recta,
sólo es posible trazar una recta que no corte a la primera”. Sin embargo, desde
un punto de vista teórico, podemos asegurar que el postulado es válido dentro
de la geometría plana, aunque no lo sea para las geometrías de Riemann y Lo-
bachevsky24. Este tipo de posición no es aceptable en una teoría científica. Las
hipótesis, en fin de cuentas, no son otra cosa que puntos de partida, comienzos
de un proceso de razonamiento. William Whewell lo dice así:
Las leyes y teorías científicas no son más que hipótesis inventadas por
mentes humanas creativas, hipótesis que había que someter después a la
prueba de los hechos.
R. Feynman (2010, Op. Cit. p.54) lo expresa de esta manera:

En física poseemos [estos] vastos principios que abarcan diferentes leyes y
cuya derivación no conviene tomar demasiado al pie de la letra, porque si
creemos que un principio es válido solamente si lo es el precedente no
seremos capaces de entender las interconexiones entre las diferentes ramas
de la física. Algún día, cuando la física esté completa y conozcamos todas
sus leyes, quizá podamos partir de ciertos axiomas y de ahí deducir todo
el resto. Pero mientras no conozcamos todas las leyes, podemos valernos
de algunas de ellas para especular sobre teoremas que no podemos demos-
trar. Para comprender la física hay que mantener un adecuado equilibrio
y tener en la cabeza las distintas proposiciones y sus interrelaciones, porque
las leyes a menudo tienen implicaciones que van más allá de lo deducible.
Esto sólo dejará de tener importancia cuando se conozcan todas las leyes.
Finalmente, sobre el uso de la matemática como el lenguaje de la ciencia,

hagamos la siguiente acotación. Tal y como lo anotamos anteriormente, Ca-
24. Véase una ampliación del tema en el APÉNDICE, literal A.2.2.
61
pra & Luisi (2014, p. 2) con respecto al concepto de ciencia comentan que si
bien la observación requiere de comprobación empírica, lo que implica el
experimento, esto no siempre es cierto, como en el caso de la astronomía o la
paleontología; que aunque el lenguaje matemático donde sea posible debe ser
usado para interconectar los datos de manera coherente, sin contradicciones
internas, esto no es siempre posible, especialmente en las ciencias sociales, en
donde este intento es problemático debido a lo restrictivo que es dicho len-
guaje, perdiendo así su utilidad. Por estas razones, en las últimas décadas ni
la formulación matemática ni los resultados cuantitativos son componentes
esenciales del llamado "método científico".
Antes de continuar con nuestra discusión, ilustraremos lo aquí expresado con
un ejemplo de la biología.
2.2.1 Ejemplo en biología: leyes de la herencia

El siguiente ejemplo no obedece estrictamente a la manera como Mendel
dio a conocer la teoría sobre las leyes de la herencia. Sin embargo, sirve para
mostrar cómo, implícitamente, existe un procedimiento científico alrededor
de dicho tema.
La teoría de la pangénesis25 sostenía que la herencia se transmitía por la mezcla
de fluidos corporales producidos por los padres, y que una vez mezclados
estos no se podían separar. Fruto de esta idea es la creencia de que la heren-
cia biológica se transmite por la sangre. Expresiones como “hijos de la misma
sangre”, “hermanos de sangre”, “sangre real” etcétera corroboran esta teoría.
Podríamos entonces formalizarla de la siguiente manera:
Observación: los hijos se parecen a sus padres no sólo físicamente sino en
ciertas actitudes y aptitudes.
Hipótesis: la herencia se transmite por la sangre.
Corroboración (fase experimental): Los hijos poseen características interme-
dias con respecto a las características de sus progenitores. Por ejemplo, si el
25. Teoría defendida por Anaxágoras, Demócrito y los tratados hipocráticos según
la cual cada órgano y estructura del cuerpo producía pequeños sedimentos llamados
gémulas, que por vía sanguínea llegaban a los gametos. El individuo se formaría
gracias a la fusión de las gémulas de las células (Wikipedia).
62
padre es alto y la madre baja, el hijo tiene una estatura entre estas dos;Las
familias de genios (Los Bach, Los Strauss, los Huxley...).
Anomalías: Hijos más parecidos a los abuelos que a lo padres. Hermanos
muy diferentes entre sí.
A pesar de los muchos ejemplos en contra de esta teoría y al no existir otra
que pudiera reemplazarla, ella predominó por muchos siglos, y aún hoy es
aceptada en la cultura popular.
La teoría de Mendel. Este investigador propuso que la herencia era transmi-
tida por “caracteres”. Podríamos proponer las siguientes hipótesis utilizando
el lenguaje moderno de la genética26:
Hipótesis 1: La herencia se transmite mediante una “unidad de la herencia”:
el gen.
Hipótesis 2: Cada individuo posee múltiples genes, uno por cada característica.
Hipótesis 3: Existen genes dominantes y genes recesivos.
Corolario: Un individuo se caracteriza por la fórmula (Aa, Bb, Cc, ... ) en
donde A es el gen dominante y a el gen recesivo, correspondientes a una ca-
racterística dada.
Definiciones:
Una raza es pura si siempre transmite el mismo tipo de gen (bien dominante,
bien recesivo).
Reglas de operación:
• Un híbrido transmite tanto genes dominantes como recesivos.
• Los genes se combinan entre sí, independientemente.
“Teorema” 1:
La primera generación de razas puras sólo presentan las características domi-
nantes de los progenitores.
Demostración:
Sea un padre de raza pura, de gen dominante A, y una madre, de raza pura, de
gen recesivo b. Las fórmulas son: Padre (A, A) y madre (b, b) (por el corolario).
26. Mendel llamó a las características fenotípicas, “caracteres” (el gen actual), y “ele-
mento” a las entidades hereditarias separadas.
63
Las combinaciones posibles, de acuerdo a las reglas de operación son:
A b
Hijos: (A, b), (A, b), (A, b), (A, b).
A b
Es decir todos tienen la característica A como dominante.

Esta generación ya no es pura: es híbrida.
“Teorema” 2:
Los hijos de razas híbridas transmiten el gen dominante en la relación 3:1.
Demostración:
De acuerdo con las reglas de operación, las combinaciones posibles de un
padre (A,b) y una madre (A,b) son:
A A
Hijos: (A,A), (A,b), (b,A), (b,b).
b b
El gen dominante está en tres de los cuatro casos. El modelo explica:

• La semejanza en algunos rasgos entre padres e hijos.
• La semejanza en algunos rasgos entre nietos y abuelos.
• La enorme diversidad de las características de los seres vivos.
Esta teoría explica los mismos hechos que la de la sangre y, a su vez, resuelve
las anomalías encontradas en la primera; por esta razón, la reemplaza. Aquí
sólo hemos indicado una pequeña parte de ella con un ejemplo muy sencillo:
dos genes. A medida que el número de genes crece, la matemática utilizada
es más compleja.
La tabla de la figura 2.4 muestra la variedad entre híbridos, de acuerdo con el
número de genes diferentes que pueda tener cada padre27.
Es bueno aclarar que los últimos avances en biología sobre genética molecular
han creado herramientas poderosas para la compresión y manejo de la herencia.
No obstante la teoría de soporte sigue siendo el modelo de Mendel.
27. El número de genes del ser humano es aproximadamente de 25.000.
64
Genes diferentes Variedad entre híbridos

1 2
2 4
3 8
… ...
20 > 1 millón
30 > mil millones
Número de genes y su variedad

Fig. 2.4
A la luz de la teoría moderna podemos decir que la “Genética Mendeliana”
se ocupa de marcadores fenotípicos o morfológicos (genotipo y ambiente).
La “Genética molecular” se ocupa de marcadores moleculares: miden las di-
ferencias entre individuos de una población con base en el ADN, diferencias
sólo entre los genotipos, con exclusión del ambiente.
Sea esta la oportunidad de enfatizar entre la diferencia de un enfoque lineal,
y uno no lineal.
A mediados del siglo pasado, la interpretación del gen era lineal. Siguiendo a
Capra & Luisi podríamos resumirla como sigue.
Los constituyentes esenciales de las células vivas son las proteínas y los ácidos
nucleicos (ADN, ARN). las células contienen unos agentes llamados enzimas
que catalizan reacciones químicas específicas. Las reacciones fundamentales
son las mismas para cualquier organismo vivo. Pauling, Watson, Crick logran
descubrir la estructura del ADN, el material genético en los cromosomas. Las
funciones fundamentales del ADN son la autorreplicación y la síntesis de las
proteínas. Se descubre cómo la información genética está codificada, con las
mismas sustancias químicas, en los cromosomas.
Lo anterior lleva a un determinismo genético: El gen determina los rasgos bio-
lógicos y el comportamiento.
La “ecuación” lineal se ilustra en la figura 2.5.
En la actualidad esta interpretación se considera muy simplista. "Ya no somos
nuestros genes".
65
Gen → especifica la enzima → cataliza el proceso
ADN → ARN → proteínas (enzimas) → rasgos biológicos
Determinismo genético: del ADN a los

rasgos biológicos
Fig. 2.5
Si bien un sólo gen puede "expresar" (inducir la síntesis de) una proteína, cual-
quier función compleja está determinada por un gran número de proteínas, por
lo que es necesario considerar una red de genes y proteínas, interconectadas
entre sí. Por otra parte hay cambios hereditarios en la función de los genes
que pueden ocurrir sin modificación alguna de la secuencia del ADN de los
mismos. Es el campo de la epigenética (M. Mitchel, 2009, p. 275).
Sin profundizar más, la propuesta actual de cómo funciona la relación entre
organismos y genes toma una estructura no lineal. La figura 2.6 da una idea
al respecto.
organismo
órganos
Los niveles superiores
disparan señales
celulares tejidos
células
Los niveles superiores
controlan la expresión de
mecanismos sub- los genes
celulares
trayectorias
proteínas
La maquinaria proteica
lee los genes genes
No linealidad de las relaciones gen-organismo

Fig. 2.6
66
2.2.2 Ejemplos en las ciencias humanas

Como complemento del tema, indicaremos algunos ejemplos de hipótesis en
ciencias humanas.
I En 1798 Thomas R. Malthus, economista Inglés, publicó el libro Ensayo sobre
el principio de la población (1998, reimpresión). Él estableció tres hipótesis:
• El alimento es necesario para la vida del hombre.
• La pasión entre los sexos es indispensable y se mantendrá siempre apro-
ximadamente tal como es en la actualidad.
• La naturaleza es escasa y restringe el crecimiento.
Las hipótesis 1 y 2 implican crecimiento. El crecimiento de la población es

infinitamente superior al poder de la tierra para producir alimentos: él obede-
ce a una progresión geométrica, mientras que la capacidad de la tierra a una
progresión aritmética.
La conclusión es clara: llegará un momento en el cual la humanidad no podrá
disponer de alimento para su subsistencia. Su teoría ha creado mucha discu-
sión. La humanidad, a través de la revolución verde, ha podido incrementar la
producción de alimentos en gran medida; por otro lado, la tasa de crecimiento
poblacional ha decrecido. Sin embargo, en la actualidad se observa la escasez
de alimentos en muchas poblaciones del planeta. El crecimiento poblacional
ha sobrepasado la capacidad de producción de alimentos tal y como Malthus
lo había predicho. En el numeral 5.3.1 se estudian con cierto detalle estos tipos
de crecimiento.
II David Ricardo postuló en el campo de la economía (Reale y Antiseri, 1999,

p. 284):
• Únicamente el trabajo manual es productivo, ya que crea bienes materiales

que poseen un valor objetivo intercambiable.
• Los científicos, los políticos, los gobernantes, los profesores, en definitiva,
todos los productores de bienes inmateriales, “quae tangere non possumus”,
sólo colaboran indirectamente en la formación de la riqueza nacional, por
lo cual la riqueza de una nación será tanto más grande cuanto menor sea
el mundo de los ociosos.
67
• Se alcanza la cumbre de la sabiduría cuando el Estado, dejando libre a

cada individuo para que consiga el máximo de bienestar personal, asegure
automáticamente el máximo bienestar a todos los individuos.
Estas hipótesis sostuvieron por cerca de 150 años la teoría económica del
mundo occidental. John F. Nash rebatió la tercera hipótesis reformulando la
teoría económica, por lo cual logró el premio Nobel de economía (compartido)
en el año de 1994.
III En el campo del derecho, Cesar Lombroso sostenía que (hipótesis):
• Los criminales no delinquen por un acto consciente y libre de voluntad

perversa, sino porque tienen tendencias perversas, tendencias cuyo origen
está en una organización física y psíquica diferente a la normal”.
De aquí se desglosa toda una teoría sobre el castigo: el derecho de la sociedad

a castigar a los delincuentes no se basa en la responsabilidad o maldad del
delincuente, sino en el hecho de que éste es peligroso para la sociedad; la ley
le restringe las opciones para cometer el delito. Esto implicaría un tratamiento
físico y educativo del delincuente muy diferente a la forma como se hace en la
actualidad en muchos países.
¿Qué podríamos decir de la formalización en las Ciencias Humanas? Aquí
la exigencia de un lenguaje con "reglas fijas de formación de expresiones y
significados" parece imposible. El lenguaje matemático no es, por lo menos
hasta la fecha, adecuado para tal ideal.
Se ha propuesto una formalización basada, no en el lenguaje de la matemática
tradicional, sino en la simulación. A este respecto Gilbert & Troitzsch (2005,
p. 5) comentan:
La matemática ha sido utilizada a veces como un medio de formalización
en las Ciencias Sociales, pero esto no ha tenido gran acogida salvo, quizás,
en algunas partes de la econometría. Hay varias razones de porqué la si-
mulación es más apropiada que la matemática, para esta tarea (1966, Taber
y Timpone). En primer lugar, los lenguajes de programación son más ex-
presivos y menos abstractos que la mayoría de las técnicas matemáticas,
por lo menos para aquellas accesibles a los no especialistas. En segundo
lugar, los programas manejan mucho más fácilmente los procesos en pa-
ralelo y los procesos que no tienen un orden bien definido en sus acciones,
68
que los sistemas basados en ecuaciones matemáticas. En tercer lugar, los

programas son (o pueden hacerse fácilmente) modulares, de tal manera
que si se hacen cambios mayores en una parte, no es necesario modificar
otras partes del programa; los sistemas matemáticos a menudo no poseen
esta modularidad. Finalmente, es fácil construir sistemas de simulación
que poseen agentes heterogéneos −por ejemplo, simular personas con di-
ferentes perspectivas de su mundo social, diferentes niveles de conocimien-
tos, diferentes competencias y aptitudes etc.− mientras que esto es gene-
ralmente difícil de hacer utilizando matemáticas.
2.3 Una clasificación de las ciencias

Otro criterio que nos puede ayudar para la definición provisional de ciencia,
es el de su clasificación. Este tema se relaciona con lo expuesto más atrás sobre
los tipos de conocimiento. Si no podemos decir qué es la ciencia, sí podemos
decir que existen algunas áreas que no lo son. Por ejemplo, la religión y el
arte son dos esferas fundamentales de la vida humana que no se encuentra
en el ámbito científico, pues éste es tal porque se refiere a cosas o fenómenos
particulares, objetivos, para describirlos, explicarlos, comprenderlos y además
predecir nuevos comportamientos a través de métodos empíricos de los cuales
se obtienen conclusiones que pueden ser replicadas por cualquiera que siga
dichos procedimientos. En el caso de la religión, ésta se encuentra en el plano
de la espiritualidad humana, de la creencia y la fe y su aceptación o no depende
de que se crea o no en sus dogmas. Por ejemplo, la gravedad es, primero, un
fenómeno natural y, segundo, responde a una ley que puede ser verificada.
Dios no es un fenómeno natural. A él se accede por creencia y fe: no podemos
establecer una ley natural de la cual se pueda inferir que Dios no existe. Algo
semejante sucede con el arte, la magia o el misticismo: ninguna de éstas puede
ser sometida a condiciones de experimentación y verificación objetivas.
Teniendo en cuenta lo anterior, recordemos las distintas clases de objetos y
fenómenos: hay objetos y fenómenos de existencia real, hay objetos ideales
y objetos y fenómenos culturales. Según esto, podemos hablar de ciencias
naturales y ciencias humanas. Los objetos y fenómenos de las primeras son,
obviamente, objetos y acontecimientos de existencia real, como por ejemplo,
los eventos que ocurren en la materia y que son estudiados por la física, o las
transformaciones, reacciones y combinaciones de las sustancias que son ob-
69
jeto de estudio de la química. Los objetos y fenómenos de los que se ocupan

las segundas, son también de existencia real, pero circunscritos al fenómeno
humano. Así la psiquis y el comportamiento son estudiados por la psicología.
El hombre en su condición tanto natural como social es el objeto de estudio
de la antropología. Las ciencias humanas, pues, comparten las características
fundamentales de las ciencias naturales: se ocupan de fenómenos cognoscibles;
utilizan la observación controlada y una cierta experimentación; pueden des-
cribir y explicar fenómenos y buscar soluciones a fenómenos problemáticos.
En conclusión, tanto a las ciencias naturales como a las humanas las podemos
denominar ciencias empíricas.
¿Y la filosofía? Ella es un caso especial dentro de las distintas ramas del saber.
La filosofía no puede ser entendida, claro está, como una ciencia en el sen-
tido que hemos estado hablando aquí, aunque desde su nacimiento hasta la
revolución científica ciencia y filosofía eran una sola cosa. A los naturalistas
se les llamaba “filósofos naturales” y a la ciencia “filosofía natural”. La palabra
"Ciencia" fue tomada del latín "Scientia" que significa conocimiento. Cualquier
conocimiento razonado era calificado como "ciencia". Recordemos en la Biblia
cuando se previene a Adán de no comer del árbol que permite distinguir entre
la "ciencia del bien y del mal".
A partir de la revolución científica, el saber se fue “especializando”; los distintos
objetos de estudio empezaron a aislarse para su mejor conocimiento. Así na-
cieron las distintas ciencias: la física, la química, la medicina, la psicología, etc.
Sólo a partir de 1834, como indica Gould (2010, p. 246), el término "Scientist"
(científico) –acuñado por William Whewell (1794-1866)– entra en escena para
designar a la persona que practicaba lo que se denomina hoy como "método
científico" (en ciernes, por esta época). Desde entonces, la filosofía no tiene un
objeto de estudio definido, (como lo son las transformaciones moleculares de
la materia, por ejemplo); puede ocuparse de fenómenos muy diversos e incluso
de aquellos que no tienen una existencia real; de ahí que ella pueda dividirse
en varias ramas. Así, tenemos la filosofía moral y política, la filosofía del arte,
la filosofía de la existencia, etc. Se puede afirmar que la filosofía está ubicada
allí donde la ciencia encuentra su límite: en la metafísica, entendiendo por
esta, y desde la perspectiva kantiana, el estudio de los aspectos de la realidad
que son inaccesibles a la investigación científica; en otras palabras, aquello que
por principio escapa a toda posibilidad de ser experimentados sensiblemente.
Es la cosa-en-sí, es un objeto no fenoménico que pertenece a una intuición
intelectual, no a una intuición sensible.
70
Ahondando un poco más en el tema, una de las tareas de la filosofía en el

campo de la ciencia es considerar los conceptos que ésta utiliza y analizarlos
con el fin de tratar de delimitar su significado exacto y sus mutuas relaciones.
Como bien lo dice C.D. Broad (1963, p. 18):
Repetimos que esta tarea de esclarecer el significado y determinar las re-
laciones de los conceptos fundamentales no la realiza en absoluto ninguna
otra ciencia. La Química utiliza la noción de Substancia, la geometría la de
Espacio y la Mecánica la del Movimiento. Mas presuponen que uno ya sabe
lo que significa substancia, espacio y movimiento. Así actúan de manera
vaga y no se preocupan de penetrar, más de lo que requieren sus propios
objetivos especiales, en el significado y relaciones de estos conceptos como
tales. Naturalmente, las ciencias especiales esclarecen en cierta medida el
significado de los conceptos que utilizan. Un químico, con la distinción
que hace entre los elementos y los cuerpos compuestos, y con las leyes de
combinación que utiliza, tiene una idea mucho más clara de lo que es la
substancia que un simple lego. Sin embargo, las ciencias especiales sólo
discuten el significado de sus conceptos en la medida que esto es necesario
para sus propios propósitos. Para ellas aquella discusión es incidental,
mientras para la Filosofía es esencial, ya que trata tales cuestiones en be-
neficio de las mismas.
Este tipo de análisis corresponde a una rama de la filosofía que se conoce

como “Filosofía de la ciencia”. Ella se ocupa de reflexionar acerca de algunos
problemas conceptuales que la ciencia presenta tales como su naturaleza, los
criterios de verdad de una teoría, los métodos, la relación ética-investigación
científica, etc. En este proceso la experimentación no tiene cabida ya que sería
completamente inútil. “Ningún experimento esclarecerá las ideas respecto al
significado de proceso en general y substancia en general” (Broad, Op. Cit.
p.20). Los experimentos se basan en suposiciones que la filosofía debe escla-
recer. Sin embargo, como puede observarse, muchos de los resultados de la
ciencia se convierten en contenido para la filosofía con el fin de reflexionar
sobre el mundo.
Actualmente en el campo de la filosofía de la ciencia se destacan dos vertientes:
una que se ocupa de la filosofía general de las ciencias y otra que se conoce como
filosofía de las ciencias especiales. La primera trata de asuntos relacionados con
la explicación científica, la inducción y deducción, los aspectos de la inferen-
cia probabilística, la causalidad, el realismo científico y la metafísica de las
ciencias, el progreso científico, el reduccionismo y la emergencia sistémica; la
71
segunda, de problemas filosóficos de la lógica, de las matemáticas, de la física,

de la biología, de la medicina, de las ciencias sociales, de la economía, de las
ciencias cognitivas, de la lingüística (A. Barberousse et al, 2011).
Como puede deducirse de lo hasta ahora discutido, nuestro pensamiento está
regido por la necesidad de encontrar explicaciones nuevas basadas en conceptos
ya conocidos. En la lógica matemática, esta secuencia se interrumpe con el
concepto de axioma y postulado. Ya no es necesario ir más allá. La veracidad
del inicio está asegurada. Pero ¿qué ocurre con la ciencia? Si el conocimiento
del mundo se fundamentara sólo en el conocimiento empírico, cada principio,
cada inicio de una cadena de explicaciones requeriría de una justificación em-
pírica, haciendo la cadena interminable. El asunto se resuelve con principios
metafísicos. Recordemos que "Físis" (φΰσις) significa "naturaleza", el mundo
que nos rodea, el mundo sensible. Por su parte, "Metafísis" (μετά τά φΰσικά)
es "lo que está más allá de la naturaleza". De esta manera, los conocimientos
científicos descansan en principios metafísicos, que son fundamentales como
elemento de partida del pensamiento científico.
Skyttner nos da una idea al respecto. He aquí algunos de estos principios:
• La Naturaleza es predecible, y no reservada, está al alcance del conocimien-
to humano y está gobernada por leyes universales por lo que una teoría
basada en un universo caótico es impensable.
• Las leyes son de distinto alcance: unas universales, otras circunscritas a
nuestro planeta.
• La Naturaleza es computacionalmente reversible: pasado y futuro están a
nuestro alcance cognitivo.
• Los experimentos siempre arrojan los mismos resultados, independientes
del tiempo y el lugar, si se respetan las condiciones bajo las cuales fueron
diseñados. Las mismas reglas de la creación del universo son aplicables
para la explicación de la mente humana (principio de congruencia). La
Naturaleza es ciega, no tiene metas o propósitos. Esto le da sentido al
experimento en el laboratorio.
Para nuestra discusión, llamaremos “ciencia” únicamente a las ciencias empíri-
cas (las ciencias de la naturaleza y las ciencias del hombre como lo indicamos
anteriormente), excluyendo de tal clasificación a la filosofía, la matemática, la
religión y el arte. La función primordial de la ciencia es el establecimiento de
leyes generales de los fenómenos empíricos de los que se ocupa, a la manera
72
como Auguste Comte la definió. En las ciencias que tienen un desarrollo muy
elevado (por ejemplo la física), las leyes forman jerarquías que permiten esta-
blecer esquemas lógico-deductivos. En su estado inicial una ciencia establece
leyes que son generalizaciones clasificatorias como, por ejemplo, en el caso de
la biología cuando se dice que las ballenas son mamíferos, lo cual permite la
generalización de una cualidad común a las ballenas y que las diferencia del
resto de habitantes del mar.
Podemos asegurar que en la actualidad la clasificación de las ciencias es cada
vez menos tajante. En realidad, la nueva manera de investigar hoy el mundo, ha
obligado a pensadores, científicos, tecnólogos y filósofos a renunciar a la idea
de clasificaciones tan rígidas. La realidad se muestra hoy de una complejidad
tal, que es necesario estudiar los distintos problemas y fenómenos teniendo en
cuenta sus interrelaciones con otros. A manera de ilustración, podemos pensar
en los problemas ambientales que vive la totalidad del planeta. Estos problemas
no pueden estudiarse desde una sola perspectiva. Un problema como el de la
contaminación de los ríos no puede solucionarse solamente con la intervención
de los expertos en química porque en él influyen además factores económicos,
políticos y culturales que deben tenerse en cuenta cuando del estudio y la so-
lución se trata. Actualmente se habla de biofísica, mecatrónica y astrofísica, así
como de bioingeniería, bioinformática, redes neuronales, neuroeconomía etc.
Esto nos muestra que las fronteras entre las distintas ciencias se hacen cada
vez más difusas y que las clasificaciones esquemáticas hoy, son anacrónicas.
En conclusión, hasta finales del siglo XIX la ciencia estaba dividida en varias ra-
mas debido a la especialización que requirieron los distintos objetos de estudio.
Esta tendencia no fue exclusiva de la ciencia; situación igual se presentó en la
ingeniería, las artes, la medicina, las humanidades. En este período el método
tuvo un carácter reduccionista, es decir, de explicación por partes, el cual se
mostró insuficiente durante las primeras décadas del siglo XX. Los científicos
se vieron en la necesidad de cambiar su concepción acerca del mundo y de
buscar métodos más interdisciplinarios que dieran cuenta de la complejidad
de los fenómenos, de sus distintas interrelaciones y de la responsabilidad hu-
mana en ellos. Así nace la cibernética, la Teoría de la Información, el Análisis
de Sistemas, la Teoría General de Sistemas y la Teoría de la Complejidad.
Estas dos últimas intentan, desde diferentes perspectivas, encarar los sistemas
complejos. Es por esta razón que para fines metodológicos la Teoría General
de Sistemas (T.G.S.) tiene en cuenta otra forma de clasificación de las cien-
73
cias, más general y por ello mismo más flexible: se trata de las ciencias duras
(ciencias naturales) y las ciencias blandas (las ciencias humanas)28.
Junto a esta clasificación se desarrolló el concepto de interdisciplina, a lo cual
nos referiremos en el siguiente capítulo. G. Klir (1985, p. 6) ha propuesto el
siguiente esquema que permite diferenciar lo que es un “conocimiento verti-
cal”, identificado por disciplinas, y uno “transversal” que correspondería a la
interdisciplina (ver figura 2.7).
Por lo expuesto hasta aquí, la definición de “ciencia” no es una tarea fácil.
No poseemos herramientas que nos permitan asegurar de una manera rigurosa
e inequívoca si en un momento una teoría pertenece o no al campo de la
ciencia. En este sentido, la comunidad científica es bastante conservadora. Se
puede negar la validez de una teoría ya que esto no compromete en mucho
el que ella llegue después a ser considerada como tal, pero no es fácil aceptar
desde sus comienzos el carácter científico de un conocimiento. Éste será re-
conocido por la misma comunidad científica después de cuidadosos análisis.
2.4 ¿Qué entendemos, entonces,

por ciencia?
Hay un grupo de filósofos modernos que se han ocupado del tema. Entre ellos
vale la pena destacar a Karl Popper, Thomas Khun y Paul Feyerabend
2.4.1 La ciencia en K. Popper

La idea de ciencia, en Popper, está determinada por algunos conceptos como
los de falsación (por oposición al de verificación) y de deducción, por opo-
sición al de inducción. Se trata de demarcar, es decir de diferenciar lo que es
ciencia de lo que no lo es. Para ello, Popper adelanta una crítica al principio
de inducción como procedimiento científico: no podemos aceptar principios
generales, a partir de casos particulares, tal como lo han admitido muchos
28. Respecto a esta división, Husserl propone el mundo de la ciencia Natural objeti-
va y el de la ciencia natural subjetiva. El primero se encarga de estudiar el mundo de
la experiencia externa y el segundo cobija el de la interna. Husserl incluye en esta
segunda división a la psicología; la desliga de su vínculo biológico o psicologismo.
(J.M. López: Husserl y la psicología. Texto de circulación interna U.T.P.).
74
Investigación
Ciencias Ingenierías Otras áreas Interface
sistemas generales
Física
Biología
Ciencias
Eléctrica
políticas
Medicina
Mecánica
Musicología
Abstracción
Ciencia de los Sistemas
←
→ Sistemas
físicos
sociales
médicos
Sistemas
Sistemas
Sistemas
Sistemas
Sistemas
Sistemas
Sistemas
musicales
eléctricos
biológicos
mecánicos
Ejemplificación generales
Problemas de la Problemas de la Problemas otras

ciencia ingeniería áreas
Clasificación por propiedades estructurales relacionales
Clasificación de los sistemas desde el punto

de vista de los fenómenos estudiados
Dos formas de clasificar las ciencias

Fig. 2.7
75
teóricos de la ciencia. Es importante anotar que este principio se basa en la

uniformidad de la naturaleza: el curso de la naturaleza es uniforme (el Universo
está gobernado por leyes; el futuro se asemeja al pasado)29. De acuerdo con esto
el principio de inducción puede conducirnos a la obtención de una conclusión
general de alta probabilidad: si el sol sale todos los días por oriente, y así ha
sido por milenios,se puede asegurar que existe una alta probabilidad que el
sol salga mañana por el oriente. Para nuestro crítico, se trata de la inducción
por repetición y enumeración: observaciones repetidas, pueden asentar una
generalización que ha sido propuesta por una teoría. Así, “la lógica del des-
cubrimiento científico sería idéntica a la lógica inductiva, es decir, al análisis
lógico de procesos inductivos” (Popper, 1968 p.27).
¿Por qué este tipo de inducción no tiene validez? Porque ninguna cantidad de
observaciones puede fundamentar de manera segura una generalización, ya
que podría presentarse una sola observación contraria a las que se ha hecho.
Famoso es, en este caso el ejemplo de los cisnes: ningún número de observa-
ciones de cisnes blancos podrá establecer que todos lo sean, o que sea míni-
ma la probabilidad de encontrar uno que no sea blanco30. Por otra parte los
conceptos en que se fundamenta la observación, están influidos por la teoría
que los contienen. C. A. Pickover (2009, p. 36) establece el siguiente esquema
del desarrollo del conocimiento científico. El procedimiento es claramente
inductivo (figura 2.8).
Pero la crítica a la inducción hecha por Popper se extiende también a la in-
ducción por eliminación. Se trata aquí de la idea de que eliminando las teorías
falsas, podría imponerse, al fin, la verdadera. El principal argumento en contra,
es, por un lado, que el número de teorías es infinito, y por otro, que el número
de soluciones “lógicamente posibles” para cada problema, también lo es.
A partir de esta crítica podemos ver hacia donde se dirige Popper con el criterio
de falsación. Este criterio, que básicamente es uno de demarcación, nos afirma
que una teoría para ser científica debe ser falsable, esto es, que debe ser posible
demostrar que está equivocada. En este sentido, no se trata únicamente de su
verificación; en realidad la falsación es un concepto opuesto al de verificación.
La falsación no busca hechos y predicciones que verifiquen o confirmen la
29. Este axioma no soporta un análisis lógico, pues es circular; inducciones particu-
lares justifican la inducción, la cual a su vez justifica las inducciones particulares: “El
fuego quema” porque siempre quema.
30. Por ello causó tanta sensación el descubrimiento, en Australia, de cisnes negros.
(Cygnus Atratus).
76
Observaciones/Hechos
↓
Hipótesis
↓
Experimentos
↓
Leyes
↓
Teoría
Proceso de la formación de una teoría

Fig. 2.8
teoría, sino hechos que la desmientan o predicciones que no se cumplan.
¿Cómo se corrobora entonces una teoría? Cuando todos los esfuerzos por
falsarla ¡fracasen!
El principio de falsación, contrario al de inducción, tiene un soporte lógico.
Si bien no podemos aceptar como propuesta teórica la repetición observada
de hechos experimentales, sí podemos rechazar, a partir de una observación
contraria, una propuesta teórica. A. F. Chalmers (2009, p. 61) comenta:
Hé aquí algunos ejemplos de afirmaciones simples que son falsables en el
sentido deseado:
1. Los miércoles nunca llueve.
2. Todas las sustancias se dilatan al ser calentadas.
3. Los objetos pesados, como por ejemplo un ladrillo, caen directamente
hacia abajo al ser arrojados cerca de la superficie de la tierra si no hay algo
que lo impida.
4. Cuando un rayo de luz se refleja en un espejo plano, el ángulo de inci-
dencia es igual al ángulo de reflexión.
La observación (1) es falsable porque se puede falsar al observar que llue-
ve un miércoles. La afirmación (2) es falsable; se puede falsar mediante un
enunciado observacional en el sentido de que una sustancia x no se dilató
al ser calentada en el tiempo t. El agua cerca de su punto de congelación
servirá para falsar (2). Tanto (1) como (2) son falsables y falsas. Por lo que
sé, las afirmaciones (3) y (4) pueden ser verdaderas. Sin embargo son fal-
sables en el sentido deseado. Lógicamente es posible que el siguiente ladri-
llo que se arroje “caiga” hacia arriba. No hay ninguna contradicción lógica
77
implícita en la afirmación “El ladrillo cayó hacia arriba al ser arrojado”

aunque puede ser que la observación nunca justifique semejante enuncia-
do. La observación (4) es falsable porque se puede concebir que un rayo
de luz que incida sobre un espejo formando un ángulo oblicuo pueda ser
reflejado en dirección perpendicular al espejo. Esto no sucederá nunca si
la ley de reflexión resulta ser verdadera, pero si no fuera así, no habría
ninguna contradicción lógica. Tanto (3) como (4) pueden ser falsables,
aunque puedan ser verdaderas.
A renglón seguido, Chalmer nos ilustra con ejemplos de afirmaciones que no

son falsables:
• “O llueve o no llueve” no es falsable porque no puede refutarse lógicamente
a partir de una observación.
• El siguiente ejemplo es sacado de un horóscopo: “Es posible tener suerte en
la especulación deportiva”. La frase es válida tanto si se apuesta, como si no.
¿Qué es, pues, la ciencia para Popper? Podríamos decir que la ciencia busca la
verdad, pero ésta no se predica de los hechos sino de las teorías. Lo anterior
significa que una teoría será verdadera cuando se corresponda con los hechos,
de tal manera que la ciencia busca teorías cada vez más cercanas a la verdad. Sin
embargo ¿qué es la verdad? No existe un criterio para determinar con absoluta
seguridad la verdad de una teoría (¡incluso si la encontráramos!). De ahí que
Popper afirme que la verdad es más bien un “ideal regulador”. De esta manera,
la ciencia consiste en un proceso de aproximación “eliminando los errores de
las teorías precedentes, y sustituyéndolas por teorías más verosímiles” (Reale
y Antiseri, 1999, Tomo 3, p.896).
La actividad del científico debe consistir en una permanente falsación de
sus teorías y no simplemente en su verificación y ajuste de anomalías del
paradigma vigente, lo cual conduce a la rutina, a la ineficacia y, en últimas,
al estancamiento de la ciencia. Por paradigma se entiende la teoría que es
considerada confiable hasta ese momento. La ciencia es, pues, la búsqueda de
nuevos paradigmas (rupturas epistemológicas, las denomina Bachelard) y no el
ajuste, ante las anomalías no explicadas, de una teoría vigente. Es dudoso que
en la práctica, esto sea lo que hacen los hombres de ciencia. No es fácil tratar
de falsar su propia teoría, aunque sí es común falsar las teorías de científicos
rivales (Sokal, 2010, p. 240-).
78
Sokal (Op. Cit. p. 247-248), criticando a Popper, específicamente en su intento

de establecer unas reglas generales del proceder científico, escribe:
Sin duda, la epistemología de Popper contiene algunas ideas válidas: el
acento en la falsabilidad y la falsación es saludable, siempre y cuando no
se lleve al extremo (por ejemplo, la refutación absoluta de la inducción).
En concreto, si se comparan materias tan radicalmente diferentes como la
astronomía y la astrología, hasta cierto punto resulta útil usar los criterios
popperianos. Pero no tiene sentido pedir que las pseudociencias sigan
normas estrictas que ni siquiera los científicos cumplen al pie de la letra.
2.4.2 Los conceptos de T. Kuhn

Por su parte Kuhn, partiendo de la historia de la ciencia como elemento clave
para la comprensión del desarrollo, justificación y validación de las teorías
científicas, propone su concepción a través de las nociones de ciencia normal
y ciencia extraordinaria ambas articuladas a la de paradigma (Kuhn, 1975).
De acuerdo con este filósofo, la comunidad científica es la que se crea alre-
dedor de una teoría que es la dominante (un paradigma), al interior de la
cual los miembros de dicha comunidad desarrollan sus investigaciones. Esto
es lo que Kuhn llama ciencia normal. Los investigadores determinan cuáles
son los problemas más significativos para el paradigma, llevando a cabo una
permanente confrontación entre el paradigma y los hechos, ampliando su
ámbito de dominio. Es decir, la ciencia normal supone una continua solución
de rompecabezas para así mantener la vigencia de la teoría. Cuando no se
encuentran soluciones a ciertas anomalías, no es la teoría la que es puesta en
duda, sino el investigador. A medida que el campo de aplicación de la teoría se
extiende, surgen anomalías que ya no pueden explicarse por el paradigma, y
éste entra en crisis. Aparece así el concepto de ciencia extraordinaria. Se trata
de un período en el cual la teoría vigente es puesta en tela de juicio; y en el
proceso de crítica y búsqueda se origina una revolución científica que da lugar
al nuevo paradigma. Sobre la base de este nuevo modelo se iniciará, otra vez,
el período de ciencia normal.
En estas revoluciones hay pues, un cambio de visión de mundo. Sin embargo,
los paradigmas en oposición permanecen vigentes simultáneamente durante
cierto tiempo. Así aconteció con las teorías de Ptolomeo y Copérnico respecto
79
a nuestro sistema planetario y con las de Newton y Einstein en lo referente a

la concepción de la mecánica.
Es importante resaltar que un paradigma no refleja únicamente conceptos y
técnicas, sino también valores. El investigador no sólo es responsable inte-
lectualmente sino moralmente. Esta observación de Kuhn pone en cintura a
aquellos que han intentado separar la acción investigativa de las consecuencias
que esta pueda traer.
Las anomalías pueden considerarse falsaciones pero no en la forma radical
que propone Popper, ya que, a su vez, estas falsaciones son condiciones para
la aparición de nuevas teorías que las eliminan.
Tenemos pues, una diferencia de conceptos: Popper aboga por la revolución
permanente como lo distintivo de la ciencia, mientras que Kuhn la distingue
fundamentalmente por su fase de normalidad.
Es importante resaltar que ambos autores, pese a las diferencias, coinciden en
varios puntos de interés para la ciencia. Kuhn lo ve de esta manera:
En casi todas las ocasiones en que Sir Karl y yo nos dirigimos explícita-
mente al mismo problema, sus puntos de vista acerca de la ciencia y los
míos son muy aproximadamente idénticos […] Ambos rechazamos el
punto de vista de que la ciencia progresa por acumulación; en lugar de ello
ambos ponemos el énfasis en el proceso revolucionario mediante el que
una vieja teoría es rechazada y sustituida por una nueva, incompatible con
ella, y ambos subrayamos con fuerza el papel en que en este proceso juega
el eventual fracaso de la vieja teoría en hacer frente a los desafíos que le
dirigen la lógica, la experimentación o la observación. Por último, Sir Karl
y yo estamos unidos en oposición a algunas de las tesis más características
del positivismo clásico […]; y los dos insistimos en que los científicos
pueden con toda propiedad tratar de inventar teorías que expliquen los
fenómenos observados y lo hagan en términos de objetos reales, cualquie-
ra que sea el significado que esta última frase pueda tener. (Lakatos &
Musgrave, 1975, p.81).
2.4.3 P. K. Feyerabend y el método

A su vez Feyerabend considera el proceso del desarrollo científico por encima
de su estructura. Igual que Kuhn, destaca la importancia de la historia de la
80
ciencia como herramienta fundamental para la filosofía y comprensión del

quehacer científico.
Feyerabend habla de una “teoría anárquica del conocimiento”. Señala la impo-
sibilidad de que un número dado de reglas pueda ser capaz de explicar todas
las interacciones que surgen en el proceso histórico de la ciencia. Tales reglas
deberían llevarnos como de la mano, evitando caer en errores. Sin embargo, el
error debe ser parte del proceso científico. Debemos aprender a reconocerlo y
a convivir con él y utilizarlo para mejorar la teoría. Anota Feyerabend (1975,
p. 15):
La idea de un método que contenga principios científicos, inalterables y
absolutamente obligatorios que rijan los asuntos científicos entra en difi-
cultades al ser confrontada con los resultados de la investigación histórica.
En este momento nos encontramos con que no hay una sola regla, por
plausible que sea, ni por firmemente basada en la epistemología que venga,
que no sea infringida en una ocasión o en otra. Llega a ser evidente que
tales infracciones no ocurren accidentalmente, que no son el resultado de
un conocimiento insuficiente o de una falta de atención que pudiera ha-
berse evitado. Por el contrario, vemos que son necesarias para el progreso.
Verdaderamente, uno de los hechos que más llama la atención en las re-
cientes discusiones en historia y filosofía de la ciencia es la toma de con-
ciencia de que desarrollos tales como la revolución copernicana o el sur-
gimiento del atomismo en la antigüedad y en el pasado reciente (teoría
cinética, teoría de la dispersión, esteroquímica, teoría cuántica) o la emer-
gencia gradual de la teoría ondulatoria de la luz ocurrieron bien porque
algunos pesadores “decidieron” no ligarse a ciertas reglas metodológicas
“obvias”, bien porque las “violaron involuntariamente”.
Este autor considera que tal práctica liberal, no es meramente un hecho de la

historia de la ciencia, sino que es una necesidad para el desarrollo del cono-
cimiento.
Esta libertad debe ser amplia. Hay que bajar a la ciencia y a la razón del pedestal
en que han sido puestas. Este privilegio ha inmovilizado los impulsos creadores
del ser humano. Ninguna teoría debe ser considerada como privilegiada. De-
bemos apostarle al pluralismo, a las alternativas, y por sobre todo, a la libertad.
Los mitos y la metafísica son alternativas para la ciencia y pueden proporcionar
un conocimiento que no esté contenido o aún sea negado por ella.
81
2.5 Consideraciones finales

Podríamos intentar entonces una síntesis y definir ciencia como el conoci-
miento adquirido a través de un proceso basado en un razonamiento bien
sea de tipo inductivo o deductivo; debe ser lo más objetivo posible. En su
fase más elaborada debe ser expuesto a la comunidad internacional en forma
de un esquema formal, en lo posible deductivo, soportado por resultados
experimentales. La teoría en cuestión no sólo debe explicar un amplio rango
de fenómenos típicos de su interés, sino de predecir otros fenómenos no ob-
servados directamente. Tales comprobaciones deben poder ser realizadas por
cualquier persona que conozca la teoría y disponga de los experimentos en las
situaciones descritas por la misma. Si tal predicción no es posible (recordar
el capítulo anterior) debe al menos explicar coherentemente los fenómenos
observados. El lenguaje utilizado debe ser de la mayor precisión posible, siendo
el ideal el lenguaje matemático.
Pero si estuviéramos obligados a dar una definición “concisa”, deberíamos decir
que ciencia es lo que aceptan como tal los hombres de ciencia. En el fondo,
ellos deciden cuándo una teoría puede considerarse o no como científica. La
historia de la ciencia está llena de ejemplos pertinentes a este respecto.
En forma coloquial, Bly (2010, p. xii) nos dice lo que es ser un científico:
... porque alguna vez todos hemos sido científicos. [...] Si Ud. desea cono-
cer cómo vuela una mariposa, Ud. la examina. Observa que tiene alas: dos
delanteras, dos posteriores, cada par adherido a diferentes partes del cuer-
po. Una hormiga no tiene alas, y un escarabajo parece no tener ninguna...
pero las tiene, ocultas bajo una caparazón dura. Si Ud. quiere aprender
más, Ud. consulta un libro de biología. Comienza a adicionar información,
a observar con más cuidado, haciendo hipótesis más sustanciosas, y reali-
zando experimentos. Y Ud. lo hace porque quiere hacerlo, porque comien-
za a sentir que es extremadamente gratificante. Y cuando Ud. empieza a
comprender algo, y a realizar conexiones, viendo relaciones y dependencias,
y a aplicar estos conocimientos... entonces un circuito de vehículos comien-
za a parecerse a una horda de hormigas en busca de comida.
Terminemos este capítulo con la acotación de Brigman (1950, p. 301):
82
No existe un método científico como tal, pero la característica más vital de

todo procedimiento científico ha sido siempre realizarlo con toda la po-
tencia de la mente, sin poner barreras. Esto significa que no deben existir
privilegios especiales acordados por la autoridad o la tradición, que se ha
de tener especial cuidado en evitar los prejuicios personales y las predilec-
ciones, que continuamente ha de comprobarse si se está cometiendo algún
error, y que debe seguirse cualquier línea de investigación que parezca
prometedora. Todas estas reglas son aplicables a cualquier situación de la
que se quiera obtener una respuesta adecuada y no son sino manifestacio-
nes de inteligencia.
2.6 Resumen
El capítulo se inicia con el concepto de formalización de la matemática, ya que

esta posee un procedimiento razonado para justificar conclusiones verdaderas
a partir de premisas verdaderas: los axiomas y los postulados. Mediante el
silogismo se garantiza la verdad o falsedad de una proposición. Sin embargo,
es necesario hacer énfasis en el hecho de que un contraejemplo derriba com-
pletamente todo el sistema formal que haya sido propuesto. En este mismo
sentido, se destacó la importancia de la depuración del lenguaje matemático
al separar el lenguaje objeto del metalenguaje.
La ciencia clásica intentó reproducir este procedimiento, pero encontró serias
dificultades. Son varias las características que diferencian la formalización de
un conocimiento científico, de uno matemático ya que no se puede hablar,
para el caso de hechos reales, de axiomas y postulados. Estos deben ser reem-
plazados por el concepto de hipótesis, las cuales deben ser comprobadas en
su veracidad. Aquí se destaca la importancia del experimento. Tampoco un
contraejemplo (una anomalía) destruye la teoría. Toda teoría tiene anomalías
que se deben intentar solucionar; el paradigma, en lo posible, debe mantenerse.
Cuando esto no es posible, se rompe el paradigma y aparece lo que se conoce
como una revolución científica.
Los ejemplos relativos a la física, a la biología y a las ciencias sociales que el
lector encuentra aquí, ilustran el poder de la formalización, y las limitaciones
a las que ella debe enfrentarse.
83
Discutimos el concepto “clasificación de las ciencias”. Las dificultades que en

el mundo actual se imponen a tal intención, muestran la importancia de la
interdisciplina y la necesidad de otro tipo de consideración más global a la cual
hemos llamado “pensamiento sistémico” la cual estudia todos integrados que
denominamos sistema.
Nos hemos referido a las opiniones de K. Popper, T. Kuhn y P. Feyerabend
acerca al concepto de ciencia, el cual que ha sido el nódulo central de los
capítulos 1 y 2.
También indicamos que las teorías científicas son sólo aproximadas y que su
aceptación como tal requiere de un proceso difícil y tortuoso, al que es so-
metido por la comunidad científica reconocida en el momento, todo hombre
de ciencia.
84
CAPÍTULO 3
LA TEORÍA GENERAL DE SISTEMAS
3.0 Aislamiento. Reduccionismo

Como lo mencionamos en el capítulo 1, en el procedimiento tradicional de la
ciencia existe, entre otras características, una manera muy particular de estu-
diar los fenómenos. Galileo lo llamó resolución: consiste en aislar el objeto de
estudio, de tal manera que sólo se tienen en cuenta las variables fundamentales,
las cuales lo explicarán en su totalidad. La física clásica, así como la química
y otras ciencias lograron encontrar los tipos de fenómenos que permitían este
tratamiento. Un ejemplo es el péndulo ilustrado en la figura 1.1 (Cap. 1).
Otro buen ejemplo es el movimiento, estudiado por Galileo, de un proyectil
lanzado horizontalmente. La figura 3.1 muestra este caso (Holton, 1975, p.
135-138).
v x = v0
v0
vy1 v0
vy2
v0
vyn
Lanzamiento horizontal de una esfera
Fig. 3.1
85
Una esfera pequeña es lanzada desde una mesa, mediante un fuerte impulso
horizontal, con velocidad v0. La esfera describe una parábola durante su caída,
la cual es el resultado de dos movimientos independientes: uno horizontal,
uniforme, cuyo componente de velocidad es igual a la velocidad adquirida
mediante el impulso inicial, en ausencia de fricción (vx = v0 ) y otro vertical
equivalente a la caída libre, sin fricción, de la esfera. Puede demostrarse que
la distancia total s recorrida desde el punto en el cual la esfera fue impulsada
hasta su posición final, es:
1
=s (v0t )2 + ( gt 2 )2 (3-1)
2
en donde, como se indicó, v0 es la velocidad con que sale la esfera debido al

impulso inicial y t el tiempo utilizado en llegar a dicha posición. En este aná-
lisis sólo se ha tenido en cuenta el tiempo, la velocidad inicial y la constante
gravitacional g (es decir la aceleración que la fuerza de atracción de la tierra
ejerce sobre la esfera). Ninguna otra influencia es considerada.
Fue René Descartes quien sentó los fundamentos filosóficos de esta manera
de enfrentar los problemas. En su conocido libro “El discurso del método”
escribe, con relación al segundo y tercer precepto para adquirir conocimiento
correcto (1983, p. 59):
El segundo, dividir cada una de las dificultades que examinase en tantas
partes como fuera posible y como se requiriese para su mejor resolución.
El tercero, conducir ordenadamente mis pensamientos, comenzando por
los objetos más simples y fáciles de conocer para ascender poco a poco,
como por grados, hasta el conocimiento de los más complejos, suponien-
do, incluso, un orden entre los que no se preceden naturalmente.
El primer paso es, pues, aislar el fenómeno del resto del universo como lo hizo
Galileo cuando supuso que la única influencia válida en el movimiento del
proyectil era el efecto de la tierra. El análisis es realizado en el vacío. El siguiente
paso es estudiar en detalle las diferentes variables, en forma independiente.
En otras palabras, subdividir el problema total en subproblemas, reduciendo
así su complejidad tal y como él lo hizo con la velocidad. Cada subproblema
será resuelto y si no es posible, entonces se subdividirá de nuevo, tantas veces
como sea necesario hasta encontrar subproblemas resolubles. Galileo había
estudiado el movimiento constante (velocidad horizontal) y la caída de los
86
graves (velocidad vertical). Cuando todas las componentes se hayan explicado,

entonces se habrá solucionado el problema: la composición de ambas velocida-
des explican cómo se mueve la esfera siguiendo una parábola. Esto se conoce
como reduccionismo. ¿Cómo podríamos llevar a cabo este procedimiento para
estudiar una familia? ¿Será que la consideración independiente de sus partes:
el padre, la madre, cada uno de los hijos, nos podrá explicar la complejidad
de esta unidad social?
De alguna manera estas ideas indujeron a los hombres de ciencia a buscar ele-
mentos básicos a partir de los cuáles se pudiera construir todo el conocimiento
de las diferentes ramas de la ciencia.
El éxito de esta forma de ver el mundo no se hizo esperar. Capra y Luisi (2014)
en los dos primeros capítulos de su libro hacen un excelente recuento al respec-
to. Resumamos: la explicación del movimiento de los planetas del sistema solar,
de los cometas, de las mareas; el movimiento de los fluidos, la vibración de los
cuerpos elásticos; el calor, generado por el movimiento de átomos y moléculas;
los fenómenos térmicos como la evaporación, la temperatura, la presión de un
gas; la teoría atómica de la química que conceptualmente la une con la física:
aparece la físico-química; en medicina la explicación del fenómeno de la cir-
culación de la sangre, dada por Harvey, que era considerada como el problema
más fundamental y difícil de la fisiología de todos los tiempos; la extensión de
estas ideas a la sociología, la posibilidad de explicar a las sociedades a partir de
individuos libres, que sin embargo, puedan tener comportamientos grupales
estables, como ocurre con las moléculas de un gas.
En química los procesos reduccionistas son claros. Si queremos explicar la
formación de la sal (cloruro de sodio, NaCl), por ejemplo, la siguiente reacción
química indica el proceso:
2Na + 2HCl → 2 NaCl + H2 (3-2)
Lo anterior puede realizarse en un laboratorio, en donde se aíslan las diferentes

sustancias, del resto del universo. “Cerramos” (conceptualmente, aislamos) el
sistema sodio, ácido clorhídrico.
En biología podemos tomar como ejemplo el estudio de una célula animal.
Esta se separa del resto del organismo y podemos describirla con base en sus
componentes (ver figura 3.2).
87
Estructura de una célula animal típica

1. Nucleolo, 2. Núcleo, 3. Ribosoma, 4. Vesícula, 5. Retículo
endoplasmático rugoso, 6. Aparato de Golgi, 7. Citoesqueleto
(microtúbulos), 8. Retículo endoplasmático liso, 9. Mitocondria,
10. Vacuola, 11. Citoplasma, 12. Lisosoma. 13. Centriolo.
Tomado de: http://es.wikipedia.org
Fig. 3.2
De hecho es posible establecer diferencias entre éstas células y las vegetales.
En psicología es común aislar a los individuos en laboratorios y someterlos a
diferentes estímulos con el fin de sacar conclusiones generales sobre reacciones,
respuestas y comportamientos ante diferentes situaciones.
Para el caso de la física se consideraba que la parte fundamental a la cual se
reducían todos los objetos era el átomo. La molécula (o el mol según el caso)
es la parte fundamental de los procesos químicos. En biología, la célula es el
equivalente al átomo en la física. En sociología el individuo, la familia o la
sociedad y en forma similar en otras áreas del conocimiento humano. Escu-
chemos a Poincaré (1914, p. 19-20) analizando esta idea cuando se refiere a los
hechos que son de interés para el científico (los hechos simples por oposición
a los complejos):
¿Pero dónde están los hechos sencillos? Los científicos han tratado de
hallarlos en dos extremos: en lo infinitamente grande y en lo infinitamen-
te pequeño. El astrónomo los ha hallado debido a que las distancias de las
estrellas son inmensas, tanto que cada una de ellas aparece sólo como un
88
punto y las diferencias cualitativas desaparecen, y porque un punto es más

sencillo que un cuerpo que tiene forma y cualidades. El físico por otra
parte, ha visto los fenómenos elementales en la división imaginaria de los
cuerpos en átomos infinitamente pequeños ya que las condiciones del
problema, que sufre lentas y pequeñas variaciones cuando pasamos de un
punto a otro del cuerpo, puede considerarse como constante dentro de
cada uno de estos pequeños átomos. De manera similar el biólogo ha sido
conducido instintivamente a considerar la célula como más interesante que
el animal completo, y los hechos han comprobado que tiene razón, dado
que las células que pertenecen a los más diversos organismos tienen más
similitudes, para aquellos que pueden reconocerlas, que los organismos
mismos. El sociólogo está en una posición más complicada. Los elementos,
que para él son los seres humanos, son muy disímiles, muy variables, muy
caprichosos, en otras palabras demasiado complejos en sí mismos. Por lo
tanto su historia no se repite. ¿Cómo entonces seleccionar el hecho intere-
sante de su repetición? Un método es la selección de hechos y en concor-
dancia nuestro primer cuidado debe ser seleccionar uno. Muchos se han
propuesto ya que el terreno está en disputa. Casi cada tesis social propone
un nuevo método, que sin embargo su autor se cuida de aplicar, de tal
manera que la sociología es la ciencia con el mayor número de métodos y
los menores resultados.
Con respecto a la sociología y teniendo en cuenta la acertada observación de

Poincaré relacionada con la inexistencia de hechos sencillos que le permitan
establecer generalizaciones teóricas, se ha propuesto en la actualidad una al-
ternativa, que es la base de la programación por agentes, en donde cada uno es
diferente de los demás. En los capítulos relativos a la teoría de la complejidad
se explicará en qué consiste este tipo de enfoque.
3.0.1 El concepto de modelo

Una primera idea es la de un modelo como una representación simplificada
de un fenómeno “real”. Pero otra forma de verlos es la suposición de cómo es la
“realidad”. Así, se cree que los científicos estudian la naturaleza pero lo que en
general hacen es construir modelos de la naturaleza. Los ejemplos que hemos
dado es una corroboración de este hecho.
Cuando Kant nos indica que lo que nosotros creemos que es el mundo es sólo
una percepción, la conclusión con respecto a la ciencia es que ésta sólo puede
89
considerar el cómo es el objeto que estudia, mas nunca podrá conocer qué es
dicho objeto.
¿Por qué se recurre a ellos? La ciencia estudia fenómenos complejos, fenóme-
nos que no son fáciles de explicar sin un estudio profundo. Se hace necesario
simplificarla y esto se logra a través de los modelos. Estos nos permiten darle
sentido a lo observado en términos que son familiares para nosotros (es decir
para aquellas personas que puedan conocer el significado de tales términos).
También son medios para predecir el futuro (M. Mitchel, 2009, p. 210).
Existe un tipo de modelo que tiene gran trascendencia que serán usados a
lo largo de este texto: los modelos ideales, a los cuales nos referiremos como
constructos mentales. El péndulo, y el lanzamiento horizontal de Galileo son
dos buenos ejemplos.
3.1 Mecanicismo
Poco tiempo después de la muerte de Descartes, en 1687 Newton publica
su famosa obra Principios matemáticos de la filosofía natural, popularmente
conocidos como los "Principia". En esta obra se explican las leyes fundamen-
tales que rigen el movimiento en cualquier parte del Universo: es la mecánica
celeste. Partícula, posición y fuerza: con estos tres conceptos los fenómenos
del universo pueden ser descritos.
Esta tendencia a explicar los fenómenos naturales a partir de la mecánica
newtoniana se conoce con el nombre de mecanicismo. Así la presión de un
gas se explica por los choques de las moléculas que lo componen contra las
paredes del recipiente que lo contiene, y la temperatura del mismo depende de
la velocidad con que se mueven. Hamilton explica la óptica (el estudio de los
rayos luminosos) no mediante la geometría, que fue la matemática utilizada
para tal fin antes de 1827, sino mediante un análisis matemático riguroso, pa-
sando del concepto de la “óptica de rayos” a la “óptica ondulatoria”, cambiando
la geometría por el álgebra y el análisis.
El mecanicismo tuvo como consecuencia inmediata que los estudios sobre los
fenómenos relacionados con los seres vivos, los organismos, no estuvieran en
las investigaciones fundamentales de la física. Como dice A. Rapoport (1968):
90
En la actualidad el concepto de organismo ha sido siempre fundamental

en biología. Su exclusión de la física marcó el comienzo de la ciencia física
moderna. Esta exclusión fue necesaria para liberar a la física de la mano
muerta de la filosofía aristotélica con su énfasis en los determinantes te-
leológicos de búsqueda de metas del movimiento. En este marco de refe-
rencia, los filósofos explicaban la caída de una piedra por la “naturaleza”
de la piedra y el ascenso del humo por la “naturaleza” del humo.
Rapoport destaca cómo en la visión aristotélica son fundamentales las causas

finales: los cuerpos se mueven de acuerdo a su naturaleza, tienden hacia ciertos
lugares. Esto se conoce con el nombre de “teleología”: finalidades planeadas
por un agente externo al objeto que la posee. Por su parte Galileo enfatiza las
causas eficientes.
Las disciplinas relacionadas con los seres vivos trataron de explicar los fenó-
menos que estudiaban mediante el mecanicismo. Para dar este paso, Descartes
separa la mente (res cogitans) del cuerpo (res extensa): ahora el cuerpo podía
considerarse como una máquina. De él podría ocuparse el mecanicismo.
Como ya se indicó el mecanicismo y el reduccionismo comienzan a influir otras
áreas del conocimiento. En sociología, John Locke (1632-1704) comparaba el
estado de equilibrio de los átomos de un gas en reposo con el comportamiento
de los individuos en una sociedad estable; lo importante era descubrir las leyes
naturales que lo regían para poder gobernar, en lugar de imponer leyes para
forzar un cierto equilibrio social. En psicología, Theodor Fechner (1801-1887)
desarrolló la psicofísica en la cual propuso leyes del comportamiento humano
similares a las leyes de la física. En épocas más modernas en mercadotecnia
se habla de la ley de la atracción de comunidades (a semejanza de la ley de
atracción universal de las masas) estableciendo que la atracción que se ejercen
entre dos poblaciones separadas por una distancia de tránsito entre ellas igual
a d, es proporcional al producto de las poblaciones (número de habitantes)
dividido por el cuadrado de la distancia d que las separa. Otro importante
ejemplo en psicología es considerar el comportamiento humano únicamente
como resultado de respuestas a estímulos. Los patrones sexuales y la codicia,
entre otros, están relacionados con la hormona oxitocina. En el campo am-
biental el estudio y descripción de los cambios extremos del clima en diferentes
períodos geológicos (cambio de la polaridad de la tierra, períodos glaciales,
calentamiento global...). La biología molecular...
91
El universo fue considerado como un gigantesco reloj, metáfora que permeó

todas las ciencias. Por esta época fueron construidos ingenios prodigiosos que
podían imitar incluso movimientos humanos complejos, cuyo mecanismo
interno era estructuralmente similar al de un reloj.
Un excelente ejemplo de mecanicismo es el pato de Vaucanson, ingeniero e
inventor francés. La figura 3.3 es un esquema de dicho ingenio. Este pato graz-
naba, caminaba, comía y hacía la digestión de alimentos que le suministraban31.
El pato de Vaucanson
Fig. 3.3
Otra característica fundamental de esta mecánica es la de que el tiempo no
tiene dirección, es decir, pasado, presente y futuro están referidos a un instante
dado y no a un concepto absoluto.
Nada pasa, en la validez de los resultados, cuando en sus ecuaciones se cambia
t por -t 32. El principio de reversibilidad en física implica que los fenómenos
físicos, y por lo tanto todos los fenómenos naturales, deben ser reversibles: en
un sistema dado podemos pasar de un estado inicial a uno final y luego regresar
al estado inicial sin necesidad de utilizar ningún tipo de energía diferente a
la generada por el mismo sistema. Los desarrollos logrados han constatado la
validez de este principio.
La reversibilidad es la base del determinismo científico, fundamental para la
consideración de leyes en la naturaleza. Este determinismo puede reducirse a la
31. De http://automatas.cps.unizar.es/Historia/Webs/automatas_en_la_historia.htm
32. Para ampliar el tema remitimos al lector al APÉNDICE, literal A.3.1.
92
siguiente consideración: si se conocen las condiciones iniciales de un fenómeno,

es posible conocer con exactitud su situación posterior, en cualquier instante
de tiempo, con total precisión e igualmente podemos conocer su pasado.
De acuerdo con esto, ¿es posible, conociendo la situación actual de un ser vivo
dado, predecir con exactitud su evolución? Para Laplace (1951, p. 13) el pro-
blema es sólo dominar un inmenso número de variables y conocer sus valores.
Pero esto puede, aunque sólo sea en la imaginación, ser resuelto:
Debemos entonces considerar el estado actual del universo como un efec-
to de su estado anterior y como la causa de uno que le seguirá. En un
instante cualquiera una inteligencia que pudiera comprender todas las
fuerzas que animan la naturaleza y las situaciones respectivas de los ele-
mentos que la componen −una inteligencia lo suficientemente amplia como
para someter estos datos al análisis− abarcaría en la misma fórmula los
movimientos de los grandes cuerpos del universo y los del átomo más li-
viano; para ella nada podría ser incierto y el futuro, así como el pasado
estaría presente ante sus ojos. La mente humana nos ofrece, en la perfección
que ha sido capaz de darle a la astronomía, una débil idea de tal inteligen-
cia. Sus descubrimientos en mecánica y geometría, adicionales a la de la
gravedad universal le han permitido comprender en la misma expresión
analítica los estados pasados y futuros del sistema del mundo.
Sin embargo se oyen también voces en contra de esta visión. En primer lugar,
dentro de la misma física, a pesar de los grandes éxitos logrados, surgen pro-
fundos fracasos: la explicación del electromagnetismo mediante el concepto de
partícula y movimiento no es posible: aparece una fuerza nueva no descriptible
por modelos Newtonianos. La “fuerza” es reemplazada por el “campo”, que no
hace referencia a cuerpos materiales. Si se pudo explicar la circulación de la
sangre, la explicación de los procesos digestivos mediante una visión mecani-
cista fue un gran fracaso: se necesitaban otros conceptos ya no de la física sino
de la química. La teoría de la evolución de Lamarck y Darwin pone fin a la idea
del mundo como máquina, de un mundo cartesiano perfectamente regulado
y predecible. Ciento setenta y dos años después de la publicación de Los prin-
cipia, en 1859, Charles Darwin entregaba su obra fundamental, "El origen de
las especies", en donde hacía un profundo estudio de la evolución de los seres
vivos en nuestro planeta. Se destacan su propiedad de ser siempre cambiantes,
que generan sistemas complejos a partir de otros más simples. Una tendencia
93
al orden y a la complejidad, con disminución de la entropía, contraria a la idea

de la físico-química, de una tendencia al desorden, al aumento de la misma33.
¿Cómo explicar la moral y la ética a partir de la genética?
La teoría de la evolución fue aceptada desde un principio (no así la teoría de la
selección natural). Lo importante es subrayar que, según Darwin, los procesos
de evolución de la vida son irreversibles, no puede devolverse. Incluso siempre
ha sido evidente que los seres vivos envejecen, no vuelven a estados anteriores
de juventud. Y son innumerables los procesos que tienen esta característica de
irreversibilidad. Sin embargo la consideración del tiempo como un fenómeno
reversible persiste.
Los sistemas ya no son predecibles, ya no hay “mecanismos de relojería” que
permitan predecir el futuro y reconstruir el pasado. El mecanicismo abandona
la idea mecánica, el mecanismo del reloj, pero conserva el principio de reducir
todos los aspectos de los organismos vivos a intercambios físico-químicos de
sus componentes más pequeñas. Mecanicismo y reduccionismo se funden en
uno. Su lenguaje más depurado, las ecuaciones diferenciales.
Las reacciones no son sólo desde un punto de vista científico. En el siglo XVIII,
como crítica al paradigma reduccionista-mecanicista, en la cual los seres huma-
nos y la sociedad se explican de manera mecánica como sistemas perfectamente
predecibles, surge un movimiento conocido como "romanticismo” liderado
por un grupo de intelectuales especialmente filósofos y artistas que criticaron
duramente esta manera de pensar34. El universo y el hombre no podían ser
entendidos como una máquina. El universo, la naturaleza y el hombre se en-
cuentran conectados y hacen parte de un todo orgánico −no mecánico− y vivo.
Las nociones de relación, desarrollo y proceso son las claves para comprender
el mundo, reemplazando así la noción mecanicista de función35, esa actividad
particular que tiene cada órgano o sistema. La separación mente-cuerpo no
tiene sentido. Somos un todo integrado.
33. En forma somera, digamos que la entropía mide la pérdida de la capacidad de

realizar trabajo de un sistema. La energía libre, un concepto complementario, se re-
fiere a la fracción de la variación total de energía que es capaz de realizar trabajo a
medida que el sistema tiende al equilibrio. El tema de la entropía y de la energía libre
se analizará en el capítulo cuarto, numeral 4.1.
34. Se destaca el romanticismo nacido en Alemania e Inglaterra, iniciado en la lite-
ratura pero que se extendió rápidamente a todo el pensamiento intelectual de la
época.
35. Función implica diseño.
94
De alguna manera, la mirada se volvía hacia el pensamiento griego. Veamos

algo al respecto.
3.2 Holismo
La concepción del mundo que tenían los griegos, contrasta fuertemente con
la visión reduccionista y mecanicista que acabamos de describir. Los filósofos
de la Grecia antigua creían que el universo era un todo integrado y que lo que
acontecía en él era fruto de las diferentes interconexiones de los elementos que
lo formaban. La palabra griega holos significa todo, entero, total36.
En primer lugar, la tesis de que la tierra era el centro del universo (teoría
geocéntrica diferente a la de la ciencia actual que es heliocéntrica, es decir, con
el sol como centro del sistema planetario del que hacemos parte), tenía como
fundamento destacar la importancia del hombre como la obra más perfecta de
la creación. Este hecho además, estaba de acuerdo con la experiencia cotidiana
por la cual se sabe que la tierra está en reposo y que son los planetas (el sol, la
luna, etc.) los que giran alrededor de ella.
La materia, en el mundo sublunar, estaba formada por tierra, agua, aire y fuego
(incluye la luz), los cuatro elementos fundamentales. El planeta tierra tenía
entonces cuatro esferas compuestas por estos elementos puros que la rodeaban
en el orden descrito. El movimiento de los cuerpos obedecía a una tendencia
natural a ocupar la esfera del elemento que poseían en mayor grado. Así, un
leño tiende a caer (la primera esfera) por que su composición mayor es tierra.
Cuando lo quemamos, el humo tiende a subir, ya que su mayor componente es
el fuego, buscando, pues, esta esfera superior. Las cenizas, por estar compuestas
principalmente de tierra, deben caer.
Los planetas estaban contenidos en esferas, que es el sólido perfecto y se mueven
en círculos alrededor de la tierra, por ser esta figura geométrica la más perfecta
del plano. La última esfera era la del empíreo: la esfera celestial, suprema (ver
figura 3.4). La materia que los formaba era éter.
La música estaba íntimamente relacionada con la matemática: la matemática
era el lenguaje de la naturaleza, enseñaba (y demostraba) Pitágoras. Los soni-
dos armónicos seguían proporciones expresables por fracciones de números
36. Hay dos palabras griegas relacionadas con holismo: holos (todo, entero, total,
organizado) y holón (ser todo y parte al mismo tiempo: viene de holos y on, parte de).
95
Concepción griega del cosmos

Fig. 3.4
enteros. Las esferas de los planetas, al girar, producían sonidos debido a la
fricción con el éter, la materia incorrupta y eterna que llena el universo. Las
distancias de los planetas entre sí deben seguir las mismas reglas de la armonía.
El hombre sólo encuentra su sentido real como parte de la sociedad. Aristóteles
decía que así como la mano sólo puede asir cuando forma parte del cuerpo, el
hombre sólo es un ser superior cuando está integrado a la sociedad. Era tan
importante la visión global, que cuando algún fenómeno de la naturaleza no
concordaba con ella, se consideraba que este era un hecho sin importancia.
Primaba la teoría sobre la realidad. Un caso que ya destacamos en el capítulo
1, cuando hablamos de la experimentación como característica fundamental
de la ciencia, era el de la caída de los cuerpos. Según la física aristotélica, un
96
cuerpo más pesado debía caer más rápido que uno liviano, ya que, al estar
compuesto de tierra, la tendencia a su lugar natural debía ser mayor que la de
uno más liviano, con menos elemento tierra. Más aún, si el peso de uno de
ellos era el doble del otro (doble contenido del elemento tierra) aquel debía
caer dos veces más rápido que éste37. No cabe ninguna duda de que jamás se
observó tal situación en la caída de los graves. Sin embargo, tal anomalía no
fue tenida en cuenta y la ley de Aristóteles primó hasta la aparición de Galileo
Galilei. El mundo sublunar era imperfecto. Cuando alcanzara la perfección
este comportamiento se corregiría. Esta concepción del movimiento era de
tipo teleológico: como ya se indicó, la caída se explicaba por la naturaleza de
la piedra así como la elevación del humo por la naturaleza del humo: ellos
debían ocupar su lugar natural en el mundo. El movimiento es el paso de la
potencia al acto, gracias a la existencia o acción de un "motor".
La concepción del cosmos en la antigua Grecia era global. Cosmología, artes,
matemáticas, sociología, política… eran partes que sólo se comprendían como
un todo. Esta concepción del mundo recibe el nombre de holismo la cual duró
hasta la Edad Media (que termina hacia el siglo XV). La fusión entre el dogma
cristiano y el pensamiento Griego propendieron por un universo gobernado
por las enseñanzas de Cristo, enseñanzas de carácter universal y que explicaban
todos los procesos y fenómenos de la naturaleza, tanto física como humana.
No olvidemos que el filósofo más importante en este período fue Aristóteles.
Veamos con cierto detalle la transición del pensamiento griego, desde su fusión
con el mundo romano, hasta el final de la Edad Media. Para ello utilizaremos
apartes del libro de L. Skyttner (2005).
Después de la muerte de Alejandro Magno en 323 a.C. el imperio griego colapsa
y se subdivide en varios reinos: el imperio seléucida, el Egipto Ptolemaico, el
Reino grecobactriano y el Reino indogriego (Wikipedia). Muchos griegos emi-
gran a otras ciudades griegas de Asia y África, en donde se hablaba el idioma
griego, gracias a las conquistas de Alejandro Magno. La dinastía Antigónica
establece una especie de unidad del mundo griego, hasta que los romanos,
en las guerras macedónicas, lo adhieren a su imperio hacia el año 146 a.C. El
Emperador Cesar Augusto, en el año 27 a.C. termina con la anexión de todo
tipo de territorio griego, al Imperio Romano. Roma conservó el respeto y la
admiración de la cultura del pueblo Griego y la fundió con su propia cultura.
37. En el APÉNDICE literal A.3.2 puede verse la manera como se puede refutar a
Aristóteles, con sus propios argumentos, mediante un sencillo análisis matemático.
97
De allí el término de cultura Greco-Romana. Al caer el Imperio romano, Grecia

pasa a formar parte del Imperio Bizantino, el Imperio Romano en Oriente, que
perduró desde el siglo V d.C. hasta el año de 1453 cuando este cae; estas dos
fechas marcan, según muchos autores, el inicio y fin de la Edad Media.
Recordando a Koyré (numeral 1.3), es necesario comprender que la Edad
Media sólo puede entenderse a cabalidad si tenemos en cuenta el paradigma
escolástico. El involucraba los problemas divinos y humanos, tratando de ar-
monizar ambos mundos en una sola entidad, en un holismo al estilo griego.
El principal asunto en esta visión, era la salvación del alma. Todo en la tierra,
social o natural, era un reflejo de la potestad divina y a ella estaba obligada.
El pensamiento científico estaba, pues, sometido a los preceptos místicos, y la
mayor parte de los estudios al respecto se centraba en una profunda interpre-
tación de los textos religiosos. El tipo de conocimiento era la introspección
(insight) o la revelación. La verdad sólo podía ser establecida por la iglesia.
La observación, anotaciones, experimentación y conclusiones objetivas no
eran aceptadas como formas correctas de conocimiento. Las fuerzas naturales
estaban fuera de toda opción de estudio y cualquier protección de ellas sólo
podía venir a través de Dios o de la magia. Todo lo que ocurría tenía un sentido
divino. El pobre era gratificado con una vida de felicidad eterna en el cielo; los
ricos pecadores, irían al sufrimiento eterno del infierno.
La idea aristotélica de la causa final, la teleología, tomó fuerza como idea central
en el pensamiento escolástico. No sólo las cosas se movían por su tendencia
natural de estar en el lugar que debían ocupar en el universo (recordar el leño
que cae, el humo que sube, las flores que florecen para producir un fruto) sino
que debían tener una finalidad.
La razón se consideraba sin importancia e incluso ofensiva ante los misterios
de la existencia. Por ello no había distinción entre alquimia y química, astro-
nomía y astrología. “La conexión con la realidad no se precisaba, era imprecisa,
implícita e indeterminada”.
No es aventurado suponer que los grandes estudios se hacían alrededor de las
bibliotecas a la manera que se hacía en la Biblioteca de Alejandría (siglo III
a.C.). A partir del siglo XII aparecen instituciones encargadas de difundir el
saber, las cuales, en sus inicios, dependían del clero y el gobierno.
Hasta el siglo XIII la educación en la edad media se hacía a través de las escuelas
bien fueran monacales (de las abadías), episcopales (anexas a las catedrales) o
98
palatinas (de la corte). Ya en algunas de ellas la enseñanza tenía tres grados:

1) leer, escribir, nociones elementales de latín vulgar, comprensión sumaria de
la Biblia y de los textos litúrgicos; 2) estudio de las siete artes liberales (trivium:
gramática, retórica, dialéctica; quadrivium: aritmética, geometría, astronomía,
música); 3) estudio profundo de la sagrada escritura, la facultad de teología a
la cual se accedía luego de realizar los estudios en las artes liberales. El cono-
cimiento era integral.
La universidad se inicia partir del siglo XIII como una reforma al sistema reli-
gioso de las escuelas monacales. Su estructura era similar a un sindicato “que
tutelaba los intereses de determinada categoría de personas”. Todas las demás
universidades se inspiraron en la de Bolonia y París. Con el apoyo Papal, se da
cierta libertad de enseñanza (Reale y Antiseri, 1999, Tomo I, 416-418). Ellas se
auto sostenían mediante contribuciones de sus estudiantes. La investigación
se apoyaba en dos pilares: razón y fe. No se establecieron diferencias de clase
para poder acceder a ellas.
Al acercarse el período del renacimiento (siglos XV y XVI) las universidades
de Europa ya estaban sólidamente establecidas. Empiezan a aparecer cono-
cimientos que no tienen como finalidad el estudio de la Biblia. Ya es posible
estudiar sólo las Artes liberales. Se denominan así porque se han liberado del
yugo del alma como elemento directriz de los estudios.
En el siglo XVI se afirma un nuevo paradigma: el del Renacimiento.
3.3 El enfoque de sistemas

La edad pre científica toma ahora un nuevo rumbo. La ciencia se apropia de la
descripción de los fenómenos. De la introspección se pasa a la observación y
estudio del mundo que nos rodea. Una manera metódica de conocer, basada
en la observación directa, razonada, reemplaza a las conjeturas, imposiciones,
inspiraciones o revelaciones.
A mediados del siglo XVI nace Galileo Galilei. En su famoso libro: Discorsi e
dimostrazione matematiche intorno a due nuove scienze attenenti alla mecanica
(1638) da relevancia fundamental al experimento como método para aceptar
o refutar la veracidad de un hecho. Son muy conocidas sus críticas a la física
Aristotélica. Como se indicó en el capítulo 1, los experimentos de Galileo eran
de diversa índole: desde la comprobación física (Aristóteles sostenía que un
99
cuerpo más pesado que el agua no podía flotar; Galileo hacía flotar agujas de
hierro demostrando el error del Estagirita) hasta los sorprendentes experi-
mentos mentales.
A partir de este momento la ciencia experimental inicia un largo y fructífero
recorrido. El experimento implica, de alguna manera, un aislamiento del fe-
nómeno para poderlo controlar. No cabe duda que es a través de Galileo que
la visión reduccionista se consolida como el método científico por excelencia.
Desde la perspectiva de los cuatro tipos de causas, Aristóteles indicaba que
aunque la comprensión del universo sólo era posible bajo la consideración
total de ellas, para la filosofía práctica la causa más importante era la causa
final. Esta visión se considera antropomórfica, ya que presume que si bien el
ser humano puede conocer las causas finales, no tiene sentido exigir que el
universo funcione bajo el mismo principio. La reacción fue el mecanicismo,
que considera como fundamental las causas eficientes. Ya no interesa el “Por
qué” sino el “cómo”. El resto ya es historia conocida. Skyttner comenta:
De aquí en adelante la tradición religiosa Occidental, que sostenía que el
ser humano era algo único en este mundo y tal vez en el universo empezó
su implacable retiro. La conciencia humana ya no es el reflejo de un origen
divino, sino de sí misma. Las autoridades religiosas tradicionales fueron
sucesivamente reemplazadas por otras soberanías y los modelos explicati-
vos teológicos fueron cambiados por modelos científicos.
Descartes, Newton imponen su modelo lineal, mecanicista, reduccionista.

Como ya lo hemos indicado, fueron grandes los éxitos pero también las li-
mitaciones que el reduccionismo y el mecanicismo lograron y sufrieron en la
historia de la ciencia.
El experimento destaca al dato. Estos están allí para que sean desvelados y
estudiados y así inferir teorías. De un mismo dato pueden surgir varias “di-
recciones” dependiendo del conocimiento y formación de quien lo analice. De
este modo, se inicia la especialización del conocimiento que refuerza la idea
de la influencia de las partes en relación con el todo.
Con las ideas de Galileo las instituciones educativas sufren un cambio funda-
mental; pasa de las “facultades” a los “departamentos”, seccionando el cono-
cimiento en partes especializadas: física, química, medicina, artes, sociología
etc., cada una con sus propias subdivisiones. Se deja que la síntesis del saber la
100
haga el individuo; él será responsable de la integración de los conocimientos

adquiridos. El enfoque holístico es definitivamente abandonado.
Esta nueva manera de percibir el mundo, obligó a los investigadores a consi-
derar, fundamentalmente, aquellos fenómenos que permitieran cierto “aisla-
miento” del medio en el cual se desarrollaban. Como lo ilustramos con la caída
de los graves, estudiada por Galileo, ésta podía ser comprendida a partir del
cuerpo en consideración, de la fuerza que la tierra ejercía sobre él y de la altura
en que era dejado libre. No era necesario tener en cuenta los demás efectos que
el resto del universo pudieran ejercer sobre el móvil en cuestión. Cuando los
investigadores se enfrentaban a problemas en los cuales las interacciones con
el medio eran más fuertes, sólo les quedaba la alternativa de reducir drástica-
mente el significado real de su modelo o realizar el estudio ya no en el plano
científico (al estilo de Galileo) sino en el filosófico o en el especulativo.
Consideremos, por ejemplo un problema de producción en una línea de en-
samble. No están saliendo el número de productos que se planearon. Los ex-
pertos en producción observan una baja productividad en los obreros. Deciden
utilizar sus conocimientos en tiempos y movimientos para mejorarla. Exigen,
además, cierto nivel de producción o de lo contrario el salario del obrero que
no lo cumpla será disminuido (sistema de producción a destajo). Lo que se
ha hecho es “cerrar” el sistema productivo y limitarlo a métodos de trabajo y
producción del obrero. Una forma reduccionista, lineal, de expresar (definir)
la situación es la indicada en la figura 3.5.
Pensamiento lineal respecto a la producción

Fig. 3.5
Pero esto puede mirarse desde otra perspectiva. En el caso que nos ocupa, el
clima organizacional del área de producción no es el más favorable; los obreros
sienten que el ambiente de trabajo es tenso, sin motivación para realizar sus
labores. Esto se debe a que la administración está enfrentando dificultades
financieras lo cual se refleja en toda la organización. Una manera sistémica de
enfrentar este problema de producción es incluir estos factores en su estudio
y solución. La figura 3.6 es un ejemplo más acorde con la situación descrita.
101
Enfoque sistémico (no lineal) de la producción

Fig. 3.6
De acuerdo con esta figura el “ambiente laboral” es influido por la “situación
financiera” e influye en la “producción”; ésta a su vez afecta a los “métodos de
trabajo” y a la “situación financiera”. Por su parte, los “métodos de trabajo”
afectan a la “producción”. No se tiene un punto por dónde empezar, como en
la figura 3.5. Recordemos, también, las figuras 2.5 y 2.6.
De ahí la complejidad que este tipo de situaciones trae consigo. Al aislar (ce-
rrar) el sistema, reducimos la situación al ciclo (lazo de retroalimentación):
“producción” → “métodos de trabajo” y lo que es peor, lo “linealizamos”: nos
olvidamos de que algunos elementos pueden ser afectados por sí mismos. En
la visión no lineal también hay un “cierre”. El sistema se ha aislado de gran
parte del mundo de los negocios. Pero este “cierre” incluye una parte extrema-
damente importante: la situación financiera que depende de aspectos externos
a la empresa la cual, de acuerdo con la figura 3.6, que es la que más pesa en el
estudio de este problema. Esta parte externa es la que se denomina "ambiente
(o entorno) del sistema”.
Este enfoque, el Enfoque de Sistemas, hace que dos fuerzas presionen para que
se presente un cambio en la manera de adquirir el conocimiento. Algunos
autores opinan que se están agotando los fenómenos que pueden ser estudia-
dos mediante la técnica del aislamiento. Cada vez son más complejos; existen
más interrelaciones con otros fenómenos. Por otra parte, hay necesidad de
darle un cierto sentido a todo el saber acumulado por el hombre, a este saber
fragmentado. En cierta forma, es la necesidad de volver a ese conocimiento
holístico, aristotélico que daba tanto sentido a la vida. Su ausencia es posible
que explique, al menos en parte, la tendencia a aferrarnos a ideologías que
102
tratan de explicarnos a fuerza de doctrina, lo que nuestros conocimientos no

pueden darnos a fuerza de razón.
Es cierto que hay muchos fenómenos que son explicables por la mera interre-
lación de sus partes. Por complejo que parezca un reloj, es posible comprender
su funcionamiento total a partir de cada uno de los elementos que lo confor-
man. Esto explica el porqué un relojero puede repararlos cuando se dañan.
Un excelente ejemplo es el ya citado pato de Vaucanson: bate sus alas, toma
agua, digiere grano y defeca; todo es explicable a partir de la interrelación de
sus partes (figura 3.3).
Pero existen otros fenómenos en los cuáles este tipo de análisis no es convenien-
te. En estos casos, las partes aisladas no son suficientes para la comprensión del
todo; ni siquiera ellas y sus interrelaciones. Existe un lazo tan estrecho entre
partes, interrelaciones y todo, que la escisión no es posible. Tal es el caso, por
ejemplo, de los problemas estudiados por la Ciencia Social. En éstas, no es
conveniente definir las partes (o subsistemas) para luego armar, como en un
rompecabezas, el sistema total. La consideración global, holística, debe primar;
y es el todo el que debe definir las partes. Este es uno de los temas centrales
de las metodologías de sistemas a discutir en capítulos posteriores. De nuevo,
utilizando a Aristóteles, esta visión holística rescata las causas finales como
fundamentales, pero con una óptica diferente a la original. Norbert Wiener
llamó a los sistemas cibernéticos, sistemas teleológicos: sistemas orientados a
un fin. Estos fines pueden ser predeterminados por humanos o por las leyes
de la naturaleza.
Lo dicho explicaría el porqué es posible analizar sin mayor dificultad el ejemplo
del péndulo, pero la situación equivalente para el caso de la familia, es clara-
mente más compleja, más difícil de considerar.
En 1937 L. Von Bertalanffy presentó oficialmente la idea de una Teoría General
de Sistemas. Su característica general es considerar el estudio de un fenómeno,
no mediante la apreciación de hechos aislados, componentes del fenómeno en
cuestión, para luego sintetizarlos todos y explicarlo mediante la aglomeración
de esas partes, sino mediante la consideración total del fenómeno, tratando
de encontrar leyes y relaciones que permitan su comprensión sin recurrir a
estudios particulares (Bertalanffy, 1973).
Como destacaba Bertalanffy, el enfoque clásico de la ciencia en áreas tales
como la química, la biología, la Ciencia Social y en general, cualquier aspecto
103
del conocimiento humano, ha consistido en explicar los fenómenos mediante

el estudio de elementos particulares (enzimas y compuestos químicos, sensa-
ciones elementales, individuos libres) con la esperanza que, al poner juntos
tales elementos, se pueda explicar el fenómeno total (célula, mente, sociedad).
A este respecto Ashby (1972, p.16-17) escribe:
En la actualidad la ciencia se encuentra en una encrucijada. Durante dos
siglos ha explorado sistemas que son intrínsecamente simples o susceptibles
de ser analizados en componentes simples. El hecho de que un dogma como
“varíense los factores de a uno por vez” haya podido aceptarse durante un
siglo, demuestra que los científicos estaban absolutamente dedicados a
investigar sistemas que permitieran el uso de ese método, pues con fre-
cuencia resulta prácticamente imposible aplicarlo a sistemas complejos.
Sólo luego de los experimentos realizados por Ronald Fisher en suelos
agrícolas, en la década del 20, se advirtió claramente que hay sistemas
complejos en los que no puede aplicarse el método de variar los factores
uno por uno, pues estos sistemas son tan dinámicos e interconectados que
la alteración de una variable actúa inmediatamente como causa de variación
de otras, de muchas otras, quizás.
Queremos destacar que aquí estamos hablando de consideraciones globales

de fenómeno en estudio, no de un perfeccionamiento en los procesos lógicos
deductivos. Estamos hablando, pues, de un enfoque sistémico.
Por el momento no existe una Teoría General de Sistemas como tal. Podemos
decir lo siguiente.
El enfoque de sistemas es una manera de ver el mundo. Implica la visión glo-
bal, ampliada, interrelacionada de los diferentes aspectos que determinan un
fenómeno dado. Cuando se trata de fenómenos complejos se hace necesario
recurrir a la interdisciplinariedad.
En una forma amplia, la Teoría General de Sistemas es el estudio interdisci-
plinario de los sistemas en general, que busca principios que puedan aplicarse
a cualquier sistema.
Se soporta en lo que se conoce como Ciencia de los Sistemas, que son los co-
nocimientos científicos que en la actualidad utilizan el enfoque de sistemas
como su guía. Agrupa las teorías, metodologías, métodos y técnicas que usan
el enfoque de sistemas para estudiar situaciones del mundo real consideradas
como complejas. Esto incluye, por lo tanto, a la naturaleza, a la sociedad y a
104
las ciencias mismas. Es común incluir al Análisis de sistemas, a la Teoría de la

Información y control, a los Sistemas Dinámicos, a la Dinámica de Sistemas,
a la investigación de operaciones, a los modelos sistémicos de la sociología y
la psicología, entre otros.
Lo anterior no debe extrañarnos. No debemos olvidar que en la historia de la
ciencia esta situación ha antecedido a las grandes síntesis. La teoría del campo
−marco unificador de la electricidad, el magnetismo, la gravedad y la luz− fue
muy posterior a la generación de teorías específicas en cada una de estas áreas.
Incluso antes de ella, se dieron ideas unificadoras previas como fue el caso de la
teoría de Maxwell de los campos magnéticos. De todas maneras este discusión
será retomada más adelante.
3.4 El concepto de sistema

En el diccionario nos definen sistema (entre otras acepciones) como: un
conjunto de cosas que, ordenadamente relacionadas entre sí, contribuyen a de-
terminado objeto (función). Esta definición, de carácter muy general, no es de
mucha utilidad cuando queremos utilizarla en el desarrollo de una teoría de
los sistemas, es decir, como lenguaje objeto.
Es necesario aclarar previamente que no es posible dar una definición de sistema
que, como tal, satisfaga al mundo científico. Cuando definimos, la definición
debe decirnos lo que la cosa es, pero además, lo que no es. Citemos a Poincaré
en su libro “Science and Method” (p. 133):
Lo fundamental de cada parte de una definición es distinguir el objeto
definido de la clase de otros objetos cercanos. La definición no podrá ser
comprendida hasta que no se hayan identificado, no sólo el objeto definido
sino los objetos cercanos de los cuales debe ser distinguido, hasta que no
se haya logrado identificar la diferencia, y se haya indicado explícitamente
las razones por las cuales se ha dicho esto o aquello en la definición dada.
Si consideramos una de las definiciones de sistemas más conocidas: un sistema

es un conjunto de elementos interrelacionados que cumplen una función, por
exclusión, aquellos conjuntos que no estén interrelacionados y no tengan una
función, no serán sistema. Difícilmente se puede encontrar en la naturaleza y
105
en la sociedad elementos que no cumplan con esta definición, lo cual implica

que prácticamente todo sea un sistema.
Con respecto al tipo de sistema que la Teoría General de Sistemas trata de
considerar, hagamos la siguiente distinción. Para dos técnicos igualmente
expertos en motores de automóviles, la descripción de un motor específico
será, sin duda, aceptablemente igual. Bajo esta idea, podemos considerar que
el motor es un sistema. Igual ocurre con el sistema planetario y el sistema ner-
vioso humano por citar dos casos concretos. Es posible diferenciar lo que es un
sistema nervioso, de lo que no lo es. Pero para el caso del automóvil, aunque
bajo un concepto técnico la diferenciación es clara, para el uso del automóvil
la situación es bien distinta. Aquí pueden darse múltiples percepciones: el
automóvil como medio de transporte; el automóvil como signo de estatus
social; el automóvil como elemento deportivo… Ninguna de estas formas de
considerar su uso es mejor que otra. Todas pueden ser igualmente válidas, to-
das pueden considerarse como “sistemas” y por lo tanto, no habrá un sistema
único que pueda describirlas. Adelantándonos un poco a la profundización
de estos conceptos, –los cuales serán considerados en el capítulo referente a
“metodologías blandas”– diremos que para estos casos, que corresponden a los
llamados Sistemas de la actividad humana no es posible decir que existe “un
sistema”; el sistema aquí es un constructo mental. Estos tipos de sistemas tienen
la característica de tener objetivos, propósitos (y no una función determinada).
En este texto utilizaremos indistintamente la palabra sistema para referirnos
a su uso cotidiano o al constructo mental. El contexto permitirá distinguir de
cuál uso se trata.
En el capítulo anterior hicimos referencia a los conceptos y elementos no
definibles para poder establecer una teoría formal. Pusimos como ejemplos
el punto, la línea y el conjunto, pero esto es posible si la teoría en cuestión es
abstracta. No tendría sentido recurrir a estas intuiciones para el caso de las
ciencias naturales, tal como se indicó en el capítulo 1. Sin embargo, si acep-
tamos que los sistemas no existen, para el caso de los sistemas de la actividad
humana, entonces podríamos decir, como idealización mental, que el concepto
de sistema es indefinible.
De todas maneras, es posible proponer una definición operativa cuando no
es posible dar una definición nominal38. Aquellas se basan en las operaciones
38. Es decir, exclusivamente referida a lo que un nombre o cosa es. Debe ser clara,
exacta y precisa. En muchas ocasiones es necesario remitirse a definiciones en las
cuales la semántica juega un papel primordial.
106
que deben ser realizadas para obtener lo definido. El ejemplo más sencillo
es la definición de longitud. Definirla en forma nominal no es posible. Sin
embargo, todos los científicos están de acuerdo en que la pregunta: “¿cuál es
la longitud de un bloque?”, es, para todos los casos prácticos idéntica a: “¿cuál
es la diferencia entre los números que figuran en las dos marcas de un metro
que coinciden con las esquinas adyacentes del bloque?” (Holton, 1975, p. 260).
Algo similar ocurre con el concepto tiempo.
Por otra parte, hallar una delimitación que excluya un objeto de otro no es
algo que siempre sea sencillo. Holland (2014), señala que si comenzamos a
eliminar grano por grano el contenido de un montón de arena, no podemos
decidir cuándo éste deja de ser un montón para convertirse en granos disper-
sos. Es fácil diferenciar los casos extremos: el montón reconocido como tal,
y los granos separados, reconocidos como tales. Pero no existe una solución
de continuidad que separe un concepto del otro. Esto es lo que ocurre con el
concepto de sistema, de vida, de consciencia...
Para el caso de la definición del concepto de sistema, podríamos dar una de-
finición operativa que sea de interés para la T.G.S. Complementando con D.
Meadows (2009) podríamos decir que:
• Un sistema es un conjunto de elementos interconectados.
• Este conjunto es de interés para alguien.
• El conjunto se comporta en forma organizada, coherentemente, como un
todo integrado no deducible de sus partes.
• La adición o sustracción de elementos modifica radicalmente el conjunto
inicial.
• El conjunto hace algo.
El comportamiento como un todo integrado requiere una aclaración. De
acuerdo con esta definición, una mesa podría ser un sistema; posee elementos
(patas, clavos, tablas…) interrelacionados (mediante leyes físicas y elementos
mecánicos y químicos). El que “haga algo” podría interpretarse como la función,
es decir, la finalidad para la cual fue hecha la mesa. Tal vez la persona interesada
pueda ser un cliente. Es claro que cualquier parte que se retire altera la mesa
original; en principio es un todo integrado, pero puede explicarse a partir de las
interrelaciones de sus partes. La Teoría General de Sistemas no tiene interés en
este tipo de sistemas. Tiene interés en aquellos fenómenos que son todos que no
107
pueden ser divididos en partes independientes, que no tienen una causalidad

lineal. Los elementos no deben ser, necesariamente, objetos físicos. Aspectos
tan intangibles como la amistad o el deseo de progreso pueden ser elementos
legítimos de un sistema.
Para comprender mejor la manera como en un sistema las modificaciones en
sus elementos o en su estructura afectan al mismo, utilizaremos el concepto
de isómeros químicos.
Los isómeros son compuestos químicos que tienen la misma fórmula química
pero cuya estructura es diferente. Son comunes en la química orgánica, aunque
también se dan, con menos frecuencia, en la inorgánica.
Un ejemplo típico son el éter dimetílico y el alcohol etílico (etanol), ambos
con fórmula C2H6O.
La figura 3.7 obtenida de Asimov (1979) los ilustra.
Isómeros: importancia de la estructura

en un sistema
Fig. 3.7
Adelantemos que la estructura de un sistema está definida como el resultado
de las interrelaciones de sus elementos. Por lo tanto una ligera variación en la
posición de un elemento básico, ya define una estructura diferente. Esto genera
diversos tipos de isomería que no es del caso tratar aquí.
Dos estructuras diferentes, con los mismos componentes, producen dos ele-
mentos (sistemas) distintos. Más adelante, cuando veamos la propuesta de O.
Lange acerca de una teoría formal sobre sistemas, encontraremos una expli-
cación matemática al respecto.
Observemos cómo fue necesario recurrir a un diagrama para establecer el
concepto de estructura. En el enfoque de sistemas, interesan más las interre-
108
laciones que los objetos mismos. En la ciencia clásica, la visión mecanicista

se centra en los objetos, entidades que pueden ser medidas. No es así para el
caso de los sistemas. Los objetos mismos son interrelaciones, las cuales no
pueden ser medidas sino representadas diagramáticamente. De esta manera
pueden descubrirse patrones de organización, característicos en los sistemas
complejos. Pasamos de la cuantificación a la cualificación, de la consideración
de objetos, al análisis de relaciones.
En general los sistemas que nos interesan tienen metas, objetivos, propósitos
e ideales. La meta, en una situación particular, es un resultado preferido que
puede ser obtenido en un intervalo específico de tiempo. Por su parte, el objetivo
es un resultado preferido que no puede ser obtenido en un intervalo específico
de tiempo, pero sí en un intervalo mayor. El ejemplo típico es el estudiante
que busca ganar cada año (sus metas) para lograr el objetivo final: su grado
de bachiller. Sin embargo, esta graduación podría ser una meta de un objetivo
mayor: obtener un título profesional. Un propósito se asimilaría a un objetivo
pero que no puede lograrse plenamente. El propósito podría ser graduarnos
para obtener una vida mejor, pero este concepto sólo es posible conseguirlo
parcialmente. Un ideal sería una especie de objetivo que no puede alcanzarse
en ningún período de tiempo pero al cual podemos acercarnos continuamente.
En nuestro ejemplo, el ideal podría ser la felicidad.
Las definiciones anteriores se refieren a un tipo de sistema que Ackoff llama
sistemas intencionados39. Estos sistemas poseen la capacidad de elegir entre
diferentes metas y tienen la particularidad de poder decidir. Los sistemas a
los que haremos referencia en la presentación de este texto son sistemas que
poseen por lo menos un elemento con capacidad de voluntad: hablaremos,
pues −salvo indicación específica o evidente por el contexto de lo discutido−
de sistemas intencionados (ver APÉNDICE A.5.1).
El término función se refiere a un resultado predeterminado, a un diseño: un
reloj tiene como función indicar la hora, para eso fue fabricado. No puede,
en ningún momento, decidir no marcar el tiempo; no podemos decir, enton-
ces, que tenga como propósito dar la hora. Repetimos: los sistemas que son
de nuestro interés son los intencionados. La mesa o el reloj no son, por esta
razón, sistemas que llamen la atención de la T.G.S. En principio tampoco un
robot. Aclaremos lo dicho. Para la T.G.S. el robot podría ser de interés, pero
39. Ackoff distingue entre intencional (purposive) e intencionado (purposeful). Los
sistemas intencionales son generados por la naturaleza o por los seres humanos; los
intencionados tienen voluntad, se adaptan, tienen conciencia.
109
no como elemento en sí, sino bajo un enfoque sistémico. Es la manera de ver

el mundo, no el mundo en sí.
En 1954 Kenneth Boulding (Economista), Anatol Rapoport (Biomatemáti-
co), Ralph Gerald (Fisiólogo) y Ludwig Von Bertalanffy (Biólogo) crean la
“Sociedad para la investigación de Sistemas Generales” (Society for General
Systems Research, SGSR). El programa de esta sociedad tenía como objetivos
(Bertalanffy, 1973, p. 13):
… Desarrollar los sistemas teóricos aplicables en más de un departamen-
to tradicional del conocimiento: sus funciones principales son: (1) inves-
tigar los isomorfismos de los conceptos, leyes y modelos en diversos
campos y ayudar para obtener transferencias útiles de un campo a otro;
(2) crear el ambiente favorable para el desarrollo de modelos teóricos ade-
cuados en los campos donde falten; (3) minimizar la duplicación del es-
fuerzo teórico en campos diferentes; (4) promover la unidad de la ciencia
mejorando las comunicaciones entre científicos.
3.5 Isomorfismo
Los isomorfismos son equivalencias estructurales entre dos fenómenos. De-
bemos distinguirlos de las analogías que son similitudes de comportamiento
o de forma. Si una niña juega con su muñeca y la regaña, le cambia su pañal y
le da biberón, ella acepta una similitud de forma entre la muñeca y un bebé de
verdad; es una analogía. Lo correcto es que la deje, después de cierto tiempo, en
algún sitio. Pero si esta niña cree que se trata de un bebé real, entonces el caso
es patológico y requiere tratamiento psicológico: ve una similitud estructural
entre la muñeca y el bebé, donde sólo existe una analogía.
La relación que se observa entre la red de carreteras de una región y el mapa
que las representa es un buen ejemplo de isomorfismo: son estructuralmente
equivalentes. Las distancias a escala del mapa son las distancias reales así como
su posición en el espacio. El término inicialmente se aplicó a las estructuras
matemáticas.
Cuando intentamos copiar la forma en que, en medicina, se estudia un pacien-
te, con la manera de enfrentar una situación compleja en la administración
utilizamos analogías. Los médicos auscultan, preguntan, ordenan exámenes,
110
hacen juntas en casos difíciles, diagnostican y formulan. Algo similar se puede

hacer en la administración de una empresa. Pero son evidentes las limitacio-
nes que tiene tal comparación. Es útil, pero no es, en ningún momento, un
isomorfismo. La similitud no es de fondo (estructural); es sólo de forma, de
proceso. Sin embargo, cuando Stafford Beer desarrolla su "Modelo de Sistema
viable" a partir de un enfoque cibernético utilizando el organismo humano
como metáfora, se acerca a un verdadero isomorfismo entre una empresa y el
cuerpo humano.
Las leyes, en la ciencia son isomorfismos: la ley de la caída de los graves es
válida para todo tipo de cuerpo40.
3.6 Tipos de sistemas

Para una comprensión de los sistemas (reales o constructos mentales) y sus
propiedades, es necesario diferenciar entre diferentes tipos de sistemas, de
acuerdo con su relación con el entorno que los rodea41. Consideremos las
siguientes definiciones:
• Sistema aislado. Es aquel que no intercambia ni materia, ni energía, ni
información con su ambiente. Tal es el caso de un gas confinado en un
recipiente de paredes rígidas y completamente aislado térmicamente. Es
el utilizado en los constructos mentales de la ciencia clásica.
• Sistema cerrado42. Puede intercambiar energía e información pero no
materia con su ambiente. Por ejemplo, un recipiente que contiene agua
a temperatura por encima de la temperatura ambiente y no está aislado
térmicamente. En cierta forma podemos considerar como sistema cerrado
el planeta tierra: existe un intercambio de calor entre ella y el resto del uni-
verso y, exceptuando los meteoritos que caen en ella, no hay intercambio
de materia43.
40. Para conocer un poco más sobre el tema, ver el APÉNDICE numeral A.3.3.
41. En la ciencia clásica el universo está compuesto por materia y energía. Es cono-
cida la estrecha relación que existe entre estos dos conceptos. La visión moderna
agrega el concepto de información como parte integral de la naturaleza. Para este
trabajo, consideraremos la materia, la energía y la información como los elementos
a ser tenidos en cuenta para las definiciones de sistema aislado, cerrado y abierto.
42. O parcialmente aislado.
43. Las dos únicas formas de energía que un sistema puede dar o recibir sin que
111
• Sistema abierto. Existe intercambio de materia. Puede también intercambiar

energía o información con el ambiente. Bertalanffy (1974, p. 93) habla de
interacción de fuerzas. Son los más comunes. La célula, los órganos, los
organismos, por sólo citar algunos ejemplos del campo biológico, son
ejemplos de sistemas abiertos.
Podemos indicar que fue Galileo quien le dio trascendencia al concepto de
sistema aislado, como lo vimos al inicio de este capítulo. Es el fundamento del
reduccionismo. La primera ley del movimiento de Newton dice: Todo cuerpo
material persiste en su estado de reposo o movimiento uniforme (no acelerado)
en línea recta, sólo si no actúa sobre él una fuerza resultante (no equilibrada).
En este enunciado nada actúa sobre el cuerpo; el sistema está completamente
aislado. En los sistemas aislados la suma de todos los tipos de energía permanece
constante, aunque las energías del sistema puedan tomar distintas formas en
el transcurso del tiempo. Esto es lo que ocurre, por ejemplo, en las colisiones
de cuerpos perfectamente elásticos44.
De acuerdo con estas definiciones, lo que hizo Galileo en el estudio del péndulo,
por ejemplo, fue definirlo como un sistema aislado. Queremos resaltar que de
cierta forma, los sistemas aislados no son comunes en la naturaleza, por no
decir que no existen. Son concepciones (constructos) mentales que facilitan el
estudio de fenómenos complejos. Los sistemas cerrados y los abiertos existen
en forma abundante. A la Teoría General de Sistemas le interesa los sistemas
abiertos; los sistemas aislados y los cerrados han sido ampliamente estudiados
y utilizados por la ciencia tradicional.
Fue Bertalanffy quien llamó la atención de la importancia de los sistemas
abiertos para la Teoría General de Sistemas. Aquí lo que es considerado como
sistema intercambia con el medio que lo rodea materia, energía e información.
Por ejemplo, en biología los organismos vivos pueden considerarse esencial-
mente como sistemas abiertos: se mantienen en una interacción constante con
su ambiente, intercambiando energía, materia e información, construyendo y
reconstruyendo sus partes, sin tender a un equilibrio químico o termodinámico,
sino a un estado estable45.
exista transferencia de materia son el calor y el trabajo. También la información se

puede transmitir sin necesidad de transferencia de materia.
44. Para una explicación de este tipo de choque véase el APÉNDICE numeral A.4.1.
45. Equilibrio químico: no hay reacciones químicas. Equilibrio termodinámico: no
existe intercambio de calor. En el capítulo 3 se retoman estos conceptos.
112
¿Es la familia un sistema cerrado o abierto? Si la reducimos al padre, la madre

y los hijos, viviendo en su lugar de habitación, conceptualmente sería “cerrado”
(no olvidemos que necesitamos aire y alimentos para sobrevivir); pero si inclui-
mos en el concepto de familia a los tíos y amigos, a la compra de alimentos, y a
las relaciones con otras familias, se debería considerar como un sistema abierto.
Los sistemas aislados (cerrados) tienden a alcanzar estados de equilibrio. Los
sistemas abiertos tienden a estados estables. Ambos tienen la característica de
que, vistos globalmente, sus componentes permanecen constantes. Sin embar-
go, son dos estados fundamentalmente diferentes. En los sistemas aislados, de
acuerdo con el segundo principio de la termodinámica, el estado de equilibrio
–que es de máxima entropía y mínima energía libre– debe alcanzarse. En los
sistemas abiertos el estado estable puede alcanzarse bajo ciertas condiciones;
en dicho estado el sistema permanece constante en sus componentes, pero
existe un flujo continuo de materia entre el sistema y su ambiente. La entropía
tiende a minimizarse; el sistema puede realizar trabajo.
Los sistemas cerrados en equilibrio no necesitan energía para su conservación,
ni tampoco pueden ceder energía a su entorno. Un recipiente cerrado, que con-
tenga agua, tiene energía potencial, pero no puede transformarla. En cambio,
si se le abre un orificio, la energía potencial puede transformarse en energía
cinética y producir trabajo. Para poder producir trabajo, necesariamente el
sistema no puede estar en equilibrio sino tratar de alcanzarlo: ésta es la única
manera de ganar energía. Si nuestro tanque no tiene una entrada de agua,
una vez terminada la que contenía, habrá alcanzado un estado de equilibrio
y el sistema será ahora cerrado. Para poder continuar como sistema abierto,
el ambiente debe suministrarle la materia necesaria, logrando mantener su
estado estable, alejado del estado de equilibrio: un nivel o un rango de niveles
dado. Esta idea puede hacerse extensiva a los sistemas de la actividad humana.
Consideremos por ejemplo, una fábrica, compuesta de maquinaria y seres
humanos: toma del medio materia, energía, información, dinero, y los trans-
forma en productos y servicios. Esta empresa, es pues, un sistema abierto. Un
bosque también lo es.
Las consideraciones anteriores nos permiten definir ciertas características
fundamentales en los sistemas abiertos que no se encuentran en los sistemas
aislados o cerrados. Estas serán estudiadas cuando hablemos de las leyes de
los sistemas.
113
3.7 Patrón, estructura y proceso

Estos tres conceptos facilitan enormemente la comprensión y aplicación del
concepto de sistema a situaciones reales.
El patrón es la configuración de las relaciones entre los componentes de un
sistema. Son las “leyes” generales que lo definen y regulan. Es lo que identifica
al sistema. Un patrón general a cualquier sistema es la red, bien sea considerada
desde su perspectiva matemática o bien desde una concepción intuitiva. Los
isomorfismos son similitudes estructurales, como se indicó anteriormente.
Un isomorfismo no es, pues, otra cosa que el patrón que rige tales similitudes.
Por su parte, la estructura es la manera como el patrón se manifiesta, se objeti-
va, se refleja en sus componentes. Es el resultado de las interrelaciones de sus
componentes. En los isomorfismos expresados matemáticamente, la estructura
la da la ecuación respectiva.
Cuando en un sistema sus elementos (partes) se modifican o cambian con-
tinuamente, cuando en el sistema hay un flujo de energía, de materia, de
información, entonces a este flujo, a este cambio lo denominamos proceso: se
ocupa de la continua corporización del patrón. Estructuras y procesos están
íntimamente relacionados. Así, un país posee una estructura industrial, fruto
de las interrelaciones de las diferentes empresas productoras con la economía
nacional; esta “red” genera un proceso productivo. El patrón nos enseña a
distinguir entre lo que es industria y lo que no lo es: por ejemplo, la industria
minera lo es. La estructura particulariza un tipo de industria: la minera es
diferente a la industria automotriz. Y el proceso se referirá a la forma en que
la industria minera lleva a cabo sus funciones, algunas comunes, pero otras
diferentes al resto de otras industrias.
No comprender esta interrelación es la causa de muchos intentos fallidos, tan
común en las organizaciones, de cambiar los procesos con el fin de resolver
ciertos problemas, sin considerar cambios en las estructuras que permitan que
los procesos se lleven a cabo. Las estructuras determinan los procesos y no al
contrario; por ello los cambios en los procesos son generalmente inocuos pues
son las estructuras las que se deben modificar: al alterarlas se modifican los
procesos. Debemos aclarar, sin embargo, que cuando los sistemas son inestables
o vulnerables, los procesos pueden generar cambios en las estructuras. Esto es
lo que ocurre en las revoluciones sociales, pero estos son casos particulares y
extremos. En general, los sistemas se estudian bajo condiciones de estabilidad.
114
Capra ilustra la diferencia entre patrón y estructura tomando como ejemplo una
bicicleta (1999, p. 172). Para que algo sea una bicicleta debe tener dos ruedas,
un marco que las una, pedales para transmitir potencia muscular (a través
de una cadena o en forma directa) y una dirección. Esto permite diferenciar
una bicicleta por ejemplo de un triciclo o de una carreta (y obviamente, de
un avión). Sin embargo existen bicicletas todoterreno, extremas, de carrera:
todas ellas “bicicletas” pero con estructuras diferentes según su función. Con
este ejemplo no es posible ilustrar el concepto de proceso.
Otro ejemplo: se dice que existen diferentes estilos (teorías) de administra-
ción: los de tipo Fayol y Taylor, los basados en la burocracia, los sistemas de
la reingeniería, los autocráticos etc. Todos ellos son maneras de administrar.
Tienen pues algo en común: el concepto de administración que es el patrón:
todos planifican, comunican, organizan y controlan con el fin de lograr cier-
tos objetivos. Sin embargo, este patrón se materializa en diferentes formas de
administración, a las que hicimos referencia en el parágrafo anterior: cada una
de ellas obedece a una estructura administrativa diferente. Por su parte en la
ejecución de tales formas administrativas es necesario un flujo de información,
materia y energía que le sea particular a cada una de ellas. Son los diferentes
procesos administrativos.
Podríamos proponer que una definición nominal se refiere al patrón o a la
estructura mientras que una definición operativa estaría relacionada con los
procesos.
Para el caso de la familia, podríamos pensar que es necesario que existan al me-
nos dos individuos, con relaciones permanentes de consanguinidad o afinidad
legal. Este sería un patrón con el cual podríamos indicar si una relación entre
varios individuos puede definirse como familia o no. Así, un grupo de personas
conocidas que estén conversando en un parque, no podría denominarse como
una familia, de acuerdo al patrón indicado. Sin embargo, y como se dijo en
el capítulo 1, existen diversos tipos de familia tales como la extensa (padres,
hijos, abuelos, primos, tíos…), monoparental (los hijos viven sólo con uno de
sus padres), homoparental (los hijos viven con una pareja homosexual), poli-
gámica (los hijos viven con un padre y varias madres)… Estas son deferentes
manifestaciones del patrón familia: demarcan estructuras diferentes. En cada
uno de estos tipos de familia se pueden dar diversas formas de comportamiento
que pueden ser socialmente aceptadas por ciertas culturas, pero por otras no.
Así se dan familias en las cuales la madre no puede caminar delante o al lado
115
del padre, familias en las cuales las órdenes sólo las da el padre, familias en las
cuales el padre es el único que puede trabajar y no la madre, etc. Estos serían
los procesos que se dan al interior de las estructuras respectivas para que el
“sistema familia” pueda llevar a cabo sus funciones y objetivos.
3.8 Ciencia, tecnología,

filosofía de sistemas
ertalanffy considera que debemos distinguir tres aspectos diferentes cuando
B
nos referimos a los sistemas, aspectos que si bien son inseparables en su con-
tenido, son distintos en su intención: el primero es la ciencia de los sistemas,
el segundo la tecnología de sistemas y el tercero la filosofía de los sistemas.
Respecto a la ciencia de los sistemas podemos decir que busca una teoría cien-
tífica de los sistemas en las distintas ciencias (física, biología, ciencias sociales)
así como el establecimiento de una teoría general en cuanto un conjunto de
principios aplicables a todos ellos. La idea es la búsqueda de isomorfismos en
las ciencias. De alguna manera, la Teoría General de Sistemas busca los isomor-
fismos más generales a partir de isomorfismos particulares. Tal es el caso, por
ejemplo, del crecimiento: existe crecimiento en las colonias de individuos, en
las plantas y animales, en el dinero puesto a interés. Debe existir, por lo tanto,
un isomorfismo general que abarque los isomorfismos (leyes) particulares del
crecimiento poblacional, de plantas y animales, del dinero en los bancos46. De
hecho existe una ley general del crecimiento que estudiaremos en el numeral
5.3.1. Como corolario de lo anterior, la ciencia de los sistemas pretende la
creación de un vocabulario común como primer paso hacia la unidad de la
ciencia. Actualmente puede decirse que gracias a los desarrollos de las teorías
modernas sobre la complejidad, se ha logrado un avance importante en este
aspecto.
La tecnología de los sistemas es la consideración de los problemas que surgen en
la tecnología y la sociedad moderna debido a la aplicación de nuevos desarrollos
tecnológicos. Existen grandes avances tanto a nivel de hardware (computadores
de alto rendimiento, autómatas de gran complejidad, para citar sólo dos) como
del software. Disciplinas como la Investigación de Operaciones, la Teoría de la
46. En el APÉNDICE literal A.3.3 se ha indicado un ejemplo de isomorfismo en la
ingeniería. En el capítulo 12, numeral 12.1, se indicarán interesantes isomorfismos
relacionados con temas administrativos.
116
Información y la cibernética han abierto nuevas perspectivas para el estudio de

los sistemas, particularmente para aquellos en los cuales la complejidad ha sido
su característica más notable. Actualmente se ha enriquecido notablemente este
aspecto con el desarrollo de nuevas teorías matemáticas como son la teoría de
los fractales, la teoría del caos y el pensamiento en redes (Network Thinking).
Los desarrollos tecnológicos han permitido avances importantes por ejemplo
en ecología, sociología y la teoría de la administración.
Por otra parte, la búsqueda de métodos globales ha planteado problemas fi-
losóficos de gran envergadura, que es el tema de la filosofía de sistemas. Para
Bertalanffy son tres los aspectos que deben aquí ser considerados:
• La ontología de sistemas. Se trata de descubrir lo que se entiende por sistema
y cómo éste concepto se aplica en los diferentes campos del conocimiento
humano. La definición de sistema pertenece a este aspecto. El problema de
la Teoría General de Sistemas, en su perspectiva ontológica, tiene que ver
con lo que puede decirse respecto a los sistemas materiales, a los sistemas
de información, a los sistemas conceptuales y a cualquier otro tipo de sis-
tema vistos desde su razón de ser, desde sus fundamentos. La cosa-en-sí.
• La epistemología de sistemas. Por lo dicho anteriormente, estamos ante
una nueva forma de conocer el mundo, una manera diferente a la de las
epistemologías del positivismo lógico. A esta nueva manera se le ha lla-
mado enfoque de sistemas: es la visión de las cosas consideradas como un
todo. La realidad es vista como un todo jerarquizado (jerarquía de todos
organizados, interrelacionados). No existen hechos totalmente aislados.
No podemos obtener una concepción de los cosas mirándola desde sus
componentes y con ellos conceptuar el todo. La epistemología de sistemas
analiza la forma de aprender a ver el mundo bajo esta nueva perspectiva.
• La axiología de sistemas. Se ocupa del problema de los valores, de la relación
entre el hombre y el mundo. Nuestra situación en el mundo es distinta si
nos consideramos parte de él (fruto de la concepción jerárquica del mis-
mo) o si nos consideramos separados de él. El mundo de los símbolos, de
los valores, de las entidades sociales y culturales son tan reales como las
realidades naturales. Como dice S. J. Gould (Op. Cit.) debemos integrar
las ciencias y las humanidades, la tecnología y la historia, las ciencias
naturales y las ciencias humanas, hacer que nuestras dos partes cerebrales
trabajen como un todo. Esto le daría una nueva perspectiva a nuestra po-
117
sición como seres humanos y por lógica, a nuestra escala de valores frente
al planeta y a la sociedad47.
3.9 Resumen
Aquí hemos retomado las características de aislamiento y reduccionismo
típicas del procedimiento clásico de la ciencia. Una visión reduccionista y su
correlato mecanicista ha logrado modelos que explican una gran variedad de
fenómenos de la naturaleza y algunos de los sistemas sociales. No obstante, sus
limitaciones son claras: ha dejado a un lado la explicación de la vida soslayando
así una gran cantidad de situaciones complejas: por ejemplo, las guerras (en
nuestro planeta), las hambrunas, el cambio climático…
Una visión retrospectiva del pensamiento griego nos permite vislumbrar lo
que es la visión moderna del enfoque sistémico y la teoría que lo desarrolla. Se
enfatiza el significado de la no linealidad, de la no explicación del todo por sus
partes, del no aislamiento de los fenómenos a estudiar, para poder comprender
su complejidad integrada al entorno que los rodea.
Nos encontramos con la dificultad de definir lo que es “un sistema”, situación
similar a la que se presenta cuando se quiere definir "ciencia”. La opción de
suponer que, en general, los sistemas no existen sino que son constructos men-
tales que nos permiten comprender y modelar aquello que se nos presenta como
complejo, permite, si no resolver, al menos considerar el problema ontológico
que el concepto conlleva, es decir, el de su existencia real. Hemos discutido
cómo los constructos mentales son comunes en las ciencias físicas y, por ende,
en las demás ciencias. El péndulo de Galileo, las "leyes de los gases perfectos"
son constructos mentales, idealizaciones de situaciones que permiten explicar
fenómenos del mundo real.
Estudiar las interrelaciones es más difícil que determinar los elementos que
puedan definir a un sistema. Identificar, en una familia dada, al padre, la madre
y los hijos, por ejemplo, es un ejercicio trivial. Pero ¿cuáles son sus interrela-
ciones? ¿Qué tipo de materia, energía, información existe en ellos y entre ellos
47. Debemos aclarar. Sí existen dicotomías entre las llamadas “ciencias duras”, y las
“ciencias blandas”. Lo que llama la atención Stephen Jay Gould es sobre la falsa dico-
tomía entre ciencia y humanismo. Por este último entenderemos la filosofía, el arte
en todas sus expresiones, la religión, las creencias metafísicas.
118
que permiten identificar ciertos patrones, ciertas estructuras, ciertos procesos;

que permiten observar ciertos comportamientos ?
También nos ocupamos del concepto de isomorfismo. Este permite compren-
der la idea de subsumir en un mismo concepto fenómenos aparentemente
diferentes. Ello permite también precisar la idea de una visión global de los
fenómenos a través de un vocabulario común.
En este capítulo se plantean igualmente conceptos como sistema cerrado -rela-
tivo a la ciencia tradicional-, y sistema abierto -relativo a la ciencia de sistemas-,
diferencia entre equilibrio y estabilidad. La distinción entre patrón, estructura y
proceso ayuda a identificar con mayor precisión aquello que explica y conforma
el constructo mental sistema, que permite estudiar los fenómenos complejos.
En la parte final, se introdujo la diferenciación conceptual (pero no desarticu-
lada) de los aspectos científicos, técnicos y filosóficos del enfoque de sistemas
para lograr afianzar lo que debemos entender por “pensamiento sistémico”.
119
120
CAPÍTULO 4
LEYES DE LOS SISTEMAS
4.0 El concepto de ley

Reiteradamente hemos hecho referencia a las leyes como parte fundamental
de una teoría. Esto implica que la T.G.S. deba tener leyes que sean afines a su
campo de acción.
En efecto, es posible enunciar algunas leyes relativas a los sistemas en general.
Dichas leyes juegan un papel importante en el estudio y comprensión de los
“sistemas”. Pero antes discutamos el concepto de ley.
Dijimos anteriormente que las leyes eran un importante caso de isomorfismo.
Toda teoría que pretenda ser científica debe, por lo tanto, establecer leyes. En
un sentido estricto, la palabra “ley” se reserva para aquellas proposiciones que
puedan ser medidas y acertadas, expresadas por lo común en lenguaje mate-
mático. La ley que describe la caída de los graves (h=1/2 gt2), el balance de una
ecuación química (2H2 + O2 → 2H2O), la ley de estímulo-respuesta de Weber-
Fechner en psicología (dP=kdS/S para el caso de las diferencias de peso, p, entre
dos objetos y la capacidad de sentirlas, S), el equilibrio entre oferta y demanda
en economía, son ejemplos de este tipo de ley48. Cuando estas relaciones son
más bien de carácter cualitativo (como por ejemplo cuando se afirma que las
moléculas de un gas se mueven proporcionalmente en todas direcciones), o
cuando se utilizan modelos hipotéticos que ayudan a la comprensión de un
fenómeno (como por ejemplo cuando se asegura que la presión de un gas sobre
el recipiente que lo contiene se debe a la fuerza de choque de sus moléculas
contra las paredes del recipiente), se habla entonces de principios, postulados,
hipótesis, teorías o reglas. No haremos tal distinción y utilizaremos, salvo
algunas excepciones que serán destacadas, el término ley como equivalente a
los términos enunciados.
48. El siguiente sistema de ecuaciones es una forma simplificada del equilibrio entre
la oferta y a demanda: St=a+bPt-1, b > 0, Dt=c-dPt , cd > 0, St es la oferta, Dt la de-
manda, Pt el precio del producto, a y b son parámetros que describen el comporta-
miento del productor, y c y d los del consumidor. Cada vez que se propone un precio,
Dt = St.
121
¿Qué relación existe entre ley y teoría? Las teorías contienen un universo de
explicación más amplio. Ellas se ocupan del porqué funcionan ciertas leyes.
Las leyes describen comportamientos, pero no nos explican el “porqué” de tal
o cual fenómeno. Una teoría puede existir antes de poderse verificar su vali-
dez. Las leyes, en cambio, exigen comprobación inmediata. Pero en ocasiones
puede ocurrir que las leyes antecedan a la teoría que las pueda contener. De
hecho, motivan a su desarrollo.
Siguiendo a Holton (1975, p. 233-234), distinguiremos tres tipos de leyes:
empíricas, de definición y deducidas o derivadas.
Una ley es empírica cuando surge de la observación continuada de determinado
tipo de fenómeno. Puede ser descriptiva o numérica, tema que abordaremos
más adelante. Este tipo de ley, desde un punto de vista lógico, no puede acep-
tarse como una verdad universal, ni siquiera general. Un buen ejemplo es la ley
de Pareto49, en economía. En química podemos citar la ley de Proust: cuando
dos o más sustancias químicas se combinan para formar un determinado
compuesto, los pesos de una de ellas que se combinan con un peso fijo de la
otra, guardan entre sí una relación dada por números sencillos. En economía,
la ley de la oferta y la demanda. En biología, la ley de todo o nada está referida
al hecho de que no existe una relación entre la intensidad de la acción de una
neurona y el potencial de una señal de entrada: cada descarga de una neurona
en particular genera un impulso de la misma intensidad, sin depender de la
intensidad del potencial de entrada: se descarga o no (Morris & Maisto, 2001,
p. 50). Ellas son fruto de la inducción.
Las leyes de definición se denominan así porque usualmente llevan consigo la
definición de conceptos fundamentales. En otras palabras, son definiciones
que se convierten en ley. Surgen de la observación de un principio regulador
aplicable a una variedad de fenómenos aparentemente distintos, mediante
un proceso de inducción. Tal es el caso de la ley de Galileo del movimiento
de proyectiles o la relación F = ma de la física newtoniana. Estas leyes exigen
la formulación de nuevos conceptos: en le caso de Galileo el principio de
superposición (independencia de los componentes vertical y horizontal de la
velocidad) y la definición de aceleración. En el caso de Newton, la definición de
masa y en cierta forma, de fuerza. En psicología podemos citar el concepto de
49. Se conoce como la ley del 80-20. Por ejemplo, el 80% de los habitantes de un país
viven en el 20% de las ciudades. El 80% del costo de un inventario está en el 20% de
los artículos de dicho inventario. Esta ley encuentra aplicación en economía, socio-
logía, demografía, etc. Más adelante la estudiaremos como la ley 1/f.
122
actividad mental: Los elementos simples e irreductibles sobre los que descansa
toda la actividad mental son: sensación, sentimiento e imagen. Son leyes de
mayor alcance y confiabilidad que las empíricas, a pesar de que ambas son de
tipo inductivo, debido a que poseen un mayor soporte teórico.
Las leyes deducidas siguen un esquema lógico-deductivo. Son obtenidas a
partir de ciertos postulados o axiomas. Por ejemplo, la ley del movimiento
pendular puede deducirse a partir de las tres leyes del movimiento de New-
ton. Es posible deducir la ley de la caída libre de un cuerpo a partir de las
definiciones de velocidad y aceleración promedio y movimiento rectilíneo
uniformemente acelerado50. En psicología podemos citar la ley de la respuesta
múltiple: se favorece el proceso de aprendizaje si el individuo dispone de un
repertorio de respuestas posibles ante una situación concreta. Estas leyes son
más “seguras” debido a su carácter lógico-deductivo. Sin embargo, lejos están
de ser universales o eternas en sentido absoluto. No podemos garantizar que
la ley de la gravitación universal (F=Gm1×m2/R2) sea válida para las relaciones
intergalácticas, y necesita ciertos ajustes si queremos utilizarlas en el mundo
subatómico. De todas maneras, este es el tipo de ley al cual aspira toda teoría
cuando quiere ser lo más depurada posible. Una teoría es más poderosa y con-
sistente en la medida en que sus leyes formen parte de una teoría general, y no
dependa de observaciones particulares en campos aislados de la misma teoría.
Así, la ley de la gravitación universal no sólo explica las leyes empíricas −co-
nocidas ya por los antiguos como era el caso del movimiento de la luna− sino
que extiende su poder de aplicación a muchos planetas permitiendo encontrar
peculiaridades no observadas antes. En economía podemos citar la fijación de
los precios de los bienes, deducible de la ley de la oferta y la demanda.
Podemos decir que las leyes empíricas, válidas en un campo limitado, no tie-
nen suficiente información para prevenir al que las utiliza irrestrictamente,
cuando las aplica a un campo nuevo. En el caso de las leyes deducidas, esta
limitación subsiste aunque mucho menos. A pesar de que han sido obtenidas
deductivamente, ellas están ligadas a las hipótesis que les dieron origen, y de
acuerdo con lo discutido en el capítulo anterior, la validez de estos postulados
están siendo sometidos continuamente a contrastación51.
50. En el APÉNDICE, literal A.4.2 se explica dicha deducción.

51. En el capítulo siguiente se discutirán otros aspectos de este importante tema.
123
4.1 Leyes sistémicas

En lo que sigue indicaremos leyes sistémicas de diversas categorías, de acuer-
do con lo expuesto en este texto: algunas son empíricas, otras de definición y
otras deducidas. Tienen su origen en diversas perspectivas del estudio de los
sistemas: unas surgen de la biología, otras de la cibernética y el resto de otras
ramas del saber.
El lector no debe suponer que todas las leyes se aplican invariablemente a
cualquier sistema. Existen sistemas que obedecen a algunas de ellas, mientras
que otras no les son aplicables.
Veamos algunas.
4.1.1. Equifinalidad
Como se indicó anteriormente, en un sistema cerrado el estado final, es decir, el
estado de equilibrio puede ser alcanzado sólo a partir de un conjunto dado de
condiciones iniciales y a través de una trayectoria única. En un sistema abierto,
por el contrario, puede llegarse al mismo estado estable final a través de un
número diferente de rutas y aun partiendo de diferentes condiciones iniciales.
Tal es el caso del crecimiento de un niño con problemas nutricionales al cual se
le administran dosis de alimentos con el fin de restaurar las condiciones nor-
males de desarrollo. En condiciones favorables, es decir, aquellas que permitan
una corrección del proceso, este niño alcanzará un estado estable igual al que
hubiera logrado si desde el principio su nutrición hubiera sido la conveniente.
El estado equifinal será en este caso el estado estable. También puede ocurrir
que de un mismo estado, o grupo de estados, se alcancen diferentes estados
finales, generándose una divergencia que produce multifinalidad. Estos estados
equifinales o multifinales puede imaginarse propuesto por un ser superior y
hablaríamos de teleología. Jaques Monod (1971, p. 24-) propone el concepto
de teleonomía: en los sistemas abiertos, de procesos estables, estos tienden a
estados equifinales a partir de su historia y su capacidad evolutiva.
En el caso de los sistemas de la actividad humana, los objetivos propuestos
(estados equifinales) se pueden alcanzar a partir de diferentes condiciones
iniciales generadas por cambios que afectan al sistema. Es lo que observamos
en los estudios universitarios: al final se alcanza la graduación, a pesar de las
124
huelgas, la pérdida de materias o los problemas económicos que nos hayan

obligado a suspender el estudio en algún momento.
Como ya lo hemos indicado los sistemas cerrados tienden a estados de equili-
brio. Los sistemas abiertos, a estados estables. En ambos casos hablaríamos de
equifinalidad. En un estado de equilibrio el sistema no puede realizar trabajo.
En un estado estable, por el contrario, el sistema está alejado del equilibrio y
puede ejercer influencia sobre el medio que lo rodea. Un organismo vivo se
mantiene en estabilidad y es por lo tanto un sistema abierto. Al morir, se con-
vierte en un sistema cerrado, alcanzando un estado de equilibrio: cesa todo
tipo de transferencia de calor entre el cuerpo y su ambiente.
4.1.2 Centralización (integración)

Como la característica básica de un sistema es la interrelación de sus partes,
para que un sistema se comporte como tal a medida que crece, debe mante-
ner sus elementos relacionados entre sí. Por esta razón, se hace necesaria la
existencia de un elemento “coordinador” o “dominante” que se encargue de
tal función: el cerebro humano hace un papel centralizador con respecto al
resto del cuerpo; una orquesta sinfónica invariablemente necesita un director.
4.1.3 Descentralización (mecanización)

Paradójicamente, si la estabilidad de un sistema descansa en su capacidad de
integración, su complejidad descansa en la división de funciones. Mientras
más elementos diferenciados existan en un sistema, mayor será el potencial de
complejidad de su comportamiento52. En cierta forma, una ameba es un sistema
perfecto ya que al ser unicelular, el todo hace todo: traslación, alimentación,
reproducción… Al dividirla lo único que se logra son dos amebas idénticas.
Desde el punto de la supervivencia es lo máximo que puede desearse, pero el
pago por esta propiedad es su simplicidad: cuatro o cinco funciones elementales
es todo lo que puede realizar. Por el contrario, el ser humano al poseer órganos
diferenciados, puede ejecutar una enorme cantidad de funciones ampliando
enormemente la complejidad de su comportamiento. La orquesta sinfónica
52. Diferenciados en sus funciones, más que en su composición.
125
permite mayor variedad de interpretaciones entre más maestros y más instru-

mentos diferentes posea. Los sistemas complejos tienden a una diferenciación
y mecanización progresiva.
4.1.4 Mecanización-centralización
Las dos leyes anteriores se funden en una sola ley: ellas no son contradictorias
sino complementarias. Ambas son necesarias y ambas se dan simultáneamente
en muchos sistemas abiertos. Desde un punto de vista biológico, el estado
primitivo es aquel en el cual el comportamiento del sistema resulta de la inte-
racción de partes equipotenciales. Progresivamente ocurren subordinaciones
a las partes dominantes. El cerebro domina a los órganos especializados:
cuando se inicia la concepción de un ser humano, las células son idénticas;
pasado un tiempo, empiezan a diferenciarse formando las diferentes partes de
las que se compone (ojos, cabello, uñas, corazón, brazos…); un grupo de ellas
se reserva para la formación del cerebro el cual toma el comando del resto del
organismo. En sociología, distinguimos una sociedad de otra por sus líderes
(elementos centralizadores) así como por los conocimientos y habilidades de
sus ciudadanos.
4.1.5 Entropía mínima

En los sistemas aislados y en los cerrados, como se ha insistido, la entropía sólo
puede aumentar, o sea, el sistema cada vez está en menor capacidad de realizar
trabajo. Por el contrario, en los sistemas abiertos, bajo ciertas características,
estos se acercan a un estado independiente del tiempo, un estado estable. Dicho
estado se mantiene a distancia del verdadero equilibrio, siendo capaz de reali-
zar trabajo. Este estado estable, que no es otra cosa que un estado equifinal, se
alcanza independientemente de las condiciones iniciales y está determinado
únicamente por los parámetros del sistema: la entropía tiende a ser mínima.
Los seres vivos luchan continuamente contra la entropía utilizando para ello la
interacción con el ambiente que los rodea. Evidentemente, al final la entropía
triunfa, pero durante un intervalo de tiempo esta aparente violación de esta
ley es la que permite que los sistemas abiertos puedan permanecer en estados
estables, lejos del estado de equilibrio53.
53. Otra forma de entender la entropía es considerar que, en los sistemas cerrados,
126
Aquí podemos hacer una importante distinción entre la ciencia analítica, tra-
dicional, y la de los sistemas: la primera se ocupa de sistemas cerrados (si se
extiende a sistemas abiertos, estos permiten delimitar el sistema, incluyendo
el ambiente y redefiniéndose así como un sistema cerrado), que tienden a es-
tados de equilibrio y a máxima entropía. Por el contrario la segunda se ocupa
de sistemas abiertos, que tienden a la estabilidad, minimizando la entropía: el
ambiente y el sistema, interactúan.
4.1.6 Variedad obligada

Ashby (1972) define la variedad de un conjunto como el número de elementos
diferenciables que éste posee (o como el log2 de este número y la medida es en
bits)54. Así, el conjunto {a, b, c, a, c, b, a} de siete elementos tiene una varie-
dad de tres (o de 1.585 bits: log23). Esta definición implica que la variedad es
relativa al observador: depende de su capacidad o necesidad de diferenciación.
Si, por ejemplo, disponemos del siguiente conjunto de elementos: Õ, I, O que
tiene una variedad de tres (1.6 bits) y una persona no puede distinguir entre
Õ y O, entonces para esta persona la variedad de este conjunto es dos (1 bit).
Por otra parte, si el conjunto es {a, b, c, A} la variedad dependerá si hacemos
distinción entre a y A, o no.
La variedad es una propiedad del conjunto, no de un estado particular del
sistema. El sistema {Õ, O, I} sólo puede estar en uno de sus tres estados por lo
que su variedad es nula en cada caso (no es posible diferenciar un estado de
otro ya que, en el momento, es único). Sólo considerando los diferentes estados
a través del tiempo, o imaginándonos que hay réplicas simultáneas del sistema
cuando los elementos se presentan uno a la vez, es como podemos calcular la
variedad del conjunto.
Los sistemas abiertos están sometidos a los cambios del ambiente. Éste tiene
una variedad y el sistema, otra. Generalmente la variedad de este es mayor que
la del sistema. Si no fuera así, el sistema podría evaluarlo (controlarlo) en su
totalidad. Por ejemplo, si el clima se definiera mediante los cuatro elementos:
lluvia, viento, temperatura y rayos, y el ambiente sólo tuviera lluvia y viento
las temperaturas de los cuerpos tienden a igualarse. Si entran en contacto con un

ambiente, tienden a igualarse con la temperatura de dicho ambiente.
54. El log2a=log10a/log102=log10a/0.30103=3.322 log10a
127
mientras que el sistema tuviera la posibilidad de protegerse de los cuatro ele-

mentos, es obvio que el sistema podría protegerse completamente del ambiente:
la variedad de este es 2, mientras que la del sistema es 4 para los elementos
considerados. Por el contrario, si el ambiente tiene todos los elementos descritos
(variedad 4) y el sistema sólo dispone de protección para la temperatura y el
viento (variedad 2), estamos a merced de él en lo que corresponde al clima (no
hay protección para la lluvia y los rayos que se pueden presentar en cualquier
momento). Otra forma de ver la variedad en este ejemplo, es que pudiéramos
describir la lluvia mediante cuatro variables, el viento mediante tres, la tem-
peratura mediante tres y los rayos mediante dos variables. En este caso, si el
sistema sólo puede distinguir dos variables del primero, una del segundo, las
tres del tercero y una del cuarto, la variedad del ambiente (12) es superior a
la del sistema (7).
El ambiente puede perjudicar al sistema generando perturbaciones, por lo
que es necesario que éste se adapte a, o se defienda de dichos cambios. Se hace
necesario un elemento protector. El diagrama de efectos inmediatos, figura
4.1, nos muestra la relación entre las perturbaciones D, el elemento protector
F y un sistema S.
D F S
Relación entre las perturbaciones, el elemento

protector y el sistema
Fig. 4.1
La fuente de perturbación tiene una variedad v(D) de estados posibles. El siste-
ma es un elemento que tiene una variedad v(S) de estados esenciales, S1, S2, ... , Sn.
De estos n estados, un subconjunto, η ={S1, S2, ... , SK} (no necesariamente los k
primeros estados) se consideran letales o de efectos perjudiciales; los restantes
no. F es un elemento que se encarga de permitir que D ejerza influencia sobre
S sólo en el rango de los estados sensibles, es decir, es un elemento protector:
reduce la variedad de D para equipararla con la de S.
Por ejemplo, consideremos un cuarto que se mantiene a temperatura constante
gracias a un termostato. Aquí Si son las diferentes temperaturas que puede tomar
el cuarto: η= [190, 210] es el rango de temperaturas permitido (deseado), en gra-
128
dos centígrados; D son todos los fenómenos que pueden cambiar la temperatura
del cuarto: vientos fríos, vientos cálidos, lluvias, sol…F, el termostato55, trata
de minimizar los efectos de D en S, manteniendo la temperatura en el rango
deseado. Un termostato perfecto es aquel que bloquea todas las variaciones de
D y sólo entrega al sistema una temperatura entre 19 y 21 grados centígrados.
En el caso de una familia, si el padre es quien trabaja él intentará evitar que las
dificultades de su oficio y la falta de dinero afecten sensiblemente a su familia:
en ese caso es un elemento regulador.
De acuerdo con lo anterior, queda claro que la variedad de η debe ser menor
que la variedad de S. Un regulador es un elemento que disminuye la variedad
de D con el fin de lograr una variedad en S igual a la de η. El regulador es un
bloqueador de transmisión de variedad. Extendiendo el ejemplo de la relación
de un padre con su familia podríamos decir que un buen administrador, desde
el punto de vista de la regulación, es aquel que logra sortear todos los proble-
mas económicos que rodean a su organización y logra que dentro de ella esta
situación no sea sensible, pagando a tiempo sus deudas, a sus empleados y en
general, haciendo que la entidad marche como si nada pasara en el ambiente
externo. El termostato perfecto no permitiría ninguna variación en un rango
de la temperatura del cuarto, de tal manera que nadie podría darse cuenta de
los cambios de temperatura del exterior. En conclusión F es un buen regulador
si bloquea el flujo de variedad que va desde las perturbaciones a las variables
favorables del sistema.
Las relaciones entre D, F y S pueden representarse mediante una tabla T en
la que D representa las filas de la tabla, F las columnas y los resultados de las
respuestas de F a la acción de D, el contenido de la tabla, son las variables
esenciales del sistema. Esto se ilustra en la figura 4.2. En esta tabla no existen
elementos repetidos en cada columna.
El teorema de la variedad obligada, visto desde esta perspectiva, nos dice que:
Variedad (η) en T ≥ Variedad en D/variedad en F
La variedad en los resultados (variedad en T): η = 6, variedad en D = 6, y

variedad en F = 3.
55. Un termostato permite la regulación automática de la temperatura. Para ampliar

el tema ver APÉNDICE literal A.4.3.
129
F
α β γ
1 a c f
2 c b d
D
3 b a c
4 e d b
5 d f e
6 f e a
Relaciones entre D, F y S
Figura 4.2
De lo anterior queda claro que sólo la variedad de un regulador puede lograr
una disminución en la variedad de D. Como dice Ashby (1972, p. 282):
La variedad puede destruirse sólo por medio de la variedad.
Esta es otra de las maneras de presentar la ley de la variedad obligada.

Debemos aclarar que el esquema de la figura 4.1 es una manera simplificada
de un sistema de regulación. En una forma más avanzada, deben existir lazos
de retroalimentación (feedback), o de postalimentación (feedforward) que
afecten al elemento regulador para que se adapte a los cambios del ambiente
o del sistema, según el caso.
4.1.7 Emergencia sistémica

Los sistemas son algo más que la adición de sus elementos. La emergencia
sistémica se define como aquellas propiedades que poseen los sistemas y que
ninguna de sus partes posee. Aristóteles había dicho que el todo es más que la
suma de sus partes. Este aforismo no fue comprendido sino mucho después,
cuando se hizo palpable la propiedad de la emergencia de los sistemas.
Un ejemplo clásico es el caso del compuesto “azúcar” (sacarosa: C12H22O11). Ni
el carbono, ni el hidrógeno, ni el oxígeno que son sus componentes tienen la
propiedad de tener un sabor dulce. Pero el azúcar sí lo tiene.
130
Ashby señala cómo durante años los físico-químicos habían tratado de des-
cubrir el porqué las moléculas del caucho son contráctiles. Se sabe ahora que
estas moléculas no son inherentemente elásticas. Si se estira una, no sucede
nada. “Estirar un caucho” no significa estirar una molécula. Como hay más de
una, cada una de ellas ejerce una acción sobre las otras, y el resultado es que la
longitud total del conjunto es menor que la máxima posible.
En la física clásica, muchas propiedades emergentes pueden explicarse a partir
del comportamiento de sus partes. Pero en el caso de los sistemas abiertos, esto
no es así. En este caso, esta ley riñe de alguna manera con los principios de la
deducción. En un silogismo, la conclusión no puede tener ningún elemento
que no esté contenido en las premisas tal y como se indicó en el capítulo 1. El
comportamiento emergente de un sistema, en principio, no está contenido en
forma explícita en ninguna de sus componentes. E. Laszlo dice que existen cier-
tas propiedades de algunos elementos que sólo se manifiestan cuando entran
en acción con otros elementos del sistema. Están latentes y son inobservables
cuando estos elementos están aislados.
Considerando la emergencia como "una novedad" del sistema, Laszlo acota
(1972, p. 176):
Hay, inicialmente, una novedad introducida por una mediación externa
intencional, como lo es el ensamblaje de un reloj hecho por un relojero.
Aquí la información necesaria para producir la novedad es suministrada
del exterior donde ella preexiste en su totalidad (es decir en la mente del
relojero). En segundo lugar, hay la novedad basada en la información que
ya está presente en el sistema y se manifiesta en la forma de un conjunto
de códigos (estructuras que los poseen), como es el caso de los cromosomas,
que llevan la información necesaria para el desarrollo del organismo ma-
duro. Pero sólo la tercera forma de emergencia constituye la "verdadera
emergencia": en ella la información es generada durante el proceso del cual
la estructura reorganizada, se forma. La evolución, en todos los niveles de
los sistemas de la naturaleza, es de esta forma: no se trata de teleología, el
logro de un propósito existente, sino de teleonomía, la emergencia del
propósito en sí o, más exactamente, de la organización dinámica que lo
manifiesta.
S. J. Gould (2010. p. 267) comenta al respecto que las propiedades emergentes

no aparecen en ningún nivel inferior de la cadena de inferencias, al no ser
131
aditivas; son principios de nivel superior por lo que no pueden ser analizadas
desde un punto de vista reduccionista.
Aclaremos un poco más lo dicho. Consideremos la expresión general "a → b"
en donde el símbolo "→" indica una relación cualquiera entre los elementos a
y b. Si identificamos a a con el número 7 y a b con el número 5, y además la
relación es " se suman aritméticamente", podemos decir que el resultado de "7
y 5 se suman aritméticamente", es doce, ya que las partes, 7 y 5, son definidas
no sólo en sí (se trata de números) sino que su interrelación (la suma en este
caso) forma parte de sus propiedades intrínsecas. 12 es el resultado esperado,
deducible de la combinación de tales partes.
Consideremos ahora que a es Marta y b es Pedro y la relación "→ " significa "se
agradan"; la expresión anterior se leería "Marta y Pedro se agradan". ¿Podemos
ahora predecir el resultado de este sistema? Evidentemente no. Las partes no
tienen predeterminada, como elemento constitutivo, un resultado único para
la relación "se agradan". Muchas cosas pueden ocurrir: una amistad, un no-
viazgo, una sociedad, una enemistad... y por lo tanto no hay un determinismo
que pueda ser analizado desde un punto de vista reduccionista.
De acuerdo con esta ley las propiedades de un sistema se destruyen cuando este
es seccionado, reducido a partes aisladas, bien sea conceptual o físicamente.
4.1.8 Jerarquización
Todo sistema está formado por subsistemas, y a su vez forma parte de sistemas
que lo contienen. Por ejemplo, la Universidad está compuesta por subsistemas:
administración, docencia, investigación, extensión… Pero ella es a su vez es
subsistema de un sistema mayor: las universidades de la región. Estas univer-
sidades son a su vez parte del sistema educativo nacional, el cual está inmerso
en el Ministerio de Educación e interrelacionado con otras instituciones, etc.56
La figura 4.3 ilustra esta idea.
56. Obviamente esta es una de las formas de ver la universidad como sistema.
Podríamos considerar como subsistemas, en otra apreciación, los diferentes progra-
mas: Ingenierías, medicina, bellas artes…, la administración en general, los labora-
torios…
132
Jerarquización de sistemas
Fig. 4.3
Lo anterior nos lleva a considerar dos extremos: uno inferior compuesto por
una partícula, irreducible a subsistemas y otro superior, todo el Universo. Esto
crea un problema filosófico de fondo: en el extremo inferior tendríamos un
sistema que si bien forma parte de sistemas superiores, es decir, está contenido
en otros sistemas, no contiene a ningún subsistema). Violaría por lo tanto la
ley de la jerarquización.
Algo similar ocurre en el extremo superior: el Universo sería el gran sistema
que los contendría a todos, pero que no sería contenido por ningún otro sis-
tema. Este tema lo retomaremos en el capítulo 14.
La jerarquización nos lleva a considerar un nuevo elemento afín al sistema: el
ambiente del sistema. Grosso modo el ambiente rodea al sistema y lo determina.
La separación entre ambiente y sistema se logra indicando aquellos elementos
que poseen recursos de los cuales el sistema depende para su subsistencia pero
no los posee. Más adelante, en el numeral 9.4.3 hablaremos un poco más sobre
este tema.
4.1.9 Acoplamiento
La definición de sistema nos indica que existe una interrelación entre sus
partes; de acuerdo con este principio, todo sistema está estructurado por el
acoplamiento entre ellas. Pueden ser de carácter matemático, como en el caso
de la cibernética por ejemplo, o relaciones de tipo conceptual, como en los
sistemas sociales. Las figuras 4.1 y 4.3 muestran el acoplamiento entre diversos
subsistemas.
133
4.1.10 Totalidad
Tal y como hemos venido subrayando, un sistema debe concebirse como un
todo.
Podemos decir que hay dos posiciones respecto a la consideración de la tota-
lidad. Algunos consideran que por el momento los todos y las partes podrán
explicarse entre sí, como es el caso, por ejemplo, de la cibernética. Otros
investigadores sostienen que no es posible deducir las leyes del “todo” de las
leyes de las partes. Polanyi y Nagel son de esta línea. De cierta forma estamos
tocando asuntos relativos a la formalización de la teoría de sistemas, que será
nuestra discusión en el próximo capítulo57.
En psicología, a partir de la teoría de la percepción según el punto de vista del
movimiento gestalt58, se indica que percibimos todos integrados, no partes
aisladas. En la figura 4.4, por ejemplo, el cerebro completa lo que falta con tal
de darle un significado al dibujo.
De Gaetano Kanizsa59
Fig. 4.4
El “triángulo” blanco parece superponerse a otro triángulo y a tres círculos.
El triángulo no sólo “aparece sin estar” sino que además adquiere un color
blanco más intenso que el espacio del mismo color que le rodea. El cerebro
“integra” estos elementos para darles un sentido más coherente. De hecho el
57. El lector podrá estarse fatigando con tanto: “tema que se ampliará más adelante”,
“tema a discutir en próximo capítulo”. Pero qué podemos hacer; la teoría de sistemas,
¡es sistémica! Este es un buen indicativo de la dificultad de llevar a la práctica la noción
de sistema y sus implicaciones.
58. Palabra en alemán que significa "forma orgánica".
59. (1913-1993), obtenida de:http://www.ilusionario.es/INVESTIG/kanizsa.htm
134
cerebro continuamente nos engaña. Este tipo de observaciones es la que le da

firmeza a la posición filosófica de que la “realidad” sólo puede ser conocida
por la razón, no por los sentidos.
Consideremos estas leyes mediante los dos ejemplos que hemos utilizado a lo
largo de este escrito: el péndulo y una familia.
El péndulo, si parte de alturas diferentes regresará al mismo punto de donde
partió: las condiciones iniciales determinan el estado final, alcanzando un es-
tado de equilibrio60. Estaríamos hablando de teleología. Respecto a la familia,
para las situaciones normales, la tendencia a un estado de convivencia dentro
de ciertas reglas puede considerarse como un estado equifinal, pero no de
equilibrio sino de estabilidad. Ante diferentes circunstancias (estados iniciales)
se logra mantener la convivencia. Se trata ahora de teleonomía.
La centralización y mecanización progresiva se ve claramente en el caso de la
familia: las responsabilidades se reparten, y existe un elemento centralizador.
Esto no ocurre en el péndulo. No hay desarrollo de nuevos elementos que
"complejicen" el comportamiento.
La propiedad emergente en el péndulo es la regularidad de sus oscilaciones.
En el caso de la familia, su constitución como entidad social, como elemento
protector de sus integrantes, es una propiedad que sólo la familia como un
todo puede exhibir.
La jerarquización, en el caso del péndulo, no existe. No hay subsistemas sino
partes. En el caso de la familia la jerarquización es clara: existen subsistemas
tales como hijos, padres y a su vez forman parte de subsistemas que los con-
tienen: el barrio, la ciudad… resultando sistemas cada vez más complejos.
La ley de acoplamiento implica interrelaciones claramente determinadas. En
el péndulo son de carácter físico, son causalidades lineales. En el caso de la
familia son más de carácter social y moral. Son retroalimentadas.
El péndulo puede explicarse por partes y la ley general que lo rige se obtiene
de consideraciones parciales de las leyes de Newton, como se puede observar
cuando se sigue de cerca la forma en que es deducida la ecuación diferencial que
lo define (recordar la ecuación 1.1). Su comportamiento es explicable a partir
60. Equilibrio de un cuerpo significa que durante el paso del tiempo no cambia su
comportamiento sin necesidad de recurrir a fuentes externas de energía. Esto es
igualmente válido para un cuerpo que permanece en reposo, como para el caso del
péndulo galileano que se mueve eternamente.
135
de los comportamientos de sus partes. En el caso de la familia, esto no es así: no

podemos deducir, de la interrelación de sus elementos, su característica como
entidad social. Sí es resultado de tales interrelaciones, pero no es deducible.
4.2 Complejidad y reductibilidad sistémica

Entre 1950 y 1970 la Teoría General de Sistemas tuvo un importante desa-
rrollo. Muchas disciplinas recibieron su influencia (ciencias de la administra-
ción, sistemas tecno-sociales, psicología, antropología, economía, sociología.
Curiosamente no la biología, por el dominio del enfoque mecanicista de la
biología molecular) y lograron cierto éxito con este enfoque. Sin embargo, tal
vez porque no se obtuvieron leyes generales que cubrieran amplios campos
del saber, o porque las propuestas ambiciosas con que se inició su programa
ante la comunidad científica no fueron alcanzadas, o por la exigencia del uso
de la matemática como lenguaje de esta teoría, matemática que hasta el mo-
mento sólo podía lidiar con la linealidad, la T.G.S. sufrió una serie de críticas
severas. Por suerte, los trabajos sobre autopoiesis y Teoría de la Complejidad,
que son “Teorías de Sistemas” revivieron la propuesta original de Bertalanffy
y sus colaboradores. Una nueva tendencia para abarcar estos conocimientos
fue proponer un nuevo nombre: “Ciencia de los Sistemas”. Por esta razón, es
necesario traer a colación, en este texto, el tema de la complejidad en forma
más elaborada.
Sin embargo, luego de los avances logrados después de los años 70 la situa-
ción no ha cambiado mucho. Los problemas sobre contaminación, guerras,
alimento en el mundo, siguen iguales. ¿Por qué entonces, si disponemos de
una teoría de sistemas que intenta analizar esto y otros grandes problemas, la
situación sigue igual?
Capra (1999, p. 31) comenta que la dificultad es el cambio de valores de la
sociedad que gobierna y regula a las naciones (los líderes políticos y econó-
micos). Combinar el pensamiento y los valores asertivos, con los integrativos.
Los primeros han dominado al mundo hasta ahora. Son fruto de una visión
mecanicista, reduccionista. Los segundos son los sugeridos por el enfoque
sistémico. El siguiente cuadro indica estas dos posiciones frente al mundo en
la cual se ha cambiado asertivo por auto-asertivo (2014, Capra & Luisi, p. 13).
136
Pensamiento Valores
Autoasertivo Integrativo Autoasertivo Integrativo
racional intuitivo expansión conservación
analítico sintético competición cooperación
reduccionista holístico cantidad calidad
lineal no-lineal dominación asociación
Existen muchas definiciones de sistema complejo. Unas destacan la dificultad

de comprender el sistema; otras, la dependencia del sistema del número de
elementos que lo componen y de las múltiples interrelaciones entre ellos; otras
más parten de la dificultad de describirlo en palabras; algunas enfatizan el
hecho de que un sistema puede ser percibido de diferentes formas y que, por
lo tanto, no existe una única manera de considerarlo; algunas otras indican la
dificultad (imposibilidad) de explicar la emergencia de los sistemas a partir
de sus subsistemas.
Basar la definición de complejidad en su descripción trae como consecuen-
cia la paradoja de saber si un objeto (un sistema) es su descripción o, por el
contrario, la descripción es el objeto. Al no poder ser claros en este aspecto, la
definición es difícil de aplicar.
De lo anterior parece quedar claro que la complejidad no es necesariamente
una propiedad inherente a los sistemas, sino más bien una propiedad relativa
al observador; es subjetiva.
Una definición práctica (operacional) nos dice que un sistema es complejo
cuando no podemos, mediante un proceso mental (sin ayuda de otras herra-
mientas distintas a nuestro raciocinio y memoria) predecir, a corto o a mediano
plazo, su comportamiento. El sistema sería más complejo si aún con este tipo
de ayudas no podamos indicar su evolución en el tiempo.
Un excelente ejemplo es el problema de la contratación de docentes en una
universidad (Ritchmond y Peterson, 2000, p. 1-14). Durante los últimos diez
años, los profesores titulares vienen jubilándose a una tasa de 10 profesores por
año. La universidad contrata inmediatamente 10 profesores novatos que inician
su carrera docente y tardan 5 años en llegar a la categoría de titular. La planta
de profesores titulares es de 50 docentes. No existen efectos aleatorios ni en la
jubilación ni en la contratación. Repentinamente, en el año 11 se jubilan 15
profesores. Inmediatamente la universidad contrata 15 docentes nuevos para
137
reemplazarlos y esta situación continúa igual, sin cambio, durante los años
siguientes. Se trata de predecir, sin ningún cálculo y utilizando sólo nuestra
intuición y sentido común, cómo variará el número de profesores de planta a
partir del año 11. La gráfica 4.5 sugiere algunas opciones.
Comportamiento a futuro del total de titulares

Fig. 4.5
Se invita al lector a que luego de haber propuesto algún comportamiento
(posiblemente diferente a los sugeridos en la figura 4.5), haga los cálculos
respectivos y observe el resultado.
En la solución de este problema se ha encontrado que en general, e indepen-
dientemente de la formación académica de las personas, difícilmente se en-
cuentra la correcta. Aquí no hay efectos impredecibles ni un gran número de
elementos; ni siquiera las relaciones son complicadas. Podemos diferenciar, a
partir de este ejemplo, lo que se conoce con el nombre de complejidad estática
y la complejidad dinámica.
La complejidad estática tiene que ver con el manejo de un gran número de datos,
generalmente fruto de muchas interrelaciones y muchos elementos en el siste-
ma. Es el primer tipo de complejidad con el que nos enfrentamos en muchas
ocasiones cuando se estudia un sistema. Vemos un gran número de estados
(situaciones de un sistema que podemos diferenciar, como por ejemplo, en el
estudio de una universidad, el número de profesores, de alumnos, de personal
administrativo, los promedios de graduación, el presupuesto etc.), y muchas
variables (para cada profesor su hoja de vida, para cada estudiante datos como
edad, sexo, lugar de residencia, materias que ya cursó y su respectiva nota, etc.).
138
Estos sistemas pueden estudiarse o bien mediante el uso de las computadoras

que permiten manipular todas estas variables de manera muy efectiva (por
ejemplo el control de pago de impuestos de un país) o “reduciendo la variable”
mediante procedimientos estadísticos. Un adjetivo mejor para estos casos sería
complicado en vez de complejo.
La complejidad dinámica, por su parte, tiene que ver con la dificultad de predecir
el comportamiento del sistema, es decir, implica una evolución en el tiempo.
No depende tanto del número de elementos y de sus interrelaciones, como de
la manera como éstas interrelaciones se manifiestan.
La complejidad estática y la dinámica se hacen presentes de diversas maneras.
Por ejemplo, como veremos posteriormente, los sistemas caóticos son alta-
mente complejos a pesar de que las ecuaciones que los rigen son totalmente
deterministas; por su parte los sistemas adaptativos tienen múltiples relaciones
y cambian según los afecte el ambiente.
Con respecto al tamaño de un sistema debemos aclarar que debe referirse al
número de distinciones que es posible hacer, a su variedad (Ashby, 1972, p.
90): sea el número de estados disponibles o bien –si los estados están definidos
vectorialmente– el número de componentes en el vector (es decir el número de
sus variables o de sus grados de libertad). Ambas medidas están relacionadas,
puesto que si todo lo demás es igual, la adición de variables también produce
posibles estados adicionales. Además, desde nuestro punto de vista funcional
también podemos agrandar un sistema sin cambiar el número de variables,
midiendo ésta en forma más precisa y distinguiendo así un mayor número
de estados. Así, en el numeral 4.1.8 hicimos referencia a la universidad. Las
distinciones que hicimos fueron: administración, docencia, investigación, ex-
tensión. A su vez, la administración puede considerarse formada por divisiones
de personal, contabilidad, archivo, tesorería. La docencia, por materias que
se dictan por facultad y nivel de capacitación del docente. La investigación,
por los diferentes proyectos de las diferentes facultades. La extensión, por los
proyectos de apoyo a la comunidad que prestan los diferentes departamentos.
Igualmente, esta complejidad se puede aumentar bien considerando nuevos
elementos (por ejemplo incluir en investigación una división entre teórica y
aplicada) o bien subdividiendo aún más algunas de las divisiones ya estableci-
das: incluir por ejemplo, no sólo las materias por facultad, sino los diferentes
cursos ya que pueden existir diferentes clases para una misma materia.
139
Cuando el número de elementos y sus interrelaciones son la causa de la

complejidad, ésta puede medirse en cierta forma. Consideremos dos casos
extremos: un sistema compuesto por n elementos que no interactúan (lo cual
realmente no es un sistema pero nos sirve de referencia) y uno en el cual todos
sus n elementos interactúan. En el primer caso, el número de conexiones es
0; si consideramos ahora el caso más sencillo de sistema (una cadena abierta)
el número de conexiones es de n-1. Cuando todos los elementos están inter-
conectados el total de conexiones es n2 - n. En general, los sistemas no tienen
todos sus elementos interconectados (mas sí conectados), lo cual hace que
su complejidad disminuya. Esta noción es muy importante cuando se desea
estudiar un sistema mediante diagramas causales del tipo ilustrado en figuras
tales como la 1.5, 3.6 y 4.3: si todos los elementos se interrelacionan es muy
difícil modelar (y comprender) un sistema; de hecho debemos sospechar que
algo no está bien en las interrelaciones establecidas pues no habría reductibi-
lidad (Ashby, 1972, p. 357): se dice que un sistema es reductible si sus partes
son funcionalmente independientes. La reductibilidad es, en cierta forma, una
propiedad de los sistemas complejos tema que está íntimamente relacionado
con la casi-descomponibilidad de los sistemas, a tratar más adelante.
Para formarnos una idea de cuanta reducibilidad se presenta en el mundo
en que vivimos, comparemos su comportamiento ordinario con el que
tendría si súbitamente perdiese su reducibilidad, esto es, si cada variable
tuviese un efecto inmediato o retardado en las demás. El mero hecho de
dar vuelta la página de este libro, en lugar de ser eso y nada más que eso,
podría originar un cambio en las luces, un movimiento en la mesa, un
cambio en la velocidad del reloj y así similarmente en toda la extensión del
cuarto. Si el mundo fuera realmente irreductible, la regulación sería tan
difícil que resultaría imposible, y no podría existir ninguna forma organi-
zada de vida.
Como hemos indicado reiteradamente en este texto, los sistemas son concep-
tos, maneras de concebir fenómenos. No son, pues, cosa distinta a modelos de
una realidad que buscan simplificarla para poder entenderla y, en lo posible,
manipularla.
Una manera de reducir la complejidad es considerar el patrón que define al
sistema. Encontrar las reglas generales, los comportamientos comunes a sis-
temas similares nos permiten percibir el fenómeno en lo fundamental. Una
célula es, sin duda, un sistema complejo. ¿Qué es lo que caracteriza a cualquier
140
célula? Esto nos permite definir una célula en sus partes fundamentales. La
figura 3.2 es un buen ejemplo.
Otra ilustración sobre este tema es la forma como Linneo redujo la complejidad
del mundo vegetal a través de su extraordinaria clasificación. La unidad de
clasificación es la especie y éstas se identifican mediante una fórmula binomial:
género (características familiares) y especie (características particulares). La
clasificación de los seres humanos es homus (género) sapiens (especie)61.
También la complejidad se puede reducir mediante la definición de su estruc-
tura: elementos fundamentales con sus interrelaciones. En medicina se describe
al sistema nervioso mediante dibujos en los cuales se destacan los órganos
básicos y la forma en que se conectan entre sí mediante una red de conexiones
nerviosas. Debido a su enorme complejidad se subdivide en sistema nervioso
central, periférico, somático y autónomo. La figura 4.6 nos muestra el sistema
nervioso central (fuente: Wikipedia).
Sistema nervioso central

Fig. 4.6
61. El tema se amplía un poco en el APÉNDICE, literal A.4.4.
141
La descripción del proceso de un sistema es otra forma de simplificar su com-

plejidad.
Un ejemplo de una parte del proceso de la elaboración de un asado (cortar la
carne → ponerla en las brasas → esperar a que se ase un lado → voltear la carne
para asar el otro lado → retirar de las brasas) se indica en la figura 4.762.
Diagrama de proceso parcial. Asado de una carne

Fig. 4.7
Lo que hemos hecho en la reducción de la complejidad no es otra cosa que
buscar una representación, abstracta o gráfica del sistema. De hecho, se trata
de una reducción de la variedad. Todas las leyes de la ciencia −y estas leyes no
son otra cosa que modelos de estructuras− son reducciones de variedad (Ashby
las denomina constricciones). El modelo no es otra cosa que un regulador.
Es importante resaltar la relación que existe entre complejidad y no linealidad.
Muchos autores relacionan estos dos conceptos hasta el punto de definir la
complejidad a partir de lazos de retroalimentación: para que un sistema sea
complejo es necesario que en su estructura existan lazos de retroalimentación
positiva y negativa, así como demoras, es decir, un lapso entre la causa y el
efecto. En el caso de la jubilación y contratación de profesores –el ejemplo
dado al inicio de este numeral– la dificultad en la predicción se presenta por el
tiempo que transcurre entre la contratación y la jubilación, es decir, la demora
entre ambos eventos y no tanto por la retroalimentación (que es simplemente
contratar un número de profesores igual al de los jubilados). En la Teoría de
la Complejidad hay otras consideraciones al respecto, como veremos en su
momento.
62. Para una mejor comprensión véase el APÉNDICE, literal A.4.5.
142
4.3 Sistema retroalimentado

Sigamos a Bertalanffy (1973, p. 157-158). Quienes tengan conocimiento de
algunos conceptos de cibernética, podrían estar tentados a pensar que el
concepto de sistema abierto y retroalimentación (feedback) son equivalentes.
Nada más equivocado.
El lazo de retroalimentación constituye el elemento fundamental de la cibernéti-
ca. Permite comprender estructuras y procesos de gran cantidad de sistemas. Un
diagrama que describe un sistema con retroalimentación es el de la figura 4.8.
Estímulo Mensaje Mensaje Respuesta

Aparato
Receptor Efector
de control
Retroalimentación
Esquema de un lazo de retroalimentación

Fig 4.8
Este esquema es aplicable a innumerables situaciones. Consideremos el caso
de un termostato que deseamos mantenga la temperatura de un cuarto en 20
grados centígrados, cuando la temperatura exterior es de 15 grados (estímulo).
Inicialmente el receptor censa la temperatura del cuarto (receptor), que es de 15
grados y la compara con la deseada (Aparato de control): 20 grados. Entonces se
envía un mensaje al efector para que genere calor, elevando la temperatura del
cuarto. Este nuevo valor es retroalimentado al receptor el cual detecta la nueva
temperatura, por ejemplo 17 grados. De nuevo este dato es comparado con los
20 grados deseados. El proceso se repite hasta que el cuarto alcance este valor,
y el efector deja de producir calor. Como el cuarto comienza a enfriarse por
efecto de la temperatura externa, el proceso se reinicia. Situaciones similares
se observan en el piloto automático de un aeroplano, en las reacciones de los
músculos ante cierto tipo de estímulos y en muchas decisiones administrativas,
entre muchos otros ejemplos.
Un caso interesante es la homeostasis que es el mantenimiento del balance
en el organismo y una de cuyas manifestaciones es el mantenimiento de la
temperatura corporal en los animales de sangre caliente. Si la sangre se enfría
(estímulo) esto actúa sobre ciertos centros cerebrales (mensaje-aparato de con-
143
trol) que a su vez activan mecanismos de generación de calor (efector) el cual

es enviado al centro receptor con el fin de mantener la temperatura constante.
Como podemos deducir de la definición dada, el lazo de retroalimentación
es resultado de un arreglo estructural del tipo de la figura 4.8. La transmisión
de información es parte fundamental de esta estructura. Por su parte, el siste-
ma abierto no maneja el concepto de información y corresponde a procesos
cinéticos y termodinámicos: su fundamento es la interacción dinámica de sus
componentes. Un esquema general de un sistema abierto lo indica la figura
4.9 (Bertalanffy, 1973, p. 135).
K1 k1
X x1 x2
k2
k
3
x3
K2
Esquema de un sistema abierto sencillo

Fig. 4.9
Aquí ambiente y sistema interactúan simultáneamente. Como puede obser-
varse, el diagrama fundamental es de tipo causal. Este modelo indica que la
transferencia de un material a1 (de concentración x1) es proporcional a la di-
ferencia entre la concentración externa X y la interna x1. Un caso sencillo son
los azúcares o los aminoácidos. El material importado a1 puede formar, en una
reacción reversible mono molecular, un compuesto a2 de concentración x2 (por
ejemplo monosacáridos que se transforman en polisacáridos, aminoácidos
en proteínas).Por otra parte la sustancia a1 puede catabolizarse en a3 mediante
una reacción irreversible (por ejemplo oxidación, desaminación); a3 puede ser
eliminada del sistema en forma proporcional a su concentración.
El lazo de retroalimentación es termodinámica y cinéticamente cerrado:
aunque responde a estímulos, no puede crecer, reproducirse o mantener sus
estructuras. Su entropía sólo puede aumentar.
El sistema abierto puede decrecer la entropía, lo cual equivale a decir que su
capacidad de información puede aumentar, mientras que en el lazo de retroa-
limentación la información sólo puede decrecer.
144
El mantenimiento de un estado, la equifinalidad, es posible en los lazos de

retroalimentación, tal como se vio en el ejemplo del termostato, pero esto se
hace sólo de manera reactiva, es decir, de una sola forma para cada condición.
Son estados de equilibrio. En los sistemas abiertos, como ya se ha indicado, el
mismo estado equifinal puede alcanzarse por diversos procesos. Son estados
estables.
Los sistemas intencionales pueden explicarse mediante lazos de retroalimen-
tación en un sistema cerrado; los intencionados, no. Así los sistemas abiertos
tienden a estados de mayor organización gracias a las propias condiciones
del sistema. Los sistemas retroalimentados también pueden alcanzar estados
de mayor organización pero de manera reactiva, mediante mecanismos de
aprendizaje: información suministrada por el ambiente.
Jordan (citado por Skyttner, p. 178) dice que un sistema manifiesta un propó-
sito cuando internamente procesa una entrada en una salida: es un sistema
intencional (purposive). La salida es una meta deseada.
Por ejemplo, el regulador de Watt el cual se ilustra en la figura 4.10 (Pékelis,
1977, p. 11).
Regulador de Watt (sistema cerrado)

Fig. 4.10
145
La idea es fijar una velocidad angular de referencia ωr. Como se puede ver, el
eje del mecanismo está fijado al eje de rotación de la máquina a controlar. Si
la velocidad aumenta, las esferas se separan debido a la fuerza centrífuga; el
mecanismo de palanca cierra la válvula de vapor disminuyendo la presión del
vapor, por lo que la velocidad de rotación baja, tendiendo al valor prefijado.
Si se reduce demasiado, entonces la válvula permitirá que pase más vapor
aumentando la velocidad. Evidentemente el sistema tiende a autoorganizarse
(es autoregulado), gracias a la interacción del sistema con el ambiente: la ad-
misión de vapor.
En 1970 Heinz Von Förster (Vienés, 1911-2002) hace pública su idea de que
en la cibernética, el investigador forma parte del proceso cibernético descrito
(2003, Cap. 13). Antes se consideraba aparte del proceso estudiado (una po-
sición clásica en la ciencia, como lo hemos indicado en este texto). Se habló
entonces de la Cibernética de la cibernética, o Cibernética de segundo orden.
Se pasa de una definición clásica: “El control en el hombre y la máquina” a “La
ciencia que estudia los principios abstractos de la organización en los sistemas
complejos” Esto incluye todo tipo de sistemas: físicos, tecnológicos, biológicos,
ecológicos, psicológicos, sociales o cualquier combinación de los mismos. No
sólo estudia en qué consisten tales sistemas, sino cómo funcionan. Esto modifica
la posición antes descrita (ver Heylighen y Joslyn, 2001).
La T.G.S. estudia los sistemas en diversos grados de generalidad, mientras que
la cibernética se centra en los sistemas dirigidos a metas, sistemas funcionales
(diseñados) que tienen alguna forma de control. Ambas son incluidas en lo
que se conoce como Ciencia de los sistemas.
La cibernética clásica consideraba que la relación entre el sistema tal como es
y su representación para estudiarlo, “el modelo”, era prácticamente la misma
cosa. Debido a las poderosas técnicas de la cibernética, el conocimiento del
sistema en sí era tan profundo, que poca distinción cabía entre “sistema real”
y el “modelo del sistema”. De hecho, el sistema descrito era un actor “pasivo”,
o en términos de lo ya estudiado, un objeto (objectum).
Para la cibernética de segundo orden, un organismo es un sistema (un agente
utilizando el término utilizado en computación) que tiene un comportamiento
propio, que a su vez interactúa con otro agente, el observador. Y si nos basamos
en la mecánica cuántica, esta relación, observado-observador es indisoluble,
siendo el comportamiento final el resultado de esta interacción. El observador
es un sistema cibernético que interactúa con otro sistema cibernético para
146
comprenderlo: se necesita una “Cibernética de la cibernética” o una cibernética

de segundo orden. El paso de un enfoque a otro se hizo gradualmente y de
alguna manera ya estaba implícito en los impulsores de esta ciencia: Ashby,
McCulloch, Bateson, Mead… Sin embargo la influencia de este movimiento
se ha reflejado en una especialización que ha dejado de lado la importancia
de la relación observador-observado. Surgen, pues, los desarrollos en redes
neuronales, las interacciones autónomas en robótica, la retroalimentación
positiva en los sistemas complejos, la inteligencia artificial, el estudio de los
sistemas complejos adaptativos, la vida artificial… Los sistemas intencionados
pueden ser estudiados desde esta perspectiva.
La existencia de una interrelación entre dos observadores: quien observa y
quien observa al que observa genera una sociedad. Por esto se habla de re-
laciones sociales. Surge una sociología de tipo constructivista que ha tenido
profundo impacto en esta ciencia. El constructivismo es la filosofía que razona
sobre la idea de que los modelos no son reflexiones pasivas de la realidad,
sino construcciones activas del sujeto. Digamos que en la cibernética clásica,
el observador estipula el propósito del sistema. En la de segundo orden, debe
estipular su propio propósito.
Por su parte basándose en Von Föster, Niklas Luhmann propone una visión
cibernética de la sociología. Un sistema no trivial, autopoyético, es decir, que
genera su propio resultado: la sociedad no sólo tiene la capacidad de reprodu-
cirse, sino de producirse. Mas esta visión se encontró con una gran dificultad:
definir a la sociedad como sistema. Una visión cibernética implica la identifi-
cación de un sistema claramente definido. Aquí se hace palpable la dificultad
de considerar como sistema real, lo que sólo es un constructo mental, algo que
se ha venido enfatizando a lo largo de este texto63.
63. Ideas extraídas de la conferencia del Dr. Răzvan Enache, Octubre 2015, Doctorado
interinstitucional en Ciencias Ambientales, U. Cauca, U.T.P., U. Valle.
147
4.4 Resumen
Las teorías científicas buscan establecer leyes. La T.G.S. no puede ser la ex-
cepción. Tras discutir lo que vamos a entender por una ley, destacamos las
más generales e importantes de los sistemas: la equifinalidad, la tendencia a
una entropía mínima en el caso de los sistemas abiertos, la centralización y la
descentralización progresiva, la variedad obligada, la emergencia sistémica,
la jerarquización, el acoplamiento y la totalidad. Con estos conceptos, la idea
de sistema toma cuerpo y aparece como una herramienta útil para enfren-
tar fenómenos complejos. Finalmente, hacemos una referencia al concepto
de complejidad, el cual sera profundizado posteriormente, destacándose la
reductibilidad sistémica: aunque los sistemas se conectan entre sí, existe el
hecho de que se forman “islas” de subsistemas que pueden ser considerados
“aisladamente” lo cual permite que estos sean estudiados.
Se ha establecido una diferencia importante entre el concepto de sistema re-
troalimentado, de la cibernética, y el de sistema abierto.
Al hablar de cibernética, se ha indicado cómo las ideas de los sistemas generales
y de la cibernética se han influido entre sí. La cibernética de segundo orden (y
de órdenes superiores) enfatiza la importancia de incluir un nuevo observador:
aquel que observa al sistema "observador-sistema"; en otras palabras, pasar de
un sistema cerrado, a uno abierto. El ambiente reclama su importancia.
148
CAPÍTULO 5
FORMALIZACIÓN DE LA TEORÍA
GENERAL DE SISTEMAS
5.0 Formalización y clasificación

Por lo discutido anteriormente, parece casi obligado asegurar que la formali-
zación de una teoría de sistemas está sustancialmente ligada a la posibilidad
de presentar matemáticamente los conceptos básicos y sus aspectos operativos.
Recordemos que la formalización de una teoría en su parte esencial implica
la proposición de un grupo de axiomas, postulados o hipótesis, la existencia
de ciertos conceptos (indefinibles en los sistemas abstractos, poco precisos en
los naturales), la definición de ciertas reglas de construcción y la existencia de
reglas de inferencia mediante las cuales podamos aseverar que una conclusión,
basada en ciertas premisas, es confiable (verdadera en los sistemas abstractos),
es decir, que no contradice sino que confirma los hechos observados en la rea-
lidad. Y esto se logra con ventaja si el lenguaje utilizado es el de la matemática.
Debemos indicar, sin embargo, que muchas teorías inician procesos de forma-
lización con el esfuerzo, nada sencillo, de la clasificación de los fenómenos que
le interesan: es el inicio del establecimiento de las bases teóricas que permitirán
posteriormente ampliar la teoría y generar modelos.
Ya indicamos (capítulo 2), que no existe una Teoría General de Sistemas. G.
Klir habla de una polifonía de teorías. En este capítulo daremos algunas ideas
relacionadas con estos temas. Trataremos de abarcar aspectos clasificatorios
y de formalización.
A. Rapoport (1972. Ver Bertalanffy, 1978 p. 56) dice respecto a la Teoría Ge-
neral de Sistemas:
Hablando estrictamente, la Teoría General de Sistemas no es una teoría a
la manera de las teorías científicas. [...] Una teoría científica se propone
hallar puntos de contacto entre hechos e, idealmente, dar con las condicio-
nes necesarias y suficientes para que se produzca un conjunto de hechos,
149
todo lo cual se expresa en el paradigma de una afirmación científica: “si...

entonces...”.
En las ciencias más maduras, este paradigma ha adquirido forma matemá-
tica. Los puntos de contacto se exponen en ecuaciones matemáticas que
relacionan entre sí las cantidades variables. En una ecuación el “si” corres-
ponde a la asignación de variables independientes; el “entonces” a la asig-
nación resultante de valores a las variables dependientes.
[...] Una teoría puede, sin embargo, entenderse en un sentido más amplio
que el precedente. Antes de que una teoría esté en condiciones de hacer
afirmaciones del tipo “si... entonces...”, es necesario buscar y definir las
variables que van a ser objeto de tales afirmaciones. La búsqueda de las
variables y definiciones apropiadas pueden también considerarse una in-
vestigación teórica. En este sentido más amplio, una teoría puede ser
sencillamente un esquema de clasificaciones y definiciones (la definición,
por supuesto, es un requisito previo a la clasificación). En este sentido más
amplio la Teoría General de Sistemas podría, quizá, considerarse una teo-
ría, ya que en primer lugar emprende la tarea de definir sistema y clasifica
después los sistemas de acuerdo con ciertos criterios.
Por estas razones vamos, en lo que sigue, a considerar varias clasificaciones

de sistemas para luego estudiar los aspectos matemáticos de dos propuestas
teóricas, de varias que hay, para formalizar la T.G.S.
5.1 Clasificación de los sistemas

En la literatura existen varias clasificaciones respecto a los sistemas. Para efec-
tos de este texto consideraremos la de K. Boulding, las de R.L. Ackoff y las de
P. B. Checkland. Esta selección no puede tomarse como la escogencia de "las
mejores". Simplemente son útiles para el estudio de temas posteriores.
5.1.1 Clasificación de los sistemas:

Keneth Boulding
Este autor (1956) aclara que existen dos caminos que se complementan para
desarrollar un “sistema de sistemas”. Uno consiste en tomar fenómenos gene-
rales de diferentes disciplinas y tratar de construir un modelo general que los
150
explique. Un buen ejemplo es el estudio de los diferentes tipos de crecimiento:

poblacional, monetario, de información, que dio como resultado una teoría
general sobre el crecimiento. En otras palabras, la búsqueda de isomorfis-
mos en diferentes áreas de interés. "El otro camino es encuadrar los campos
empíricos en una jerarquía de complejos organizacionales partiendo de una
unidad de comportamiento afín a cada nivel, y tratar de desarrollar un nivel
de abstracción apropiado a cada uno", lo que está de acuerdo con la idea de
Rapoport como acabamos de indicarlo. Este es el camino tomado por Boulding
para proponer su jerarquización de niveles sistémicos. En esta clasificación,
el lector debe observar cómo, a medida que se asciende en la jerarquía, cada
nuevo nivel posee propiedades que los niveles anteriores no tienen. Hay, pues,
emergencia sistémica. Nueve son los niveles propuestos por este autor. Haremos
un resumen al respecto.
1) El primer nivel es el de las estructuras estáticas. Es el nivel de los marcos de
referencia. Es la “anatomía y geografía del universo”. Los patrones de los
electrones alrededor del núcleo, cómo se interrelacionan los átomos en una
fórmula molecular, la organización de átomos en un cristal, la estructura del
gen, de la célula, de la planta, del animal, la cartografía de la tierra, el sistema
solar, el universo astronómico. La descripción precisa de estos marcos es el
inicio de un conocimiento teórico organizado en casi cualquier campo ya
que sin una descripción precisa de estas estructuras estáticas, no es posible
establecer una teoría funcional o dinámica aceptable.
2) El siguiente nivel es el de los sistemas dinámicos sencillos, perfectamente
predecibles, que alcanzan estados predeterminados de equilibrio. Podríamos
denominarlo el nivel de los mecanismos de relojería. El sistema solar es el
gran reloj del universo desde el punto de vista del ser humano, y la exactitud
en las predicciones hechas por los astrónomos dan fe de la excelencia de este
reloj. Máquinas sencillas como la palanca o la polea, o más complejas como
una máquina de vapor y las dínamos caen en esta categoría. Igual ocurre
con gran parte de la estructura teórica de la física, de la química y aún de
la economía. Este tipo de sistemas se consideran como sistemas cerrados.
3) El tercer nivel es el de los mecanismos de control o sistemas cibernéticos. Es
el nivel del termostato. Se diferencia de los sistemas sencillos en equilibrio
ya que la transmisión e interpretación de la información es parte esencial del
sistema. El sistema tiende a la estabilidad mediante procesos de regulación
y control. Se destaca el concepto de retroalimentación.
151
4) Este nivel es el de los sistemas abiertos o que mantienen su estructura. Aquí

“la vida comienza a diferenciarse de lo que no es vida”. Podríamos llamarlo
el nivel de la célula. Va desde los sistemas abiertos más sencillos (estructuras
atómicas, estructuras moleculares) hasta aquellos que poseen la propiedad
de autorreproducción. Los sistemas se autoorganizan. De aquí en adelante
están los sistemas que reclaman un enfoque sistémico.
5) El quinto nivel es de tipo genético-social. Es el nivel de la planta. En éste se
presenta una diferenciación del trabajo entre las células para formar una
sociedad celular con partes diferenciadas e interdependientes (raíces, hojas,
semillas, etc.), y además, con una clara diferenciación entre los genotipos y
los fenotipos, asociados con el fenómeno de equifinalidad. Poseen recep-
tores de sensación e información muy limitados.
6) Pasamos ahora al nivel del reino animal. Se caracteriza por su mayor mo-
vilidad, comportamiento teleológico y capacidad de estar alerta. Aparecen
receptores de información especializados (ojos, oídos, etc.), fundamentales
para poder moverse, que permiten manejar una enorme cantidad de infor-
mación, la cual es organizada a través de un sistema nervioso y controlada
por un cerebro obteniéndose estructuras cognitivas o “imágenes” generadas
por la relación estímulo-respuesta.
7) El siguiente es el nivel humano. Es el individuo. Además de las características
del nivel 6, el ser humano posee autoconciencia, que es diferente al simple
estado de alerta: “no sólo sabe, sino que sabe que sabe”, lo cual posiblemente
esté relacionado con el lenguaje y el simbolismo64. Puede hablar, es decir, es
capaz de producir, asimilar e interpretar símbolos, muy diferente a la habili-
dad del grito de alerta de los animales. Es, además, consciente de su muerte.
8) Nos encontramos ahora en el nivel de las organizaciones sociales, muy
relacionado con el nivel anterior. El ser humano es un ser fundamental-
mente social. Es de mucha importancia el concepto de “rol” o papel. Como
individuo, pertenece al nivel 7; al interactuar con otros individuos y asumir
un papel, el concepto de organización toma cuerpo. El contenido y la signi-
ficación de los mensajes, los sistemas de valores, el recuento de la historia,
el arte y las emociones son aspectos distintivos en este nivel65.
64. H. Maturana sostiene que “lo central del fenómeno social humano es que se da
en el lenguaje, y lo central del lenguaje es que sólo en él se dan la reflexión y la auto-
conciencia”. (2004, p. 83).
65. La interrelación de estos dos niveles es tal vez mayor que la que pueda existir
entre cualquier otro par de niveles consecutivos de la jerarquía descrita. Como dice
152
9) Estamos ahora en el nivel de los sistemas trascendentales. Son los absolutos,

los inasibles, los incognoscibles. Son las preguntas sin respuesta. El motor
del pensamiento humano.
Boulding aclara que existen modelos teóricos que llegan al cuarto nivel. El
conocimiento empírico (aplicado) es débil en casi todos los niveles. Aún en el
primer nivel, carecemos de un conocimiento avanzado para una descripción
adecuada de estructuras complejas. Para comprender esto último, bástenos con
pensar en la gran dificultad que se presenta al catalogar libros, música, obras
de arte. ¡Y esto corresponde al primer nivel!
¿En cuál nivel incluiríamos el péndulo de Galileo? Si lo consideramos como el
esquema propuesto en la figura 1.1, estará en el primer nivel. Pero si conside-
ramos el sistema definido por el modelo matemático, pertenecería al segundo
nivel.
¿Y la familia? Si sólo nos interesan las relaciones de autoridad-responsabilidad,
es decir su estructura fundamental, estaríamos en el primer nivel. También
podríamos asimilarla al segundo nivel, si tenemos en cuenta algunos aspectos
dinámicos simples como dar órdenes, hacer tareas repetitivas, alimentarse…
Si se mira como formando parte del tercer nivel debemos incluir aspectos de
autorregulación: reglas que deben cumplirse tales como hora de llegada de
los hijos al hogar, hora en la cual deben servirse los alimentos, hora en la cual
debe tomar la ducha cada uno de los integrantes de esta comunidad… Puede
mirarse como un sistema abierto, que en parte autogenera y afecta sus propias
estructuras y procesos; estaríamos considerando la familia en cuestión como
un modelo de cuarto nivel. Ascendiendo en la escala de complejidad, podemos
incluir partes (subsistemas) especializadas para cumplir ciertas funciones: el
padre trabaja, la madre se ocupa de las tareas de la casa, los hijos estudian...,
es decir, el nivel cinco de la propuesta de Boulding. Yendo un poco más lejos,
podríamos incluir elementos sofisticados de procesamiento de información
y una dinámica de comportamiento y administración teleonómicas. Como
modelo del séptimo nivel, la familia debe considerarse como poseedora de
autoconciencia como resultado de las interacciones entre sus integrantes. Pero
el modelo que definitivamente la define mejor es el correspondiente al octavo
nivel: la familia como un sistema social. Este ejemplo resalta las opciones que
existen para modelar sistemas desde diferentes perspectivas. Esta observación
se complementará con las clasificaciones de Ackoff que indicaremos enseguida.
Maturana: “[…] de una manera inevitable el ser humano individual, es social, y el ser
humano social es individual” (Ibid. p. 72).
153
5.1.2 Russell L. Ackoff: clasificación

según el comportamiento
Hay dos clasificaciones que vamos a utilizar de este autor (2002, p. 28-45). Para
precisar las ideas que hay en ellas, debemos primero definir algunos conceptos
relativos a los sistemas.
En su artículo sobre conceptos de sistemas (1971), este autor define, entre
otros temas, lo que se entiende por evento, reacción, respuesta, acto y com-
portamiento.
Un evento es un cambio en una o más de las propiedades estructurales de un
sistema o de su ambiente en un período específico. Por ejemplo, encender el
bombillo de un cuarto, cuando cae la noche. Aquí hay dos eventos: uno en
el sistema y otro en el ambiente (si consideramos como sistema el cuarto y
como ambiente lo que lo rodea). Otros eventos son mover un brazo, hablar si
estábamos callados, salir de un cuarto…
Una reacción de un sistema es un evento o suceso para el cual otro evento que
ocurra en el sistema o en el ambiente, es suficiente. Si para encender un bom-
billo que no está dañado es suficiente con accionar un interruptor, entonces
el bombillo reacciona ante esta acción. Un salto de sorpresa ante una acción
inesperada como un grito, es también una reacción (siempre y cuando la per-
sona no tenga problemas auditivos).
Una respuesta de un sistema es un evento del sistema para el cual la ocurrencia
de otro evento en el sistema o en su ambiente es necesario pero no suficiente.
Por lo tanto, “una respuesta es un evento del cual el sistema mismo es copro-
ductor”. Para responder ante una pregunta, es necesario que me interroguen;
pero no es suficiente: podría muy bien no querer responder. Tratemos de aclarar
un poco más las dos últimas definiciones.
Es suficiente que se dé A para que ocurra B: sin embargo B podría ocurrir sin
que se dé A; así, si me gritan (A), salto (B), pero esto no quiere decir que no
pueda saltar por otra razón.
Es necesario que se dé A para que ocurra B: B no puede ocurrir si no se da A,
pero la sola existencia de A no garantiza que B ocurra. Así, para yo responder
es necesario que me pregunten; pero dar una respuesta también implica que
tenga conocimientos respecto a la pregunta o que tenga el deseo de darla; por
lo tanto podría no responder.
154
Podemos añadir que una condición suficiente, permite predecir que un evento
ocurrirá, que está relacionado con la relación causa-efecto. Por su parte, la
condición necesaria descubre elementos que son responsables de que el evento
ocurra. Causalidad múltiple.
Un acto de un sistema es un evento del sistema para cuya ocurrencia no es
necesario ni suficiente que existan cambios en el ambiente del sistema. Los
actos son, pues, eventos auto determinados por el sistema. Internamente los
cambios son necesarios y suficientes para que ocurra el acto. Los actos pueden
ser reactivos, de respuesta o autónomos, o combinaciones de estos. Salir co-
rriendo del salón de clase porque está temblando es un acto, bien sea porque la
adrenalina me impulse a hacerlo, o porque decida salir en lugar de quedarme.
Los actos no son exclusivos de los seres humanos. Un robot puede también
realizar actos: puede producir cambios en sus propios eventos o en el ambiente
por su propia dinámica.
El comportamiento de un sistema “es un evento (eventos) del sistema que es
(son) necesario(s) y suficiente(s) para que ocurra otro evento en el sistema o
en el ambiente”66.
El comportamiento es un cambio en el sistema que desencadena otros eventos.
Nótese que las reacciones, respuestas y actos son eventos del sistema cuyos
antecedentes son de interés. El comportamiento consiste en los eventos del
sistema cuyas consecuencias son de interés. Desde esta perspectiva, las reaccio-
nes, respuestas o actos pueden ser comportamientos.
Veamos, pues, la siguiente clasificación de Ackoff.
5.1.2.1 Clasificación de acuerdo al

comportamiento del sistema
Ackoff propone una clasificación de los sistemas de acuerdo con su compor-
tamiento. La tabla de la figura 5.1 la resume.
Haremos una aproximación intuitiva a esta clasificación. El lector que desee
profundizar un poco este tema puede consultar el APÉNDICE, literal A.5.1.
66. En psicología el comportamiento se refiere a las acciones (respuestas) o reaccio-

nes de un objeto u organismo, generalmente con respecto al ambiente. Puede ser
consciente o inconsciente, manifiesto u oculto, voluntario o involuntario.
155
Tipo de Comportamiento Resultado del com-

sistema del sistema portamiento
Variable pero
Que mantiene un
determinado Fijo.
estado.
(de reacción).
Variable y de
Que busca una
escogencia Fijo.
meta.
(de respuesta).
Que busca
múltiples Variable y de Variable pero
metas y es inten- escogencia. determinado.
cional.
Variable y de Variable y de
Intencionado.
escogencia. escogencia.
Clasificación de los sistemas según su comportamiento

Fig. 5.1
Un sistema que mantiene un estado es un sistema reactivo que, una vez dados
ciertos eventos, tiende a un mismo estado. Tal es el caso de una brújula: si uno
modifica su estado actual (por ejemplo, girarla 20 grados) ella regresará a la
posición que marca el norte geográfico.
Los sistemas que buscan una meta son sistemas responsivos. Ante diferentes
eventos iniciales, puede utilizar diferentes “caminos” para llegar a una misma
meta. Así, cuando un avión desciende abruptamente, el piloto automático
responde mediante diversos mecanismos para recuperar la altura que traía
antes del evento. La meta alcanzada depende de los eventos iniciales.
Un sistema que busca múltiples metas es uno que busca una meta a partir de
ciertos eventos, pero busca otras ante eventos diferentes a los anteriores. En el
ejemplo del avión, si consideramos el sistema de vuelo automático, éste trata
de mantener el avión con la misma velocidad (una meta), a la misma altura
(otra meta) y con el mismo rumbo (otra meta). Los eventos determinan el
estado final.
156
Un sistema intencional es uno de múltiples metas las cuales tienen una meta
(objetivo) común: una intención. Volviendo al caso del avión, si el propósito
de los diseñadores del sistema automático de vuelo es la seguridad del vuelo,
entonces tendríamos un sistema intencional. Aquí, también, los eventos de-
terminan el estado final.
Finalmente un sistema intencionado tiene la opción de responder de forma
diferente ante eventos iguales. Es el caso excepcional en el cual los eventos
iniciales no determinan el estado final. Podríamos imaginarnos un programa
sofisticado de computador que ante el mismo evento pudiera alcanzar metas
diferentes. En tal caso, parecería que el computador tuviera la capacidad de
decisión: tuviera voluntad. El ejemplo típico de estos sistemas son los sistemas
de la actividad humana67.
Ampliemos un poco más lo anterior. Anteriormente usamos el concepto de
teleología. Ella trata de explicar los fenómenos que son dirigidos hacia un fin,
hacia una meta futura. Esto implica que, un fenómeno que es teleológico, no
está condicionado por circunstancias pasadas o presentes, sino por “causas
futuras”. El problema, desde el punto de vista de la ciencia, es que la causalidad
implica fenómenos que preceden a otros (aunque, para el caso de la mecáni-
ca cuántica, esto no es siempre así). En concreto, aquí no opera el “flujo del
tiempo” que va, de un pasado a un futuro y jamás a la inversa.
Los conceptos teleológicos, que fueron resaltados por los griegos, particular-
mente por Aristóteles, fueron relegados por Galileo y Newton, reemplazando
las causas finales por las causas eficientes, como ya se comentó anteriormente.
Sin embargo, en la T.G.S. (y sus ramas afines como la cibernética), "la teleología"
se revivió a través del concepto de teleonomía como ya se ha explicado. Surge
el concepto de “propósito” (meta, objetivo).
Un sistema puede tener, o no, propósitos: dirigirse o no al logro de una o varias
metas u objetivos. Tales propósitos pueden ser intencionales o intencionados.
Debemos aclarar que estos dos términos tienen aquí significados más precisos
que las definiciones halladas en los diccionarios.
Los propósitos intencionales tienden a una meta y objetivos gracias a meca-
nismos o relaciones que permiten observar un comportamiento que busca
lograr algo predeterminado. Un robot que pinta un automóvil, un avión que
67. En filosofía el término intención, intencional tiene un significado diferente al que
no nos referiremos aquí.
157
se estabiliza, mediante un sistema automático de control, frente a los cambios

generados por la dirección del viento y de la densidad del aire, así como la bús-
queda de refugio de los seres vivos ante un peligro no previsto, son ejemplos de
este tipo de comportamiento. Son mecanismos de reacción, fundamentalmente.
Por otra parte, los propósitos intencionados surgen de opciones alternas, aún
ante causas similares; el sistema es responsivo. Podemos comer si sentimos
hambre, pero también podemos hacerlo por placer. Se observa cierta voluntad,
cierta capacidad de decidir. Si podemos fabricar un robot que, ante circuns-
tancias iguales o similares, pueda realizar tareas diferentes según convenga, ya
su comportamiento no sería intencional, sino intencionado. A esto es lo que
apunta la inteligencia y la vida artificial. Implica una interacción continua del
sistema con su entorno o ambiente.
El lector podría entrenar un poco su imaginación tratando de dar ejemplos
de cómo conceptuar a una familia modelándola de acuerdo a estos tipos de
sistemas propuestos por Ackoff.
5.1.2.2 Clasificación organizacional

Otra clasificación de los sistemas se deriva de la perspectiva organizacional. Se
trata de una herramienta para la comprensión sistémica de la administración
actual. Se consideran tres tipos básicos de sistemas que, a su vez, generan tres
tipos de modelos administrativos y, un cuarto tipo, un metasistema, que los
contiene: el sistema ecológico. Los básicos son:
1) Determinados: son los sistemas y modelos en los cuales ninguna de las partes
ni el todo son intencionados. Son reactivos.
2) Animados: los sistemas y modelos en los que el todo es intencionado, pero
las partes no. Son reactivos en cuanto a las partes y de respuesta, con res-
pecto al todo.
3) Sociales: En estos sistemas y modelos algunas de sus partes son sistemas
determinados y animados, mientras que el todo es intencionado. Son sis-
temas responsivos.
4) Ecológicos. Están formados por sistemas determinados, animados y sociales.
Aunque algunas de sus partes son intencionadas, el todo no lo es.
158
Hagamos aquí una aclaración, utilizando las ideas de F. Capra y P. L. Luisi

(2014 p. 163-). James Lovelock propuso la interesante teoría de que la atmósfera
de la tierra es un sistema abierto, lejos del equilibrio, que conserva, a pesar de
todas sus interacciones con los elementos del planeta y con la radiación solar,
una composición química estable, gracias a la existencia de la vida. Incluso se
ha ido más allá, y considerar la tierra (Gaia) como un organismo vivo.
Para que un sistema complejo se considere vivo debe cumplir con tres nive-
les diferentes de organización: autoorganización (mantener una estructura
organizada, mediante reglas internas, a pesar de la influencia del entorno);
autopoiesis (capacidad de autorregenerarse a partir de sus componentes); y
conocimiento, fruto de la autopoiesis (reconocimiento del entorno). Con estas
ideas se puede deducir que el planeta como un todo, es similar a los sistemas
vivientes. Lo que los ecologistas llaman El sistema Tierra.
Volvamos a nuestra clasificación. La intención o propósito implica que existe
una capacidad de decisión, un despliegue de voluntad, tal como se aclaró en
la clasificación del numeral anterior. Estos tipos de sistemas son jerárquicos:
los animados están compuestos de sistemas deterministas como subsistemas
o partes que los componen, no a la inversa; similarmente, los sociales tienen
sistemas animados como partes constituyentes, pero no lo contrario. Los sis-
temas ecológicos son una excepción a esta regla.
Estos sistemas pueden analizarse a la luz de ciertos aspectos tales como fun-
cionalidad o intencionalidad, reemplazo de las partes, capacidad de reacción
o respuesta, manejo de la información y capacidad de adaptación.
En los sistemas determinados dijimos que no existe intencionalidad ni en el
todo ni en las partes. El comportamiento está delimitado y posee funciones.
Por ejemplo, un reloj es un sistema de este tipo. La función del reloj (para
lo que fue construido) es dar la hora; sus partes también tienen funciones
específicas; así algunas de ellas deben transmitir movimiento a otras partes a
una velocidad angular dada. Estos sistemas pueden ser cerrados, y en tal caso
el ambiente no ejerce ninguna influencia sobre él, o abiertos en los cuales las
propiedades del sistema no sólo están condicionadas por su estructura sino
por el ambiente que lo rodea. Las plantas también forman parte de este tipo
de sistema: ni ellas ni ninguna de sus partes tienen un propósito. Las partes
de estos sistemas pueden reemplazarse con cierta facilidad, en la mayoría de
los casos. Ellos, además, reaccionan ante cambios que pueden afectarlos, mas
no responden. Esto significa que la reacción obedece a leyes que gobiernan al
159
sistema y no depende del sistema en sí. Estos sistemas no manejan la infor-

mación. Aunque existen interrelaciones (¡de lo contrario no serían sistemas!)
la información que fluye no tiene otra consecuencia que mantener la función
(o funciones ya que puede existir más de una) que los caracterizan.
Los sistemas animados tienen finalidades que les son propias, pero sus partes
no. Ha existido la tendencia a considerarlos como mecanismos complicados.
Es el mecanicismo al que hicimos referencia en el capítulo 2. Reemplazar sus
partes es mucho más complicado que en el caso de los sistemas determinados:
aun disponiendo de la parte, las interacciones entre ellas y las leyes que gobier-
nan a este tipo de sistema, así como la influencia del ambiente, dificultan esta
operación68. También sus partes reaccionan, mas no responden; estas reacciones
están muy interrelacionadas; sin embargo, todo el sistema puede responder
ya que puede desplegar voluntad. El flujo de información tiene como objetivo
fijar la estabilidad del sistema a través de mecanismos de regulación y control.
Los seres vivos pertenecen a este grupo. El sistema tiene, pues, un propiedad
emergente. Ejemplos son el termostato, el ser humano.
Los sistemas sociales poseen propósito tanto en el todo como en algunas de
sus partes. Generalmente su ambiente es otro sistema social. En este caso, el
reemplazo de sus componentes (subsistemas) es muy complejo, sino imposible,
ya que es alterado seriamente debido a que las partes pueden intervenir en
forma activa y efectiva. La información es procesada y afecta al sistema puesto
que está relacionada con su capacidad de respuesta. Se han hecho intentos
de explicar estos sistemas mediante modelos mecanicistas y animados. Los
modelos de J.W. Forrester en sistemas sociales son considerados un ejemplo
de mecanicismo aplicado a ellos. Por su parte, el organicismo como metáfora
de las organizaciones es un intento de modelar sistemas sociales a partir de
modelos animados.
Finalmente, los sistemas ecológicos están formados por sistemas mecanicistas,
organicistas y sociales, pero no poseen una finalidad por sí mismos. Son un
ambiente fundamental para los otros sistemas. Pueden ser afectados por los
comportamientos y las propiedades de los sistemas que los componen, pero los
efectos están determinados. Ackoff ejemplifica cómo los efectos del fluoruro-
carburo en la capa de ozono están determinados por leyes físico-químicas y
no son un asunto de elección.
El péndulo de Galileo claramente es un sistema determinado. ¿Y la familia?
68. Pensemos en los trasplantes de órganos, por ejemplo.
160
El ejercicio que hicimos en el caso de la clasificación de Boulding nos permite

situarla como sistema determinado cuando la clasificamos dentro de los tres
primeros niveles de dicha clasificación.
Si consideramos como uno de sus propósitos velar por la integridad física y
moral de sus integrantes, entonces tendríamos a la familia concebida como un
sistema animado. Para que se considere como un sistema social, es necesario
integrar la familia a otros núcleos familiares que tengan propósitos comunes.
Podríamos pensar en algunos vecinos del barrio o condominio donde viva la
familia en cuestión. Como vemos, no es un ejercicio sencillo clasificar, como
sistema, a uno de tipo social. Dependerá de la perspectiva con que se mire.
Una de las preocupaciones de este autor y en la cual insiste, es el error continua-
mente cometido de aplicar modelos de niveles inferiores a niveles superiores.
Esta misma observación es válida para la clasificación de Boulding, lo que no
quiere decir que, en ocasiones y de acuerdo con ciertas circunstancias esto no
pueda hacerse. En casos particulares, los modelos mecanicistas son buenas
aproximaciones a casos animados, y modelos animados han sido útiles para
explicar, en principio, algunos modelos sociales. Pero esto es la excepción, no
la regla. En el capítulo 13 haremos uso de estas ideas para un caso práctico.
5.1.3 Clasificación de P. B. Checkland

En su artículo “A Systems map of the Universe” Checkland (1971) piensa que es
razonable postular que cualquier disciplina intelectual descansa finalmente en
alguna propuesta que debe ser “verdadera” si la disciplina es válida. Si la física
es una disciplina, deben existir una serie de fenómenos que en su conjunto
la forman; tales fenómenos están relacionados con los cambios de energía,
momento, posición pero no de la forma molecular. En el caso de la química,
estos fenómenos estarían relacionados con la composición y las propiedades
de la materia. En psicología diríamos que son los fenómenos relacionados con
el estudio de los procesos mentales y de la conducta del individuo.
El estudio de los sistemas debe regirse por un postulado igual. La propuesta en
este caso es que el universo, aparentemente caótico, es un complejo de sistemas
que interactúan. Si los sistemas tienen objetivos definibles, entonces es posible
estudiarlos, y hasta cierto punto, manejarlos.
Los sistemas básicos propuesto por este autor son:
161
1. Sistemas naturales.
2. Sistemas diseñados (físicos y abstractos).
3. Sistemas de la actividad humana.
4. Sistemas sociales y culturales.
5. Sistemas trascendentales.
Una primera división destaca a los sistemas naturales que son los sistemas físi-
cos que constituyen el universo; van desde los sistemas subatómicos (que dan
origen a los sistemas de seres vivos y no vivos), hasta los galácticos en el otro
extremo, pasando por los sistemas vivos. En una jerarquía superior están los
sistemas trascendentales, los que están más allá de nuestro conocimiento actual.
La figura 5.2 muestra la jerarquización de estos sistemas.
Sistemas naturales
Sistemas
sociales
Sistemas físicos Sistemas abstractos
diseñados Sistemas de la
diseñados
actividad humana
Sistemas trascendentales
Clasificación de los sistemas (P. B. Checkland)

Fig. 5.2
Los sistemas diseñados, pueden ser físicos que se relacionan con los sistemas de
los metales y otros materiales, que han originado las herramientas (desde las
más primitivas como el martillo, hasta las más sofisticadas como los sistemas
de control) con las cuales las civilizaciones han logrado su desarrollo; o pueden
ser abstractos: tal es el caso de los sistemas filosóficos, los matemáticos y el len-
guaje. Los sistemas de la actividad humana están integrados fundamentalmente
por el ser humano, con su capacidad para hacer herramientas, crear mitos,
modificar el ambiente y su capacidad de realizar actividades con propósitos
162
definidos. Por una parte, son un sistema social y, por otro, un sistema de acti-
vidades que dicho grupo ejecuta. Ejemplos son los sistemas hombre-máquina,
las actividades industriales, los sistemas políticos, la administración. Esta
distinción permite identificar lo que podemos entender por estructura y por
proceso en estos sistemas. La figura 5.3 ilustra estos conceptos.
Criaturas unicelulares SISTEMAS

Sistema subatómico NATURALES
Sistema atómico
Sistema de Sistema molecular
ar Órganos de plantas
cristales Órganos de animales
es
Rocas Ser humano individual Plantas
Minas Mares
Animales
SISTEMAS DE LA
SISTEMAS FÍSICOS ACTIVIDAD HUMANA Sistemas de flora
DISEÑADOS
Sistemas
Herramientas Entidades
hombre-máquina SISTEMAS Población animal
individuales materiales
diseñadas y ABSTRACTOS
Máquinas fabricadas Plantas DISEÑADOS
individualess industriales Sistemas
Sistemas Sistemas filosóficos
(manufactura) ecológicos
mecanizados
Sistemas de
operacionales Sistemas de
Firmas conocimiento
servicio
Complejos de equipos industriales
Sistemas de Sistemas de plantas
Grandes sistemas Industrias negociación y hombre-animal
automatizados comercio
Ciudades Sistemas
Sistemas Complejos agrícolas
SISTEMAS administrativos urbanos Hogares
NATURALES Sistemas de
Sistemas de Sistemas interurbanos descanso
planificación Naciones de comunicación
Sistemas
Sistemas de transporte sociales
Sistemas Sistemas de bene-
operacionales ficencia pública Complejos Sistemas políticos
agrícolas locales
Sistemas legales
Sistemas de Sistemas de
información Sistemas de comunicación Sistemas políticos
monitoreo y nacional nacionales
Sistemas de control Sistemas de
búsqueda comunicación Sistemas políticos
Sistemas de placer y transporte internacionales
internacional
Planetas
Sistema solar
Sistemas galácticos
SISTEMAS
TRASCENDENTALES
Clasificación ampliada de los sistemas

Fig. 5.3
Los sistemas sociales y culturales. Estos son un caso especial. Muchos sistemas
de la actividad humana existen cómo o dentro de un sistema social. Pero, por
163
otra parte, y por estar integrados por seres humanos de espíritu gregario y
con necesidades básicas qué satisfacer, pertenecen también al mundo natural.
Están “a caballo” entre estos dos sistemas. Por esta razón son tan difíciles de
comprender y son un reto muy importante para la ciencia de los sistemas. La
figura 5.3 destaca este hecho. El péndulo de Galileo cae dentro de los sistemas
abstractos diseñados. Si se construye, se convierte en un sistema físico diseña-
do. Por su parte, la familia forma parte de un sistema de la actividad humana o
de un sistema social según como se desee conceptuar. Se hace necesario hacer
la distinción. Los sistemas de la actividad humana son sistemas sociales que
tienen propósitos comunes. Estos propósitos implican una serie de actividades
para poderlos cumplir. Podríamos decir que un sistema de actividad humana
es la superposición de un sistema de actividades y un sistema social: el primero
indica lo que se debe hacer y el segundo crea las asociaciones necesarias para
llevarlas a cabo.
Cuando estudiemos con cierto detalle la metodología de P. B. Checkland po-
dremos aclarar mejor estos conceptos.
Este autor tiene otra clasificación que es muy útil. Se trata de la distinción
entre sistemas duros y sistemas blandos. Más que una dicotomía, se trata de
un espectro en el cual estos dos tipos de sistemas forman sus extremos, como
lo indica la figura 5.4.
Duros Blandos
Otra clasificación de los sistemas según Checkland

Fig. 5.4
Un sistema duro se caracteriza por tener objetivos claramente definidos, una
estructura identificable y procesos de decisión que poseen medidas cuantita-
tivas de comportamiento, es decir que están claramente identificados. Por el
contrario, un sistema blando no tiene objetivos fácilmente definibles o iden-
tificables, su estructura es “difusa” y los procesos operan bajo condiciones de
incertidumbre.
Clasificar un sistema como blando o duro no es, de ninguna manera, una
decisión fácil. De hecho, los sistemas no son duros o blandos. Nosotros los de-
164
finimos como tales según las circunstancias. Por ejemplo, construir un edificio
dado parece corresponder al diseño de un sistema duro. El objetivo es exacto,
pues el arquitecto entrega un proyecto en el cual el uso del espacio está clara y
precisamente delimitado; además, se conocen las leyes que rigen la resistencia
de los materiales así como las ecuaciones de las diferentes interacciones de los
elementos de la estructura a levantar, por lo que el proceso de construcción está
regido por reglas precisas, dictadas por la ingeniería. Pero construir un edificio
implica también el manejo de operarios, compra de materia prima, reformas
propuestas sobre la marcha por los interesados en la construcción. No siempre
los materiales son de primera calidad y en general existe una gran multitud
de situaciones que van en contra de las exigencias dictadas por la ingeniería.
Cuando concebimos un sistema con características que lo sitúan hacia el extre-
mo “duro”, el reduccionismo ha demostrado ser una manera bastante eficiente
de encarar los problemas que se presentan en él. Sin embargo, a medida que nos
movemos en el espectro hacia el lado “blando”, el enfoque de sistemas parece
ser la opción más favorable. Tal es la situación que hemos venido analizando
a través del texto cuando usamos como ejemplos el péndulo de Galileo (un
“sistema duro” y una familia (un “sistema blando”).
A partir de estas clasificaciones podemos retomar el concepto de Teoría General
de Sistemas. Como ya lo hemos dado a entender, La Teoría General de Sistemas
se ocupa de los principios aplicables a cualquier sistema partiendo de leyes de
carácter general tales como la equifinalidad, la centralización-descentralización
ya explicadas anteriormente.
Utilizando la clasificación de Ackoff, los sistemas determinados permiten co-
nocer el comportamiento del todo a partir del comportamiento de sus partes.
En lo que respecta a los animados y sociales, esto no es posible. Podríamos
decir, entonces, que la T.G.S. excluye a los primeros (Cfr. numeral 3.4).
Establecer una teoría general de tales sistemas parece una empresa imposible.
Sería como exigir la existencia de una Teoría General de la Física. Podemos
delimitar la Ciencia Física y distinguirla, por ejemplo, de la Ciencia Química.
Pero dada la característica de los fenómenos que cada una de ellas estudia −la
física se ocupa de las propiedades y el comportamiento de la energía, la materia,
el tiempo y el espacio y sus interrelaciones, siempre y cuando la naturaleza
de tales propiedades no sea alterada; por su parte la química se ocupa de la
composición, estructura y propiedades de la materia en su relación con la
energía, y sus transformaciones en otras sustancias− ellas han desarrollado
165
diversos métodos según el área de interés: en física hablamos de mecánica,

electromagnetismo, mecánica de fluidos, óptica… y en química de química
orgánica, química inorgánica, bioquímica, fisicoquímica… Utilizando la idea
propuesta por Bergmann (1971, p. 37) estos ámbitos (una cierta gama de fenó-
menos con leyes diferentes entre sí que una teoría debe cubrir), diversos entre
sí, dificultan la opción de abarcarlos todos bajo un solo manto.
De manera similar podemos hablar de Ciencias de los sistemas, pero no de una
Teoría general de los sistemas. Sería mejor referirnos a una Teoría de sistemas,
y aún más, de Sistemas Abiertos o de sistemas emergentes. De esta manera sí
sería posible dar una definición de este tipo de sistemas, ya que ella debería
excluir aquellos que no poseen la propiedad de estar interrelacionados con su
ambiente y tener propiedades emergentes. En este texto, para el caso de la ad-
ministración, la T.G.S. se preocuparía por los sistemas de la actividad humana,
aquellos “sistemas” que surgen por la interacción de individuos interesados en
objetivos o propósitos comunes. Situación igual se presentaría para la Teoría
de la Complejidad como lo veremos más adelante.
Sin embargo, respetaremos la tradición en estos campos y, con la salvedad
hecha, utilizaremos ambas denominaciones en este texto.
En lo que sigue, vamos a considerar la posibilidad de una teoría formal en lo
que respecta a los sistemas. Para ello es necesario profundizar un poco más en
las leyes de la ciencia, tema ya iniciado en el capítulo 2, numeral 2.9.
5.2 Las leyes numéricas

Páginas atrás distinguimos entre tres tipos de leyes: empíricas, de definición
y deducidas. A esta clasificación podemos añadir la característica de ser des-
criptivas (o cualitativas) o numéricas (cuantitativas). La tabla de la figura 5.5
da algunos ejemplos de estas seis categorías.
Para que una teoría adquiera solidez debe pretender que sus leyes sean de tipo
numérico, y especialmente de definición o deducidas. Esto no desconoce la
importancia de las leyes empíricas. Muchos enunciados que hoy en día son
ejemplo de precisión y elegancia, fueron en sus orígenes observaciones direc-
tas de ciertas regularidades. Por ejemplo, las leyes de la reflexión y refracción
de la luz fueron inicialmente leyes empíricas, aunque de carácter numérico;
Posteriormente entraron a formar parte, como leyes deducidas, de la teoría
166
Descriptiva Numérica
La mecanización- La densidad:
Empírica centralización pro-
gresiva. d = m/V
La fuerza: es igual al
La jerarquización producto de la masa
De definición de los sistemas. por la aceleración ob-
Totalidad. tenida.
F = ma
La ley de Snell:
La equifinalidad
Deducida o n sen θ1 = n2 sen θ2
(que puede ser de- 1
Derivada ducida de la ley de que puede ser deduci-
entropía mínima). da de las ecuaciones de
Maxwell.
Diversos tipos de leyes

Fig. 5.5
del electromagnetismo de Maxwell. Otro tanto puede decirse de la ley de
equifinalidad en los sistemas: inicialmente postulada como una regularidad
empírica y no siempre numérica, es posible deducirla cuando forma parte de
algunos de los sistemas formales que han sido propuestos para la Teoría de
Sistemas. Sin embargo, y esto es lo que nos interesa ahora, las leyes descriptivas
no hacen parte de una teoría sólida sino hasta cuando sean leyes numéricas
deducidas. Por esta razón, se hace necesario discutir con cierto detalle lo que
se entiende por una ley numérica. El establecimiento de este tipo de ley lleva
implícita la disponibilidad de un sistema de medición, es decir, la posibilidad
de asignar un número a una propiedad dada que conserve alguna propiedad
de los números69. Conocemos (describimos) los objetos por sus propiedades.
Algunas de ellas son “medibles”. Tal es el caso del peso. Cuando decimos que
un cuerpo pesa 1.2 kilogramos, estamos asignando un número único a la
propiedad peso de dicho objeto. Igual ocurre con la longitud y el tiempo. Pero
otras propiedades no poseen esta cualidad. Por ejemplo, si nos preguntáramos
69. Propiedades tales como poseer relación de orden, definición de complemento e

inverso, operaciones tales como la suma, el producto, la exponenciación…
167
por la belleza de un objeto que hemos pesado (se trata de un vaso de cerá-
mica del siglo XVI) no estamos en la posibilidad de asignarle un número. La
propiedad “belleza” no es medible. En ocasiones podemos asignar números a
propiedades en las cuales dicha asignación no es exacta o única. Por ejemplo,
cuando un estudiante obtiene una nota de 2.1 en un examen, y otro obtiene 4.2,
no podemos asegurar que éste sabe el doble que aquél. Otro profesor podría
calificar al primero con 2.4 y al segundo con 3.8. Sin embargo, hay algo que se
preserva: la relación de orden; el primero tiene un conocimiento menor que
el segundo en lo relacionado con las preguntas hechas en el examen. Esto no
es posible con la belleza.
Algunos autores llaman medición a la asignación inequívoca de un número
a una propiedad, y cuantificación a la asignación de números a propiedades
cuando se guarda una relación de orden: si A tiene una propiedad mayor
(menor) que B, y B tiene dicha propiedad mayor (menor) que C, entonces A
tiene la misma propiedad mayor (menor) que C. Esta relación es la condición
fundamental sin la cual una propiedad puede ser medible. Así, si A pesa más
que B y B pesa más que C, necesariamente A pesa más que C. En cambio, no
podemos decir que si A ama a B y B ama a C, necesariamente A debe amar a
C; bástenos con suponer que A es Pedro, B es Marta y C es Andrés. ¡Pedro y
Andrés podrían ser rivales!
Existen mediciones de propiedades fundamentales (o directas): son aquellas
que cambian por la combinación de cuerpos semejantes (N. R. Campbell,
1967, Vol.6, p. 187). Por su parte, las mediciones derivadas no poseen esta
propiedad; son mediciones que se desprenden de la combinación de medicio-
nes fundamentales. Por ejemplo, si tenemos una varilla de 12 centímetros de
longitud, y de densidad 7.8 gm/cm3 (hierro) y otra de longitud 22 centímetros
y de densidad 12.3 gm/cm3 (titanio) y colocamos una a continuación de la otra,
obtendremos un objeto (“varilla”) de longitud 22 cm (la propiedad se suma)
pero no de una densidad 12.3 (la suma) o 6.15 (el promedio). La longitud es
una propiedad fundamental; la densidad es derivada: es la relación entre la
masa del cuerpo y su volumen.
Si observamos varios vehículos que viajan a distintas velocidades, podríamos
establecer una relación tal que el número 1 fuera asignado al carro más lento,
el número 2 al siguiente más lento y así sucesivamente. Con esto identifica-
ríamos la rapidez con la que viajan: el vehículo 4 es más rápido que el 2 y
más lento que el 7, preservándose la relación de orden: 7 > 4 > 2 → 7 > 2. Sin
168
embargo, esta identificación no es única. Cualquier otra sucesión numérica

creciente hubiera prestado el mismo servicio, como por ejemplo 5 > -11 > -23
→ 5 > -23. ¿Podríamos encontrar una serie que, preservando la relación de
orden, nos diera además una información única de la propiedad “velocidad”?
La respuesta a esta pregunta es el fundamento de las mediciones derivadas. Si
definimos la “rapidez” (que llamaremos indistintamente “velocidad”70) como
el cociente entre la distancia recorrida y el tiempo gastado en dicho recorrido,
la cifra resultante será una medida de la velocidad promedio o constante que
representará tal propiedad y a la vez preservará la relación de orden. Aunque
la suma no es aplicable (dos carros a 20 km/h no dan un carro a 40 km/h), sí
lo es la multiplicación (división). El carro que va a 20 km/h va más despacio
que el que viaja a 30 4km/h. Más aún, va a una velocidad que es 1.5 veces me-
nor, lo cual implica que tardará un 50% de tiempo más en recorrer la misma
distancia (todo esto si la velocidad es constante, naturalmente). Incluso si las
unidades de medición cambiaran (de km/h a millas/minuto) los resultados
de los análisis anteriores no se modificarían en absoluto a pesar de que los
números asignados sean diferentes.
Las leyes numéricas están íntimamente ligadas al concepto de medición de-
rivada (o deducida cuando se obtiene como consecuencia lógica de alguna
proposición), invariantes a la modificación del fenómeno. Así, en el caso de la
velocidad, si se aumentan las distancias al doble, el tiempo transcurrido deberá
ser el doble de inicial, para que el vehículo conserve su misma velocidad. Aun-
que familiarizados con esta situación, esto no es evidente en sí. Es importante
en este tipo de leyes que éstas partan de hechos experimentales.
¿Por qué en las leyes de la naturaleza se presentan este tipo de invariancias en
la medición? ¿Por qué podemos representar las leyes mediante el lenguaje ma-
temático? ¿Por qué la suma y la resta se han podido relacionar con situaciones
reales? ¿Por qué la multiplicación y la división han permitido hallar invariancias
en las propiedades de los hechos naturales? ¿Por qué el campo se ha extendido
a otras operaciones como la potenciación, radicación, uso de los logaritmos,
etc.? Campbell [en Newman, 1967, vol. 5, p. 206] comenta:
Este proceso de ampliación de las operaciones aritméticas más allá de la
simple multiplicación y división, la consiguiente invención de nuevas reglas
70. La velocidad exige, además del valor de la rapidez, una dirección y un sentido:
es un vector. La rapidez es un escalar. Sin embargo, en el lenguaje cotidiano usamos
la una por la otra.
169
para relacionar cifras y derivar unas de otras y el estudio de las reglas una
vez inventadas es, todo ello, asunto puramente intelectual. No depende de
ningún experimento; el experimento no interviene más que cuando nos
preguntamos si existe alguna ley experimental que contenga una de las
relaciones numéricas inventadas o descubiertas entre propiedades. El
proceso es en realidad parte de la matemática, no de la ciencia experimen-
tal; y una de las razones por las cuales la matemática es útil a la ciencia es
que sugiere nuevas formas posibles de leyes numéricas. Los ejemplos que
hemos dado son, desde luego, sumamente elementales, y la matemática
actual difiere grandemente de tales consideraciones simples; pero el des-
cubrimiento de reglas de ese tipo lleva lógicamente, si no históricamente,
a una de las grandes ramas de la matemática moderna, la Teoría de
Funciones. […] Esta teoría ha sido desarrollada por los matemáticos para
satisfacer sus propias necesidades intelectuales, su sentido de claridad
lógica y de la forma; pero aunque grandes sectores de ella no tienen im-
portancia para la ciencia experimental, sigue siendo notable la frecuencia
con la cual relaciones desarrolladas por el matemático para sus propios
fines tienen al final una aplicación directa e inmediata a los hechos expe-
rimentales de la ciencia.
Sin embargo existen otras posiciones al respecto. C. A. Pickover [2009, p. 14]

escribe:
Me pongo al lado de Martin Gardner y otros cuando sugieren que si la
naturaleza suele dejarse describir mediante fórmulas y leyes simples, no es
porque nosotros hayamos inventado las matemáticas y las leyes, sino por-
que la naturaleza tiene un aspecto matemático oculto.
Esta idea la expresa Feynman (2010, p. 12) de la siguiente manera:

De esta ley [la ley de la gravedad] se ha dicho que es “la mayor generaliza-
ción lograda por la mente humana”, aunque ya puede deducirse de mi in-
troducción que no me interesa tanto la mente humana como la maravilla
de una naturaleza que es capaz de obedecer una ley tan simple y tan ele-
gante como la ley de la gravedad. En consecuencia no me voy a concentrar
en lo listos que somos por haber descubierto todo esto, sino en lo lista que
es la naturaleza al obedecer a la ley.
Esta era la concepción que al respecto se tenía en la antigua Grecia.

Benoit Mandelbrot, matemático que desarrolló la teoría de fractales que estu-
diaremos más adelante, decía (2010, A. Bly, p. 229):
170
De regreso a la escuela, por cada problema que mi profesor me proponía,

yo tenía una solución instantánea −nunca igual a la suya. Mi solución incluía
formas. Así, yo tomaba la pregunta escueta que él me hacía, y sin ser par-
ticularmente consciente de mi forma de pensar, la resolvía completamen-
te −casi instantáneamente− en término de formas reales. Sin embargo esto
no me ocasionaba ningún esfuerzo. ¿Tenía cómo describirlo? Un don ex-
traño. Para cada asunto matemático que me era propuesto, yo siempre veía
algo real que tenía las mismas propiedades.
La matemática como lenguaje de la naturaleza permite, en primer lugar, afirmar

que si un fenómeno natural es expresado mediante relaciones matemáticas en-
tonces automáticamente queda explicado. Por otra parte la abstracción de los
fenómenos mediante el lenguaje matemático (paso del mundo real al mundo
simbólico de la matemática) permite pasar de ese mundo hipotético −en el
que rigen las reglas de las matemáticas y que permiten la obtención de nuevos
conocimientos (abstractos, simbólicos)− al mundo real, permitiendo corrobo-
rar la trascendencia y realidad de estos nuevos descubrimientos.
Aquí es bueno aclarar que la matemática posee tres maneras de ser considerada:
como lenguaje, como herramienta de cálculo y como sistema lógico deductivo.
• Como lenguaje: la conocida expresión, h=1/2 gt2 nos expresa, en lengua-
je matemático, que un cuerpo que cae libremente en el vacío, recorre el
espacio en forma directamente proporcional al cuadrado del tiempo que
tarda en recorrerlo.
• Como herramienta: podemos asegurar que bajo las condiciones descritas, el
cuerpo habrá recorrido 78.4 cm en los primeros cuatro segundos (h=1/2gt2=
1/2×9.8 cm/seg2×16 seg2).
• Como sistema lógico deductivo: si derivamos esta ecuación con respecto al
tiempo, obtendremos que dh/dt=gt, es decir, deducimos que la velocidad
del cuerpo es proporcional al tiempo de caída del mismo y depende de la
aceleración de la gravedad.
La tarea para formalizar una teoría de sistemas es clara. En lo posible deben
establecerse unidades de medida y a partir de allí obtener definiciones opera-
cionales. Muchas de las leyes conocidas deben obtenerse por deducción. Y la
teoría debe proponer nuevos hechos, no observables en principio.
Consideremos ahora dos propuestas, de varias que existen, que intentan llevar
a cabo esta importante tarea.
171
5.3 Hipótesis de la T.G.S

Para fijar ideas, dentro del grupo de teorías que pueden considerarse como
basadas en axiomas o propuestas bajo un enfoque matemático podemos
citar: la teoría de L. V. Bertalanffy (sistemas de ecuaciones diferenciales), la
teoría de las máquinas de estado finito (teoría de autómatas determinados o
probabilísticos), la teoría matemática de los lenguajes formales, la teoría de
las máquinas de Turing, los enfoques cibernéticos (Winer, Ashby (1956)), la
teoría de Wymore (1967) (basada en la teoría de conjuntos), el enfoque de J.
W. Forreter, la teoría de G. Klir (1969), la teoría de los sistemas jerárquicos de
Mesaroviç (1970), etc. Del otro lado, de las teorías basadas en hechos empíri-
cos, podemos citar la tectología de Bogdanov71 (1940; 1975), la Teoría General
de Sistemas de Bertalanffy (1930)72, las ideas sociológicas de Pareto, Spencer,
Parsons y Durkheim (entre otros), las propuestas metodológicas de Ackoff,
la metodología de P. B. Checkland, para sólo citar algunas73.
Vamos a presentar brevemente las ideas de Bertalanffy y Lange, en lo que se
refiere a los aspectos formales. Para el caso de los sistemas de la actividad
humana nos referiremos mejor al concepto de metodología.
En primer lugar, notemos que deben existir ciertas hipótesis generales que
cualquier teoría sobre el tema de los sistemas debe cubrir. Estas son:
Hipótesis 1: el mundo es ordenado (o por lo menos, ordenable74).
Hipótesis 2: el mundo puede explicarse (o, cuando menos, conce-
birse) como formado por sistemas.
Hipótesis 3: los sistemas son jerárquicos.
71. Bogdanov fue pionero en los conceptos sobre sistemas generales. Su obra Ensayos
en Tectología rescatada por George Gorelik es una lectura obligada para comprender
bien los conceptos básicos de los sistemas.
72. El lector podrá sorprenderse que Bertalanffy aparezca en ambas clasificaciones.
Bertalanffy propuso una teoría formal, matemática, basada en ecuaciones diferencia-
les. Sin embargo, muchas otras consideraciones (conceptos, hipótesis, principios
metodológicos y técnicas) que no caben en su propuesta matemática deben ser con-
sideradas aparte.
73. El concepto de metodología será desarrollado en el capítulo 9.
74. Sobre esta hipótesis el lector deberá consultar el numeral A.6.7.
172
5.3.1 La propuesta de L. V. Bertalanffy

Para su formalización, Bertalanffy (1973, p. 55-) propone como definición de
sistema un conjunto p de n elementos, p={p1, p2, ... , pn} y un conjunto R de
relaciones entre dichos elementos. Un sistema S se define entonces mediante
la expresión:
S = { p, R } (5-1)
De acuerdo con esta definición, si en un sistema se cambian los elementos o

las relaciones, el sistema cambia, lo cual está de acuerdo con la definición que
hemos dado a lo largo de este texto.
Un sistema puede ser descrito por un sistema simultáneo de ecuaciones dife-
renciales ordinarias. Sea Qi una medida de una propiedad del elemento pi (i=1,
2, 3, ... ,n). Para un conjunto finito de elementos el sistema S puede definirse
como en la ecuación (5.2), en donde fi(Q1,Q2, ... , Qn ) es una función que re-
presenta las interrelaciones entre los n elementos del sistema.
dQ1 /dt = f1 (Q1, Q2, ..., Qn)

dQ2 /dt = f2 (Q1, Q2, ..., Qn)
h
(5.2)
dQi /dt = fi (Q1, Q2, ..., Qn)
h
dQn /dt = fn (Q1, Q2, ..., Qn)
Este sistema de ecuaciones es lo suficientemente general como para representar

una gran variedad de sistemas complejos. Por esta razón, esta representación
se encuentra muy difundida en múltiples ciencias: problemas demográficos,
cinéticos, procesos celulares etc. Pero no es la única. Un sistema de ecuaciones
diferenciales parciales permite modelar situaciones más complejas.
El sistema (5-2) en el cual los valores de Qi no dependen del tiempo (es decir
no se escribe (Qi(t)) garantiza que, bajo condiciones únicas, el sistema tiene
una única trayectoria. El sistema es determinado. Del sistema de ecuaciones
173
(5-2) es posible deducir muchas de las leyes de los sistemas indicadas en el

capítulo 275.
Veamos ahora un par de ejemplos sobre esta manera de concebir los sistemas.
En la naturaleza y en las sociedades el crecimiento es un fenómeno común
a varias disciplinas: crecimiento de un individuo o crecimiento de colonias,
crecimiento de un capital puesto a interés, crecimiento de la población de una
ciudad, crecimiento del conocimiento. Sea un sistema compuesto de un solo
tipo de elementos (por ejemplo, una colonia de bacterias). El crecimiento de
esta población está íntimamente relacionado con el número de elementos
(bacterias) existente en un momento dado. Esta es la propiedad medible en
todo instante t y la designaremos por Q (no se agrega subíndice ya que sólo
existe una propiedad: i = 1). La ecuación que describe este hecho es:
dt = f QQV = kQ
dQ
(5-3)
Lo que nos dice la ecuación es que la tasa de cambio de Q (número de bacterias)

es directamente proporcional al número de bacterias presentes en el instante t76.
La solución de esta ecuación es:
Q = Q0 e kt (5-4)
siendo Q0 la población inicial, es decir cuando t = t0.

Si k es positivo, la colonia crecerá exponencialmente. Si es negativo, decrecerá
hasta la extinción. La gráfica de la figura 5.6 ilustra el caso para una población
inicial de bacterias de 10.000 individuos, con una tasa de reproducción del
2% por hora.
En general, un crecimiento ilimitado no existe. Se observan crecimientos
exponenciales que, poco a poco, van tendiendo a un límite. Tal es el caso de
las poblaciones observadas en la naturaleza. Este tipo de crecimiento puede
describirse a partir de la ecuación diferencial (5-5):
75. Una ampliación del tema se encuentra en el APÉNDICE numeral A.5.2.

76. Es fácil observar que este supuesto es igualmente válido para el dinero puesto a
interés, o la generación de conocimiento. Se obtiene, pues, un isomorfismo para
describir un crecimiento general sin límite.
174
80000
No. bacterias
60000
40000
20000
0
0 20 40 60 80 100
Tiempo (hs)
Crecimiento de bacterias
Fig. 5.6
dQ/dt = k1 Q + k2 Q 2 (5-5)
cuya solución es:
Q = k1 Q0 e k t / (1 - k2 Q0 e k t )
1 1
(5-6)
Esta ecuación es la logística o sigmoide, con Q0 como condición inical. La figura

5.7 muestra el caso para valores de k1 = 0.1, k2 = -0.01 y Q0 = 1.
120
100
80
Q 60
40
20
0
0 20 40 60 80 100
Crecimiento limitado. Curva sigmoide

Fig. 5.7
175
El valor negativo de k2 permite que en la ecuación (5-5) dQ/dt decrezca a

partir de valores de Q superiores a la condición inicial. Al principio la curva
se comporta como una exponencial ya que el segundo término no afecta a
los cálculos sensiblemente. Posteriormente este segundo término empieza a
controlar el crecimiento exponencial77.
Qué ocurre ahora cuando existen dos sistemas, uno compuesto por predado-
res y otro por presas? En este caso llamaremos Qp al número de individuos
predadores en un momento dado, y Qv al número de presas (víctimas) en el
mismo instante. Podemos postular que los predadores viven mientras existan
presas, y las presas mueren por la acción de los predadores. Se supone que
esta muerte (y su equivalente en nacimientos de los predadores) depende del
número de encuentros entre ambas especies. Matemáticamente es el producto
de las poblaciones por un “factor de encuentro” que indicaremos por K. Los
nacimientos de las presas se calculan dependiendo del número de individuos
presentes en ese momento, tal y como se describió en el crecimiento sin límite,
siendo Tv su tasa de nacimiento. La muerte de los predadores dependerá de
una tasa de muerte que designaremos por Tp. Las ecuaciones respectivas son:
dQv/dt = TvQv – K QpQv

dQp/dt = K QpQv – TpQp (5-7)
Un comportamiento típico se muestra en la figura 5.8.

Observemos cómo oscilan ambas poblaciones. Cuando hay abundantes presas,
los predadores crecen rápidamente; al comenzar a extinguir la población de
presas, los predadores empiezan a perder individuos. Al disminuir estos, las
presas aumentan su población para oscilar nuevamente. El sistema, en este
caso, alcanza un estado estable. En caso contrario, el sistema se extingue.
Como indicamos anteriormente a partir de esta teoría es posible deducir las
principales leyes de los sistemas. La dificultad práctica de su aplicación para
los sistemas de la actividad humana se encuentra en la imposibilidad, hasta la
fecha, de encontrar funciones que permitan expresar matemáticamente com-
portamientos de tipo social. Sin embargo, desde un punto de vista teórico, la
77. Una aproximación numérica a dicha ecuación es la siguiente:
Q~t+1 = Q~t + Q~t (k1 + k2 Q~t) en donde Q~t es una aproximación numérica del valor
de Q(t). Esta ecuación será analizada cuando estudiemos la teoría del caos, numeral
7.1.
176
12000,00
10000,00
Presa
8000,00 s
6000,00
4000,00
Predador
2000,00
as
0,00
0 200 400 600 800 1000
Relación predador-presa
Fig. 5.8
propuesta es de gran valor ya que permite presentar, en forma de un sistema
lógico deductivo, una Teoría General de Sistemas. Algo similar ocurre con la
propuesta de O. Lange.
5.3.2 La propuesta de O. Lange

Para Lange (1975), un sistema está compuesto por un conjunto de “elementos
activos” que interactúan entre sí. Un elemento activo posee por lo menos una
entrada y una salida, y no puede influirse a sí mismo. El elemento activo es la
menor división a la que se puede llegar en un sistema dado78.
La figura 5.9 muestra el elemento activo Er con m entradas representadas por
el vector X(r) = [xr1, xr2, ... , xrm] (por ejemplo, presión, voltaje, estímulo…) y n
salidas (presión, temperatura, longitud de onda…) representadas por el vector
Y(r) = [yr1, yr2, ... , yrn].
Podemos escribir, como relación válida para la figura 5.9:
Y(r) = T(r) (X(r) ) (5-8)

78. El elemento activo es una “caja negra”. No nos interesa cómo está compuesta. Solo
importa conocer las entradas, las salidas y las relaciones entre ellas.
177
X(r) E(r) Y(r)
Elemento activo
Fig. 5.9
Debe existir una transformación que permita medir la relación entre los estados
de entrada y los de salida del elemento activo Er: la denominaremos por T(r).
Esta expresión permite calcular las salidas de elemento activo con base en sus
entradas.
Es posible establecer acoplamientos entre elementos activos, de tal manera
que algunas (o todas) de las salidas de uno de ellos, se acople a algunas (o
todas) de las entradas del otro. Incluso, un elemento activo puede influir en
otro elemento que le antecede, formando un lazo de retroalimentación como
se ilustra en la figura 5.10.
Er Es
X(r) Y(s)
Acoplamiento de elementos activos

Fig. 5.10
Estos acoplamientos se describen mediante una “matriz de acoplamientos”
en la cual un 0 indica que no hay relación entre la salida de un elemento con
la entrada de otro con que se relaciona, y 1 en caso contrario. Al conjunto de
todas las matrices de acoplamiento Lange la llama la “estructura del sistema”
y la denomina por S. Si designamos por T a la matriz de todas las transfor-
maciones T(i), i = 1, 2, ... , n para un total de n elementos activos, es posible
demostrar que si los elementos activos están acoplados de acuerdo como lo
indica la matriz S, el sistema puede ser descrito por las ecuaciones:
X' = TS (X)
Y' = ST (Y) (5-9)
178
en donde X' y Y' son los nuevos estados de las entradas y salidas debido al
acoplamiento (en álgebra matricial TS≠ST).
Lange (Op. Cit. p. 39) dice:
Como puede verse, el modo de acción del sistema depende tanto de la
matriz T de modos de acción de los elementos, como de la matriz estruc-
tural S del sistema. Para poder determinar el modo de acción del sistema,
no es suficiente conocer los modos de acción de los elementos, los cuales
son expresados matemáticamente por la matriz T, sino que es necesario
conocer también la matriz estructural S del sistema, la cual representa la
red de acoplamientos de los elementos.
La transformación de los estados de entrada y de salida de los elementos crea

una “ley de movimiento” del sistema formado por elementos activos. De este
análisis puede observarse cómo los mismos elementos, con modos de acción
iguales pero acoplados de manera distinta, constituyen un sistema diferente
con un modo diferente de acción del sistema (la matriz S será diferente). Nótese
que el comportamiento (modos de acción) de los “todos” (del sistema global),
no son deducibles de los modos específicos de acción de los elementos indi-
viduales. Los “todos” son simplemente “conjuntos de elementos acoplados”;
en otras palabras, “sistemas”. Sus modos de acción constituyen el resultado
combinado de los modos de acción de los elementos individuales y de la es-
tructura del sistema, por ejemplo, de la red de acoplamiento de los elementos
que lo componen.
El análisis anterior supone que el “tiempo de reacción” entre los efectos que
causa la entrada en la salida es instantáneo. Sin embargo, si existe un tiempo
dado para tal reacción entre cada componente de salida y cada componente de
entrada, se puede extender el análisis a tal situación, con conclusiones similares
a las anteriores. Si θ es el máximo valor entre todos los tiempos de reacción de
las diferentes componentes de un elemento activo, entonces:
Xt+θ = TS (Xt)
Yt+θ = ST (Yt) (5-10)
que son ecuaciones de diferencia. El análisis es extensible al caso de reacciones

sucesivas de tipo continuo.
179
Lange continúa su propuesta estudiando el caso del equilibrio y la estabilidad

de los sistemas así descritos. Demuestra que en este caso el sistema debe tener
por lo menos un acoplamiento en retroalimentación, es decir, algún elemento
activo que esté acoplado directa o indirectamente a otro elemento activo que
recibe de él, como parte de sus entradas, algunas salidas (o todas), además de
cumplir ciertas propiedades matemáticas que no son del caso discutir aquí.
Lo indicado en cursiva es de extraordinaria importancia para comprender los
sistemas complejos, como veremos en su momento.
Finalmente, Lange estudia las condiciones para que se dé la equifinalidad
(ergodicidad es el término técnico utilizado en matemáticas). Para Lange, la
existencia de procesos ergódicos de autoconducción del desarrollo de sistemas,
explica los fenómenos que han originado las interpretaciones de tipo “vitalismo
metafísico”. La estabilidad de un sistema y la ergodicidad de un proceso de
desarrollo son el resultado del modo de acción de los elementos del sistema y
de los acoplamientos de los elementos, es decir, de la estructura del sistema.
La concepción de un sistema como un conjunto de elementos activos cuyas
interrelaciones son definibles mediante una matriz S y su comportamiento
individual mediante una matriz de transformación T brinda un cuerpo teórico
de una gran coherencia, en el cual es posible explicar y analizar la principales
leyes sistémicas: jerarquización, centralización-descentralización, totalidad,
mínima entropía, emergencia, complejidad etc. Además, permite una recon-
ciliación entre los “todos” y las “partes”.
La gran limitante, para el caso de los estudios de sistemas humanos, es la
misma que para el modelo de Bertalanffy: la dificultad de identificación de
los elementos activos y sus respectivas mediciones exigidas para la definición
de S y T. Por esta razón, se han desarrollado metodologías más que teorías,
para enfrentar este tipo de sistemas, asunto que, como dijimos anteriormente,
será analizado en detalle en los próximos capítulos. De todas maneras, Lange
ha demostrado que sí es posible proponer un cuerpo teórico para el estudio
y descripción de los sistemas en general79.
79. El lector interesado en conocer más en detalle la propuesta de Lange puede re-
mitirse al APÉNDICE literal A.5.3.
180
5.3.3 Jerarquización, casi-descomponibilidad

Antes de dar por terminada la visión cibernética de los sistemas propuesta
por Lange, vale la pena destacar la forma en la que es posible utilizar estas
ideas para explicar el concepto de evolución de los sistemas propuesto por H.
Simon (1979).
Lange (Op. Cit., p. 30-) hace referencia a los “sistemas de orden superior”: se
trata de la jerarquización y emergencia en los sistemas.
Simon aclara que cuando dos sistemas S1 y S2 se acoplan, se crea un nuevo
sistema, generándose una nueva matriz estructural S' definida como:
S S12 
S ' =  11
 S 21 S 22  (5-11)
S11 es la matriz estructural de S1 definida por los acoples que se presentan en

dicho sistema y S22 la matriz estructural correspondiente de S2. Por su parte,
S12 es la matriz estructural de los acoplamientos entre elementos de S1con ele-
mentos de S2 y S21 es la matriz estructural de los acoplamientos entre elementos
de S2 con elementos de S1. La idea se puede extender fácilmente a sistemas de
orden mayor. Simon (Op. Cit. p. 127) define un sistema complejo como aquel
sistema que está compuesto de un gran número de partes que actúan entre
sí de una manera no sencilla; estos sistemas evolucionan mucho más rápida-
mente a partir de sistemas simples cuando existen unas formas intermedias
estables, que cuando no se hallan éstas. Entre las formas complejas posibles,
las jerarquías son las únicas que tienen tiempo de evolucionar.
Partiendo de este concepto de jerarquización, el profesor Simon define como
“sistema jerárquico descomponible” aquel en el cual las interacciones inter-
sistémicas son nulas. En términos de (5-11), el sistema es descomponible
si S12= S21= 0 (matriz nula). Es evidente que esto no ocurre en la naturaleza,
sino en forma ideal. En general lo que se encuentra es relaciones débiles entre
algunas partes; son los sistemas cuasidescomponibles. El triunfo del reduccio-
nismo ha estado cimentado en el descubrimiento de fenómenos en los cuales
esta casi-descomponibilidad se cumple. La “exactitud” de una ley natural,
dependerá en gran medida de hasta dónde las interacciones intersistémicas
no sean importantes.
181
Podemos estudiar las jerarquías a partir de estos sistemas “cuasidescompo-

nibles” en donde existen interacciones entre sistemas que son leves, pero no
nulas. Si extendemos la definición dada en (5-11) para M sistemas acoplados,
S' puede escribirse como se indica en la ecuación (5-12).
 S11  S1M 
S =  
'
   (5-12)
 S N 1  S NM 
Un sistema será cuasidescomponible si disponiendo de una medida de interac-

ción entre sistemas, los valores encontrados en una relación de dos subsistemas
son menores que los hallados en otras. La figura 5.11 da una idea de este con-
cepto tanto para un sistema (figura de la izquierda) como para sistemas que se
interrelacionan (figura de la derecha) definiendo un sistema de complejidad
superior. En ambas figuras las líneas (o arcos) punteadas indican relaciones
débiles con respecto a las líneas enteras.
S1 Ʃ
e1 1
r1
e4 p1 p2
r2
e2 p3 r3
2
e5 q3
e3 q1
3 q2
q4
Casi-descomponibilidad de los sistemas

Fig. 5.11
Como puede observarse, en S 1 se pueden reconocer dos subsistemas:
uno formado por los sistemas (elementos) e1 y e4, y otro formado por los
elementos e2, e3,y e5. Para ∑, los sistemas (subsistemas) ∑2 y ∑3 forman un
subsistema, y ∑1 otro. Podríamos estudiar en forma separada cada uno
de estos grupos, pero sin olvidar que existen interrelaciones que han sido
suprimidas. Regenerar el sistema a partir de estas subdivisiones no es un
182
proceso sencillo. G. Klir lo llama el problema de la reconstructabilidad del

sistema y es uno de los temas que desarrolla en su metodología denominada
General Systems Problem Solving (GPSS) (1985).
Un ejemplo sencillo lo brinda la organización formal. Allí cada superior in-
mediato está “conectado” con un número reducido de subordinados y, a su
vez, lo está con un superior inmediato. Desde luego, todos sabemos que existe
una organización informal en donde aparecen otros canales de comunicación
diferentes a los establecidos por las líneas de autoridad y responsabilidad. Pero
aún así, la mayoría de estos canales conducen, de un individuo particular, a un
número muy limitado de superiores suyos así como de subordinados y asocia-
dos. Ejemplos similares se presentan en la teoría del calor, dinámica económica
y sistemas físico-químicos. Por ejemplo, las fuerzas intermoleculares, en las
sustancias orgánicas, son generalmente más débiles que las fuerzas molecu-
lares y éstas más débiles que las nucleares. En el caso del péndulo de Galileo
la casi-descomponibilidad se da con el aislamiento. Sólo la influencia gravita-
cional de la tierra es tenida en cuenta; los demás planetas quedan excluidos.
Para el caso de la familia, si se estudia sólo a ese grupo familiar, una opción
(y no la más conveniente desde el punto de vista sistémico) es considerarla
aislada de su entorno y analizarla sólo a través de sus interrelaciones internas.
Otra casi-descomponibilidad podría ser el estudio de la familia relacionada
con otras familias cercanas afectivamente. Es claro que llegará un momento
en el cual no se integrarán más familias. Remitimos al lector al numeral 4.2
(reductibilidad sistémica).
¿Por qué se presenta esta casi-descomponibilidad? Como explica Simon, no es
arriesgado postular que en la naturaleza, incluyendo en ella los seres humanos,
las fuerzas de interacción obran sólo dentro de ciertos límites. Para el ejemplo
en la administración, la capacidad de un individuo para interactuar simultá-
neamente con otros está limitada a un cierto número. Posiblemente, factores
psicológicos, sociológicos o fisiológicos (o de otra índole) puedan explicar este
hecho. Lo cierto es que es observable y no sólo para el ejemplo aquí citado.
Miller (1968) ha sugerido que el ser humano puede manejar simultáneamente
un número máximo de conceptos o variables que oscila entre 5 y 9 (7 ± 2). De
alguna manera, esto viene a corroborar la conjetura antes expuesta.
La casi-descomponibilidad juega un papel importante para comprender los
sistemas. Gracias a ella, muchos sistemas complejos que poseen estructuras
jerárquicas cuasidescomponibles, pueden ser comprendidos y descritos. De
183
cierta forma, la casi-descomponibilidad es un regulador que reduce la variedad

inicial del sistema.
Como dice Simon (1979, p. 155):
Si en el mundo hay importantes sistemas que son complejos sin ser jerár-
quicos, es posible que hasta cierto punto escapen a nuestra observación y
comprensión. El análisis de su comportamiento supondría unos conoci-
mientos y unos cálculos tan detallados de las interacciones de sus partes
elementales, que puede afirmarse que, sin duda, están fuera del alcance de
nuestra capacidad de recordar o de calcular.
De hecho Simon ha generado otra manera de clasificar los sistemas (Skyttner,

p. 72):
• Descomponibles: aquellos en los cuales los subsistemas son independien-
tes. Por ejemplo, un gas inerte en el cual las fuerzas intermoleculares son
despreciables con respecto a las intramoleculares.
• Casi descomponibles: las interacciones entre los subsistemas son débiles
pero no despreciables; las intercomponentes son más débiles que las in-
tracomponentes. Las organizaciones son de este tipo.
• No descomponibles: dependen directamente de otros sistemas o los afectan
explícitamente. Por ejemplo un pulmón artificial.
5.4 Resumen
Si la T.G.S. pretende ser científica, entonces debe tener una formalización a la
manera en que se explica en el capítulo 2.
Una primera aproximación al tema nos llevó al concepto de clasificación como
una herramienta conceptual fundamental para poder establecer una teoría que
busque generalizar varias realidades contenidas en un ámbito común.
La clasificación de Boulding avanza en forma jerárquica en la complejidad de
los “sistemas” estudiados, y destaca en cada nivel la propiedad emergente que
lo diferencia de los anteriores.
Ackoff nos propone dos clasificaciones. Una, basada en el comportamiento
del sistema, nos permite distinguir entre reacción, respuesta y acto, entre los
184
sistemas reactivos –los que mantienen un estado– y los responsivos –que buscan
desde una a múltiples metas–; entre los sistemas intencionales –aquellos en
los cuales un observador presume cierta intencionalidad (capacidad de deci-
dir, voluntad)– y los intencionados, en los que claramente es el sistema el que
demuestra tal característica. La otra, es una clasificación basada en la organiza-
ción. Se distinguen los sistemas determinados, animados, sociales y ecológicos
que forman una jerarquía en la cual la propiedad emergente está identificada
por el concepto de intencionalidad o no intencionalidad del sistema.
Por su parte, Checkland nos brinda dos maneras de ver los sistemas: una,
como un todo compuesto por subsistemas que pertenecen a los sistemas físi-
cos diseñados, a los sistemas abstractos, a los de la actividad humana y a los
naturales. También hay un lugar para los sistemas trascendentes; y otra, en la
que los determina como “duros” y “blandos”. Los duros están relacionados
con propósitos u objetivos claramente definidos, estructuras perfectamente
delimitadas y procesos identificables. Los blandos, con objetivos difícilmente
definibles, estructuras borrosas arduas de observar o delimitar, y procesos en
conflictos que dificultan la comprensión de la situación observada.
Enseguida, desarrollamos con mayor profundidad el concepto de ley. Discu-
timos las leyes numéricas, aquellas que se basan en una propiedad que tiene
relación de orden y, por lo tanto, tiene la opción de ser medida, en contraposi-
ción a propiedades que no tienen tal relación. De esta manera, se explica lo que
puede ser medible y lo que no puede serlo. Tal discusión nos lleva a considerar
la relación entre la matemática como lenguaje científico, y su carácter práctico,
como elemento de cálculo y explicación.
Se presentan dos sistemas formales de muchos otros que existen para la T.G.S.:
el de L. von Bertalanffy, basado en un sistema de ecuaciones diferenciales
ordinarias, y el de O. Lange, quien utiliza el concepto de elemento activo y
desarrolla su teoría a partir de la cibernética. Ambas propuestas cumplen con
la finalidad de demostrar que es posible presentar un cuerpo coherente en
lenguaje matemático debidamente formalizado. Sin embargo, ambos sistemas
presentan una gran limitación para ser aplicados a diversas situaciones de los
sistemas sociales, debido a la dificultad de representar matemáticamente sus
relaciones y propiedades.
Cerramos este capítulo con la idea de H. Simon sobre la cuasidescomponibi-
lidad. Ella nos permite aplicar el concepto de sistema, subsistema y ambiente
sin mayor dificultad al demostrar que, aunque los elementos del universo
185
estén de una manera u otra interrelacionados, en relación con las situaciones

prácticas tales interacciones pueden ser cortadas si se tiene en cuenta la fuerza
con la que ellas se influyen; así se puede reducir el tamaño de los elementos a
considerar sin afectar dicho sistema sensiblemente. Nos aclara que nunca de-
beremos llegar al sistema mínimo (la cuerda, que no es sistema) como tampoco
al sistema máximo (el universo, que tampoco es sistema) cuando de estudiar
un sistema concreto se trata.
186
CAPÍTULO 6
MATEMÁTICAS DE LA T.G.S.
6.0 Nuevos conceptos, nuevas matemáticas

Como se indicó anteriormente, la Teoría General de Sistemas tuvo un pe-
ríodo de receso que afectó notablemente el impacto que venía ejerciendo en
las diferentes ramas del conocimiento. Esto se debió fundamentalmente a la
falta de herramientas adecuadas que permitieran representar, en un lenguaje
matemático, muchas de las ideas y observaciones que se habían realizado y
planteado como elementos fundamentales de esta teoría. La idea básica de
Bertalanffy, al respecto, era el uso de sistemas de ecuaciones diferenciales. Se
identificaron los patrones mas no su representación abstracta. El gran reto era
la no linealidad de los sistemas complejos.
El concepto de sistema complejo ya había sido considerado por la matemática
y la física y existían estudios sobre las redes neuronales desde un punto de
vista matemático.
En la actualidad estos son algunos de los fenómenos que se consideran com-
plejos:
a) La teoría del caos: sistemas determinados, no predecibles (visión de la
matemática).
b) Las redes neuronales y sus modelos matemáticos.
c) El estudio de los sistemas adaptativos, aquellos que aprenden y se adaptan a
partir de su experiencia: los mercados de capitales, las hormigas, la biosfera
y los ecosistemas, el cerebro, la célula, los sistemas sociales.
d) Los sistemas no lineales. Aquellos que no cumplen el principio de super-
posición.
Se dice que una función f(x) es lineal (cumple con el principio de superpo-
sición) si:
i) f(x1+ x2+ … +xn) = f(x1) + f(x2) + … + f(xn)
ii) f(kx) = kf(x), k un escalar.
187
En física, lo que se intenta es linealizar todos los sistemas que no lo son, ya

que el análisis es más fácil cuando el principio de superposición se cumple.
La Termodinámica Irreversible, la Teoría de Conjuntos Difusos, la Teoría
de Caos, la Teoría de fractales y la Teoría de Catástrofes son aspectos de las
nuevas matemáticas de la complejidad. Aquí no se cumple este principio.
En este capítulo y en los dos siguientes haremos referencia al respecto.
e) Sistemas autoorganizados, que tiene que ver con los sistemas que no están
en un equilibrio termodinámico.
Estos sistemas complejos exhiben ciertas características comunes:
a) Desarrollan fallas en cascada. Como son sistemas altamente interactuados,
una falla en un elemento puede transmitirse rápidamente a todo el sistema:
si falla una parte, hay tendencia a que falle el sistema completo.
b) Son sistemas abiertos alejados de estados de equilibrio de máxima entropía.
Disipan energía y en este proceso, forman islas de orden.
c) Poseen memoria (histéresis: la historia afecta los valores de los estados
internos, como ocurre en una banda de caucho cuando se estira y luego
se suelta).
d) Son anidados (jerárquicos). Sus componentes (subsistemas) son también,
en general, sistemas complejos.
e) Ostentan Multiplicidad dinámica. Son sistemas densamente interconectados
localmente y eventualmente conectados con elementos distantes, en forma
aleatoria.
f) Poseen la propiedad de la emergencia sistémica: el todo tiene propiedades
o comportamientos que sus partes no poseen.
g) Tienen lazos de retroalimentación positiva y negativa.
En el siguiente capítulo se hará referencia a varias teorías que analizan estas
propiedades.
6.1 Termodinámica irreversible

Se entiende por termodinámica la parte de la física que estudia el calor y su
transformación en energía mecánica.
188
La cifra que indica lo caliente o frío que está un cuerpo con relación a una
norma se denomina temperatura. De esta definición podemos concluir que
la temperatura es relativa a una escala de comparación80. La temperatura es
proporcional al movimiento promedio de traslación de las moléculas y no a
su vibración o rotación81.
El calor es la energía transferida de un objeto a otro debida a una diferencia de
temperatura. Los cuerpos no contienen calor. El calor es sólo energía en tránsito.
Igual ocurre con el trabajo. Por lo tanto, uno y otro sólo pueden producirse. El
calor se representa con la letra Q y el trabajo con la letra W.
Existen otros tipos de energía82, entre ellos la energía interna (o térmica) que es
la energía total de todas las moléculas del objeto, es decir, el total de la energía
cinética de traslación, rotación y vibración de las moléculas y de la energía
potencial entre ellas. Se denomina generalmente con la letra U.
Para poder comprender bien los procesos termodinámicos es necesario definir
lo que entendemos por equilibrio termodinámico. Un sistema está en equilibrio
termodinámico cuando:
• El sistema se encuentra en un estado de equilibrio mecánico: la suma de
las fuerzas, tanto internas como externas que actúan sobre él, es cero.
• El sistema está en equilibrio químico, es decir, no hay una tendencia a
cambios espontáneos en la estructura química del sistema.
• El sistema está en equilibrio térmico, es decir, todas sus partes están a la
misma temperatura, e igual a la temperatura ambiente si el sistema no es
un sistema aislado.
La medición del estado de equilibrio termodinámico se especifica dando los
valores de algunas pocas cantidades tales como temperatura, masa, presión y
80. Por ejemplo, la escala Celsius va de 0 (temperatura de la congelación del agua) a

100 (temperatura de ebullición del agua). La escala Fahrenheit le asigna el número
32 al punto de congelación del agua y 212 al punto de ebullición. Ambas escalas se
subdividen en 100 partes y cada parte se denomina grado Celsius o grado Fahrenheit
según el caso. La escala Kelvin asigna 0 a la mínima temperatura absoluta (-273
Celsius); en esta escala el hielo se funde a +273 K.
81. En general se habla de átomos y moléculas. Es común referirse a las moléculas
sin detallar que también hay una referencia a los átomos.
82. Para conocer sobre los diferentes tipos de energía véase el APÉNDICE literal
A.6.1.
189
densidad. Estas propiedades, junto con algunas otras (como tensión y com-
posición), se denominan el estado termodinámico del sistema.
Cuando se inició el estudio teórico de las máquinas de vapor, se encontró
que, en las máquinas construidas, todo el trabajo se podía convertir en calor,
pero el calor no era convertible completamente en trabajo. Se pensó que tal
situación se debía a la imperfección de los materiales (distribución de su peso,
rigidez relativa, no homogeneidad de los materiales…), a la fricción entre las
diferentes piezas, a la ineficiencia en el proceso de transmisión de calor… Pero
los perfeccionamientos al respecto no arrojaron una mejora sensible.
Sadi Carnot realizó el estudio de una máquina teórica (otro gran constructo
mental, al que ya debemos estar habituados) en el cual demostró que la efi-
ciencia de una máquina térmica no podía ser jamás igual al 100%.
La máquina térmica funciona entre dos fuentes de calor, una a temperatura
mayor que otra, y en la cual el calor fluye del recipiente de mayor temperatura
al de menor temperatura. Durante este proceso, el calor transmitido entre las
dos fuentes puede producir trabajo. Calor y trabajo son tipos de energía que
se acumulan de forma diferente. El calor se mide en calorías y el trabajo en
Joules. James Prescot Joules realizó los experimentos que permitieron establecer
la siguiente relación: 1.0W (joules) = 4.18 Q (calorías).
Esta parte del proceso tiene que ver con lo que se conoce como conducción del
calor. Fue Jean Joseph Fourier quien estudió este fenómeno. Su ley dice: el flujo
de calor entre dos cuerpos es proporcional al gradiente de temperatura entre esos
dos cuerpos83. Más concretamente:
∆Q ∞ f (t, A, ∆T/ ∆x)
en donde t es el tiempo transcurrido durante el proceso de conducción, A el

área de la sección de una lámina de espesor ∆x y ∆T la diferencia de tempera-
tura entre las dos caras de dicha lámina. Como se deduce, dicha conducción
no tiene que ver con la masa de los cuerpos, como sí ocurre en la ley de gravi-
tación. Es un fenómeno que escapa a la visión newtoniana de explicación del
universo: aparecen nuevas formas matemáticas de explicar nuevos fenómenos.
Como hace notar Prigogine & Stengers (2004, p. 141-), se enfrentan nuevas
propiedades a viejas ideas fuertemente establecidas: la gravitación obra sobre
masas inertes que la sufren sin ser afectadas, salvo en su movimiento; el calor
83. El lector interesado puede remitirse al APÉNDICE, literal A.6.2.
190
transforma la materia, la modifica en sus propiedades intrínsecas. Al equilibrio

dinámico newtoniano hay que agregar ahora otro equilibrio: el termodinámico,
ya que la propagación del calor tiende a distribuir las temperaturas homogé-
neamente en los cuerpos donde se produce. Por otra parte, esta tendencia a la
homogeneidad es de carácter irreversible, contrario a la idea de reversibilidad
del universo newtoniano84.
Consideremos ahora la máquina térmica. Para ello debemos referirnos al ciclo
de Carnot.
En este ciclo el sistema (un gas ideal confinado en un cilindro con un émbolo,
aislados del ambiente salvo en su parte inferior por la que se puede adquirir o
transmitir calor), pasa por cuatro estados caracterizados por una presión (p),
un volumen (V) y una temperatura (T) dados.
El trabajo realizado por el sistema es igual a la diferencia entre el calor Q1
que le suministra el ambiente al sistema y el calor Q2 que le cede el sistema al
ambiente haciendo que el proceso sea reversible (derecha figura 6.1). Para que
esto se cumpla, el movimiento del émbolo debe ser muy lento85.
El trabajo (W) realizado por el sistema se calcula, entonces, a partir de la
expresión:
W= Q1 − Q2 (6-1)
De acuerdo con lo anterior, el sistema ha convertido calor en trabajo. Al repetir

el ciclo, se producirá más trabajo. Esto es lo que se conoce como una máquina
de calor o máquina térmica.
En el mundo real, este proceso de conversión de calor en trabajo se realiza
mediante diferentes tipos de gases tales como aire, combustibles y oxígeno.
El calor se obtiene a partir de diversos tipos de combustibles como petróleo,
gas e incluso energía atómica. Estas máquinas no operan bajo la condición
de reversibilidad, pero la máquina ideal de Carnot nos permite comparar el
comportamiento de las reales frente a una “máquina perfecta”.
Una máquina térmica perfecta convertiría todo el calor suministrado, Q en
trabajo W (violando la segunda ley) y reconvertiría el trabajo en la misma can-
84. Para conocer un poco más sobre el tema se sugiere ver el LITERAL A.6.3.
85. Para un estudio un poco más profundo sobre el tema, referirse al APÉNDICE,
literal A.6.4.
191
tidad Q realizando de nuevo un trabajo W, sin consumo adicional de energía.

La figura 6.1 ilustra una máquina térmica real y una “perfecta”.
Recipiente calórico a
Temperatura T1
Q1 Recipiente calórico a
Temperatura T1
W Q
Q2
W=Q
Recipiente calórico a
Temperatura T2
Máquina térmica actual Máquina térmica perfecta

T1 > T2
Máquina térmica
Fig. 6.1
La eficiencia e de una máquina de calor es la relación entre el trabajo producido
y el calor suministrado por el recipiente de temperatura mayor:
Es posible demostrar que, para el mismo caso ideal:
( Q1- Q2 )/Q1= ( T1- T2 )/T1 , T1 > T2 (6-2)
Por lo tanto
e = 1 - T2/T1 (6-3)
e = W/Q1= ( Q1- Q2 )/Q1 = 1- Q2/Q1 (6-4)
De acuerdo con estas ecuaciones, la eficiencia de una máquina térmica per-

fecta es del 100% si el calor cedido al medio (Q2) es cero, o la temperatura del
recipiente más frío (T2) es cero grados Kelvin. La experiencia ha demostrado
que, bajo ninguna circunstancia, durante el proceso de compresión Q2 puede
ser igual a 0. Siempre se cede calor al ambiente. Este calor cedido, no puede
192
realizar trabajo. Si se mira desde el lado de la temperatura, no es posible alcan-

zar el cero absoluto. Esto se conoce como la tercera ley de la termodinámica:
No existe un procedimiento, ni siquiera idealizado, que reduz-
ca la temperatura de un sistema al valor del cero absoluto, en
un número finito de operaciones.
A partir del ciclo de Carnot, es posible definir la relación ∆Q/T: cantidad de
calor cedida por un sistema con relación a su temperatura, en grados Kelvin.
Esta relación recibe el nombre de entropía y mide la habilidad de un sistema
para producir trabajo. En esta definición macroscópica no se tiene en cuenta
el concepto de masa (materia). Hewitt (2004) lo expresa así:
En los procesos naturales la energía de alta calidad tiende a transformarse
en energía de menor calidad; el orden tiende al desorden86.
Por eso se dice que la entropía es una medida de la cantidad de desorden

(energía degradada).
Que la entropía mide la habilidad que tiene un sistema para realizar trabajo,
puede comprenderse a partir del siguiente experimento. Consideremos dos
cuerpos totalmente aislados, de temperaturas diferentes, que se ponen en
contacto (ver figura 6.2).
Q
T1 T2
T1 > T2
Transferencia de calor entre dos cuerpos a

temperaturas diferentes
Fig. 6.2
86.No se trata de una calidad energética de menor rango. Sólo que, siendo energía,
no puede aprovecharse para realizar trabajo. En el numeral 6.1.3 se precisará el con-
cepto de orden.
193
Ellos alcanzarán un estado de equilibrio térmico. Tampoco aquí existe pérdida

de energía en el proceso debido a su aislamiento.
Sin embargo, el sistema como un todo ha perdido su capacidad de hacer
trabajo. Antes de estar en contacto, se podía obtenerlo gracias a la diferencia
de temperatura (máquina térmica). Al tener ambos la misma temperatura, el
trabajo ya no puede obtenerse. La conducción de calor también es un proceso
irreversible87.
El balance de entropía de este sistema cerrado es fácil de calcular. La entropía
cedida por el cuerpo de temperatura mayor es, por definición, S1 = -∆Q/T1. La
entropía recibida por el otro cuerpo será S2= +∆Q/T2. Como T1 > T2 entonces,
S1 < S2. En un sistema cerrado, la entropía sólo puede crecer.
Es posible encontrar procesos irreversibles que no están en equilibrio pero
que aún se les puede especificar propiedades termodinámicas relativas a los
estados de equilibrio. Estos procesos están caracterizados por propiedades que
no varían con el tiempo, sino en el espacio, punto por punto en el sistema.
De tales procesos se dice que están en un estado estable. Un ejemplo sencillo
es considerar una barra de metal, por ejemplo cobre, perfectamente aislada
la cual se conecta entre dos recipientes que difieren en una cantidad finita de
temperatura (esto le da el carácter de irreversibilidad al proceso)88. La figura
6.3 ilustra el caso.
La entropía que sale, que corresponde a la temperatura más alta en el extremo
izquierdo de la barra, es Sa= ∆Q/Ta mientras la que entra por el extremo de-
recho es Sb= ∆Q/Tb. Evidentemente Sa < Sb: la entropía crece, como lo indica
la segunda ley de la termodinámica. Por su parte, la temperatura en cada
punto de la barra, cuando el sistema alcanza un estado estable, no cambia
con el tiempo. Sin embargo, sí cambia a lo largo de la barra como lo muestra
la gráfica de la misma figura.
La barra de cobre puede considerarse como un sistema abierto que posee un
estado estable alejado de la posición de equilibrio (temperatura igual en toda
la barra). Sin importar la temperatura con la cual se inicie el proceso, el estado
estable se alcanza invariablemente, siendo pues un estado equifinal.
87. Otro análisis complementario puede verse en el APÉNDICE literal A.6.5.

88. Los recipientes calóricos mantienen la misma temperatura en todo momento,
independientemente si están cediendo o recibiendo calor. Cfr. de nuevo el APÉNDICE,
literal A.6.2.
194
Recipiente aislamiento Recipiente

calórico calórico
temp. alta
dQ/dt BARRA DE COBRE
temp. baja
Talta Tbaja
Talta
Tbaja
Proceso irreversible, con puntos de equilibrio

en el espacio
Fig. 6.3
Incidentalmente, estas son las características que identifican a muchos orga-
nismos y a lo seres vivos como sistemas abiertos.
No obstante, hay diferencias importantes entre el proceso aquí descrito y los
seres vivos. Una de ellas es que, en el caso de la barra, el estado equifinal debe
alcanzarse; en los sistemas abiertos, puede alcanzarse. Otra diferencia impor-
tante la analizaremos enseguida.
Si consideramos la entropía como una cantidad que “fluye” a través de la barra
conductora, entonces tendremos que sale menos entropía de la parte izquierda
de la barra que la que entra en la parte derecha de la misma. El aumento de
entropía puede pensarse como generada en el conductor. Todos los flujos de
estados estables, irreversibles, incluyen el valor ∆Sirrev, que es positivo, término
que se denomina tasa de generación de entropía. Se observa, pues, un aumento
de entropía. Pero en los organismos vivos, en los cuales el proceso es irreversi-
ble, el sistema tiende a disminuir la entropía. Esto se logra mediante la impor-
tación de neguentropía (entropía negativa). Prigogine explica esto mediante
la función expandida de la entropía. En los sistemas abiertos, el cambio total
de entropía puede escribirse:
∆STot = ∆Si + ∆Se (6-5)
195
en donde ∆Si es la producción de entropía debida a los procesos irreversibles

en el sistema, tales como reacciones químicas, difusión, transferencia de calor,
etc., y ∆Se es el cambio en la entropía que se importa. ∆Si es siempre positi-
va, de acuerdo con la segunda ley de la termodinámica, ∆Se, la entropía que
se transfiere, puede ser positiva o negativa; esta última se logra mediante la
importación de materia que lleva energía libre. En muchos casos, la entropía
negativa es la información recibida por el sistema.
Como ya hemos dicho, en un sistema aislado la entropía crece, pero cuando el
sistema interactúa con su medio, y esto es lo general en los procesos cotidianos,
es difícil medir el cambio total en la entropía. Por esta razón, es importante
tener en consideración la energía libre.
La energía libre de Gibbs permite conocer cuándo, en un sistema abierto for-
mado por una reacción química, ésta tiene una tendencia espontánea hacia un
aumento de entropía bajo condiciones de presión y temperatura constantes.
Como se sabe, (ecuación 6.5 aplicada al universo) ∆Suniv = ∆Ssistema + ∆Sambiente .
En general, es difícil calcular el cambio de entropía en el ambiente. Gibbs pro-
puso una manera de saber si en estas condiciones la reacción es espontánea,
utilizando únicamente variables del sistema.
Llamaremos ∆G a la energía química que queda libre para realizar trabajo.
Esta puede definirse mediante la relación89:
∆G = ∆H - T∆S (6-6)
Con esta expresión, a temperatura y presión constantes es posible establecer

las siguientes relaciones para decidir si un proceso es espontáneo o no:
• Si ∆G < 0 el proceso es espontáneo.
• Si ∆G = 0 el sistema está en equilibrio.
• Si ∆G > 0 el proceso no es espontáneo.
Terminemos este numeral citando a Prigogine & Stengers (2004, p. 160):
¡Cuán extraño es este lenguaje [el de la termodinámica] al de la dinámica!
Allí, el sistema evoluciona sobre una trayectoria dada de una vez por todas,
y guarda eterno recuerdo de su punto de partida (ya que las condiciones
iniciales determinan de una vez por todas la trayectoria). Aquí, por el
89. H es la entalpía del sistema y se refiere a la cantidad de energía que un sistema
puede intercambiar con su entorno. Matemáticamente: H = U + pV.
196
contrario, todos los sistemas en estado de no-equilibrio evolucionan hacia

el mismo estado de equilibrio, habiendo olvidado el sistema sus condiciones
iniciales, habiendo olvidado la forma en que había sido preparado.
6.1.1 Estructuras disipativas

Prigogine desarrolló la teoría de las estructuras disipativas90 con el fin de ex-
plicar los fenómenos termodinámicos alejados de los estados de equilibrio. De
acuerdo con esta teoría, es posible encontrar estados de orden sin contradecir
la segunda ley de la termodinámica. La entropía total del sistema sigue au-
mentando, pero esto no implica que no se puedan crear “islas” ordenadas. La
probabilidad de que surjan estas estructuras al azar es prácticamente nula. El
orden y el desorden son procesos que se dan simultáneamente, alimentándose
entre sí. Como afirma Capra (1999, p. 202):
Esta nueva percepción de orden y desorden representa una inversión de
las visiones científicas tradicionales. En la perspectiva clásica, para la que
la física es la principal fuente de conceptos y metáforas, se asocia orden
con equilibrio –como, por ejemplo, en cristales y otras estructuras estáticas–,
mientras que el desorden se identifica con situaciones de no-equilibrio
tales como turbulencias. En la nueva ciencia de la complejidad –que se
inspira en la trama de la vida– aprendemos que el no equilibrio es una
fuente de orden. Los flujos turbulentos de aire y agua, si bien aparentemen-
te caóticos, están en realidad altamente organizados, exhibiendo complejos
patrones de vórtices dividiéndose y subdividiéndose una y otra vez a esca-
las cada vez menores. En los sistemas vivos, el orden emergente del no-
equilibrio resulta mucho más evidente, manifestándose en la riqueza, di-
versidad y belleza del mundo que nos rodea. A través del mundo viviente,
el caos es transformado en orden.
Las estructuras disipativas se ocupan, por lo tanto, de la descripción de los

sistemas autoorganizados. La matemática necesaria para explicar estas estruc-
turas es del tipo no lineal, que permite analizar los sistemas lejos de su estado
de equilibrio. Los estudios iniciales partieron de lo que se conocía entonces
como la inestabilidad de Bénard. Este es un fenómeno que se presenta por
90. Se dice que un sistema es disipativo si su energía se degrada en forma de calor
que, en parte, no es transformable en otras formas de energía menos degradada.
Cumple, pues, con el segundo principio de la termodinámica.
197
convección térmica cuando una fina capa de un líquido es colocada entre dos
láminas, y la inferior comienza a calentarse poco a poco. El flujo de calor que
se genera se transmite por conducción hacia arriba. Las moléculas inferiores
del fluido aumentan de volumen por lo que su densidad decrece, haciendo que
estas tiendan a ascender, mientras que las más frías tienden a descender. Pero
la viscosidad de líquido opone resistencia a tal dinámica. Sólo cuando la tem-
peratura llega a un valor dado, este equilibrio se rompe y empiezan a aparecer
patrones de células hexagonales, en las cuales el líquido caliente asciende por el
centro de las mismas y el más frío desciende por sus paredes, pero la dirección
del flujo no puede ser conocida de antemano. Se forman celdas en las cuales
el flujo de uno de sus lados unas veces gira hacia la izquierda y el de la vecina
hacia la derecha y en otras ocasiones lo hacen en forma contraria. El sistema
se autoorganiza. La figura 6.4 muestra el fenómeno91. Situaciones similares se
presentan cuando se coloca arena en una superficie plana y se hace mover la
superficie hacia arriba y hacia abajo siguiendo una línea vertical. De nuevo una
lucha entre fuerzas que tiende a formar patrones y otras a destruirlos. Aparece,
de la nada, un patrón de orden.
Inestabilidad de Bénard: patrones hexagonales

Fig. 6.4
Capra (Op. Cit. p. 105) cita otro ejemplo interesante de los llamados relojes
químicos, que también caen en el grupo de los sistemas autoorganizados. Es-
tos “relojes químicos” retan la idea tradicional de la tendencia al orden en las
reacciones químicas. La mezcla de cientos de millones de moléculas en una
91. Imágen obtenida de: http:/www.bing.com/images/search?q= inestabilidad+de+
B%C3%A9nard&FORM=BIFD
198
reacción, sugiere que, a la larga, éstas tienden a estados de equilibrio. Esto se

explica mediante la estadística, y la teoría fue desarrollada por Boltzman. Pero
los relojes químicos obedecen a reacciones químicas no lineales. Pasado un
punto crítico, el sistema se comporta de manera inesperada. Consideremos,
sólo como ejemplo, dos tipos de moléculas: blancas y negras. Una vez empezada
su mezcla, el sistema total tenderá hacia un color gris, como era de esperarse.
Sin embargo, a partir de cierto momento tomará alternativamente un color
blanco y luego uno negro92.
Citando a A. Toffler (1984, Prigogine & Stengers, p.xv):
En términos Prigogianos, todos los sistemas contienen subsistemas que
fluctúan continuamente. En ocasiones, resultado de una retroalimentación
positiva, una única fluctuación o una combinación de ellas llega a ser tan
poderosa que destroza la organización preexistente. En este momento
revolucionario − que el autor lo denomina un "momento singular" o "un
punto de bifurcación"− es intrínsecamente imposible determinar, de ante-
mano, cuál será la dirección del cambio: si el sistema se desintegrará en un
"caos" o saltará a un nuevo nivel de orden u organización superior que él
llama una "estructura disipativa". (Tales estructuras físicas o químicas se
determinan disipativas ya que al compararlas con las estructuras sencillas
que reemplaza, requieren más energía para mantenerlas).
En esta nueva visión del mundo, la conclusión general es que la disipación es

una fuente de orden, a pesar de ser sistemas sometidos a la segunda ley de la
termodinámica. Es importante anotar que todos estos fenómenos surgen debido
a la existencia de energía externa al sistema, que suministra la neguentropía
necesaria para que se den los estados ordenados.
6.1.2 Entropía y teoría cuántica

Cuando la termodinámica se estudia desde el punto de vista de la teoría atómica
se llega a interesantes conclusiones.
Ante todo, definamos lo que se conoce como un estado cuántico. En la concep-
ción moderna de la naturaleza del mundo, tanto la materia como la energía se
92. Un interesante seguimiento a las ideas de los sistemas químicos que alternan sus
estados de equilibrio (ruptura de simetría) la trae John Gribbin (Así de simple), pg.
184-.
199
consideran discretas. Es fácil comprender el caso de la materia ya que sabemos

que está compuesta de átomos o moléculas. Con la energía, el concepto es más
difícil de aceptar. Según esta visión, la energía de los átomos y de las moléculas
se origina en la energía cinética de traslación (para partículas monoatómicas),
mas la energía vibracional y la rotacional (para partículas diatómicas). La
energía macroscópica de un sistema es igual a la suma de las energías de todas
sus partículas elementales sean átomos o moléculas.
La figura 6.5 nos muestra cómo es posible que un mismo nivel energético,
tenga diferentes estados cuánticos que lo satisfacen. Se consideran 4 partículas
idénticas con una energía total de 6 unidades energéticas. Cada “escalón” es
un nivel energético claramente delimitado. En otras palabras la partícula no
puede estar en un estado intermedio: o está en un escalón o no lo está.
E3 E3
E2 E2
E1 E1
E0 E0
(a) (b)
4 4
𝐸𝐸𝑎𝑎 = ∑ 𝑛𝑛𝑖𝑖 𝐸𝐸𝑖𝑖 = 0 + 1 + 2 + 3 = 6 𝐸𝐸𝑏𝑏 = ∑ 𝑛𝑛𝑖𝑖 𝐸𝐸𝑖𝑖 = 0 × 1 + 0 + 2 + 2 = 6
1 1
Mismo nivel de energía

Diversos estados cuánticos
Fig. 6.5
Indicaremos otros estados cuánticos con el mismo nivel:
0,2,2,0: 0×0+2×1+2×2+0×3 = 6
0,3,0,1 0×0+3×1+0×2+1×3 = 6
4,0,0,2 4×0+0×1+0×2+2×3 = 6
200
Si el sistema puede fluctuar, es decir, adquirir niveles energéticos diferentes a

6 (por ejemplo en un rango de 0 a 8 unidades de energía) tendríamos muchas
posibilidades más.
Con base en el enfoque de niveles energéticos de la materia, la entropía puede
ser definida de la manera siguiente:
S =- k / pL ln pL (6-7)
L
en donde pL representa la probabilidad de que el sistema se encuentre en el

estado cuántico particular, L, haciéndose la sumatoria sobre todos los estados
cuánticos posibles. Por su parte, k es una constante de cambio de unidades
cuyo valor es 1,38.10-23 J/K. Un buen texto al respecto es Sussman (1972, cap. 5).
6.1.3 Información y entropía

La Teoría de la Información, propuesta por Shannon y Weaver (1949) estudia
la cantidad de información contenida en un mensaje independientemente de
su sintaxis, su semántica o cualquier otra característica que el término “infor-
mación” pueda sugerir.
Un mensaje es una sucesión de símbolos. Debe existir un acuerdo sobre los
símbolos entre quien los envía y quien los recibe. Pueden elaborarse mensajes
mediante la combinación de mensajes previos. Consideraremos como concep-
to de “información” la medida de nuestra libertad para escoger un mensaje. Si
cada mensaje tiene la misma probabilidad de ser seleccionado, la cantidad de
información de n mensajes será, pues, n. Si iniciamos un mensaje con la letra
p, la siguiente letra puede ser cada una de las cinco vocales y las consonantes
l, r y s para una palabra en español: tenemos una “libertad” de ocho opciones
para elegir. Si, en cambio, iniciamos con la letra q, la única letra posible que
le sigue debe ser la u (en el caso del idioma español); no tenemos ninguna
opción. La letra p tiene más información que la letra q 93.
¿Cómo opera la medición anterior cuando se combinan mensajes? Considere-
mos la clave Morse, que consta de dos mensajes básicos: • (punto) y − (raya).
93. En este ejemplo, para facilitar el análisis hemos supuesto que tiene importancia
el sentido de la palabra a enviar.
201
Supongamos ahora que obtenemos un nuevo mensaje mediante la combinación

de tres de estos símbolos. Se obtendrán ocho mensajes como se indica en la
figura 6.6.
• • •
• • –
• – •
– • •
• – –
– • –
– – •
– – –
Dos mensajes básicos combinados:
ocho mensajes posibles
Fig. 6.6
La información de este mensaje es de 8 = 23: el contenido de información de los
mensajes básicos • y − es dos, considerando cada uno por aparte; un mensaje
que combine a ambos, tendrá cuatro unidades y el de la combinación de tres,
ocho unidades.
El lector podría preguntarse si, desde alguna perspectiva, el significado de un
mensaje tiene alguna importancia. Recordando lo discutido en el numeral 2.2, a
nivel sintáctico (relación signo-signo), el nivel de los datos, es de lo que se ocupa
la teoría de la información aquí descrita. El nivel semántico (signo-designatum),
el nivel de información, es el nivel del significado de los símbolos y el nivel
pragmático (relación signo-intérprete), el nivel de conocimiento, se ocupa del
impacto personal y psicológico de la comunicación (Skyttner, p. 219-).
En lugar de potencias, podríamos pensar en el uso de logaritmos para realizar
sólo sumas. De acuerdo con nuestra definición, si se toma el logaritmo en base
dos de cada mensaje, entonces el contenido de información de los tres mensa-
jes será: log223=3 Esta medida de la información tiene un significado práctico.
¿Cuál es el máximo número de preguntas del tipo “si” o “no” necesario para
acertar un mensaje dado de los indicados en la figura 6.6? Recordemos que la
información es la libertad de escogencia de un mensaje. Si se pregunta por cada
mensaje a la vez, el total máximo de preguntas será siete, para nuestro ejemplo
(si la séptima es, se termina el interrogatorio; si no, deberá ser la octava opción,
que no será necesario usarla). Pero es más eficiente dividir el grupo en dos
partes iguales y preguntar si el mensaje particular está en el primer o segundo
grupo. El nuevo grupo será de sólo cuatro mensajes. De nuevo dividimos en
202
dos partes iguales a este grupo y hacemos la misma pregunta. Queda ahora
reducido a sólo dos elementos. La tercera pregunta acertará el mensaje escogido.
Esto justifica la escogencia del log2n. como medida de la información. En otras
palabras, con máximo tres preguntas sabremos cuál es el mensaje escogido.
En resumen: la consideración de un punto o una raya aislados, tendrán como
unidad de información log2 2=1 unidad de información. Esta unidad se llama
“bit” (binary unit: unidad binaria). Si un mensaje es la combinación simultánea
de dos de estos símbolos, la medida de la información de dicho mensaje será
log2 22 = 2 bits (que es la suma de 1+1) y así sucesivamente.
Pero, ¿qué ocurriría si en un mensaje dado la libertad de escoger no es equi-
probable? Supongamos que la probabilidad de que se presente un punto sea de
4/5; por lo tanto, la probabilidad de una raya será 1/5. De acuerdo con nuestra
definición, la cantidad de información aportada por un punto será log2(0.8) bits
y la de una raya log2(0.2) bits. Si ponderamos cada uno de estos valores con su
respectiva probabilidad, la información total en este caso será:
−(0.8 log2(0.8) + 0.2 log2(0.2) = 0.722 bits.
El signo negativo se adiciona para hacer positivo el resultado (los logaritmos

de numero menores que la unidad son negativos).
Shannon y Weaver proponen como medida de la cantidad de información de
mensajes múltiples (más de dos mensajes) la expresión:
H
= ∑ p log
j
j 2 , j 1, 2, …, n.
p j= (6-8)
Para los casos equiprobables, es decir donde las probabilidades de ocurrencia

de un mensaje cualquiera es la misma que la de cualquier otro, la expresión
(6-8) toma su máximo valor. El lector puede comparar el resultado 0.722 con
el valor de −(1/3 log2 1/3 + 1/3 log2 1/3 + 1/3 log2 1/3) y observará que este
resultado es mayor94.
¿Y qué significa que los mensajes tengan la misma probabilidad de ocurrencia?
Simplemente, que no tenemos ninguna información que favorezca más a uno
que a otro, es decir, que nuestra ignorancia es máxima: el máximo contenido
de información, la mayor novedad, se obtiene cuando los mensajes son equi-
94. La demostración matemática se encuentra en el APÉNDICE literal A.6.6.
203
probables. Si, por ejemplo, sabemos que un mensaje determinado va a ocurrir,

entonces su probabilidad será de uno y la del resto de los mensajes será cero.
El valor de la expresión (6-8) será entonces: log2 1= 0; el mensaje no aporta
ninguna información, no tenemos que decidir.
Observemos la extraordinaria similitud (obviamente un isomorfismo) entre la
ecuación (6-8) y la ecuación (6-7). En la visión macroscópica de la entropía se
tiene en cuenta la forma en que el cuerpo cede o recibe calor. Desde el punto
de vista de la mecánica cuántica, S mide el conocimiento que tenemos de los
estados cuánticos de un sistema. Cuando este conocimiento es mínimo, es
decir cuando los estados cuánticos son equiprobables, el valor de S es máxi-
mo, indicando nuestra total ignorancia del sistema. Por esta razón, se dice
que la entropía mide el grado de desorden de un sistema, es decir, el grado de
ignorancia que tenemos respecto de él. Entre más conozcamos la distribución
cuántica de un sistema, reconocemos más orden en el sistema y menos será
la entropía del mismo.
Ampliemos un poco lo dicho. Consideremos un gas compuesto por cuatro
moléculas que se mueven al azar, el cual se encuentra confinado en la parte
izquierda de un recipiente que posee dos compartimientos, I y II comunicados
por una trampa que puede estar cerrada o abierta según el caso. Cuando la
trampa se abra, las partículas empezarán a pasar de un compartimento a otro.
Analicemos tres casos posibles indicados en la figura 6.7 como (a), (b) y (c).
I II I II I II
(a) (b) (c)
Algunas posibilidades de cuatro moléculas al azar confinadas en

un recipiente doble
Fig. 6.7
Supongamos que podamos identificar cada partícula (etiquetarlas de 1 a 4). En
el caso (a), la probabilidad de que cualquier partícula esté en el compartimien-
204
to I es de 1: tenemos la certeza de que allí se encuentran todas las partículas.

Escribiremos, pues, piI = 1, ∀i = 1, 2, ... , 4. La probabilidad de que estén en el
compartimiento II, es 0: piII = 0, ∀i = 1, 2, ..., 4. Por lo tanto, la entropía, de
acuerdo con la ecuación (6-8) será:
S(a) = –(4/4 ln 4/4) = 0
Para el caso dos tendremos, suponiendo por simplicidad que las partículas
etiquetadas 1, 2 y 3 estén en I y la 4 en II:
S(b) = –(3/4 ln 3/4 + 1/4 ln 1/4) = 0.562 > 0.
La suposición anterior no afecta el resultado si las partículas del comparti-

miento de la izquierda hubieran sido la 1, 3 y la 4 por ejemplo, y la 2 estuviera
en el compartimiento de la derecha.
Por razones similares S(c) será:
S(c) = –(2/4 ln 2/4 + 2/4 ln 2/4) = 0.693 > 0.
En cada caso, la entropía ha ido aumentando.

Para cuatro elementos, el total de estados posibles es de 16. La tabla de la figura
6.8 los detalla.
I II I II I II I II I II
1,2,3,4 1,2,3 4 1,2 3,4 4 1,2,3 1,2,3,4
1,2,4 3 1,3 2,4 3 1,2,4
1,3,4 2 1,4 2,3 2 1,3,4
2,3,4 1 2,3 1,4 1 2,3,4
2,4 1,3
3,4 1,2
1 4 6 4 1
0 0.5624 0.6931 0.5624 1
Estados posibles de cuatro elementos distribuibles en dos

compartimentos y su entropía
Fig. 6.8
205
En el penúltimo renglón aparecen el total de estados posibles, en cada caso

(por ejemplo, tres partículas en I y una en II: cuatro casos); en el último, el
valor de la entropía de cada uno de estos estados posibles. Obsérvese que el
valor máximo de la entropía se encuentra cuando las probabilidades de todos
los estados posibles (6 estados) es la misma: pI = pII = 1/2. Si consideramos
los valores de entropía más cercanos (0,5624 y 0,6931), 14 de los 16 estados,
es decir un 87.5% corresponden a casos aproximadamente equiprobables. El
ejemplo podría ahora considerar este mismo número de moléculas confinadas
en un recipiente con tres compartimientos en lugar de dos. El análisis nos daría
resultados similares.
A medida que el número de moléculas95 (y de compartimientos) crezca, la
tendencia normal de un estado con movimiento aleatorio es hacia estados de
equiprobabilidad, es decir, de máxima entropía, en otras palabras, de mayor ig-
norancia, y como consecuencia de mayor desorden. Si asimilamos las partículas
a átomos de oxígeno, podríamos pensar en la opción de que, fruto del azar, estos
átomos se confinaran en un rincón superior del cuarto donde estamos y, por lo
tanto, moriríamos asfixiados. De acuerdo con lo anterior, esto es probable. Sólo
que la probabilidad es tan pequeña, que se necesitaría disponer de un tiempo
inmensamente superior al que hasta ahora se ha consumido en la formación
del universo actual para que tal fenómeno ocurriera. Por el contrario, el que
todos los átomos estén mezclados, tiene una probabilidad cercana a 1. ¡Aquí
el desorden es bienvenido!
El concepto de desorden, es pues, uno de cantidad de información y no un
sentido estético del mismo. Fue Ludwig Boltzmann quien dio esta explicación
de irreversibilidad, dentro del panorama clásico de la física. Se pasó de las
trayectorias, necesarias para la descripción de la mecánica, hacia las probabi-
lidades. Remitimos al lector al APÉNDICE numeral A.6.7.
6.2 Teoría de conjuntos difusos

En 1965 Lofty Zadeh publicó un artículo que introducía los conceptos básicos
de un nuevo tipo de conjuntos los cuales denominó conjuntos difusos. La
teoría matemática tradicional de los conjuntos (conjuntos clásicos, nítidos o
“crisp sets” en la nomenclatura Anglosajona) parte de un concepto intuitivo de
95.Se sabe que el número de moléculas contenidas en un cm3 de un gas es de 26×1017.
206
“conjunto”: un grupo de elementos relacionados por una o varias características

comunes. Podemos definir, por ejemplo, el conjunto formado por los padres
de familia de los estudiantes de nuestra universidad, o el conjunto de los nú-
meros enteros pares. Estos conjuntos nítidos se definen, bien sea enumerando
sus elementos o bien describiendo las propiedades que los distinguen. Para
nuestros dos ejemplos, escribiremos:
A={Padres de los estudiantes de nuestra universidad.}

B={Números enteros pares}, o B={2, 4, 6, ...}, o B={x/x∈números pares>0}96.
Una propiedad de los conjuntos nítidos es aquella que identifica un elemento

como perteneciente o no perteneciente a él. Así, para el conjunto A, un pro-
fesor de la universidad o es padre de familia de un alumno o no lo es. Para el
conjunto B, “3”, al no ser un número par, no pertenece al conjunto B.
La dicotomía “pertenece o no pertenece” es el fundamento de la lógica bivalente:
una proposición o es verdadera o es falsa; no hay otra alternativa.
En el estudio de la complejidad, la matemática clásica se vio complementada
con la teoría de conjuntos y la teoría de probabilidades. Sin embargo, muchos
sistemas no pueden ser descritos matemáticamente en forma conveniente con
ninguna de estas teorías. En ellos se presenta una gran dificultad al intentar
medir los parámetros que definen los elementos del sistema y sus relaciones;
se plantea una especie de principio de incompatibilidad: una gran precisión es
incompatible con una gran complejidad.
La teoría que vamos a esbozar pretende acercar el análisis matemático a los
sistemas complejos dejando de lado la precisión y el rigor, útiles cuando de
sistemas muy estructurados se trata, a cambio de una mejor aproximación a
la naturaleza del sistema.
Definamos lo que se entiende por conjunto difuso. Recordemos que un con-
junto nítido es aquel en el cual sus elementos son reconocidos sin ninguna
duda. Por ejemplo, el conjunto: C = {tiza, tablero, apuntes} permite asegurar
que la tiza es uno de sus elementos, mientras que una silla, no lo es. Propon-
gamos ahora otro conjunto nítido: X= {todos los elementos necesarios para
96. Recordemos que “x∈” se lee: “x pertenece a” y su contrario es “∉” que se lee: “no
pertenece a”.
207
dictar una clase}. Evidentemente, C es una parte de X. Decimos que C es un

subconjunto de X (C ⊂ X).
En este contexto, si pensamos en C como “el conjunto formado por algunos
elementos necesarios para dictar una clase”, entonces el elemento “silla” podría
ser incluido en C. La idea de poder formar parte de un conjunto con cierto
“grado de pertenencia”, es el eje central de los conjuntos difusos. C es ahora,
un conjunto difuso.
Un conjunto difuso es un conjunto en el cual la pertenencia o no de un elemen-
to, tiene un valor entre 0 y 1. Entre más próximo esté el grado de pertenencia
al valor 1, más pertenecerá el elemento al conjunto difuso. Si X es el conjunto
universal de referencia, y A es un subconjunto de X, tendremos que un conjunto
difuso A, se define como el par:
A = {(x, mA(x)), x ∈ X } (6-9)
mA(x) = k significa: x pertenece al conjunto difuso A con un grado de perte-

nencia k. Por ejemplo, si la silla tiene cierta importancia para formar parte de
todos los elementos necesarios para dictar una clase (conjunto X), podemos
decir que su grado de pertenencia es 0.897. De esta manera queda definido
un nuevo conjunto C, difuso, del cual la silla forma parte con un grado de
pertenencia de 0.8:mC(silla)= 0.8.
Para los conjuntos nítidos (ssi” significa “si y sólo si”):
m A (x) = G
1, ssi x d A
0, ssi x z A (6-10)
El conjunto universal X es un conjunto nítido. Todo conjunto difuso debe ser

un subconjunto de X.
Un ejemplo clásico es el de Zadeh relacionado con el concepto de “juventud”.
Este es uno que pertenece a los conjuntos difusos. Es evidente que “juventud”
es un concepto relativo (¡no es nítido!). Podríamos decir que una persona
de 20 años o menos, es, sin duda, una persona joven; sin embargo, a medida
97. ¿Por qué 0.8? Podríamos pensar que se puede recibir una clase de pies, aunque
sería incómodo. ¿Pero se podría sin profesor? Si la respuesta es no, entonces el pro-
fesor tendrá un grado de pertenencia igual a 1.0.
208
que su edad se aleje de 20 años, será considerada cada vez menos joven. Si se
preguntara a diferentes personas, podríamos establecer la gráfica de la figura
6.9 como medida de la “función de pertenencia” de una persona al conjunto
J, “personas jóvenes”.
Función de pertenencia del conjunto “joven”

Fig. 6.9
En este ejemplo, X=[0, 100] representa el total de años a considerar. Es obvio
que la gráfica dependerá de las personas entrevistadas. De acuerdo con esta
gráfica una persona de 30 años pertenece al conjunto J con un grado de per-
tenencia de 0.9.
Escribiremos, entonces:
mj (x = 30) = 0.9
Sin embargo, es necesario hacer la siguiente aclaración. En ningún momento
esta expresión puede ser interpretada como si una persona de 30 años tuviera
una probabilidad de 0.9 de pertenecer al conjunto J. La función de pertenencia
no cumple con los axiomas requeridos por la teoría de probabilidades98.
98. La teoría de probabilidades se sustenta en las siguientes consideraciones: sea U
un espacio muestral, U ={e1, e2,..., en}. Sea p(ei) la probabilidad asociada a un evento
de U. Para que p(ei) sea una distribución de probabilidad deben cumplirse las siguien-
tes condiciones (postulados de la teoría de probabilidades):
ei , 0 ≤ p(ei) ≤ 1.
∑ p(ei) = 1, i=1, 2, ...,n.
Si A = e1∪ e2∪ ... ∪ es , entonces p(A) = ∑ p(ei) = 1, i = 1,2, ... , s.
p(∅) = 0.
Sólo el primer postulado, y el cuarto, se cumplen en los conjuntos difusos, cambian-
do p(ei) por mA(x).
209
Consideremos ahora el conjunto difuso: V={x/x es viejo}. De nuevo, una per-

sona de 20 años en ningún momento puede considerarse vieja, por lo que su
grado de pertenencia al conjunto V, es sin duda de valor 0.
La figura 6.10 es una posible representación de la función de pertenencia del
conjunto V.
Función de pertenencia del conjunto “Viejo”

Fig. 6.10
Según esta gráfica, una persona de 60 años tiene un grado de pertenencia de
0.10 con respecto al grupo de las personas viejas :
mV(x = 60) = 0.10
La tabla de la página siguiente muestra los diferentes valores de los conjuntos
anteriores, para tener mayor claridad al respecto.
Se ha incluido, en la segunda columna, el complemento, Ĵ, del conjunto difuso
J, el cual se definirá posteriormente.
Para aplicar estos conceptos es posible definir una serie de operaciones tales
como la igualdad, la unión, la intersección, el complemento etc., entre con-
juntos difusos.
¿Cuándo dos conjuntos difusos son iguales?
Dos conjuntos difusos A y B son iguales si y sólo si:
∀x∈X, mA(x)= mB(x). (6-11)
210
Edad mJ(x) mĴ(x) mV(x)

0 1 0 0
10 1 0 0
20 1 0 0
30 0,9 0,1 0,1
40 0,7 0,3 0,4
50 0,4 0,6 0,7
60 0,2 0,8 0,9
70 0,05 0,95 0,98
80 0,01 0,99 1
90 0 1 1
100 0 1 1
Con respecto a la lógica difusa podemos dar algunas ideas generales. En la

lógica tradicional, al pertenecer o no un elemento a un conjunto, se reconoce
la conocida ley del tercero excluido. Esto quiere decir que si A es un conjunto
nítido, Ā su complemento,99 y U el conjunto universal, entonces la unión de
A con su complemento dará el conjunto U y la intersección de A con su com-
plemento dará el conjunto vacío (ver figura 6.11).
A A 
U
A 𝐴𝐴̅
A A 
Ley del tercero excluido

Fig. 6.11
Esto no es cierto para el caso de los conjuntos difusos. En estos conjuntos ¡un
elemento puede pertenecer a un conjunto y a su complemento!
99. Recordemos que el complemento de un conjunto, son los elementos que no

pertenecen al conjunto pero sí al conjunto universal.
211
Para comprender lo anterior, utilicemos una de las definiciones de complemen-

to Ā de un conjunto difuso A, el complemento de Zadeh: mĀ(x) = 1 − mA(x).
Utilizando el ejemplo del conjunto difuso J, su complemento será, de acuerdo
con esta definición, la función indicada en la figura 6.12:
Conjunto difuso "No joven"

Figura 6.12
Una persona de 30 años pertenecerá al conjunto difuso “No joven” con un
grado de pertenencia de 0.1 y al “Joven” con 0.9. Nótese que el complemento
de “Joven” no es “Viejo”; es “No joven”.
Con respecto a las lógicas difusas, las lógicas en general parten de las defi-
niciones de los elementos básicos de: negación (~: no), conjunción (∨: y),
disyunción (∧: o), implicación (p → q: si p entonces q) y equivalencia (p ↔ q: p
es equivalente a q). Para el caso de las lógicas difusas, hay diversas maneras de
definir estos operadores, por lo que surgen diferentes tipos de ellas, con muy
diversas aplicaciones. Aquí es posible expresar simbólicamente expresiones
como “tal vez”, “quien sabe”, “más o menos alto” etc. También se habla de nú-
meros difusos, variables difusas, restricciones difusas y programación difusa100.
6.3 Hacia una lógica sistémica

De alguna manera, gran parte de lo discutido hasta aquí está basado en la lógica
tradicional, con excepción de la lógica polivalente derivada de los conjuntos
100. Para conocer un poco más sobre esta teoría véase el APÉNDICE literal A.6.8.
212
difusos. Algunos autores claman por un enfoque diferente, argumentando que

la lógica del todo está lejos de poder ser comprendida y postulada en términos
de una lógica tradicional, bivalente, e incluso, difusa.
A. Angyal en A logic of Systems (en Emery, 1976) hace notar que nuestro
conocimiento científico actual consiste primordialmente en la manipulación
de la lógica de relaciones. En general, las proposiciones tradicionales de la
matemática son del tipo "x está relacionada con y mediante la propiedad p”.
Algunos tratadistas de sistemas insisten en que la estructura de los “todos” no
puede ser descrita en términos de relaciones. Los términos a utilizar deben
ser ciertas unidades lógicas distintas. Tal unidad, según Angyal es el sistema:
es la unidad lógica que permite el tratamiento de los “todos”.
La tarea de llevar a cabo la construcción de esta nueva lógica es titánica, no sólo
por la dificultad que toda tarea novedosa implica sino por el hecho adicional de
obligarnos a concebir el mundo en términos lógicos diferentes a los que estamos
habituados. Podemos, sin embargo, dar una idea de algunas características de
esta nueva manera de pensar usando como medida de comparación la lógica
bivalente tradicional. La razón de incluir el tema aquí no es la de disponer de
una herramienta alterna para el estudio de los sistemas, pues hemos dicho
que tal lógica aún no existe; pero es de suma importancia analizar sus razones
y fundamentos ya que esto nos da una comprensión mayor del tema de los
sistemas y de la importancia de su estudio.
Una primera distinción entre la lógica tradicional y la lógica de los sistemas
descansa en que la lógica de las relaciones requiere sólo dos elementos para
establecerse. Las relaciones más complejas son siempre reducibles a relaciones
entre pares de elementos. Para el caso de los sistemas, esto no es posible. Un
sistema no es un complejo de relaciones. Es imposible decir qué relación debe
haber entre a y b, b y c, c y d etc. para que a, b, c y d... sea un sistema lineal. Es
la consideración global lo que lo define (recordemos a la psicología Gestalt en
cuanto a la percepción). La figura 6.13 ilustra el caso.
a b c d
Recta y algunos puntos sobre ella

Fig 6.13
213
Otra distinción sustancial parte del hecho de que las relaciones entre objetos
se refieren a cualidades inmanentes de los mismos, a sus atributos. Así, ellos
se relacionan por su peso, longitud o cualquier otra propiedad (o propieda-
des pero que en conjunto obran como una sola) que les sea común. Antes de
poder establecer una relación entre elementos es necesario especificar cuáles
aspectos de los elementos servirán de base a la relación. Podríamos decir que
se trata de un aspecto “externo”. Por el contrario, los miembros de un sistema
no llegan a ser constituyentes del sistema gracias a sus cualidades inmanentes,
sino por medio de su distribución o arreglo dentro del sistema. Ellos participan
en el sistema, no por una propiedad inherente sino por su valor posicional
en el sistema. Volviendo a la figura 6.13 poco importa si son letras (a, b, c y
d), puntos, cruces u otros objetos los miembros del sistema, si su arreglo de
los valores posicionales sigue siendo el mismo, para definir un sistema lineal.
Una vez logrado un valor posicional para los constituyentes (elementos) de un
sistema, pueden establecerse “relaciones secundarias” no basadas en las propie-
dades inmanentes de los elementos, sino en valores posicionales secundarios.
Recordemos a Gould en el numeral 4.1.7.
Una tercera distinción surge de una característica común a las relaciones y a los
sistemas: la multiplicidad de objetos sólo es posible en algún tipo de “dominio
dimensional”. Tal es el caso de los dominios espacio y tiempo. No podemos
hablar de dos objetos, salvo si están puestos en diferentes puntos del espacio o
en diferentes puntos en el tiempo, o en general si es posible definir algún tipo de
distancia para alguna otra clase de dominio dimensional. Aunque tal dominio
es necesario tanto para las relaciones como para los sistemas, su función es
diferente en estos dos tipos de géneros lógicos. Para el caso de las relaciones,
el papel del dominio dimensional es sólo de separación (individualización)
de los elementos. Su función termina allí. El dominio en sí no entra en las
relaciones. Para el caso de los sistemas, el dominio está íntimamente ligado
en su formación. El sistema es dimensional: un sistema es una distribución
de miembros en un dominio dimensional. Salk (Citado en Skyttner, p. 184)
comenta que las relaciones dimensionales espacio-tiempo, crean una quinta
dimensión: el todo (el sistema). Este aspecto aparecerá cuando hablemos de
los sistemas sociales vistos desde la Teoría de la Complejidad, teoría que es
nuestro siguiente tema.
214
6.4 Resumen
En capítulos anteriores hemos visto que la teoría de las ecuaciones diferenciales
ordinarias y el álgebra lineal han sido utilizadas para describir matemática-
mente dos puntos de vista teóricos de los sistemas. También hemos insistido
en que, en el caso de los sistemas humanos, la matemática es limitada para
representar su complejidad.
Nuevas perspectivas se han abierto al respecto. En primer lugar, la termodi-
námica irreversible destaca la imposibilidad que tienen muchos fenómenos
reales de poseer la característica de reversibilidad tan defendida por la ciencia
clásica. El tiempo newtoniano permite movernos a lo largo de la mecánica
tradicional en cualquier sentido. La “predicción” del pasado y la del futuro
son posibles. Sin embargo, la irreversibilidad está presente a la vuelta de la
esquina. Procesos tales como nacimiento-muerte, caída de arriba hacia abajo,
calor que se trasmite de lo más caliente a lo más frío, un vaso que se quiebra
al caer, un líquido oscuro que se diluye en uno claro, y la misma evolución
jamás pueden deshacer su camino. Surge el concepto termodinámico de “en-
tropía” que permite medir y predecir estos procesos, además de plantear que
en un sistema cerrado la entropía siempre aumenta: es irreversible y le traza
una dirección al tiempo.
Pero, por otra parte, se encuentran procesos que sin violar la irreversibilidad
del sistema y su ambiente, si son vistos como un todo, violan esta tendencia
al aumento, sustrayendo de su ambiente la energía y la información necesaria
para crear “islas” de orden. Se trata de las estructuras disipativas. Concluimos,
pues, que orden y desorden son dos caras de una misma moneda. Ellos no se
oponen; se complementan.
La visión de la entropía desde la mecánica cuántica brinda un puente ex-
traordinario entre esta medida del calor cedido y la medida de la información
transmitida mediante un conjunto de símbolos. Para ello hemos destacado
un isomorfismo: la cantidad de “sorpresa” que un símbolo puede suministrar
permite medir su capacidad de transmitir información y, por lo tanto, evaluar
nuestra ignorancia; a su vez, esta “ignorancia” se correlaciona con el “desorden”
de la actividad molecular, la entropía. A mayor “ignorancia” mayor entropía.
Se dice entonces que la entropía es una medición del desorden de un sistema
pero, como se aclaró, no como una medición del desorden estético, sino como
215
medida de nuestro desconocimiento con respecto a los niveles cuánticos del

sistema.
La Teoría de Conjuntos Difusos da una nueva perspectiva de cómo modelar
la complejidad de muchos sistemas, incluso en aspectos netamente humanos.
La idea de “grado de pertenencia” permite establecer propiedades que no les
son dadas a los conjuntos clásicos o nítidos: aquellos en los cuales el elemento
pertenece o no pertenece al sistema. Aquí, por el contrario, se puede pertenecer
a un conjunto con un grado de pertenencia dado, y a su complemento con otro
grado de pertenencia, lo cual es imposible para los conjuntos clásicos. Es la ley
del tercio excluido: o se está en el conjunto, o se está en su complemento. Las
lógicas polivalentes surgen naturalmente. Ya podemos modelar frases como
“tal vez me gusta este más que este otro”, o “es un poco más alto que”, o “la
película estuvo más o menos interesante”…
Como parte final, se plantean las condiciones que debe cumplir una lógica que
realmente sea sistémica, es decir, que parta de las características que un siste-
ma tiene y en el cual, si bien las relaciones de sus elementos son importantes,
su posición en el sistema también lo es. Desafortunadamente en esta línea de
investigación es muy poco lo que se ha avanzado.
216
CAPÍTULO 7.
TEORÍA DE LA COMPLEJIDAD INICIOS
7.0 Ideas generales

Este texto tiene como objetivo fundamental la “Teoría General de Sistemas”.
Bajo su mirada el aislamiento, el reduccionismo, la linealidad y, como con-
secuencia, el estudio de los sistemas aislados y cerrados, han sido criticados,
ya que esto impide la consideración de fenómenos complejos que trascienden
la dificultad básica de explicar y predecir un todo a partir de sus elementos.
Esta teoría aboga por una comprensión de los sistemas abiertos, en los cuales
se destaca la interacción del sistema (en nuestro caso los sistemas emergentes)
con el entorno que lo rodea: su ambiente. Estos sistemas, como lo sabemos, se
caracterizan por poseer comportamientos globales no predecibles a partir de
sus elementos. Esta propiedad es la que demarca la complejidad.
Existe otro enfoque que, en esencia, tiene los mismos objetivos, pero con pro-
cedimientos diferentes: la Teoría de la Complejidad. Un texto de sistemas que
no haga una referencia explícita a ella quedaría corto en su pretensión. Por lo
tanto, este capítulo y el siguiente estarán dedicados a una somera visión de esta
nueva fuente de conocimiento. De todas maneras, ya antes hicimos referencia
a la opción de hablar de una "Teoría General de Sistemas Complejos".
Como dice M. Mitchel, hacia la mitad del siglo XX muchos científicos se dieron
cuenta que la metodología clásica de la ciencia, su reduccionismo fundamen-
talmente, no podía explicar ciertos fenómenos relacionados con el caos, la
biología, la economía, la Teoría de Redes: es decir, no eran explicables a partir
de componentes simples. Entonces, aparecen nuevas áreas del conocimiento: la
cibernética, la sinergética, la ciencia de los sistemas y, últimamente, la ciencia
de los sistemas complejos. En 1984, un grupo interdisciplinario compuesto por
24 prominentes hombres de ciencia (economistas, físicos, psicólogos, matemá-
ticos…) se reunieron en el desierto de Santa Fe, Nuevo México, para discutir
este “emergente campo de la ciencia”. El objetivo: “realizar investigaciones en
un gran número de sistemas altamente interrelacionados y complejos que sólo
217
podían ser estudiados en propiedad en un ambiente interdisciplinario”. Tam-

bién buscaban, como en el caso de la Teoría General de Sistemas, una unidad
del saber, contraria a la creciente polarización de los conocimientos actuales.
Surge, entonces, el Instituto Santa Fe como un centro de estudios de estos sis-
temas. También en la universidad de Illinois, en 1986, se crea el “Centro para
los sistemas complejos”.
¿Qué tienen en común y en qué se diferencian la Teoría General de Sistemas
(T.G.S.) y la Teoría de la Complejidad (T.C.)?
En común tienen:
• El rechazo al reduccionismo y a la linealidad como elementos básicos para
concebir (modelar, definir) el objeto de estudio o sistema y el aislamiento
del mismo, conceptos que permiten desarrollar los constructos mentales
a los que hemos hecho referencia anteriormente, y así facilitar su descrip-
ción matemática.
• Las interrelaciones e interdependencias de los objetos que conforman al
sistema y sus atributos. Elementos no interrelacionados –independientes–,
no pueden conformar un sistema.
• Existencia de equifinalidad. Sin metas, objetivos o propósitos, declarados
o no, no puede existir un sistema. Esto tiene como condición implícita
la existencia de otro sistema que lo rodea: su ambiente. En esencia, debe
existir una jerarquía sistémica.
• La existencia de un ambiente implica que deben existir entradas y salidas
desde y hacia el sistema.
• Tendencia a la disminución de la entropía. En otros términos la existencia
de una organización interna y por lo tanto, de una autoregulación.
• La existencia de elementos diferenciados, que en el caso de la teoría de la
complejidad se denominan agentes.
• Ambas teorías destacan la importancia de la interdisciplinariedad y re-
saltan, como se ha visto, el concepto de sistema abierto. El estudio de las
interrelaciones entre las partes y entre éstas y el entorno, es fundamental.
• Se recalca la propiedad emergente de los sistemas, como el elemento clave
del comportamiento complejo. El todo ya no es deducible de las partes.
Las partes, los objetos en sí, no son lo más importante, sino sus interrela-
218
ciones. Lo que denominamos "partes" no son otra cosa que patrones que
conforman redes entre redes. Ambas teorías pasan de las partes al todo o
de los objetos a las interrelaciones. Los patrones se identifican de manera
visual. Configuraciones que se repiten. Cuando diseccionamos un sistema,
lo que se destruye es su patrón; las partes quedan, pero el sistema como
tal, desaparece. El patrón es la "causa" de la complejidad.
En cuanto a las diferencias indiquemos las siguientes:
• Para la T.G.S. lo fundamental es considerar el todo, para luego concebir las
partes. Intenta explicar el comportamiento de las partes a partir de las leyes
que gobiernan el comportamiento del todo: explicar el comportamiento de
los individuos a partir de los roles que ellos juegan en las instituciones o
en la sociedad que supuestamente están gobernadas por leyes relacionadas
con ese nivel de organización; explicar la acción de un órgano en términos
de su contribución a la supervivencia del organismo; explicar las creencias
de un grupo en términos de sus patrones culturales. En la T.C. las partes
son identificadas per se. Se comportan de manera independiente, egoísta,
pero sometidas al cumplimiento de reglas estrictas que deben cumplirse.
En la T.G.S. el todo determina las partes. Aquí no.
• La T.G.S. incluye cierto tipo de sistemas los cuales pueden desplegar volun-
tad, tener propósitos comunes. Como veremos enseguida, a la Teoría de la
Complejidad le interesa considerar los elementos básicos que conforman
un objeto de estudio (el sistema) los cuales reciben el nombre genérico
de agentes: programas autocontenidos que pueden controlar sus propias
acciones basadas en la percepción de sus ambientes operacionales y sus
interrelaciones (2005, Huhns y Singh, en Gilbert & Trostzsch p. 172). Tales
agentes no tienen propósitos comunes, ni elementos que centralicen el
comportamiento con el fin de obtener un sistema con objetivos. Lo más
cercano es considerar que los agentes deben seguir ciertas reglas, aplicadas
en forma individual. En el preludio de su libro Mark Buchanan (2002)
comenta que gran parte de la complejidad inherente a las sociedades hu-
manas, tienen poco que ver con nuestra compleja psicología; de hecho,
muchos patrones similares aparecen en otras situaciones en las que una
consciencia no desempeña ningún papel en absoluto.
• La T.G.S. se ocupa de la organización de los sistemas, de las relaciones
entre estructuras y procesos lo cual “define” la red que los conforma. El
elemento “mínimo” es el subsistema que establece una red de redes. En la
219
T.C. el interés se centra en la autoorganización. El concepto fundamental

es la red. Su elemento “mínimo” es el nodo (el agente).
• En la T.G.S., la matemática básica es la ecuación diferencial y las ecuaciones
de diferencia, cubriendo así la continuidad y la discontinuidad en el proceso
de modelado. En la T.C. aunque también se usa este tipo de matemáticas, se
recurre además a la simulación matemática, como por ejemplo la simula-
ción en términos de redes boleanas (de dos variables que toman los valores
de cero o uno) y la geometría por repetición (fractales). Se habla, así mismo,
de redes neuronales artificiales (redes computacionales que imitan las redes
de neuronas del cerebro), de lógicas no clásicas (como las lógicas difusas
y la lógica cuántica en donde entra en juego el principio de incertidumbre
de Heisenberg), de meta-heurísticas (Robby, el robot limpiador de M.
Mitchel, por ejemplo) y de hipercomputación (computación no realizable
por una máquina de Turing). De hecho, la herramienta fundamental es el
computador y el uso de lenguajes y software especializados. Podemos citar
NetLogo, Swarm, RePast, Unified Modeling Language (UML)...algunos de
ellos disponibles gratis en la red.
• Es importante aquí hacer una aclaración. La simulación tiene dos enfoques
generales. Uno de ellos considera que el comportamiento total del sistema
depende del comportamiento de elementos que son, en general, equivalen-
tes, homogéneos, es decir, descrito uno de ellos, todos los demás quedan
identificados. El otro enfoque se centra en sistemas en los cuales el com-
portamiento de cada individuo, con sus características, interactúa con otros
generando el comportamiento complejo que tales sistemas manifiestan.
A este segundo enfoque se le conoce con el nombre de microsimulación;
es la simulación de sistemas de multiagentes. Al primero se le denomina
simulación de sistemas distribuido en forma estándar o concurrente, de
uso comun en la T.G.S.
La simulación por multiagentes es un subconjunto de la concurrente. Por lo
tanto, debe estar asociada a este tipo de investigación ya que, de otra mane-
ra, los resultados serían poco confiables. Sin embargo, ella debe conservar
la característica fundamental de la independencia de los agentes, lo cual
reduce la importancia de la sincronización y coordinación y la característica
de la lucha por un recurso escaso (un aspecto económico) que no se da en
la clásica, ya que en esta existen objetivos o propósitos qué lograr: el bien
individual por contraposición al bien común. (M. Wooldrige, 2002, p. 8).
220
• Aunque ambas critican al reduccionismo, la T.C. está más cerca de los

procedimientos de la ciencia clásica. Y aunque algunas de las teorías que
forman parte de la T.G.S. también lo hacen, otras han tratado de establecer
un interregno entre ellas y los métodos analíticos tal y como se explicará,
con cierto detalle, en el capítulo 9.
• En la TGS se destacan las metodologías. En la T.C. los modelos mate-
máticos. La primera diferencia los fenómenos naturales de los humanos
destacando el concepto de propósito; la segunda los trata bajo un mismo
enfoque.
Como parte final de esta comparación, agregaremos que si bien no existe una
Teoría General de Sistemas tampoco existe una Teoría de la Complejidad. En
este texto hemos comentado la posibilidad de proponer una teoría de sistemas
abiertos, que podría cubrir estas dos teorías.
Algunos investigadores consideran que “es posible desarrollar una Teoría
de la Complejidad que, análoga a la física, tendría leyes fundamentales que se
pueden encontrar en la base de la complejidad y que, por definición, deberían
ser leyes simples o elementales (Maldonado, 2009)101. A este respecto, el libro
de Holland (2014) presenta una interesante visión.
Dicho lo anterior, veamos un poco más de cerca esta importante teoría.
Neil Johnson (2009, p. 4) indica que el elemento fundamental de la complejidad
es la situación en la cual una colección de objetos, que en forma general se
denominan agentes como ya se indicó, compiten por algún recurso limitado:
vía necesitada, dinero de los compradores, territorio o poder político, espacio
y alimento de un órgano del cuerpo, recursos naturales escasos…Estos agentes
obran independientemente, en forma egoísta (es la descentralización), pero
deben cumplir ciertas reglas: respetar las leyes de tránsito, obedecer los regla-
mentos que rigen el libre mercado, actuar bajo el marco de una constitución
política nacional… Esta colección genera propiedades emergentes, que pueden
ser “favorables” o “desfavorables”. En el primer caso, tenemos sistemas com-
plejos “estables”, es decir, con un comportamiento normal. En el segundo caso,
tendemos situaciones en las cuales el sistema se ve amenazado. El sistema oscila
entre estados “ordenados” y “desordenados” sin que exista una “mano invisible”,
un sistema de control o coordinación que guíe al sistema. El sistema se autoor-
ganiza de tal manera que el fenómeno aparece por sí mismo “como por magia”.
101.Remitimos al lector a los últimos párrafos del numeral 5.1.3.
221
El sistema no tiene propósitos predefinidos, es teleonómico. El elemento clave

de esta propiedad emergente es la retroalimentación. Lo extraordinario de la
situación es que, a pesar del comportamiento “egoísta”, el sistema puede, bajo
ciertas circunstancias, mostrar un comportamiento autoorganizado (o colap-
sar): es la centralización. Vemos cómo las dos leyes se dan simultáneamente.
Podríamos decir que hay dos tipos de propósitos: individuales y colectivos.
Para la Teoría de la Complejidad, los individuales, respetando ciertas reglas,
generan los globales o colectivos del sistema, permitiendo la creatividad y
evolución del mismo, como indicaremos más adelante.
La complejidad se analiza partiendo del postulado de que ella surge de la
simplicidad, lo que es una gran ventaja, ya que si la complejidad tuviera como
origen la complejidad, nuestra posibilidad de estudiarla estaría seriamente
limitada. Se va, pues, de lo simple a lo complejo. Explica el todo a partir de
sus componentes, pero de manera diferente a como lo hace el reduccionismo.
Nos recuerda a Descartes (Cfr. numeral 3.0) pero con una diferencia. En Des-
cartes está implícito el hecho de que resueltas las partes se resuelve el todo:
hay una causalidad directa. En la Teoría de la Complejidad, si bien es posible
delimitar las características de las partes, no es posible deducir, ni predecir con
exactitud el comportamiento del sistema. Sin embargo, su comportamiento
global “surge” y se observa a partir de ellas y es posible establecer patrones de
comportamiento.
Como ya lo dijimos, no existe una “Ciencia de la Complejidad”. Ni siquiera el
término “complejidad” está definido de la manera como una definición debe
ser redactada. Actualmente se investiga sobre este tema desde diferentes pers-
pectivas. Y aunque esto trae como consecuencia que por falta de una buena
definición muchos conceptos no pueden ser desarrollados plenamente y en
forma coherente, tampoco ello inhibe el proceso investigativo. Como explica
M. Mitchel (Op. Cit.), es un hecho real que en la formación del conocimiento
científico la idea central sobre la cual se discute no es, en sus comienzos, un
concepto bien definido. Newton, por ejemplo, no tenía una buena definición
de fuerza102 (de hecho, a partir de los inicios del siglo XIX, se empieza a ha-
blar de una mecánica que excluye el concepto de fuerza, como en el Traité de
Méchanique Rationelle de Paul Appell). En la genética, no hay todavía una
definición aceptada en forma general de lo que significa el término gen a nivel
molecular. Los astrónomos han descubierto que cerca del 95% del universo está
102. Actualmente se dice que hay cuatro tipos de ella: electromagnética, fuerte, débil
y gravitacional; la combinación de ellas producen los otros tipos de fuerzas conocidas.
222
compuesto por materia oscura y energía oscura pero no saben a ciencia cierta
en qué consisten estos dos conceptos. En psicología no se tiene una definición
precisa de idea o concepto o a qué corresponden en el cerebro. Tal vez esto se
pueda explicar, aunque sea parcialmente, por el hecho de que lo que se utiliza
como modelo, son constructos mentales, no constructos reales.
Son varias las áreas del conocimiento que se han ocupado del estudio de la
complejidad, algunas ya enunciadas:
• La teoría del caos y la teoría de los fractales.
• La mecánica cuántica.
• La cibernética, la computación y la Teoría de la Información.
• La biología virtual. (Kauffman).
• El pensamiento en redes.
• Networking.
• Los sistemas sociales virtuales como sistemas complejos.
Por esta razón, la complejidad ha tenido diferentes medidas, todas ellas limi-
tadas. En resumen podemos citar:
• Complejidad como tamaño: número de elementos y número de interrela-
ciones.
• Complejidad como entropía: mayor información generada por el sistema
implica mayor complejidad.
• Complejidad como contenido de información algorítmica: tamaño del pro-
grama de cómputo más corto que pueda generar una descripción completa
de sistema.
• Complejidad como profundidad lógica: se refiere a la dificultad de construir
un objeto (sistema): creación de una secuencia de “0”s y “1”s que codifiquen
al objeto. La profundidad lógica sería el número de pasos que requeriría una
máquina de Turing para construir la secuencia deseada como un resultado.
• Complejidad como profundidad termodinámica: la cantidad total de re-
cursos termodinámicos e informáticos necesarios para el proceso físico
de construcción del objeto.
223
• Complejidad como capacidad computacional: si los sistemas físicos y na-

turales son capaces de realizar cómputos, entonces su complejidad puede
medirse en términos de la sofisticación de lo que pueden calcular: un
sistema es complejo si sus habilidades computacionales son equivalentes
a los de una máquina universal de Turing.
• Complejidad estadística se trata de medir la menor cantidad posible de
información con respecto al comportamiento pasado de un sistema, que
sea necesaria para predecir óptimamente el comportamiento estadístico
del sistema en el futuro. A mayor información, mayor complejidad.
• Complejidad como dimensión fractal: una medida de la secuencia que detalla
el proceso fractal de un objeto: qué tantos detalles podemos ver a medida
que nos adentramos más y más en la “infinita cascada de similitudes” que
definen un fractal.
• Complejidad como grado de jerarquía: grado de formación de jerarquías
del sistema con base en su casi-descomponibilidad.
Tal como lo indicamos en el capítulo anterior, haremos referencia a algunas de
las visiones que estudian la complejidad. Iniciaremos con la Teoría del Caos.
7.1 Teoría del caos

Algunos definen la teoría del caos como “la ciencia de los sistemas no lineales
dinámicos y complejos”. El desarrollo actual de esta teoría ha logrado demos-
trar que en el aparente desorden de muchos procesos, subyace un orden muy
sutil y complejo, difícil de percibir a simple vista. Esta teoría no trata, pues,
del estudio del desorden; todo lo contrario: se ha podido demostrar que en el
caos se encuentra el origen del orden, tal y como se observó en el caso de los
procesos disipativos. Aquí el concepto de orden se une con el de patrón: por
complejo que sea el comportamiento de ciertos sistemas y por impredecible
que sea un estado particular a partir de ciertos datos, su comportamiento
global es identificable; su patrón de conducta puede ser modelado y conocido.
Fenómenos de muy diverso tipo, antes considerados fortuitos, caen dentro
del estudio del caos. Se destacan las aplicaciones en astronomía (por ejemplo
los giros desordenados de los cuerpos celestes, la franjas vacías en el anillo de
asteroides, las inversiones del campo magnético terrestre), en meteorología
224
(la variabilidad climática junto con la formación de nubosidades y vientos),

en biología (el crecimiento de las poblaciones de insectos, el metabolismo de
las células, la propagación de impulsos nerviosos, la arritmia de las células
cardíacas), en química (la evolución de una reacción química), en física (el
movimiento de un péndulo influido por varios imanes, la turbulencia creada
por el flujo de un líquido o gas a altas velocidades, las oscilaciones de los cir-
cuitos electrónicos, el movimiento de un barco amarrado a una boya, el rebote
de una bola de billar) y en la economía (el comportamiento de la bolsa de
valores). (Monroy, 1998; Stewart, 2007).
Podemos reconocer al menos tres tipos diferentes de Sistemas Dinámicos
(Smith, 2007, p. 33) que son representados por variables cuyos diferentes
valores en el tiempo se conocen como estados del sistema:
• Sistemas Dinámicos matemáticos. Sistemas definidos por una ecuación
de diferencias, en el cual cada nuevo término es calculado con base en el
término que le precede, un proceso llamado iteración. Matemáticamente
se expresa como: xi+1 = f(xi). Se requiere un valor inicial, x0 con el cual
comenzar el proceso: es lo que se conoce como condiciones iniciales. Un
ejemplo concreto es la ecuación (7.1). En estos sistemas definir el Caos es
más sencillo, pues se define como una propiedad matemática (Cf. A.7.1).
• Sistemas dinámicos físicos. Son los sistemas empíricos que se describen en
la física, la biología, el mercado de valores. La secuencia que se origina es
la de la medida del ruido (error) de las observaciones reales, no las obser-
vaciones en sí, como en el caso matemático, como por ejemplo la dinámica
de la bolsa de valores. Aquí los números representan el estado del sistema;
en el caso matemático los números son el estado del sistema.
• Sistemas simulados por computador. Es la aritmética desarrollada en un
computador, de un modelo matemático, como ocurre con la predicción
del clima.
Estas distinciones son fundamentales para comprender el concepto de Caos.
Nuestras mejores ecuaciones del clima difieren de nuestros mejores modelos
de computación basados en tales ecuaciones, y ambos sistemas difieren del
hecho real, la atmósfera de la tierra.
Desafortunadamente, los números para estos tres tipos de sistemas se deno-
minan series de tiempo, y debemos constantemente forcejear para mantener en
mente la distinción entre lo que estas series de tiempo son: un número ima-
225
ginario de conejos103, la temperatura real de un aeropuerto (si tal cosa existe),

la medida que representa esta temperatura, y la simulación en computado de
la temperatura en cuestión.
Digamos, con Smith, que son las miradas del científico, del matemático, de los
estadísticos y de los filósofos.
La gran dificultad en el manejo de la dinámica de las ecuaciones que explican
los fenómenos que caen bajo el dominio de ésta teoría, frenó enormemente su
avance. Entre algunos de sus predecesores están George Cantor, con la teoría de
los conjuntos transfinitos, Mitchell Feigenbaum con el estudio de la turbulencia
en los fluidos, y H. Poincaré con el análisis de los tres cuerpos. Ninguno de ellos
dispuso en su tiempo del computador moderno, herramienta fundamental para
este tipo de estudios. En efecto, las gráficas (resultados numéricos represen-
tados en lo que se denomina espacio de fase) fueron la manera de identificar
los patrones que muestran las estabilidades en estos sistemas aparentemente
inestables. También es necesario citar la termodinámica irreversible.
Ampliemos un poco más las ideas centrales del mecanicismo indicadas en el
capítulo 1. Desde el punto de vista de la física clásica, las relaciones de causa-
efecto, perfectamente determinadas por las leyes de la naturaleza, aseguraban
la predictibilidad de los fenómenos estudiados una vez conocidas sus condi-
ciones iniciales.
El hecho de que a cada causa le sigue un único efecto y viceversa es la base
del determinismo. Esta concepción del mundo fue la que le permitió a New-
ton desarrollar una teoría que explicaba y predecía una enorme variedad de
dinámicas naturales. Por ejemplo sus tres leyes del movimiento y el uso de
la matemática como elemento lógico y de cálculo, le permitieron describir
y calcular el movimiento planetario y la dinámica de los proyectiles y de las
mareas entre otros fenómenos. La herramienta matemática que permitió el
desarrollo de esta teoría fue la ecuación diferencial: aquella que describe las
tasas de cambio de una variable con respecto a otra, como en el caso del mo-
delo teórico de Bertalanffy. Los modelos matemáticos descritos por este tipo
de ecuaciones requieren ciertos valores para resolverlas, los cuales se conocen
como condiciones iniciales. A partir de allí es posible predecir el futuro y des-
cribir el pasado: ante las mismas condiciones iniciales, el comportamiento del
sistema siempre será el mismo. Dicho de otra manera, para Newton el pasado
103. Se refiere a la serie de Fibonacci para calcular el número de pares de conejos
en el tiempo. Ver APÉNDICE literal A.7.2.
226
determina el presente y éste determina el futuro. Aunque existen descubri-

mientos que demostraron que el determinismo no era universal, por ejemplo,
cuando se estudia el caso de tres planetas que interactúan simultáneamente
(el problema de los tres cuerpos citado anteriormente), o en la descripción
del comportamiento del átomo, su influencia sigue siendo aún muy fuerte en
muchas investigaciones científicas actuales.
Resolver un sistema de ecuaciones diferenciales no es una tarea fácil. En ge-
neral, cuando estas son de primer orden, es decir se trata sólo de derivadas de
una variable con respecto a otra (se denota por dx/dt, siendo x una variable
dependiente de otra variable independiente, t), y lineales −ninguna de las
variables es del tipo xn (n un número real diferente de 1) o son el producto
de variables entre sí− la tarea es manejable bien sea mediante el análisis ma-
temático (es decir existe una fórmula general que la resuelva, como son las
ecuaciones (5-4) y (5-6) por ejemplo) o mediante aproximaciones numéricas
(cálculos realizados con un computador para situaciones específicas). Cuando
las ecuaciones son de orden superior (del tipo dnxn/dtn) o parciales ∂nxn/∂tn
(n entero >1), la solución puede ser imposible. La razón es la siguiente: la
forma clásica para resolver los sistemas de ecuaciones diferenciales parte de
la opción de subdividir en partes al sistema total. Si las interacciones entre las
variables son muy fuertes −muchas variables dependen de muchas otras y de
sí misma− tal mecanismo no es aplicable.
El determinismo newtoniano es un concepto teórico que se fundamenta en el
hecho de que la solución de las ecuaciones que describen el comportamiento
de algún sistema dinámico es única para cada tipo de condiciones iniciales.
Pero para que esto sea cierto se necesita disponer de precisión infinita en las
condiciones y en los cálculos, lo cual es imposible desde un punto de vista
práctico. Sin embargo, quedaba claro que si la precisión se aumentaba, la pre-
dicción sería más acertada. Siempre existía la idea de poder mejorar la precisión
en las condiciones iniciales, y poder obtener esa solución única. Además, la
tendencia a una solución única era observable en muchos procesos, aún sin
disponer de una matemática de precisión infinita. La Figura 7.1 muestra un
caso hipotético de diferentes trayectorias que quedan determinadas por las
condiciones iniciales (C.I.).
En 1889 Poincaré presenta su estudio sobre el problema de los tres cuerpos.
El cálculo tradicional explicaba en forma aceptable la situación de dos cuer-
pos que interactúan entre sí debido a la fuerza de atracción gravitacional. Las
227
CI 3
CI 2
CI 1
t
Caso hipotético de tres trayectorias, determinadas por sus

condiciones iniciales (CI)
Fig.7.1
imprecisiones en las mediciones de la posición y velocidad de los cuerpos
(las condiciones iniciales) se podrían mejorar con el tiempo. Sin embargo,
cuando se tomaba en consideración un tercer planeta, aún las más ligeras
modificaciones en las condiciones iniciales resultaban en comportamientos
altamente diferenciados. Aquí la regla de “mejorada la precisión, mejorada
la predicción” parecía no tener ninguna validez. En otras palabras, por mu-
cho que se mejorara la precisión en las condiciones iniciales, ante pequeñas
diferencias en las mediciones aparecían enormes diferencias en los cálculos
de las predicciones. Y esto no era debido al azar ya que las ecuaciones eran
determinadas, no aleatorias.
Estas observaciones de Poincaré fueron puestas de lado por los físicos hasta
que en 1963 Edward Lorenz, un meteorólogo que había diseñado un modelo
computacional para el estudio de las corrientes de aire influidas por el calor
solar como base para un modelo más complejo sobre la predicción del clima,
observó con extrañeza cómo la continuación de unos cálculos que ya habían
sido realizados anteriormente, daban un comportamiento muy diferente al
esperado cuando se introducían, como condiciones iniciales, valores aproxi-
mados de los datos correspondientes al instante de continuación de tales cál-
culos. Que diferencias prácticamente insignificantes tengan efectos dramáticos
a largo plazo, es lo que se conoce como el efecto mariposa: El tenue aleteo de
una mariposa en Hong Kong puede convertirse en el tornado que devastará
a Kansas. El clima no podrá ser predicho sino a corto plazo. La figura 7.2 da
una idea de lo ocurrido durante este proceso.
228
Nuevos resultados
Cálculos con precisión de
seis cifras decimales
Reinicio de los cálculos con

precisión de 4 cifras.
Variación de los resultados ante un cambio en las

condiciones iniciales
Fig. 7.2
De hecho, esto parece hacerse extensivo al mismo universo: éste es caótico como
lo demostró Poincaré para el caso del problema de los tres cuerpos y como
se ha observado en estudios relativos a la atmósfera, las placas tectónicas, la
economía y el crecimiento poblacional entre otros.
El sistema dinámico (tomado de Monroy, 1997)104:
xn+1 = kxn(L – xn) (7-1)
describe el comportamiento de una población que crece inicialmente en forma

exponencial para luego tender hacia un límite L, dependiendo del valor de k.
Este límite es impuesto por la misma naturaleza y explica el porqué una po-
blación no puede crecer indefinidamente. Los valores de k son generalmente
menores que la unidad, pues a menudo representan tasas de crecimiento po-
blacional. Pero ¿qué ocurre si estas tasas toman valores superiores?
La tabla de la figura 7.3 muestra los resultados de aplicar la ecuación (7-1)
con L=1 para diferentes valores de k y para dos valores iniciales ligeramente
diferentes: x0= 0.400000 y x0= 0.399999. 105
104. Esta ecuación pertenece al grupo de las que hacen referencia a crecimientos
limitados como las discutidas en el numeral 5.3.1 cuando indicamos el modelo de
Bertalanffy. El lector puede tomar como referencia la ecuación diferencial (5-5) y el
pié de página correspondiente. La ecuación (7-1) es su aproximación numérica.
105. Para una mejor comprensión de esta ecuación remitimos al lector al APÉNDICE
literal A.7.3
229
N k=2 k=1+√5 k=4,0 k=2 k=1+√5 k=4,0

1 0,400000 0,400000 0,400000 0,399999 0,399999 0,399999
2 0,480000 0,776656 0,960000 0,480000 0,776656 0,959999
3 0,499200 0,561333 0,153600 0,499200 0,561334 0,153603
4 0,499999 0,796844 0,520028 0,499999 0,796843 0,520036
5 0,500000 0,523867 0,998395 0,500000 0,523867 0,998394
… … … … … …
55 0,500000 0,809017 0,102592 0,500000 0,809017 0,128944
56 0,500000 0,500000 0,368269 0,500000 0,500000 0,449268
57 0,500000 0,809017 0,930587 0,500000 0,809017 0,989705
58 0,500000 0,500000 0,258378 0,500000 0,500000 0,040755
59 0,500000 0,809017 0,766475 0,500000 0,809017 0,156377
60 0,500000 0,500000 0,715963 0,500000 0,500000 0,527692
Valores correspondientes a diferentes k, ecuación (7.1)

Fig 7.3
Para una interpretación más fácil, los resultados han sido graficados en la
figura 7.4.
0,600000 1,000000
0,500000 0,800000
0,400000
0,600000
0,300000
0,400000
0,200000
0,100000 0,200000
0,000000 0,000000
0 20 40 60 0 20 40 60
Límite en forma de ciclo.

Tendencia a un límite. k = 2 k = 1 + 5
1,200000
1,000000
0,800000
0,600000
0,400000
0,200000
0,000000
0 20 40 60
Ejemplo de caos. k = 4.0
Gráficas correspondientes a la tabla de la figura 7.3

Fig. 7.4
230
En la parte superior izquierda de esta figura vemos que la serie, para

k= 2, tiende rápidamente al número 0,5, tanto para x0=0.400000 como para
x0=0.399999 y allí permanece. Este número se denomina un “atractor”. Para
k = 1 + √5 (~3.2361), el sistema rápidamente tiende a dos valores: 0.500000 y
0.809017,para cualquiera de los dos valores iniciales x0=0.400000 o x0=0.399999.
Sin embargo, para k = 4, las dos series se van separando la una de la otra, como
puede observarse en el recuadro inferior de la figura 7.4. Ya en la iteración 60
las cifras son totalmente diferentes. Vemos cómo una pequeña diferencia, de
0.000001 en los valores iniciales pueden inducir cambios sustanciales en el
comportamiento del sistema. En otras palabras, una pequeña diferencia en las
condiciones iniciales, ya no garantiza resultados aproximadamente iguales a
medida que el tiempo transcurre en el sistema. De lo dicho surge una conclusión
extraordinaria. Si bien la ecuación (7-1) está perfectamente determinada, en
donde no aparece ningún termino aleatorio o una probabilidad asociada no
es posible determinar su comportamiento futuro, salvo que pudiéramos usar
precisión infinita.
Los fenómenos que caen bajo esta teoría, son impredecibles, pero surgen de
procesos determinados. Antes, si algo era impredecible, se decía que era alea-
torio. Esto concepto ha cambiado radicalmente. Como lo expresa Ian Stewart
(Op. Cit. p.35): el caos es el comportamiento sin ley gobernado completamente
por la ley.
Un hecho que se destaca en este tipo de comportamientos es la duplicación
del número de atractores. En el ejemplo anterior, el paso de k = 2 a k = 1 + √5,
hizo que el sistema cambiara de uno a dos atractores. Cercano al valor 3.455
el total de nuevo se duplica a cuatro atractores. I. Stewart (p.210) indica que
con k = 3.739 se obtienen cinco atractores (el período de la secuencia es 5):
0.8411372, 0.4996253, 0.9347495, 0.2280524, 0.6582304. Este proceso continúa
indefinidamente. En el límite se obtiene una línea porosa que se conoce como
el conjunto de Cantor que es un fractal, tema que trataremos en lo que sigue.
La gráfica de la figura 7.5 ilustra este importante fenómeno.
Si retomamos los valores de k=3, 3.5, 3.56... los valores de los ciclos van de 2 a
4 a 8... ¿Existirá alguna ley respecto a la duplicación de estos atractores? Mit-
chell Feigenbaun encontró que estas secuencias tienden a un valor específico
δ (Wikipedia):
nn+1 - nn
d = lim n n + 2 - n n + 1 (7-2)
n"3
231
1.0
Recta porosa
0 de Cantor
Tiempo entre
bifurcaciones t
Proceso de bifurcación durante la duplicación del período

Fig. 7.5
en donde μn es uno de los valores en donde se produce una bifurcación. Este
límite es igual a 4.6692016...
¿Sería este valor de escalamiento exclusivo de la ecuación (7-1)? La se-
cuencia xn+1 = k sen(xn), también lo cumple, siempre y cuando la secuencia se
renormalice (APÉNDICE, A.7.3). En general cualquier función f(x) que tenga
cuando menos una tercera derivada y no tenga máximos relativos, cumple con
esta propiedad. También siguen esta propiedad las transiciones de fase.
Existe otro número relacionado con el proceso de bifurcación, también des-
cubierto por Feigenbaum:
d
a = lim d n
(7-3)
n"3 n+1
cuyo valor es 2.502907875... y que mide la relación entre dos distancias suce-
sivas entre las ramas más cercanas. En la figura 7.5 la longitud de separación
de las ramas más pequeñas es menor que la de las ramas más largas y siguen
esta proporción.
Anteriormente hicimos referencia al trabajo de Lorenz. El modelo con el cual
inició el estudio del clima, es un conjunto de tres ecuaciones diferenciales
ordinarias de tres variables, x, y, z, que describen el estado del sistema. Estas
ecuaciones son106:
106. a, b, c son parámetros mayores que cero. Generalmente se usa a =10, c =8/3 y
232
dx/dt = a(y − x)
dy/dt = x(b − z) − y (7-4)
dz/dt = xy − cz
La figura 7.6107 muestra un comportamiento típico del sistema (7-4). Son los
puntos en los cuales este sistema tiene solución.
Atractor de Lorenz
Fig. 7.6
¿Cuál es la importancia de este patrón? Si bien no podemos predecir el punto
exacto (ni aproximado) donde estaría el sistema bajo ciertas condiciones inicia-
les, si sabemos la porción del espacio donde estará tal solución y dónde no. Una
diferencia sustancial con el azar. La forma de mariposa del atractor de Lorenz
puede haber inspirado el nombre del efecto mariposa en la Teoría del Caos.
Como parte final a esta presentación digamos que los sistemas caóticos se
caracterizan por tres propiedades: dependencia sensible (dependencia de las
condiciones iniciales), determinismo y no linealidad. (Smith, L.,2007).
b es variado, con condición inicial (0, 1, 0). El sistema exhibe un comportamiento

caótico para b = 28 pero muestra órbitas periódicas para otros valores de b.
107.http://es.wikipedia.org/wiki/Atractor_de_Lorenz.
233
7.2 Teoría de fractales

Por la misma época en que se desarrollaba la teoría del caos una nueva geo-
metría hacía su aparición. Fue Benoit Mandelbrot (1987) el creador de este
nuevo lenguaje matemático que se conocería como geometría fractal (del latín
fractus: fragmentado, fracturado, roto).
Su origen se encuentra en el intento de Mandelbrot de explicar los fenómenos
irregulares presentes en la naturaleza. Aunque algunas de sus formas se aseme-
jan a ciertas figuras de la geometría tradicional, como por ejemplo hojas que
son triangulares, elipsoides o cardiodes (en forma de corazón), montañas que
asemejan conos o semiesferas, no menos cierto es que son pocas las opciones
de representación con esta visión, y de todas maneras es bastante imprecisa.
Un fractal es la figura geométrica que surge cuando una regla geométrica sen-
cilla se aplica repetidamente. El hecho de repetir el patrón de formación hace
que si se toma una parte de una figura así generada, este patrón se encuentra
en dicha parte. Es como si la parte fuera igual al todo. La figura obtenida es
extraordinariamente compleja. Estas estructuras se encuentran en muchos
comportamientos y formas de la naturaleza.
Se puede citar como trabajos previos al desarrollo de Mandelbrot, los estudios
de Cantor (el llamado conjunto de Cantor108) y en general los que Poincaré y
otros matemáticos han denominado "monstruos matemáticos": objetos ma-
temáticos que no encajaban en el mundo ordenado de las matemáticas del
momento. Tomemos de J. Gribbin (p.133) el caso de la curva de Peano.
Peano propuso un plano limitado (digamos una hoja de papel) y sobre ella
demostró cómo era posible trazar una recta que, curvándose sobre sí misma
en los extremos de la hoja, se "devolviera", sin cruzarse. Al repetir este pro-
cedimiento ad infinitum la curva llenaría completamente el plano. Pero una
línea recta no posee la dimensión de anchura, sólo posee la longitud. ¿Cómo
era posible que entonces, pudiera generar un plano? ¿Cómo podría un plano
ser realmente bidimensional, si todo punto del plano estaba contenido en
una sola línea? Lo que realmente Peano había descubierto era un fractal. Ya
se vislumbraba el concepto de dimensión fractal.109
108. Es el conjunto resultante de tomar un segmento de recta y dividirlo en tres
partes iguales, eliminándose el segmento central. Con los segmentos restantes se
repite la operación, indefinidamente.
109. En el APÉNDICE A.7.4 se amplía este concepto.
234
Un ejemplo de fractal, muy citado, es la curva de Koch. Se toma un segmento

de recta y se divide en tres partes iguales. Se reemplaza el segmento central
por dos lados de un triángulo equilátero. El procedimiento se repite indefini-
damente. La figura 7.7 muestra el procedimiento en sus dos primeros pasos.
Curva de Koch
Fig 7.7
Cuando esta regla se aplica en forma repetitiva a un triángulo equilátero, la
figura tiende a la forma de un cristal de nieve como se muestra en la figura 7.8.
Estructura fractal de un copo de nieve

Fig 7.8
Una propiedad importante es que la curva de Koch, inicialmente de longitud
finita, en el límite es de longitud infinita y discontinua en cada punto. La
complejidad, de por sí ya grande, puede aumentarse en forma impresionante
si los modelos incluyen en su planteamiento matemático números comple-
jos. Las series de Gaston Julia fueron los primeros estudios de Mandelbrot en
este campo.
235
Si z es una variable compleja y c un número complejo110, la serie de Julia se

puede representar mediante la relación:
zk+1 = z2k + c (7-5)
Dando diferentes valores iniciales a z, para un valor de c dado, algunos harán

tender la serie al infinito y otros no. Las series de Julia son el conjunto de va-
lores de z (puntos en el plano complejo111) que mantienen la ecuación (7-5)
en valores finitos (la serie converge). Estos valores, al representarse en dicho
plano, forman patrones intrincados pero definidos. Al ampliar una parte de
alguno de los patrones obtenidos, se obtiene un patrón similar, lo cual muestra
cómo estas series son fractales geométricos112. La figura 7.9 muestra el fractal
resultante de la ecuación. En este concepto la teoría de fractales se encuentra
con la del caos: los fractales son atractores extraños.
Conjunto de Julia, un fractal. c = [0.285, 0.01]. De

Wikipedia.
Fig 7.9
110. Recordemos. Un número complejo se compone de un número real y uno ima-
ginario. Si a y b son reales, el número (a+ ib) es complejo, compuesto por la parte
real, a y la parte imaginaria, ib para i = √ −1.
111. En un eje bidimensional de coordenadas el número complejo (a + ib) se repre-
senta con el real a en el eje x, y el imaginario b en el eje y.
112. En la dirección http://bcz.emu-france.com/julia.htm es posible obtener un
software que ilustra como al aumentar la imagen de un fractal, este empieza a mostrar
patrones similares al objeto inicial.
236
En la naturaleza hay muchos procesos que generan formas irregulares. Sin

embargo, vale la pena destacar tres que son muy comunes. Estos son los pro-
cesos de separación de fronteras, de ramificación o formación de árboles y de
formación de porosidad (Guzmán et al., 1993, p. 2-).La frontera de separación
se refiere al hecho de que miradas desde cualquier escala, siempre se obser-
van incursiones de un medio en el otro, por lo que al aumentar el grado de
resolución del fractal, sus medidas aumentan indefinidamente. Es el caso de
la longitud de la curva de Koch indicada más arriba.
La ramificación se refiere al hecho de que parte de la geometría inicial se “abra”
en nuevos brazos siguiendo una regla repetitiva (recordemos la duplicación
de atractores en la teoría del caos).
En la curva de Koch la bifurcación se realiza al reemplazar el segmento cen-
tral por dos lados de un triángulo equilátero, de longitud igual al segmento
suprimido.
La formación de “poros” se refiere a la exclusión de ciertas zonas que no cum-
plen con las reglas de formación propuestas. En las curvas de Julia indicamos
que el fractal resultante no incluye los puntos en los cuales la serie se hace
infinita. Aquí se ocasionan “islas” o poros que dan forma particular al patrón
respectivo; de lo contrario, todo el plano complejo quedaría incluido.
Como herramienta para el estudio y comprensión de la complejidad, la teoría
de fractales permite proponer modelos matemáticos que se aproximan bas-
tante bien a los objetos reales que tratan de modelar. No estamos diciendo que
las formas de la naturaleza se obtienen a partir de procesos fractales; pero sí
parece interesante pensar que siendo los fractales resultado de la repetición de
reglas geométricas sencillas, es más fácil sugerir que el ADN esté almacenado
de esta forma que proponer que una réplica de toda la complejidad de la vida
está almacenada, hasta cada detalle, en las células.
Como puede notarse por lo dicho anteriormente la característica fundamental
de los fractales es la autosimilitud. Si dicha similitud es exacta, si la amplifica-
ción de la parte es equivalente al conjunto original, diremos que el conjunto
es estrictamente similar. Si lo que se repite son propiedades estadísticas de in-
terés para el investigador, entonces se dice que el conjunto es estadísticamente
autosimilar.
Un primer ejemplo es el uso de los fractales para describir costas, bordes de
una nube, superficies de montañas, o fronteras entre países. También es posible
modelar un río y sus afluentes, el sistema arterial y redes capilares.
237
Estos conceptos se han extendido a los llamados paisajes fractales que se ase-
mejan sorprendentemente a paisajes reales. Para construirlos básicamente se
subdivide un cuadrado en cuatro cuadrados iguales y luego se desplaza alea-
toriamente su punto central compartido. “El proceso se repite recursivamente
en cada cuadrado hasta que se alcanza el nivel de detalle deseado”. La figura
7.10 muestra un ejemplo.
Amanecer en un paisaje desértico, generado con el programa

Terragen. Tomado de Wikipedia
Fig. 7.10
Existen aplicaciones importantes en el campo de la ingeniería, como es el caso
de las antenas fractales. Estas antenas utilizan los fractales para obtener un
diseño que maximice el perímetro con el fin de recibir o transmitir señales
electromagnéticas. La combinación fractal de la antena permite una mezcla
de alto rendimiento con robustez. Estas antenas son muy compactas, de tipo
multibanda o banda ancha con aplicaciones útiles en telefonía celular y comu-
nicaciones por microondas. Trabajan de manera muy superior a las tradicio-
nales y permiten la transmisión de frecuencias diferentes simultáneamente.
Adicionalmente la teoría de fractales ha contribuido al campo de la psicología,
la lingüística, la superconductividad etc.
7.3 Teoría de catástrofes.

En 1972, René Thom publicó su obra Stabilité Structurelle et morphogénese
(estabilidad estructural y morfogénesis). Su idea central era la explicación
238
de las dinámicas no continuas observadas en algunos fenómenos naturales

tales como la división de una célula (que parece darse en forma abrupta), la
caída de un puente en donde no parece haber solución de continuidad entre
las condiciones que lo mantienen unido y las que lo colapsan, o las fronteras
entre dos tejidos. Las matemáticas del continuo, representadas en su forma
más depurada por las ecuaciones diferenciales, tienen como fundamento la
continuidad. Pero, a pesar de los inmensos aportes que han recibido por parte
de los grandes matemáticos de los últimos tiempos, son muy limitadas para la
construcción de modelos biológicos y sociales. No sólo estos modelos presen-
tan discontinuidades (al menos aparentes) sino que, en general, no siempre se
dispone de la precisión en la medida de las variables exigida por los modelos
matemáticos del continuo. Esto indujo a Thom a considerar a la topología
diferencial como el lenguaje matemático más adecuado. Esta teoría ha sido
criticada por algunos científicos por su carácter aparentemente especulativo.
Como dice Miguel Espinoza:
Ahora bien, sospechosos de las ambiciones de la teoría y de su carácter
cualitativo (consecuencia de las herramientas topológicas), varios cientí-
ficos y epistemólogos han criticado la teoría de Catástrofes, tratándola de
pseudocientífica. Pero convencido del valor de su intuición (aunque no de
todas las maneras de explotarla por parte de otros autores “catastrofistas”),
Thom ha reforzado sus ideas con una reflexión sobre los objetivos de la
ciencia moderna y sus presuposiciones positivistas y materialistas. El re-
sultado es una serie de pensamientos que restauran el interés de algunos
problemas olvidados de la filosofía de la naturaleza, de la cosmología o de
la metafísica.
La teoría de catástrofes se refiere, pues, al estudio de las discontinuidades

en los fenómenos que estudia sin tener en cuenta a los mecanismos que las
generan. Más que una teoría es un lenguaje descriptivo de ciertos fenómenos
dinámicos complejos.
Un ingenio sencillo, que muestra el concepto de catástrofe, es la máquina de
Zeeman (figura 7.11). Tomemos la descripción de Saunders: (1983, p. 4-).
Se trata de dos bandas elásticas de aproximadamente la misma longitud, la
cual se tomará como unidad cuando no están estiradas. Se corta un disco de
cartón resistente, de diámetro igual a la unidad y se fija por su centro O en
una base adecuada. Cerca de su borde se fija un alfiler, por ejemplo en Q. A
una distancia de aproximadamente dos unidades y sobre un eje vertical se
239
B
P
O
Q
Máquina de Zeeman
Fig 7.11
fija una de las bandas elásticas (punto R en la figura). La otra punta, así como
una de las puntas de la banda restante se fijan en el punto Q. El otro extremo
de la banda quedará libre (punto P en la figura 7.11). Al mover lentamente el
extremo P en el plano, se observará que cuando se dan pequeños cambios el
disco se mueve lentamente. Pero ocasionalmente, salta de repente. Las posi-
ciones de P en las cuales se producen los saltos se presentan sobre el perímetro
de un rombo curvilíneo. Sin embargo, al cruzar el rombo, no se presentan
saltos. En cuanto a posiciones de equilibrio estable, existe sólo una fuera del
rombo. Dentro del rombo se encuentran dos posiciones de este tipo, en una de
las cuales Q está a la derecha y, en la otra, está a la izquierda. Hay una tercera
posición de equilibrio dentro del rombo pero es altamente inestable.
La máquina nos aclara varios puntos relativos a esta teoría. En primer lugar, su
construcción pudo haberse realizado con dimensiones diferentes. Saunders pro-
puso las aquí indicadas para poder llevar a cabo cálculos matemáticos (que de
otra forma hubieran sido difíciles de realizar) para explicar su comportamiento.
Con esto resaltamos que lo importante en la teoría no es el análisis cuantitativo
sino el cualitativo. Los resultados referentes a puntos sobre un rombo curvi-
líneo son válidos para cualquier máquina de Zeeman que se construya con
otras dimensiones. El patrón de comportamiento se conserva y esto es lo que
realmente vale la pena destacar. Por otra parte, queda claro que es posible, en
240
comportamientos aparentemente regulares (continuos) la presencia de saltos

o discontinuidades mediante la desaparición de estados estables. El estudio de
tales estados es la idea fundamental de la teoría de catástrofes.
La herramienta básica de Thom es la representación gráfica de los estados
estables como un conjunto de puntos (líneas o superficies) que se denomina
espacio de comportamiento (o superficie de equilibrio). En estos puntos el
comportamiento del sistema es continuo, pero cuando abandona esta línea
o superficie, se presentan inestabilidades que fuerzan al sistema a puntos, en
muchas ocasiones, alejados del lugar donde antes se encontraba.
Para sistemas dinámicos de una o dos variables y con máximo cuatro paráme-
tros (tiempo, temperatura…), René Thom demostró que hay siete estructuras
de “saltos” o catástrofes elementales las cuales son: el pliegue, la cúspide, la
cola de Milano, la singularidad umbílico elíptica, la singularidad umbílico
hiperbólica, la mariposa y la singularidad umbílico parabólica. La figura 7.12
indica algunas de ellas (obtenidas de http://pst.chez-alice.fr/T.C. IvarEk.htm).
Thom llamó catástrofe a lo que se se conoce en la teoría del caos como bifur-
cación (Capra-Luisi, p. 116).
Mediante ciertas transformaciones matemáticas, las coordenadas x, y del plano
se transforman en u, v. Este nuevo plano se denomina espacio de control. Al
variar sus valores, los puntos generados en este plano se denominan trayectoria
de control. Cuando se dan variaciones regulares en las variables u y v general-
mente se dan variaciones regulares en la variable x, salvo cuando la trayectoria
de control cruza el conjunto de bifurcación: puntos en los cuales se presentan
las inestabilidades (el rombo curvilíneo de la máquina de Zeeman). El espa-
cio de fase (espacio tridimensional de las variables x, u, y) para la máquina
de Zeeman es la cúspide, cuya representación está indicada en la figura 7.13.
El cambio repentino se presenta cuando la trayectoria, que se encuentra en la
superficie de equilibrio tropieza con un pliegue que lo obliga a “caer”, es decir,
refleja el salto de la variable x.
En cuanto a las aplicaciones de esta teoría, son muchas y muy importantes.
Tomemos de A. Woodcock y M. Davis (1980, p. 76-)113 los ejemplos por ellos
citados. En física y química, la teoría ha permitido modelar procesos que
sólo eran explicables en casos ideales. Por ejemplo, en óptica ha permitido
la comprensión de las líneas cáusticas que es la "envolvente de los rayos de
luz reflejados o refractados por una superficie curva"; en muchos fenómenos
113. Saunders, Op. Cit. también tiene excelentes ejemplos.
241
Las siete catástrofes de R. Thom

Fig 7.12
naturales (como la formación del arco iris); en resistencia de materiales para la
comprensión del fenómeno de la ruptura cuando se aumenta la tensión en una
estructura; en la transición de fases del agua. En bioquímica se ha estudiado el
fenómeno de la desnaturalización, un proceso mediante el cual las moléculas
de proteína cambian de forma debido a cambios de la temperatura, acidez o
algún otro factor de control (tal es el caso de la cocción de un huevo que es
endurecido porque el calor desnaturaliza la albúmina, permitiendo que esta
proteína forme nuevos eslabones). En biología, esta teoría se ha aplicado en
varios niveles, desde la bioquímica hasta la genética, la embriología y la teoría
de la evolución. No olvidemos que el libro de Thom se refería explícitamente a
la morfogénesis: aparición de las distintas formas características del organismo
y sus partes constituyentes.
En el comportamiento animal la teoría se ha aplicado a la lucha de las especies
por la territorialidad. Los modelos tradicionales consideran un número reduci-
242
Factor de
control 2
divergencia
Factor de
control 1
Comportamiento
u
v
Zona de
discontinuidad
Espacio de fase y espacio de control para la

máquina de Zeeman
Fig 7.13
do de especies bajo condiciones en cierta forma ideales114, es decir de su nivel
de competencia. En el modelo de Thom los modelos dependen no sólo del nivel
de competencia entre las especies sino también del costo de defender el territo-
rio, es decir, la energía necesaria para detener o luchar contra la competencia.
En Sociología y en Economía la teoría ha analizado los procesos de sociali-
zación y desorden durante períodos de peligro, las relaciones entre el estatus
social y el matrimonio, la competencia y la fijación de precios, las expectativas
económicas y la inflación. Incluso, se han hecho análisis sobre el ascenso y
caída del Imperio Romano, las revoluciones políticas, los conflictos entre el
desarrollo nuclear y la ecología. En sicología hay modelos para la incapacidad
de aprendizaje bajo estrés, la esquizofrenia reactiva y la anorexia nerviosa.
La teoría del caos y la de las catástrofes se encuentran en el concepto de atrac-
tor extraño y en el de bifurcación, como se indicó anteriormente. De alguna
manera comparten estos conceptos.
114. Recordemos el ejemplo predador-presa numeral 5.3.1.
243
Consideremos el siguiente ejemplo sobre comportamiento territorial (Woo-

dcock & Davis, 1980, p. 93-96). Aquí se define la distribución geográfica de
especies diferentes o de especies individuales. El principio de Gause establece
que dos especies no pueden coexistir a la larga en una región dada si ambas
exigen los mismos recursos al ambiente. Un territorio puede ser muy sutil en
su delimitación: se han encontrado, por ejemplo, cinco especies de insectos,
que buscan comida y se reproducen, a diferentes alturas del piso en algunos
bosques tropicales. En una misma especie, el comportamiento territorial de-
fiende a un animal contra otros que tratan de disputarle un recurso valioso tal
como su coto de caza o sitio para anidar.
Es aceptable suponer que el patrón de territoriedad tiene que ver con la defensa
del territorio y los riesgos físicos que ello implica y la búsqueda y disposición
de alimento. En este ejemplo la territoriedad se refiere a la misma especie, es
decir, al establecimiento de jerarquías entre los mismos individuos. En gene-
ral las luchas se evitan al máximo mediante la delimitación del territorio con
marcas olfativas, cantos o gritos y actitudes específicas.
La cúspide se adapta bien para analizar este tipo de fenómeno. En este caso
esta superficie tiene como factores de control al nivel de competencia (basada
en la densidad de población) y al costo de defender el territorio, tal como se
ilustra en la figura 7.14.
Este modelo sugiere que en un nivel bajo de competencia, si el costo de defender
el territorio es alto, no existe impulso para competir (punto a). Por ejemplo,
si hay suficiente alimento y la población no es muy numerosa, no hay razón
para reclamar un área como propia, pues se consumiría energía y se correrían
riesgos inútilmente. Si tanto la competencia como el costo son altos (punto b),
se hace necesario establecer jerarquías, una forma menos costosa que realizar
enfrentamientos para delimitar un territorio. Es el caso del dominio que ejerce
en los lobos, la hembra alfa, para alimentarse.
Si por razones de organización se hace necesario demarcar los territorios en-
tonces se hace una transición suave, pasando de b a c una situación en la cual
el territorio está perfectamente establecido, sin tener que asumir un costo alto
para mantenerlo.
Pero si la especie es de tipo no territorial, adaptada a situaciones en donde la
competencia es baja y bajo es el costo de defenderse y es sometida a una com-
petencia creciente debido por ejemplo a un crecimiento poblacional excesivo o
244
bajo alto Nivel de

alto
competencia
a
Cambio gradual en el
comportamiento
bajo
d b
e
Costo de defender
el territorio
c
Emergencia súbita de
f comportamiento territorial
No territorial
Tipo de comportamiento
Territorial
Comportamiento territorial
Fig. 7.14
a la pérdida de recursos ocasionada por cambios climáticos, el modelo predice
una transición repentina (catastrófica) en el comportamiento territorial: ruta
d-e-f. El punto f podría considerarse como un atractor extraño.
Recordemos que estos modelos son de tipo cualitativo y no pueden responder
preguntas de tipo cuantitativo, como por ejemplo, cuánta competencia es nece-
saria para convertir una población migratoria en una altamente territorial. Ellos
pueden ayudar a reexaminar estudios existentes, bajo esta nueva perspectiva,
con el fin de encontrar respuestas a estas preguntas. También son de gran ayu-
da para la comprensión de muchos fenómenos que de otra forma encuentran
explicaciones demasiado simplistas debido a la exigencia de la cuantificación.
Recordemos el modelo de predador-presa al que ya hemos hecho referencia.
7.4 La mecánica cuántica

La mecánica cuántica (o física cuántica) es la parte de la física que se ocupa
del mundo subatómico. Suele considerarse aparte de la teoría de la relatividad
aunque existe una mecánica cuántica relativista, para partículas que se mueven
245
a velocidades cercanas a la de la luz y en donde la ecuación de Schrödinger

parecería que no se cumple. También existe la teoría cuántica de campos en
espacio-tiempo curvo. Lo que sí no se ha podido incluir, relacionado con la
teoría de la relatividad, son los conceptos gravitatorios de esta.
Esta teoría surge del hecho de que la física clásica no pudo explicar con exac-
titud muchos fenómenos debido a la existencia de dos tipos de objetos físicos:
las partículas, que se pueden describir por medio de seis parámetros (tres para
la velocidad y tres para su posición en el espacio) y los campos que requieren
un número infinito de parámetros.
Siguiendo a Penrose (2002), un sistema de partículas y campos está en equi-
librio, si ambos lo están. Esto implica que la energía de las partículas debe
repartirse por igual entre los grados de libertad del sistema. Como se indicó,
los campos requieren un número infinito de parámetros de tal forma que
estos campos absorberían toda la energía de las partículas dejándolas sin ella,
violando el principio de repartición enunciado. También ocurriría con los
electrones, que son partículas, cuando giran alrededor del núcleo, que es un
campo electromagnético. Los electrones deberían ser atraídos por este, y tal
cosa no ocurre en la realidad.
En el caso de las radiaciones térmicas también se presenta esta contradicción.
Las partículas emiten radiaciones electromagnéticas. Para frecuencias bajas
las oscilaciones del campo se explican por la física clásica, pero cuando las
frecuencias son altas, se debería presentar la catástrofe de la no igualdad de
la repartición de la energía (la llamada catástrofe ultravioleta). Pero esto no
ocurre en el mundo real.
Las partículas necesitaban ser complementadas con el concepto de campo.
Varios intentos se hicieron pero fue Max Planck quien dio con una extraña
solución: “las oscilaciones electromagnéticas sólo ocurren en 'cuántos' cuya
energía E mantiene una relación definida con la frecuencia υ, dada por:
E = hυ, (7-6)
En donde h es una constante fundamental de la naturaleza conocida como la

constante de Planck. El valor de esta constante es muy pequeño: aproximada-
mente de 6.6×10-34 julios/segundo.
Este concepto recibió poca atención. Fue Einstein quien, con otra propuesta
insólita, revive su verdadera importancia: el campo electromagnético sólo
246
puede tomar valores discretos, determinados por la ecuación de Planck. La luz

consistiría entonces, en oscilaciones de un campo electromagnético, como lo
habían demostrado Maxwell y Hertz, y además estaría formada por partículas.
La aparente contradicción de que algo fuera a su vez onda y partícula fue
demostrada experimentalmente. Según como se realice el experimento, la
luz se comporta como onda o como partícula115. En 1923 Louis de Broglie da
un golpe maestro a esta dicotomía: las partículas de materia se comportan,
en ocasiones, como ondas. Dicha frecuencia se mide con la misma variable
υ de Planck. Al combinarse la ecuación de Planck con la que se identifica a
Einstein tendríamos:
hυ = E = mc2. (7-7)
En la naturaleza no existe, pues, tal dicotomía. Cualquier cosa que oscile con
alguna frecuencia υ puede hacerlo únicamente en unidades discretas de un
valor hυ/c2. Partículas y oscilaciones de campo estarían compuestas de algo
muy sutil que se manifiestan en una u otra según se observen.
Schrödinger desarrolla su importante ecuación en la cual describe el movimien-
to de las ondas de materia. Cuantización, incertidumbre, son las características
de esta nueva física.
El descubrimiento de que la masa es una forma de energía implica que el con-
cepto de materia ya no está más asociado a una sustancia material. Las partí-
culas ya no son consideradas como una "cosa" básica, son haces de energía en
continuo movimiento. Los átomos están compuestos de partículas, pero estas
partículas no están hechas de ninguna materia. Cuando las observamos nunca
veremos una sustancia, sino patrones dinámicos continuamente cambiantes,
una continua danza de energía (Capra-Luisi, 2014, p.76-77).
En 1935 se plantea la paradoja EPR: Einstein, Podolsky y Rosen. Según la
mecánica cuántica, dos sistemas cuánticos, bajo ciertas condiciones, puede
ser descrito por una única función de onda, que incluye las probabilidades de
los resultados de los experimentos que pueden realizarse en ambos sistemas
bien sea individual o conjuntamente. Este tipo de descripción impide que sea
posible conocer el estado del sistema global, definido por los dos sistemas
interrelacionados, a partir de mediciones de cada uno de ellos (por ejemplo
consideremos que cada sistema cuántico está formado por una sola partícula).
115. Remitimos al lector al numeral A.7.5 Para ampliación sobre el tema.
247
En un estado entrelazado, al manipular una sola partícula se afecta el sistema

total. De hecho operar sobre una sola partícula, a distancia, afecta a la otra de
manera instantánea. Es más. Si un observador mide por ejemplo la posición
de una de las partículas, otro observador podrá conocer, aplicando el prin-
cipio de incertidumbre la posición de la otra partícula, algo que no tiene un
equivalente en el macromundo. Esto implicaría una transmisión de la infor-
mación en forma instantánea violando el postulado fundamental de la teoría
de la relatividad sobre el máximo valor posible de la velocidad de la luz como
límite de la velocidad de transmisión de la información.
La conclusión era que la mecánica cuántica era incompleta. No podía explicar
todos los fenómenos que en ella se presentaban.
Investigaciones posteriores concluyeron que el principio de localidad de la
física tradicional implicaba que dos objetos suficientemente alejados el uno
del otro no pueden interactuar sino con su entorno inmediato. Esto parece
evidente para las fuerzas gravitacionales y eléctricas. Einstein supuso que era
un principio universal, válido para cualquier par de elementos en el universo.
Sin embargo este principio no opera para el mundo cuántico.
El otro problema era el de la medición. En la física clásica la medición es un
acto independiente del observador y el resultado está perfectamente definido
debido a las propiedades de lo medido. En mecánica cuántica, no. La medición,
y lo que es peor aún el resultado del experimento, depende del observador.
Solo se puede hablar en término de probabilidades.
Se presentan fenómenos que retan la imaginación: la luz (o el haz de electrones),
será onda o partícula según lo que el observador desee observar y medir; es
imposible conocer, simultáneamente, la posición y la cantidad de movimiento
de una partícula; una partícula puede estar simultáneamente en dos lugares di-
ferentes; dos partículas del mismo tipo no pueden tener identidades separadas;
los seres vivos pueden considerarse en una especie de estado de suspensión
entre la vida y la muerte.
Existen varias escuelas que tratan de explicar estos hechos. Una de ellas, la
complementariedad de Bohr puede resumirse así (Roldán et al., 2004, p. 153):
Por otra parte, cuando se dice que dos conceptos son complementarios, y
que por lo tanto se excluyen mutuamente, ello significa que no pueden
utilizarse ambos en un mismo razonamiento. O sea que análisis, preguntas,
inferencias, que involucren a uno de ellos se excluyen con análisis, pregun-
248
tas, inferencias, que involucren al otro. Por ello, respecto a un electrón, no

puede hablarse de trayectoria, que implica la combinación mental de los
conceptos de posición y momento precisos. Y por ello se resuelve la dua-
lidad onda-partícula, puesto que los contextos experimentales que definen
el uso de los conceptos de onda y partícula se excluyen mutuamente, lo que
nos prohíbe la utilización de ambos conceptos en un mismo contexto ex-
perimental. No estamos enfrentados entonces a una situación que nos
obligue a utilizar los dos conceptos en un mismo contexto, lo cual sería
paradójico debido a la exclusión mutua lógica de los dos conceptos.
En otras palabras. Si dos teorías son opuestas y explican parcialmente un fe-

nómeno, ambas deben ser tenidas en cuenta. Pero sólo puede ser utilizada una
de ellas, en su propio contexto. Las dos son complementarias.
Esta posición requiere de aspectos filosóficos de fondo que otros físicos y
filósofos no comparten.
¿Cuáles son las contribuciones de esta teoría a la T.G.S. y a la T.C.? Sigamos a
Skyttner en este intento (p. 23-).
Empezando con Einstein y sus dos teorías sobre la relatividad, el mundo ya
no es un determinismo estático: espacio y tiempo son inconcebibles en forma
separada. Una estrella que vemos hoy, no es sino la imagen de una situación
cientos de años atrás.
Por otra parte, la curvatura del espacio-tiempo causada por masas y energías
contenidas en él modificó el concepto de gravedad propuesto por Newton.
Ya en concreto, la teoría cuántica dio al traste con el concepto de determinismo
y causalidad. La luz, como onda y partícula obligó a reconsiderar los conceptos
de la mecánica newtoniana. La causalidad ya no era posible establecerla como
un principio inviolable; la identidad y la objetividad perdieron su poderío
como punto central del mundo clásico de la ciencia. La investigación pasa
de los objetos a las transformaciones, a los procesos, a las transiciones, a las
interrelaciones.
El indeterminismo, la subjetividad, la ciencia como epistemología y no como
ontología son consideraciones a tener en cuenta. Es fácil deducir de lo anterior
el impacto que estas ideas, nacidas de la física que es reconocida como la ciencia
fundamental, han tenido en esta nueva visión de ver el mundo.
Obviamente estas observaciones no reducen la importancia de la visión clásica
de la ciencia. Es claro que en el mundo macro, la explicación dada es suficiente.
249
Lo que se destaca aquí es la importancia que estas consideraciones han influido

en el pensamiento moderno, y en los enfoque de la T.G.S. y la T.C.
Skyttner (2005, p. 32) comenta:
Sobre la base de estas ideas del desarrollo científico y sus consecuencias
para la visión del mundo de hoy, se pueden destacar algunas observaciones.
La primera es que la desintegración de la física clásica inicia la disolución
del arte y la moral. Los sondeos de Proust en la memoria humana, la insu-
rrección de Picasso contra la perspectiva y la revolución musical de
Schönberg en el tono, la armonía, y el ritmo es coherente con una nueva
visión del mundo científico. Allí, los conceptos de tiempo y espacio han
conseguido un cambio nuevo y radical. Los descubrimientos de Planck y
Einstein se corresponden mejor con Freud la relación sueño-mundo que
con la percepción convencional, empírica, del mundo. La reacción que
existía del hombre de entonces contra el modernismo era un malestar
causado por el creciente alejamiento de la de la zona de inteligibilidad
inmediata, entre la ciencia y el arte. Hoy el arte y la literatura reflejan la
fragmentación de la civilización occidental.
En cuanto al concepto de sistema se destaca que el todo determina las poten-

cialidades de las partes y a su vez estas determinan la estructura del todo, de
acuerdo con la definición de estructura que hemos adoptado en este texto.
Dos formas diferentes de ver a un sistema, que son, en el lenguaje de Bohr,
complementarias. Es interesante recordar el análisis de Lange al respecto.
Capra-Luisi comentan cómo las partículas subatómicas ya no son "cosas"
sino interconexiones entre cosas, las cuales a su vez son interconexiones en-
tre otras cosas y así sucesivamente. En la búsqueda cada vez más interna, no
terminaremos en alguna "cosa" sino siempre en interconexiones. No podemos
descomponer el mundo en las unidades más pequeñas posibles, a partir de las
cuales reconstruirlo mecanicistamente. El mundo es un todo integrado. Una
red de redes.
Desde esta perspectiva, un organismo o sistema viviente, es un todo integrado
cuyas propiedades esenciales surgen de las interacciones y relaciones entre sus
partes, pero no pueden ser deducidas de estas (2014, Capra & Luisi, p. 10).
Por su parte para la Teoría de la Complejidad varios conceptos han permeado
campos diferentes. Así, el entrelazamiento y la decoherencia han sido utilizados
en la visión moderna de la administración y la Sociología, como lo indicaremos
en los capítulos siguientes.
250
7.5 Resumen
Abordamos la Teoría de la Complejidad, una teoría que tiene semejanzas y
diferencias con la T.G.S. Por un lado, ambas rechazan el reduccionismo, el aisla-
miento y el pensamiento lineal; consideran que más importante que los objetos
o elementos de un sistema, lo son sus interrelaciones; que estos sistemas son
abiertos y que poseen la propiedad de la emergencia sistémica; que así como
no hay una teoría general de los sistemas, tampoco la hay para la complejidad.
Pero mientras que la T.G.S. se preocupa por explicar las componentes de los
sistemas a partir del comportamiento del todo, la T.C. considera las interrela-
ciones de estos elementos como la clave para tal explicación, dejando que tales
componentes tengan existencia por sí mismos. Éstos se comportan en forma
egoísta e independiente de los demás pero son regidos por reglas sencillas. De
cualquier forma, la complejidad surgirá de tales reglas e interrelaciones; en
caso contrario el sistema se destruirá.
Las vertientes de la T.C. son múltiples: Caos, Fractales, Mecánica Cuántica,
Cibernética, Computación, Teoría de la Información, Biología. Así como la
T.G.S tiene como base el pensamiento sistémico, la red de redes, en la T.C. se
habla del pensamiento en redes.
La Teoría del Caos se relaciona con aquellos fenómenos en los cuales una pe-
queña diferencia en las condiciones iniciales, se refleja en cambios considerables
e impredecibles a corto y mediano plazo. Es el tipo de comportamiento que
se observa en el clima, en las arritmias cardíacas, en el flujo de un río cuando
encuentra obstáculos en su camino, en el comportamiento de la bolsa de valores
o en la formación de embotellamientos de tráfico. Lo sorprendente es que las
ecuaciones que rigen estas conductas no son aleatorias sino determinadas. Se
origina, entonces, la siguiente paradoja: la existencia de sistemas determinados
que son impredecibles, sin ser aleatorios. La diferencia se encuentra en el hecho
de que en el Caos, el comportamiento sigue, a la larga, un patrón: el atractor
extraño. En los fenómenos aleatorios no existe ningún tipo de regularidad.
La Teoría de Fractales se refiere a la matemática que resulta al repetir reglas
simples de geometría una inmensa cantidad de veces. Así, surgen formas
complejas que se asemejan a las observadas en la naturaleza: hojas de hele-
cho, paisajes, redes neuronales… Cada una de estas formas se considera un
atractor extraño. Es en este aspecto donde esta teoría se encuentra con la del
Caos. Además tienen la extraordinaria característica de que, por ser repetición
251
de una misma regla, cualquier parte que se analice y amplíe, sigue el mismo
patrón original: el patrón se repite incesantemente. Ya no se trata de que el todo
sea igual a la suma de sus partes, o que sea mayor que dicha suma. El todo es
igual a cualquiera de sus partes. La parte contiene al todo.
La Teoría de Catástrofes se refiere al estudio de las discontinuidades en la
naturaleza. Fenómenos que observamos que no siguen una continuidad sino
que cambian abruptamente en ciertos momentos de su comportamiento. La
albúmina que se solidifica con el calor, la ruptura de los materiales sometidos
a tensión o compresión, el surgimiento de períodos de tensión en un sistema
social. Para su estudio, R. Thom planteó la existencia de siete tipos de “catás-
trofes” que permiten considerar, de manera geométrica, tales conductas. De
paso, destaquemos que el uso del lenguaje geométrico es también fundamental
en los Fractales y en el Caos.
Hemos hecho alusión, igualmente, a la Mecánica Cuántica. En primer lugar,
al dilema onda-partícula. Se trata de fenómenos que presentan una dualidad
inexplicable ya que, en principio, nada puede ser onda y partícula al mismo
tiempo. En ambos casos, la energía de las partes tiende a repartirse por igual
en los grados de libertad de que ellos poseen: seis, para las partículas materia-
les, e infinitos para los campos, que son la manifestación de las ondas. En una
“combinación” de ambos, el total de la energía sería absorbida por los campos,
ya que sus grados de libertad son infinitos: los electrones, en el átomo, no
deberían girar alrededor del núcleo sino que deberían ser absorbidos por él.
Aquí el concepto de sistema se observa en toda su complejidad. Partículas
que interactúan a distancia −fenómeno llamado entrelazamiento cuántico−, y
que al alterar a una de las partículas, la otra queda inmediatamente afectada,
por lo que se hace imposible estudiar el detalle del sistema; sólo es posible una
observación global. El todo determina las partes, pero éstas afectan al todo en
un “empaquetamiento” conceptual indisoluble. El concepto de localidad, en el
mundo subatómico no concuerda con el del mundo macro.
Por otra parte, la objetividad pierde sentido. El observador condiciona el
desarrollo del fenómeno observado: onda, si queremos verlo como onda, y
partícula si tal es nuestro deseo.
Una interpretación de la teoría cuántica nos ofrece la manera de romper estas
aparentes contradicciones: el principio de complementariedad de Bohr. Si un
fenómeno tiene diversas explicaciones que se contraponen, debemos utilizar,
252
para cada caso particular, la teoría que lo explique. Estas teorías se complemen-
tan, no se oponen. Como veremos luego, esto ocurre en ciertas metodologías
interpretativas, como la de P.B. Checkland.
253
254
CAPÍTULO 8
TEORÍA DE LA COMPLEJIDAD
NUEVAS PERSPECTIVAS
8.0 Las nuevas teorías

La división que hemos establecido entre el capítulo anterior y el actual, puede
explicarse a partir de la diferenciación que hace Holland (2014) al subdividir
el campo de la complejidad en dos subcampos: el estudio de los sistemas físicos
complejos (SFC) y los sistemas adaptativos complejos (SAC). Cada uno de ellos
analiza diferentes tipos de emergencia. Los SFC, las emergencias de primer y
segundo tipo; matemáticamente se definen mediante el concepto de estado del
sistema. Los SAC, la de tercer tipo y se definen mediante el concepto de agente.
Para Holland, los sistemas complejos físicos se centran en arreglos de elemen-
tos, tipo retículo, que se interrelacionan sólo con sus vecinos como veremos
posteriormente: son los llamados autómatas celulares; sus elementos poseen
propiedades fijas. Son clásicos los estudios sobre superconductividad, las
ecuaciones de reacción/difusión de Turing (como los patrones durante la mor-
fogénesis) y el efecto mariposa. Están muy relacionados con modelos basados
en ecuaciones diferenciales parciales.
Por contraposición, los adaptativos no poseen elementos fijos. Estos elementos
se conocen como agentes, aprenden o se adaptan como respuesta a su inte-
racción con otros agentes. Su comportamiento es no lineal por lo que el uso
de ecuaciones diferenciales parciales no es posible. No poseen un lenguaje
matemático estándar para describirlos.
Aunque Holland considera como característica básica de la complejidad la
emergencia sistémica, el aclara que desde la visión de la complejidad de los
autómatas celulares, la definición de emergencia, como propiedad holística, no
implica que esta no sea reducible a la interacción de las partes. Lo que sostiene
es que "el agregado exhibe propiedades que no son deducibles mediante su
suma. En términos matemáticos, las interacciones de interés son no-lineales",
(2014, p. 4) Nosotros hemos dicho que no son deducible mediante el silogismo.
255
Esto explica que en la Teoría de la Complejidad confluyan la Teoría del Caos

y de Fractales, la mecánica cuántica, la Cibernética y la Teoría de la Compu-
tación y de la Información, la Biología "virtual", el pensamiento en redes y los
sistemas sociales.
En este capítulo nos ocuparemos de una visión desde la probabilidad aplicada
a sistemas sociales virtuales, desde los autómatas celulares, del pensamiento
en redes y específicamente de la Teoría de Grafos como herramienta mate-
mática de la complejidad. Nos centraremos en ciertas características de los
sistemas autoorganizados que muestran una extraordinaria coordinación y
sincronización y, sin embargo, parecen ser fruto de elementos individuales de
comportamiento aleatorio.
Consideremos la autoorganización. Esta fue explicada mediante aspectos
teleológicos: una “fuerza vital” o “impulso vital” (élan vital del filósofo H.
Bergson). Este tipo de explicación no satisfizo al pensamiento científico ya
que descargaba en un aspecto metafísico la explicación de observaciones de
carácter físico (orgánico) y era similar a las explicaciones dadas por Aristóteles
sobre el movimiento de los cuerpos.
Una bandada de pájaros durante el vuelo posee una coordinación en sus mo-
vimientos que sugiere que “alguien” debiera estar conduciéndola. Igual ocurre
con un cardumen de peces, o con la búsqueda de alimento de las hormigas.
Sin embargo, no es cierto que exista un pájaro o un pez líder, ni una reina
que ordene a la colonia los movimientos a seguir. Más interesante aún, las
explicaciones que se han dado a estos sorprendentes sistemas autoorganiza-
dos se extienden a fenómenos tan diferentes como el tráfico de vehículos en
las autopistas, a los fenómenos macroeconómicos, a las redes neuronales, ¡y
a los sistemas administrativos! Hablaríamos, pues, de teleonomía en lugar de
teleología.
La explicación es la misma: la autoorganización es el resultado de compor-
tamientos individuales totalmente aleatorios. Es importante resaltar que esto
sólo es posible si el número de elementos del sistema es extraordinariamente
grande y existen ciertas reglas de comportamiento.
Relacionada con lo anterior está la fragmentación de los sistemas. Mitchel
Resnick (2000, p. 6) comenta que por la misma época La Unión Soviética, IBM
y otras grandes corporaciones comenzaron a desmembrar su sistema organi-
zacional abandonando sus jerarquías centralizadas en beneficio de estructuras
descentralizadas. De hecho, en la administración moderna hay una tendencia
256
hacia la descentralización. Este tipo de estructuras está siendo investigado,

entre otros, por los científicos de la complejidad.
La idea no es nueva. Para sólo citar dos casos ampliamente conocidos, Adams
Smith, con su mano invisible, y Darwin con su teoría de la selección natural
confiaban en que los sistemas descentralizados podían autoorganizarse.
Vale la pena aquí acotar una observación que trae Diamond (2006-a, p. 520)
cuando analiza la pregunta: ¿Por qué Europa y no China? en lo que respecta
a la influencia de aquella, desde el punto de vista cultural y tecnológico, en el
resto del planeta. Ambas regiones tuvieron ventajas geográficas, ambientales y
culturales que les permitían un desarrollo que otras regiones no podían tener:
fuentes alimenticias domesticables (tanto en lo animal como en lo vegetal),
tecnología avanzada y el desarrollo de la escritura.
[...] Allí sugería que la razón subyacente de que Europa superara a China
era más profunda que los factores un tanto más inmediatos que sugieren
la mayor parte de los historiadores (por ejemplo, el confucianismo de China
frente a la tradición judeocristiana de Europa, el auge de la ciencia occi-
dental, el auge del mercantilismo y el capitalismo europeo, la deforestación
de Gran Bretaña unida a sus depósitos de carbón, etc.). Frente a estos y
otros factores más próximos yo recurría a una especie de “principio de
óptima fragmentación”: los factores geográficos últimos que desembocaron
en que China se unificara antes y que permaneciera en su mayor parte
unificada a partir de entonces, mientras que Europa estuviera fragmentada
siempre. La fragmentación de Europa sí favoreció los avances de la tecno-
logía, la ciencia y el capitalismo al promover la competitividad entre esta-
dos y ofrecer a los innovadores fuentes de apoyo alternativas y puertos
seguros en los qué refugiarse de las persecuciones, mientras que la unidad
de China no propugnaba todo lo anterior.
Más adelante señala en su libro que esta fragmentación tiene un límite óptimo,
límite que La India sobrepasó y por ello no pudo tener la influencia que tuvo
Europa. Como veremos luego, estas ideas han tenido su efecto en la adminis-
tración empresarial.
8.1 Teoría de la “Multitud-antimultitud”

Neil Jonhson (2009, Cap. 4) y otros importantes investigadores de diferentes
universidades de Estados Unidos, Europa y Asia han utilizado modelos de
257
computación y modelos matemáticos para explicar el porqué se presentan las

multitudes (Crowd-Anticrowd Theory). Su ejemplo típico es ir a un bar (“To bar
or not to bar”). Se trata de un lugar relativamente pequeño al cual van personas
amantes de la buena música y buena conversación. Hay más clientes potenciales
que sillas, por lo que una persona que decida ir el viernes por la noche, corre
el riesgo de encontrarlo colmado. El dilema es claro. Tomarse el trabajo de
vestirse convenientemente y conducir un largo camino y no encontrar un lugar
libre, o llegar a casa, ponerse cómodo, pedir una buena cena y tomarse una
copa de buen vino, para saber al día siguiente que la velada estuvo magnífica
y quedaron sillas vacías... Esta es una situación válida para todos aquellos que
deseen ir. Es un juego en el que las decisiones correctas dependen de lo que
cada uno decida hacer. No existen decisiones absolutamente correctas o falsas.
Todo depende de lo que todos piensen acerca de lo que es correcto o no. Si
los demás deciden ir al bar, la decisión correcta es quedarse en casa y si todos
decidieran quedarse en casa, lo correcto sería ir al bar. Es una competencia
por recursos limitados y no todos pueden ganar.
Ahora bien, este juego no tiene una expectativa óptima. Si todos toman la
misma decisión, ésta será equivocada para quienes estén cerca de sobrepasar
la capacidad del bar, ya que o todos quedarán por fuera (en cuyo caso Ud. de-
biera haber ido) o todos irían (en cuyo caso Ud. no debiera haberlo hecho). El
concepto económico de “expectativa (esperanza) racional” o “agente racional”
falla completamente en este caso.
Supondremos que todos los clientes guardan memoria de cómo les ha ido
en las últimas semanas. Aquí es donde el carácter individual entra en juego.
Algunas personas creen que la última vez que ocurrió un patrón dado, este
tenderá a repetirse. Creemos que la historia se repite a sí misma. Otros piensan
que precisamente porque el patrón tiende a repetirse, no es probable que se
repita de nuevo, ya que el juego es competitivo. Otros se encuentran en los
extremos: no ir nunca o ir siempre. Pero cualquiera que sea la decisión, la
situación cambiará, y como individuos, podemos modificar nuestra posición
a medida que el tiempo pasa. Si un individuo mira la historia de las dos últi-
mas semanas −ir al bar−, y observa que fueron acertadas, podrá decidir ir, si
es de uno de los grupos, o no ir si pertenece al otro de acuerdo con su record
individual. Este aspecto histórico podemos representarlo a través de un valor
dado de probabilidad que denominaremos p. Por ejemplo, si para un individuo
p = 0.60, entonces él cree que 6 de cada 10 veces la historia se repite, y 4 de
cada 10 no, p = 1 significa que la historia siempre se repetirá, p = 0 que jamás
258
se repetirá y p=0.5 indica que está totalmente indeciso y su solución de ir o no

es como si dependiera de una moneda.
¿Qué ocurre ahora si hay mucha gente? Supongamos que cada uno inicia con
un valor p que considera conveniente, pero que lo modificará de acuerdo con
los resultados que va obteniendo en el tiempo. La modificación del valor de
p dependerá del valor de d −la diferencia neta entre el número de pérdidas
(desaciertos) menos el de ganancias−. Cuando se decide cambiar p, los datos
comenzarán de nuevo.
Las diferentes simulaciones con diversos valores de p y diversas estrategias
arrojan un resultado extraordinario. No importa el valor asignado; la población
termina dividiéndose en dos grupos: los que van y los que no van al bar. Es
decir, los que creen que la historia siempre tiende a repetirse (los valores de p
son cercanos a 1), y los que creen que no (los valores de p son cercanos a 0).
Llamaremos a los primeros una multitud y a los otros una antimultitud. La
figura 8.1 muestra cómo las poblaciones se dividen naturalmente.
con un valor dado de p
Antimultitud
Número de personas
Multitud
Estas personas 0.5 Estas personas

piensan que lo piensan que la
opuesto sucederá Valor de p historia se repite
Tendencia hacia una de las dos estrategias

Fig. 8.1
Esta es una propiedad emergente que es universal. Surgirá en mayor o menor
grado en cualquier sistema complejo que incluya una colección de objetos
que tomen decisiones, tales como personas que deben luchar por un recurso
limitado. Las consecuencias de este resultado son muy importantes. De algu-
na manera, el sistema tiende a estabilizarse debido a que el comportamiento
259
“antimultitud” contrarresta (cancela) el efecto de la “multitud”. Los que no van

al bar contrarrestan a los que van y el sitio mantiene una clientela estable. Si
en un mercado libre los compradores igualan a los vendedores, el mercado se
mantiene estable ya que la oferta y la demanda están “balanceadas”: los que
están decididos a vender cancelan a los que están decididos a comprar. Se ha
desvelado un efecto notable.
Aun cuando no haya comunicación entre los agentes, y siendo aún el juego
competitivo, el hecho es que este “sistema social virtual” se las arregla para
autoorganizarse con fluctuaciones menores a las que se observan cuando se
comportan totalmente al azar, arrojando una moneda. El comportamiento
global del sistema será menos fluctuante si generamos competencia entre las
partes y estas reciben la misma información. Lo interesante es que esta infor-
mación no necesariamente debe ser “actualizada”. El resultado final es similar
si se usa un tipo de información u otra. Lo fundamental es que todos reciban la
misma información. Es como si existiera una “mano invisible” que controlara
al sistema. Más aún. Sólo la estabilidad es afectada si la penalidad por perder
es muy superior a la recompensa por ganar ya que esto afecta continuamente
al valor de p generando cambios continuos. El fenómeno “multitud-antimul-
titud” no es roto ni por un cambio en el valor de la “capacidad de carga” del
sistema −salvo para el caso en el que esté muy cerca del valor del número de
clientes−, ni por cambios en el valor de las pérdidas netas, ni si el valor de las
recompensas sobrepasa por mucho al de las penalidades.
Desde el punto de vista de la ingeniería esto es muy atractivo. No se necesitan
sistemas centrales que controlen a cada individuo, ni sistemas que logren que
las partes colaboren entre sí. Sólo se necesita una información común, compo-
nentes individuales competitivas por el mismo recurso y ciertas reglas claras
de comportamiento. Lo que importa son las relaciones entre individuos, no
los individuos mismos.
Otro ejemplo de este tipo de comportamiento es el de una colonia de hormi-
gas. Citemos un texto de Hofstader, presentado por Pierpaolo Andriani (ver
Mitleton-Kelly, 2003, p. 127):
Las hormigas individualmente son notablemente automáticas (regidas por
reflejos). La mayor parte de su comportamiento puede describirse en tér-
minos de la invocación de una a una docena de reglas tales como “coja los
objetos con las mandíbulas”, “siga un rastro de feromona en la dirección de
un gradiente creciente”… Este repertorio aunque pequeño, es continua-
260
mente invocado a medida que la hormiga se mueve en su ambiente cam-

biante. La hormiga, individualmente, se encuentra en alto riesgo cuando
encuentra situaciones que no son cubiertas por las reglas. La mayoría de
ellas, las trabajadoras en particular, sobreviven cuando más unas pocas
semanas antes de sucumbir a alguna situación no considerada por las reglas.
La actividad de la colonia depende completamente de las interacciones de las

hormigas que la conforman. Tal agrupamiento manifiesta una flexibilidad que
sobrepasa la de sus elementos individuales. Las hormigas en grupo buscan
alimento, lo almacenan, enfrentan enemigos, están adaptándose a los cambios
del ambiente y, lo más sorprendente, construyen una obra arquitectónica de
complejidad impresionante: el hormiguero como hábitat. El rango de vida del
hormiguero sobrepasa por mucho el de la hormiga en particular. En esencia,
ellas presentan un conjunto de propiedades emergentes que no son observables
en el individuo. Es una organización adaptativa.
La Teoría de Grafos se ha ocupado de este tipo de comportamientos.
8.2 Autómatas celulares

Estos autómatas son un valioso aporte de la Teoría de la Computación para
el estudio de la complejidad iniciado por John Von Neumann hacia 1950. Sin
embargo, el primer estudio serio sobre autómatas celulares se realizó en los
80 con el artículo del físico Stephen Wolfram “Statistical mechanics of celular
autómata”.
No es fácil dar una definición precisa, matemática, de qué son. De manera
intuitiva, se trata de una rejilla cuadriculada, como el tablero de un ajedrez,
pero infinitamente extendido. También pueden ser en tres dimensiones, con
características similares. A las cuadrículas se las denomina células. Cada célula
puede tomar valores que generalmente se asocian a números enteros.
Para utilizarlos en un computador, la infinitud de la cuadrícula se simula
considerando que existe una frontera en la rejilla y los bordes de las fronteras
opuestas se doblan hasta encontrarse, de tal manera que una célula que esté en
el extremo derecho del retículo hará contacto con la célula exactamente opuesta
a ella en el extremo izquierdo. Igual ocurre con los bordes superior e inferior
de dicha rejilla. La figura resultante es un toroide generado por un círculo.
261
Cada célula tiene ocho vecinos. Según lo que se desee simular, las células reci-
ben información de sus vecinas, aunque también la pueden recibir de células
alejadas116.
Apoyándonos en Joel L. Schiff (2008), indicaremos que lo interesante de este
tipo de metodología se debe a que su sencillez no deja vislumbrar, en princi-
pio, su complejidad potencial. Reglas locales sencillas gobiernan un grupo de
células que actualizan sus estados a intervalos discretos de tiempo. Como la
mayoría de los fenómenos naturales tienen comportamientos locales (molécu-
las, células, hormigas), individuos que interactúan con sus vecinos o, en otras
palabras, sociedades −como lo vimos en el numeral anterior−, el uso de estos
autómatas es una manera muy conveniente para estudiarlos y esto, pese a que
siendo continuos, se pueden simular mediante matemática discreta.
Los autómatas celulares pueden autoorganizarse. ¿Cómo lo hacen? A través
de reglas locales sencillas que, en principio, no tienen nada que ver con el
comportamiento global organizado.
Nociones de fractales, dimensión, información, entropía se destacan en este
tipo de estudio. Sin pretender decir que ésta sea la panacea para la comprensión
de la complejidad, sí es, sin duda, una excelente herramienta.
Citemos a Francesco C. Billari et al. (2006):
En los modelos de autómatas celulares, los agentes se comportan como
insectos en un paisaje virtual. Para un número grande de estos agentes
homogéneos, es posible aplicar métodos de la física estadística, de la diná-
mica no-lineal y de la Ciencia de la Complejidad que describen la autoor-
ganización o las transiciones de fase observándose que emergen propieda-
des macroscópicas del comportamiento y de las interacciones de los
agentes componentes. Estos fenómenos colectivos se han transferido a
campos interdisciplinarios tales como la socio-física, y la econo-física, con
aplicaciones que van desde sistemas de multitud y de tráfico, a sistemas
urbanos, demográficos y de planificación ambiental (p. 3).
Uno de los autómatas celulares más conocidos es el “juego de la vida” de Con-

way. En este juego, las células están vivas o muertas. Si una célula está viva, se
representa por un cuadrado de color negro; si está muerta, por uno blanco o
simplemente transparente.
116. Esta es una opción. Existe otra manera de definir el vecindario: sólo las células
norte, sur, este y oeste para cada célula.
262
El juego puede poseer reglas diferentes. Las reglas clásicas son las siguientes:
a) Si una celda viva, está rodeada de dos o tres células vivas, esta célula sobre-
vivirá en la siguiente iteración.
b) Si una célula viva está rodeada menos de tres o más de tres células vivas,
esta morirá.
c) Si una célula muerta está rodeada por tres, y sólo tres células vivas, la célula
muerta será reemplazada por una viva.
Estas reglas se aplican en tiempos discretos. El equivalente a una iteración en
los cálculos del sistema.
La figura 8.2 muestra el caso de cinco células vivas.
1 2
3 4 4
t t+1
Dos iteraciones aplicando las reglas arriba indicadas

Fig. 8.2
En el instante t, la número 1 está rodeada por sólo una célula viva, por lo que
en la siguiente iteración, morirá; la célula 2 está rodeada de dos vivas, por lo
que en la iteración siguiente también morirá; la 3 está rodeada de cuatro vivas,
por lo que morirá; la 4 lo está por tres, luego sobrevivirá. La 5 está rodeada
de dos vivas, por lo tanto no persistirá. La célula entre 1 y 2, adquirirá vida.
La célula muerta, rodeada por las 3, 4 y 5, adquirirá vida igual que la que está
a la derecha de la número 4. Las reglas se aplican simultáneamente. Por lo
tanto el resultado en el momento t+1 y de acuerdo con las reglas indicadas
es el esquema que aparece al lado derecho de la figura 8.2. Existe software de
disposición libre en la red que facilita la simulación.
263
Este juego posee una estructura lógica capaz de generar un complejidad similar
a la de los organismos vivos. De ahí su importancia y transcendencia.
Otro autómata celular muy interesante es el de los “Boids” (bird-oid object:
objeto "pajaroide") de Craigh Reynolds.
Refiriéndose a las redes sociales, Billari et al. Comentan:
La dinámica de estas redes sociales es un proceso indeterminado, casi
aleatorio. Con un autómata celular este comportamiento puede ser desa-
rrollado así: se sitúan los actores en la cuadrícula y se les da ciertas reglas
sobre cuándo y hacia dónde moverse, lo cual permite que un proceso au-
toorganizado evolucione de tal manera que los actores de cierto tipo
(aquellos que tienen dotaciones similares) tiendan a agruparse (P. 29).
El lenguaje de programación Netlogo es un lenguaje especialmente diseñado

para desarrollar modelos complejos con estos autómatas. También es de libre
disposición.
8.3 Teoría de Grafos

En el pensamiento en redes, el foco de atención se centra en las relaciones de
las entidades, más que en las entidades mismas.
Desde el punto de vista de la red, la complejidad de un sistema parece surgir
de la complejidad de las interacciones de sus partes. Como hace notar M.
Mitchel (Op. Cit. pg. 250), el número de genes que posee el ser humano y las
plantas de mostaza son aproximadamente iguales: unos 25.000. Sin embargo,
estos dos seres vivientes tienen comportamientos asombrosamente diferentes.
Esta autora cita varios ejemplos en los cuales este tipo de enfoque de la com-
plejidad empieza a dar interesantes resultados:
• ¿Por qué el lapso de vida de un organismo es función de su tamaño?
• ¿Por qué los rumores, chistes y “mitos urbanos” se extienden tan rápida-
mente?
• ¿Por qué sistemas grandes, complejos, tales como las redes de potencia
eléctrica y el internet son tan fuertes en algunas circunstancias y tan sus-
ceptibles a grandes fallas en otras?
264
• ¿Qué tipos de eventos pueden causar que una comunidad ecológica estable
pueda, de pronto, desmoronarse?
Desde el punto de vista matemático el concepto de red se estudia mediante la
teoría de grafos117. Un grafo es un par ordenado G = (V, E) en donde:
• V es un conjunto de vértices o nodos, generalmente finito y
• E es un conjunto de aristas o arcos que relacionan o conectan estos nodos.
Un enlace eij conecta los vértices vi y vj. La vecindad de vértices N para un
vértice vi se define como:
Ni = { vj }: eij ∈ E ∨ eji ∈ E.
Un grafo no dirigido es un grafo en el cual sus aristas no tienen una dirección
específica, es decir, conecta en ambas direcciones. Un grafo dirigido posee
aristas que conectan a dos nodos en una dirección determinada. La figura 8.3
ilustra ambos tipos de grafos.
a b a b
Grafo no dirigido Grafo dirigido

Fig. 8.3
El grado ki de un vértice i es el número de vértices enlazados con él (número
de aristas incidentes al vértice): ki = |Ni|.
Un grafo es conexo si existe al menos un camino entre cada par de nodos. Se
entiende por camino una sucesión de aristas, en la cual la arista siguiente tiene
su origen en el nodo final de la arista que la precede.
Grafos regulares: es aquel en el cual todos los nodos tiene el mismo grado.
Para fijar ideas, consideremos el siguiente grafo no dirigido (ver figura 8.4).
V = {v1, v2, v3, v4, v5, v6}; E = {1-2, 1-3, 2-4, 2-5, 4-6, 5-6}; e24: 2-4.
N2 = { v1, v4, v5}, N6 = { v4, v5}; k1 = k2 = … k6 = k = 2.
117. Ideas extractadas de Watts Duncan, 1999, y de Yufeng Wang and Jianhua Ma,
2014.
265
2 5
1
6
3
4
Grafo no dirigido de 6 nodos y 7 aristas

Fig. 8.4
Caminos de v1 a v6: 1–2–5–6, 1–2–6, 1–2–4–6, 1–3–4–6, 1–3–4–2–5–6.
Este grafo es conexo. Se puede ir de cualquier nodo a cualquier otro nodo.
El total de conexiones entre n nodos de un grafo no dirigido es n(n–1)/2.
La longitud de un camino es el número de aristas que contiene.
La distancia entre dos nodos vi,vj (d(vi,vj)) es la longitud del camino menor que
une a ambos nodos. Si no existe un camino entre ambos nodos su distancia
es infinita.
En la gráfica 8.4 tenemos que la longitud del camino 1–2–5–6 es de 3 y la del
camino 1–3– 4– 2–5–6 es de 5. La distancia entre los nodos 1 y 6 es: d(1,6) = 3.
El diámetro G de un grafo se define como:
𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
𝐺𝐺 = max 𝑑𝑑(𝑣𝑣𝑖𝑖 , 𝑣𝑣𝑗𝑗 ) (8.1)
𝑣𝑣 ,𝑣𝑣𝑖𝑖 𝑗𝑗
En otras palabras, es la mayor distancia entre dos nodos del grafo. En la figura
8.4 el diámetro del grafo es igual a 5.
Se denomina longitud del camino característico de una red regular, L, al
promedio de todas las distancias que posee dicha red. En otras palabras L es
el número de aristas en la ruta más corta entre dos nodos, promediada con
respecto a todos los pares de nodos.
Para el caso de la figura 8.4 tendremos:
266
L = [(1 + 1 + 2 + 2 + 2)1 + (1 + 2 + 1 + 1 + 1)2 + (1 + 2 + 1 + 3 + 2)3 + (2 + 1 +

1 + 2 + 1)4 + (2 + 1 + 3 + 2 + 1)5 + (2 + 1 + 2 + 1 + 1)6 ] = 46/(5×5)= 1.84 (Cfr.
fig. A.8.1 para un ejemplo en detalle).
Los subíndices indican los cálculos de cada nodo. Para el nodo 1 los datos de
las distancias son: 1-2: 1, 1-3: 1, 1-4: 2, 1-5: 2, 1-6: 2.
El coeficiente de agrupamiento (Ci) de un nodo vi, mide cuántos nodos de los
relacionados con él están relacionados entre sí. Se define como el cociente del
número de aristas actuales entre vecinos dividido por el total de aristas posibles
entre tales vecinos. Ci refleja cuántos de los amigos de vi son amigos entre sí:.
En otras palabras Ci mide el grado de “camaradería” de un círculo típico de
amigos. El promedio de tales valores da el grado de agrupamiento del grafo.
En el grafo 8.4 tenemos que C1 = 0 ya que su dos nodos vecinos 2 y 3 no están
conectados entre sí. C4= 0 ya que de sus tres nodos vecinos (3, 2, 6) tampoco
están conectados entre sí.
En los grafos dirigidos se diferencia entre grado de entrada (g-) y grado de
salida (g+), según el número de aristas que entren o salgan del mismo.
A las comunidades que son resultado de interacciones fuertes entre sí se les
llama grupos (clusters). Los nodos de grado alto se denominan hubs.
Un grafo aleatorio es aquel en el cual los nodos se conectan por aristas que
tienen una probabilidad p de ser conectados.
Definida inicialmente como una distribución binomial al número de aristas,
cuando el grafo crece en el número de nodos, la probabilidad de que un vértice
tenga un grado k sigue una ley de Poisson (Erdös):
𝑛𝑛 𝑘𝑘 𝑛𝑛−𝑘𝑘
𝑧𝑧 𝑘𝑘 𝑒𝑒 −𝑧𝑧
𝑝𝑝 =
(8.2)
𝑘𝑘 ( ) 𝑝𝑝 (1 − 𝑝𝑝) ≈
𝑘𝑘 𝑘𝑘!
El coeficiente de agrupamiento de un grafo aleatorio es:
Caleatorio = p = ϰ/n, ϰ = pn (8.3)
Las redes del mundo real (redes neuronales, redes sociales, la webb…) tienden
a poseer un valor de C correspondiente a una red regular, pero el valor de L
es similar a la del aleatorio.
267
Una propiedad de ciertas redes es la distribución de sus grados. Si se grafica el

número de nodos contra su grado (o un rango dado), el resultado es una gráfica
en la cual el número de nodos con pocos grados es mayor que el número de
nodos con mayor grado. La figura 8.5 ilustra la idea general.
Número
de nodos
3
2
1
Grado
0 1 2 3 . .
n
Distribución de los grados de una red con respecto al
número de nodos que ella tiene
Fig. 8.5
Como puede verse, hay muchos nodos con pocos grados y pocos nodos con
grados altos. Así, en la red (internet), hay muy pocos sitios Web populares
que reúnan muchos otros sitios de la red (como lo es Google) y muchos con
pocos grados, “Web sites” que nunca hemos oído nombrar. Es evidente que
un gráfico como el indicado no puede ser fruto del azar. En caso tal, trataría
de presentar una distribución uniforme entre “grado” y “número de nodos”.
Este ha sido uno de los descubrimientos más importantes de la ciencia de las
redes (Network Science). La gran mayoría de las redes naturales, sociales y
tecnológicas que están siendo estudiadas siguen este patrón. El porqué esto
es así es el gran reto de este nuevo campo de estudio. Es la fragmentación, a
la que hicimos referencia anteriormente. Nótese que aunque los individuos
tienen objetivos propios, estos no afectan el comportamiento general aquí
subrayado. Esta es una importante ley de la complejidad: la ley 1/f, ley del
ruido o ley de la potencia.
268
8.3.1 La ley 1/f n

Tomaremos algunas ideas de Gribbin (2007). ¿Con qué frecuencia se produ-
cen terremotos de diferentes magnitudes? Muchos creen que después de un
terremoto de alta magnitud, sólo podrán presentarse terremotos de menor
magnitud, ya que aquél libera tanta energía que el próximo terremoto que le siga
tendrá poca energía para liberar (ha transcurrido poco tiempo de acumulación
de energía). Las primeras personas que realizaron un estudio estadístico de la
frecuencia de los terremotos y sus intensidades fueron Charles Richter (1900-
1985) y Beno Gutenberg (1889-1960) quienes crearon la escala que se conoce
como la Escala Richter. Esta escala es logarítmica. Un aumento de una unidad
en la escala corresponde a un aumento de la cantidad de energía liberada de
un orden de 30 veces. Un terremoto de magnitud 2 es 30 veces más potente
que uno de magnitud 1, y uno de magnitud 3, es 30 veces más potente que
uno de magnitud 2 y, por lo tanto, 900 veces más que uno de magnitud 1. En
un gráfico determinaron el número de terremotos que se habían presentado,
de acuerdo a su magnitud, en el rango [5; 5.5), luego en el rango [5.5; 6.0)
y así sucesivamente. La tabla de la figura 8.6 fue adaptada de una publicada
en Wikipedia.
Magnitud Frecuencia/año Magnitud

Richter intermedia
[1-2) 2.880.000 1,5
[2-3.0) 360.000 2,5
[3,0-4,0) 49.000 3,5
[4,0-5,0) 6.200 4,5
[5,0-6,0) 800 5,5
[6,0-7,0) 120 6,5
[7,0-8,0) 18 7,5
[8,0-9,0) 1 8,5
[9,0-10) 0,05 9,5
Terremotos y su frecuencia
Figura 8.6
269
En la figura 8.7 se indica la gráfica correspondiente a la frecuencia de los

terremotos (eje vertical) y la magnitud de cada intervalo de frecuencia (eje
horizontal). Sigue el patrón de la figura 8.5.
3.000.000
2.500.000
Frecuencia anual
2.000.000
1.500.000
1.000.000
500.000
0
1 2 3 4 5 6 7
Magnitud
Terremotos: magnitud y frecuencia. Ley exponencial

Fig. 8.7
Cuando estos datos se expresan en una gráfica log-log, se tiende a una línea
recta. En términos matemáticos, la probabilidad de que un terremoto tenga
una magnitud M es proporcional a 1/Mn (ver figura 8.8). Ocurren mucho más
terremotos de pequeña magnitud, que terremotos de gran magnitud.
Esto explica la resiliencia de las redes del tipo que estamos estudiando: dado
que son muchos más los nodos que son de grado bajo, la probabilidad de que
ocurra un daño en estos nodos es mucho mayor que la probabilidad de que
ocurra en nodos de alto nivel de agrupamiento.
Otra característica importante es la siguiente: si se analizan los terremotos
en una parte de este rango, por ejemplo, en el rango [5; 5.5) y se hacen varias
subdivisiones, las frecuencias y sus magnitudes respectivas siguen la misma ley.
Esto es lo que se conoce como la propiedad de invariancia en la escala (scale
free). En otras palabras, es un fenómeno fractal. También los fractales son
independientes de la escala. Así, las líneas costeras estudiadas bajo la teoría
270
8,000
7,000
6,000
Log(frecuencia) 5,000
4,000
3,000
2,000
1,000
0,000
0,000 0,200 0,400 0,600 0,800 1,000
Log(magnitud)
Tendencia lineal del gráfico log.-log.

Fig. 8.8
de los fractales son de escala invariante. Esto significa, desde el punto de vista
de los terremotos, que en la práctica no hay diferencias esenciales entre un
gran terremoto y otro pequeño, salvo por su intensidad. Dicho de otra forma,
tanto los terremotos grandes como los pequeños se producen aleatoriamente,
pero con frecuencias diferentes.
Existe la misma probabilidad de que, en cualquier momento, se presente un
terremoto grande o uno pequeño y no depende de la magnitud del terremoto
que lo haya precedido.
En esencia esta ley nos dice que la frecuencia con que ocurre cierto tipo de
sucesos es proporcional al inverso de una potencia de su magnitud. Otra forma
de expresarla es decir que la magnitud de un acontecimiento es proporcional al
inverso de alguna potencia de su frecuencia. Esto es lo que se conoce como la
ley de "ruido 1 por f n ", y se escribe 1/f n. La potencia puede variar de un caso a
otro, pero la ley es bastante general. Decir que un fenómeno se comporta según
una ley de potencia y decir que sigue la ley de ruido 1/f, son dos afirmaciones
sinónimas. Su nombre viene de los ruidos que afectan aleatoriamente una señal
eléctrica dificultando su medida.
Cuando una señal no deseada se superpone a una señal que consideramos útil,
denominamos ruido a la primera señal. Por lo tanto, decidir qué es ruido es un
asunto subjetivo. Lo que puede ser ruido para alguien puede ser una señal útil
271
para otro. Los ruidos se asimilan a “parpadeos” en la señal que pueden ser de
pulsaciones muy rápidas o muy lentas. Cuando estos parpadeos se representan
en un gráfico en el cual el eje x es el tiempo, la gráfica es del tipo de “dientes
de sierra” típica de un fenómeno aleatorio (ver figura 8.9).
1,2
0,8
Parpadeo
0,6
0,4
0,2
0
0 5 10 15 20
Tiempo
Comportamiento aleatorio
Fig. 8.9
Según esta ley exponencial, con respecto a su repetibilidad podemos decir
que por cada 1.000 terremotos de magnitud 4 hay aproximadamente 100 de
magnitud 5, 10 de magnitud 6 y así sucesivamente.
El ruido completamente aleatorio se denomina ruido blanco. En este caso
decimos que no existe ningún patrón en su repetibilidad. El caso extremo es
una señal con una sola frecuencia. Si pensamos en términos de sonidos, estos
dos extremos son poco agradables al oído: una "melodía", mezcla de sonidos
sin ningún patrón (un gran ruido), o una melodía monótona. Entre ellos exis-
ten varias opciones las cuales reciben una denominación basada en colores.
El ruido rosa es uno bastante agradable a nuestro oído: es un ruido 1/f 2. El
sonido de la música tiene esta estructura así como el de las palabras habladas.
Aunque se observa una tendencia a exagerar la aplicabilidad de esta ley, existen
varios campos del saber, aparte de los ya citados, en donde se ha encontrado
que esta estructura existe:
272
• La evolución de los seres vivientes en nuestro planeta, y particularmente

la extinción de especies, seguiría esta ley. La evolución toma su tiempo
pero los registros fósiles muestran cambios fuertes en lapsos de tiempo
relativamente cortos.
• El tamaño de las ciudades en cuanto al número de sus habitantes.
• El ingreso económico de las personas, inicialmente estudiado por Pareto.
• Los fuegos forestales.
• Todos los fenómenos descritos por la teoría de los fractales.
8.3.2 Las ideas de Kauffman

Los primeros estudios de Kauffman están relacionados con lo que podríamos
denominar “El juego de los botones”. Imaginémonos un gran número de bo-
tones repartidos en el suelo sin ninguna relación entre sí. Tomemos ahora dos
botones cualesquiera al azar y unámoslos mediante un hilo. Repitamos esta
operación muchas veces. Al principio la mayoría de los botones estarán sin
ninguna conexión y unos cuantos sí. Si encontramos que el hilo que ha sido
atado a un botón, también lo está a otro que hemos escogido aleatoriamente,
buscamos otro al azar y los conectamos. El botón puede atarse a sí mismo
(Kauffman, 1995).
Para explicar este experimento supongamos que tenemos 20 botones nume-
rados para su identificación. Podemos, con números aleatorios entre 1 y 20
empezar a realizar las conexiones. Llamaremos “bordes” a los hilos que unen
los botones dos a dos, y “nodos” a los botones. En cada iteración (creación de
una conexión entre dos nodos) se calcula la relación Bordes/Nodos. El grado
de complejidad del sistema se mide por el número de “racimos” que se forman.
Un racimo es simplemente el conjunto de botones que resulta cuando toma-
mos un hilo y halamos hacia arriba. El grado de complejidad será el número
de botones del racimo más grande. Es evidente que el tamaño del racimo más
grande crece lentamente y es aproximadamente lineal. Si la red tiene muchos
botones, al principio hay muy poca oportunidad que una nueva conexión entre
dos botones añada botones al racimo más grande. Pero algo extraordinario
sucede. Cuando el número de hilos se acerca y sobrepasa la mitad del número
total de botones, el tamaño del racimo más grande aumenta exponencialmente.
273
Racimos más pequeños son conectados al racimo mayor. Rápidamente se forma

un racimo único de tamaño extraordinario. Pero en muy corto tiempo (pocas
iteraciones después) la tasa de crecimiento del racimo decrece sensiblemente.
El sistema llega a un tope en su complejidad. Pasa de un estado monótono
(muchos botones, pocas conexiones entre ellos) a un estado más estructurado
pero con poca posibilidad de cambio. Se habla de una transición de fases. La
pendiente de esta transición depende del número de botones: a mayor número,
más empinada es la pendiente, más abrupta es la transición de fases. La gráfica
de la figura 8.10 explica el proceso descrito.
Tamaño del racimo

más grande
0 0.5 1.0 1.5

Hilos/Botones
Tendencia del sistema a un límite de complejidad

Fig. 8.10
La complejidad resulta de un sistema muy sencillo con pocas reglas simples y
con interacciones regidas por el azar.
Con este modelo Kauffman trataba de responder a la gran pregunta: ¿Cómo
es que la vida puede surgir de la materia inanimada? Él relacionó este estudio
con los procesos catalíticos que tienen lugar en la reacción BZ (Belouzov-
Zhabotinsky).
En un apretado resumen, se trata de reacciones químicas que en lugar de tender
a un estado de equilibrio, se mantienen en ciclos repetitivos entre dos estados
diferentes, violando, aparentemente, la segunda ley de la termodinámica. El
sistema se autoorganiza. Se puede imaginar que una sustancia química A ca-
274
taliza la formación de otra sustancia química B que también es catalítica. A su

vez esta sustancia fomenta la formación de D y así sucesivamente.
Si en este caldo primordial hay una gran variedad de tales sustancias puede
ocurrir que conectándose al azar, una de las sustancias formadas catalice
la formación de A creándose un lazo de retroalimentación que genera más
producción de sustancias. También podría ocurrir que una misma sustancia
catalice la formación de más de una. La energía extra para tales procesos la
puede suministrar la energía del sol o las chimeneas volcánicas. Kauffman dice
que de esta forma es como surge la vida: transiciones de fase en un sistema
químico con suficientes conexiones. Lo notorio es que el surgimiento es un
asunto de todo o nada. Si hay suficientes conexiones, la vida será inevitable; en
caso contrario no habrá tal posibilidad. No hay estados intermedios. Eviden-
temente es una conjetura que de hecho ha sido discutida a favor y en contra.
Citemos a Kauffman (Op. Cit. p. 31):
La intuición que deseo que Uds. tengan de este juego es sencilla: a medida
que la relación hilos sobre botones crece, repentinamente el número de
botones conectados es tan grande que se forma una enorme telaraña de
botones. Esta componente gigantesca no es misteriosa: emerge natural-
mente como una propiedad de una red aleatoria. La analogía con la teoría
del origen de la vida se da cuando un gran número de reacciones son ca-
talizadas en un sistema de reacciones químicas y una enorme red de reac-
ciones catalíticas repentinamente cristaliza. Tal red, a su turno, es segura-
mente autocatalítica y casi con certeza, auto-sostenida, viva”.
Autocatalítico significa que en un conjunto de moléculas que interactúan

como catalizadores para generar reacciones químicas, algunas de ellas pueden
que desempeñen un papel dual: el de catalizador y el de un producto de las
reacciones que genera dicho catalizador.
Para comprender un poco más las ideas aquí expresadas, Maturana y Varela
(2003, p. 28-) indican que sólo aquellas moléculas que pudieran generar mem-
branas “estables y plásticas” que permitieran separarse del ambiente que las
rodeaba y que a su vez permitieran cierta interrelación con el mismo mediante
el transporte de iones de sodio y calcio, serían las únicas capaces de generar el
fenómeno de la vida. Tal es el caso de las proteínas. Gracias a estas membranas
las moléculas pudieron reproducirse a sí mismas mediante redes de reacciones:
se crea una organización autopoíetica. Podríamos decir que estas células son
275
un sistema cerrado desde el punto de vista de la organización, pero abierto con

respecto a la energía. Maturana llama a esto la clausura operativa.
En cuanto a los aspectos genéticos, especialmente el surgimiento del orden,
Kauffman ha experimentado con las llamadas redes aleatorias boleanas (Ran-
dom Bolean Networks) que son una extensión de los autómatas celulares.
Tales redes constan de un conjunto de nodos y conexiones entre ellos. En cada
intervalo de tiempo dado (el tiempo se considera discreto, dividido en inter-
valos iguales) la red se actualiza: cada nodo se encuentra en uno, y sólo uno
de dos estados: “prendido” (on) o “apagado” (off) (de allí la denominación de
red boleana, es decir, red binaria formada sólo por ceros y unos). Los nodos
se conectan entre sí en forma aleatoria. Puede o no ocurrir, que si un nodo A
se conecta con B, este a su vez se conecte con A.
El grado de un nodo de un grafo dirigido se define como el número de cone-
xiones que le llegan, tanto de otros nodos como de sí mismo. Si este número
es igual para cualquier nodo de la red le daremos el valor K.
La red se construye de la siguiente manera: para cada nodo se crean conexio-
nes de K grados de entrada a partir de otros nodos, incluso consigo mismo,
en forma aleatoria, y se crea una regla. Los estados iniciales “0”, “1” se definen
al azar. En el instante siguiente, cada nodo transmite a los demás el estado en
que se encuentra, y se aplica la regla escogida para cada uno. Él también estará
influido por los estados de los otros nodos (ver parte izquierda de la figura
8.11 para t =0). Esta red es del tipo K = 2.
5 2 5 2
1 1
3 3
4 4
t=0 t=1
Red aleatoria boleana con cinco nodos. K = 2

Fig. 8.11
Realicemos una pequeña simulación con este ejemplo.
276
Indicaremos por “Apagado” el valor “0” y el círculo aparecerá con relleno de

color gris. El valor de “1” significará que el nodo está “encendido” (nodo sin
relleno). La regla para el comportamiento en el instante siguiente depende de
los estados de los dos nodos que la afectan.
Para nuestro ejemplo tenemos la tabla de la figura 8.12. Por ejemplo, en el
nodo 1, si ambas entradas están apagadas, el nodo se encenderá en el instante
siguiente; de lo contrario, se apagará. En el nodo 2, si ambas entradas están
encendidas, en el instante siguiente el nodo deberá estar apagado; de lo contra-
rio se encenderá. En el nodo 3, si una de las entradas está encendida y la otra
apagada, pero no ambas, el nodo se apagará; en cualquier otro caso el nodo
deberá estar encendido. En el nodo 4, si por lo menos una de las entradas está
encendida,el nodo se apagará; de lo contrario se encenderá. Para el nodo 5 éste
se encenderá si ambas entradas están apagadas; de lo contrario, deberá estar
apagado. Con estas reglas el estado del sistema en el instante siguiente (t = 1)
es el que aparece a la derecha de la figura 8.11.
Nodo Entrada Entrada Estado del nodo

1 0 0 1
2 1 1 0
1 0
3 0
0 1
1 0
4 0 1 0
1 1
5 0 0 1
Reglas de interrelación entre los nodos

Fig. 8.12
Es interesante resaltar que en este autómata celular las reglas pueden ser
diferentes para cada nodo (célula) a diferencia de “El juego de la vida”. Por
otra parte, en “El juego de la vida” la influencia es de los nodos vecinos; en
Kauffman, de los nodos conectados.
277
Este investigador y su equipo comenzaron a “experimentar” con este tipo

de redes dando valores diferentes al parámetro K y considerando diferente
número de nodos. Se observó que las redes podían tender a un estado único,
a estados oscilatorios (se repetía un patrón en ciclos constantes de tiempo) o
terminarían en caos. Kauffman comenta (Op. Cit. p. 44):
La mayoría de las redes Boleanas son caóticas, faltas de gracia ante peque-
ñas mutaciones. Incluso redes con pocos N y K = 4 o K = 5, muestran
comportamientos impredecibles, caóticos, similares a los observados en
redes K = N.
¿Dónde comienza el orden? El orden surge repentina y sorpresivamente
en redes K = 2. Para estas redes formales, la longitud de los ciclos no es la
raíz cuadrada del número de estados sino, en forma aproximada, la raíz
cuadrada del número de variables binarias. Hagamos una pausa e inter-
pretemos esto lo más claramente posible. Imaginémonos una red Boleana
aleatoria con N = 100.000 bombillas, cada una con K = 2 entradas. El
“diagrama del alambrado” sería una red impenetrable. A cada bombilla se
le ha asignado una función Boleana aleatoria. La lógica, por lo tanto, será
igualmente un inmenso enredo. El sistema tiene 2100.000 o 1030.000 −megapar-
secs de posibilidades− ¿y qué ocurre? Esta inmensa red se asienta y cicla
alrededor de la raíz cuadrada de 100.000 estados: solamente 317.
Espero que esto les mueva la silla. Yo no me he recuperado desde que lo
descubrí hace tres décadas. Aquí tenemos, y perdónenme, un orden pas-
moso. A una millonésima de segundo por transición de estado, una red,
ensamblada aleatoriamente, sin ninguna guía inteligente, efectuará ciclos
a través de su atractor en una 317-millonésima de segundo. Esto es muchí-
simo menos que billones de veces la historia del universo. Para considerar
esto desde otra perspectiva, podríamos preguntarnos qué tan pequeña es
la fracción a la que se reduce el espacio de estado de la red. Simplemente
317 estados comparados con el total de estados. Una pequeñísima propor-
ción, ¡aproximadamente 1 dividido por 1029998!
En estas redes pequeñas alteraciones no producen grandes cambios pero sí

pueden generar cambios moderados. Ellas no son muy ordenadas. Tampoco
están “congeladas” como en el caso K = 1. Ellas pueden tener comportamientos
complejos.
Existen maneras para lograr que redes con K mayores que 2 puedan mostrar
orden. El lector interesado podrá consultar a fondo la bibliografía indicada.
278
Uno de los resultados importantes de este tipo de investigación es el hecho

de que en redes de muchos elementos existen atajos, interconexiones entre
elementos muy distantes que reducen sensiblemente la complejidad de la
interconexión permitiendo que toda la red esté prácticamente comunicada
con un número relativamente poco de interconexiones. De esta manera, redes
altamente complejas pueden comprenderse como si fueran “mundos pequeños”
(Small Worlds).
Muchos de los modelos citados, y otros de los que siguen, pueden ser simulados
utilizando NetLogo.
8.3.3 Mundos pequeños (Small Worlds)

De alguna manera todos hemos tenido la experiencia de conocer a alguien
que se encuentra lejos de nosotros y que ha sido mencionado por una perso-
na con la cual estamos hablando. Ante esta coincidencia, es común escuchar
la frase: “el mundo es un pañuelo”. ¿Será una simple coincidencia o habrá
detrás de estas situaciones algo profundo, inherente a las relaciones humanas
en nuestro planeta? Haremos que Mark Buchanan (2002), nos lleve por este
interesante mundo.
En 1950, un psicólogo de la Universidad de Harvard, Stanley Milgram, quiso
responder a esta pregunta tratando de determinar cuántas conexiones (cono-
cidos entre sí, dos a dos) serían necesarias para relacionar dos personas cua-
lesquiera en los Estados Unidos. El primer experimento de Milgram se llevó
a cabo entre Kansas y Nebraska: se trataba de hacer llegar una carta dirigida
a alguien desconocido por el remitente, uno de ellos escogido en Omaha o
Wichita, y el otro en Boston, pero sólo a través de intermediarios conocidos
entre sí. El resultado fue absolutamente sorprendente: el número promedio
de intermediarios entre dos personas que debían contactarse (y que no se
conocían entre sí) fue de 5. La regla surgió rápidamente: las personas, en el
planeta, están unidas por “seis grados de separación”. Experimentos posteriores
demostraron que en el estudio de Milgram había elementos que no fueron
tomados en cuenta; estaba sesgado. Así, muchas de las cartas enviadas inicial-
mente no fueron recibidas por la persona objetivo (en uno de los primeros
experimentos 236 de 292 cartas fueron interrumpidas durante el proceso) y en
otros experimentos, el número de intermediarios fue superior a cinco. Pero la
279
regla se ha convertido en parte de nuestra cultura urbana. Es la que distingue

a las llamadas redes sociales. Un análisis más detallado sobre el experimento
puede leerse en J. Kleinfeld (2002).
Dos investigadores, Duncan Watts estudiante en aquel entonces y Steve Stro-
gatz su tutor de doctorado de Cornell University, habían estado estudiando
cierto tipo de comportamientos que podría ser descrito mediante la teoría de
grafos. En los últimos años (1990-) físicos, biólogos y otros hombres de ciencia
habían encontrado conexiones inesperadas entre aspectos del comportamiento
humano con otros fenómenos similares que no tienen ninguna relación apa-
rente con ellos: de la célula viviente a los ecosistemas; de la internet al cerebro
humano. ¿Somos, acaso, robots predeterminados de leyes matemáticas? ¿Ha-
bremos perdido nuestra libertad, nuestro libre albedrío? Lo que ocurre es que
muchas complejidades inherentes a las sociedades humanas tienen poco que
ver con la compleja psicología de los humanos; de hecho, muchos patrones
similares se observan en otros fenómenos que no tiene nada que ver con la
posesión de consciencia.
En un laborioso proceso investigativo que reúne a científicos como Hyugens,
Erdös, Granovetter entre otros, Watts y Strogatz desarrollaron un tipo de grafo
que se caracterizaba por ser altamente interconectado pero que a su vez pre-
sentaba ciertos aspectos aleatorios: estaban entre el orden y el azar.
Uno de los problemas más retadores de la teoría de grafos es el siguiente: ¿Cómo
conectar todos los puntos de un grafo de tal manera que queden completa-
mente conectados utilizando el menor número de conexiones? Es un problema
importante. ¿Cómo establecer una ruta de ventas en diferentes ciudades, con
el menor recorrido posible, y que las cubra a todas? O ¿cuál es la distribución
de tubos-madre del acueducto de una ciudad, para que todas las casas queden
con servicio de agua potable, al menor costo posible?
Para el caso de seis mil millones de habitantes del planeta (6×109) conectados
al azar, según lo que indicamos en el numeral 8.2, Erdös nos dice que si esta
red aleatoria tiene un número de aristas > 6×109/ln(6×109) = 266.488.708, el
grafo será conexo, número inmensamente inferior al total de aristas posibles:
(6×109)2/2.
Por otra parte, los grafos ordenados permiten llegar de un nodo a cualquier
otro. El asunto es que toman caminos largos para ciertos nodos, alejados entre
sí. Los grafos totalmente aleatorios, como acabamos de ver, permiten atajos
280
que minimizan tales recorridos, pero les toma un tiempo estar altamente
interconectados.
Si dibujamos los seis mil millones de habitantes del planeta con seis mil mi-
llones de puntos en una hoja de papel suficientemente grande, y escogemos
un punto para comenzar, conectando este punto con otros 50 diferentes, y
a su vez cada uno de estos con otros 50 puntos, rápidamente vemos que, al
cabo de seis operaciones de estas habremos conectados 50×50×50×50×50×50
= 15.625.000.000 puntos (habitantes): ¡el doble de la población mundial! Po-
dríamos decir, entonces, que el misterio está resuelto. Pero la situación real
no es tan sencilla.
En las redes sociales, éstas presentan una característica: la formación de gru-
pos de personas que se conocen entre sí (relaciones familiares, de amistad o
un simple “hola” cotidiano). Si la red social fuera completamente de este tipo,
llegar a sitios lejanos mediante intermediarios conocidos tardaría mucho más
que los seis grados que halló Milgram. De hecho, si cada uno de nosotros
tuviera 50 conocidos y volviéramos a nuestra hoja, conectaríamos cada nodo,
con 50 nodos vecinos. Ahora la estructura es ordenada y por lo tanto alcanzar
un grupo opuesto, en pasos de 50 o 100 conexiones necesitaría millones de
pasos. Para llegar al extremo más lejano de la mitad del recorrido (recorde-
mos que por ser la tierra esférica, el punto más alejado está a la mitad de la
circunferencia), necesitaríamos 3×109/50 = 60×106 intermediarios. Como se
ve, es “menos eficiente” que la aleatoria.
Parecería que una red social se encuentra entre una ordenada y una aleatoria
pues está altamente interconectada y se requieren pocos pasos para conectar
a cualquier par de personas que la forman. Nuestros investigadores hallaron
tal tipo de red y la denominaron “redes de mundos pequeños” (Small Worlds
networks). Existen subredes altamente agrupadas (es la parte ordenada del
grafo), pero también estas subredes tienden conexiones "al azar", conexiones
que rompen la homogeneidad del grupo y se conectan con otras redes lejanas
(es su parte aleatoria).
Quedaría todavía una duda. Si bien la interconexión se puede asegurar conec-
tando al azar nodos entre sí hasta garantizar que cada uno tiene 50 de los otros
nodos conectados, ¿no podría ser que, en casos de nodos remotos, la cadena
total tuviera 50, 100, 1000 o más conectores? ¿o caeríamos en el mágico número
seis? Erdös nos dice que esta última opción es la correcta.
281
Para el caso de las redes sociales, como ya lo dijimos, Watts y Strogatz resolvie-
ron este dilema utilizando redes altamente ordenadas a las que se les agregaron
unas cuantas conexiones aleatorias, unos "atajos" que rompen la regularidad de
la red. Son las llamadas "redes de mundos pequeños" (Small Worlds networks).
¿Estamos en un “Pequeño Mundo” como lo han mostrado las redes sociales?
La pregunta se ha extendido más allá. Desde las redes metabólicas y la regu-
lación genética de las células hasta el crecimiento explosivo de internet. El
comportamiento del cerebro, la sincronización de la luz de las luciérnagas, el
contagio de enfermedades, la moda, la bolsa de valores … Esta es la “nueva
Ciencia de las Redes” (networking).
Para profundizar un poco más en el tema se sugiere al lector que consulte el
APÉNDICE literal A.8.1.
8.4. Características básicas de los

sistemas complejos
Cilliers (ver Mitleton-Kelly, 2003, p. 128) hace un resumen de las principales
características de los sistemas complejos:
1) Individualidad. Los sistemas complejos están compuestos por “individuos
autónomos” llamados agentes. Son los elementos que caracterizan al sistema,
que lo estructuran, tales como neuronas, hormigas, vehículos, personas…
2) Interconectividad. Los agentes están interrelacionados por una red de co-
nexiones.
3) Conectividad. Mide el grado de las interacciones (relaciones) entre agentes.
Puede ser: a) Total: todos los agentes están interconectados; b) escasa −pocos
agentes lo están−; c) Intermedia, que es donde se encuentran los estados
al borde del caos.
4) No linealidad. Por un lado, las relaciones causa efecto no son inmediatas ni
proporcionales en el tiempo o en el espacio. Por otra parte, no es posible
mediante relaciones de agregación explicar el comportamiento final de un
sistema.
5) Retroalimentación. Se presenta aún en los sistemas escasamente conectados.
Los lazos positivos tienden a desestabilizar, mientras que los negativos a
282
estabilizar (son los mecanismos de control). Los positivos empujan al sis-

tema al borde del caos.
6) Disipatividad. Los sistemas complejos son disipativos en términos de Prigo-
gine. Necesitan un flujo constante de energía del ambiente para mantener
su complejidad, un estado estable alejado de la posición de equilibrio.
7) Evolución. Los sistemas complejos evolucionan, tienen una historia. No
pueden existir leyes generales que se apliquen en forma independiente de
la evolución específica del sistema y de sus circunstancias. El azar los afecta.
No pueden ser promediados ya que su comportamiento está regido por las
leyes del caos.
8) Localidad. Los agentes ignoran lo que hace el sistema. Reaccionan a la in-
formación local, únicamente.
9) Autoorganización. El resultado final, organizado, surge de las interacciones
autónomas de los agentes. La estructura interna se adapta espontáneamente
a los cambios del ambiente.
10)Coevolución. Dada la interconectividad de los agentes, es imposible que
un cambio en alguno de ellos no afecte al resto del sistema. Cuando estos
cambios puntuales generan lazos positivos, entonces se produce un gran
cambio en el sistema (colapso o resiliencia).
11)Emergencia. Los agentes pueden “anidarse” formando subsistemas (je-
rarquías). Cada vez que esto sucede, ocurre un aumento en el orden del
sistema. Esto se logra gracias a la energía importada del ambiente, como
ya se ha indicado en repetidas oportunidades. Por lo tanto, los sistemas en
equilibrio son incapaces de generar estas “islas de orden”, como las llamaba
Prigogine. Y tales islas pueden ser alcanzadas por diferentes trayectorias,
por lo que la predictibilidad es imposible.
12)Autocatálisis. El orden jerárquico es explicado por Kauffman mediante
reacciones químicas autocatalíticas, siempre y cuando existan una gran
cantidad de moléculas, y sólo como producto del azar. Las soluciones
autocatalíticas son lazos de retroalimentación positiva. Este proceso con-
tinúa hasta lograr un punto de bifurcación: en el sistema surgen elementos
reguladores (disminuye la capacidad catalítica del sistema) y se alcanza un
estado estable, al borde del caos.
283
8.5. Complejidad y sistemas sociales.

Administración
Hemos considerado sistemas que se comportan en forma “egoísta”. No tienen
propósitos comunes. En el caso de la bolsa de valores o de los “trancones” de
tráfico, por ejemplo, cada individuo actúa, en general, de forma individual.
Son los SFC. Estas mismas reglas se han encontrado que se aplican a ciertos
sistemas adaptativos complejos (SAC). ¿Acaso no se podrán aplicar el estudio
de la complejidad de los sistemas de la actividad humana, actividades que,
según nuestra definición, tienen propósitos comunes? ¿No es la administración
un sistema complejo que pueda ser estudiado por esta teoría?
Este texto ha resaltado la forma cómo la Teoría General de Sistemas ha permea-
do el concepto de administración. Sin duda que la ciencia que más ha influido
en este campo del conocimiento es la sociología, sin desconocer los aportes
de la economía y la psicología. Por lo tanto, haremos un rápido recorrido por
los conceptos sociológicos vistos desde la complejidad y que empiezan a tener
importante influencia en el campo de la administración.
Existen una serie de ideas, algunas dispersas, otras francamente en contra-
dicción, que empiezan a surgir en este importante tema. Nos guiaremos por
el trabajo de compilación hecho por E. Mitleton-Kelly (Op. Cit.).
Aquí la definición de complejidad también tiene diversas opciones: comple-
jidad objetiva, complejidad de experiencia subjetiva, complejidad individual.
En cuanto al uso de los conceptos sobre complejidad algunos autores resaltan
su importancia como metáfora, mientras que otros niegan tal uso y consideran
que son conceptos reales, aplicables a lo social. Esto lleva a la consideración
de diferentes dominios epistemológicos118.
Esta autora (p. 24) resume en cinco grandes áreas la investigación sobre la
complejidad: Sistemas adaptativos complejos, estructuras disipativas, autopoie-
sis de Maturana (la visión de Luhmann), Teoría del Caos, retornos crecientes
(que llevan a múltiples puntos de equilibrio, por oposición a la visión clásica
de los retornos decrecientes que tienden a un único estado de equilibrio) y
dependencia de las trayectorias (influencia de la tecnología) de Brian Arthur y
otros economistas. Obviamente en estas áreas se hacen presentes los principios
generales indicados en el numeral 8.4.
118. El lector interesado puede consultar el capítulo 11 del libro de Mitleton-Kelly
Op. Cit.
284
Hemos hecho diferencia entre los sistemas intencionados y los intenciona-

les. Podríamos decir que en el caso de la complejidad vista hasta ahora, los
sistemas son o se comportan como intencionales. Sin embargo, los sistemas
humanos son intencionados y esta característica fundamental debe ser tenida
en cuenta, y la posible “adaptación” de cada uno de los temas arriba indicados
debe incluir tal aspecto.
Es posible encontrar comportamientos sociales que se asemejen a organiza-
ciones de hormigas, sigan la ley 1/f, se comporten según el patrón multitud-
antimultitud o tengan una estructura de red del tipo "mundos pequeños". No
obstante, las propiedades emergentes reproducibles a partir de estos modelos
no tiene la complejidad que ostentan las de los sistemas sociales, integrados
por “agentes” que toman decisiones comunes. Es claro que la emergencia que
surge de los agentes egoístas está supeditada a las reglas que rigen el compor-
tamiento de los mismos y es el resultado de interacciones favorables que han
permitido que el sistema u organismo se adapte al ambiente.
En el caso de los sistemas sociales la situación es diferente. El sistema surge
motivado por los propósitos de algunos (o todos) sus miembros. Por ello
hablaríamos de una “emergencia de tercer orden” distinta a la de segundo
orden que es la distintiva en el párrafo anterior. Esto es lo que diferencia a la
sociología de la etología. No sólo el científico es quien distingue patrones de
acciones colectivas, sino que el agente mismo lo hace, afectando sus propias
acciones. La teoría de la autopoiesis de Maturana y Varela ha sido un soporte
importante de esta emergencia de tercer orden. ¿Sería posible explicar, también
al menos parcialmente, este tipo de emergencia con las teorías aquí expuestas?
Tal vez aquí la observación hecha por Nicolis & Prigogine (en Mitleton-Kelly,
2003, p. 26) adquiere mucho sentido:
Es más natural, o al menos, menos ambiguo, hablar de comportamiento
complejo que de sistema complejo. El estudio de tal comportamiento podrá
revelar ciertas características comunes entre las diferentes clases de sistemas
y nos permitirá acercarnos a una comprensión de la complejidad.
Dicho de otra manera, así como la inteligencia sólo puede ser medida en térmi-
nos de un comportamiento inteligente, la complejidad sólo puede ser medida
en términos de un comportamiento complejo. ¿Una definición operativa?
¿Sugeriría esto hablar de una "Teoría General de Comportamientos Comple-
jos"?
285
El concepto de Capital Social (Bourdieu, Coleman, Putnam...) podría ser de

gran ayuda para armonizar una visión egoísta de los agentes con una de coo-
peración común a un sistema social.
Desde el punto de vista de la economía existen tres tipos de capitales: físico,
humano y social. El primero se refiere a los objetos que poseemos, el segundo
a lo que el individuo puede dar y el tercero aquello que es generado por las
interrelaciones entre los individuos basadas en la reciprocidad y confianza que
se genera en un grupo social en un momento dado.
Estas redes pueden ser formales o informales. Las primeras están compuestas
por miembros oficiales, mientras que las segundas por personas que se reúnen
espontáneamente por simpatía o amistad. Por otra parte, pueden tener estruc-
turas horizontales o verticales. Las horizontales están formadas por personas
de un mismo rango social y de poder, lo que facilita la comunicación pues la
confianza entre los individuos es natural. Las segundas se estructuran me-
diante jerarquías y dependencias. Las verticales difícilmente pueden mantener
confianza y cooperación. Estas dos estructuras son conceptos ideales. En la
realidad las redes que se forman son un intermedio entre estas dos. Entre más
densa la red, mayor cooperación existirá ya que un comportamiento egoísta
va en contra de las ventajas colectivas. Es en este punto en el cual las reglas de
comportamiento que rijan a la red (formada por elementos egoístas) deben
corresponder a un egoísmo altruista119 (normas de reciprocidad, equidad en
la repartición de los bienes pero no necesariamente de manera inmediata) o
de lo contrario serían objetadas y la red no se formaría (Julia Häuberer, 2011).
¿Acaso no es esto un acercamiento a las redes de pequeño mundo? Por lo menos
nos explicaría porqué se forman "camarillas" o hubs.
Otro aspecto que es de importancia en el comportamiento complejo es la
multidimensionalidad: “todas las dimensiones interactúan y se influyen unas
a otras” (Kauffman Op. Cit.p. 27). Estas dimensiones se refieren a aspectos
sociales, culturales, técnicos, económicos y globales para el caso de los sistemas
humanos.
Resumiendo lo visto hasta ahora: en un sistema complejo el comportamiento
inicial puede ser aleatorio, pero la competencia por un recurso escaso produ-
ce un comportamiento que fluctúa menos que cuando es aleatorio. Al existir
ciertas “reglas del juego”, el sistema podría tender a propiedades emergentes
119. Hegel dice que el Hombre histórico es aquel que hace coincidir sus deseos
personales (su egoísmo) con los de una sociedad.
286
de autorregulación; hemos dicho que la retroalimentación es fundamental

para que ésta se dé. Lo sorprendente es que la autorregulación no depende de
la calidad de la información sino de que sea recibida por todos sin ninguna
restricción, incluso si no hay colaboración de ninguna clase.
Con respecto a los sistemas de la actividad humana, si existen propósitos co-
munes entonces las “reglas del juego” tomarán características específicas, de
tal manera que si tales reglas están de acuerdo con los propósitos, el sistema
se podría auto regular para lograrlos. Esto es lo que se conoce como visión
compartida (ver numeral 12.0)
Las anteriores consideraciones tienen como finalidad lograr que el sistema
social se adapte y evolucione creando nuevo orden y coherencia, que son las
características determinantes que definen la complejidad de tales sistemas.
Por otra parte, si los individuos actúan aleatoria o independientemente “es po-
sible lograr un trabajo efectivo como grupo u organización, creando coherencia
en ausencia de diseños preconcebidos” (Mitleton-Kelly Op. Cit. p. 27). Incluso
se pueden generar nuevas formas de trabajo, nuevas estructuras y relaciones
diferentes, en donde las jerarquías pueden ser ignoradas creándose grupos con
intereses comunes no necesariamente acordes con los grandes intereses de la
alta administración. Todo esto está en perfecto acuerdo con los principios de
la complejidad indicados en este capítulo.
Sin bien, como ya se dijo, es posible modelar sistemas sociales complejos en
los cuales patrones comunes a la psicología humana aparecen como resultado
de la estructura y las interrelaciones de la red sin necesidad de recurrir a la
búsqueda de un propósito específico, esto no excluye la existencia de interre-
laciones en las cuales la búsqueda de un propósito juega un papel importante,
como en los sistemas de la actividad humana. Lo que estamos diciendo es que
en la identificación de cada agente, para estos casos, se debería incluir una
variable que tienda a obtener más beneficio cuando exista una tendencia del
agente hacia un “egoísmo altruista” (el logro de un propósito dado) que hacia
un comportamiento completamente egoísta. Si la idea es adquirir el mayor
beneficio posible, este se lograría por la primera opción, no por la segunda.
Estas consideraciones toman gran valor para el caso de las organizaciones,
tema a tratar en el siguiente numeral.
Adaptación y evolución son otras características que se han destacado con
respecto a los sistemas complejos (son conceptos tomados de la biología).
287
Kauffman define la coevolución como “un proceso de paisajes acoplados y

deformados en donde los movimientos de adaptación de cada entidad alteran
los paisajes de sus vecinos” (Kauffman, Op. Cit. p. 29). Otra forma de ver la
coevolución es la evolución que sufre un dominio o entidad que depende par-
cialmente de la evolución de otros dominios o entidades relacionadas. El sistema
afecta y es afectado. La coevolución es una noción afín con el empoderamien-
to: ningún individuo u organización están exentos de poder. La coevolución
implica responsabilidad. Debe existir cierta sensibilidad y preocupación por
los efectos que el sistema pueda ejercer sobre otros sistemas y que sobre él
puedan ejercer tales sistemas.
La adaptación se lleva a cabo en un tiempo relativamente corto, mientras que
la coevolución implica un lapso mayor. La coevolución tiene que ver con el
aprendizaje y la transferencia de información y conocimiento. El ejemplo de
los zapatos dado por Maturana y citado en Mitleton-Kelly (p.31), es excelente
para aclarar todos estos conceptos:
Cuando compramos un par de zapatos, tanto los zapatos nuevos como mis
pies cambian para acomodarse el uno al otro. Ellos coevolucionan. Lo que
observo a un macronivel después de usar los zapatos varias veces y sufrir
de dolor en los pies es posiblemente una coevolución ocurriendo simultá-
neamente, ya que tanto mis pies como los zapatos cambian para acomo-
darse el uno al otro. Pero a un nivel micro de tiempo, en mis pasos minu-
to a minuto, podría muy bien existir una adaptación del uno al otro.
La comprensión de la autoorganización de un sistema, como recordará el

lector, se inicia, en su visión moderna, a partir de las células de Bénard (Cfr.
numeral 6.1.1). Al autoorganizarse este sistema crea orden y estructura en
donde antes no existía, gracias a la importación de energía del ambiente que
aparta cada vez más al sistema de su posición de equilibrio. Recordando que
la estabilidad se puede alcanzar por varios caminos (en la células de Bénard,
girar a la derecha o a la izquierda) esto permite introducir el concepto de di-
mensión histórica, “una especie de ‘memoria’ de un evento pasado que ocurre
en un momento crítico y que afectará su evolución futura” (en Mitleton-Kelly,
p. 32). También se presenta una ruptura de simetría: la homogeneidad de un
orden dado se rompe y emergen nuevos patrones. En el caso de los sistemas
sociales, la “energía” extra cedida por el ambiente es la información. El concep-
to, aunque relacionado con la entropía que a su vez está ligado al concepto de
calor, puede formar parte, teniendo el cuidado necesario, de las explicaciones
288
de los comportamientos complejos de estos sistemas. Aquí es necesario tener

en cuenta nuestra capacidad de decisión.
Se han presentado importantes problemas filosóficos en la aplicación de la
Teoría de la Complejidad a las organizaciones.
Por ejemplo:
• La aplicación de modelos matemáticos y físicos a tales sistemas.
• El uso de metáforas y analogías en lugar de ideas concretas definidas desde
una perspectiva sociológica.
• La confusión que se presenta cuando interactúan sistemas epistemológicos
distintos. Cuando hablemos sobre metodologías indicaremos los propues-
tos por Burrell y Morgan.
8.5.1 Organizaciones
Los sistemas complejos, incluyendo los sociales, se pueden explicar a partir de
las interacciones de los elementos individuales.
Una organización es un sistema social complejo; esta visión le da al adminis-
trador herramientas para crear las condiciones que ayudarán a las organiza-
ciones a adaptarse (coevolucionar) ante un ambiente cambiante, tanto en lo
económico como en el mercadeo.
Algunos autores distinguen entre un “sistema social” y un “agregado de in-
dividuos”. El sistema social implica un grupo de individuos con propósitos
comunes (un sistema intencionado). Esto trae como consecuencia que el sis-
tema social sea autogenerado por las interrelaciones de los roles individuales,
no impuesto por reglas externas. Cuando tales reglas vienen del ambiente, se
hablará entonces de “Instituciones”. En esta visión, la emoción y el amor que
se expresan a través del lenguaje,son las fuerzas primarias que gobiernan al
sistema social. Escuchemos a Maturana a este respecto (2004, p. 90):
El decir que lo emocional tiene que ver en nosotros con lo animal, cierta-
mente no es novedoso; lo que yo agrego, sin embargo, es que la existencia
humana se realiza en el lenguaje y lo racional, desde lo emocional. […]
Todo sistema racional y, en efecto, todo razonar, se da como un operar en
las coherencias del lenguaje a partir de un conjunto primario de coordina-
289
ciones de acciones tomado como premisas fundamentales aceptadas o

adoptadas, explícita o implícitamente, a priori. Pero ocurre que todo acep-
tar a priori se da desde un dominio emocional particular en el cual quere-
mos lo que aceptamos, y aceptamos lo que queremos sin otro fundamen-
to que nuestro deseo que se constituye y expresa en nuestro aceptar. En
otras palabras, todo sistema racional tiene fundamento emocional, y es por
ello que ningún argumento racional puede convencer a nadie que no esté
de partida convencido al aceptar las premisas a priori que lo constituyen.
La conversación crea la cohesión formando un sistema social. Esta cohesión

está modulada por emociones tales como el amor y la solidaridad. El significado
de estas interrelaciones emerge del sistema mismo. Por eso decimos que es un
sistema intencionado. El mismo sistema social crea la capacidad de aprendi-
zaje y cambio, los fundamentos de un sistema adaptativo. Esta capacidad de
adaptación hace que los significados, emanados de los individuos, se convier-
tan en significados compartidos por el grupo: esto es lo que denominamos la
capacidad de autoorganización.
Otros definen la organización como un sistema adaptativo complejo que tiene la
capacidad de tomar decisiones las cuales pueden influir en sus configuraciones
actuales y futuras (MitletonKelly, p. 7): las componentes que interactúan dentro
de una organización (tecnología, personas, información…) se autoorganizan
para crear orden; la comprensión de la emergencia de estas configuraciones
ayuda a la organización a identificar nuevas oportunidades; finalmente tales
configuraciones organizacionales se conceptúan como sistemas adaptativos
complejos que poseen metas de adaptación.
Otro asunto estudiado por esta nueva rama de la complejidad es el relacionado
con la pregunta: ¿Qué causa el orden? De nuevo, las bases se han buscado en
la teoría clásica de la complejidad específicamente en la mecánica cuántica.
Conceptos como entramado (entrelazamiento), historias correlacionadas,
decoherencia y grano-grueso intentan explicar la creación de nuevos órdenes
en las organizaciones.
El entramado (entrelazamiento), como ya se indicó, se refiere a la interdepen-
dencia de dos entidades (electrones o individuos), de tal forma que no pueden
actuar ni ser explicados (considerados) en forma separada, sino simultánea-
mente. Esto ocurre porque las entidades tienen historias correlacionadas.
La negación del entramado se denomina decoherencia. Dice McKelvey (ver
Mitleton-Kelly, p. 8):
290
La primera parte del argumento es que las firmas necesitan crear y recrear
nichos de entramados mediante la introducción y mantenimiento de la
variedad y desestimulando la retención de estructuras obsoletas manteni-
das por grupos dominantes, especializaciones avanzadas, límites funcio-
nales estrechos etc. Es necesario la decoherencia o desordenamiento de las
estructuras viejas para evitar la contaminación, si ha ocurrido, del nicho
de entramado.
De nuevo, Diamond (2006-b, p. 523) roza este tema cuando comenta cómo
un grupo de empresarios y economistas, a través de cartas, señalaban posibles
paralelismos entre las historias de las sociedades humanas analizadas en su
libro y las de grupos del mundo empresarial:
Esta correspondencia remitía a la siguiente cuestión de carácter general:
¿cuál es el mejor modo de organizar grupos, instituciones y empresas para
maximizar la productividad, la creatividad, la innovación y la riqueza?
¿Deberá el grupo contar con una dirección centralizada (llegado al extremo,
un dictador) o sería mejor un liderazgo más difuso o incluso la anarquía?
¿Debería esa agrupación de personas organizarse en un único grupo o
descomponerse en una serie mayor o menor de subgrupos? ¿Deberá exis-
tir comunicación fluida entre los grupos o sería mejor erigir muros de
confidencialidad entre ellos? ¿Se deberían imponer aranceles proteccionis-
tas frente al exterior o sería mejor exponer el negocio a la libre competen-
cia?
Una tendencia actual es dejar que las organizaciones se fragmenten en par-

tes que tengan cierta autonomía. Las organizaciones sin “jefes que ordenan”
tienden a ser más efectivas que las tradicionales. Pero una condición funda-
mental es que debe existir plena confianza entre las personas que conforman
la organización.
Resnick cita a Semler (p. 10) para dar una explicación del porqué de esta
tendencia:
La pirámide organizacional es la causa de mucho daño corporativo, porque
la cima está muy lejos de la base. La pirámide enfatiza el poder, promueve
la inseguridad, distorsiona las comunicaciones, traba la interacción, y di-
ficulta que la gente que planea y la que ejecuta se mueva en la misma di-
rección.
291
La reingeniería es una de las formas de “aplanar” la pirámide, intentando que

los mandos medios tengan más acción sobre las actividades fundamentales
de la organización. Incluso hay experimentos de “grupos auto administrados”,
grupos sin jefes que los dirijan. Otro ejemplo interesante es el grupo del “Santa
Fe Institute”, grupo de investigadores de alto nivel, sin un director general.
Resnick hace un recuento de cómo estas ideas han permeado, además de los
campos aquí citados, la tecnología, los modelos científicos, las teorías del yo
y la mente, la teoría del conocimiento.
Desde la perspectiva de la Teoría de la Complejidad las transformaciones
organizacionales tienen sus bases en tres conceptos:
• Las estructuras, los procesos y los procedimientos de una organización
pueden tener su origen en un conjunto sencillo de reglas de generación
(las que hemos denominado aquí, las reglas básicas en el caso del juego de
la vida y los boids de C. Reynolds).
• A través de la retroalimentación positiva, cambios en las reglas del juego
que sean aplicadas al comportamiento y que sean consistentes con el mismo,
inducen cambios en la organización. Esto se enfrenta a las retroalimen-
taciones negativas dominantes en las organizaciones y representadas por
los presupuestos, las predicciones, los reportes de progreso, los planes de
acciones correctivas etc.
• Para que una organización esté suficientemente abierta a su ambiente y
pueda producir un cambio en sus reglas de generación, es necesario que
esté en condiciones alejadas a las de equilibrio.
Para lograr lo anterior la organización debe, inicialmente, identificar y re-
formular las reglas que rigen su comportamiento actual. Las reglas revisadas
deben ser aceptadas por la organización.
Una vez logrado lo anterior, la organización debe moverse hacia un estado
alejado de su estado de equilibrio, para que la nueva estructura pueda operar.
Un inicio de crisis, real o causada, debe producirse. Esto se manifiesta, por
ejemplo, en la redefinición de roles y responsabilidades. Esta situación hace
que la organización "se abra” de tal forma que pueda importar energía del
ambiente, generando una especie de “estructura disipativa”. El nuevo orden
empezará a formarse por sí mismo.
292
Surge entonces una lucha entre la antigua estructura, considerada como segura,
y la nueva en formación. La administración debe estar atenta a fortalecer los
signos favorables que indiquen que la nueva estructura es conveniente (usan-
do retroalimentación positiva), y a contrarrestar las acciones pasadas que,
en ocasiones, brindan resultados mejores pero sólo a corto plazo (mediante
retroalimentación negativa). Este procedimiento puede tacharse de reduccio-
nista, simplista y mecanicista. Sin embargo, es una manera útil de poder dar
el salto del equilibrio al no equilibrio (o estabilidad al borde del caos). Esto
podrá asimilarse a los diversos tipos de investigación, que consideraremos en
el capítulo siguiente. Lo tradicional sería afín con las investigaciones tipo 1 y
tipo 2 (investigación tradicional: marcos teóricos prefijados); los cambios con
la tipo 3 y tipo 4 (investigación en la acción: marcos teóricos en construcción).
De todas maneras, no debemos perder de vista que los cambios obtenidos no
son deducibles directamente de las reglas de generación, debido a la ley de la
emergencia sistémica. Se necesita una retroalimentación continua con la ob-
servación conjunta de toda la organización, lo cual implica una gran confianza
entre unos y otros. Es un balance entre lo cuantitativo y lo cualitativo. Es la
deseada unión entre los enfoques duros y los enfoques blandos. Son la ciencia
y las humanidades trabajando en conjunto por una organización mejor.
Sin embargo existe otra opinión: la de introducir "caos" en organizaciones
bien estructuradas. Brafman & Pollack (Op. Cit.) proponen que, dentro de las
organizaciones que deseen desarrollar cambios favorables para lograr mayor
adaptación y ser más creativas, se deben crear espacios en blanco: momentos
en los cuales no estamos concentrados en la tarea que estemos realizando, sino
que dejamos que la mente "divague" en asuntos no directamente relacionados.
El fundamento de lo anterior se basa en los descubrimientos de las neuro-
ciencias que han comprobado que si bien el cerebro entra en gran actividad
en las zonas que tienen que ver directamente con lo que estamos haciendo, el
resto del mismo también está en actividad. Es más: si se deja la tarea de lado,
todo el cerebro entra en gran actividad. Prácticamente no hay diferencia en el
grado de actividad cerebral (consumo de energía) entre uno y otro estado. En
efecto, en el primer caso el cerebro se activa fundamentalmente en los centros
encargados de atender la tarea: en el segundo entre un 80 y 95 por ciento entra
en funcionamiento: estamos comprendiendo el mundo, estableciendo interre-
laciones, recordando, estructurando. Esta cadena de conexiones sólo se activa
cuando dejamos de lado aquello en lo que estamos concentrados. Y entonces
aparecen nuevas ideas, nuevas formas de ver el mundo, aparecen los "eureka".
293
Para que esta idea rinda sus frutos en una organización, es necesario, además,
que existan sospechosos no habituales, personas que piensen diferente, que vean
las cosas de otra forma, que incluso a menudo nos incomoden. Ellos aportan
opciones que pueden generar cambios importantes.
Un tercer elemento debe tenerse en cuenta: la causalidad organizada. Se trata
de "preparar" el terreno del espacio en blanco para que en forma aleatoria se
puedan presentar las ideas revolucionarias. Dar la opción a que se formen re-
laciones como las que se crean aleatoriamente en las redes de pequeño mundo.
Por esto se habla de caos organizado.
Los autores citados dan varios importantes ejemplos del uso de estas ideas en
diversas organizaciones, desde hospitales y centros de estudio, hasta el ejército
de los Estados Unidos de Norteamérica.
Con respecto a la posición más extrema, ya no de un caos organizado sino la
de un cambio total en las estructuras organizativas en Mitleton-Kelly, Cap. 8,
Roger Lewin & Birute Regine citan varias experiencias exitosas. Mencionemos
algunas:
• “Industrial Society”, una empresa de asesoría de Inglaterra que tiene 300

personas, y representada por Tony Morgan (CEO120).
• Monsato, una organización de 22.000 personas, bajo la dirección de Bob
Shapiro (CEO).
• Du Pont, Belle Plant (Virgina del oeste), director de planta, Dick Knowles.
• VeriFone, compañía de alta tecnología con 300 empleados. CEO: Hatim
Tyabji.
• Hunterdon Medical Center (Flemington, New Jersey). Vicepresidenta de
la sección de cuidados al paciente: Linda Rusch.
• St. Luke, agencia de publicidad en Londres, Inglaterra.
• River’s Café, restaurante en Londres.
• Barclays Home Finance Division, CEO Mike Ockenden.
Con el fin de ilustrar un poco las ideas expuestas, escuchemos a Tony Morgan
y su experiencia en "Industrial Society":
120. CEO: Chief Executive Officer o también MD: Managing Director.
294
Por naturaleza me gusta siempre mandar y controlar, pero a medida que

lo hacía empecé a darme cuenta que mandar, controlar y pensar linealmen-
te tenían una vida global muy limitada. Por lo tanto, enfrenté la empresa
desde un ángulo completamente diferente. Empecé a pensar en cómo
cambiar a las personas desde una organización estructurada a una no es-
tructurada, y no lo hice mediante un diseño, sino por intuición. Encontré
que las interrelaciones son los elementos más importantes para lograr
procesos no lineales. Sin estos procesos nada funcionará. Lo que ocurre es
que nos volvemos más atentos a comportamientos que tienen resultados
positivos en lugar de negativos.
No me concibo como un líder sin la carga de una responsabilidad para
crear relaciones positivas y poderosas con todos aquellos con los cuales me
relaciono. Y llamo relacionarme cuando puedas hablarme abiertamente en
todo momento. Y esto es muy difícil debido a que tienes que ser interacti-
vo y trabajar constantemente para lograrlo. Esto fue una aventura para mí,
viniendo de una tradición de mandato y control, pero si Ud. cree que
nunca me desperté en la mitad de la noche y me dije “esto parece estar muy
descontrolado”, están equivocados. Pasé la mayoría de las noches pensan-
do en ello. Es por esto que este trabajo se ha convertido en uno de los más
exigentes, porque si Ud. trabaja dentro de cajas, es fácil, ya que esto no
tiene que ver con la gente; lo otro es mucho más difícil.
En otras palabras, cuando las interrelaciones son los medios para guiar pro-
cesos no lineales, los líderes tienen que ver los límites de su control, y ésta no
es una tarea fácil. Deben enfocarse en el poder del mundo interconectado de
las interrelaciones y en los lazos de retroalimentación que las crean y alimen-
tan. Las interacciones, es decir, las interrelaciones, generan las propiedades
emergentes, que es el distintivo de la complejidad. Al enfocarse en las inte-
rrelaciones el líder comienza a ver a la organización como una red humana
interconectada, un organismo viviente que se desdobla, fluctúa y emerge, una
visión más orgánica de la organización. Desde esta perspectiva, el lugar de
trabajo se convierte en un experimento en progreso. Es el aprender haciendo,
la investigación en la acción.
Lo que hemos dicho deja la sensación de que el uso de estas ideas son una
panacea para cualquier organización y tipo de administrador. Vale la pena
anotar lo que dicen W. Crulle y R. L. Gordon (2011, p.10-11):
Un gerente de proyecto debe prepararse para el cambio en un proyecto y
debe mantener un nivel de conexión con los contactos y clientes potencia-
295
les. La Teoría de la Complejidad va más allá de ser líder del laissez-faire que
emite órdenes discrecionales; se trata de crear un propósito sólido al que
los individuos se adhieran. Inculcar el propósito está en la raíz del éxito de
la Teoría de la Complejidad. Con este fin, el director del proyecto debe
ofrecer apoyo a este proceso para que tenga continuidad en el futuro.
[...] Los gerentes de proyecto deben comprender que la complejidad puede
operar en dos sentidos: en uno positivo al proyecto, o si se aplican inco-
rrectamente, como uno negativo. Los cambios se suceden de igual manera
ya que pueden ser visto como positivos para un proyecto o como algo
negativo (Brown y Eisenhardt, 1997). La complejidad se percibe exacta-
mente de la misma manera por los directores de proyectos. Del mismo
modo que ofrece nuevas ideas y nuevas formas de corregir los problemas,
puede también ser utilizada para ocultarlos y suprimir el cambio. Entender
que ambas situaciones son posibles es fundamental para lograr el éxito
futuro. Para hacer la diferencia, es necesario comprender que la compleji-
dad puede producir cosas buenas, pero también puede ser utilizada por
otros para oscurecer un proyecto.
El administrador moderno debe pasar de una estructura fija, basada en mo-

delos mecanicistas, a una al borde del caos. Como dicen los autores Roger &
Birute, los líderes se mueven en la paradoja de ser un líder no líder (o liderar
no liderando).
8.6 Resumen
En este capítulo continuamos el tema de la complejidad a través de la lente del
sistema como una red.
Se muestra cómo muchos fenómenos poseen una complejidad que surge de
comportamientos individuales, autoorganizándose, sin que exista un sistema
superior que los controle o dirija.
La teoría de la multitud-antimultitud con una visión desde las probabilidades
nos muestra cómo un sistema, en el cual la gente puede tomar decisiones de
acuerdo con una historia, con una experiencia (es decir, poseer memoria),
tiende a estados perfectamente diferenciados de “ir o no ir”, “comprar o no
comprar”. En estos sistemas, el comportamiento autónomo de cada individuo
basado en una información común, hace que, a la larga, por ejemplo, lo que se
296
vende y se compra se estabilice (mano invisible), o que en la bolsa el sistema

tienda a un comportamiento estable. El sistema se autorregula.
La teoría de los Autómatas Celulares nos muestra cómo la complejidad surge
de la simplicidad. Estos autómatas permiten simular en paralelo, diferente a la
forma clásica de la simulación secuencial. Su aplicación en los sistemas sociales
ha demostrado ser de gran importancia para la comprensión del comporta-
miento de las sociedades, entre otros fenómenos complejos.
La Teoría de Grafos entra en escena con su importante bagaje matemático. Una
teoría con más de dos siglos de desarrollo, recibe un nuevo impulso. Ella destaca
la importancia de la ley de la potencia que muestra una propiedad común a
muchos fenómenos complejos: la relación entre la magnitud de una variable
y la frecuencia con que esta magnitud se presenta. En el eje horizontal aparece
como magnitud, por ejemplo, el tamaño de un meteorito o la intensidad de
un terremoto y en el eje vertical, su frecuencia: número de meteoritos con un
tamaño dado o número de terremotos de cierta intensidad. Se genera, pues,
una curva cuya parte final o cola tiende a aplanarse.
Kauffman ha estudiado la complejidad desde lo que podríamos llamar una
“biología virtual”. Su juego de los botones y el estudio de las redes boleanas
han arrojado mucha luz sobre los comportamientos de las redes.
En el juego de los botones encontró que, uniéndolos al azar, una vez que el
número de conexiones dividido por el número de botones pasa del valor 0.5
la red empieza a conectarse completamente, a una gran velocidad. A partir de
allí, estudia las implicaciones que esto tiene para el origen de la vida, basándose
en la reacción Belouzov-Zhabotinsky.
Por otra parte, con el estudio de las redes aleatorias boleanas (redes compues-
tas por estados de valor 0 o 1 en cada vértice), Kauffman descubre cómo las
redes k = 2, aquellas en que cada nodo recibe dos conectores (aristas) y sólo
dos, tienden a estabilizarse en un número muy pequeño de ciclos. Redes muy
complejas de un número grande de nodos (vértices) y una enorme maraña
de interconexiones, alcanzan la estabilidad en un número muy reducido de
iteraciones, iniciándose con estados aleatorios en cada nodo. De acuerdo con
los resultados de estos experimentos virtuales, las opciones de evoluciones fa-
vorables para la vida, en donde se den las condiciones mínimas, son muy altas.
Además, hemos puntualizado conceptos relativos a los grafos: su definición,
su grado y su tamaño, el significado de un grafo-k, los que son ordenados y
297
los aleatorios, todo esto para proponer una teoría que explique un fenómeno
extraordinario común a muchas redes: la opción de conectar dos pares cua-
lesquiera de vértices, con una secuencia de seis conexiones o menos. Afín
a este problema está el relacionado con la búsqueda del menor número de
conexiones necesarias para que todos los elementos de un grafo (sus nodos o
vértices) queden interconectados.
En correlación con todo lo anterior surge el tema de los mundos pequeños
(Small Worlds). El experimento de Milgram (en el cual se conjeturó que entre
cualquier par de personas de nuestro planeta, la máxima separación –siguiendo
un camino ininterrumpido– era de seis conexiones o de seis “grados de sepa-
ración”), centró la investigación en un tipo especial de grafos: aquellos que se
encuentra entre uno completamente ordenado y uno aleatorio.
Estudios posteriores demostraron que la propiedad de ser un “pequeño mundo”,
podía observarse también en las redes del metabolismo de los seres vivos, en
la regulación genética de las células, en la red de internet, o en la manera en
que opera nuestro cerebro…
Con todo el bagaje acumulado se ha intentado describir las principales pro-
piedades de los llamados “sistemas complejos” que, según Nicolis y Prigogine,
deberían ser entendidos más bien como “comportamientos complejos”. En
este sentido, hicimos referencia a las propiedades que cumplen tales sistemas.
Las ideas expuestas, sobre todo las que han influido en la sociología, han
tenido gran impacto en la administración moderna. La idea de agentes au-
tónomos regidos por reglas sencillas que logran una autorregulación, se ha
convertido en un campo de estudio profundo en la administración actual.
Muchas empresas han comenzado a liberar a la institución de la pesada carga
de un control y una regulación ejercida desde la cima por pocas personas que
se abrogan el derecho a dirigir y coordinar el sistema en la dirección que ellos
creen conveniente. Ahora se acepta que el mundo exterior, el ambiente del
sistema, se puede comunicar con éste a través de sus elementos básicos y no
mediante sistemas reguladores que filtran la información. “Aplanar la pirámide
organizacional”, la idea propuesta por la reingeniería, adquiere aquí toda su
dimensión. De esta manera, las organizaciones se vuelven más creativas, se
adaptan mejor a los cambios del ambiente. En suma, se da el paso decisivo
para lograr una “organización inteligente”.
298
CAPÍTULO 9
METODOLOGÍAS. TIPOS DE INVESTIGACIÓN
9.0 Metodología, método, técnica

La concepción moderna del concepto de metodología la define como
“1. Ciencia del método. 2. Conjunto de métodos que se siguen en una inves-
tigación científica o en una exposición doctrinal” (DRAE).
Las metodologías son el logos del método, sus principios121. Podríamos decir
que son su patrón, que se estructura en diferentes tipos de métodos. Cuando
estos principios se utilizan para describir, analizar, informar, estudiar una si-
tuación particular, el nivel de aplicación lleva a tales principios a un nivel muy
diferente del de la metodología. La metodología se convierte en un “método”
cuya forma particular es el enfoque específico que se ha adoptado, las particu-
laridades que han tomado los principios para ser aplicados. Por su parte, si los
métodos tienen éxito a medida que se van aplicando en situaciones similares,
entonces se convertirán en técnicas.
Sea esta la oportunidad para retomar el tema del llamado método científico al
cual nos referimos en los capítulos iniciales de este texto. De acuerdo con lo
anterior, sería más pertinente hablar de una metodología de la ciencia, una guía
general que implica la observación cuidadosa de los hechos, la proposición
de hipótesis, la verificación de las mismas, la explicación de los hechos que
la teoría estudia a partir de las hipótesis propuestas, la predicción de nuevos
fenómenos no observables o no conocidos. Esta metodología se expresaría en
los diversos métodos que las diferentes ciencias utilizan para desarrollar sus
propuestas y explicarían las diversas técnicas utilizadas.
Las metodologías están a un meta-nivel con respecto a los métodos. Por esta
razón, no tiene sentido aplicarlas como reglas fijas a seguir. Checkland aclara:
En situaciones reales, cuando una metodología se aplica, tres elementos
están en continua relación: el usuario, las palabras sobre el papel y la situa-
121. La mayor parte de las ideas de este capítulo son tomadas de: P. B. Checkland
(2000) y Michael C. Jackson (2000).
299
ción percibida por el usuario. Y esta relación incluye convertir la metodo-

logía (como un conjunto de principios) en un enfoque específico o “méto-
do” que el usuario cree apropiado para esta situación particular en un
momento dado de su historia.
Se puede criticar el método aplicado, mas no la metodología. Ninguna metodo-

logía logra mejoras. Ella ayuda al usuario a proponer cambios que no lograría
sin su uso. Diferentes usuarios, ante una misma situación pueden llegar a
propuestas muy distintas utilizando la misma metodología.
La ya discutida objetividad de la ciencia tiene cabida aquí para reforzar lo que
acabamos de decir. No es sencillo separar las influencias de los cuatro ídolos de
Bacon (Novum Organum, p. 31-) que tienen que ver con nuestras percepciones
y nuestras creencias, de la manera como consideramos el tratamiento de una
situación como científica. Estos ídolos son: los de la tribu, que se fundamentan
en los sentidos; los juicios se basan en la familia, en la nación. Los de la caver-
na, que están basados en el egoísmo y en el egocentrismo. Ambos se refieren
a nosotros mismos, son innatos, y están relacionados con las malas formas de
pensar. Los ídolos del foro, aquellos cuyos criterios están fuertemente influidos
por los demás, por la sociedad. Y los del teatro, aquellas ideologías que dan
una visión de mundo regida por una sola idea; estos últimos son externos a
nosotros, son atraídos.
S. J. Gould (Op. Cit, p. 135), enfatiza la importancia de una visión libre, basa-
da en un conocimiento coordinado de la ciencia y las humanidades. La falsa
dicotomía que se ha creado debe ser eliminada:
Sólo puedo expresar una esperanza final de que la consumación de una
unión tan favorable pueda no sólo destruir para siempre el mito estéril de
la dicotomía, sino que pueda asimismo, en la saludable hibridación de
modos mentales (que tanto tiempo hace que las humanidades han com-
prendido, y que tan bien practican) con técnicas de observación y experi-
mento (que de manera tan fructífera han explotado las ciencias), producir
un grupo de descendientes mixtos que denuncien que el concepto de di-
cotomía de oposición entre la ciencia y las humanidades es una negación
necia de nuestras capacidades y complejidades mentales, una trampa no
menos dañina y restrictiva del potencial humano que nuestros antiguos
esfuerzos para mantenerlas inexistentes razas humanas a la vez separadas
y desiguales.
Schrödinger (2009, p. 14) lo expresa así:
300
Nazco en un medio y no sé de dónde vengo, adónde voy ni quien soy. Esto

le pasa a todo el mundo. El hecho de que todos hayan estado siempre en
esta situación y vayan siempre a estarlo, de nada me sirve. La cuestión
candente es dónde y adónde; lo único que podemos observar es nuestro
entorno presente. Por ello nos esforzamos en averiguar lo más posible. Eso
es la ciencia, aprendizaje, saber; ésa es la verdadera fuente de todo el es-
fuerzo espiritual del hombre. Tratamos de averiguar lo más posible sobre
el medio espacial y temporal del lugar en que nos encontramos pr el hecho
de nacer. Y, conforme aprendemos, nos gusta, lo encontramos sumamente
interesante. ¿No será quizás ese el fin para el que estamos aquí?
En el capítulo 1 dijimos que un método es una manera, un procedimiento, unas

reglas que nos permiten llegar a un fin propuesto de antemano. No puede existir
un método basado únicamente en el azar puesto que esto no conduciría con
confianza al fin propuesto. Tal es el caso del estudiante que decide responder las
preguntas de tipo “verdadero” o “falso” arrojando una moneda y asignándole,
por ejemplo, a la “cara” la categoría “verdadero” y al “sello” la categoría “falso”.
Esto estaría basado en el azar y no garantiza un resultado acertado: los métodos
implican cierta regularidad en su aplicación. Otra característica importante es
que un método puede abrirse en el sentido de que puede alcanzar otros fines,
no propuestos inicialmente, en otros tipos de conocimiento pero conservando
los mismos principios fundamentales. Por ejemplo algunos métodos utilizados
en la física han servido para guiar aplicaciones en psicología, como es el caso
de la psico-física. O el caso del uso de la estadística para comprender algunos
comportamientos sociales, uso que pasó, dado su éxito, a ser utilizado por la
física.
Los métodos están muy ligados a las realidades que buscan conocer. Aunque
intentan cierta universalidad (sentido de generalidad en el campo en que se
aplican), como se indicó anteriormente, se debe mantener en mente que no
siempre es posible utilizar los métodos que son efectivos en un campo del
saber, en otro. Esta observación es una buena guía para evitar la tan usada
“transferencia de procedimientos”, que han tenido éxito en una situación y que
se copian para enfrentar otra similar generalmente con resultados adversos.
Las ecuaciones del péndulo de Galileo surgen de la aplicación de una meto-
dología general de la física: consideración del mundo formado por partículas,
capacidad de aislamiento del fenómeno, aplicación de las tres leyes funda-
mentales de la dinámica newtoniana, la idea de que el todo puede explicarse
a partir de la suma de subproblemas individuales, subproblemas que son
301
consideraciones separadas del concepto de fuerza, del concepto de trabajo,

del concepto de equilibrio, resumidas extraordinariamente por la técnica de
las ecuaciones diferenciales ordinarias. Con respecto a la familia , es posible
tratarla como un sistema aislado. Verla como nodos que definen redes que
pueden estudiarse bajo lo que se conoce como Teoría de Redes. O considerarla
bajo la óptica de la Teoría de Conjuntos. O finalmente verla bajo el enfoque
de un sistema animado o de uno social. En los capítulos que siguen haremos
referencia a métodos y metodologías aptos para tales visiones.
Aquí vale la pena hacer una distinción respecto a la manera como podemos
enfrentar situaciones que deseamos comprender, resolver o modificar, lo que
da principios generales diferentes para proponer diferentes metodologías. Se
trata del concepto “visión orientada por la técnica” y “visión orientada por
el problema”. En el primer caso, es la técnica quien domina y, por lo tanto, el
problema es ajustado a dichos conocimientos. Por otra parte, si nos orientamos
al problema, éste nos indicará los conocimientos que deban utilizarse y, por lo
tanto, si el sistema es complejo, nos obligará a consultar con otras especialida-
des, formándose así grupos interdisciplinarios. En el caso de “orientado por la
técnica” lo que prima son los métodos, aquellos relacionados con las teorías y
técnicas a utilizar; cuando se es “orientado por el problema”, son las metodo-
logías las que priman: buscar la combinación de métodos y herramientas que
ayudan a enfrentar la situación en estudio de una manera armónica, coherente.
El péndulo de Galileo es un buen ejemplo de un estudio orientado por la téc-
nica. Para comprender la familia, sin duda es más conveniente guiarnos por
un estudio orientado por el problema.
Toda metodología debe estar incorporada en un marco conceptual F el cual
permite expresar las ideas relacionadas con el fenómeno en estudio; es el que
demarca los principios generales. La figura 9.1, propuesta por Checkland, es
una buena ayuda para fijar las ideas que vamos a discutir.
Este marco puede ser una teoría de una disciplina particular o, incluso, con-
ceptos no tan exactos como los de una teoría. En él existe una metodología que
propone el uso de varias herramientas, técnicas y procedimientos de manera
apropiada al marco conceptual, la cual trata de enfrentar un área de interés
que puede ser una disciplina particular o un problema de la vida real. El tercer
elemento es el área de interés A que puede ser un problema particular de una
disciplina dada o una situación del mundo real a la cual es posible que no se
le conozca aún un marco teórico que la abarque.
302
Metodología 𝑀𝑀 Área de
incorporada Aplicada a interés
en A
produce
F
aprendiendo
acerca de
Relación entre teoría, metodología y práctica

Fig. 9.1
9.1 Tipos de investigación

Es importante aclarar que si bien toda teoría implica el uso de un método o
una metodología, estas (las metodologías) pueden basarse en varias teorías.
Cuando hablamos de práctica nos referimos a la intervención en el “mundo
real”. Este esquema permite analizar diferentes tipos de investigación.
Un primer tipo es el caso de los “estudios eruditos”, aquellos que intentan
considerar situaciones del mundo real mediante un marco teórico de referen-
cia. En este caso el marco F presta la disciplina que posee una metodología
o método M el cual se aplica al área de interés A. Es lo que ocurre cuando se
explica el movimiento de un proyectil utilizando el marco teórico de las leyes
de Newton. Las tesis de pregrado, así como la investigación aplicada utilizan
mucho este tipo de investigación.
Un segundo tipo de investigación es el utilizado por la ciencia tradicional y su
posición positivista. Se plantean hipótesis que intentan explicar un aspecto del
mundo real, hipótesis que están fundamentadas en el marco conceptual F de la
ciencia respectiva. La metodología o método M de la ciencia utilizada, indica
los experimentos y observaciones que deben llevarse a cabo en el mundo real
A, con el fin de constatar o rechazar las hipótesis propuestas. El proceso con-
303
duce a un mayor conocimiento de F, M y A. Este procedimiento se ha utilizado

también en la Ciencia Social, como se indicó en el capítulo 1. A partir de F
surge un modelo que busca explicar algún aspecto de A. Por ejemplo, se desea
conocer en psicología la inteligencia de una persona con problemas mentales.
La teoría de las pruebas de inteligencia (“tests de inteligencia”) indica cómo
esto puede llevarse a cabo, es decir, poseen un método. Se aplica el test y es
muy posible que dadas las dificultades que presenta el paciente, sea necesario
revisar el marco teórico y desarrollar una metodología. Afinado el proceso,
queda una nueva propuesta teórica (un marco F) mejorada, una ampliación
de las metodologías de dicho marco y la posibilidad de enfrentar nuevas si-
tuaciones con mayor éxito.
Estos dos tipos se centran más en F que en A. Son los controlados por la comu-
nidad académica que buscan ser los guardianes de F. En cierta forma, el tipo
de problemas a analizar queda condicionado por el marco conceptual. Abarca
tanto la ciencia normal como la extraordinaria en el sentido de Kuhn. En el
capítulo anterior hicimos referencia al sistema formal de Bertalanffy y al de
Lange. Ellos pertenecen a estos dos tipos de investigación. En la clasificación
de Gibbons et. al. (1994) se conocen con el nombre de modo 1 de investigación.
Un tercer tipo de investigación (Gibbons et al. modo 2) es aquel que, aunque
similar al modo 1, busca enfrentar situaciones particulares de A solicitadas por
un usuario. La investigación se realiza alrededor de A, negociando los resul-
tados que satisfagan al cliente. En este caso, no siempre existe una disciplina
que permita un F único, ya que el origen de la investigación es el mundo real
A y es difícil que exista un único marco teórico que lo incluya completamente.
Como dice Comte (1980, p. 43-44.), padre del positivismo:
Las divisiones que establecemos entre las ciencias, sin llegar a ser arbitrarias
como algunos creen, sí son esencialmente artificiales. En realidad, el obje-
tivo de nuestros esfuerzos es uno solo; lo dividimos únicamente con la
intención de evitar dificultades para mejor resolverlas. Sucede más de una
vez, que a pesar de nuestras divisiones clásicas, hay cuestiones importantes
que exigirían una combinación de distintos puntos de vista especializados,
lo cual no puede suceder en la constitución actual del mundo del saber, lo
que contribuye a dejar ciertos problemas sin solución durante más tiempo
del que sería necesario. Este inconveniente se presenta sobre todo en los
puntos más esenciales de cada una de las ciencias positivas.
304
Lo anterior fue escrito en 1830 pero su vigencia es manifiesta. Este tipo de

investigación es interdisciplinario (Jackson habla de transdisciplina122). El
marco referencial que surge puede ser transferible a otras situaciones. F es
aquí menos preciso que en el modo 1 ya que incluso puede ser relevante sólo
para una aplicación específica. Las deficiencias en F son compensadas por
un intento de mejorar la metodología M. Podemos citar a la Investigación de
Operaciones y al Análisis de Sistemas. Por ejemplo, se necesita resolver un
problema de inventarios en una empresa. Para ello se pueden utilizar modelos
de la teoría de inventarios, modelos de programación lineal y la Dinámica de
Sistemas, todas ellas coordinadas por un enfoque sistémico. Las operaciones
de corazón abierto incluyen el aporte de muchas técnicas médicas diferentes:
anestesia, circulación extracorpórea, técnicas quirúrgicas, control fisiológico
del organismo (presión sanguínea, oxígeno…). Todas ellas deben estar coor-
dinadas mediante una visión global de la situación.
Un cuarto tipo de investigación (Gibbon et al. Modo 2) es el que se conoce
como investigación en la acción (investigación activa, action research). Su origen
se encuentra en Kurt Lewin quien criticaba la forma como la “sociología y la
psicología tradicional trasladaban a un laboratorio los fenómenos de interés”.
Es de anotar que sobre todo en sus comienzos, tanto la psicología como la
sociología desarrollaron formas de investigación cercanas a los tipos 2 y 3
arriba indicados. Sin embargo existe una tendencia a considerar la acción
investigativa desde un punto de vista interpretativo que Checkland denomina
“interpretative action research” (investigación activa interpretativa). En este
caso el investigador y el proceso investigativo mismo afectan a la situación a ser
investigada, en un proceso de toma de decisiones participativo. Investigación y
conocimiento se retroalimentan con el fin de mejorar situaciones problemáti-
cas. Esto permite que las propuestas tengan un buen margen de adaptabilidad
ante las influencias que ejerce el ambiente. La objetividad es definitivamente
abandonada. Evidentemente tanto F como M deben ser claramente identifi-
cados, así como su relación con A.
122. El concepto de Jackson de transdisciplina se refiere a que las metodologías

sistémicas no surgen de la interdisciplina (esto sería una “suma” de conocimientos
según la interpretación de Jackson) sino de características de diferentes disciplinas
que originan un patrón para estas metodologías. Sin embargo, el concepto de inter-
disciplina puede ser considerado de manera diferente. Sería interesante volver a re-
visar la figura 2.7 propuesta por G. Klir. Se podría decir que las metodologías surgen
de un proceso transdisciplinario. Su aplicación genera un proceso interdisciplinario.
305
Enfatizamos que toda metodología M está subordinada, en general, a una

teoría o a una visión de mundo. En los tipos 1 y 2 de investigación, la teoría
pertenece a un paradigma oficial. En el tipo 3 la metodología es el vehículo
mediante el cual los marcos de referencia son llevados al mundo real; se espe-
ra que en este proceso la teoría salga fortalecida. En el tipo 4, la metodología
misma forma parte de la investigación y su función principal es aprender de
la situación estudiada.
En el capítulo anterior dijimos que si no se dispone de un cuerpo teórico
estructurado para aplicar un conocimiento dado, los métodos y sus meto-
dologías asociadas son un camino útil para lograrlo. Pero ¿es posible aplicar
conocimientos que no han sido sólidamente establecidos? ¿Cómo llevar a la
práctica aspectos cuya comprensión y explicación se nos escapan? Si no po-
demos medir, por ejemplo la equifinalidad ¿cómo podemos usar este criterio,
en la vida real, de una manera científica?
En realidad sí es posible usar y aplicar conocimientos aunque estos no estén aún
sólidamente planteados. El campo de la ingeniería nos ha enseñado a hacerlo.
Una interesante y atrevida mezcla de conocimiento formal, sentido común,
ingenio y osadía. No se necesitó disponer de una teoría perfeccionada de la luz
para la creación de aparatos ópticos. Evidentemente, el perfeccionamiento de
los mismos, por el contrario, necesita de teorías mucho más estructuradas que
aquellas que dieron origen a los primeros artefactos. Recordemos, también, las
dificultades que ha enfrentado la Teoría de la Complejidad para su desarrollo
al no disponer de definiciones precisas de conceptos tan fundamentales como
complejidad y comportamiento complejo, dificultades que, a pesar de todo,
no han frenado su avance.
Otra lección que hemos aprendido es la importancia, sobre todo en los sis-
temas blandos, de los comportamientos como descripciones generales por
contraposición a las medidas exactas. La nueva matemática utilizada en los
sistemas destaca este hecho.
9.2 Principios básicos de una

metodología sistémica
Cualquiera que sea la metodología que se vaya a aplicar a una situación del
mundo real que pertenezca a los sistemas de la actividad humana, ésta debe
306
cumplir ciertos criterios sin los cuáles ella tendría muy poco valor práctico.
Son sus principios generales.
El primer reto es la definición del sistema en estudio. Ya hemos discutido el tema
anteriormente y sabemos que, aun partiendo de la definición operativa, dos
personas ajenas la una a la otra, pero conocedoras de los conceptos teóricos de
los sistemas, en general identificarán y definirán de forma diversa al sistema
en cuestión, fundamentalmente cuando se trata de sistemas de la actividad
humana. ¿Porqué las diferencias?
Toda definición (concepción) de un sistema tiene dos aspectos. Uno externo,
el cual se refiere a la situación en consideración, y otro interno, referente a la
persona que lo define. El primer aspecto es “el sistema”. El otro surge cuando
la persona “limita” el sistema que va a considerar. Cada cual con sus conoci-
mientos, su cultura, su idiosincrasia, su idioma, aplica las nociones sistémicas
y decide qué incluir y qué excluir123. Esto no es ninguna novedad en la ciencia,
sólo que para el caso de la físico-química, si bien no es un asunto trivial tal
escogencia, cuando esta delimitación se descubre, es única. El sistema se vuelve
idealmente descomponible. O en términos más precisos, es posible encontrar
un modelo ideal, descomponible intrasistémicamente, que pueda explicar
muchos fenómenos relacionados que no son ideales, pero que son modelos
de sistemas cuasidescomponibles.
Un segundo aspecto metodológico es la consideración de la jerarquía de los
sistemas. Ya hicimos referencia al problema que se presenta con los “dos sis-
temas extremos que no parecen ser sistemas”. Independientemente de esta
situación, todo sistema que se identifique como tal está relacionado con los
supra y subsistemas que son parte de su jerarquía. Toda metodología debe
considerar la forma de cómo utilizar la casi-descomponibilidad intrasistémica
e intersistémica con el fin de delimitar los subsistemas y el ambiente del sistema
(suprasistema). Es decir, la metodología debe lograr un “aislamiento” del sis-
tema, una “ruptura” de la jerarquización, ruptura que, por las características
ya indicadas de los sistemas cuasidescomponibles, no afecte sustancialmente
el comportamiento del sistema que queremos definir.
Una tercera consideración es que toda metodología debe indicar la manera
de identificar las relaciones existentes entre los elementos del sistema y los del
123. Por ejemplo, una concepción como sistema de una situación donde la nieve
intervenga, será muy diferente entre un latino cercano a la línea ecuatorial y un sue-
co, ya que estos distinguen diferentes tipos de nieve.
307
ambiente con el fin de especificar las influencias respectivas y medirlas si es

posible o al menos cuantificarlas.
Como cuarta característica, la metodología debe generar modelos que sirvan
para estructurar, comprender y proponer acciones que puedan mejorar situa-
ciones que deseen modificarse.
Finalmente, deben ser cíclicas, es decir, que las fases o pasos sugeridos no sean
una secuencia rígida a seguir; por el contrario, debe existir una interacción
entre ellos, modificándose las acciones y proposiciones a medida que se avanza
en la solución del problema. Esta característica establece una clara diferencia
entre método y metodología.
Ackoff (2002, p. 17-18) diferencia al pensamiento analítico y al sistémico de
acuerdo con sus métodos de la siguiente manera:
En el pensamiento analítico, el objeto por explicar se trata como un todo
que debe separarse. En el pensamiento sistémico la cosa por explicar se
trata como una de las partes de un todo contenedor. El primero reduce el
centro de atención del investigador; el segundo lo expande.
Una visión es la de un todo contenedor; la otra, la de un todo contenido.
9.3 Características generales de los cuatro tipos de

metodologías según Jackson
A estas alturas vale la pena hacer referencia a cuatro tipos de metodologías que
intentan abarcar el campo de la investigación particularmente en los sistemas
sociales: la funcionalista, la interpretativa, la emancipadora y la postmoderna
(Jackson, 2000, p. 11). Cada una de ellas tiene sus propias herramientas, téc-
nicas, modelos y métodos.
Esta clasificación se basa en la demarcación, indicada en la figura 9.2, de los
cuatro paradigmas propuesta por Burrel y Morgan (2009, p. 22).
308
No se intenta sugerir que las teorías sociales caen en uno de estos cuatro com-
partimentos. Lo más común es que ellas tengan, en mayor o menor medida
ciertas características de otros movimientos.
Sociología del cambio radical
Humanismo Estructuralismo
radical radical
Subjetivo Objetivo
Interpretativo Funcionalista
Sociología de la regulación
Los cuatro paradigmas del análisis de las teorías sociales

Fig. 9.2
Es simplemente una ayuda para distinguir algunos movimientos sociológicos,
que consideran que sí es posible desarrollar sistemas sociales objetivos y que
impliquen cambios radicales, por contraposición, por ejemplo, con teorías
sociales que enfatizan lo subjetivo y la imposibilidad de establecer regulaciones
(sociedades controladas por autoridades o ideas superiores).
La inclusión de la Sociología como ciencia, en temas referentes a la T.G.S. tiene
como fundamento el hecho que, desde la perspectiva de ciertos autores, una y
otra se han influido notablemente.
Como caso concreto consideremos las propuestas de N. Luhmann. El enfoque
de este autor sobre la T.G.S. indicaba que el concepto funcionalista de sistema
abierto −en donde los fines, los objetivos y los métodos para lograrlos, son
predefinidos de antemano− tal como T. Pearson lo había propuesto para la
sociología, no era suficiente para explicar toda la complejidad de este tipo de
sistemas.
309
Luhmann (1995) incorpora dos conceptos a la sociología: los sistemas auto-

referenciados y autoorganizados, tomados de la T.G.S. y de la cibernética de
segundo orden de H. Von Foerster y la autopoiesis, de H. Matuana-F. Varela
(los sistemas autogenerados).
Para Maturana la ciencia no explica el mundo de manera independiente; explica
la experiencia del observador. No hay realidad objetiva, tal como se indicó en
el numeral 1.1.2.
De estas ideas Luhmann obtiene la propuesta de una sociología estudiada
por un observador que mira en forma integrada a la sociedad, mediante el
conocimiento pero que, durante este proceso, no se aclaran los esquemas de
distinción. Tales esquemas son observados por otro observador, que presenta
la misma dificultad. Entonces él es observado a su vez… en una cadena que
no tiene como final un gran observador que pueda poseer la verdad absoluta.
Para H. Maturana los sistemas vivos se autorreproducen y su comportamiento
social es fruto del comportamiento individual, egoísta, de sus componentes,
tal como se estudió en la Teoría de la Complejidad. Luhmann toma estas ideas
para explicar el proceso de humanización el cual surge de una red cerrada
de comunicación. Fuera de esta red no existe comunicación. Ella contiene el
concepto de sociedad. Lo social no depende del hombre. Es una propiedad
emergente de la red cerrada de comunicación.
9.3.1 Metodologías funcionalistas

Desde la perspectiva funcionalista de los sistemas, se parte de que la meto-
dología está garantizada gracias al soporte teórico F existente. La forma de
investigar cae en el modo 1. El sistema aquí toma un carácter de realidad. El
marco teórico intenta definirlo de una única manera independientemente de
quien estudie el sistema.
Estas metodologías se caracterizan por:
• Tener un soporte teórico basado en el funcionalismo, siguiendo las reglas de
la ciencia clásica, con un enfoque cuantitativo, matemático, considerando
el sistema como algo real, utilizando métodos, modelos, herramientas y
técnicas con el fin de conocerlo y manipularlo para mejorarlo.
310
• La intervención del sistema tiene como objetivo buscar la mejor manera

de lograr las metas, mediante procedimientos sistemáticos, buscando la
eficiencia (¿se utilizaron los recursos escasos al mínimo?) y la eficacia (¿se
lograron las metas?) en los procedimientos.
• Se busca fortalecer tanto a la teoría que enmarca la metodología, como la
metodología misma.
Como metodologías de tipo funcionalista podemos citar:
• Las teorías basadas en el movimiento organicista (la Teoría General de
Sistemas de Bertalanffy, el pensamiento de sistemas de Barnard, la teoría
de la contingencia, la teoría de los sistemas socio-técnicos).
• Las teorías basadas en los sistemas duros (Investigación de Operaciones,
Análisis de Sistemas, Ingeniería de Sistemas).
• La Dinámica de Sistemas. (La teoría y metodología de J.W. Forrester).
• La cibernética organizacional. (El sistema viable de S. Beer).
• La metodología de Jenkins (“Four ‘M’s Methodology”).
• La metodología sistémica de G. Klir.
• La teoría de los sistemas vivos.
• La teoría de la autopoiesis.
• La Teoría de la Complejidad.
9.3.2 Metodologías interpretativas

El enfoque interpretativo −o enfoque de los sistemas blandos− privilegia la
percepción, los valores, las creencias y los intereses por encima de los aspectos
tecnológicos; acepta la multiplicidad de puntos de vista; busca acuerdos entre
ellos con el fin de favorecer al sistema. El subjetivismo es aceptado como parte
del proceso, y esto constituye otra diferencia fundamental con el funcionalis-
mo, que clama por la objetividad como base del conocimiento científico. Este
enfoque no busca hallar la “verdad” sobre los sistemas, sino más bien una
“explicación” de las diferentes cosmovisiones. Los sistemas de su interés tie-
nen propósitos en lugar de metas regidas por leyes externas, fuera del control
del sistema. Aquí la metodología se destaca en importancia: se privilegia M
311
sobre F. El sistema es lo percibido, lo comprendido a partir de una visión de

mundo particular; no se busca la naturaleza real del sistema. Los individuos
tienen libre albedrío, capacidad de decisión. Sin embargo, tienen en común
con el funcionalismo la búsqueda de mecanismos de control para mantenerlo
centrado en sus objetivos (propósitos) básicos.
Como características comunes a este tipo de metodologías se destacan:
• La búsqueda de mejorar la situación problemática teniendo en cuenta sus
diversas percepciones, ya que se aplican en los sistemas de la actividad
humana.
• Las ideas de sistemas son usadas como constructos mentales, es decir, el
sistema como tal no existe.
• La situación problemática se estudia de manera creativa y no siguiendo
esquemas estrictos, aunque no excluye la opción de modelos cuantitativos,
todo lo anterior buscando obtener cambios factibles y deseables.
• El proceso de intervención es sistémico y no tiene un final definido y tiene
como finalidad aliviar las sensaciones de inconformidad de la situación
problemática y generar un aprendizaje individual y colectivo.
• La intervención se logra a través de las personas afectadas por la situación
problemática; los cambios deben evaluarse con base en la efectividad, la
elegancia y la ética.
• Como estos enfoques interpretativos buscan obtener hallazgos en los pro-
cesos investigativos así como cambios en la situación estudiada, se debe
fortalecer la teoría que enmarca la metodología, así como la metodología
misma, sus métodos, modelos, herramientas y técnicas.
Pertenecen a metodologías de tipo interpretativo:
• La administración interactiva de Warfield (IM).
• El diseño de sistemas sociales, de Churchman.
• La teoría de Mason y Mitroff (Metodología SAST).
• La Ciencia Social de Ackoff ( S3 ). La planificación interactiva.
• La metodología de sistemas blandos de Checkland. (SSM).
• La teoría de sistemas blandos de Senge (La quinta disciplina).
312
• La Investigación de Operaciones, la Dinámica de Sistemas y la cibernética

de sistemas blandos.
9.3.3 Metodologías emancipadoras

El enfoque emancipador de los sistemas puede considerarse como un mo-
vimiento de cambio social. Busca emancipar a las clases sociales oprimidas,
dominadas, discriminadas por el orden social vigente mediante un cambio
radical, creando un nuevo orden social en el cual los opresores también pue-
den tener algunos beneficios. El proceso es de “desenmascaramiento” de los
principios y valores que hacen que estas diferencias existan. La posibilidad
del cambio se basa en las contradicciones ideológicas y de poder que se hacen
presentes para mantener el status del sistema.
Este movimiento social tiene visiones de un mundo mejor basado en las
sociedades sin clase, un mundo en el cual exista una armonía entre los seres
humanos y la naturaleza y en donde las personas sean libres de determinar su
futuro sin que sea influido o forzado por el poder de turno. Podríamos estar
pensando en un movimiento tipo Marxista. En este sentido, Jackson hace notar
que existen en efecto, dos corrientes. Por una parte las líneas de Kant, Hegel,
Marx, Habermas: la emancipación viene de un movimiento colectivo, social.
Por otro lado las ideas de Kant, Nietzsche, Heidegger, Foucault; aquí se busca
la autoemancipación, es decir la emancipación del individuo. La primera puede
considerarse objetiva, ya que el proceso emancipador se logra mediante el cam-
bio de la estructura social y política de la sociedad. La segunda sería subjetiva.
Los aspectos comunes son:
• Considera a los sistemas como entes reales, utilizando métodos, modelos,

herramientas y técnicas basadas en los conceptos de sistemas.
• Supone que los sistemas existen como forma de alienar y oprimir a grupos
sociales definidos.
• Estudia las relaciones entre los que están en ventaja con respecto a los que
no lo están, buscando arreglos, mediante una visión sistémica, para aliviar
la tensión.
313
• Los modelos son utilizados como herramientas para ilustrar a los explo-
tados y oprimidos con el fin de que adquieran conciencia de su situación.
• Se usan análisis cuantitativos cuando sean posibles.
• El proceso de intervención es sistémico y tiene como objetivo mejorar la
situación problemática para los explotados y oprimidos, buscando que los
afectados tomen conciencia de que la liberación es de su propia respon-
sabilidad.
• Aquí se busca que los cambios se hagan bajo aspectos éticos y emancipa-
dores.
• Se busca fortalecer tanto la teoría como la metodología misma.
En este grupo de metodologías podemos citar:
• Las teorías emancipadoras como liberación: Las vertientes críticas de la
I. de O. y la ciencia de la administración, la propuesta de Habermas, la
sistemología interpretativa, la pedagogía crítica de Freire, MacIntyre y la
comunidad moral, la sostenibilidad ecológica de Capra.
• Las teorías emancipadoras a través del uso de la racionalidad discursiva:
El grupo de sintegridad de Beer, la crítica de la heurística de los sistemas
de Ulrich, la teoría y la práctica de la crítica de frontera.
• Las teorías emancipadoras a través del uso indirecto de métodos sistémicos.
9.3.4 Metodologías postmodernas

El cuarto tipo de movimiento sociológico es el denominado postmoderno.
También busca que las voces marginales sean escuchadas. Su origen es similar al
movimiento emancipador, pero aquí, el mundo es un complejo de patrones que
cambian continuamente debido a la vida misma… Cambio y novedad, orden
y desorden... En lugar de buscar un sistema ideal como el movimiento eman-
cipador, se busca promover la novedad y el desorden. Pueden surgir sistemas
altamente organizados sin necesidad de elementos reguladores, impositivos.
Estos movimientos critican los "sistemas teóricos” que intenta abarcar una gran
cantidad de situaciones bajo una misma mirada: son los sistemas filosóficos
de Aristóteles, Kant, Hegel…, o los sociológicos como Comte, Weber…, o las
314
teorías económicas tipo Pareto, Smith, Ricardo… No se trata, según algunos

autores, del interés en la búsqueda de un patrón que rija el aparente desorden,
como sería la visión desde el punto de vista de la teoría del caos. Es el desorden
mismo. Para ser auténticos debemos enfrentarnos al hecho de nuestra propia
existencia y hacer de ella lo que queramos. La existencia precede a la esencia.
Las ideas discutidas con respecto a la Teoría de la Complejidad arrojan luz so-
bre la forma como este tipo de propuestas podrían llevarse a cabo. Los agentes
independientes, unidos por reglas sencillas, han demostrado como pueden
autoorganizarse. Y esto es lo que, en esencia, esta corriente trata de subrayar:
la independencia individual como base de un sistema social.
Son aspectos comunes a estas metodologías:
• Una manera de pensar y actuar acorde con las propuestas del movimiento
postmoderno, que enfatiza la ruptura de los problemas del mundo real
mediante cuestionamientos críticos de todas las opiniones y formas acep-
tadas de hacer las cosas.
• La práctica del enfoque de sistemas postmoderno usa ideas sistémicas
y antisistémicas como la base de su estrategia de intervención y utiliza
frecuentemente métodos, modelos, herramientas y técnicas basadas en el
enfoque de sistemas.
• Los sistemas se crean con el fin de establecer clases sociales diferenciadas.
• La intervención busca revelar los procesos y las estructuras que inducen
la marginalidad.
• Busca que las voces de los marginados sean escuchadas.
• Se intenta negociar con los explotadores.
• Los análisis cuantitativos son rechazados, salvo si forman parte de un
proceso de deconstrucción.
• La intervención busca exponer los conflictos.
• Juega papel importante la emoción y la ética.
• Se busca fortalecer los principios teoricos que enmarcan la metodología,
como la metodología misma.
Hemos indicado con anterioridad que el marco conceptual de los tipos de
investigación 3 y 4 es el enfoque de sistemas, el cual está íntimamente inte-
315
rrelacionado con los movimientos sociales antes descritos. Como nuestro

objetivo fundamental son los sistemas de la actividad humana, y en concreto,
los aspectos administrativos que la Teoría General de Sistemas ha aportado
en este campo, consideremos ahora algunas de las ideas que C. W. Church-
man tiene al respecto con el fin de darle un contexto al enfoque sistémico en
la administración, que sirva como guía general a las metodologías sistémicas
con ella relacionadas.
9.4 Las ideas de C. W. Churchman

Churchman (1976) hace referencia a cuatro estilos de administración cuando
se considera en ellos la manera de enfocar al sistema, es decir cuando se miran
a través de la forma como el concepto de sistema es utilizado: 1) los eficientes,
2) los humanistas, 3) los científicos, y 4) los opositores (o anárquicos).
Los primeros son los administradores que basan sus decisiones en las teorías de
Fayol y Taylor. Es la administración basada en la eficiencia (surgen los expertos
en eficiencia con su herramienta básica: los estudios de métodos y tiempos (o
tiempos y movimientos) y parte del principio que siempre hay una manera
mejor de hacer las cosas. Aseguran que el enfoque más eficiente del sistema es
la identificación de las áreas problemáticas y en especial en los lugares donde
hay desperdicio, por ejemplo costos elevados innecesariamente, para luego
proceder a eliminar la ineficiencia.
Como reacción a esta escuela surgió la de los humanistas, en la cual se privilegia
la importancia del ser humano como tal, por encima de su eficiencia124. Aquí
el enfoque del sistema se centra en los valores humanos: libertad, dignidad y
privacidad. Por encima de todo, sostienen que este enfoque deberá evitar la
imposición, por ejemplo, de planes de cualquier tipo de intervención.
El tercer estilo, el de los científicos, no debe confundirse con la administración
científica, que fue uno de los nombres con que se conoció la escuela basada en
la eficiencia de la producción. Los científicos de la administración favorecen el
empleo de la ciencia para llegar a un sistema, construir un “modelo” que des-
criba perfectamente su funcionamiento. Se utiliza la matemática, la economía
124. Se destaca el estudio llevado a cabo en la fábrica Hawthorne de Chicago: cuan-
do el personal es considerado de forma especial, se logra una mayor conciencia de
grupo y se eleva el entusiasmo y la moral, lo cual mejora la productividad. Elton Mayo
fue el líder de este movimiento.
316
o las Ciencias del comportamiento humano (sicología, sociología…). Es el

enfoque de sistemas aplicado a la administración.
Por su parte, los opositores aseguran que no es posible una teoría de la admi-
nistración; que gran parte de este proceso se da sobre la marcha. El administra-
dor debe estar en capacidad de adaptarse a los cambios y tomar las decisiones
que considere las más acertadas utilizando la astucia y la experiencia. Según
ellos cualquier intento de establecer planes específicos y racionales es ingenuo y
peligroso. El verdadero “enfoque” del sistema es vivir el sistema, reaccionar en
términos de la experiencia de una persona y no tratar de modificarlos mediante
un “esquema grandioso” o un modelo matemático. El “líder” nace, no se hace.
Podríamos considerar aquí el tipo de administración que llevan a cabo quienes,
siguiendo las líneas de la T.C. administran a los sistemas “al borde del caos”.
Es fácil ver la estrecha relación entre esta clasificación de Churchman y los
cuatro tipos de metodologías antes descritas.
En lo que sigue nos centraremos en la visión del enfoque de sistemas científico.
En esta visión, contraria a la de la teoría clásica que considera a las organiza-
ciones como sistemas cerrados, el sistema es abierto.
En el uso del enfoque de sistemas en el área administrativa, Churchman pro-
pone que para que un sistema cumpla con un plan dado es necesario incluir
como un componente las actividades que determinan el objetivo general y la
justificación de cada uno de los subsistemas, además de ciertas medidas de
actuación (que miden la capacidad de los subsistemas para llevar a cabo una
función dada), y los estándares en términos del objetivo general. De esta ma-
nera el conjunto completo de subsistemas, incluyendo al ambiente, sus planes,
y sus medidas de actuación constituirán un enfoque de sistemas del problema
a resolver. El objetivo general prevalece de tal forma que los demás elementos
del sistema deben obrar conforme a él, y los grados de actividad de los sub-
sistemas son considerados a través de las medidas de actuación en cada caso.
Un subsistema inherente a todo sistema administrativo es el subsistema admi-
nistración. Surge espontáneamente como necesidad de un elemento centra-
lizador. Es el subsistema que considera el plan general. Éste puede llevar un
monitoreo y un control continuo sin esperar que se presenten las crisis. Cada
paso del plan se justifica en términos del objetivo general, lo cual no implica
que el proceso sea rígido y cerrado. Poseer un objetivo (u objetivos) definido y
que tenga interrelaciones claras con los subsistemas, permite tomar decisiones
sobre la marcha en formas acertada.
317
Toda metodología sistémica, como hemos visto, debe incluir la manera de defi-
nir o identificar los siguientes elementos. Se enumeran aclarando que no están
en un orden predeterminado. De alguna manera, todos ellos operan simultá-
nea, “sistémicamente”. Utilizaremos la visión de Churchman para ampliarlos.
1) La definición de los objetivos del sistema, considerado como un todo, y
específicamente, sus mediadas de actuación.
2) El ambiente del sistema y las restricciones fijadas.
3) Los recursos del sistema.
4) Los subsistemas o componentes del sistema, sus actividades, metas y me-
didas de actuación.
5) La administración del sistema.
9.4.1 Los objetivos del sistema

Un hecho que debe tenerse en cuenta es saber que no es fácil hallar los verda-
deros objetivos de un sistema. A menudo existen declaraciones sobre los fines
de una organización, pero en el fondo tales fines no son los verdaderamente
considerados. Muchas empresas y dependencias gubernamentales denominan
a estas declaraciones generalmente vagas, objetivos. Pero para el científico éstas
son obviamente imprecisas y, por lo tanto, engañosas. La prueba de fuego para
conocer si una declaración dada es uno de los objetivos del sistema, consiste
en conocer si el sistema, con pleno conocimiento, tiene la determinación de
sacrificar otras metas para poder lograr ese objetivo. Cuando una entidad
declara que su objetivo es la protección de sus afiliados pero no está dispuesta
a invertir más dinero en su bienestar social porque disminuiría su margen de
utilidades, queda claro que el objetivo económico prima sobre el de bienestar.
Churchman (1976, p. 49) ejemplifica:
318
Un error común al señalar objetivos es recalcar lo que es obvio. Por ejem-

plo, considérese un laboratorio médico en donde se examinan las muestras
que los doctores les envían. ¿Cuál es el objetivo del laboratorio? Una res-
puesta obvia es que el objetivo es hacer un examen lo más exacto posible.
Pero el verdadero objetivo no es la “exactitud”, sino para qué sirve la exac-
titud: mejorar el diagnóstico del doctor. Una vez que vemos hacia adelan-
te el resultado concreto y deseado, dice el científico, entonces podremos
preguntarnos a nosotros mismos cuán importante es realmente el obje-
tivo. En algunos casos, mejorar la exactitud puede superar el costo de su
obtención, o sea, el sacrificio de otros objetivos.
9.4.2 Medidas de actuación

Para ser precisos en la definición de los objetivos es necesario dar una medida
de actuación del sistema. Churchman ejemplifica esto diciendo que no es una
sorpresa que después de un cuidadoso estudio de colegios y universidades
se encuentre que la verdadera medida de actuación no está en función de la
educación sino en función del número de estudiantes que se gradúan.
¿Cómo medir la actividad investigativa en las universidades? ¿Y la extensión?
La búsqueda de medidas de actuación, coherentes y precisas, es una valiosa
herramienta para identificar el objetivo u objetivos del sistema. Como veremos
más adelante, esto es válido también cuando consideremos los subsistemas y
sus actuaciones.
Una buena medida de actuación debe ser sistémica. Es posible que en una
empresa se desee comprar, bajo ciertos parámetros de calidad, un tipo dado
de materia prima por ser más económica; la medida de actuación (o índice
de medida) es en principio clara. Sin embargo, es posible que bajo ciertas
circunstancias este tipo de material falle, dañando la imagen del producto.
Un criterio superior sería tener en cuenta no sólo el costo del material, sino la
pérdida de clientela por estas fallas que puedan minar la calidad del producto.
En los sistemas de la actividad humana las medidas de actuación son a menudo
de difícil definición y aplicación. Bástenos citar las notas asignadas a los exá-
menes y las implicaciones sociales, económicas y de autoestima que esto trae.
Se debe ser muy consciente en su uso y aplicación, pero es necesario indicar
que son absolutamente necesarias para conocer si el grupo de estudiantes está
319
cumpliendo el objetivo propuesto por la facultad respectiva o por el profesor

en particular.
9.4.3 Ambiente del sistema

Como ya lo hemos indicado, todo sistema forma parte de un sistema mayor.
Por lo tanto, hay algo que “envuelve” al sistema. A este suprasistema (o sistema
ampliado) se le conoce con el nombre de ambiente del sistema.
El ambiente, al ser el proveedor de recursos fundamentales para el sistema, lo
determina en su operación: da “vida” o “muerte” al sistema. En algunos casos
el ambiente se determina fácilmente si cambios en los elementos del ambiente
modifican a los del sistema, pero cambios en los elementos del sistema no
ejercen influencia importante en los elementos del ambiente. Para el caso de
los sistemas abiertos, y principalmente para los con propiedades emergentes,
el sistema ejerce influencia y modifica al ambiente. Aquí es la consecución
de recursos no generados por el sistema, pero que son metabolizados por el
mismo, lo que establece la diferencia entre los elementos que forman parte del
sistema, y los del ambiente. Incluso se ha llegado a proponer, como medida
de la inteligencia de un sistema, el cociente entre la capacidad que tiene un
sistema para controlar a su ambiente y la que el ambiente tiene para controlarlo.
9.4.4 Los recursos del sistema

Estos forman parte del sistema. Son los medios de que él dispone para llevar
a cabo sus procesos. Pueden ser modificados por el sistema en su propio pro-
vecho. Se miden generalmente en dinero, horas-hombre, equipo, capacidad
de trabajo, etc.
Debe hacerse un balance muy cuidadoso de los recursos. No es una simple
enumeración que se convierte rápidamente en historia pasada, ya que puede
transcurrir un tiempo prudencial entre el estudio y el conocimiento del siste-
ma. Además, tales listas de recursos no consideran situaciones tan importantes
como la disponibilidad de personal en términos de la educación y capacidades
individuales. Tampoco hay una historia de las experiencias pasadas. No debe
desdeñarse la importancia del error y las equivocaciones, “verdaderas lecciones
320
sobre oportunidades perdidas, las causas de los fracasos, la deficiencia en el

uso de los recursos”. Es necesario construir un sistema de información con un
enfoque administrativo en donde asuntos como los relacionados sean tenidos
en cuenta.
Un expendio de venta de gasolina tenía, entre sus empleados de servicio, uno
que había tenido que abandonar la carrera de ingeniería ambiental, faltándole
pocos semestres para terminar. La empresa tuvo que llevar a cabo un estudio
sobre el impacto ambiental de este tipo de negocio y perdió, por desconoci-
miento, una valiosa ayuda.
También son recursos los desarrollos tecnológicos. No es conocer bien lo que
se tiene sino la forma en que estos recursos puedan aumentarse o modificarse
con el fin de que puedan ser utilizados para crear mejores medios en el futuro,
bien sea a través de la investigación y desarrollo de equipos o tecnologías, o
mediante el entrenamiento y la educación del personal.
9.4.5 Los subsistemas

Son las partes o elementos que llevan a cabo las acciones necesarias para al-
canzar los objetivos del sistema como un todo y utilizan para ello los recursos
del mismo.
Estos componentes deben estar íntimamente relacionados con el sistema. Se
dice que en la Teoría de Sistemas, es el sistema el que define las partes y no
éstas al todo. El enfoque tradicional nos enseñó que el todo está determina-
do y explicado por las partes. Sin embargo, en los sistemas organizacionales
esta visión lleva inevitablemente a visiones equivocadas de muchos aspectos
administrativos. Desde esta perspectiva, los componentes de un sistema or-
ganizacional no son los que la división funcional, tradicional, designa como
tal en el caso de las empresas. Por ejemplo, son típicos los departamentos de
producción y de mercadeo de una empresa industrial. No obstante, el pro-
ceso de distribución no es función sólo del departamento de mercadeo. En
muchas empresas la función de distribución debe concebirse como parte del
componente de producción, ya que es casi imposible imaginarse cómo pudiera
ocurrir la distribución del producto de modo independiente de la forma como
lo fabrican. También suele ocurrir que muchos departamentos de producción
hacen contactos directos con algunos clientes para satisfacer sus pedidos. Es
321
por esto que el administrador científico piensa en función de misiones, tareas

o actividades básicas, como los elementos racionales de las actividades que
el sistema debe realizar. Esta identificación por misiones permite definir los
componentes del sistema. Obviamente, las reacciones no tardan en hacerse
sentir. Como explica Churchman (Op. Cit. p. 59):
Puede ser que la matemática y la filosofía sean ampliamente estudiadas y
practicadas en todos los campos del aprendizaje, pero los departamentos
de matemáticas y filosofía definen lo que éstas realmente significan, o sea,
lo que en realidad son para el verdadero matemático y filósofo.
Para el administrador científico es muy importante hacer de lado las ambiciones

políticas y personales que influyen en la delimitación de tal o cual función. Esto
obliga a proponer funciones más generales e identificables con las medidas de
actuación que permitan conservar la integridad del sistema.
La identificación de estas funciones más generales (o misiones) permite con
más facilidad asignar un peso a la actividad en relación con los objetivos del
sistema como un todo. Cuando las funciones quedan relegadas a las partes
tradicionales (en nuestro ejemplo, los departamentos), no es fácil distinguir
cuánto de cada una de ellas es responsabilidad en la tarea total. Se debe disponer
de medidas de actuación que permitan evaluar las responsabilidades de cada
actor en la consecución del objetivo (u objetivos) global. ¿Acaso las actividades
de investigación son analizadas bajo este contexto en nuestras universidades?
Hemos insistido en que debemos mirar el sistema como un todo. ¿Porqué,
entonces, la persistencia en definir los subsistemas? La verdad es que no dis-
ponemos de herramientas para la comprensión global de los sistemas. Tal vez
sea un asunto de nuestra capacidad de comprensión que nos fuerza a mirar
todos y partes sin poderlos desligar. Se hace necesario disponer de elementos
“individuales” a partir de los cuales obtengamos suficiente información para
poder saber si el sistema está actuando en forma correcta. Kant, al decirnos
que nuestro cerebro obra con base a tres principios: causalidad, temporalidad
y espacialidad, está advirtiendo nuestra incapacidad intelectual de percibir
los todos de manera natural. La subdivisión se ha hecho tradicionalmente sin
tener al sistema como referente, bajo la consideración de aspectos económicos
o políticos, o generados por la intuición que genera una visión lineal de las
organizaciones. Churchman (Op. Cit., p. 61) analiza de la siguiente manera
los asuntos de gobierno:
322
[…] Desafortunadamente hasta la fecha, en la mayoría de los gobiernos

municipales y estatales no existe un análisis adecuado de sistemas del sis-
tema total, en términos de componentes reales; por razones tradicionales,
los gobiernos municipales y estatales están divididos en departamentos y
divisiones que no tienen relevancia con los verdaderos componentes del
sistema. Como consecuencia, dice el científico, la administración de nues-
tros grandes sistemas de gobierno estatales y municipales, se hace cada año
más difícil. Debido a que la toma de decisiones que gobierna las diferentes
misiones no está centralizada, las verdaderas misiones del estado, por
ejemplo, en términos de salud, educación, recreación, saneamiento, etc. no
podrán llevarse a cabo debido a que no tienen administración. Uno de los
peligros más graves del diseño de componentes es la rigidez que se ha
presentado tan a la medida en el diseño político de las ciudades y estados.
La asignación de responsabilidades se fija por ley y resulta imposible que-
brantarla. Lo que ocurre es un tipo de endurecimiento de las arterias de la
comunicación, y la enfermedad que invade es bastante conocida por los
administradores. Aún los planes más obvios para las diversas misiones de
la ciudad y estado no pueden llevarse a cabo, simplemente porque no
existe ningún camino para destruir la rigidez del sistema que se ha forma-
do por razones políticas.
El análisis de las componentes debe llevarnos a indicar aquellas en los cuales

sus medidas de actuación están relacionadas verdaderamente con la medida
de actuación del sistema total. Este problema de medir la actuación de un sub-
sistema no es fácil de resolver. Hay dificultades no sólo al nivel de la medición
misma sino en la fase que le antecede, en la de decidir cuál es esa medida de
actuación, y es aquí en donde se generan conflictos en los objetivos buscados.
Si un departamento de una universidad busca la excelencia académica como
su objetivo primordial, esto puede reñir con la política presupuestal de la
misma puesto que dicha excelencia implica mayor inversión en profesores,
equipos y áreas de trabajo. Y el conflicto sería mayor si el objetivo real de
dicha universidad fuera producir un mayor número de profesionales. Existe
conflicto entre el departamento, la división financiera y la dirección general
de la misma universidad.
Una regla que sirve para resolver estas dificultades es la siguiente. Si cuando
se aumenta el valor de la medida de actuación escogida, suponiendo que to-
das las demás cosas permanecen iguales, se observa o deduce que la medida
de actuación del sistema total aumenta, entonces la escogencia es correcta y
el subsistema está contribuyendo verdaderamente a la actuación del sistema.
323
De lo contrario, es necesario revisar el subsistema y su comportamiento, así

como la medida escogida.
9.4.6 La administración del sistema

La coordinación de lo anterior, es decir, la búsqueda de un equilibrio entre las
actividades de los subsistemas y los resultados globales, es lo que se relaciona
con la administración del sistema. Un sistema (subsistema) administrativo
tiene como funciones la planificación, comunicación, organización y control de
los elementos del sistema que administra. Todas estas funciones tienen como
finalidad que las partes trabajen coordinadamente para que el todo logre sus
objetivos reales. La administración debe establecer las metas de los subsistemas,
asignar los recursos y controlar la actuación del sistema125.
Surge ahora una pregunta de gran trascendencia. Si el administrador científico
llega a un conocimiento tan profundo del sistema que estudia ¿debe ser él, en-
tonces, quien lo administre? El científico, tarde o temprano, se verá involucrado
en los aspectos administrativos del sistema, particularmente en los políticos.
Tendrá que “negociar” para beneficio del sistema. De alguna forma entrará a
formar parte de él. Esta consideración está en la misma base de la imposibilidad
de una objetividad en el estudio y tratamiento de los problemas sistémicos.
Las metodologías de sistemas que estén relacionadas con los sistemas de la
actividad humana deben indicar la forma de afrontar este hecho.
9.5 A guisa de ejemplo

Consideremos una organización que de alguna manera nos es familiar: Una
universidad. Intentemos reflejar las ideas expuestas para definirla y tratarla
como un sistema. Durante este ejercicio es muy importante tener presente una
Institución en particular, no el concepto general de universidad.
Si un arquitecto fuera llamado para que refaccione sus edificios, podría con-
siderar que la universidad como sistema, está definida por lo que se conoce
125. Es importante leer estas notas a la luz de lo discutido en “Complejidad y sistemas

sociales”, numeral 8.4. También tener en cuenta lo dicho cuando se analice la meto-
dología de Checkland.
324
como el “campus universitario”. Aún en el evento de que poseyera sedes en

otros lugares alejados, la delimitación sería clara. El ambiente del sistema, en
principio, sería todo aquello que, arquitectónicamente, no está en el interior
del campus. La definición del sistema y su ambiente es, aparentemente, muy
sencilla de lograr.
Como subsistemas consideraría las edificaciones, parques y senderos existentes.
En este caso la identificación de los subsistemas, en general, tampoco presenta
una gran dificultad.
Como fue llamado para una refacción, el objetivo del sistema es claro: proponer
modificaciones a cada una de las edificaciones, de tal forma que guarden cierta
armonía entre sí y con la historia de la universidad. Como recursos podemos
identificar las condiciones exigidas por el estilo arquitectónico y las autoridades
universitarias, el presupuesto disponible, los obreros y sus conocimientos para
este tipo de trabajo, el tiempo que se haya fijado para la entrega del proyecto
terminado, etc.
Las medidas de actuación del sistema como un todo, podrían ser la exactitud
con que la obra final se asemeje a las construcciones originales, el tiempo in-
vertido y el costo de la misma. Para cada subsistema, una medida de actuación
similar se puede establecer.
El subsistema administrativo tendrá un subsistema que dependerá del arquitec-
to y otro de la dirección de la universidad. Ambos deberán estar coordinados
para que las fechas, presupuestos y estilos se cumplan a cabalidad.
Como puede verse en este caso podemos decir que el sistema es “duro”: obje-
tivos fácilmente identificables, estructura del sistema claramente delimitable
y procesos bajo condiciones de certidumbre.
¿Cuál sería la situación si al arquitecto se le solicitara que modificara la uni-
versidad existente con el fin de adaptarla al futuro?
La primera gran dificultad, ahora, es definir con exactitud cuál es el objetivo (u
objetivos) de esta nueva universidad. Se dice que este tipo de instituciones debe
desarrollar investigación, formar profesionales (docencia) y generar extensión
(o servicio a la comunidad). ¿Será la investigación el objetivo primordial? O a
pesar de las declaraciones oficiales, ¿quizás lo más importante sea establecer
vínculos con la comunidad a través de las asesorías y del servicio social? ¿Y si
tal vez lo que se busca es la graduación de un gran número de profesionales
que puedan ocupar puestos de importancia con el fin de que la universidad
325
logre una buena posición en la comunidad? No queda duda que cualquier

institución universitaria tiene de alguna manera estos tres objetivos. Pero
¿será alguno de ellos más importante que los otros dos, proyectada al futuro?
La aclaración de este punto es de vital importancia si se desea que las nuevas
edificaciones cumplan su verdadera función. Por otra parte, ¿hacia dónde va
“el futuro” de las universidades?
El ambiente tampoco es claro en este momento. Depende precisamente del fu-
turo. ¿Qué sistemas de comunicación se prevé? ¿Cómo afectarán a la docencia?
Situación igual se presentará al tratar de definir los componentes (subsistemas)
del sistema, los recursos y el subsistema administrativo. El sistema debe con-
siderarse como uno “blando”.
9.6 El proyecto metodológico

Es importante establecer una distinción entre el desarrollo del estudio de siste-
mas como ciencia de los sistemas −es decir− como el establecimiento de sistemas
formales con profundos arraigos teóricos, y la aplicación del pensamiento de
sistemas, que corresponde al campo de las metodologías.
Hemos adaptado de Jackson y Keys (1984, p. 95) el siguiente esquema general
para analizar la evolución del pensamiento sistémico que han denominado
sistema de metodologías sistémicas (System of Systems Methodologies: SOSM).
Éste consta de dos ejes. El eje horizontal está relacionado con las divergencias
entre objetivos, valores e intereses de los individuos de un sistema cualquiera.
Su rango va desde los sistemas que tienen objetivos claramente definidos y en
los cuáles no existe ningún conflicto de intereses entre quienes están relacio-
nados con la situación problemática a analizar, hasta aquellos en los cuales los
conflictos y luchas de poder son dominantes. El eje vertical está relacionado
con la complejidad de los sistemas. El rango va desde los sistemas más senci-
llos (pequeño número de elementos, interacciones claramente identificables,
decisiones cuyos efectos son predecibles, es decir, sistemas duros), hasta los
más complejos fruto de procesos jerárquicos más evolucionados. La figura 9.3
nos da una idea de este sistema de sistemas.
De acuerdo con este esquema, la Investigación de Operaciones (I. de O.) −
aquellas técnicas matemáticas utilizadas para la optimización de procesos en
326
las organizaciones− tiene su origen y ha sido exitosa en los sistemas “duros”,

en los cuales el acuerdo y definición de los objetivos no tiene dudas.
Más aún, estas metodologías presumen, en la mayoría de los casos, un objetivo
único. Esto lo veremos cuando presentemos la programación lineal y la metodo-
logía de Jenkins (Cap. 10). Sin embargo, a medida que los sistemas estudiados
se fueron haciendo más complejos, se necesitaron nuevas herramientas. La
Dinámica de Sistemas, (de la cual hablaremos en el capítulo 10), la cibernética
organizacional y la teoría de los sistemas vivos son ejemplos de tendencias
hacia estos nuevos campos, los cuáles han pasado de una propuesta que pue-
de enmarcarse como positivista (es decir, reduccionista y mecanicista) a una
Unitario Pluralista Conflictivo/coercitivo
I. de O.
I. de O. blanda
Sist. Blandos
Simple a Complejo
Sist. Emancipadores
Postmodernismo
Dinámica de sistemas
Cibernética
?
Sist. Adaptativos
Teoría de la Complejidad
Sistema de metodologías de sistemas

Fig. 9.3
propuesta enmarcada en los movimientos estructuralistas de enfoque más ho-
lístico. En lo que respecta al eje horizontal, ya indicamos que la I. de O. parte
de la base de la no existencia de conflictos desde el punto de vista de valores
e intereses (o, por lo menos, se aceptan acuerdos sobre estos temas que son
debidamente respetados).
A medida que el grado de acuerdo empieza a desaparecer se hace necesario
modificar las metodologías. Surge entonces la I. de O. “blanda” que debe tener
en cuenta los conflictos entre objetivos. Una primera aproximación a ellos es
la programación de metas, que logra la consideración simultánea de objetivos
en pugna. Aquí se propone una única función objetivo que incluye las discre-
327
pancias entre las metas; la idea es minimizar tales discrepancias (se reducen
los diversos objetivos a uno sólo, con el fin de poder utilizar el software de
la programación lineal). También se incluye en esta parte las denominadas
metodologías de sistemas blandos (administración interactiva (Warfield),
planeación interactiva (Ackoff), diseño de sistemas sociales y la Metodología
de Sistemas Blandos (Checkland)). Estas nuevas tendencias buscan un enfoque
interpretativo. Ya no se trata de buscar un modelo que pueda repetidamente ser
utilizado. Para el caso de sistemas en los cuales los conflictos de intereses son
realmente determinantes, la tendencia deriva hacia un enfoque emancipador
de los sistemas.
Podríamos decir, adicionalmente, que los modos de investigación se localizarían
de lo simple a lo complejo y de lo unitario a lo conflictivo, en el orden tipo 1,
tipo 2, tipo 3 y tipo 4. De esta manera, lo simple y unitario utiliza el tipo 1,
mientras que lo complejo y coercitivo el tipo 4.
En los capítulos que siguen indicaremos algunas metodologías con el fin de
ilustrar la manera cómo los conceptos de sistemas han sido considerados y
llevados a la práctica por los diferentes investigadores de los sistemas.
9.7 Resumen
En nuestro camino por explicar la T.G.S. nos hemos encontrado con la dificul-
tad de disponer de teorías que permitan aplicarse directamente a los sistemas
de la actividad humana. Ante este hecho, la solución que se ha encontrado es
recurrir a las metodologías.
Una metodología es una forma general de explicar cómo enfrentar situaciones
complejas cuando no existe un cuerpo de doctrina que permita guiar nuestros
pasos. Si se aplican a situaciones concretas, entonces ellas se tornan en métodos,
formas específicas de enfrentar la situación que queremos mejorar. Si alguno
de estos diversos métodos resulta ser más conveniente que otros, entonces
habremos desarrollado una técnica. La relación entre los marcos teóricos y el
mundo real que queremos conocer o afectar, estará mediada por metodologías.
De esta interacción surgen diversas maneras de hacer investigación: son las
que hemos llamado investigación tipo 1, tipo 2, tipo 3 y tipo 4.
Respecto a las metodologías hemos utilizado la clasificación propuesta por
Burrel y Morgan de los sistemas sociales. Cuatro visiones enmarcan esta ca-
328
tegorización: la primera, tiene que ver con sistemas que no pueden mirarse
en forma objetiva (subjetivos) y no son regulables (cambio radical), a los que
denominan “humanismo radical”. La segunda, se refiere a aquellos sistemas
que se consideran subjetivos, y no obstante regulables: los denominan “in-
terpretativos”. La tercera visión, considera a los sistemas como objetivos pero
no regulables, los cuales dan origen a teorías sociales de tipo estructuralista o
“estructuralismo radical". Finalmente, existen teorías sociales que consideran
que la sociedad puede estudiarse objetivamente y es posible regularla; se trata
de enfoques “funcionalistas” que siguen las ideas de la ciencia tradicional.
Cada una de las metodologías desarrolladas con la clasificación indicada, se
caracterizan por la forma de considerar el concepto de sistema, las teorías
científicas que las soportan y los efectos que la intervención ejerce sobre el
fenómeno estudiado.
Al final de este capítulo, se muestra un diagrama que traza un proyecto de la
manera como se espera que nuevas teorías y metodologías se vayan desarro-
llando con el fin de pasar de la consideración de sistemas fácilmente definibles
en sus objetivos y sencillos en cuanto a sus interacciones, a sistemas altamente
conflictivos y de gran complejidad.
329
330
CAPÍTULO 10
METODOLOGÍAS DURAS
10.0 Tres metodologías funcionalistas

Estudiados los conceptos generales de cualquier metodología, en este capítulo
se considerarán algunas metodologías funcionalistas: la programación lineal,
la 4M de Jenkins y la Dinámica de Sistemas de Forrester.
La primera es la programación lineal, enmarcada en los procesos metodoló-
gicos de la Investigación de Operaciones. La segunda es la de G.M. Jenkins,
enraizada en lo que se conoce como Análisis de Sistemas pero en la cual un
enfoque sistémico es tenido en cuenta. Finalmente, se presenta la metodología
de J.W. Forrester, nacida de la cibernética y que, durante varias décadas, ha
sido ampliamente utilizada en la descripción y estudio de muy diverso tipo
de situaciones.
No se intenta presentar estas metodologías de manera exhaustiva. Sólo que-
remos llamar la atención sobre su existencia e importancia, resaltando sus
características principales e indicando las consideraciones que sobre las me-
todologías hicimos en el capítulo anterior.
10.1 La programación lineal

La Investigación de Operaciones (I. de O.) es el nombre genérico con el cual
se conocen diferentes técnicas cuya finalidad es obtener el valor (o valores)
que hacen óptimo (máximo o mínimo) un proceso generalmente sometido a
restricciones. Tuvo su origen en la segunda guerra mundial en Gran Bretaña;
su objetivo era enfrentar mediante un grupo interdisciplinario de científicos,
los ataques alemanes y desarrollar mecanismos de defensa. Fue muy exitosa
y al terminarse esta guerra, los dos grandes grupos que la conformaron, el
Norteamericano y el Inglés, se separaron dando origenes a estudios relacio-
nados directamente con la Investigación de Operaciones y a lo que se llamó
331
Management Science. Esta última línea observó que las organizaciones tenían
una lucha muy similar a la que se había investigado durante la guerra: la lu-
cha por un mercado. Se habían encontrado un isomorfismos que permitieron
adaptar a situaciones empresariales los modelos desarrollados para la guerra.
Entre las técnicas más utilizadas se encuentran la programación lineal, la
programación no lineal, la teoría de inventarios, la programación dinámica,
la teoría de colas y la teoría de juegos. Se incluye también la simulación de
sistemas.
Para mostrar la forma como se analizan los problemas bajo esta perspectiva,
tomaremos la herramienta correspondiente a la programación lineal126.
El tipo de problemas pertenece a los sistemas duros: el objetivo se presume
que es claro, no hay situaciones de incertidumbre y la estructura es claramente
identificable; es posible entonces plantear un modelo matemático.
La característica básica de esta herramienta es el hecho de que existe una
función, que se le conoce con el nombre de función objetivo, representada
matemáticamente mediante una ecuación lineal, la cual se desea optimizar, es
decir, hallarle un valor que sea máximo o mínimo. Entendemos por función
lineal aquella en la cual las variables sólo están elevadas a la potencia uno, y no
existen productos o divisiones de las mismas (Cfr. 6.0). Son ecuaciones del tipo:
z = a 1 x1 + a2 x2 + … + an xn (10-1)
Geométricamente estamos hablando de ecuaciones que se representan en forma

de rectas (espacio de dos dimensiones), planos (espacio de tres dimensiones) e
hiperplanos (planos más allá de la tercera dimensión). La figura 10.1 muestra,
con fondo gris, el plano correspondiente a la ecuación lineal:
x1 + 2x2 + 3x3 = 6 (10-2)
para valores de x1, x2, x3 ≥ 0.
126. Existen muchos y muy buenos libros en la literatura. Autores como Dantzig (que
trae un excelente resumen de la historia de la investigación de operaciones) y Hadley
deben ser consultados.
332
A(0,3,0)
3
B(6,0,0)
0 1 2 3 4 5 6
C(0,0,2)
Plano en tres dimensiones

Fig. 10.1
Por otra parte, los valores que adquiera la función objetivo están sometidos a
restricciones. No pueden moverse libremente. Estas restricciones se representan
también por ecuaciones lineales. Veamos un sencillo ejemplo127.
El dueño de una tierra posee 25 hectáreas que desea cultivar con tomate y
cebolla. Él conoce, por hectárea, los costos de cada cultivo, las necesidades de
agua, el abono necesario y el precio de venta. La tabla de la figura 10.2 nos
indica los datos respectivos. Desea saber cómo cultivar su tierra con el fin de
obtener el máximo beneficio.
Si sólo se sembrara tomate tendríamos que desde el punto de vista del recur-
so agua, se podrían sembrar, como máximo, 150000/7760 = 19.33 hectáreas;
considerando sólo el abono, el máximo número de hectáreas a cultivar sería
de 600/33=18.18.
Como dispone de 25 hectáreas es claro que el máximo de hectáreas de tomate
a sembrar será el mínimo de estos tres números, es decir, 18.18 hectáreas.
127. Para un ejemplo más completo véase C.A. Ossa (2002, p. 89-):
333
Tomate Cebolla Disponibilidad

Agua m3/ha 7760 6080 150000 m3
Abono kg/ha 33 23 600 kg
Costo/ha 300000 210000
Precio venta/ha 380000 270000
Datos de recursos y costos de tomate y cebolla

Fig. 10.2
Un análisis similar para la cebolla nos indica que el máximo número de hec-
táreas que se puede cultivar es:
Min {150000/6080, 600/23, 25} = 24.67
En cada caso los beneficios serán:
Sólo tomate: (380000 – 300000) x 18.18 = 1.454.400.

Sólo cebolla: (270000 – 210000) x 24.67 = 1.480.200.
Estaríamos tentados a sugerir que, de la tierra disponible, 24.67 hectáreas se

dedicaran a la producción de cebolla por ser la más rentable.
Sin embargo, nótese que podríamos sugerir otro uso de la tierra. Por ejemplo,
cultivar 9 hectáreas de tomate y 13 de cebolla. El siguiente cuadro nos muestra
que el agua y el abono consumido en esta propuesta no violan las restricciones.
9 has. tomate 13 has. cebolla.

Agua consumida (m3) 9×7760 = 69840 13×6080= 79040
Abono utilizado (kg) 9×33 = 297 13×23 = 299
Beneficio 9×80000=720.000 13×60000=780.000
Beneficio total 720.000+780.000 = 1.500.000
334
Observe que el total de agua utilizada (69840 + 79040) es inferior a 150.000 m3;
el total de abono utilizado (297 + 299) es menor que 600 kg. El área propuesta
no excede a las 25 hectáreas disponibles. Esta solución cumple, por lo tanto,
con las restricciones. El beneficio total es de 1.500.000, superior al beneficio
de cultivar sólo cebolla.
¿Existirá una solución mejor? La programación lineal nos da la respuesta. Sólo
para indicar la clase de modelos que se generan, escribiremos el programa en
forma matemática.
Sea xT el total de hectáreas de tomate a cultivar, y xC las hectáreas de cebolla.
El beneficio por la venta del producto de xT hectáreas de tomate será 80000
xT y el de la venta de la cebolla 60000 xC. Como se busca el máximo beneficio
total tendremos el siguiente modelo matemático:
Max z = 80000xT + 60000xC

7760xT + 6080xC # 150000 (m 3 agua)
33xT + 23xC # 600 (Kg abono) (10-3)
xT + xC # 25 (Has)
xT , xC $ 0
La primera ecuación pide hallar el máximo valor posible. El beneficio total

será la suma del beneficio por la venta de tomate, que es 80.000 por el total de
hectáreas de tomate producido, xT, y el beneficio por la venta de cebolla que
equivale, para xC hectáreas de cebolla sembradas, a 60000 xC.
La primera restricción se refiere al uso del total del agua: cada hectárea de
tomate consume 7760 m3 de agua por lo que xT hectáreas consumirán 7760 xT
m3 de agua. En forma equivalente se calcula el consumo de agua de la cebolla.
El total del consumo de agua será la suma de estas dos cantidades y no podrá
exceder a los 150.000 m3 disponibles.
En forma similar se analiza el recurso del abono. La tercera desigualdad indica
que no se puede cultivar más de 25 hectáreas (pero sí menos). Las últimas
dos restricciones, xT ≥ 0, xC ≥ 0 indican que no se pueden cultivar hectáreas
negativas.
335
La solución que se obtiene utilizando las técnicas de la programación lineal (el

método Simplex) es xT= 8.9, xC= 13.3 con una ganancia de 1.510.830. Para el
problema aquí indicado, no existe una solución con mayor beneficio.
Es importante anotar que el óptimo global no se obtiene a partir de los óptimos
locales. Esta es una lección de carácter sistémico muy importante. Muchos
administradores presionan a sus trabajadores a “rendir al máximo” con la
esperanza de que los resultados sean los mejores. Un enfoque sistémico nos
demuestra que esto no es así.
Igual ocurre con el uso de la tierra. En este ejemplo, es más beneficioso, desde
el punto de vista económico, dejar sin cultivar parte de ella: 2.8 hectáreas.
Los modelos de programación lineal pueden tener muchas variables y muchas
restricciones. Nótese que no hay dudas en que existe un solo objetivo: maxi-
mizar el beneficio total.
El tipo de problemas que puede resolverse con ésta metodología, a pesar de
que los postulados en que se basa son muy restrictivos, es inmenso. Sólo por
citar algunos: problemas de asignación de recursos, problemas de producción,
problemas de transporte, problemas de inversión de capital, problemas de
mezclas, problemas de impacto de propaganda…
Desde el punto de vista metodológico, vemos que la definición del sistema está
claramente determinada: hectáreas a cultivar de tomate y de cebolla, expresado
por la parte izquierda del sistema de desigualdades (10-3). La relación entre
el ambiente y el sistema está expresado en las restricciones que el ambiente
le impone al sistema −lado derecho de (10-3)−: disponibilidad de agua y de
abono. Las relaciones entre los elementos del sistema están expresadas en el
lado izquierdo del sistema de desigualdades. El objetivo es claro: maximizar
beneficios. Las medidas de actuación son las hectáreas a cultivar, los recursos
utilizados, los costos y beneficios de cada cultivo y el valor del beneficio, tal y
como aparecen en el modelo matemático. La administración del sistema bus-
cará que se cultiven las hectáreas propuestas por la solución óptima. Cumple,
pues, con las características que debe tener toda metodología tal y como lo
discutimos en el capítulo anterior.
336
10.2 La metodología de G.M. Jenkins

En 1969 G.M. Jenkins publicó un artículo en el cual indicaba una metodología
que permitía el uso del enfoque de sistemas en las empresas de tipo hombre-
máquina. Estas organizaciones son complejos en los cuales los hombres y las
máquinas interactúan mediante un plan128. Un enfoque fragmentado, como
ha sido el tradicional, no era conveniente debido a la creciente complejidad
de las firmas y de los gobiernos locales y nacionales.
La entidad fundamental es el sistema. El aspecto a destacar, para Jenkins, es la
existencia de un plan mediante el cual los elementos se conectan formando un
todo. La figura 10.3 representa −de forma esquemática− este tipo de sistema
abierto129.
ENTRADAS SALIDAS
Dinero Dinero
Materiales Materiales
Energía Empresa Energía
Información Información
Decisiones Decisiones
La empresa como un sistema abierto

Fig.10.3
Las plantas o empresas en general son un complejo formado por seres huma-
nos y máquinas que forman un todo o sistema. Este complejo puede romperse
en subsistemas. La forma en que esto se realice depende de la naturaleza del
sistema a ser estudiado y del detalle que quiera lograrse.
Los subsistemas pueden apreciarse gracias a los diagramas de flujo entre blo-
ques, como el indicado en la figura 10.4.
Esta figura es una ilustración propuesta por Jenkins (Op. Cit.) de un diagrama
simplificado de una planta de acroleína, que muestra al sistema definido por
128. Se le conoce como la metodología de las 4 M: Men, Money, Machine, Materials.

129. Jenkins establece aquí una diferencia importante con los esquemas utilizados
hasta ese momento en los cuales las organizaciones eran vistas como sistemas cerra-
dos, retroalimentados (enfoque cibernético).
337
Propileno Gas Purga de Acroleína

y aire reciclado gas
Alimenta- Agua
ción del reciclada
reactor COLUMNA COLUMNA
DE ABSOR- INTERCAM- DE
REACTOR CIÓN BIADOR DE DESTILA-
CALOR CIÓN
Acroleína
más otros SISTEMA
gases DE
Agua
REMO-
Acroleína y reciclada
CIÓN DE
CALOR residuos de
otros gases Purga de
líquido
Vapor de
agua
Sistema del proceso de producción de acroleína

Fig. 10.4
la interacción de varios subsistemas. El flujo en este ejemplo es de materia y
energía. En forma más general los flujos son de dinero, materiales, energía,
información y decisiones.
Los subsistemas se pueden definir como algún proceso que transforma ciertos
flujos de entrada (dinero, materiales, energía, información o decisiones) en
salidas correspondientes. También son sistemas abiertos. De hecho, este tipo
de diagramas define al sistema y sus subsistemas, y al ambiente. Estos subsis-
temas interactúan entre sí buscando que el sistema total cumpla su función
de la mejor manera posible. Las salidas de un subsistema son las entradas de
otro u otros subsistemas, de la misma manera como Lange define el acople de
los elementos activos. La comprensión de tales relaciones es fundamental para
entender bien al sistema como un todo.
10.2.1 Las fases de la metodología

El enfoque de sistemas en la solución de los problemas referentes a las empresas
hombre-máquina, se puede resumir en las siguientes fases:
338
• Análisis del sistema. El proceso se inicia utilizando el sentido común con

un estudio de lo que está ocurriendo, el porqué está ocurriendo y cómo
podría hacerse mejor. Deberá entonces definirse el sistema y sus objetivos
y recolectarse los datos referentes a las situaciones más probables.
• Diseño del sistema (o síntesis). En primer lugar, el comportamiento futuro
del ambiente (sistema mayor) deberá predecirse. Luego, se elaborará un
modelo el cual se simulará o explicará de acuerdo con las maneras dife-
rentes en que pueda operarse el sistema escogiéndose finalmente la que
sea “mejor”, es decir, optimizando el sistema.
• Realización. Los resultados del estudio del sistema deben ser presentados
para su sanción e implementación. El sistema optimizado debe ser cons-
truido. El proyecto requerirá una planeación cuidadosa para garantizar que
todos los beneficios del enfoque de sistemas sean logrados. Una vez cons-
truido el sistema, deberá revisarse su comportamiento, confiabilidad, etc.
• Operación. El sistema debe ser operado por personas diferentes a quienes
lo diseñaron originalmente. Por esta razón, se debe ser muy cuidadoso para
evitar interpretaciones e ineficiencias en la operación del sistema. Según
Jenkins, ésta es el área en la cual probablemente se hace menos hincapié
en los proyectos. Posiblemente se deba “afinar” o reoptimizar el sistema
para que opere en un ambiente que puede haber cambiado con respecto a
aquel para el cual fue diseñado.
Esta metodología tiene algunas características importantes. En primer lugar
está diseñada para grupos asesores, quienes deben resolver un problema espe-
cífico que se les ha encomendado. También está referida a sistemas hombre-
máquina; su utilidad es manifiesta cuando se aplica a problemas de carácter
industrial y, a veces, organizacional. Finalmente, resume de una manera
excelente el pensamiento de diversos autores en el área de la Investigación de
Operaciones y del Análisis de Sistemas.
Vamos a describir un poco en detalle las diferentes fases a las que hemos hecho
referencia. Es necesario recalcar que no deben tomarse como una sucesión que
deba seguirse ciegamente. Son guías del pensamiento que deben ser revisadas
continuamente, volviendo atrás cada vez que se crea necesario.
339
10.2.2 Análisis del sistema

Esta fase incluye los pasos siguientes.
1) Reconocimiento y formulación del problema. Un hecho que siempre debe
mantener presente quien se enfrenta a un problema es el relacionado con
la identificación del mismo. Casi como un postulado, se debe partir de la
creencia que el problema inicialmente propuesto no es en general el verda-
dero problema. Y esto es cierto aún en el caso de situaciones que parecen
ser de origen marcadamente técnico. Jenkins propone aquí las siguientes
preguntas claves:
a) ¿Cómo surgió el problema?
b) ¿Quienes son los que creen que la situación es un problema?
c) Si es necesaria una decisión superior con respecto a un plan ¿cuál es la
cadena de razonamiento que nos lleva a tomar la decisión?
d) ¿Es realmente el verdadero problema? ¿No podría ser la manifestación
de otro problema más profundo? ¿No se conseguirían mejores beneficios
si se resuelve este último problema en lugar del propuesto originalmente?
Inevitablemente, los recursos a disposición de la empresa son limitados.
Con la evidencia disponible hasta este momento ¿se cree que pueda haber
una tasa de retorno favorable si se dedican los esfuerzos para resolver el
problema? ¿O sería mejor dedicarlos a otra situación?
Como resultado de este diálogo emergerá un cuadro más claro acerca de la
amplitud del problema y de los beneficios probables que podrían resultar
de su solución.
2) Organización del proyecto del sistema. Definida la amplitud del problema,
es necesario programar la forma como debe ser enfrentado. Se deben
especificar las técnicas que van a usarse, lo cual permitirá definir cuáles
personas deberán formar parte del grupo asesor. Se deben aprovechar los
mejores recursos de que disponga la empresa; y si no están preparados para
trabajar como grupo de sistema, será necesario llevar a cabo un programa
de entrenamiento al respecto. Un grupo típico está compuesto por todas o
algunas de las siguientes personas:
340
a) Líder del grupo. Idealmente un experto en enfoque de sistemas o, en su

defecto, alguien brillante y con gran conocimiento del problema que va a
ser estudiado.
b) Usuarios. En el grupo es necesario que haya algún representante de la
empresa que luego operará el sistema que va a diseñarse.
c) Constructores de modelos. Ellos se encargarán de la elaboración del
modelo y también ayudarán a estimular a aquellos departamentos especia-
lizados (investigación, desarrollo de procesos, ventas) que puedan proveer
información para los modelos de los subsistemas.
d) Diseñadores. Si el sistema requiere la construcción de elementos (“hard-
ware”) es necesario que el grupo tenga representantes en el grupo de inge-
niería que sea responsable del diseño de estos elementos para que se ajusten
a las especificaciones del sistema. Lo mismo para los elementos de soporte
(“software”) tales como programas, procesamiento de datos, etc.
e) Programadores de computación y matemáticos. Para programar los
modelos del sistema y ayudar con la optimización del diseño.
f) Un economista o contabilista. Él suministrará información sobre el
ambiente económico general del problema, con lo cual se podrá definir el
criterio económico global así como información sobre costos la cual será
útil para el modelo.
g) Ingenieros de sistemas130. Ellos contribuirán en mayor o menor grado en
la construcción del modelo, en la programación, optimización, evaluación
económica y demás actividades que se presentan durante la solución del
mismo. En muchas situaciones ellos deberán hacer la mayor parte del tra-
bajo. Pero, por encima de todo, su función es mantener una visión global
del desarrollo del proyecto.
También es necesario en esta fase indicar los términos de referencia bajo
los cuales se va a llevar a cabo el proyecto. Será necesario asegurarse de que
se tienen las mayores garantías en cuanto al acceso a la información que
sea requerida.
Finalmente se indicará un cronograma del proyecto. Aquí son de gran uti-
lidad técnicas como el PERT-CPM. Esto permitirá concentrar los esfuerzos
en las áreas que realmente sean importantes.
130. Jenkins se refiere aquí al tipo de Ingeniero de Sistemas de la U. de Lancaster: un
ingeniero con formación en Teoría General de Sistemas.
341
3) Definición del sistema. Esta definición es un proceso de análisis en el cual el

sistema debe dividirse en los subsistemas más importantes, así como en las
interrelaciones entre ellos, lo cual debe quedar indicado en un diagrama de
flujo (esquema de bloques en donde cada uno es un subsistema y en donde
las relaciones se indican por líneas que van de un bloque a otro)131.
Para evitar que la descripción del sistema sea muy compleja, es mejor empe-
zar con una representación sencilla y luego, si fuera necesario, completarla
con detalles. Esta descripción debe ser suficientemente flexible de tal manera
que pueda cambiarse fácilmente a medida que nuevos conocimientos vayan
apareciendo durante el desarrollo del proyecto.
4) Definición del sistema ampliado (ambiente de sistema). Para definir los
objetivos del sistema, es necesario indicar claramente el papel que juega el
sistema en el sistema ampliado del cual forma parte. Es necesario elaborar
un diagrama de flujo con el fin de indicar estos elementos. Invariablemente
ocurre que las relaciones entre el sistema y el sistema ampliado no son claras
para la mayoría al comienzo del proyecto. El diagrama de flujo del sistema
ampliado nos permite aclarar estos aspectos.
5) Definición de los objetivos del sistema ampliado. Debido a que los sistemas son
jerarquizados, son los objetivos del sistema ampliado los que son cruciales
ya que ellos determinan las condiciones en las cuales el sistema debe fun-
cionar. Si el ambiente cambia, también cambiarán los objetivos del sistema.
Definir los objetivos del sistema ampliado es esencial ya que los objetivos
del sistema podrán ser formulados de tal manera que contribuyan efectiva-
mente a los objetivos de aquél, en lugar de estar apuntando en direcciones
diferentes, lo cual permite garantizar la flexibilidad necesaria para que el
sistema se adapte a los cambios del ambiente.
6) Definición de los objetivos del sistema. La parte culminante de cualquier
definición de objetivos es la formulación del criterio, generalmente eco-
nómico, que permita medir la eficiencia con la cual el sistema logrará su
objetivo. La formulación del criterio económico puede requerir un estudio
cuidadoso. Sin embargo, en los comienzos es mejor definir los objetivos en
términos amplios.
131. Nótese que, de cierta manera, Jenkins considera que el todo está definido por
las partes. En parte se comprende dado que la situación se considera como un sistema
duro.
342
Aquí es importante hacer una lista de todos los objetivos posibles tratando
de darles un orden de importancia. Por razones de manipulación del modelo,
será necesario decidirse por uno solo, lo que obliga a hacer concesiones y
compromisos.
7) Definición del criterio económico general. Una vez que los objetivos se han
coordinado, el paso siguiente es definir, en los términos más precisos po-
sibles, un criterio que permita medir la eficiencia con la cual el sistema
puede lograr su objetivo. Generalmente se trata de un criterio económico,
como ya se indicó.
Los criterios generales deben estar relacionados con los objetivos, ser simples
y directos, aceptados aún en el caso de que sean cualitativos.
Respecto a cómo manipular objetivos que estén en conflicto, cuando el
modelo es de programación lineal, es posible utilizar la programación de
metas. Aquí se definen pesos a los diferentes objetivos y con ellos se plantea
una sola función objetivo que busca minimizar las discrepancias entre ellos.
Otra forma es decidirse por un objetivo que sea representativo de los cri-
terios del sistema e incluir los objetivos restantes en forma de restricciones
en el modelo.
8) Recolección de información y datos. La fase final y probablemente las más
extensa en el análisis del sistema es la recolección de los datos y de la infor-
mación que formarán las bases de cualquier modelado futuro del sistema.
Si el sistema va a ser creado, entonces los datos se obtendrán de la investi-
gación y desarrollo de sistemas similares en caso de que estos existan. Los
datos y la información son necesarios no sólo para dar indicaciones de
cómo opera el sistema, sino para predecir el ambiente en el cual el sistema
lo hará en el futuro.
10.2.3 Diseño del sistema (síntesis)

Esta fase incluye los pasos siguientes.
• Predicción. La predicción es el primer paso importante en el diseño de
cualquier sistema. Predicciones exactas son esenciales para el diseño efi-
ciente de un sistema. Por el contrario, si éstas son inexactas, no podrán ser
compensadas por la sofisticación y la optimización del modelo que puedan
hacerse posteriormente. Las predicciones por sí solas no son de valor si no
343
se tiene una idea de la exactitud, de tal manera que se pueda asociar una
función de riesgo en el diseño del sistema.
• Construcción del modelo y simulación. Para calcular los costos asociados
con las diferentes formas en que puede funcionar el sistema, es necesario
predecir el comportamiento del sistema con respecto a un amplio rango
de condiciones de operación, lo cual puede lograrse a través de la cons-
trucción de un modelo. Éste debe ser elaborado teniendo en mente su
posterior optimización. La Investigación de Operaciones presta aquí, un
invaluable apoyo.
• Optimización. Este paso está ligado al anterior. Los mismos criterios ofre-
cidos por la I. de O. tienen cabida aquí. Es interesante que a menudo la
optimización pueda resultar en un proceso de suboptimización por lo que
se debe estar atento a este hecho. Por ello es importante definir claramen-
te los objetivos del sistema ampliado porque de otra manera el “óptimo”
del sistema podrá estar en conflicto con el ambiente en el cual operará el
sistema132.
• Control. El control es necesario debido a que las perturbaciones impre-
decibles que afectan a un sistema, desvían el comportamiento actual de
su comportamiento predicho. Debe ser considerado como parte integral
del sistema y no como una idea tardía, y debe ser general y no centrado
en aspectos a menudo irrelevantes.
Confiabilidad. Un buen sistema de control debe incluirse, en parte para asegurar
una buena confiabilidad. Sin embargo la confiabilidad de los sistemas incluye
otros aspectos diferentes al control ya que debe tener en cuenta los efectos
globales de la incertidumbre en el diseño del sistema. La teoría estadística
brinda una valiosa herramienta al respecto. Por otra parte, la experiencia con
equipos y sistemas semejantes es a veces imprescindible.
10.2.4 Realización
Ningún estudio de sistemas, no importa qué tan bien llevado a cabo haya
sido, puede considerarse útil si no es ejecutado. Indicaremos los pasos más
importantes.
132. No nos debemos confundir aquí con otro concepto de suboptimización el cual
dice que en general, siempre se suboptimiza ya que “lo mejor” es una meta inalcan-
zable y además el hecho de aceptar compromisos entre los diferentes objetivos nos
impide lograr “lo mejor”.
344
• Aprobación de documentos y sanción. Los informes finales del proyecto

deben ser redactados para llevar a cabo acciones concretas. Las fallas en la
comunicación en esta importantísima fase pueden arruinar lo que de otra
manera hubiera sido un buen estudio de sistemas. Para ello es recomenda-
ble discutir el contenido y la forma con los administradores y supervisores
quienes serán responsables de llevar a cabo el proyecto. Los manuales de
presentación de informes son obras de consulta obligada si se quiere tener
éxito, y éxito significa, aquí, que el trabajo se lleve a cabo.
Esta es la fase más crítica de cualquier estudio de sistemas puesto que en
este momento es cuando se debe tomar la decisión de continuar y construir
el sistema. Obviamente, la decisión será favorable si la propuesta es clara y
objetiva; adornarla más de la cuenta o pecar de exceso de humildad hacien-
do resaltar más los perjuicios que los beneficios son dos procedimientos
seguros para que jamás la propuesta sea escuchada. La honestidad debe
primar por encima de todo.
• Construcción. A veces es necesario construir equipos y diseñar soporte
(“hardware” y “software” del sistema). Debido a que en esta fase la mayor
parte del equipo de trabajo ya se ha disuelto, es fundamental considerar la
construcción como parte integrante del diseño del sistema. Cada paso del
diseño, construcción e instalación de los equipos debe ser vigilado para
evitar demoras que afecten los costos y la eficiencia del sistema diseñado.
10.2.5 Operación
Una vez que el sistema ha sido diseñado, construido e instalado en el ambiente
de trabajo, será necesario tener en cuenta los siguientes pasos.
• Operación inicial del sistema. Una ligazón efectiva entre el equipo de siste-
mas y los usuarios es esencial para obtener los beneficios plenos del estudio
realizado. En general, esta parte es mal ejecutada en la práctica. Para evitarlo
es conveniente que de antemano se posea documentación y entrenamiento
adecuado. También es importante incluir, en el grupo de sistemas, como
ya se indicó, a uno de los miembros encargados de la operación.
• Evaluación retrospectiva del proyecto. Cuando el sistema ha sido operado
por un tiempo suficientemente largo, el grupo de sistemas debe colaborar
con los usuarios a fin de hacer una evaluación retrospectiva del funcio-
345
namiento del mismo. Si todo marcha bien, nada habrá que objetar. De lo
contrario, será necesario tomar medidas que corrijan la situación anómala.
Nada puede ser más dañino para el enfoque de sistemas que considerar
terminado un trabajo cuando el sistema original ha sido completado.
Esta fase brinda una oportunidad magnífica para comprobar si las suposiciones
económicas fueron acertadas, con lo que se puede mejorar el pensamiento de
sistemas para futuros desarrollos.
Es fácil observar cómo los requisitos impuestos a cualquier metodología sisté-
mica se cumplen a cabalidad en esta metodología: definición del sistema, de los
subsistemas y del ambiente; definición de los objetivos del sistema y medidas
de actuación del sistema y de los subsistemas. Existencia de un subsistema
administrativo que coordine y controle las actividades respectivas.
10.3 La Dinámica de Sistemas de

J.W. Forrester
Se ha escogido esta metodología ya que de alguna manera representa una
corriente sistémica que se sitúa entre las metodologías más “duras” como la
de Jenkins y las más blandas, como la de Checkland. En este punto es bueno
recordar la advertencia de Ackoff cuando se refiere al uso de modelos de sis-
temas deterministas utilizados para describir modelos de sistemas animados
o sociales133.
El año 1946 se puede considerar como el inicio formal de la cibernética. Aunque
de corte reduccionista y mecanicista, esta rama del conocimiento ha ampliado
su enfoque teniendo en cuenta algunos de los planteamientos elaborados por
la teoría de sistemas gracias a su relación con la teoría de control.
El concepto básico de la cibernética es el “lazo de retroalimentación”: representa
la influencia que puede ejercer un elemento de un sistema sobre sí mismo, pero
a través de su influencia en otros elementos134. Esta teoría postula que los sis-
temas pueden describirse en términos de elementos que interactúan mediante
acoples de partes en los cuales se hacen presentes estos lazos de retroalimen-
133. Cfr. Cap. 5, numeral 5.1.2.2.

134. Es importante tener en cuenta la discusión que se llevó a cabo en el numeral
4.3.
346
tación. La interacción se ilustra en un lenguaje esquemático conocido como

diagramas causales. En ellos se establecen relaciones de tipo causal entre los
diferentes elementos del sistema tal y como lo propone O. Lange. En la figura
10.4 se destacan algunos lazos de retroalimentación.
10.3.1 Causalidad
De una manera intuitiva podemos comprender la causalidad como el origen
o explicación de un hecho. Es el caso común en la física clásica (recordar lo
discutido en los numerales 1.1.3 y 1.2).
Supongamos que un gas está confinado en un recipiente rígido. El gas ejerce
una presión P sobre las paredes del recipiente, debido a su confinamiento. Si
calentamos el gas, sin permitir que aumente su volumen, la presión sobre las
paredes del recipiente aumentará debido a que la energía de las moléculas del
gas aumenta: la temperatura afecta a la presión. Podríamos indicar gráficamente
lo anterior mediante el diagrama causal ilustrado en la figura 10.5.
T P
Relación causal entre temperatura y presión

Fig. 10.5
El arco dirigido (o flecha) muestra el sentido de la causalidad. Esta observación
se escribe matemáticamente:
P \ T (10-4)
en donde P es la presión del gas que se encuentra a una temperatura T. El

símbolo ∝ significa “directamente proporcional a”: a mayor (menor) T, mayor
(menor) P. ¿Pero el aumento de la presión, aumentará la temperatura del gas?
Consideremos otro ejemplo. Comer en exceso causa, en general, aumento de
peso. En este caso es posible dar una explicación a partir de una ley biológica,
aunque en ocasiones hay personas que aparentemente comen mucho y sin
347
embargo parecen no engordar. Concluimos que el alimento afecta al peso

(masa corporal). También utilizaremos una flecha que une a ambas situaciones:
Alimento Peso
Relación causal entre alimento y peso

Fig. 10.6
Se concluye que a más alimento, mayor aumento de peso o que a menos ali-
mento, menor aumento de peso. Pero ¿el aumento de peso implica un aumento
en el consumo de alimentos?
En forma más general, más que causalidades, hablamos de relaciones, de
influencias.
La afirmación o negación de estas inversiones en la causalidad requiere un
estudio cuidadoso y es la base de los lazos de retroalimentación.
Con el fin de facilitar el análisis de los diagramas causales la flecha puede
indicar:
• Una causalidad directa, sin excepción, como en el caso de la presión y la
temperatura en un gas.
• Una influencia o afectación, con posibles excepciones, como en el caso
de los alimentos, resultado estadístico de situaciones observadas en el
mundo real.
• Una conjetura a probar.
La “causalidad” (o relación) podrá, pues, basarse en leyes naturales, en expe-
riencias empíricas, en datos estadísticos o incluso en conjeturas. Es necesario
tener en cuenta estos factores cuando se realizan modelos causales.
Es muy útil, cuando se analiza la influencia de una situación sobre otra, efec-
tuar un experimento mental (o real si es posible y necesario) en el cual nos
preguntamos lo que ocurriría si esta influencia fuera la única que actuara sobre
el elemento afectado. Así, en el caso de los alimentos no debemos incluir, en la
relación causal, situaciones como alimentos dietéticos o personas hiperactivas
que consumen más energía que el promedio, si el análisis se está haciendo bajo
condiciones normales.
348
Cuando se establecen diagramas causales es fundamental preguntarse:

• ¿Qué tipo de causalidad está implicada?
• ¿Las hipótesis son plausibles?
• ¿Qué evidencia puede presentarse para aceptar o refutar la relación?
• ¿Qué hipótesis alternativa es posible?
10.3.2 Lazo de retroalimentación

Como se indicó anteriormente, un elemento puede afectarse a sí mismo a través
de una serie de relaciones causales. La figura 10.7 (adaptada de Aracil, 1978 p.
71) muestra un modelo que describe la forma como una población de ballenas
se afecta así misma mediante la migración y a su vez es afectada por la pesca.
Nacimiento +
de ballenas
(+) Migración de
+Población de +ballenas jóvenes
ballenas
  Control de
() () pesca
+
+
Pesca de 
Muerte de ballenas
ballenas
Dinámica de una población de ballenas

Fig. 10.7
Los signos que aparecen en el diagrama tienen el siguiente significado. Si el
nacimiento de ballenas crece, la población de ballenas se verá aumentada (si
decrece, disminuirá); decimos en este caso que la causalidad es positiva; de allí
el signo “+”. Igual ocurre con la relación “población de ballenas” y “migración
de ballenas” y con “migración de ballenas”, y “nacimiento de ballenas” (a más
349
migración, más nacimientos; a menos migración, menos nacimientos)135. El

lazo de retroalimentación formado por este ciclo es positivo, ya que los signos
son todos positivos.
También se dice que un lazo es positivo si el número de causalidades negativas
es par (el producto de un número par de signos negativos, da positivo). Por
otra parte, si la “población de ballenas” aumenta, aumentará las “muerte de
ballenas” (signo positivo); si se aumenta la “muerte de ballenas” la “población
de ballenas” disminuirá. El lazo es, pues negativo. El lector podrá deducir
fácilmente el caso de “población de ballenas” y “pesca de ballenas”, así como
el “control de pesca” y su influencia sobre la misma.
La importancia de los lazos de retroalimentación estriba en el hecho de que
ellos dominan la dinámica del sistema. Así como los lazos de retroalimenta-
ción positiva incrementan el comportamiento de la parte que afectan, los de
retroalimentación negativa lo controlan. En esencia, el control de un sistema
es efectuado por los lazos de retroalimentación negativa. Y la estabilidad del
mismo es la combinación de los lazos positivos y negativos.
Al identificar estos lazos, los elementos externos al sistema, el ambiente, quedan
claramente determinados y son incluidos en el mismo. Ésta es una característica
muy importante de los sistemas dinámicos que vamos a analizar: el ambiente
hace parte del constructo mental "sistema". El sistema, originalmente abierto,
es convertido ahora en un sistema cerrado gracias a la casi-descomposición136.
Los diagramas causales o de relaciones son el nuevo lenguaje de los sistemas.
Los sistemas retroalimentados, son la forma de expresar la complejidad. Estos
sistemas son no lineales.
Con base en estos principios es posible desarrollar modelos de muy diversa
índole. Desde modelos de fenómenos duros, como los utilizados en ingeniería
hasta modelos más “blandos” como los del área ambiental, la economía y aún
la sicología y la sociología.
135. Esta es una forma simplista de decirlo. En un análisis más riguroso es necesario
referirnos a tasas de nacimiento y tasas de muerte en lugar de simplemente nacimien-
tos y muertes.
136. Esto no contradice las nociones de ambiente y sistema que hemos discutido
antes. Es simplemente una convención, ya que de todas formas los elementos del
ambiente, que se denominan variables exógenas, afectan a las variables del sistema
pero no son afectados por ellas.
350
La metodología de Forrester permite expresar cualquier sistema dinámico

susceptible de ser cuantificado, mediante la combinación de niveles y flujos
(con sus variables auxiliares).
10.3.3 Niveles
Un nivel es la representación de una condición o estado de un elemento de un
sistema. Los niveles representan “acumulaciones” de los atributos (propiedades)
mediante las cuales los elementos son descritos. El mejor símil o metáfora
para comprender este concepto (y el de flujo) es considerar un tanque que se
está llenando con agua mediante una o varias entradas, y se vacía mediante
una o varias salidas. La figura 10.8 es un ejemplo al respecto.
Flujo
Nivel
Tanque que se llena y vacía mediante llaves

de entrada y salida
Fig. 10.8
La cantidad de agua acumulada es el nivel. Su representación gráfica en los
cursogramas o diagramas de Forrester es un rectángulo, como el indicado en
la figura 10.9.
NIVEL
Representación gráfica de un nivel

Fig. 10.9
351
10.3.4 Flujos
Los flujos (acciones) causan que el nivel que afecta, cambie. El símbolo tradi-
cional es una válvula electrónica ligeramente modificada para poder incluir
en ella información nemotécnica. En la figura 10.7 los flujos son la cantidad
de agua que entra y sale del tanque en un instante de tiempo determinado. Lo
que fluye es agua, representada por la línea continua que indica la dirección
del flujo. En los flujos no hay acumulación de materia. Su representación grá-
fica es la de la figura 10.10. Es la parte del proceso que modifica a un nivel137;
generalmente representa una decisión o una acción que afecta su valor.
Generalmente los flujos tienen asociado dos tipos de elementos: los parámetros
−por ejemplo TA en la figura 10.10, que representa el tiempo promedio en que
el nivel se llenaría, o su inverso que es el porcentaje que fluye por unidad de
tiempo− y las variables auxiliares.
TA
Flujo
Representación de un flujo
Fig. 10.10
Algunas de estas variables se conocen como “tasa de cambio” (por ejemplo,
los porcentajes de nacimiento o muerte). Las “nubes” son fuentes y destinos
de los flujos cuando estos no vienen de, o no van a, otros niveles. Son parte
del ambiente. Cuando se combinan flujos y niveles, en general debe existir un
canal de información entre el nivel y el flujo como lo indicaremos más adelante.
137. En la nomenclatura original de Forrester se habla de “tasas” (rates). Esto indu-

ce a menudo a confusiones entre el concepto de lo que fluye y la medida de la canti-
dad que fluye por unidad de tiempo. Por esta razón introducimos más bien el térmi-
no flujo.
352
10.3.4.1 Variables auxiliares. Parámetros

Para aclarar el significado de una ecuación de flujo es necesario, frecuentemen-
te, dividirla. Estas ecuaciones reciben el nombre de “ecuaciones auxiliares”. Lo
anterior no contradice la afirmación de que la estructura de un sistema está
compuesta sólo de niveles y flujos. Las ecuaciones auxiliares son subdivisiones
algebraicas de las ecuaciones de flujo. Cada ecuación parcial tiene significado
en sí misma. Se encuentran entre el canal de información de un nivel y los
flujos que son afectados por él.
El símbolo para representarlas es un círculo con el nombre de la variable, y
tiene entradas y salidas que conectan con otras variables auxiliares o con un
nivel. Ver figura 10.11
Función: representa valores de una va

P riable en función de otra (tabla, ecuación,
Función etc).
P: la variable de entrada a la cual se le va
a encontrar el valor correspondiente en una
tabla.
Representación de una variable auxiliar

Fig. 10.11
Se pueden utilizar como variables ecuaciones matemáticas (función exponen-
cial, logarítmica, sinusoidal etc.), funciones especiales (salto, impulso), tablas
o cualquier otro tipo de cálculo que sea necesario para describir un flujo en
particular.
También es necesario, para el cálculo de los flujos, utilizar constantes. En los
diagramas de Forrester el símbolo para las constantes es el que aparece en la
figura 10.12.
Parámetro o constante que afecta a una variable

auxiliar o a un flujo.
Representación de un parámetro
Fig. 10.12
353
10.3.5 Flujos, niveles y lazos de

retroalimentación
Los lazos de retroalimentación descritos anteriormente se pueden representar
convenientemente mediante la interrelación de niveles y flujos. El principio
básico es que un nivel sólo puede ser afectado por uno o varios flujos. No es
posible que dos niveles se afecten (o interactúen) entre sí en forma directa. En otras
palabras, únicamente los flujos afectan a los niveles; jamás dos niveles pueden
hacerlo en forma directa. Por otra parte, los flujos no pueden afectarse entre
sí; solamente son afectados por el nivel (o niveles) con el que ellos conectan,
directa o indirectamente (a través de otros niveles), y exclusivamente a través
de canales de información. Estas condiciones garantizan la independencia de
las políticas (representadas por flujos) y de sus efectos (representados por
niveles) en un intervalo de tiempo relativamente pequeño. Desde un punto
de vista matemático, lo anterior permite establecer un sistema de ecuaciones
diferenciales ordinarias, simultáneas que facilita enormemente los cálculos
de la simulación. Es posible permitir cierta licencia en la interacción directa
entre flujos cuando existe certeza de una información instantánea entre uno
y otro, pero esto debe, en principio, evitarse.
Entre flujos y niveles puede circular materia, dinero, personas, energía. Entre
niveles y flujos, sólo información.
Aunque en principio estos planteamientos son de una sencillez extrema, no
siempre es fácil distinguir, en la descripción de un sistema, qué parte es un
nivel y cuál un flujo, y la forma como interactúan. Una manera práctica de
lograr esta diferenciación es “congelar” la dinámica del sistema durante un
intervalo de tiempo. Lo que permanece al detenerse el tiempo, será un nivel,
pues éste representa acumulaciones; lo que se desvanece será un flujo, ya que
ellos no pueden medirse instantáneamente. Así, en el ejemplo de los tanques,
si detenemos el tiempo, el agua deja de fluir, por lo que los grifos son flujos; en
cambio, el nivel del agua queda en su estado actual, por lo que se representa
como un nivel.
Consideremos un ejemplo sencillo de una población urbana sin tener en cuenta
las inmigraciones ni las emigraciones. Lo que nos interesa es el número de
individuos (la variable P). Un diagrama causal y el correspondiente diagrama
de Forrester se muestran en la figura 10.13.
354
Nacimientos
+ PN
F. Nacim.
(+)
+
Población Población

()
+ F. Muerte
Muertes PM
Combinación de lazos positivos y negativos

Fig. 10.13
Las nubes de los flujos que ingresan a un nivel representan parte del ambiente
y es de donde viene lo que fluye hacia el nivel. Estas son las variables exógenas.
Las que corresponden a la salida de un nivel, representan los sumideros donde
queda depositado el flujo. Sabemos que a más nacimientos (que es un flujo)
aumentará la población (un nivel) y a más población habrá más nacimientos;
este lazo es de retroalimentación positiva138. Por su parte a más población, habrá
más muertes (que es un flujo) y a más muertes, menos población. El lazo será
de retroalimentación negativa. Se pueden observar dos lazos de retroalimen-
tación: uno positivo y otro negativo. La relación entre el flujo de nacimientos
y el nivel de población, se muestra por una línea continua porque es un flujo
de materia. En cambio, entre la población y los nacimientos la conexión es
una línea punteada: se trata de un flujo de información. Caso similar ocurre
entre la población y la muerte. El lazo positivo se explica mediante la relación
nacimientos, población, nacimientos y es positivo porque aumenta el nivel.
En cambio la relación población− muerte−población es negativa ya que esta
disminuye al nivel. Los parámetros PN y PM representan los porcentajes de
nacimiento y muerte respectivamente.
138. En realidad, la situación no es tan simple. A más nacimientos mayor población,

pero a menos población lo que se reduce es la taza de nacimientos: la población se-
guiría aumentando, aunque a una tasa menor. Recordemos que la tasa es dP/dt > 0.
355
10.3.6 Ecuaciones matemáticas

Una vez diseñado el cursograma, escribir las ecuaciones matemáticas corres-
pondientes no es, en general, una tarea difícil.
La ecuación de nivel, para el caso de la figura 10.13 es139:
Poblac. en (t+Dt) = Poblac. en (t) +

Dt (Flujo de nacim. - Flujo de muertes) (10-5)
en donde t es un instante de tiempo dado y t+Dt el tiempo, un intervalo Dt

más tarde. El valor de este intervalo necesita un análisis cuidadoso, aunque en
muchos casos es común un valor entre 0.25 y 0.1.
Las ecuaciones de los flujos de nacimiento y muerte son un poco más complejas.
Sabemos que el flujo de nacimientos depende del nivel de la población. Por esta
razón decimos que los nacimientos por mes son el producto del porcentaje de
nacimientos mensuales por la población existente. Por lo tanto:
F. Nacimientos = PN × Población
De manera similar:
F. Muertes = PM × Población
PN es del 2% anual y PM del 0.9% anual. La población inicial es de 1000 in-

dividuos.
La dinámica del sistema queda explicada por la acción simultánea de estos
dos lazos de retroalimentación. Si el porcentaje de nacimientos es mayor que
el de muertes, la población crecerá; si es menor, disminuirá; si son iguales,
permanecerá constante.
Existen diversos software para este tipo de modelado: Dynamo (desarrollado
por Forrester y su grupo), Stella y Vensim, entre otros. Debido a la opción que
da Vensim para disponer de un programa de libre uso para asuntos académicos,
mostraremos, el modelo y sus resultados en este software, en la figura 10.14.
139. Esta ecuación es una aproximación numérica de la ecuación (5.3), numeral 5.3.1
y como se indicó en el pié de página 76.
356
PN PM
POBLACIÓN
F. Nacimiento F. Muerte
POBLACIÓN
4,000
3,000 1
1
1
1
conejos
1
2,000 1
1
1
1
1
1
1
1
1,000 1 1
0
0 10 20 30 40 50 60 70 80 90 100
Time (Month)
POBLACIÓN : Current 1 1 1 1 1 1 1 1 1 1 1
Modelo en Vensim
Fig. 10.14.
Es fácil identificar los símbolos para los niveles, flujos y variables auxiliares.
Observe el comportamiento exponencial, acorde con lo estudiado por la
ecuación (5.4).
Las ecuaciones son las siguientes:
“F. Muerte”= PM*POBLACIÓN

“F. Nacimiento”=PN*POBLACIÓN
PM=0.009
PN=0.02
POBLACIÓN= INTEG (“F. Nacimiento”-”F. Muerte”,1000)
La última ecuación, en Vensim, se representa por una integral. Es equivalente a:
Poblac. en (t+Dt) = Poblac. en (t) +Dt (FN − FM)
357
Este tipo de modelos permite modificar valores y considerar nuevas variables

con el fin de observar los impactos en el sistema. Por ejemplo, ¿cómo sería
el comportamiento del sistema si durante un período de 2 años, la tasa de
muertes fuera del 2.1% anual? ¿Qué ocurriría si existiera una inmigración de
mil individuos por año, durante cinco años?
Como un ejemplo adicional, consideremos el caso de la contratación de pro-
fesores propuesto en el numeral 4.2.
Durante los últimos diez años, los profesores titulares vienen jubilándose a
una tasa de 10 profesores por año. La universidad contrata inmediatamente
10 profesores novatos que inician su carrera docente y tardan 5 años en llegar
a la categoría de titular. La planta de profesores titulares es de 50 docentes. No
existen efectos aleatorios ni en la jubilación ni en la contratación. Repentina-
mente, en el año 11 se jubilan 15 profesores. Inmediatamente la universidad
contrata 15 profesores nuevos para reemplazarlos y esta situación continúa
igual, sin cambio, durante los años siguientes. Simule Ud. este sistema utili-
zando la Dinámica de Sistemas.
El modelo es el indicado en la figura 10.15.
Contratación de profesores
Fig. 10.15
Las ecuaciones son:
358
"F. 0 a 1"="PROF. 0"/"T. esc. 1" Units: prof/año

"F. 3 a 4"="PROF. 3"/"T. esc. 4 Units: prof/año
"F. 4 a 5"="PROF. 4"/"T. esc. titular" Units: prof/año
"F. contratac."="F. jubilación" Units: **pof/año**
"F. jubilación"=5+STEP(5, 10 ) Units: prof/año
FINAL TIME = 30 Units: año
INITIAL TIME = 0 Units: año
"PROF. 0"= INTEG ("F. contratac."-"F. 0 a 1",5) Units: prof
"PROF. 1"= INTEG ("F. 0 a 1"-"F. 1 a 2", 5) Units: prof
"PROF. 4"= INTEG ("F. 3 a 4"-"f. 4 a 5",5) Units: prof
"PROF. TITULAR"= INTEG ("F. 4 a 5"-"F. jubilación",50)
Units: prof
"T. esc. 1"=1 Units: año
"T. esc. titular"=1 Units: año
TIME STEP = 1 Units: año
La dinámica del sistema se muestra en la figura 10.16.
359
Variación de los profesores titulares

Fig. 10.16
Observe cómo a partir de los 10 años el total de profesores titulares desciende
continuamente hasta estabilizarse en 25, un resultado verdaderamente ines-
perado.
Nótese que en esta metodología la definición del sistema, de los subsistemas y
del ambiente es precisa: los da el diagrama causal y el cursograma. Las medidas
de actuación son de comportamiento más que de objetivos. Son los valores
que toman los niveles durante el período estudiado: tendencias a equilibrio,
estabilidad, inestabilidad o desorden.
360
10.4 Resumen
La programación lineal busca encontrar el valor óptimo (máximo o mínimo
según el caso) de un único objetivo definido para el sistema y que debe expre-
sarse en forma de un polinomio algebraico lineal. Esta búsqueda está restrin-
gida a los valores que las variables puedan tomar y que deben ser expresadas
en ecuaciones lineales, restricción que se expresa por medio de desigualdades
de tipo menor e igual, iguales, o mayor e igual a ciertos valores dados, los va-
lores disponibles de los recursos que el sistema utiliza. La solución se obtiene
mediante lo que se conoce como método Simplex.
La metodología de G. M. Jenkins, por primera vez, considera la empresa como
un sistema abierto. Aunque muy relacionada con la visión clásica de la cien-
cia, especialmente con lo que se conoce como “Análisis de Sistemas", Jenkins
intenta interactuar los subsistemas que componen a una organización, con su
ambiente. Es una metodología dirigida fundamentalmente al desarrollo de
nuevos equipos o modelos de producción para los sistemas hombre-máquina.
La metodología de J. W. Forrester busca modelar y analizar la dinámica de
los sistemas que de alguna forma permite que sus variables fundamentales
sean, al menos, cuantificables. Esta metodología se basa en la idea de que todo
sistema puede relacionarse con tanques −que se denominan niveles−, que se
llenan y vacían a través de llaves o grifos −que se reconocen como flujos−, que
pueden cerrar o abrir su paso. De esta manera, Forrester traslada un sistema de
ecuaciones diferenciales a gráficas, lo que facilita su aplicación práctica. Basa-
da en la cibernética, los lazos de retroalimentación, tanto positivos (aquellos
que permiten que los elementos se refuercen en su aumento o disminución)
como negativos (aquellos que controlan el proceso) explican la dinámica del
sistema a través del tiempo. Como toda buena herramienta de simulación, la
de Forrester permite variar parámetros fundamentales para observar su efecto
sobre el sistema.
361
362
CAPÍTULO 11
METODOLOGÍAS BLANDAS. LA METODOLOGÍA

DE P. B. CHECKLAND
11.0 Antecedentes de la metodología

Cuando el Dr. G. M. Jenkins dirigió el Departamento de Sistemas de la uni-
versidad de Lancaster, Inglaterra, creó una compañía de consultoría, ISCOL
Ltd. Profesores, estudiantes y asesores externos se unieron para ayudar a las
empresas de producción a resolver sus problemas. Brian Wilson, Ingeniero de
control, y Peter B. Checkland, Ingeniero químico, entre otros, formaron parte
del grupo de docentes. Checkland se interesó por los problemas no tanto de
carácter técnico que estaban siendo resueltos exitosamente mediante la Inge-
niería de Sistemas140 y la metodología de las “4 Ms” citada en el capítulo 10,
sino en situaciones de carácter administrativo. Las técnicas y metodologías
disponibles en ese momento no eran aplicables a este tipo de situaciones, por
lo que Checkland desarrolló otra manera de enfrentar situaciones complejas
del mundo real: la metodología de sistemas blandos (MSB) −o SSM (Soft
Systems Methodology) en inglés−.
11.1. El "qué" y el "cómo"

El lector podrá darse cuenta cómo las ideas de Churchman son aquí, de forma
muy literal, tenidas en cuenta141.
Checkland observó que la dificultad principal por la cual las técnicas de la
Ingeniería de Sistemas, e incluso la metodología de Jenkins fracasaban al
enfrentar situaciones problemáticas de lo que distinguió como “sistemas de
140. No se trata de sistemas de computación sino una serie de métodos, metodologías
y técnicas de la ingeniería tales como la Investigación de Operaciones, el Análisis de
Sistemas (Rand Corporation) y la teoría de control entre otras, que permitían enfren-
tar sistemas complejos.
141. Cfr. 9.4.
363
la actividad humana”142, descansaba en el hecho de que, siendo todas ellas

permeadas por una visión desde la perspectiva de la ingeniería, el qué hacer
estaba definido y, por lo tanto, lo que el ingeniero tenía que decidir era cómo
hacerlo. Esto quedaba muy claro en los modelos de optimización cuando se
planteaba una función objetivo (Cfr. numeral 7.1) que representaba el qué; el
modelo matemático conducía a un cómo hacerlo mejor. Las metodologías de
los sistemas duros buscan optimizar. Cuando hay acuerdo en un único objetivo,
sólo un sistema es relevante.
11.1.1 Generalidades
La MSB es una metodología de aprendizaje. Durante este proceso se busca
cómo interrelacionar los diferentes puntos de vista para lograr mejoras. No
es, pues, una metodología de sistemas que buscan metas (H. Simon) sino que
“mantienen relaciones” (Vickers). Intentar definir un futuro ideal y conseguir
consenso sobre él presenta muchas dificultades; Las metodologías que hacen
esto son de diseño y este no es el caso de la propuesta de Checkland.
Cuando se trata de enfrentar situaciones conflictivas en los sistemas blandos,
se presenta la dificultad de escoger el problema. Para comprender bien esta
dificultad, hay que tener en cuenta que, desde el punto de vista de esta meto-
dología, una organización surge del discurso entre dos o más individuos con
visiones y puntos de vista diferentes respecto a la organización misma y a lo
que se considera de trascendencia (Checkland, 1998). De esto puede resultar
un grado de acuerdo en los propósitos, o un proceso social para buscarlos, o
criterios para evaluar los éxitos en relación con la búsqueda de tales propósitos,
pero también tensiones y conflictos. Por lo tanto, un modelo de organización
debe “capturar la tensión entre la buena disposición de los individuos para or-
ganizar su búsqueda racional de metas y la absoluta terquedad e irracionalidad
que a veces se demuestra”. Por esta razón, no es fácil encontrar ese objetivo
142. Un “sistema de la actividad humana” es un sistema social (un grupo de personas

que actúan en un espacio dado) que se han reunido para lograr algún propósito (o
propósitos) comunes. En la Teoría de la Complejidad, esto sería un “sistema social”.
Vale la pena, sin embargo hacer la diferencia. Los propósitos de los sistemas de la
actividad humana son fácilmente identificables, y todos sus integrantes trabajan para
conseguirlos. Esto no es así en los sistemas sociales. Sin duda que un sistema de la
actividad humana es un sistema social, pero no necesariamente un sistema social, es
un sistema de la actividad humana.
364
único, ese problema trascendental que resume toda la situación a resolver en

una organización. Por el contrario, “habrá docenas de candidatos a ocupar
tan importante sitio”.
La visión anterior destaca la importancia de conocer la posición de los indivi-
duos dentro de la entidad (su rol o roles), así como los valores y las normas que
la rigen. Estos tres elementos están en continuo cambio y negociación debido
a la dinámica que se genera a través de las conversaciones y discusiones. La
organización debe aprender a acomodarse a estos cambios temporales entre
los individuos y subgrupos que puedan proporcionar bases para la acción, esta
última entendida como un manejo del cambio y no como la toma de decisiones
racionales para lograr objetivos. La metodología que vamos a describir ayuda a
gestionar las relaciones orquestando un proceso a través del cual aquellos que
tengan que ver con las organizaciones puedan hallar y conocer los acuerdos
que sean factibles y deseables.
11.1.2 Fundamentos
La metodología parte de dos hipótesis de base143:
• El mundo está compuesto (o puede suponerse compuesto) por sistemas.
• Tales sistemas pueden caracterizarse nombrando (definiendo) sus objetivos.
En la ingeniería clásica estas definiciones explícitamente deberían contener una
acción (o varias), las características principales de la situación, ciertos recursos
y ciertas restricciones. Bajo estas condiciones era posible, en principio, definir
un proceso administrativo que lograra un único objetivo propuesto, para cada
“problema” encontrado.
Al enfrentar los problemas que presenta la complejidad de los procesos admi-
nistrativos, se observó que este tipo de enfoque era muy limitado. De hecho
es común encontrar objetivos que se oponen: típico es el producto que todos
deseamos: bueno, bonito y barato. Esto llevó a la propuesta de una metodo-
logía en la cual se distinguiera entre el pensamiento de sistemas duros y el de
sistemas blandos.
143. Este resumen se basa fundamentalmente en: P. B. Checkland and P. Scholes

(1990) y en P. B. Checkland (2000).
365
La metodología de Sistemas blandos se fundamenta en un proceso cognos-

citivo en donde la experiencia juega un papel fundamental. En general, el ser
humano inicia su conocimiento a partir de la experiencia y de la manera como
sus facultades estructuran estas vivencias dándoles un significado, decantán-
dolo mediante conocimientos previos ya sean empíricos o científicos. Este
conocimiento hace que se generen intenciones y no simplemente reacciones
genéticas ante lo percibido y conocido. No sólo experimentamos el mundo,
lo interpretamos.
El concepto de propósito es la característica que va a ser tenida en cuenta como
soporte primordial para comprender la complejidad de una organización. En la
Ciencia Social aún no es posible basar los propósitos de las acciones humanas
en razones puramente científicas. Nuestras acciones con propósito se basan
en gran medida en la experiencia (conocimiento) inmediata.
La figura 11.1 establece un ciclo sistémico de aprendizaje mediante la inte-
racción entre la experiencia del mundo real y el conocimiento basado en la
experiencia. Ella será la base de la metodología que vamos a analizar.
Conocimiento basado
en la experiencia
genera
induce
Experiencias del
Mundo de: los Acciones con propósito
negocios, público, acordes con la situación
personal. percibida.
crea nuevas
Ciclo sistémico de aprendizaje

Fig. 11.1
Es importante aclarar que las preguntas ¿cuál es el sistema, cuáles son sus ob-
jetivos? no tienen respuesta cuando se trata de comprender los sistemas de la
actividad humana. Lo que hace que este tipo de sistemas sea difícil de entender
es precisamente la dificultad de identificar una estructura y unas intenciones.
Por esta razón no tiene sentido hablar de “el problema”. En realidad lo que
existe son situaciones problemáticas, sensaciones de inconformidad que son la
expresión de los diferentes propósitos presentes en la organización. Ante todo
366
se tuvo en cuenta que, por encima de la reparación o mejora de situaciones

específicas, lo fundamental era considerar situaciones de personas cuyos
propósitos tuvieran significado propio. Esto es lo que se resalta, en la visión
moderna de la administración, cuando se define el concepto de organización.
La metodología busca aprender sobre la situación a considerar. Por ello busca
modelar, en un constructo mental, un conjunto de actividades relacionadas
cuya propiedad emergente sea un propósito identificado. Pero debido a la
diversidad de propósitos existirán muchos modelos posibles. Se buscará enton-
ces aquellos que se consideren los más relevantes para la situación a analizar.
Toda actividad con propósito está a su vez íntimamente relacionada con una
cosmovisión, por lo que ésta debe ser tenida en cuenta.
Se ha pasado, entonces, de una concepción basada en la existencia de “un
problema” que obviamente requiere solución, a una situación en la cual varias
personas la consideran como problemática144. Como dicha situación proble-
mática es vista desde diferentes percepciones, es decir cosmovisiones, entonces
existirán varios modelos pertinentes, que se fundamentan en propósitos más
que en descripciones del mundo real. Ellos serán utilizarlos como base para
hacernos preguntas acerca del mundo real. La metodología se convierte, pues,
en un proceso de aprendizaje continuo sobre la situación que nos interesa,
que se modifica debido a las nuevas percepciones y conocimientos que se van
adquiriendo a medida que vamos conociendo más sobre ella. Este proceso se
debe detener cuando se hayan logrado acuerdos sobre acciones factibles que
mejoren la situación, respetando la historia, relaciones, cultura y aspiraciones
de sus integrantes.
Es común definir al pensamiento duro de sistemas como aquel que se aplica
a los sistemas técnicos bien definidos (es decir pensamiento de (en) sistemas
duros), y el blando a los sistemas deficientemente definidos, poco precisos, que
incluyen a seres humanos y aspectos culturales. Esto no es incorrecto, pero no
es el concepto real de lo que se denomina sistemicidad. Un pensamiento duro
de sistemas ve (espía) el mundo que percibe como formado por sistemas: el
mundo es sistémico. Un pensamiento blando de sistemas observa (espía) la
complejidad y la confusión del mundo: es un mundo confuso, pero lo organiza
144. Warfield (2006, p. 349-) hace notar de la importancia de no hablar de "proble-
ma" o "sistema complejo" puesto que esto condiciona, lingüísticamente, a pensar en
que existe un problema, o un sistema que deben ser resueltos y por lo tanto crea,
psicológicamente, una gran barrera para poder adentrase en la situación. Una "situa-
ción problemática" es algo mucho más general; también es mejor hablar de "opciones"
o "alternativas".
367
a través de sistemas de aprendizaje sobre ese mundo: lo ve como un sistema de

aprendizaje. Lo sistémico, aquí, es este proceso de aprendizaje.
Estamos acostumbrados a utilizar estructuras intelectuales predefinidas, que
consideramos adecuadas, para interpretar, para darle sentido a nuestras ex-
periencias y nos oponemos a modificarlas aun cuando la realidad no se ajusta
a ellas. Aprender por la experiencia es un proceso difícil. Recordemos lo de
"orientado por la técnica" y "orientado por el problema" (numeral 9.0).
Para identificar un sistema con propósito es necesario que exista un punto de
vista, una cosmovisión que lo soporte, lo que en principio permite asegurar
que es único para cada observador particular. Sin embargo, las perspectivas
que genera son múltiples. Checkland y Scholes ejemplifican, con la figura 11.2,
cómo es posible pensar en diferentes sistemas relacionados con un mismo
hecho: un grupo guerrillero, un periódico, una liga de fútbol profesional.
Un grupo guerrillero Un periódico

• Bandidos. • Informar.
• Un ejército. • Desinformar.
• Luchadores por la • Entretener.
libertad. • Medio de publicidad.
• terroristas. • Material de empaque.
......etc. • Medio de comunicación
para la comunidad.
…etc.
Una liga de fútbol profesional
• Dar entretenimiento.
• Generar oportunidades para
desplegar lealtad tribal.
• Proveer conflictos indirectos.
• Refinar habilidades futbolísticas.
• Permitir que las autoridades.
comprueben habilidades de control
de multitudes
• Suministrar datos para la industria
de las apuestas.
… etc.
Diversas percepciones de un mismo sistema de la actividad

humana. Tres ejemplos
Fig. 11.2
368
Ninguna de las percepciones indicadas en la figura 11.2 es, por sí sola, “verda-
dera”. Cada uno de ellas define un sistema percibido por alguien. El “sistema
real” será simultáneamente el conjunto de visiones particulares, y posiblemente
de otras que se ha escapado de ser incluidas en las listas indicadas.
En cuanto a una actividad con propósito, ésta se puede concebir como una
flecha (figura 11.3).
No!
O: ”Dueños “
C: “Consumidores”
A: “Actores”
T: una actividad con propósito
E: Ambiente
B: Personas interesadas Restricciones
Esquema general de un propósito

Fig. 11.3
Esta acción es una expresión de la intención de alguna(s) persona(s)
interesada(s) en que se lleve a cabo: B. Como T es una acción humana, alguien
debe ejecutarla; este ejecutor o ejecutores serán A en la figura. La acción ejercerá
un impacto en alguien o algún grupo, que llamaremos C. Ella se desarrolla en
un ambiente E. Por otra parte, puede existir una persona o un grupo que pueda
detener la acción que se está llevando a cabo. Los hemos representado por O.
Supongamos que la actividad con propósito, T, es asistir a una fiesta con su
pareja. B es tanto usted como su pareja. En principio, ambos son C pues son
los beneficiados suponiendo que asistan porque lo desean y no por compro-
miso. En caso contrario serían los “perjudicados”; bajo la visión de la pareja,
ellos seguirían siendo C, pero bajo la visión de quien los invitó, si se sintiera
ofendida alguno de los dos, o ambos, pues cualquiera puede impedir que por
la no asistencia, ella podría ser C. Si son independientes, O puede ser alguno
de los dos, o ambos, pues cualquiera puede impedir que el otro vaya o decidir
de común acuerdo, no ir. Si dependen de otra persona (por ejemplo sus padres)
369
seguramente ellos representarán el elemento O de esta acción con propósito. E

representa por ejemplo, la escasez de dinero, o la dificultad de hallar transporte,
o el deseo de asistir o no, es decir, las restricciones. Aquello que se opone a la
transformación. También es útil tener en cuenta lo que la favorece, pero pesan
más las dificultades (son las que hay que “negociar”).
11.1.3 El proceso metodológico

En 1976 se presentó por primera vez la metodología bajo un esquema cono-
cido como el de las “siete fases”. Aunque fue revaluada posteriormente por
una versión más sistémica, sigue siendo una base importante para describir y
enseñar la metodología. Indicaremos sólo su presentación gráfica (figura 11.4)
y haremos referencia a ella durante la descripción del esquema publicado en
1988 (figura 11.5).
Situación Acciones para

conflictiva mejorar la situación
considerada como problemática 7
problema 1
Cambios:
Sistémicamente
deseables y
Culturalmente
factibles. 6
Comparación de
La situación modelos con el
problemática mundo real 5
expresada 2 Mundo real
Pensamiento
Definiciones raíz de sistémico
los sistemas Modelos conceptuales de acerca del
relevantes con los sistemas (holones) mundo real
actividades con nombrados en las
propósito. 3 definiciones raíz. 4
Metodología de las siete fases

Figura 11.4
370
Posibles solucionadores
Historia de la situación
problemática
Situación problemá-
tica del mundo real
Tareas y Sistemas Situación
modelos Comparación
conflictos relevantes real
La situación
como cultura
Análisis de la
intervención
Análisis del
“sistema social”
Diferencias entre los
Análisis del modelos y el mundo real
“sistema
político”
Cambios:
Sistémicamente deseables
Corriente Culturalmente factibles
Corriente
basada en el basada en el
análisis cultural Acción para análisis lógico
mejorar la situación
Esquema ampliado de la metodología de

Checkland
Fig. 11.5
En lo que sigue haremos una descripción rápida de este último esquema. Luego
detallaremos algunos aspectos.
Tenemos una situación real que es considerada como problemática por alguien.
Existe la sensación de que puede ser manejada con el fin de mejorarla. Ella
se encuentra dentro de cierto contexto e historia lo cual es necesario tener en
cuenta, algo que no puede subestimarse. La idea es formarse una imagen de
esa situación problemática. No debemos referirnos a esta situación como “un
problema” debido a que no conocemos prácticamente nada al respecto. Existe
un problema cuando tenemos claramente identificada una situación actual que
representa una situación no deseada y la situación que desearíamos obtener,
y hay varias formas de lograrlo; el problema es cuál de estas formas debemos
escoger por ser la más conveniente.
371
La situación problemática es pues una expresión de preocupación, que puede ser

una sensación de inconformidad o una proyección a futuro: es la búsqueda de una
idea general, vaga, que permita una comprensión inicial de la situación. Se logra
a partir de uno o varios síntomas que puedan ser observados y considerados
como importantes145.El contacto con la situación real permite aclararla poco
a poco. Es importante tener en cuenta que, en estos comienzos debe evitarse
el uso de conceptos de sistemas, puesto que al no tener una situación definida
−“un problema”− no hay traducción o interpretación posible en términos de
sistemas. No debemos sesgar la situación por lo que es necesario minimizar
nuestra Weltanschauung (W 146), es decir, romper prevenciones, prejuicios y es-
tereotipos. Algunas personas creen que esto no es posible debido a que siempre
estudiamos y resolvemos las situaciones mediante una “W” particular. Tal vez
se hace necesaria una diferenciación. Podemos decir que poseemos dos tipos
de Ws: una personal (digamos W1) debido a nuestra educación y formación
primera, y otra, W2 debido a nuestra formación profesional. Es esta segunda
W la que es necesario minimizar. Queremos, pues, evitar los prejuicios pro-
fesionales que puedan deformar la situación que está siendo observada. Esto
sería el equivalente a la fase 1 y 2 de la figura 11.4.
Frente a esta situación existen unos posibles solucionadores 147que van a utilizar
la metodología. Son colaboradores, pero no los únicos que pueden enfrentar
la situación.
En ausencia de acuerdos entre metas y objetivos, es necesario definir una je-
rarquía de sistemas. Es de mucha ayuda elaborar un “dibujo enriquecido”, que
describa las primeras impresiones sobre el sistema a considerar, su ambiente
y las relaciones que se perciben entre las diferentes componentes del mismo.
Un dibujo permite visualizar, globalmente, una situación compleja, destacan-
do las interrelaciones entre sus elementos. Esto no es posible si la situación
se expresa mediante la prosa lineal común. Aunque esto requiere algunas
nociones sobre sistemas, éstas deben ser las mínimas necesarias. No es sólo
una comprensión de la situación a estudiar sino que se debe tener en cuenta el
ambiente que la rodea y las proyecciones que el sistema esquematizado tenga
145. La metáfora del médico es aquí muy valiosa. Nosotros le contamos al médico
los “síntomas” que nos aquejan. De allí él debe deducir la enfermedad.
146. Cosmovisión, visión de mundo. Palabra alemana: Welt=mundo, anschauung=
contemplar.
147. Neologismo del autor.
372
con dicho ambiente. A esto haremos referencia más adelante. La figura 11.11
es una ilustración de esta idea.
A partir de su interacción con la situación problemática se abren dos corrientes,
las cuales representamos por separado para facilitar la explicación pero que
operan simultáneamente. Ambas deben conducir a acciones que produzcan
los cambios necesarios para mejorar la situación, y deben tener su origen en
las percepciones de las diferentes acciones con propósito en la situación (las
tareas) y los asuntos en los cuales hay desacuerdos (conflictos).
En la parte derecha de la figura 11.5 se describe la corriente basada en la lógica.
Allí se presentan sistemas con propósito en forma de modelos de la actividad
humana (las fases 3 y 4), que se van a comparan con la situación real (la fase
5). Esta comparación da origen a un debate para proponer cambios (fase 6).
En el debate los cambios propuestos deben buscar ciertos acuerdos entre los
diferentes intereses. El concepto de “consenso” no es aquí una buena opción.
Los intereses y conflictos humanos difícilmente se deponen para lograr un
acuerdo común. Lo que realmente ocurre es una especie de negociación en la
que estos conflictos se “acomodan”.
La corriente lógica conduce a un cuestionamiento del mundo real. Sin em-
bargo, ella sola no es suficiente para que los cambios sean los más adecuados.
Los aspectos culturales juegan un papel de igual importancia; corresponde a
la parte izquierda de la figura 11.5.
En la corriente cultural se tienen en cuenta tres aspectos para estudiar la
situación problemática. El primero es la intervención misma, que no es otra
cosa que la alteración que sufre la situación cuando agentes extraños se hacen
presentes en ella148. Es el “análisis uno” que es un importante complemento al
dibujo enriquecido pues permite destacar los posibles “dueños” de la situación,
dueños que son indicados por los "solucionadores" agregando nuevos sistemas
relevantes. El segundo aspecto es considerar la situación como un sistema
social, no sólo como un generador de tareas o asuntos149. Las manifestacio-
nes de los roles/normas/valores son expresadas de forma sencilla, pero esto
permite mantenerlas constantemente en la mente para poder así desarrollar
propuestas acordes con los intereses y esperanzas, seguramente cambiantes,
de los afectados por la situación. Es el llamado “Análisis dos”. El “Análisis
148. En el cap. 9 se indicaron las intervenciones para cada uno de los tipos de meto-
dologías allí indicadas.
149. Asuntos (issues): competencias, acuerdos, conflictos, convenios...
373
tres” da un paso más allá de la idea de describir un proceso social: considera

los resultados de dicho proceso, que se manifiestan a través del poder. Es el
examen del sistema político.
Estas dos corrientes, que deben considerarse simultáneamente, han de condu-
cirnos a proponer cambios que sean acogidos por los afectados y que puedan
llevarse a cabo, lo cual, seguramente, generará nuevas situaciones conflictivas.
Como dice Senge: "Los problemas de hoy derivan de las 'soluciones' de ayer".
El proceso no tiene fin, y la decisión de terminar en alguna parte es, en cierta
medida, arbitraria.
Lo anterior deja claro que los aspectos subjetivos son seriamente tenidos en
cuenta. Si este procedimiento es científico o no, queda abierto el debate. Lo
que sí se puede asegurar es su rigurosidad intelectual. Ampliemos un poco
más estos conceptos.
11.1.4 La corriente de la investigación

basada en la lógica
Hemos dicho que en esta metodología se deben buscar los sistemas relevantes.
Sin embargo, en principio, ningún sistema es intrínsecamente importante en los
sistemas de la actividad humana. Debemos hacer ciertas escogencias, subjetivas
sin duda, con la esperanza que nos ayuden a descubrir sistemas realmente re-
presentativos. Esta parte es muy difícil de aceptar para las personas entrenadas
en las ciencias duras debido a la formación objetiva que las caracteriza.
11.1.4.1 Tareas primarias

Una ayuda para lograr esta elección es analizar las tareas primarias del sistema,
proceso generalmente sencillo, pues se trata de identificar las acciones con
propósito (sus tareas) que la entidad (o el sistema que contiene el problema)
lleva a cabo para cumplir sus objetivos.
Por ejemplo, si consideramos la universidad como organización puede supo-
nerse que sus tareas principales son impartir docencia, apoyar y desarrollar la
investigación, prestar ayuda a la comunidad, mantener un presupuesto equili-
374
brado, etc. A partir de allí es posible nombrar algunos sistemas representativos

basados en estas acciones: un sistema que gradúa profesionales, un sistema que
produce descubrimientos, etc. Es importante hacer notar que hay dos formas
de considerar este tipo de tareas. Por un lado, escoger una que se destaque
como representativa de la situación problemática que se desea enfrentar. Si
esto no es posible porque hay varias que deben ser tenidas en cuenta, entonces
a tales actividades se las considera como subsistemas y con ellas se elabora el
modelo conceptual.
Pero debido a que las tareas son diferentes y en cierta forma compiten gene-
rando conflictos o convenios, es posible proponer una segunda elección de
sistemas representativos. Si el problema obedece a la asignación del presupuesto,
podríamos pensar como sistema relevante “El que resuelve las dificultades en
la repartición del presupuesto”. Otro sistema podría ser “un sistema que apoya
cierto tipo de investigación”. Aquí no es de esperar versiones institucionalizadas
de tales sistemas en el mundo real. Estos son los sistemas relevantes basados
en los asuntos y visiones y no están reflejados explícitamente en la universidad
estudiada (ni en ninguna institución).
Es útil pensar en un espectro que va desde los sistemas basados en tareas pri-
marias, en un extremo, hasta los sistemas basados en conflictos y visiones, en
el otro, pasando por actividades relevantes inmersas en conflictos que deban
considerarse. La diferenciación entre ambos tipos de sistemas no es tajante; se
trata más bien de manifestaciones diversas de aspectos institucionalizados (las
tareas) y de aquellos que no lo son (los conflictos, las visiones).
Como no es fácil identificar estos sistemas, en particular los que surgen de
los asuntos, el uso de metáforas es de gran ayuda. Pensar en relaciones entre
A y un opuesto B. Por ejemplo, las relaciones entre policía/ladrón, parásito/
huésped, esposo/esposa, amantes, amo/esclavo, amigos etc. “ayudan a mover
el pensamiento”.
11.1.4.2. Definición raíz

Para construir un modelo de un concepto de una actividad compleja con
propósito, se necesita una definición clara de la misma. La MSB logra esto a
través de la “definición raíz”, que considera el propósito como un proceso de
transformación T: una situación actual que es transformada en una situación
375
deseada, bajo una cosmovisión declarada. Los elementos de la transformación

deben ser entidades (sustantivos, no verbos), resaltando que la misma entidad
que entra debe ser la que sale transformada150. Evidentemente, para una situa-
ción dada existen múltiples transformaciones debido a que existen múltiples
percepciones de la misma situación, tal y como se ha ilustrado en la figura
11.3. La figura 11.6 muestra cómo una universidad puede ser conceptuada
de diferentes maneras, de acuerdo con diferentes puntos de vista (W) ante la
sensación: la universidad está perdiendo su rumbo. Sin estas diferentes cos-
movisiones cualquier estudio de la universidad de nuestro ejemplo no puede
ser sino parcial.
Proceso de Salida
Entrada
transformación T (la misma entidad
(alguna entidad)
transformada)
Programas Programas
W: curricular
desactualizados actualizados
Profesores sin Profesores con W: Formación

postgrado postgrado docente
Bajo nivel Mejor nivel W: académica

académico académico
Entidad
Entidad inmersa en
únicamente W: Servicio
la comunidad
intelectual
Diversas transformaciones de: “la universidad

está perdiendo su rumbo”
Fig. 11.6
Esta es una excelente manera de destacar las diferentes percepciones. Debemos
insistir que tanto la entrada como la salida están referidas a la misma entidad.
150. Copiando a la física en lo referente a la energía o a la materia, sería una especie

de principio de conservación de la entidad.
376
Para el desarrollo del modelo mediante el cual vamos a concebir nuestro

“sistema problemático”, no sirve una transformación del tipo: “profesores
sin postgrado” → “nivel educativo mejorado” o algo por el estilo. La entidad
profesor debe estar a ambos lados de la transformación. Por otra parte, la
transformación no puede incluir acciones; no se deben incluir verbos sino
entidades (sustantivos).
La sola transformación en sí indica un sistema relevante. Sin embargo posee
poca información. Por lo tanto, debe desarrollarse en lo que se conoce como una
definición raíz. La definición raíz es pues, una identificación verbal, cuidadosa
de lo que el “problema” es. Para ayudar en este proceso se ha desarrollado la
fórmula CATWOE. La figura 11.7 explica en qué consiste.
Estos mismos elementos los encontramos en la figura 11.3. Si una definición
raíz los posee, debe ser preferiblemente en forma explícita; de otra manera,
su exclusión debe darse de manera consciente. Bajo estas condiciones, pode-
mos pensar que “técnicamente ”está bien elaborada y es una opción aceptable
para definir el todo con propósito que vamos a modelar. Sin embargo, esto no
garantiza que sea una definición raíz “buena” o “correcta”. El veredicto final lo
darán los resultados favorables o no que de ella se deriven.
C: Consumidores. Las víctimas o beneficiarios de T.

A: Actores. Aquellos quienes ejecutarán T.
T: Transformación. Conversión de la entrada en salida.
W: Weltanschauung. La cosmovisión que le da contexto a T.
O: Dueño (owner). Quien(es) puede(n) detener T.
E: Restricciones ambien- Elementos externos al sistema que se
tales. aceptan como dados.
Elementos básicos de una definición raíz

Fig. 11.7
Sus elementos centrales son T y W. Cualquier actividad con propósito siem-
pre tendrá diferentes transformaciones que la pueden expresar, derivadas de
377
diferentes Ws como se indicó en la figura 11.7 y por lo tanto tendrá diferentes

definiciones raíz asociadas. Para aclarar, consideremos la transformación:
“Profesores sin postgrado” →”Profesores con postgrado”.
Una cosmovisión puede ser “la universidad desea mejorar su nivel académico”;
otra: “la universidad desea aumentar, por razones de prestigio, el número de
profesores con postgrado”; o: “la universidad quiere mostrarle a la comunidad y
al estado que invierte una parte importante de su presupuesto en la capacitación
de sus docentes”; incluso otra: “es la forma en que la universidad puede mejorar
el ingreso salarial de sus profesores”. Y todas ellas caben en la sensación de
inconformidad “La universidad está perdiendo su rumbo”. La lección es clara:
una misma transformación puede tener diferentes cosmovisiones.
Pero además de los elementos del CATWOE se hace necesario indicar las in-
terrelaciones de tales elementos. Un patrón sencillo para una definición raíz
es: un sistema que hace X, siendo X un proceso de transformación particular;
es decir, X es T desarrollada. Hasta aquí tenemos el QUÉ. La forma de llevar
a cabo el proceso queda a libre decisión. Pero es conveniente limitar desde el
principio el sistema a un CÓMO particular. Aquí la definición raíz toma la
forma: un sistema que hace X mediante Y. Dado que es necesario identificar
al dueño, O, la definición raíz puede tomar la forma completa: un sistema que
hace X mediante Y para lograr Z. Entonces T implica la transformación y Y los
medios; Z tendrá que ver con las intenciones a largo plazo de O, debiendo exis-
tir una relación lógica que haga que Y sea el medio apropiado para realizar X.
Esta formulación precede lógicamente a la construcción del modelo, ya que de
otra manera sería impreciso y, seguramente, improvisado. Para seleccionar los
sistemas relevantes, y teniendo en cuenta que estos pueden tener significado a
niveles diferentes, es necesario indicar, para cada definición raíz, el nivel que
ocupa en la jerarquía sistémica (recordemos que esta define “un sistema”151).
Incluidos en este sistema (el definido por la transformación), estarán las ac-
tividades individuales interrelacionadas (subsistemas) que permiten lograr
la transformación propuesta. El nivel superior será el del ambiente (sistema
ampliado), el sistema del cual T es uno de sus subsistemas. Es el nivel del dueño
del sistema, la “O” del CATWOE. Es el nivel que puede detener las acciones
151. Siempre es preciso tener en cuenta que los sistemas son jerárquicos y por otra
parte, hemos dicho que el sistema descrito por la definición raíz, debe incluir, más
allá de las tareas primarias, sus visiones, sus esperanzas.
378
del sistema. En esencia, se deben considerar al menos tres niveles en la cons-

trucción de un modelo: El sistema (el “qué”), Los subsistemas (los “cómo”), y
el sistema ampliado (el “porqué”).
11.1.4.3 Modelo conceptual

La elaboración del modelo se deriva de la definición raíz. Es un proceso de
conceptuación. Es el cómo enfrentar el problema. Estos modelos conceptuales
no son una descripción del mundo real. Una comparación de igual con igual
no puede sugerir cambios interesantes para mejorar las situaciones proble-
máticas estudiadas. No son modelos que consideran partes del mundo real;
son modelos pertinentes para debatir cambios del mundo real. El enfoque es
epistemológico, no ontológico como bien lo señalan Checkland & Scholes
(1990, p. 41-42). No debemos confundir al pensamiento de sistemas acerca
del mundo real con un lenguaje para el mundo real.
Por esta razón, a menudo es bueno referirse a ellos como “holones” para evitar
la confusión con la palabra sistema que es utilizada, a menudo, como una ma-
nera de referirse a algo (metalenguaje) en lugar de ser utilizada como lenguaje
objeto: una construcción mental de algo que queremos reconocer como sistema.
La definición raíz es la fuente de los holones (sistemas, constructos mentales)
con propósito (de los sistemas de la actividad humana). El asunto ahora es
proponer el mínimo de actividades (verbos) que sean necesarias para lograr
el proceso de transformación a la luz de los elementos del CATWOE. Estas
actividades (que son subsistemas con propósito) deben interrelacionarse ló-
gicamente de tal manera que destaquen la dependencia que tienen entre sí.
También se debe incluir un subsistema de control que se aclarará más adelante.
11.1.4.4 Comparación
Debemos ahora hacer una comparación del modelo con la realidad percibida.
Aquí confrontamos el modelo conceptual y la situación que se desea mejorar.
Tal comparación puede hacerse en términos generales (por ejemplo de los
modos de operación y de la estructura del sistema) o en términos muy espe-
cíficos. En general se observa qué actividades, decisiones o información, que
379
el modelo conceptual propone, no se cumplen o no existen en la realidad.

Una buena idea es definir una matriz que permita realizar tal comparación.
De todo lo anterior surge un cuadro para proponer acciones concretas: los
cambios que deben mejorar la situación problemática actual. La figura 11.8
es una forma de hacerla.
¿Existe o no en ¿Cómo se ¿Cómo se

Actividad Comentarios
la realidad? hace? juzga?
Nuevos “Qué”.
1. ------- Criterios y
“Cómos” alter-
2. ------- juicios actua-
nativos etc.
3. ------- les
(Ideas para el
……
cambio)
Conexiones
1→3
2 → 4, 7
Tabla de comparación modelo realidad

Fig. 11.8
Pero con lo dicho hasta ahora, no es suficiente para que ellos sean realmente
cambios fundamentales. Esta parte nos asegura, hasta cierto punto, que los
cambios son sistémicamente deseables. Pero ¿serán aceptados sin dificultad?
El estudio de la otra corriente nos dará la respuesta.
11.1.5 La corriente de investigación

basada en la cultura
Checkland destaca que así como los hechos y la lógica juegan un papel im-
portante en los asuntos humanos, el sentido que tengamos de ellos tiene igual
trascendencia. Este aspecto surge de los mitos y significados que las personas
atribuyen a sus prejuicios y dificultades tanto profesionales como personales
con respecto a sus semejantes, en lo referente a la transformación estudiada.
No es suficiente con identificar una percepción sin el significado que ella tenga
380
para las personas; tal percepción tendría poco valor para enriquecer el proceso
de aprendizaje sobre la situación en estudio. De hecho, incluir los sentidos,
significados y en general la cosmovisión de las percepciones, es fundamental
para la aceptación de las propuestas que surjan durante el proceso.
11.1.5.1 Dibujo enriquecido

Se trata ahora de ilustrar gráficamente toda la situación problemática inclu-
yendo las relaciones entre los diferentes componentes del sistema tratando de
descubrir los mitos y significados explícitos e implícitos que surgen de tales
relaciones. Los dibujos son invaluables como elementos para iniciar una dis-
cusión exploratoria con las personas involucradas en la situación estudiada.
De alguna manera explica la cosmovisión de quien(es) hace(n) el estudio
(los “solucionadores”) y permite compararla con las otras cosmovisiones de
los interesados (consumidores, stakeholders152). Para realizar tales dibujos es
necesario asir los elementos claves de la situación a través de una impresión
de primera mano. Se pueden resaltar rasgos, relaciones, emociones que difícil-
mente podrían expresarse por medio de palabras. La discusión con las partes
interesadas no sólo mejorarán el dibujo sino que permitirán un excelente inicio
de la corriente cultural, destacando diversas cosmovisiones, que son los temas
de los análisis uno, dos y tres. La figura 11.11 es un intento de lograr una visión
enriquecida de la transformación “profesores sin postgrado” → ”profesores con
postgrado”, en un ejemplo que se presentará más adelante. Obviamente esta
conceptuación es susceptible de mejorarse a medida que el estudio avanza.
152. Stakeholders: término inglés utilizado por primera vez por R. E. Freeman en su
obra: “Strategic Management: A Stakeholder Approach” (Pitman, 1984), para referir-
se a «quienes pueden afectar o son afectados por las actividades de una empresa».
Estos grupos o individuos son los públicos interesados o el entorno interesado (“stake-
holders”) que, según Freeman, deben ser considerados como un elemento esencial
en la planificación estratégica de los negocios. La traducción de esta palabra ha ge-
nerado no pocos debates en foros de Internet, aunque son varios los especialistas que
consideran que la definición más correcta de “stakeholder” sería parte interesada (del
inglés stake, apuesta, y holder, poseedor). (Wikipedia).
381
11.1.5.2 Análisis de la intervención (roles)

La intervención misma es una situación problemática. Para analizarla se ha
encontrado que debe mirarse desde tres roles distintos: cliente, "solucionador"
y dueño.
El papel “cliente” es el de la persona o personas que fueron la causa de que el
estudio se llevara a cabo y que tienen razones para ello. La pregunta de base
es ¿quién(es) tiene(n) el papel del cliente(s)? Es necesario, pues, mantener en
mente las razones que originaron la iniciación de la intervención (el estudio)
y tenerlas en cuenta, aunque no de manera dominante. El cliente puede ser o
no, adicionalmente, el dueño del problema.
El papel “posible(s) solucionador(es)” es el de quien o quienes tienen a su
cargo el control del proceso (la aplicación de la metodología) y la ejecución
del mismo. Aquí interesa tener en cuenta las percepciones, el conocimiento y la
capacidad de conseguir recursos.
El “dueño” es (son) quien(es) percibe(n) la situación problemática. El papel
“dueño” es decidido por el “solucionador”. No hay nadie que sea intrínsecamente
el dueño. Puede estar en la lista de los clientes o de los “solucionadores”. A este
respecto puede ser de mucha utilidad el siguiente análisis.
El proceso de mejoramiento puede considerarse como un puente entre la
situación en el mundo real y la concepción que se tenga de ella. La primera
es generada por el dueño, la segunda, por el “solucionador”. La figura 11.9
(adaptada por el autor) muestra esta relación.
En ella se distingue el sistema que contiene al problema (Problem Content Sys-
tems o PCS) que contiene el rol del dueño, y el sistema que resuelve el problema
(Problem Solving Systems o PSS) que contiene el rol del “solucionador”. El PSS
es un equipo. El “solucionador” del problema utiliza la metodología para reali-
zar acciones que buscan mejorar aspectos del sistema que contiene el problema.
El PCS y el PSS no son separables como ocurre en las ciencias naturales; en
estas pueden existir acuerdos en la definición del contenido de un problema
y pueden existir diferentes “solucionadores” en sitios diferentes. Por ejemplo,
la enfermedad de la sífilis era conocida ya desde el siglo XV. El problema, el
PCS, estaba definido y aceptado universalmente. Diferentes investigadores, en
diferentes épocas (el PSS) intentaron dominar esta enfermedad. El salvarsán,
descubierto en 1939, y más concretamente la sulfonamida, finalmente resolvió
382
PSS PCS
Preocupado
por la
situación
Dueño
Solucionador
Define el sistema que

contiene el problema para
y utiliza recomendar
acciones o tomar
La metodología acciones o
Como resultado de (Fig. 8.5) redefinir
esta experiencia
reitera o modifica
“Solucionador” y dueño son roles. El diagrama debe

leerse empezando en el rol del “solucionador”.
Relación entre el PSS y el PCS

Fig. 11.9
el problema. Este no es el caso en los problemas blandos. PCS y PSS son una
parte integral de la situación problemática. Preguntarse sobre los propietarios
(O) de la situación problemática y los recursos disponibles para su mejora, y
escribir las respuestas, es importante ya que permite vislumbrar la weltans-
chauung del estudio mismo, lo que mejorará la comprensión de la situación
por parte del “solucionador” del problema.
Hay varias opciones para asignar los roles y varias posibilidades de describir
el PSS y el PCS. Una manera eficiente de iniciar un estudio sistémico es hacer
preguntas acerca de esto y describirlos.
Si hacemos del “solucionador” un posible “dueño”, el primer sistema relevante
que aparece es “el sistema para hacer el estudio”. El PSS se vuelve una parte del
383
PCS. Pero, obviamente, hay otras posibilidades de encontrar “dueños”. Por eso
este aspecto es tan trascendental, y se conoce como Análisis uno.
La escogencia de posibles dueños es un trabajo de imaginación, obviamente
soportado por un buen conocimiento de la situación a estudiar.
La dificultad inherente a “conocer” un sistema de la actividad humana, se ve
aún más reforzada por las imprecisiones del lenguaje. Conceptos que deben
ser lenguaje objeto, se deslizan fácilmente al nivel de metalenguaje. Recorde-
mos que en el capítulo 1 comentábamos que la depuración del lenguaje de la
Ciencia Social está por realizarse.
Debido a que los términos técnicos de cualquier enfoque específico utilizan
palabras que tienen sentido en el uso cotidiano (en la SSM los términos téc-
nicos incluyen “cliente”, “solucionador de problemas”, “dueño del problema”,
“sistema relevante”, “comparación”, etc.), es importante, al utilizar el enfoque,
manejar su lenguaje con un especial y cuidadoso rigor. “La vida es más fácil
para los científicos de la naturaleza. Pueden hablar del ‘spin Hamiltoniano’ y de
‘coeficientes de difusión’ y saber que no son mal interpretados” (Checkland-&
Scholes, Op. Cit. p. 48).
11.1.5.3. Análisis del ”Sistema Social”

Nuevas conceptuaciones irán enriqueciendo el dibujo de la definición raíz y
nuevos “solucionadores” y “dueños” harán su aparición a medida que el Aná-
lisis Uno se vaya utilizado. Igual situación se presenta en el análisis del sistema
desde una perspectiva social. Para esta fase, se ha encontrado que es muy
útil considerar a un “sistema social” como interrelaciones continuas de tres
elementos: roles, normas y valores. Cada uno de ellos redefine y es redefinido
por los otros dos. La figura 11.10 da una idea de este modelo.
Un rol es una posición social reconocida como de importancia por la gente en
la situación problemática. La posición puede ser institucional (“investigador”,
“jefe de Almacén”, “estudiante”) o de comportamiento (“tramitador”, “gestor”,
“agente de bolsa”, “político”).
Las normas son los comportamientos esperados cuando se está en un papel
determinado. Hay normas que debe seguir un profesor, y otras que debe seguir
un estudiante. Las actitudes que tengamos cuando efectuamos un rol son juz-
384
Roles
Normas
Valores
Elementos claves en un sistema social

Fig. 11.10
gadas de acuerdo con ciertos estándares llamados valores. Se juzga de manera
diferente al profesor y al estudiante; los valores asociados son distintos, aunque
existen valores generales que rigen por igual cualquier desempeño. Así, en
algunas universidades los roles más reconocidos son de tipo profesional como
por ejemplo la suficiencia investigativa; en otras lo que prevalece son los roles
relacionados con la conducta como ciudadano o la capacidad de transmitir
el conocimiento vigente. Este tipo de consideraciones permite enmarcar la
situación problemática (al sistema que la define) dentro de ciertos contextos lo
cual facilita enormemente su estudio. Por ejemplo, en una universidad dada es
posible que se prefiera el rol de profesor-investigador al del rol profesor-docente.
Esto se conoce con el nombre de Análisis Dos. Se diferencia del Análisis Uno
en que el conocimiento adquirido no siempre se logra a través de preguntas
directas. Durante este análisis debemos conocer continuamente (ya sea en
cada conversación, reunión, lectura de documentos etc.) los roles, normas
y valores que nos permitan extractar un conocimiento mejor de la situación
problemática.
11.1.5.4 Análisis del “sistema político”

Se conoce como el Análisis Tres. Se parte de la base de que cualquier situación
humana tiene una dimensión política que debe ser tenida en cuenta durante el
estudio de la situación problemática. El término política se toma aquí como “el
arte de lograr acuerdos entre desacuerdos”. Es la manera como se puedan lograr
385
convenios entre diversos intereses. Estos ajustes descansan en la distribución

del poder. Podríamos redefinir la política como la actividad relacionada con el
poder cuyo interés es manejar las relaciones entre intereses diferentes.
No existe actividad humana que esté exenta del aspecto político. Aún los estu-
dios académicos más científicos no escapan a este hecho. Son bien conocidas
las implicaciones políticas de las investigaciones que se realizan aún dentro
de la ciencia pura. De hecho, si se consideran sólo los aspectos económicos, la
mera distribución de un presupuesto ya es un asunto político.
El modelo que nos puede ayudar aquí es el preguntarnos sobre algunos asuntos,
como por ejemplo: ¿Cómo el poder se manifiesta en la situación estudiada?
¿Cuáles son las encarnaciones del poder? ¿Cómo se expresa el poder cuando
se llega a cierto tipo de acuerdos? ¿Cómo se logran estos acuerdos, cómo se
usan, se protegen, se preservan, se transmiten, se abandonan? ¿Cuáles son los
mecanismos? (Checkland & Scholes, Op. Cit., p. 61).
Algunas de las encarnaciones de poder, es decir, el porqué y quién tiene el
poder, que han sido descubiertas a través del uso de la metodología son: au-
toridad oficial (basada en los roles), autoridad intelectual, pertenencia o no
a ciertos grupos, autoridad profesional, acceso a cierto tipo de información,
carisma personal, etc.
El Análisis Tres es especialmente delicado debido a que pueden ponerse en
evidencia debilidades que, de ser conocidas, afectarían seriamente al sistema
en lugar de mejorar la situación actual y a su vez podrían convertirse en nue-
vas manifestaciones de poder. Como afirman los autores no se trata de una
metodología maquiavélica para darle consejo al “príncipe” de cómo dividir
y reinar. El fin de la metodología es mejorar situaciones mediante acuerdos
entre los interesados. Se debe ser muy cuidadoso y no permitir que este tipo
de información afecte negativamente el proceso de mejora.
Los tres Análisis permiten enriquecer la visión de la situación problemática.
Permiten también identificar sistemas relevantes, nombrarlos, así como re-
conocer las interrelaciones existentes entre ellos lo cual facilita el proceso de
modelado. Siempre debemos tener en cuenta que esta corriente debe interactuar
continuamente con la corriente lógica. Pero el proceso debe llevarse mucho
más allá de los simples hechos de evidencia inmediata.
386
11.1.6 Cambios factibles y deseables

Hemos resaltado continuamente que la idea final es lograr modificaciones que
mejoren la situación problemática en estudio. Las dos corrientes convergen
en un debate, en el cual se espera que se lleguen a acuerdos sobre este punto.
A menudo es necesario utilizar la metodología para desarrollar los procedi-
mientos de cambio.
La implementación es, naturalmente, una “situación problemática” en sí, y
es común utilizar la MSB para enfrentarla. Podemos conceptuar y modelar
sistemas para implantar los cambios y hacerlo teniendo en cuenta diferentes
Weltanschauungen relevantes. Finalmente podemos precisar “un sistema para
realizar cambios” cuyas actividades se conviertan en acciones del mundo real.
Podemos empezar a realizar las actividades de este modelo final en la situación
estudiada (Ibid., p. 62).
En esta parte se hace sensible hasta dónde la metodología permitió que los
realmente interesados jugaran un papel de importancia durante todo el proceso.
El hombre de sistemas puede indicar y defender una sugerencia particular, pero
la decisión para la acción sólo puede ser llevada a cabo por los interesados. Si
en los sistemas duros el “diseño” es el “diseño del sistema a ser manipulado”
permitiendo el uso de técnicas de optimización, simulación etc., en los blandos
esto no es posible. El diseño se entiende como la propuesta para un cambio
obtenido a partir de la definición raíz, del modelo conceptual y del proceso
de comparación. Diseñar no es, en esta metodología, la creación de algo que
funcionará de una manera específica, a “prueba de gente”, y que logrará un
objetivo definido; al contrario, es la creación de algunas modificaciones para
que sus propósitos pueda llevarse a cabo, acordes con las cosmovisiones de
los integrantes.
Checkland señala que el diseño en esta metodología es una actividad más bien
específica para una situación particular, en un tiempo particular, que consi-
dera gente particular y una historia particular. Se sugiere que la situación sea
tratada como si fuera una “situación problemática” y se le aplique a este nuevo
problema la metodología discutida.
Los cambios deben ser sistémicamente deseables y culturalmente factibles. La
corriente lógica garantiza que los cambios a proponer sean sistémicamente
deseables, es decir, que desde el punto de vista lógico, el modelo responda a
una secuencia razonable de acciones que deben conducir, necesariamente, a
387
mejorar la situación problemática. Por otro lado, si se han tenido en cuenta

los mitos y significados de las personas relacionadas con el sistema, los cam-
bios propuestos no deben reñir con la cultura imperante; serán culturalmente
factibles.
11.1.7 Algunas consideraciones adicionales

Nada peor que proponer cambios, desde el punto de vista de quienes “solucio-
nan” la situación, que sean sistémicamente factibles y culturalmente deseables.
Esta inversión, más común de lo que podamos creer, es la causa del fracaso
de muchos proyectos. No es el hombre de sistemas, ni quienes administran el
sistema, los llamados a decidir qué es lo mejor para una comunidad. Tal vez
nos parezcan extraños ciertos tipos de comportamientos y ciertos gustos. Pero
si estos forman parte de la cultura, si tienen sentido (significado), debemos
respetarlos y aceptarlos.
Muchas personas usan la metodología libremente perdiendo de vista su verda-
dero sentido. La metodología debe utilizar un proceso cíclico de aprendizaje
con el uso de modelos de sistemas dentro de ese proceso. Aunque en las or-
ganizaciones hay diferentes evaluaciones de las situaciones que se presentan,
dichas evaluaciones deben coincidir en algunos puntos pues, de lo contrario,
la organización no tendría sentido.
Corriendo el riesgo de simplificar diremos, en una apretada enumeración, que
la metodología desarrolla las siguientes actividades (no necesariamente en el
orden presentado y todas ellas interrelacionadas):
• Hallar una situación de “inconformidad”.
• Seleccionar algunos sistemas de actividad humana relacionados con la
situación.
• Expresarla pictóricamente como un sistema.
• Elaborar modelos de estos sistemas partiendo de transformaciones espe-
cíficas.
• Usar los modelos para contrastar la situación real.
• Usar el debate iniciado en la comparación para definir acciones con pro-
pósito que alivien la inconformidad.
388
• Tomar las acciones que modifiquen la situación... Y el “ciclo” se reiniciará.

Finalmente, debe indicarse que es necesario hacer un estudio retrospectivo no
sólo en cada una de las fases sino al final del proyecto. Pueden ocurrir cambios
en las actividades y surgir nuevas experiencias que obliguen a reconsiderar las
definiciones raíz y por lo tanto, rectificar el proceso.
11.2 Un ejemplo
Consideremos el caso de la formación de docentes (postgrados), y el desarrollo
de la investigación, en una facultad de una universidad dada. La sensación de
inconformidad es:
Los estudios de postgrados así como la investigación, son más
fruto de intereses individuales de los profesores que una estrategia
de una facultad.
Una transformación pertinente podría ser:
Estudios de postgrado Estudios de postgrado

e investigación sin e investigación con
direccionamiento direccionamiento
La cosmovisión es: una visión integrada de la docencia y la investigación con

respecto a los propósitos de la facultad en cuestión.
El dibujo de la figura 11.11 da una visión enriquecida de la situación pro-
blemática, el cual se ha originado en las experiencias del autor con personas
relacionadas con el tema.
Es importante resaltar que en este caso, es la cosmovisión de quien propone el
esquema (el autor) la que predomina. Tal esquema será la base para proponer
debates que permitan mejorar el dibujo y por lo tanto tener una visión más
cercana de la realidad, de acuerdo con las percepciones de las personas que
estén relacionadas con la situación problemática. Aquí se hace necesaria una
apreciación. Cuando de un trabajo de investigación se trata y si no se tiene clara
el sistema de la actividad humana a considerar, la metodología debe aplicarse,
partiendo de consideraciones e intuiciones personales, para adquirir una idea
389
Tendencias de la Tendencias de lo
administración ambiental
Reglamentos
Miradas
débiles
Profesores Administrac.
fac. Fac.
Sin Con
postgrado Voy a estudiar el
postgrado
tema X y hacer
? Currículo.
investigación al
No tiene X.
respecto.
Comunicac. rota
Estudiantes Comunicac. débil
fac.
Dibujo enriquecido de la concepción del sistema.

W: Investigación y postgrados alejados del currículo.
Fig. 11.11
aproximada de cómo podría ser el acercamiento al sistema real. Hecho este
ejercicio, se dispondrá de suficientes bases para decidir el sistema a estudiar y
la forma de acercarse a él mediante la metodología descrita.
El PCS está definido por la administración, los profesores y los estudiantes de
la facultad.
Las tareas primarias son entre otras: proponer reformas curriculares y mante-
nerse al día con respecto a los campos de la administración y la investigación
relacionados con los objetivos de la facultad.
Es evidente que existen tensiones tales como el deseo de independencia por
parte de los investigadores, generada entre otras, por la dificultad que se
presenta para trabajar en grupo ya que tanto el Estado Colombiano como la
Universidad, sólo reconocen a un profesor como el merecedor del control
390
del proyecto, de la posibilidad de viajar para presentar las investigaciones

resultantes y de beneficiarse con gran parte de los puntos que le permiten
mejorar su situación económica. En cuanto a los aspectos políticos, el comité
curricular decide generalmente en forma autónoma las reformas a proponer
y éstas son presentadas al Consejo de Facultad que, en general, poco modifica
tales propuestas.
Podemos intentar ahora la siguiente definición raíz, la cual necesariamente será
reconsiderada a medida que avanza el proceso de aplicación de la metodología.
Se busca desarrollar un sistema que permita que los profesores realicen sus
estudios de postgrado mediante direccionamientos claros que reflejen una
integración entre la docencia, la investigación y la extensión con el fin no
sólo de preparar profesionales que puedan prestar un buen servicio al país,
sino también solucionar problemáticas ambientales que afecten a la región.
Desde un punto de vista técnico tenemos el siguiente análisis.
C: Estudiantes, profesores, la comunidad.

A: Profesores, administración de la facultad.
T: Profesores con postgrados.
W: Docencia, investigación y extensión integradas a la problemática ambiental
de la región y el país.
O: Profesores, administración.
E: Resistencia al cambio, reglamentos actuales.
Un modelo conceptual acorde con la definición raíz, puede ser el indicado en
la figura 11.12. Los números son sólo una identificación de la actividad; la
secuencia la dan las conexiones entre subsistemas y no la numeración de los
mismos.
Insistiremos: este no es un modelo de la situación actual. Es un modelo ideal
de cómo debiera ser el procedimiento a la luz de las consideraciones que la
metodología nos permite descubrir.
Tampoco es una utopía. Está centrado alrededor de actividades reales y acordes
con los significados que tales actividades tienen en la facultad en cuestión. Por
esta razón nos permite establecer diferencias que serían las mejoras a llevar
a cabo, con el fin de aliviar la sensación de inconformidad que originó el es-
391
Proponer un grupo que se Proponer un grupo que

encargue de estudiar las se encargue de estudiar
tendencias en los aspectos las tendencias en la
académicos invest. pertinente a Investigar las
de la fac. 1 la fac. 2 problemáticas
ambientales de la
región. 3
Presentar ideas al
Debatir las ideas con prof.
comité curricular
y estudiantes. 5
4
Actualizar el Proponer líneas de

curriculo 6 formación en
postgrados 8
Control
Proponer líneas de
investigación y
docencia 7 Monitoreo
Monitoreo
Control
Modelo conceptual del proceso de formación

de postgrado de un profesor
Fig. 11.12
tudio. Este modelo debe ser repensado a la luz de las experiencias adquiridas
durante el proceso, pues se necesita mucha discusión y revisión de la situación
para proponer algo realmente efectivo. Sin embargo, destaca, de un lado, la
importancia de relacionar, en forma lógica, las actividades lo que no siempre
es fácil de establecer. Por otro lado da una visión global de la situación a tratar.
Las partes han sido definidas a partir del todo.
Con respecto al monitoreo y control podemos decir lo siguiente. La eficiencia
la podemos medir al observar el número de lecturas realizadas por los encar-
gados en estar al día en los temas administrativos y de las problemáticas am-
bientales y a partir del número de propuestas hechas por semestre. La eficacia
se medirá con la relación que exista entre las propuestas hechas y el currículo
de la facultad.
392
La efectividad −medida a largo plazo−, será la consistencia entre la docencia,

la investigación y el servicio a la comunidad a lo largo del tiempo.
El modelo debe ahora confrontarse cuidadosamente con la definición raíz y,
particularmente, con el CATWOE. Este procedimiento es necesario para que
el siguiente paso pueda llevarse a cabo con seguridad y confianza: los cambios
factibles y deseables (Ver figura 11.13).
¿ C óm o s e ¿ C óm o s e C o m e n t a -
Actividad ¿Existe?
hace? juzga? rios
1-Proponer
Idea a propo-
u n g r u p o. . No
ner y debatir.
adm.
2-Proponer Otra idea a
u n g r u p o No proponer y
...inv. debatir.
3-Investigar A proponer y
No
la... debatir.
Se conside- L a ide a es
Parcial. En
4-Presentar ra la forma r o m p e r e l
Si forma indi-
ideas... correcta de esquema in-
vidual.
hacerlo. dividual.
En muy po-
P a r a m u - Se busca más
5-Debatir cas oportu-
Parcial chos no está p a r t i c i p a -
ideas... nidades y sin
bien. ción.
efecto.
6-Actualizar Par ticipan
Si
el currículo. unos pocos.
Para mu-
7-Proponer Interés per-
Parcial chos no está
líneas de... sonal.
bien.
8-Proponer
Interés per-
líneas de for- Parcial
sonal.
mación.
Tabla de comparación. Bases para sugerir cambios

Fig. 11.13
393
11.3. Resumen.
De las metodologías duras pasamos a las metodologías blandas, aquellas
en las cuales la medición y predicción no son lo importante, sino la consi-
deración de aspectos de carácter interpretativo que permiten estudiar los
sistemas desde diversas perspectivas. Dedicamos este capítulo a la meto-
dología de P. B. Checkland.
Esta metodología no busca resolver problemas sino mejorar situaciones pro-
blemáticas. Se fundamenta en un proceso de aprendizaje que busca conocer
lo que entendemos como sistema de la mejor manera posible y dentro de un
lapso de tiempo prudencial. La meta es que, a partir de esta comprensión,
surjan las propuestas que van a permitir cambios sistémicamente deseables y
culturalmente factibles, no desde la perspectiva de quienes realizan el estudio
o han influido para que se lleva a cabo, sino de las personas o grupos que
conforman dicho sistema.
Su herramienta de base son las “sensaciones de inconformidad” o “deseos de
mejora” (los síntomas) lo cual toma cuerpo en cada transformación: la defini-
ción raíz nos dirá “qué” es el sistema deseado y el modelo conceptual nos dirá
“cómo” llevar a cabo dicha transformación.
Dos corrientes acompañan este proceso: la cultural, que permite considerar
el constructo mental que identificamos como sistema desde una perspectiva
social y política donde se tiene en cuenta los efectos de la intervención. La otra
corriente es la del proceso lógico que surge de la aplicación de los conceptos de
la T.G.S. a las transformaciones. Se trata de la lógica soportada por la corriente
cultural con el fin de obtener propuestas que sean útiles a quienes conforman
la situación problemática.
394
CAPÍTULO 12
METODOLOGÍAS BLANDAS. DINÁMICA DE

SISTEMAS BLANDOS
12.0 La Dinámica de Sistemas Blandos

En 1990, Peter Senge publicó el libro La quinta disciplina el cual abrió nuevos
horizontes al uso de herramientas provenientes de la cibernética en los campos
de la administración y de los sistemas de la actividad humana (Senge, 1992). La
obra está dirigida fundamentalmente a las empresas, pero no es difícil compren-
der que sus posibilidades pueden extenderse a otros tipos de organizaciones.
Senge propone que las empresas modernas deben ser inteligentes, deben tener
capacidad de aprendizaje. En sus palabras (Ibid. p. 11-12):
Al crecer la interconexión en el mundo y la complejidad y el dinamismo
en los negocios, el trabajo se vincula cada vez más con el aprendizaje. Ya
no basta con tener una persona que aprenda para la organización, lláme-
se Ford, Sloan o Watson. Ya no es posible “otear el panorama” y ordenar a
los demás que sigan las órdenes del “gran estratega”. Las organizaciones que
cobrarán relevancia en el futuro serán las que descubran cómo aprovechar
el entusiasmo y la capacidad de aprendizaje de la gente en todos los niveles
de la organización.
El autor propone cinco disciplinas (cinco nuevas tecnologías) para innovar

las organizaciones inteligentes: el dominio personal, los modelos mentales, la
visión compartida, el aprendizaje en equipo y el pensamiento sistémico (la quinta
disciplina). Aunque nuestro interés se centrará en el pensamiento sistémico,
haremos un recuento rápido de cada una de ellas.
El dominio personal se refiere al desarrollo de la capacidad de mejorar continua-
mente nuestra propia visión. Es el dominio de nosotros mismos sobre nuestras
debilidades y prejuicios que nos dan visiones de mundo equivocadas y nos
impiden escuchar y comprender a los demás; es ser capaces de enfrentarnos
a nosotros mismos, de cambiar. Es aprender a esperar, a tener paciencia. Gira
395
en torno a la claridad que debemos lograr respecto a aquello que nos interesa
verdaderamente. Desde el punto de vista sistémico, se trata de descubrir nues-
tros verdaderos objetivos, no los objetivos declarados.
Los modelos mentales se refieren a aquellos supuestos que tenemos profun-
damente arraigados, a los prejuicios que nos impiden ver el mundo de una
manera diferente a como siempre lo hemos concebido y evaluado. Debemos
aprender a revisar nuestras aprehensiones, a no juzgar de primera instancia,
a someter todas nuestras imágenes a un cuidadoso análisis, trayéndolas al
exterior y confrontándolas con la realidad. Es comprender al otro, “meternos
en sus zapatos”.
Construir una visión compartida es la base del verdadero liderazgo. Los valores,
metas y misiones, si no son compartidos, jamás podrán respetarse ni lograrse.
No debe ser una orden la que mueva la acción sino el deseo y la voluntad. Una
visión compartida no puede ser la del dirigente o líder de turno o aquella que
surge en un momento de crisis. “Es contraproducente tratar de imponer una
visión, por sincera que sea” (Senge, 1992, p. 19).
El trabajo en equipo es un proceso que debe “aprenderse”. A menudo preferimos
trabajar solos, aislados. Esto fue posible en épocas anteriores, pero actual-
mente se hace más evidente que un buen grupo produce mucho más desde el
punto de vista de la creatividad y el talento, que las producciones individuales
de sus integrantes, cuando saben cómo trabajar asociadamente153. Hay pues,
emergencia sistémica. El gran secreto aquí es el diálogo como precursor a la
discusión. En el diálogo se “suspenden los supuestos”, escuchamos a los demás
sin aprehensiones, aprendemos de los otros en forma abierta y sincera. Esto
evita tomar posiciones extremas, a veces imposibles de defender. El diálogo
nos hace ver en dónde podemos estar equivocados, en qué parte puede fallar
nuestra argumentación, y en dónde nuestros argumentos son sólidos. Nos da
las herramientas con las cuales, posteriormente, podamos entrar en el terreno
de la discusión con un conocimiento más profundo de nuestro pensamiento,
y sin una alta carga emocional.
La quinta disciplina −el pensamiento sistémico− es la que permite que las cuatro
anteriores se integren y formen un todo, pues han existido desde hace mucho
tiempo pero en forma independiente. Integrarlas es lo que permite dar fuerza
a una organización para salir adelante en un mundo tan competido como el
153. Es importante discutir estas ideas a la luz de las propuestas que están surgiendo
de la Teoría de la Complejidad aplicada a la administración. Cfr.. Cap. 8.
396
actual. Con lo anterior logramos: un dominio personal, modificar nuestros

modelos mentales, aprender en equipo y construir visiones compartidas,
todo esto integrado bajo un enfoque sistémico. Aunque desarrolladas en un
contexto organizacional, no parece que sea muy difícil trasladarlas al mundo
personal y social. Por otra parte, un pensamiento sistémico sin el apoyo de
estas disciplinas no pasa de ser una propuesta teórica, de difícil aplicación. De
hecho, una de las dificultades más grandes con que se encuentra el mundo de
los sistemas es que una gran mayoría de personas aceptan las ideas sistémicas,
les parecen absolutamente naturales y lógicas, pero en la práctica retornan a sus
procedimientos tradicionales que les impiden aprender y entender el mundo.
La quinta disciplina tiene una herramienta muy poderosa para comprender el
comportamiento de los sistemas complejos: utiliza la extensión de los diagramas
causales vistos en la metodología de Forrester a problemas de la organización.
Se ha encontrado que muchas situaciones complejas aparentemente diferentes
comparten, sin embargo, patrones de comportamiento similares. Ellos no son
modelos suficientes en sí mismos. Nos permiten, eso sí, adquirir un conoci-
miento de la naturaleza del problema. Existe en la actualidad más de una do-
cena de estos patrones que han permitido allanar el campo de estudio de estos
sistemas. Se les conoce con el nombre de arquetipos sistémicos. En lo que sigue
trataremos de analizar algunos de ellos, en una rápida mirada. Una referencia
imprescindible es “La quinta disciplina en la práctica”(Senge P. et al, 1995).
12.1 Retroalimentación. Demoras

Arquetipos sistémicos
Dijimos anteriormente que los diagramas causales son el lenguaje para des-
cribir los sistemas complejos. Ellos captan muy bien la no linealidad de los
comportamientos a través del concepto de lazo de retroalimentación.
Existen dos tipos de retroalimentación que son la piedra angular de este lengua-
je sistémico: los lazos de retroalimentación positiva y los de retroalimentación
negativa. En el numeral 10.3.2 hicimos referencia a estos conceptos.
Un lazo de retroalimentación positiva −Senge los llama lazos reforzadores− es
aquel cuyo comportamiento se ve siempre reforzado. Es el conocido “círculo
vicioso”: más leo, más aprendo; más aprendo, más leo. El diagrama correspon-
diente se indica en la figura 12.1.
397
+
Leer (+) Aprender
+
Lazo reforzador o de retroalimentación positiva

Fig. 12.1
El lazo también puede leerse: menos leo, menos aprendo; menos aprendo,
menos leo. De todas formas, la dirección del cambio es la misma en ambos
casos: a más, más; o a menos, menos. Por eso es positivo, es decir, reforzador.
En estos procesos un cambio pequeño se alimenta a sí mismo. Es el efecto “bola
de nieve”. Hace algunos años se corrió en la ciudad el rumor de que la gasolina
iba a escasear. Por la mañana algunos vehículos que tenían suficiente gasolina
se dirigieron hacia las estaciones del combustible para llenar el tanque. Esto
generó una pequeña cola en la mayoría de ellas. Rápidamente el rumor se fue
extendiendo y se vio reforzado por las colas que se estaban formando; hacia
la media mañana las colas eran enormes. Nunca hubo escasez. Se generó un
lazo de retroalimentación reforzadora.
Un ejemplo impactante de lazo de retroalimentación positiva lo trae Senge (Op.
Cit. p. 93-94) con respecto a la carrera armamentista entre la Unión Soviética
y los Estados Unidos de Norteamérica. El diagrama se indica en la figura 12.2.
La lectura del diagrama es la siguiente. La Unión Soviética construye armas
nucleares, lo que Estados Unidos considera una amenaza (más armas, más
amenaza). Esta amenaza crea la necesidad de construir armas por parte de USA
(más amenaza, más necesidad de armas), lo que a su vez produce la decisión
de construirlas (más necesidad, más construcción). Las armas construidas
amenazan la integridad de la URSS (más armas USA, mas amenaza URSS).
Dicha amenaza obliga a planes de construcción de armas en la URSS (más
amenaza, más necesidad de construir armas Rusas), lo cual da como resultado
más construcción de armas soviéticas, cerrando el círculo, produciendo un
efecto reforzador.
Lo más interesante de esta historia es que la solución está, en principio, implícita
en el mismo lazo. Si en lugar de aumentar la construcción se disminuye, esto
398
Armas URSS
+
+
Amenaza para
Necesidad de construir
USA
armas soviéticas
+
(+) +
Amenaza para Necesidad de construir
la URSS armas en USA
+
+
Armas USA
Lazo positivo: la carrera armamentista

Fig. 12.2
fuerza al sistema a crear un lazo reforzador de disminución, eliminando, a la
larga, la construcción de estas armas, claro está, si esta fuera la única razón.
Sabemos que también hay intereses económicos y políticos que juegan un papel
muy importante en la carrera armamentista.
El crecimiento típico de un lazo de retroalimentación positiva se muestra en
la figura 12.3.
Crecimiento sin límite. Lazo de retroalimentación

positiva.
Fig. 12.3
399
Por su parte, el lazo de retroalimentación negativa crea un sistema compensador,

una búsqueda de estabilidad. Ello implica la existencia de una meta, implícita
o explícita. En este caso el sistema se auto corrige.
La teoría del control automático de sistemas se rige por este principio. El
ejemplo del termostato es clásico. Ya lo hemos descrito en diferentes ocasiones.
Ahora tratemos de definirle una estructura mediante los diagramas causales.
Se trata de mantener un cuarto a una temperatura dada. Para facilitar el ejem-
plo supondremos que el cuarto está por debajo de la temperatura deseada; el
termostato permitirá la entrada de calor hasta que alcance esta temperatura.
La figura 12.4 explica el funcionamiento de este sistema.
Diferencia de
Temperatura temperatura
deseada 
+
Temperatura ()
Acción del
del cuarto
+ termostato
Lazo de retroalimentación negativa: el termostato

Fig. 12.4
El funcionamiento es el siguiente. Supongamos que queremos una tempera-
tura de 20o C y el cuarto se encuentra actualmente a 10o C. La diferencia de
temperatura (o“brecha”) es la diferencia entre la temperatura deseada y la del
cuarto; para este caso 10o C.
El termostato deja entrar calor de tal manera que la temperatura del cuarto
se eleve, lo cual a su vez disminuye la diferencia. Si la diferencia es menor, el
termostato deja fluir menos calor, que a su vez eleva lentamente la temperatura
del cuarto, disminuyendo aún más la diferencia de temperatura. Cuando esta
diferencia sea muy pequeña, el termostato detendrá su funcionamiento.
Analicemos ahora el siguiente caso. Deseamos llenar un vaso con agua. Abri-
mos el grifo y el vaso comienza a llenarse. A medida que el nivel de agua va
ascendiendo, empezamos a cerrar el flujo de agua. Cuando el vaso alcance el
400
nivel deseado lo cerramos totalmente. Un diagrama causal que describe este

proceso es el indicado en la figura 12.5. Si comparamos este esquema con el de
la figura 12.4 observaremos que ¡los dos sistemas son isomorfos! Desde cierta
perspectiva, este es un buen ejemplo de cómo un sistema determinado y otro
animado pueden ser descritos de manera similar.
Nivel actual
+ del agua
Posición ()
del grifo
+ 
Diferencia
de nivel Nivel
deseado
Llenando un vaso: lazo de retroalimentación negativa

Fig. 12.5
La gráfica que ilustra estos comportamientos la indicamos en la figura 12.6.
Límite
Límite
Tendencia a un límite. Lazo de retroalimentación negativa

Fig. 12.6
401
En la curva de la izquierda, el límite se alcanza desde una temperatura inferior

(o un vaso vacío). En la derecha, se trataría del enfriamiento de un cuarto
caliente, o la desocupación de un vaso lleno de agua.
Es interesante el ejemplo de llenar un vaso para estudiar el impacto de las
demoras. Al cerrar el grifo, el flujo de agua merma inmediatamente. Imagine-
mos ahora que entre cerrar el grifo y disminuir el flujo de agua, pasaran unos
segundos. Evitar que el vaso se llene convenientemente, sin que se riegue el
líquido, se vuelve un proceso que requiere cierto cuidado. En muchos casos, si
no fuera por las demoras, los comportamientos serían fácilmente controlables.
Este es el tercer elemento fundamental para el estudio de los diagramas causa-
les. Recordemos el ejemplo sobre la jubilación de profesores del numeral 4.2.
Utilizando una metáfora de Senge, si los lazos reforzadores, compensadores y
las demoras son los sustantivos y verbos del lenguaje sistémico, los arquetipos
sistémicos son las oraciones simples o narraciones sencillas que se cuentan
una y otra vez.
Estos arquetipos son una excelente ayuda para desenmarañar la complejidad
de muchos de los comportamientos de los sistemas. Dice Senge (1992, p. 123):
La familiarización con los arquetipos sistémicos sin duda contribuirá a
solucionar un problema apremiante contra el cual los directivos luchan sin
cesar: la especialización y fraccionamiento del conocimiento. En muchos
sentidos, la mayor promesa de la perspectiva sistémica es la unificación del
conocimiento a través de todas las especialidades, pues los mismos arque-
tipos se repiten en biología, sicología, terapia familiar, economía, ciencias
sociales y ecología y administración de empresas.
Los arquetipos sistémicos permiten que demos un paso firme desde la sola
idea o deseo de pensar sistémicamente, a su aplicación. Ellos nos enseñan a
reconocer circunstancias similares (isomorfismos) donde aparentemente no
existen. Además, nos indican en donde “poner el dedo en la llaga” con el fin de
tomar las decisiones correctas en el lugar correcto. El término utilizado aquí
es apalancamiento; es la metáfora de la palanca la cual permite mover grandes
pesos, con fuerzas pequeñas, simplemente si sabemos el mejor sitio dónde
apoyarla, dónde apalancar. Estos arquetipos son un llamado de atención para
aquellos que son proclives a las soluciones a corto plazo. Veamos algunos de
ellos. Nos guiaremos por Senge (1992) y por Braun (2002).
402
12.1.1 Límites del crecimiento

El síntoma de los procesos en donde puede encontrarse este arquetipo sistémico
es muy característico. En un comportamiento típico del sistema, este empieza
a crecer cada vez más; de pronto, y sin razones evidentes, comienza a retardar
su crecimiento y, en ocasiones, a decrecer.
Por ejemplo: iniciamos con mucho entusiasmo nuestro entrenamiento físico.
A medida que progresamos, dedicamos más tiempo al ejercicio. Con el paso de
los días empezamos a perder interés a pesar de ciertos esfuerzos por continuar.
Finalmente lo abandonamos.
Un líder empresarial, apoyado por técnicas de motivación, logra que su per-
sonal adquiera un gran compromiso de trabajo. Cada día que pasa se ve el
crecimiento del espíritu de grupo, el compromiso por la empresa, el deseo de
trabajo. Poco a poco se observa un decaimiento a pesar de los esfuerzos por
intentar retomar el impulso inicial; la organización ha vuelto a la situación
original que había llevado a la administración a realizar los talleres de creci-
miento y motivación (P. Senge).
En muchas empresas se observa inicialmente un aumento en las ventas. Estas
continúan su carrera ascendente hasta que, a partir de cierto momento, em-
piezan a disminuir su ritmo. La administración toma las medidas del caso y
las ventas reinician su ritmo de crecimiento para luego empezar a decaer y no
responden a los nuevos intentos de recuperación.
El diagrama causal que explica este comportamiento está compuesto por dos
lazos de retroalimentación que interactúan: uno de crecimiento (reforzador)
y uno de control (compensador). El diagrama general es el mostrado en la
figura 12.7.
Para leer estos diagramas es conveniente iniciar con el lazo reforzador. Con-
sideremos el ejemplo del ejercicio físico (figura 12.8).
Al comienzo, mientras más tiempo pasamos en el gimnasio, obtenemos más
desarrollo físico, lo cual nos motiva a pasar más tiempo en el gimnasio (por
ejemplo, dedicamos más días a la semana o incrementamos en media hora
cada sesión). Es el lazo positivo de la izquierda. Sin embargo, debido a nuestra
capacidad de dedicación, que puede estar afectada por otras circunstancias
(pereza, motivación por otros asuntos, desarrollo muscular menos notable) el
interés por el ejercicio puede verse afectado. Al dedicar más tiempo al gimnasio,
403
Condición
limitativa
Acción Condición Acción

creciente (+) () decreciente
Desempeño real que se Acción correctiva

puede medir u observar en (normalmente una restric-
su crecimiento ción en el desempeño real)
Arquetipo general del límite del crecimiento

Fig. 12.7
Capacidad de
dedicación
+ +
Desarrollo Tiempo en el Interés en el +
físico (+) gimnasio () ejercicio
+

Un ejemplo de límite del crecimiento:

el ejercicio físico.
Fig. 12.8
debido a la capacidad de dedicación, nuestro interés por el ejercicio dismi-
nuye (es el lazo negativo de la derecha). Si este interés disminuye, disminuirá
el tiempo que dedicamos al gimnasio (o, visto de otra manera, a más interés,
más tiempo en el gimnasio). La razón por la cual el lazo compensador no entra
a actuar inmediatamente, permitiendo que el reforzador ejerza su influencia
inicialmente, es debido a la demora que se presenta entre el tiempo dedicado al
gimnasio y el interés por el ejercicio (representada por las dos líneas paralelas).
Consideremos el caso de una empresa que comienza a tener éxito con un
producto. A medida que las ventas se incrementan, los ingresos también lo
hacen. Una parte de ellos se utiliza para contratar más vendedores, por lo
404
que, de nuevo, las ventas se incrementan. Sin embargo al pasar el tiempo estas
comienzan a disminuir. La gerencia general presiona a los vendedores incre-
mentando sus cuotas y despidiendo a los que considera menos eficientes. Sin
embargo la situación empeora. La causa: retardo en las entregas de los pedidos.
Esto ocurre debido a que se tiene un límite en la capacidad de despacho. Al
aumentar los pedidos después de cierto límite, esta demora se incrementa. La
dificultad está en que los clientes tardan un tiempo en censarla. Al principio,
debido a la calidad del producto, están dispuestos a esperar un poco más. Pero
la situación es peor cada vez y, a la larga, hacen los pedidos a la competencia
que sí cumple con los plazos de entrega.
Un diagrama causal de esta situación puede ser el siguiente (figura 12.9).
Tiempo
Vendedores entrega Capacidad
+
+  de despacho
+
(+) Ventas ()
+ Despacho
+
Ingresos + Pedidos
Límite del crecimiento. Ventas exitosas

Fig. 12.9
Nótese cómo el lazo compensador se cierra a través del lazo reforzador (ob-
serve la trayectoria en forma de 8 acostado). Cualquier intento que centre su
interés en el lazo reforzador con el fin de mejorar la situación, no sólo es inútil
sino, peor aún, contraproducente. En efecto. Al ejercer presión en este lazo con
el fin de reactivar el crecimiento lo que se logra es que el lazo compensador,
una vez vencida la inercia de la demora, tome control del sistema. A más ven-
tas, !menos ventas¡ Por esta razón, el apalancamiento debe hacerse en el lazo
compensador, bien sea logrando un cambio en la meta –por ejemplo modificar
la condición limitante aumentando la capacidad de despacho–o mediante
cambios de estrategias o acciones que modifiquen la situación actual, como,
por ejemplo, aumentar el precio del producto para disminuir el volumen de
ventas. Y es aquí donde las otras disciplinas juegan un papel fundamental, ya
405
que se requiere mucha voluntad y convicción, pues es muy difícil vencer la

resistencia al cambio.
La gráfica del comportamiento de este patrón se asemeja a las indicadas en la
figura 12.10.
a) b)
Patrones de cambio del límite del crecimiento

Fig. 12.10
Al comienzo el sistema empieza a crecer con fuerza, pero poco a poco el lazo
compensador frena el crecimiento, e incluso puede ocasionar un decrecimiento
en su desempeño. Lo interesante de este análisis es el hecho que, sin ninguna
fuerza extraña o ajena al sistema, el lazo compensador aparece. No se trata de
buscar “chivos expiatorios”; de culpar a la “alta gerencia” o a una competencia
desleal. Su aparición es inevitable y, en muchos casos, necesaria. El crecimiento
tiene un límite. Tal vez el ejemplo más dramático lo estamos viviendo al tratar
de forzar nuestro planeta “más allá del límite” (Meadows, D., 1972, 1992).
12.1.2 Desplazamiento de la carga

El comportamiento típico es el siguiente. Una situación que crea conflicto es
solucionada rápidamente mediante ciertas acciones. Al presentarse la situa-
ción de nuevo la solución anterior es aplicada, tal vez con más intensidad,
lográndose una mejora. A la larga, ya no es posible seguir recurriendo a este
tipo de acción y la situación empeora. Sin embargo, se sospecha que puede
existir una solución más radical, pero no se recurre a ella. Es el típico acto de
tratar el síntoma sin curar la enfermedad; se apalanca el síntoma en lugar de la
solución fundamental. Este es uno de los arquetipos que destaca la lucha entre
las soluciones sencillas, sintomáticas, a corto plazo, en lugar de soluciones más
radicales, fundamentales, a largo plazo.
406
Un buen ejemplo es una cefalea154. El dolor de cabeza intenso se reduce me-

diante un analgésico común; este desaparece, pero reaparece más adelante,
con más frecuencia y mayor malestar. Dosis cada vez mayores del analgésico
mitigan el sufrimiento. Finalmente el dolor se vuelve insoportable. Por otro
lado, un tratamiento largo, seguramente costoso e incómodo, pueda ser la so-
lución. Pero posponemos estas acciones hasta que ya no podamos más debido
a que las soluciones sintomáticas nos “convencen” que no es necesario recurrir
a soluciones radicales: es el efecto lateral. La figura 12.11 ilustra este arquetipo.
Solución del
síntoma +
() +

Efecto
Síntoma (+) lateral
problemático

()
+
Solución 
fundamental
Arquetipo general de desplazamiento de la carga

Fig. 12.11
El diagrama causal consta de dos lazos compensadores que actúan simultá-
neamente. Uno de ellos, el síntoma, responde inmediatamente a las acciones
tomadas; el otro tiene demoras que hacen que la sensibilidad a la solución
permanezca “dormida”. Para colmo, el lazo reforzador sintomático afecta
negativamente la capacidad de sensibilidad del lazo con la solución radical.
“Desplazamos la carga” hacia la solución fácil.
Senge (ver figura 12.12) comenta cómo los jefes de personal, ante un problema
con sus subordinados, recurren a la ayuda de expertos en solución de conflictos,
154. Es importante distinguir entre cefaleas primarias y secundarias. Las primeras

se originan en predisposición genética y las condiciones biológicas de la persona como
son las migrañas y las producidas por tensión muscular; las secundarias son debidas
a lesiones que afectan los mecanismos que regulan la presión en el cráneo.
407
Se acude al
experto
+
() +

Expectativa de que
Problemas (+) los expertos
de personal resolverán los

problemas
()
+
Desarrollo 
aptitudes
gerenciales
Desplazamiento de la carga: las asesorías administrativas

Fig. 12.12
quienes, efectivamente, solucionan el problema.
Pero la dificultad del jefe al enfrentar nuevas situaciones (ya que descarga su
responsabilidad en los expertos), lo obliga a requerir nuevamente sus servi-
cios. Cada vez está en menos capacidad de resolver situaciones conflictivas,
por no desarrollar sus aptitudes gerenciales. Como los expertos “solucionan”
el problema vigente, esto ejerce una influencia para no desarrollar sus capa-
cidades administrativas (observe bien el lazo externo; cruza por los dos lazos
compensadores). Una gráfica que describe el comportamiento de este sistema
puede ser la indicada en la figura 12.13.
El síntoma oscila entre un aumento y una aparente solución, pero siempre
con tendencia a aumentar (empeorar) su situación. Por su parte, la solución
de este síntoma exige cada vez más intervención. La capacidad para tomar la
decisión fundamental cada vez es menor.
408
Síntoma
problemático
Solución del
síntoma
Capacidad para
tomar la decisión
fundamental
t
Comportamiento del desplazamiento de la carga

Fig. 12.13
Insistimos. Este arquetipo resalta de nuevo la importancia de tener paciencia
y dedicarse a las soluciones fundamentales en lugar de soluciones inmediatas
que parecen funcionar pero que, a la larga, son contraproducentes.
12.1.3 Erosión de metas

La erosión de metas es un patrón similar al anterior. También resalta la tensión
entre las soluciones fáciles y las fundamentales. Sin embargo aquí no hay una
influencia directa entre la solución del síntoma y la acción radical (el lazo refor-
zador externo) ya que lo que se enfrenta es la realización de un objetivo, de un
logro a largo plazo. En esta situación se fija una meta. Debido a las dificultades
que se van presentando, en lugar de tomar las medidas para lograrla, lo que
se hace es modificarla, haciéndola más fácil. El diagrama correspondiente es
el de la figura 12.14.
Consideremos el siguiente ejemplo. Me propongo dedicar cinco horas se-
manales a lecturas ajenas a las relacionadas con mi trabajo. Al cabo de algún
tiempo observo que esto no es tan sencillo, debido a presiones de diverso tipo:
cansancio, falta de interés, otras actividades. En lugar de hacer un esfuerzo
para vencerlas, considero que cuatro horas son suficientes para colmar mis
aspiraciones. Y el proceso puede continuar, erosionado la meta inicial.
Senge comenta (Op. Cit., p. 141):
409
+
Meta Acción para
ajustar la meta
()
 +
Discrepancia
 +
() Acción para
Meta original mantener la
+ meta original
Arquetipo general de la erosión de metas

Fig. 12.14
Las sociedades sufren el acoso permanente de la erosión de las metas:

veamos cómo se ha reducido el estándar de “empleo pleno” en los Estados
Unidos. El objetivo federal de empleo pleno se deslizó de 4 por ciento en
los años 60 a 6 y 7 por ciento a principios de los 80. (En otras palabras, el
país estaba dispuesto a tolerar 50 o 75 por ciento más de desempleo como
“natural”). Así mismo, 3 o 4 por ciento de inflación se consideraba grave a
principios de los 60, pero una victoria de la política antiinflacionaria a
principios de los 80.
El comportamiento general de este arquetipo se muestra en la figura 12.15.
Meta original
Meta actual
Discrepancia
t
Comportamiento del arquetipo “erosión de metas”

Fig. 12.15
410
En los gobiernos se puede analizar el cumplimiento de los objetivos sobre

déficit fiscal o de disminución del desempleo mediante el diagrama mostrado
en la figura 12.16.
Déficit
+
Acción para
modificado aumentar el déficit
()
 +
discrepancia
 +
() Acción para mantener
Déficit original
la meta del déficit
+
Reducción del déficit fiscal

Fig. 12.16
En más de una oportunidad observamos cómo la meta de mantener una cali-
dad de alto nivel en una empresa manufacturera es modificada a niveles más
bajos debido a la necesidad de reducir los costos de producción. Esta situación
claramente está bajo el dominio de este arquetipo. Igual ocurre con las metas
de calidad de los productos: lucha entre un estándar (a veces idealizado) y la
calidad del producto real. Para evitar este tipo de situaciones, debemos ser
muy realistas en la propuesta de las metas a alcanzar. A menudo, de buena fe,
proponemos objetivos difíciles o imposibles de lograr.
12.1.4 Soluciones contraproducentes

Este arquetipo describe el caso en el cual se toma una acción para resolver
una situación, acción que al principio produce el resultado deseado, pero
más adelante, ella misma empeora la situación. Es también un arquetipo que
resalta las diferencias entre las soluciones a corto y largo plazo. La figura 12.17
ilustra el diagrama general respectivo.
411
+
Síntoma () Solución

+
(+) +
Consecuencias
indeseadas
Arquetipo general de soluciones contraproducentes

Fig. 12.17
Senge trae el siguiente ejemplo. A una rueda que chirría le echamos agua, lo
cual quita el sonido molesto. Pero con el tiempo, el agua y el oxígeno producen
herrumbre, lo cual acentúa más el ruido. Un comportamiento típico de este
arquetipo lo ilustra la figura 12.18.
“Problema”
Efecto indeseado
Comportamiento de “soluciones contraproducentes”

Fig. 12.18
A menudo pensamos que una manera de contrarrestar la violencia en la so-
ciedad es mediante el castigo. Y evidentemente, al principio esto es así. Pero,
con el tiempo, el castigo produce odio lo cual acrecienta la violencia.
Frenar la violencia sólo a través del castigo es sin duda, una solución contra-
producente. La figura 12.19 ilustra este caso.
Insecticidas, plagas y resistencia a los insecticidas también son situaciones que
pueden estudiarse bajo este arquetipo.
412
Violencia +
Castigo
social ()
+ 
(+)
+
Odio
Violencia y castigo Una solución contraproducente

Fig. 12.19
Aunque todos los arquetipos indicados, y los que siguen, de alguna manera
ilustran la generación de “soluciones contraproducentes”, debido a su mal
apalancamiento, este arquetipo se distingue de los demás en que el compor-
tamiento depende de dos lazos, uno positivo y otro negativo, que se originan
en los mismo elementos.
12.1.5 Escalada
Dicho comportamiento se hace presente cuando dos organizaciones compiten
entre sí y el desarrollo de una de ellas depende de la ventaja relativa que pueda
tener sobre la otra. La figura 12.20 ilustra este arquetipo.
Para comprender el diagrama, el lector puede imaginarse dos corredores A y
B. A va delante de B. Si la distancia entre ambos es relativamente grande, A
disminuye su actividad (merma un poco la velocidad), lo cual permite que B
se acerque, ya que B, al ver la diferencia en su contra, aumenta su actividad.
Esto hace que A aumente su velocidad, ocurriendo lo mismo con B.
La “guerra de las tapas”, una estrategia utilizada hace varias décadas por las
empresas de bebidas gaseosas, puede ser un buen ejemplo. Una empresa
importante A de estas bebidas inicia una campaña para mejorar sus ventas
premiando a sus consumidores por medio de tapas contramarcadas. La
competencia B hace algo parecido (bien con sus propias tapas o bien con
otro tipo de promoción); al aumentar sus ventas, la compañía competidora
413
Resultados de A Resultados de B
+  +
+
Resultados de A con
() ()
relación a B
Actividad de Actividad de
A  + B
Arquetipo general de la escalada

Fig. 12.20
redobla sus esfuerzos en una guerra sin fin, o una con resultados poco desea-
dos para cada una de ellas, salvo que una de las partes sea sensiblemente más
fuerte que la otra (como ocurre con los monopolios lo cual corresponde a otro
arquetipo que estudiaremos bajo el nombre: éxito para quien tiene éxito), o
que las dos lleguen a un acuerdo de no continuar con esta manera de obrar
que, para muchos, es el fundamento de la libre empresa capitalista.
Un comportamiento típico lo muestra la figura 12.21.
Acciones de A
Acciones de B
Comportamiento del arquetipo “escalada”

Fig. 12.21
La razón de esta situación es una visión reduccionista de la competencia: sólo
se ve la propia acción sin considerar el efecto que sobre la competencia puede
generar.
Este comportamiento es común en los equipos competitivos, como por ejemplo
en el fútbol profesional. Los equipos se enfrascan en una lucha por contratar
414
los mejores jugadores, a lo cual otros equipos toman una acción similar,hasta
agotar las posibilidades de compra debido a los altos costos de inversión.
12.1.6 Éxito para quien tiene éxito

Aquí una entidad compite con otra por el mismo recurso hasta que logra
dominarla. La figura 12.22 es un diagrama causal de este arquetipo.
+ Recursos
Éxito de A
para A
(+)
+
+
Asignación para A
y no B
− −
(+) Recursos
Éxito de B
+ para B
Arquetipo general “éxito para quien tiene éxito”
Fig. 12.22
La idea es premiar al mejor, porque esto hace que cada vez crezca más. No es
bueno invertir en lo que no sea rentable. Es una especie de reconocimiento
al esfuerzo de los exitosos. Esto se logra eliminándole recursos a los menos
favorecidos cuyo comportamiento se debe posiblemente a una (aparente)
falta de habilidad, inteligencia o interés. El arquetipo sirve para poner sobre
la mesa estos supuestos y analizarlos a fondo. Tal vez A y B no tuvieron las
mismas opciones cuando iniciaron sus procesos o puede ser que las medidas
de comportamiento no sean realmente las más acertadas y favorables para la
situación.
Un profesor de piano tiene dos alumnos uno de los cuales, el alumno A, toca
mejor al piano que el alumno B. Él debe dedicar 4 horas semanales a cada uno.
Como al final del año debe presentar a uno de sus alumnos en un acto final,
empieza a dedicar más tiempo a A que a B, con la consecuencia lógica de que
415
B cada vez toca menos bien, mientras que A lo hace mejor. Es la típica actitud
docente de dedicar poco tiempo al que más lo necesita: el que sabe menos. El
objetivo, en lugar de buscar que los alumnos en general, mejoren, se cambia
por el de “presentar el mejor alumno” como prueba de su eficiencia como pro-
fesor. El comportamiento general de este arquetipo se ilustra en la figura 12.23.
Comportamiento
de A
Comportamiento
de B
Comportamiento general del arquetipo

“Éxito para quien tiene éxito”
Fig. 12.23
12.1.7 Tragedia del terreno común

Hardin Garret publicó en la revista Science un artículo llamado “La tragedia
de lo común” (Tragedy of the commons) en e l que plantea el dilema según el
cual el interés personal y un comportamiento racional, llevan a un mal final.
Es la competencia de varios sistemas (formados por ciudadanos ordinarios),
que luchan por un recurso común. Cada uno de ellos trata de utilizar dicho
recurso lo más que pueda, para lograr su propio desarrollo. Al final, el recurso
ha desaparecido prácticamente con resultados negativos para todas las enti-
dades. La figura 12.24 indica un diagrama causal que describe este arquetipo.
Se han incluido sólo dos sistemas para facilitar el análisis.
En este arquetipo existen dos lazos de retroalimentación reforzadora: el de cada
entidad. La actividad total (actividad conjunta) sobre el recurso hace que éste,
al ser limitado, afecte los beneficios que cada cual pueda obtener. Al disminuir
los beneficios de cada organización, éstas refuerzan su actividad “predadora”
afectando el escaso recurso disponible.
416
ganancias netas
para A +
+ (+) +
actividad
individual de A
() límite de
recursos
+ 
consumo recursos ganancia por
actividad total actividad
+ recursos  disponibles +
+ individual
+
actividad ()
individual de B
(+)
+ ganancias netas +
para B
Arquetipo general de la tragedia del terreno

común
Fig. 12.24
El comportamiento típico de este arquetipo se muestra en la figura 12.25.
Actividad de A
Actividad de B
Ganancia por
actividad individual
Comportamiento del arquetipo “Tragedia del

terreno común”
Fig. 12.25
Consideremos dos familias campesinas que levantan ganado y tienen un
pastizal común para utilizar. Evidentemente cada grupo tratará de criar la
mayor cantidad posible de cabezas de ganado. Si no existen factores externos
que limiten tal explotación (conflictos, caza furtiva, enfermedades) la situa-
ción terminará en tragedia. El componente positivo depende del incremento
417
que produce el animal adicional. Como se reciben todos los beneficios de

la venta, para cada familia la utilidad positiva es cercana a +1. Cada familia
buscará maximizar su ganancia. La pregunta clave es ¿cuál es el beneficio que
obtenemos si aumentamos un animal más a mi rebaño? Esta utilidad tiene
un componente negativo y otro positivo que es la clave para comprender el
mecanismo del arquetipo.
El componente negativo depende del sobrepastoreo adicional (uso marginal)
generado por un animal más. Estos efectos son compartidos por todos los
beneficiarios por lo que su utilidad, que es negativa (es una pérdida) depende
del uso compartido y, por lo tanto, se consideran que los demás son culpables,
asignándoseles un valor de -1. Sin embargo cada familia considera que su efecto
sobre el sistema es sólo una fracción de este valor.
La conclusión racional es aumentar más ganado para compensar las pérdidas.
Pero esta conclusión, aparentemente lógica para cada familia, es simultánea, y
por esto es que surge la tragedia. Cada grupo tiene una visión que los impulsa
a incrementar su ganado ilimitadamente, en un mundo limitado. La libertad
de los recursos comunes resulta la ruina para todos. Esto es lo que ocurre con
los recursos no renovables y los recursos escasos.
La pesca de ballenas, el uso del agua son dos excelentes candidatos para ser
analizados bajo este arquetipo.
12.1.8 Crecimiento y subinversión

Se trata de una estructura que parte del arquetipo del límite del crecimiento.
Analiza el crecimiento de una empresa que invierte en su desarrollo sus propios
recursos, tanto económicos como humanos. La figura 12.26 ilustra la situación.
Sabemos que la demanda, a la larga, disminuirá por causa de su propio incre-
mento, efecto de las limitaciones en la capacidad del sistema. Esta capacidad
está afectada por otro lazo de control que hace las veces de un objetivo o meta.
La necesidad percibida para invertir, con el fin de aumentar la capacidad del
sistema, en general ocurre cuando, debido a la disminución de la demanda,
la liquidez de la empresa no es la mejor. Existe un conflicto entre la necesidad
de crecer y la exigencia de los dueños o accionistas de la empresa a mejorar
sus ingresos. La gente espera “tiempos mejores” mediante políticas que logren
un incremento de la demanda, desconociendo las funestas consecuencias. Lo
418
acción
compensadora
+ +
acción (+)  necesidad
demanda () percibida de
creciente
 invertir
+
desempeño
+ () pauta de
+ + desempeño
capacidad
+ inversión en
capacidad
Arquetipo general “crecimiento y subinversión”

Fig. 12.26
que ocurre es que el punto de apalancamiento está más allá, en el lazo de
control afectado por una meta −la pauta de desempeño− que restringe la ca-
pacidad de expansión del sistema, es decir, limita sus recursos. Lo correcto es
modificar esta meta mediante políticas de aumento de capacidad física, mejora
en equipos, preparación del personal etc., es decir, haciendo una inversión,
evidentemente costosa, en lugar de escoger como política el ahorro esperando
“tiempos mejores”.
El comportamiento general se indica en la figura 12.27.
Crecimiento
Capacidad de
inversión
Comportamiento general del arquetipo

“Crecimiento y subinversión”
Fig. 12.27
419
Lo anterior no agota los arquetipos sistémicos. Existen más, y todos igualmente

interesantes. Con los aquí expuestos, queríamos simplemente ilustrar esta nueva
manera de ver las empresas, y por qué no decirlo, el mundo. Finalmente, no
debemos olvidar que los arquetipos sistémicos no sólo son partes del sistema
total que interesa comprender,sino que son a su vez parte de todo un conjunto
de disciplinas que deben trabajar mancomunadamente. Estos patrones nos
permiten el diagnóstico y las acciones de curación. El resto del proceso es del
dominio de las otras disciplinas.
12.2 Resumen
Continuando con las metodologías blandas presentamos las ideas de P. Sen-
ge, las cuales se fundamentan en la dinámica de sistemas pero que tratan de
extender su dominio del campo duro, al blando.
En este texto hemos hecho énfasis en el cuidado que se debe tener cuando
usamos metodologías (o métodos y técnicas o herramientas) duras en situa-
ciones para las cuales éstas no han sido diseñadas, como lo son las blandas.
Las ideas indicadas en este capítulo muestran cómo, desde un punto de vista
estructural, existen isomorfismos entre diversas situaciones del quehacer
administrativo que, en principio, no tienen relación entre sí. Planteamos el
concepto de “arquetipo sistémico” el cual es de valiosa ayuda para comprender
la complejidad de los aspectos administrativos en las empresas modernas. Su
fundamento son los diagramas causales, que fueron analizados en el capítulo
10. En muchas oportunidades estos diagramas, convenientemente estudiados,
pueden generar modelos de simulación utilizando la dinámica de sistemas, con
lo que ésta se convierte en una poderosa herramienta para el estudio de situa-
ciones complejas de las organizaciones modernas. Aún si las organizaciones
estuvieran estructuradas a partir de las ideas de la T.C., esto no desmerecería
su utilidad.
420
CAPÍTULO 13
¿ENFOQUE ANALÍTICO?
¿ENFOQUE SISTÉMICO?
13.0 Diferencias entre las Ciencias

Naturales y las Humanas
Hemos intentado mostrar dos maneras de enfrentar situaciones del mundo
real: a la manera de la ciencia clásica, −reduccionista, mecanicista, lineal−, y a
la manera del enfoque de sistemas, −integradora, global, no lineal−. También
hemos insistido que no son dos maneras opuestas sino complementarias para
poder estudiar e intervenir situaciones complejas. En este capítulo indicare-
mos el valor que tienen con un ejemplo que, aunque simplificado, destaca los
aportes que cada uno de ellos puede hacer ante situaciones de sistemas de la
actividad humana.
Antes de continuar, consideremos el cuadro de la figura 13.1, que trata de
resumir las principales diferencias.
Haciendo un recuento rápido, la objetividad fue el fundamento del movimiento
positivista en la ciencia tradicional, es decir, la separación de sujeto-objeto con
el fin de ser “objetivos” frente a los problemas del mundo. Ya vimos que esto
no pudo mantenerse cuando la física empezó a estudiar el mundo subatómico.
Y por lo que respecta a las ciencias blandas, la subjetividad es parte integral
del proceso investigativo. La metodología de Checkland nos enseñó a caminar
por este tipo de laberinto del conocimiento.
Con respecto al lenguaje, vimos cómo la depuración del lenguaje de la mate-
mática fue un proceso difícil. La depuración del lenguaje de la ciencia ha sido
aún un camino más tortuoso, tanto en la parte correspondiente a las ciencias del
estudio de la naturaleza, como para el caso extremo, el de las ciencias humanas.
La experimentación, como base del procedimiento científico, no tiene mayor
dificultad para las ciencias naturales, hechas las salvedades indicadas en el
numeral 1.1.3.3. En el caso de las ciencias humanas la situación es diferente,
421
Ciencias Ciencias
Naturales Humanas
Objetividad (explicación) Aceptable Difícil
Lenguaje (precisión) Preciso hasta

cierto punto Impreciso
Experimentación Posible, Difícil,

(comprobación) repetible irrepetible
Percepción
Única Múltiple
(comprensión)
Complejidad del
Lineal No lineal
fenómeno
Medición Posible Difícil
Definición del sistema “Fácil”, única Difícil, múltiple
Posibilidad de decisión Ninguna Total
Diferencias entre las Ciencias naturales y las humanas

Fig. 13.1
ya que es posible experimentar con seres humanos sólo bajo condiciones muy
restrictivas. Este tema también ha sido discutido a lo largo del texto.
En la ciencia tradicional, la percepción de un fenómeno, una vez establecida
una teoría, es única. Para el caso de las ciencias humanas esto no es así como
le hemos indicado reiteradamente.
También hemos destacados la gran diferencia que existe entre una visión lineal
de los problemas, tal como se hace en la física y química tradicional, y una no
lineal, tan común en los problemas humanos. Y cómo la complejidad puede
explicarse en parte, gracias a la no linealidad155.
La medición también es diferente para ambos tipos de conocimiento. En las
ciencias naturales es más fácil establecer propiedades medibles. Pero no es
así para muchas de las variables que pueden considerarse fundamentales en
el comportamiento humano. Si el peso, el volumen, y la temperatura poseen
155. El otro elemento importante es las demoras, como ya se ha indicado.
422
la propiedad de orden, no ocurre igual con el amor, el deseo de progreso, el

sentimiento.
Cuando la percepción de un fenómeno es un acuerdo entre conocedores y tal
acuerdo es único, podemos identificar al fenómeno como un sistema. Tal es el
caso del sistema planetario. Pero no es así en el caso de las ciencias humanas.
Los “objetos de interés” en este caso, son percibidos de manera diferente, por
diferentes personas o grupos de personas. Los sistemas aquí son “constructos
mentales”. Definir el sistema está íntimamente relacionado con el problema de
la percepción a la cual hicimos referencia unos párrafos más arriba.
Respecto a la capacidad de decisión, hemos indicado que mientras en la natu-
raleza no hay capacidad de decisión, en los seres humanos sí existe tal opción,
lo cual establece otra diferencia fundamental entre estas dos grandes áreas del
conocimiento.
Hecho este rápido vistazo, pasemos ahora al ejemplo que dio origen al título
de este capítulo.
13.1. Bosque industrial

Una empresa maderera mediana posee un bosque que tiene aproximadamente
24 has. y ha iniciado un proceso de explotación tecnificado. Existen 28800 ár-
boles en diferentes etapas de maduración, la cual dura 36 meses, y 800 árboles
que pueden ser talados (edad mayor a 36 meses). El terreno de este bosque
está dividido en lotes, como se muestra en la figura 13.2.
Los callejones son de aproximadamente 5 metros y el terreno tiene 490 m ×
490 m. Cada lote, de 25×25 m2, puede contener hasta 121 árboles. Hay en total
256 lotes.
La industria posee una cuadrilla de tala y desbrozo (6 trabajadores), un ase-
rradero donde se procesan los troncos, un sitio de almacenaje y secado, una
oficina de ventas, una oficina administrativa con un gerente general y una
secretaria, un departamento contable y un departamento de entrega. También
existe una cuadrilla de resiembra y mantenimiento de árboles que consta de 5
trabajadores (se les llama “Los de resiembra”). Los obreros de tala y desbrozo
trabajan 5 días a la semana (lunes a viernes. Se les llama "Los de tala"). El resto
del personal trabaja 4 horas el día sábado.
423
490 m
Río
Plano del trazado del bosque maderero

Fig. 13.2
La empresa utiliza los servicios de una compañía especializada en manteni-
miento de equipos pesados.
Mensualmente se solicita material en un promedio equivalente a 800 árboles.
El pedido se entrega a la gerencia general, la cual acepta o no el pedido depen-
diendo de la existencia de material, de la confiabilidad del cliente, de los com-
promisos adquiridos con anterioridad, etc. En caso de ser aceptado, la orden
respectiva
Fig. 13.2pasa a la oficina de ventas la cual hace los asentamientos contables
respectivos e imparte una orden de entrega al departamento respectivo.
424
El material, por política de la empresa, debe ser entregado tan pronto se rea-
licen estos trámites.
La población más cercana se encuentra a 20 km de distancia. Un río atraviesa
el bosque, lo cual le da cierta independencia con respecto al régimen de lluvias.
Durante los últimos años el clima de trabajo ha sido relativamente normal. Sin
embargo se ha presentado cierta tensión entre los trabajadores, concretamente
"Los de tala" y la administración. En conversaciones con algunos empleados
se escucha que un posible malestar sea el tiempo demasiado preciso con que
se ha calculado lo que talar y desbrozar un árbol se considera como tiempo
normal156.
El gerente, conocedor de diversas metodologías sistémicas, decide enfrentar
la situación. Tiene la convicción que, independientemente de si se sospecha
que puede resolverse mediante metodologías duras, es mejor verla, en sus co-
mienzos, como una blanda, salvo si las características de la misma no ofrecen
dudas al respecto. Utilizará la metodología de P. B. Checkland.
Una opción de definir la situación como un sistema social, de acuerdo con la
definición de Ackoff. Se considera al sistema "Empresa" como un sistema con
capacidad de decisión. Algunas de sus partes también poseen esta caracterís-
tica; prácticamente todos los subsistemas, menos el bosque que es un sistema
determinado. La figura 13.3 es el sistema a analizar.
En conversaciones previas con "Los de tala" se conoce que ellos tienen una
serie de quejas. Éstas pueden resumirse en:
1) El lenguaje de la comunicación con la administración se ha hecho cada vez
más agresivo.
2) Las herramientas utilizadas para llevar a cabo las labores de corte y desbrozo
de árboles son obsoletas y no se encuentran en buen estado: su manteni-
miento es deficiente.
3) No se tienen en cuenta las dificultades que se presentan durante el trabajo
debido a problemas del clima. Aunque el terreno es aceptablemente plano,
existen partes en las cuales las pendientes dificultan el trabajo.
156. Palacios L.C. (2009): El tiempo estándar es el tiempo requerido por un operario
normal, calificado y entrenado, con herramientas apropiadas, trabajando a marcha
normal y bajo condiciones ambientales normales, para desarrollar un trabajo o tarea,
(p. 182). (Cada uno de estos conceptos de normalidad tiene su definición precisa. N.
del A.).
425
EMPRESA
Pedidos
Administración
Ventas
Siembra Tala Despacho
Bosque Secado
Aserradero
Relaciones intrasistémicas
Relaciones extrasistémicas
La situación vista como un sistema social

Fig. 13.3
4) No siempre es posible cumplir con el número esperado de árboles talados.
Esto hace que en ocasiones parecería que hubiera una exigencia desmedi-
da respecto al cumplimiento del número de árboles que deben entregarse
diariamente para cumplir con los pedidos. A veces es posible cortar más
de lo programado, pero otras veces no. Se podría trabajar tiempo extra los
sábados para cumplir con los pedidos, cuando fuera necesario.
"Los de siembra"", por su parte, se sienten un poco molestos por la actitud
de "Los de tala". Éstos continuamente hacen referencia al trabajo “suave” que
"Los de siembra" tienen, enfatizando en que la diferencia salarial no refleja el
mayor esfuerzo exigido en el proceso de corte y desbrozo. De hecho, los hacen
parecer como si fueran débiles.
El personal administrativo considera que las objeciones de "Los de tala" son
exageradas. Se han vuelto susceptibles a cualquier reclamo, y no comprenden
la importancia de tener los árboles cortados a tiempo, pues de ello depende el
éxito de la empresa, ya que a distancias relativamente cercanas se encuentra
otra empresa que es una competencia fuerte y que es más antigua, más cono-
cida en el mercado.
El gerente decide analizar la siguiente sensación de inconformidad:
426
Existe una tensión entre la administración en general y el grupo de

trabajadores de talado y desbrozo.
De acuerdo con lo anterior, se proponen varias transformaciones que pueden
relacionarse con esta sensación de inconformidad:
Falta de métodos Métodos

adecuados en el adecuados en el
proceso de corte proceso de corte
Herramientas de Herramientas de
corte deficientes corte mejores
Mala programación Mejor programa-

de la tala ción de la tala
Mal mantenimiento Mejor mantenimiento
de equipos de corte de estos equipos
Basado en el conocimiento que posee de su empresa, decide iniciar su estudio a

partir de la tercera transformación: mala programación → mejor programación.
Propone la siguiente definición raíz:
Desarrollar un sistema que proponga una planeación del proceso de
tala de árboles, mediante técnicas de programación y control que la
administración conozca y pueda aplicar, para reducir la tensión que
el proceso actual está generando en la empresa.
Aplicando el CATWOE tenemos:
C: obreros de corte, administración de la empresa.
A: gerente, obreros de corte.
T: programa de talado de árboles actualizado.
W: disminuir tensión entre corte y administración.
O: gerente, obreros de corte.
E: resistencia al cambio, costos, tensión en el clima organizacional.
Durante el proceso anterior de conversaciones y consultas, se observa que
existe cierto “mito” o significado respecto al trabajo de "Los de tala". Por ser
427
este tipo de oficio uno de mucha exigencia física, estos obreros intentan por
todos los medios de no demostrar fatiga o aceptar la dificultad de su trabajo.
Una frase común entre ellos es: “a mí no hay árbol que me pueda.” Profun-
dizando un poco esta idea, además de otras consideraciones surgidas de las
conversaciones y reuniones, surge la sospecha de que existe una gran presión
en el trabajo, posiblemente porque el número de árboles exigidos a talar, con
el fin de cumplir la demanda, puede ser excesivo y ésta podría ser la principal
fuente de incomodidad por parte de estos obreros, pero que ellos no se atreven
a presentar como tal, haciendo referencia, inicialmente, a otras causas, como se
puede ver en la lista descrita anteriormente, minimizando esta inconformidad
y relegándola como último punto de su análisis.
El modelo conceptual propuesto, a partir de la definición raíz anterior se indica
en la figura 13.4.
Estudiar forma de Estudiar situación

mantenimiento económica de la
actual. 1 empresa. 2
Analizar dinámica de
Discutir de nuevo la explotación del
situación con trabajadores bosque. 4
(obreros, empleados,
administración). 4 Adquirir compromisos
de acuerdo con las
circunstancias. 5
Un primer modelo conceptual

Fig. 13.4
Las actividades buscan tener en cuenta las solicitudes del personal de tala. Por
esta razón, se hace necesario analizar con detalle la situación de mantenimien-
to. Por otra parte, no hay duda que cualquier decisión que se tome afectará el
aspecto económico de la empresa. Esto justifica la actividad 2. Como el proceso
428
productivo es fundamental, es necesario conocer con detalle la dinámica futura

del bosque. El lector cuidadoso tal vez esté en este momento recordando el
ejemplo sobre complejidad dinámica analizado en el numeral 4.2 relacionado
con la contratación de profesores. El bosque es este tipo de complejidad157.
Por ello es necesario incluir la actividad 4. Con estos conocimientos es posible
entonces realizar una reunión con el personal para discutir las propuestas que
puedan surgir: los cambios factibles y deseables a que hace alusión la meto-
dología de Checkland.
Un segundo nivel de resolución nos permite profundizar más en las actividades
destacadas por este modelo (ver figura 13.5).
Revisar estado
1
Establecer un plan de
actual de equipos mejoramiento
mediante expertos
Elaborar modelo de
Averiguar costos de simulación
producción
2 4
Calcular punto Correr el modelo.
de equilibrio Analizarlo y sacar
conclusiones
Proponer un derrotero
de trabajo con base a los Adquirir
análisis realizados compromisos de
acuerdo con las
3 circunstancias 5
Discutirlo con personal
administrativo
Modelo conceptual de segundo nivel

Fig. 13.5
El subsistema 1 propone la consulta con personal experto en mantenimiento.
Después de un estudio concienzudo se llega a la conclusión de que si bien los
157. Reemplazar “árboles” por “profesores” permitirá comprender lo que estamos
diciendo.
429
equipos actuales no son de última generación, son lo suficientemente buenos

para llevar a cabo de manera eficiente las labores de la empresa. El manteni-
miento de los equipos también ha sido realizado profesionalmente. Todo lo
anterior implica que no es necesario, por el momento, hacer ninguna modifi-
cación al plan de reemplazo y mantenimiento de equipos de corte y desbroce.
El subsistema 2 puede estudiarse, modelando la situación como un sistema
determinado. El subsistema 4 considerará una parte del estudio como sistema
determinado y otra como sistema animado.
La figura 13.6 es una forma de concebir el sistema como uno determinado.
Administración
Pedidos
Siembra Ventas
Tala
Bosque
Secado Despacho
Aserradero
Relaciones intrasistémicas
Relaciones extrasistémicas
La situación vista como un sistema determinado

Fig. 13.6
Bajo esta concepción ninguno de los subsistemas tiene capacidad de decisión.
Simplemente son partes “obedientes” del sistema total, la administración, la
cual la consideramos como parte del ambiente. Como veremos luego, es posi-
ble considerar a la administración como el sistema y en este caso tendríamos
un sistema animado. El subsistema 2 de la figura 13.5 requiere conocer los
siguientes valores: Costos fijos, costo de producción por unidad y precio de
venta. Con el departamento de costos se obtuvieron los datos indicados en la
tabla de la figura 13.7.
430
Entidad Costo fijo/mes Costo/árbol

Gerente $ 3.500.000
Secretaria $ 1.200.000
Jefe inventarios $ 800.000
Contabilidad $ 800.000
Costos trabajadores tala (6) $ 4.200.000
Costos trabajad. siembra (5) $ 2.500.000
Gastos generales $ 5.000.000
Total $ 18.000.000
Combustible, energía $ 150

Mantenimiento equipos $ 90
Total $ 240
Precio de venta/árbol $ 30.000
Tabla de costos de operación: fijos y variables

Fig. 13.7
La ecuación que permite conocer el punto de equilibrio, es decir, la cantidad
de árboles que deben venderse para que la empresa no produzca pérdidas es:
Q* = CF / (Pv - CV) (13-1)
en donde Q* es la cantidad mínima a producir para no generar pérdidas, CF

son los costos fijos, Pv es el precio de venta por unidad, y CV son los costos
variables. Con los datos anteriores el valor de Q* es 605 árboles al mes158.
Para el subsistema 4 de la figura 13.5 utilizaremos la Dinámica de Sistemas. El
diagrama se muestra en la figura 13.8.
158. Es fácil deducir esta fórmula. Los ingresos son iguales a Pv×Q. Los gastos son
iguales a CF + CV×Q. El valor de Q*, que hace que los ingresos sean iguales a los
gastos totales, debe cumplir la relación Pv×Q* = CF + CV×Q*. Despejando a Q*
obtenemos la ecuación (13-1).
431
T maduración
T siembra
ÁRBOLES ÁRBOLES
MADURANDO PARA TALAR
F siembra F maduración F tala
Total de arboles
Max No. arboles
Diagrama de Forrester para el modelo del bosque

industrial
Figura 13.8
Las ecuaciones del modelo son:
ÁRBOLES MADURANDO= INTEG(F siembra-F maduración,1500).

Units: arboles.
ÁRBOLES PARA TALAR= INTEG (F maduración-F tala, 800). Units:
arboles.
F maduración=ÁRBOLES MADURANDO/T maduración. Units: arboles/
mes.
F siembra=(“Max No. arboles”-Total de arboles) /T siembra. Units: mes.
F tala=800. Units: arboles/mes.
“Max No. arboles”=31000. Units: arboles.
T maduración=36. Units: mes.
T siembra=1. Units: mes.
TIME STEP = 0.25. Units: mes.
Total de arboles=ÁRBOLES MADURANDO +ÁRBOLES PARA TALAR.
Units: arboles
La dinámica de los primeros 150 meses se muestra en la figura 13.9.
432
Selected Variables
30,000
arboles 22,500
15,000
7,500
0
0 20 40 60 80 100 120 140
Time (mes)
ÁRBOLES MADURANDO : Current
ÁRBOLES PARA TALAR : Current
Dinámica del sistema

Figura 13.9
Esta simulación se inició con los datos cuando la empresa empezaba. En los
primeros dos años hubo que realizar siembras intensivas. El análisis que se ha
hecho se basa en la situación actual, más estable, con un total de 28700 árboles
en proceso de maduración y 1500 listos para talar. Esto le da a la empresa un
margen para aumentar sus ventas, en caso de que la demanda aumente.
"Los de tala" trabajan 5 días/semana, por lo que deben talar 800/22 = 36.36
árboles/día. Como la cuadrilla es de 6 trabajadores, cada obrero debe talar
6.06 árboles diarios159.
La administración tiene ahora conocimientos sobre los siguientes hechos,
basados en los constructos mentales generados por los modelos de punto de
equilibrio y simulación:
1) Debido a que el punto de equilibrio está en 605 árboles, es posible considerar
un aumento de personal de tala. Un trabajador adicional cuesta $500.000
al mes. Sabemos que el promedio de árboles talados por día es de 6.06. Al
agregar un trabajador adicional, el promedio diario será de 5.2 árboles.
La ganancia producida por los 195 árboles (800-605) permite tomar esta
decisión. La empresa acepta la inclusión de un nuevo miembro en el per-
sonal de corte. Sin embargo, como se prevé un aumento en las ventas, la
159. Un mes tiene 365/12 = 30.4 días. El mes tendrá 30.4/7 = 4.34 semanas. El mes
laboral para estos trabajadores es pues de 5×4.34 = 21.7 días.
433
empresa piensa en aceptar como promedio de corte por día, 5.5 árboles.
Así se podrán cortar 77 árboles más por mes.
2) Si el lote mínimo de producción es de 605 árboles al mes, el beneficio corres-
pondiente a los 800 árboles será de (800-605)×(30000-240) = $5.800.000.
3) Es posible mantener una producción estable, con el fin de satisfacer la de-
manda (no se requiere de tiempos extras ni de compras a otras empresas
para cubrir la demanda).
La administración está ahora en capacidad de entrar a cumplir la actividad 3
(figura 13.5). Sabiendo que la frase “a mí no hay un árbol que me la gane” tiene
un profundo significado para los trabajadores de tala, la negociación no hará
uso directo de esta idea, pero las propuestas irán dirigidas a respetar al máxi-
mo esta metáfora, tan importante para los trabajadores de la sección de corte.
Se revisa el “pliego de peticiones” y se hacen las siguientes observaciones:
• Con respecto al lenguaje “fuerte” queda claro que es fruto de la tensión
existente, y no de un deseo de establecer conflictos y reclamos entre las
partes. Se espera que, partiendo del interés mostrado por la administración
para disminuir las tensiones, el tratamiento entre tala y administración
cambiará de tono.
• Respecto al mantenimiento, se presenta el estudio realizado al respecto y
"Los de tala" aceptan que, en general, esto es cierto. Tal vez por la tensión
surgida y expresada en forma inadecuada verbalmente, se haya exagerado
este punto.
• Con respecto a trabajar más horas, la administración no está de acuerdo.
El total de 40 horas de trabajo a la semana para este personal se debe a que
por tratarse de un trabajo de gran esfuerzo físico, es importante disponer
de un tiempo de reposo mayor.
• En relación con el total de árboles exigidos para corte, los dos últimos pun-
tos son equivalentes. La empresa acepta que es posible reducir la exigencia
de aproximadamente 6 árboles por día a 5.5. Los trabajadores acuerdan
este nuevo estándar de corte.
El modelo de simulación da un número de árboles para talar que es el doble de
lo necesario. Es posible ajustar el proceso para sólo 800 árboles. Sin embargo,
es ventajoso dejar un margen que permita que cuando se hagan pedidos ma-
434
yores éstos puedan satisfacerse. Pero además, la empresa debe pensar a futuro
y considerar que su mercado puede ampliarse. De todas formas, el modelo de
simulación permite hacer los ajustes del caso.
Es importante destacar que sin un estudio previo, en este caso los análisis de
costo y de la dinámica del bosque, no hubiera sido posible llegar a conclusiones
de manera rápida y eficiente desde un punto de vista sistémico. Tal vez parez-
ca una situación trivial que se ha complicado únicamente con la finalidad de
destacar la importancia de este tipo de enfoque. Podríamos argumentar que es
un caso típico de análisis que se hace continuamente en cualquier empresa. Sin
embargo, creemos que algo no marcha bien en esos “típicos análisis cotidianos”
porque los casos de la vida real nos muestran situaciones que, aparentemente
resueltas, no satisfacen a las partes y cuyo resultado real es reforzar la sensación
de inconformidad.
13.2 Resumen
El capítulo se inicia con una comparación entre las características fundamen-
tales de los sistemas naturales y los sociales. Este cuadro deja claro el cuidado
que debe tenerse cuando tratamos de copiar modelos, técnicas y metodologías
de las ciencias clásicas, a situaciones de las ciencias humanas. O dicho de otra
manera, copiar modelos reduccionistas a situaciones que requieren un enfoque
sistémico.
El ejemplo expuesto tiene como finalidad demostrar que tanto el enfoque
clásico de la ciencia y las metodologías y técnicas de ella derivadas, como el
enfoque de sistemas, no compiten, no se reemplazan ni se anulan entre sí, sino
que se complementan.
Hemos querido aquí hacer evidentes varios de los temas tratados a lo largo
texto. La metodología de Checkland se utiliza como abrebocas para el estudio
de la situación problemática. De este modo, se proponen opciones para utilizar
métodos analíticos (en este caso la metodología de Forrester y el análisis de
costos) y se discute cómo una misma situación puede ser vista desde la pers-
pectiva de diferentes “sistemas” (una de las clasificaciones de Ackoff), para,
finalmente, resolver una situación compleja.
435
436
CAPÍTULO 14
CRÍTICAS A LA TEORÍA DE SISTEMAS
14.0 ¿Son necesarias las críticas?

En el esquema que hemos trazado, que cubre desde los conceptos básicos de
la ciencia hasta la aplicación práctica del enfoque de sistemas, hemos encon-
trado algunas dificultades que se han considerado someramente. Este trabajo
quedaría incompleto si no incluyera de alguna manera un resumen de las
principales críticas hechas al movimiento sistémico.
Hay que admitir que no es fácil, para alguien que cree en esta manera de ver el
mundo, hacer de abogado del diablo, sobre todo cuando existe la posibilidad de
que el resultado final no sea precisamente una canonización. Pero, desde una
perspectiva de honestidad intelectual, es una tarea que debe estar por encima
de tales sentimientos y temores.
14.1 Las críticas de D.C. Phillips

D.C. Phillips ( 1971) hace una serie de reparos muy interesantes a la Teoría
General de Sistemas de Bertalanffy y que son válidas, en general, para el enfoque
de sistemas. Centra sus juicios en cuatro aspectos primordiales:
• Crítica a la filosofía de sistemas.
• Crítica a la imprecisión del concepto de sistema.
• Crítica a la debilidad de los ataques al reduccionismo y al mecanicismo.
• Crítica al carácter dudosamente científico de la teoría.
Veamos de qué trata cada una de ellas, siguiendo de cerca a este autor.
437
14.1.1 Críticas a la filosofía de sistemas

Estas críticas incluyen aspectos relacionados con la identificación de los ele-
mentos o partes de los sistemas, la jerarquización de los mismos, la propiedad
emergente y las relaciones entre el todo y las partes.
14.1.1.1 Todos y partes

Crítica. Cuando los teóricos de los sistemas aseguran que el todo determina la
naturaleza de las partes, se presenta la siguiente contradicción. Si la realidad
se considera como un sistema cuyas partes están interrelacionadas orgánica o
internamente, ésta no podrá ser subdivida en partes. En términos de la teoría
de las relaciones de Hegel, podríamos decir que cuando A entra en relación
con B y C, gana cierta propiedad P como resultado de las interrelaciones. Sin
las interrelaciones, sin P, A no es A y podría incluso ser no-A. Un elemento
podría ser pues, a su vez, su contrario. Por ejemplo, una persona se comporta
normalmente como parte de una organización, trabajando diariamente en una
oficina común. Pero al salir de allí, se le desarrollan temores debido a que sufre
cierto tipo de fobia a la soledad (cremiofobia). No podríamos asegurar, enton-
ces, que esta persona está determinada por su “todo”: la oficina donde trabaja.
Defensa. Usando el concepto de “naturaleza” de una entidad, este argumento
tiene aparentemente fuerza, según Phillips. Pero a la luz de la terminología
actual, pierde poder. Aquí el énfasis en la naturaleza de las entidades es reem-
plazado por el énfasis en las características definidoras y acompañantes. Toda
entidad tiene un enorme número de características. Aquellas sin las cuales la
entidad no pudiera designarse como tal, son las definidoras; las otras son las
acompañantes: su presencia o ausencia no establece diferencia para el uso del
término. Entonces, al relacionarse A con B o C puede adquirir características, no
necesariamente definidoras, y por lo tanto seguir siendo A. En nuestro ejemplo,
la cremiofobia no “define” a nuestro sujeto, aunque es una característica que
se hace presente bajo ciertas circunstancias. No podemos decir que, con ella
o sin ella, él deja de ser quien es.
También hemos dicho que la definición de partes (subsistemas) es una nece-
sidad intelectual. Que nuestro cerebro no puede procesar el todo y necesita
concebir subdivisiones para comprender la complejidad. Pero es claro que
tales subdivisiones son “constructos mentales”, no realidades, que nos ayudan
438
a modelar lo que de otra manera no podríamos entender. Con Simon aprendi-

mos que es posible casi-descomponer un sistema, pero que debemos siempre
estar atentos que en este proceso se eliminen interrelaciones que, de alguna
manera, afecten a los sistemas separados (descompuestos).
14.1.1.2 Jerarquización
Crítica. Respecto a la jerarquización de los sistemas, como lo indicamos en su
momento, ella presenta serias dificultades para explicar la forma como pode-
mos adquirir cierto conocimiento de las cosas. Si se sigue este principio, nos
vemos abocados a la paradoja de no poder conocer ninguna entidad. Así, para
conocer A es necesario conocer todas las relaciones de A: conocer el todo antes
que A. Como diría B. Russell: “si todo el conocimiento fuera el conocimiento
del universo como un todo, no habría conocimiento”.
Defensa. Anteriormente ya habíamos tratado el tema ayudándonos del con-
cepto de “casi-descomponibilidad sistémica”: no es necesario conocer el todo
(el universo) para conocer algún subsistema. Pero queda pendiente el asunto
relacionado con los sistemas extremos: el gran elemento que los contiene a
todos y no es contenido por ninguno, por lo que no es un sistema, y el elemento
último, que no contiene ninguno y por lo tanto no es un sistema: en ambos
casos estos elementos rompen la jerarquía. Ackoff (2002, p. 20) dice al respecto:
Si el comportamiento de un sistema debe explicarse con referencia al sis-
tema que lo contiene (suprasistema) ¿cómo debe explicarse el comporta-
miento del suprasistema? La respuesta es obvia: con referencia a un sistema
más inclusivo, uno que contenga al suprasistema. Surge entonces la pre-
gunta fundamental: ¿tiene fin este proceso de expansión? Recuérdese que
cuando se planteó la pregunta correspondiente a la Era de la máquina
−¿tiene fin el proceso de reducción?−, la respuesta estuvo dictada por la
creencia de que, al menos en principio, era posible la comprensión com-
pleta de universo. En la primera parte del siglo XX, sin embargo, esta
creencia fue destrozada por dilemas como el que formuló Heisemberg.
Como resultado, hemos llegado a creer que la comprensión completa de
cualquier objeto, dejando de lado la de todos los objetos, es un ideal al que
uno puede aproximarse continuamente pero que nunca puede ser alcanza-
do. Por lo tanto, no hay ninguna necesidad de suponer la existencia de un
todo último que si es entendido produciría la respuesta última.
439
14.1.1.3 Emergencia sistémica

Crítica. En la teoría de sistemas el aforismo: el todo es mayor que la suma de sus
partes, es un resumen de lo que la teoría sostiene. En esencia estamos hablando
de la propiedad de la emergencia de los sistemas. Cuando discutimos el tema,
observábamos cómo los sistemas presentan la interesante característica de tener
comportamientos que ninguna de sus partes posee. Phillips anota que en esta
afirmación, el concepto de suma debe aclararse; es necesario especificar en el
aforismo el tipo de operación a la que nos estamos refiriendo. En la matemática
existe la suma aritmética, algebraica, vectorial. Sería posible, entonces y por lo
menos en teoría, definir “sumas” que reflejen la característica de la emergen-
cia. Pero ésta opción no resolvería el problema ya que las dificultades que se
presentan son de tipo lógico: al insistir que debemos definir primero el todo
para luego definir sus partes, forzosamente debemos aceptar que el todo se
autodetermina o autodefine. Como las partes son partes del todo, el todo se
determina a sí mismo y ellas no intervienen en la explicación.
La crítica en este aspecto continúa afirmando que la emergencia viola un
principio lógico en el cual descansa gran parte del pensamiento científico: el
silogismo; recordemos que éste nos dice que una conclusión no puede tener
elementos que no estén contenidos en sus premisas. Así, en el caso de la forma-
ción del agua, compuesta por hidrógeno y oxígeno, el ser un líquido no puede
ser deducido de las propiedades que tienen, de manera aislada, los dos gases
que la componen. Conclusión: el agua tiene por lo menos una propiedad que
sus componentes no poseen. Si la ciencia tradicional no puede dar una expli-
cación, tampoco la está ofreciendo la teoría de sistemas. Y es muy probable que
en un futuro se puedan encontrar propiedades aún desconocidas de la materia
que permitan deducir cómo un líquido se puede formar a partir de dos gases.
Defensa. La primera parte de la crítica ya fue analizada en el numeral 4.1.7.
Por otra parte, es evidente que la emergencia viola el razonamiento deductivo
basado en el silogismo, dentro de una lógica bivalente. Pero hemos dado inte-
resantes ejemplos de “violación de principios” aparentemente intocables. Así,
la “ley del tercero excluido”, que no permite la posibilidad de que un elemento
forme parte de un conjunto y a su vez de su complemento, no es válida para
el caso de las lógicas basadas en conjuntos difusos. Tampoco ha sido evidente
que cuando los elementos de un sistema interactúan en forma no lineal, apa-
rezcan patrones de conducta sorprendentes: a partir del desorden, por ejemplo,
440
podemos obtener sistemas altamente organizados. Tampoco había sido puesto

en duda que, para un sistema de ecuaciones diferenciales, si las condiciones
iniciales eran dadas y por alguna razón se hacía una pequeña modificación en
ellas, el resultado debía ser igual o muy cercano al basado en las condiciones
no modificadas. Difícil concebir cómo la luz pueda ser, a la vez, partícula y
onda, cuando son dos propiedades antagónicas. El tipo de crítica de Phillips
es válida también para la ciencia en general.
14.1.2 Críticas al concepto de sistema

Crítica. Al respecto, Phillips destaca cómo la definición de lo que debe enten-
derse por “sistema,” aunque es planteada sistemáticamente por los tratadistas
del tema, no ha sufrido ningún avance notable y sigue pecando de los mismos
defectos. Así, cita a Haldane, quien en 1884 escribía (ver Schöderbeck, 1971,
p. 59):
Estas partes [del organismo] permanecen una con otra y con el ambiente,
no en una relación de causa y efecto, sino en una de reciprocidad. Las
partes de un organismo y su ambiente forman pues, un sistema, y cualquie-
ra de sus partes constantemente actúa sobre el resto, pero sólo lo hace “qua”
parte del sistema, en la medida en que él, al mismo tiempo, actúa sobre
ella.
La lectura de cualquier autor moderno sobre Sistemas nos mostrará que no

ha habido cambio sustancial en la concepción de Haldane.
Continúa la crítica destacando que las definiciones de sistema no aclaran cómo
se puede delimitar el sistema que se desea estudiar. En efecto, tal delimitación es
fundamental, pues de otra manera tendríamos que estudiar al universo entero
cada vez que quisiéramos estudiar un sistema en particular, ya que, de alguna
manera, todo está relacionado con todo. Es una crítica que tiene el mismo
contexto que la crítica a la jerarquización a la cual ya hemos hecho referencia.
Algunos autores (Hall y Fagen; Beishon etc) proponen que quien estudie un
problema, seleccione aquellas entidades que son relevantes al mismo y llamen
a tales entidades “el sistema”. Esto parece ser una situación desesperada y am-
pliamente violatoria de los principios de sistemas. Para empezar, el teórico sólo
podrá considerar entidades relevantes si tiene algunos principios de selección
441
o criterios específicos y esto sólo es posible si ya se ha hecho considerable

investigación para el problema particular que él considera: “la investigación
deberá encontrarse en niveles tan adelantados que ya sea posible decir que las
entidades a, b y c son importantes, pero que d, e y f no lo son”, afirma Phillips.
Además, este conocimiento debe haber sido alcanzado sin el uso de métodos
de sistemas, pues lo que se busca es definir el sistema al cual se le va a aplicar
la teoría de sistemas. Parece ser que el criticado reduccionismo es el método
a usar para poder llegar a un nivel de investigación suficiente que permita
definir el sistema.
Por otra parte, con seleccionar (definir) el sistema, no terminan sus problemas.
Debe ahora demostrar que al aislar este sistema de las otras partes con las cuales
está normalmente interrelacionado, no ha introducido cambios en él. Y caemos
de nuevo en el asunto de A y no-A discutido anteriormente.
Defensa. La crítica a la definición del concepto de sistema, tal y como se indicó
anteriormente, es una espada de Damocles que pende continuamente sobre
los especialistas del tema. Y si bien en la práctica ha sido posible evitar las
dificultades que el término encierra, especialmente mediante la idea de casi-
descomponibilidad de los sistemas, en los aspectos filosóficos y teóricos tal
dificultad está siempre latente. Queda, sin embargo, la posibilidad presentada
en este texto, de conceptuar el sistema como una noción no definida, como un
constructo mental, una concepción abstracta de un fenómeno real. Dijimos
en su momento que para el caso de personas con conocimientos similares
respecto a un fenómeno y que lo puedan definir de manera aproximadamente
igual, dicha definición, para ellas, podría ser el sistema. Por otra parte se ha
propuesto una definición de carácter operativo, una línea de definición muy
usada en la ciencia clásica. En lo que respecta al mundo “blando” diríamos que
el sistema no existe y que lo que se logra, a través de las diversas percepciones,
es un “constructo mental”. En tal caso caemos en el mundo abstracto, tal y
como ocurre con la matemática, y allí sí es posible recurrir a ideas intuitivas,
no definibles como sucede con los conceptos de punto, línea, conjunto… Ya
Melanie Mitchel nos ilustró cómo esta situación no es tan extraña en la ciencia
en general160.
160. Cfr.. numeral 3.4 y 7.0.
442
14.1.3 Debilidad de los ataques al

reduccionismo
Crítica. Es claro que una de las diferencias fundamentales entre el enfoque
analítico y el sistémico es la no reducción a las partes para explicar las propie-
dades del todo. Esto es no aceptar la propuesta de Descartes para comprender
la complejidad. En el fondo, es retomar el problema de la emergencia sistémica.
Defensa. En parte se remite a lo discutido con respecto a la emergencia sistémica
considerada más arriba. Sin embargo, en honor a la honestidad académica,
debemos que sí existe una especie de “reduccionismo sistémico”. Descartes
propuso descomponer un problema complejo en partes, arreglándolas en un
orden lógico. Luego se resolvería cada parte para resolver el todo. En la T.G.S.
se hace lo mismo (subdivisión en subsistemas). La diferencia es la siguiente:
la influencia de Descartes llevó a que las subdivisiones se hicieran hasta llegar
a los elementos más simples, irreductibles: átomos, moléculas, células, indi-
viduos… Pero esto no es necesario: podemos reducir el todo a características
más manejables y coherentes con la realidad: los subsistemas (Capra & Luisi
2014, p.24).
Sería interesante, como ilustración, considerar la situación en que se encuentra
la biología molecular, un extraordinario ejemplo de reduccionismo y mecani-
cismo moderno frente a la explicación de cómo a partir de los genes, asuntos
tales como la formación de la personalidad y el surgimiento de la ética, pueden
ser explicados (deducidos). Recordamos al lector el numeral 4.1.7.
En la importante obra de Changeux-Ricoeur (2001, p. 313), al final del libro,
y luego de debatir ampliamente el asunto neuronas-ética, nuestros dos inves-
tigadores comentan, en el primer párrafo de su extraordinaria fuga:
Un diálogo sobre la "voz humana" –esa música de órgano que imita el
timbre de la voz, retiene la melodía del canto y hace soñar en conjunto, al
margen de toda palabra– jamás agotará el debate de ideas sobre las rela-
ciones de la ciencia y la ética. No puede cerrarse sobre sí mismo. Si ofrece
qué pensar, habrá alcanzado su meta. Al lado de una historia del pensa-
miento filosófico excepcionalmente rica, al lado de testimonios múltiples
de la experiencia de los hombres, de su sabiduría, la reflexión sobre las
neurociencias sigue siendo demasiado fragmentaria. Aunque sean imper-
fectas, las tentativas de síntesis de esos saberes en constante evolución son
escasas. Si no hacen más que contribuir a suscitar una mayor reflexión en
443
el contexto de un intercambio sincero entre ciencias biológicas y ciencias

del hombre y de la sociedad, ese diálogo habrá cumplido su función.
De nuevo, esa necesidad imperiosa de reunir ciencia y humanismo.
14.1.4 Crítica al carácter científico de

la Teoría de Sistemas
Crítica. Nos referimos aquí, como teoría de sistemas, a todas aquellas teorías
que se basan en un enfoque globalista (sistémico) para desarrollar sus me-
todologías y técnicas. Un caso particular es la Teoría General de Sistemas de
Bertalanffy.
Hemos dicho que la capacidad de predicción es una característica fundamen-
tal de cualquier teoría científica. Toda teoría que se precie de científica debe,
pues, predecir eventos que sean observables posteriormente. A este respecto,
Popper (1991, p. 59) hace la siguiente anotación al referirse a las doctrinas de
Marx, Freud y Adler:
Hallé que aquellos de mis amigos que eran admiradores de Marx. Freud y
Adler estaban impresionados por una serie de puntos comunes a las tres
teorías, en especial su aparente poder explicativo. Estas teorías parecían
poder explicar prácticamente todo lo que sucedía dentro de los campos a
los que se referían. El estudio de cualquiera de ellas parecía tener el efecto
de una conversión o revelación intelectuales, que abría los ojos a una nue-
va verdad oculta para los no iniciados. Una vez abiertos los ojos de este
modo, se veían ejemplos confirmatorios en todas partes: el mundo estaba
lleno de verificaciones de la teoría. Todo lo que ocurría la confirmaba. Así,
su verdad parecía manifiesta y los incrédulos eran, sin duda, personas que
no querían ver la verdad manifiesta, que se negaban a verla, ya porque
estaba contra sus intereses de clase, ya a causa de sus represiones aún "no
analizadas" y que exigían a gritos un tratamiento.
De la misma manera que Popper, Phillips concluye que se puede asegurar que
la teoría de sistemas no ha hecho ninguna predicción notable respecto a los
sistemas complejos que ella explica o maneja. De hecho, es una teoría que no
se compromete.
444
Defensa. Debemos reconocer que en la fecha en la cual este autor escribió

sus críticas, el pensamiento sistémico estaba atravesando una gran crisis. Los
modelos formales eran eminentemente teóricos y las tendencias se centraban
en las metodologías. Pero los desarrollos a partir de 1980, tanto teóricos como
prácticos, han desestimado esta posición.
Para comenzar, observamos cómo es posible establecer marcos teóricos que
permiten explicar y deducir leyes referentes a los sistemas, en otras palabras,
marcos teóricos que cumplen los requisitos del formalismo en la ciencia.
La Teoría de la Complejidad está aportando explicaciones (y predicciones) de
fenómenos muy complejos mediante el uso de la matemática. El argumento
ya no tiene validez, a la luz de los desarrollos modernos.
En cuanto a la predicción, para el caso de los sistemas de la actividad humana,
es necesario aclarar qué se entendería por predicción. Si se trata de anticipar
con exactitud los comportamientos de un sistema, ya esto ni siquiera es po-
sible en muchos procesos de la naturaleza. La teoría del caos se ha encargado
de ilustrar de muchísimas maneras esta imposibilidad. Pero la descripción y
explicación de comportamientos generales sí se ha logrado, y esto a través del
establecimiento de principios y leyes, que es una característica fundamental del
conocimiento científico. De hecho, la Teoría General de Sistemas ha ejercido
una importante influencia en la economía, la psicología y la sociología. Es
interesante recordar a J. Diamond, numeral 1.1.3.3 y las "ciencias históricas".
14.2 Las críticas de Gall

En 1975 John Gall (1978) publicó un libro que llamó: “Systemantics” (de
Systems: sistema y Antics: travesuras). Aunque el libro fue escrito en un tono
ampliamente humorístico, no por ello deja de tener un profundo contenido
en sus críticas.
El presente trabajo ha sido desarrollado en un esquema eminentemente acadé-
mico. Por esto, parecería poco pertinente referenciar algunos de los conceptos
que Gall presenta en su interesante obra a la manera como él lo hace. Espero
que el lector sepa aquilatar el verdadero contexto que se esconde detrás de sus
finas y mordaces críticas. La inclusión, muy resumida, de algunas partes de su
libro, obedece a dos razones: primero, nos muestra cómo en temas de mucha
dificultad, abandonar el estilo académico y recurrir al fino humor permite
445
tocar puntos referentes a la administración y los sistemas que de otra manera

sería difícil considerar (otro excelente ejemplo es el Principio de Peter (1970));
en segundo lugar, a través de las críticas del profesor Gall es posible adquirir
un conocimiento de los sistemas desde una perspectiva práctica, así como
hacer un buen repaso de una serie importante de conceptos de sistemas. Las
posibles explicaciones u observaciones se harán sobre la lectura utilizando el
recurso de pié de página.
“Alea Jacta est”.
14.2.1 La sistemántica y sus

teoremas sistémicos
Escenario básico de la teoría:
Los sistemas en general trabajan poco o no trabajan.

Una forma alternativa:
Nada complicado funciona.
Esta es la propuesta fundamental de la teoría. En lo que sigue se darán ejemplos

concretos al respecto.
El teorema fundamental161:
Nuevos sistemas generan nuevos problemas.
Corolario (la navaja de Occam):
Los sistemas no deben multiplicarse innecesariamente.
Si un sistema es creado para lograr un objetivo, el sistema, tarde que temprano
elabora sus propios objetivos. Sin importar el objetivo, el sistema “empieza
inmediatamente a manifestar un comportamiento sistémico regido por leyes
161. Ya lo dijimos: los problemas de hoy derivan de las “soluciones” de ayer. En este
punto se destaca cómo, en muchas ocasiones, es el sistema el responsable de sus
propias decisiones.
446
que gobiernan la operación de todo el sistema”. Donde sólo había un problema,

ahora habrá una infinidad de problemas asociados con la sola presencia del
nuevo sistema162.
Ejemplos: Gall destaca el bienestar de las naciones, la recolección de basuras.
Invitamos al lector a que desarrolle estos dos temas a la luz del teorema fun-
damental.
Ley del crecimiento:
Los sistemas tienden a crecer, y a medida que crecen,

se inmiscuyen.
Forma alternativa (teorema de la explosión de la cosmología sistémica):
Los sistemas tienden a expandirse y llenar el universo conocido.

Ejemplo: Gall comenta el caso de los productos “Hágalo Ud. mismo”. Después
de luchar infructuosamente tratando de entender y seguir los instructivos, el
cliente debe buscar lo que el sistema trataba de evitar para “ahorrarle trabajo
y gastos”: un experto. Después de muchas horas y desesperación, el frustrado
comprador se da cuenta que los medios de producción en masa fueron creados
con el fin primordial de hacer las cosas mejores, más rápida y económicamente”.
Ejemplo: Los sistemas de gobierno, creados para la protección de sus ciuda-
danos, pueden convertirse en su peor opresor.
Principio de incertidumbre generalizado:
Los sistemas complicados producen resultados inesperados.
Formulación alternativa:
El comportamiento total de los sistemas grandes no

puede ser predicho163.
162. Conocer los verdaderos objetivos (propósitos) del sistema ¡he ahí la gran difi-
cultad! Los sistemas de la actividad humana están formados por personas con capa-
cidad de decisión y de percepciones diferentes ante los mismos hechos.
163. En una de las definiciones de sistema complejo indicadas en este texto: los sis-
temas son complejos (dinámicamente) si no es posible predecir su comportamiento
a corto o mediano plazo (Cfr.. numeral 4.2) anticipábamos este principio. Además,
447
Corolario:
Un sistema de gran escala, obtenido de la expansión de las dimen-

siones de uno pequeño, no se comporta como el sistema pequeño.
Ejemplo: Gall comenta: La represa de Asuán, construida con enormes gastos

con el fin de mejorar las parcelas de los campesinos Egipcios, ha causado que
los sedimentos fertilizantes del Nilo se depositen en el lago Nasser de donde es
irrecuperable. Los campos Egipcios deben ahora ser fertilizados artificialmente.
Se han construido gigantescas plantas de fertilizantes, para llenar las nuevas
necesidades. Las plantas requieren enormes cantidades de electricidad. La
represa debe operar a plena capacidad para satisfacer las demandas cada vez
mayores de electricidad, creadas por la construcción de la misma.
Ejemplo: (Diseño máximo: “Climax Design”): El edificio más grande del mun-
do, el hangar para la preparación de vehículos espaciales en cabo Kennedy
genera su propio clima incluyendo nubes y lluvias. Fue diseñado para proteger
los cohetes espaciales de las influencias del clima y, paradójicamente, se ve
sometido a un microclima desfavorable que se genera en el mismo hangar.
Principio de Le Chatelier:
Los sistemas complejos tienden a oponerse a su

propia función (contraatacan).
Ejemplo: Gall, acertadamente da el siguiente ejemplo. Usted realiza una inves-

tigación por su cuenta y propio interés (que puede ser oculto y no manifiesto).
El sistema administrativo decide que la investigación debe administrarse y
crea un departamento para tal fin. Usted recibe un oficio en el cual le solicitan
sus “objetivos” y “metas” respecto a la investigación con lo cual se ve forzado
a inventarlos ya que un simple interés no es suficiente y es necesario reforzar
sus argumentos “científicamente”. El paso siguiente es claro: ahora el sistema le
exigirá que cumpla con los objetivos descritos, lo cual no podrá evitar ya que
fue usted mismo quién los propuso. Su investigación original se ha perdido y
difícilmente podrá realizar entonces una verdadera investigación. El sistema,
la crítica es fruto de la emergencia sistémica: sistemas interrelacionados generan
nuevos sistemas con propiedades que los sistemas originales no poseen. Aplicar aquí
una lógica reduccionista es un error, especialmente en un proceso de predicción de
comportamientos.
448
diseñado para aumentar la eficiencia en la investigación, contraatacó dando

como resultado ineficiencia en lugar de eficiencia164.
Falsedad del funcionario:
La gente en los sistemas no hace lo que el sistema
dice que está haciendo165.
Ejemplos: De nuevo Gall: un rey se supone que gobierna su país. De hecho

gasta mucho de su tiempo y energía (y del tesoro de su reino) luchando contra
los invasores.
En los países democráticos, un presidente recién elegido puede encontrar
oportuno empezar a planear su reelección inmediatamente.
La falacia operacional:
El sistema mismo no hace lo que dice que está haciendo.
Ejemplo: Las grandes empresas productoras nos convencen de que nos ofrecen
lo que necesitamos. La verdad es que nos inducen a comprar lo que ellas hacen.
En la visión moderna de la producción, la idea es imaginarse lo que nos gustaría
tener, y entonces al sacar el producto al mercado, este se hace absolutamente
necesario. Apple es un buen ejemplo.
Ley Fundamental del trabajo administrativo:
Las cosas son aquellas que son reportadas como tales.

El mundo real es lo que reporta el sistema.
164. Es interesante observar como en muchos sistemas, especialmente de carácter

oficial, la estrechez de visión de los funcionarios públicos y la obligación a que se ven
sometidos a cumplir estrictamente los reglamentos de su oficio, impiden la posibili-
dad de aplicar criterios diferentes ante las mismas circunstancias. Un sistema, que
realmente sea un sistema, se debilita, en sus funciones básicas, con estas visiones
reduccionistas. Recordemos lo que nos dice la Teoría de la Complejidad al respecto.
165. Ya lo dijimos, conocer los verdaderos objetivos o propósitos de un sistema ¡no
es asunto fácil!
449
Corolario:
Para aquellos que están dentro del sistema, la realidad

externa tiende a palidecer y desaparecer.
Una forma alternativa de decir lo anterior es: si no es oficial, no ha ocurrido.

Ejemplo: La frase del derecho penal que reza: “el delito no existe, es creado por
la ley”. En otras palabras, sólo es delito aquello que como tal es contemplado
en el código o la ley penal.
Teorema (¿Ley gravitacional de los sistemas?)
Los sistemas atraen gente de sistemas.

Corolario: para cada sistema humano, hay un tipo de persona adaptada para
desarrollarlo a expensas de él o dentro de él.
Nota: es inútil cualquier esfuerzo por eliminar a las personas parásitas del
sistema. Esto llevaría a formar comités de evaluación, comités de protección
etc., lo que generaría nuevos empleos en qué ocupar a estas personas.
Teorema:
Entre más grande es el sistema, más estrecha y especializada

es la interfaz con los individuos.
Ejemplo: En los grandes sistemas, las relaciones no son con los individuos sino
con su número de cédula, su tarjeta de crédito o algún otro fantasma de papel.
Es sorprendente cuando una persona llega a una unidad de urgencia. Si no
tiene la cédula, no puede ser atendido. La cédula es la persona.
Teorema:
Un sistema complejo no puede ser “hecho” para trabajar.

Él simplemente trabaja o no166.
Corolario (Ansiedad del administrador):

166. De alguna manera se destaca el error que se comete al “diseñar” un sistema para
que ejerza ciertas “funciones”. La metodología de Checkland nos advierte claramen-
te del error que se comete con esta actitud.
450
Presionar al sistema no sirve. Esto empeora las cosas.

Ejemplos: Se diseña una escuela para educar a los niños de un barrio que pre-
sentan comportamientos difíciles. Pero allí se refuerzan sus actitudes agresivas.
¿Qué tal las penitenciarías como corrección de la conducta de los malhechores?
Teorema:
Algunos sistemas actualmente trabajan.
Corolario:
Si un sistema funciona, déjelo tranquilo.
Teorema:
Un sistema complejo que funciona, invariablemente se encuentra

que ha evolucionado de un sistema simple que funcionaba167.
Esto nos lleva a la siguiente proposición:
Un sistema complejo hecho desde el principio nunca trabaja y no puede

ser arreglado para que trabaje. Es necesario empezar de nuevo con un
sistema sencillo que funciones.
Esto explica la existencia de una enorme cantidad de organizaciones Estatales

que son inoperantes.
Teorema de la indeterminación funcional:
En un sistema complejo, el mal funcionamiento e incluso el no funciona-

miento total, puede no ser detectable por largos períodos de tiempo.
Ejemplo: Es sorprendente cómo grandes corporaciones, que invierten una enor-
me cantidad de dinero en sistemas de control, colapsan repentinamente ya que,
hasta el momento, nadie se había dado cuenta de su situación económica real.
Gall dice: parece que el problema es evaluar el "éxito" o "fracaso" de los sistemas
grandes ya que no se dispone de criterios apropiados. ¿Acaso el sistema feudal
167. Tal como Simon lo dijo: los sistemas complejos estables, surgen de la jerarqui-
zación de formas estables intermedias.
451
fue un éxito o un fracaso? (Por un lado, salvó la civilización Occidental. Por

otro, creó los nacionalismos que tanto daño hacen a la humanidad).
La hipótesis Kantiana:
Los sistemas grandes, complejos, están por encima de la

capacidad humana para evaluarlos.
Ley de Newton de la inercia sistémica168 :
Un sistema que tiene un cierto interés, continuará operando de la

misma manera, independientemente de las condiciones cambian-
tes o de las necesidades cambiantes.
Ejemplo: Es común observar como el frenesí de construcción de viviendas,

cuando hay demanda de las mismas, continúa mucho tiempo después de que
ya se ha saturado la demanda.
Teorema:
Los sistemas desarrollan metas propias
tan pronto como son formados. Las metas
intra sistémicas son prioritarias.
Ejemplo: Gall resalta: las Naciones Unidas suspendieron recientemente, du-
rante todo un día, sus esfuerzos para analizar las drogas, la tensión mundial, el
petróleo, para debatir cuándo un empleado de la ONU podía viajar en primera
clase en los aviones.
De lo anterior podemos concluir que el tratamiento de los sistemas en el mundo
actual no tiene prácticamente nada de sistémico. Se siguen usando procedi-
mientos lineales, en donde no es posible hacerlo, pero a menudo evocan el uso
de una "visión sistémica" que, evidentemente, no existe.
168. Recordemos el efecto de las demoras como parte de la dificultad para predecir
el comportamiento de sistemas complejos.
452
14.3 Resumen
Tal y como se afirma en este capítulo, es necesario hacer un alto y sopesar la
opinión de aquellos para quienes la Teoría de Sistemas no es una herramienta
adecuada. Las críticas deben ayudarnos a decidir si lo que creemos o conocemos
sobre algo, debe modificarse, abandonarse o reforzarse.
Phillips centra sus críticas en el concepto de sistema, por ser impreciso; también
se centra en los ataques que se han hecho al reduccionismo y al mecanicismo
arguyendo que si bien no explican la emergencia sistémica, tampoco lo ha
hecho la teoría de los sistemas. Sostiene además que la T.G.S. no es una teoría
científica. Cada una de estos aspectos ha sido considerado con cierto detalle
por nosotros, y como un balance general podemos decir que, aceptando las
debilidades que en la ciencia se presentan comúnmente, la T.G.S. y la T.C.
resisten un análisis minucioso de sus principios, metodologías y técnicas. No
debemos olvidar que las fortalezas del enfoque tradicional se convierten en
serias debilidades cuando de sistemas humanos se trata.
Por su parte Gall, utilizando en su lenguaje un fino humor, hace acertadas
críticas a los sistemas. Sin embargo, tales críticas son, en efecto, las debilidades
que se encuentran en muchos “sistemas” ¡que no son tales! El uso inadecuado
del término permite que conjuntos que no están interrelacionados según un
propósito coherente, que se aíslan del ambiente, sean llamados sistemas.
14.4 “Coda”
Hemos terminado el objetivo de este trabajo. Es evidente que han quedado
conceptos sistémicos que ni siguiera han sido indicados. Pero la intención
no era, tal y como anotábamos en la introducción, hacer una presentación
exhaustiva de esta teoría, sino, más bien, tratar de resumir sus fundamentos y
su aplicación en el mundo real, como una nueva alternativa complementaria
del conocimiento científico tradicional.
Para las personas formadas en campos tradicionales de la ciencia analítica estas
ideas pueden no ser muy convincentes ya que, sin duda, su manera tradicio-
nal de pensar y operar ha sido exitosa. Pero aún bajo esta perspectiva, vale la
pena tener en cuenta los fundamentos que el enfoque de sistemas resalta, para
453
comprender el mundo complejo que nos rodea. Como bien dice Churchman,
el enfoque de sistemas no es una mala idea.
454
APÉNDICES
455
456
A.1.1 Empirismo y racionalismo

Existen dos perspectivas teóricas sobre el problema de cómo conocemos el
mundo: el empirismo y el racionalismo (tomado de Wulff et al. 2002, p. 41-
44). Ellas se encuentran ligadas a dos niveles de discusión filosófica: el nivel
ontológico, que se refiere a la existencia verdadera o naturaleza verdadera de
las cosas y el epistemológico, que hace referencia a lo que podemos conocer
del mundo. En términos sencillos, el conocimiento es derivado de los sentidos
o es derivado de la razón.
Cuando decimos que las cosas existen −por ejemplo, un árbol− independiente-
mente de que alguien las observe, estamos haciendo un juicio ontológico. Pero
si decimos que no podemos asegurar que el árbol existe independientemente
del sujeto que lo observa y que la observación es la única fuente de conoci-
miento, entonces estamos haciendo un juicio epistemológico.
Ahora bien, si a nivel ontológico afirmo que las cosas existen independiente-
mente de que ellas sean o no observadas, estoy tomando una posición realista.
Pero si afirmo que mi conocimiento de ellas depende de la experiencia que me
ofrece mis sentidos, entonces estoy siendo antirrealista porque ¿quién puede
probar, demostrar que el árbol existe cuando no lo veo, cuando no es observado?
El empirismo se define como aquella perspectiva que sostiene que sólo pode-
mos conocer lo que puede ser observado. Dicho de otro modo, la única fuente
de conocimiento es la experiencia, aquello que procede de nuestros sentidos.
No podemos saber nada acerca de cosas que no hayamos observado. En este
sentido, el empirista es ontológicamente antirrealista.
El racionalismo es la perspectiva que sostiene que la única fuente de co-
nocimiento es nuestra razón, es decir, que sólo ella es confiable respecto al
conocimiento de las cosas. Dicho de otro modo, desde la perspectiva episte-
mológica, quien sostenga que la razón es la verdadera fuente de conocimiento
es racionalista.
Respecto a cuál es el nivel de discusión prioritario tenemos otra diferencia.
El realista sostiene que las cuestiones ontológicas “tienen prioridad sobre las
457
epistemológicas”. El empirista, por su parte, sostiene que son prioritarias las

cuestiones epistemológicas porque “antes de decidir qué existe tenemos que
ponernos de acuerdo sobre qué podemos saber y qué no”, es decir, qué estamos
en capacidad o no de conocer.
La tabla de la figura A.1.1 resume lo dicho.
Nivel de discusión Posturas filosóficas

Ontológico Realismo Antirrealismo
Epistemológico racionalismo Empirismo
Formas de conocer el mundo

Fig. A.1.1
Repitiendo. Una persona que, ontológicamente sea realista, epistemológi-
camente es racionalista. Una antirrealista, ontológicamente, será empirista,
epistemológicamente.
La ciencia moderna dio más importancia a los asuntos epistemológicos que a los
ontológicos y metafísicos cimentándose, en consecuencia, en el empirismo. Así,
la observación metódica de los fenómenos, la cual requiere procedimientos
definidos, por ejemplo, la medición y el control, fue la condición sin la cual
ellos no podían ser estudiados.
Sin embargo, la discusión entre empiristas y racionalistas −que aún no ter-
mina− fue zanjada, al menos en parte, por Immanuel Kant quien puede ser
considerado como el fundador de la epistemología moderna. Algunas ideas
al respecto ya se discutieron en el capítulo 1, y algunas otras se considerarán
en el literal siguiente.
Veamos el siguiente ejemplo para ilustrar la posición empirista en la ciencia
física. Para Newton, los cambios en la naturaleza se producían “frente al fon-
do universal de un único río del tiempo que fluía uniformemente”169. Pero
Einstein hizo una pregunta fundamental: ¿Qué significa que dos eventos sean
simultáneos170? Para él sólo había una única respuesta: antes de responderla
debemos sincronizar los relojes. “Y si uno quiere sincronizar dos relojes, tiene
169. Resumimos esto a partir de la obra de Peter Galison (2005), p. 11 y siguientes.

170. Esta situación se analizará más en detalle en el literal A.1.6: El principio de
causalidad.
458
que empezar con uno, enviar una señal al otro y corregir el tiempo que tarda
en llegar la señal”. Toda la discusión que se dio sobre este tema concluye que el
concepto de simultaneidad está ligado al hecho físico de su medición. Primero
era necesario separar las nociones (medidas) de espacio y tiempo. Es fácil medir
el espacio: definir un sistema de coordenadas. Pero medir el tiempo entre dos
sucesos, implica simultaneidad en su medida. Y no es posible pensar en un
“reloj central” que determine el tiempo para el resto de los relojes. Se llegó a
la extraordinaria conclusión de que dos sucesos que eran simultáneos en un
sistema de referencia no lo eran en otro171 (Cfr. A.1.6). Esto impactó notable-
mente a la ciencia física. La observabilidad de los fenómenos era una condición
sin la cual estos no podrían ser estudiados. Y esta observabilidad requiere proce-
dimientos definidos y también observables, como en el caso de la sincronización
de los relojes. De una posición ontológica, se pasó a una empirista.
A.1.2 Kant. Revolución copernicana

del conocimiento
Se le llama revolución copernicana (e Ferrater Mora, 1994, p. 1989-) a la pro-
puesta Kantiana acerca del problema del conocimiento porque, al igual que
hizo Copérnico, el filósofo invierte los términos tradicionales en los que estaba
planteado el problema (ver figura 1.2). Si en lugar de hacer girar los objetos
alrededor del observador (así como los astros giraban alrededor de la tierra),
el observador gira alrededor de los objetos (a la manera en que la tierra gira
alrededor del sol), entonces no estará el sujeto regulado por los objetos sino al
contrario: los objetos en tanto son percibidos deben ser regulados por nues-
tra facultad intuitiva, y en cuanto son pensados deben “ajustarse” a nuestra
facultad intelectiva (1999, Reale y Antiseri, , Tomo 2, p. 736). De esta manera,
Kant dará una solución al problema del empirismo y racionalismo llevando
a cabo su síntesis. Veamos.
En la Crítica de la Razón Pura leemos (Kant, 1984, p. 98): “Pero si es verdad que
todos nuestros conocimientos comienzan con la experiencia, todos sin embar-
go, no proceden de ella, pues bien podría suceder que nuestro conocimiento
171. Ya Galileo había cuestionado los sistemas de referencia en cuanto al concepto
de inercia o movimiento: es imposible saber estando en un barco, bajo cubierta y que
se mueve en forma perfectamente rectilínea y sin balancearse, si está en reposo o en
movimiento.
459
empírico fuera una composición de lo que recibimos por las impresiones y de

lo que aplicamos por nuestra propia facultad de conocer, simplemente excitada
por la impresión sensible”. Esto significa que podemos percibir los objetos a
través de nuestros sentidos; a través de nuestro intelecto los podemos pensar.
“(…) Primero los objetos tienen que ser dados, para después ser pensados”
(Reale y Antiseri, Op. Cit. p. 737).
El hombre posee una sensibilidad, es decir, está dotado de sentidos a través de
los cuales percibe espacio-temporalmente los objetos. Nosotros captamos los
objetos o los acontecimientos tal como aparecen a través de la sensación y la
percepción, y ésta “captación” es lo que se llama fenómeno. Así, pues, nosotros
percibimos las cosas tal como se aparecen a nuestros sentidos y no como ellas
son en sí mismas (Reale y Antiseri, Op. Cit., p. 738-739): “Otros seres racionales,
diferentes a los hombres, podrían captar las cosas de una manera no espacial
y no temporal; nosotros captamos las cosas según una determinación espacial
y temporal sólo porque nuestra sensibilidad está configurada de este modo
(tenemos una sensibilidad que funciona así)”. Por ejemplo, nosotros captamos
primero la luz del rayo y luego captamos el sonido.
Los fenómenos que percibimos no son suficientes para que los podamos
conocer o podamos hacer juicios sobre ellos. En el ejemplo anterior, sólo
captamos espacialmente la luz y el trueno y sucesión temporal, pero esa sola
percepción no nos permite deducir que la luz sea más rápida que el sonido o
que los dos eventos se rigen por determinadas leyes. Es necesario el concurso
de nuestra facultad intelectiva o racional la cual se constituye en la segunda
fuente de conocimientos, la única que nos permite pensar los objetos. Mediante
la primera fuente del conocimiento, los sentidos, los objetos nos son dados
(la luz, el sonido); mediante la segunda, pensamos este material percibido.
En palabras kantianas: “Ninguna de estas dos facultades debe anteponerse
a la otra. Sin sensibilidad, no se nos daría ningún objeto, y sin intelecto, no
podría pensarse ninguno. Los pensamientos sin contenido están vacíos, las
intuiciones sin conceptos son ciegas…Estas dos facultades o capacidades no
pueden intercambiar sus funciones. El intelecto no puede intuir nada y los
sentimientos nada pueden pensar. El conocimiento sólo puede surgir de su
unión (Reale.., Op. Cit., p,740)”.
El intelecto o pensamiento cuenta con unas leyes y unos principios que explican
su funcionamiento o procedimiento. Estas leyes y principios se constituyen en lo
que se conoce con el nombre de Lógica, que desde Aristóteles se la define como
460
el estudio de la manera en que el hombre piensa, deduce, infiere, concluye, es

decir, de la manera en que el hombre elabora juicios. Estas maneras de pensar
y deducir, de obtener conclusiones son llamadas las categorías del intelecto y
son las que se aplican al material ofrecido por la percepción. Siguiendo nuestro
ejemplo, yo puedo concluir que la luz del rayo que veo es la causa del trueno
que escucho. Esta conclusión es un juicio que establezco y éste corresponde
a la categoría de causalidad. Así pues, el entendimiento procede, según Kant,
a través de doce categorías que corresponden a doce juicios, las cuales están
subsumidas bajo cuatro títulos: cantidad, cualidad, relación, y modalidad.
En resumen, el conocimiento del mundo depende en gran medida de la
manera en que estamos conformados: contamos con nuestros sentidos, los
cuales nos permiten tener sensaciones que se sintetizan en percepciones. Estas
percepciones, (lo que logramos captar, o sea los fenómenos), las organizamos
espacio-temporalmente. Contamos además con el intelecto que funciona de
determinada manera organizando el material ofrecido por nuestra sensibilidad
y sintetizándolo en juicios de conocimiento. La tabla de la figura A.1.2 resume
lo indicado anteriormente172.
A.1.3 El experimento de Torricelli

Los griegos conocían el fenómeno que se presentaba cuando se aplicaba a un
tubo una bomba de vacío y se succionaba agua. Observaron cómo el agua
llenaba el tubo.
Para explicar éste fenómeno, los filósofos Aristotélicos propusieron que la
Naturaleza tenía un “horror al vacío”. No es natural, aseguraban, que exista el
vacío; por lo tanto, la materia debe desplazarse para llenarlo siempre que éste
se presente. También era conocido el hecho que una bomba de vacío ¡no podía
elevar el agua más allá de 10,5 metros! Los Aristotélicos no explicaron porqué
el “horror al vacío” terminaba allí (siglo -IV).
A partir de estos conocimientos Torricelli (siglo XVII) postula que la atmós-
fera ejerce presión sobre los objetos. Esta presión es suficiente para explicar
el “horror al vacío”.
172. Tomado de http://www.e-torredebabel.com/Historia-de-la-filosofia/

Filosofiamedievalymoderna/Kant/Kant-DeduccionMetafisicaCategorias.htm
461
TABLA DE LOS TABLA DE LAS

JUICIOS CATEGORÍAS
Universales
Unidad
“Todo A es B”
Según la Particulares De la
cantidad cantidad Pluralidad
“Algún A es B”
Singulares
Totalidad
“Este A es B”
Afirmativos
“Es cierto que A Realidad
es B”
Según la Negativos De la
cualidad cualidad Negación
“A no es B”
Infinitos
Limitación
“A es no B”
Categóricos Inherencia y Subsis-
tencia (substancia y
“A es B” accidentes)
Hipotéticos Causalidad y De-
Según la “Si A es B, en- De la pendencia (causa y
relación tonces es C” relación efecto)
Disyuntivos Comunidad (acción
“A es B, o C, o recíproca entre el
D...” agente y el paciente)
Problemáticos Posibilidad ‑Impo-

“A puede ser B” sibilidad
Según la Asertóricos
De la Existencia ‑No
modali- “A de hecho es existencia
dad B” modalidad
Apodícticos Necesidad ‑Contin-
“A necesaria- gencia
mente es B”
Juicios y categorías kantianas

Fig. A.1.2
462
Experimentando con tubos de diferentes diámetros y aproximadamente un

metro de altura, Torricelli encontró, que utilizando el mercurio como fluido,
la altura era la misma, sin importar el diámetro del tubo: aproximadamente
76 cm. a nivel del mar173(Ver figura A.1.3).
Vacío
Funiculus
Presión
del aire 76 cms.
a) b)
Experimento de Torricelli
Fig. A.1.3
La explicación dada por Torricelli era la siguiente: el mercurio se mantiene
dentro del tubo (que llamaremos “columna de mercurio”) debido a la presión
atmosférica. El aire empuja hacia abajo la superficie del mercurio en la cubeta
y cuando el peso de la columna iguala a este empuje, la columna se estabiliza
(figura A.1.3 a).
Franciscus Linus, monje Jesuita, tenía otra hipótesis. Sostenía que en el espacio
aparentemente vacío que se formaba en la parte superior de los tubos, existía
una cuerda invisible que denominó funiculus (en latín “cuerdita”).
Cuando se empieza a formar el vacío, el “funiculus” ejerce una fuerza de atrac-
ción muy fuerte sobre los objetos que están a su alrededor; esta fuerza es la que
succiona al mercurio hacia arriba manteniendo una altura determinada. Esta
fuerza era proporcional al volumen de aire desalojado: por ello la atracción en
el tubo mayor compensaba con una fuerza mayor el mayor peso del mercurio
(figura A.1.3.b) Ambas teorías explicaban los fenómenos descritos.
173. Torriceli sabía muy bien que no podía experimentar con agua. En ese caso habría
tenido que manipular tubos de más de 10 metros de altura, lo que hacía el experi-
mento difícil de realizar.
463
El peso del aire se podía constatar pesando un balón desinflado y luego lleno de
aire. En 1654 se llevó a cabo un experimento crucial. Dos semiesferas grandes
de cobre, huecas, de unos 500 litros de capacidad, que sellaban perfectamente
y a las cuales se les podía extraer el aire mediante una bomba de vacío, fueron
haladas por dos grupos de cuatro caballos y sólo se logró separarlas después de
un gran esfuerzo. Sin embargo, al dejar que el aire las llenara, su separación no
presentaba ningún problema. El experimento lo realizó el científico Alemán,
Otto Von Guericke (que había inventado la bomba de vacío), en Magdeburgo,
Alemania. Con esto se eliminaba toda duda de la presión ejercida por el aire.
La teoría de Linus también explicaba el resultado del experimento: la “atrac-
ción” de las esferas se debe a la fuerza que ejerce el funiculus sobre ellas.
La teoría de Torricelli permitía calcular el valor de la presión atmosférica, cosa
que no podía hacer la teoría del funiculus.
Se sabe que el peso específico de un cuerpo es igual a ρ=W/V (peso/volumen)
y por lo tanto: W=ρ×V que es el peso del cuerpo en cuestión.
Recordemos por otro lado que la fórmula de la presión nos indica que p=F/A
(fuerza/área). Por lo tanto:
p = F/A = ρ×V/A = ρ×(hA)/A = ρ×h =

13.6×76 (gmf/cm 3)×cm 2= 1.033 kgf/cm 2.
La primera observación es el hecho de cómo el área se cancela cuando se

combinan ambas ecuaciones, explicándose, así, porqué la presión no depende
del diámetro del tubo.
Una segunda observación nos lleva a un resultado sorprendente. La presión
que el aire ejerce es de un kilogramo por centímetro cuadrado de acuerdo con
el cálculo anterior. El cuerpo humano tiene, en promedio, un área de 2 metros
cuadrados, es decir, 2×10000 cm2. Por lo tanto el peso de aire que soportamos
es de: F=pA =1 kg/ cm2 × 20000 cm2 = ¡20 toneladas! ¿Por qué, entonces no
somos aplastados por tan enorme fuerza? En este punto la teoría del funicu-
lus parece ser más aceptable (más acorde con el sentido común: no morimos
aplastados por tan enorme fuerza). Lo que ocurre es que la presión ejercida por
los fluidos internos es aproximadamente igual a la de la presión atmosférica.
En el caso de la sangre, ésta es superior pero es contrarrestada por la presión
que ejercen las paredes de las venas sobre ella.
464
Investigaciones posteriores afianzaron la teoría de Torricelli y descartaron la

de Linus: las explicaciones del primero eran lógico deductivas, podían medirse
y predecían nuevos fenómenos; las de Linus, no.
Torricelli cumplía con los requisitos que debe tener una teoría formalizada:
1) Propuso una hipótesis: El aire ejerce presión sobre los cuerpos que rodea.
2) Utilizó otras conclusiones (deducciones) como es el caso del estudio de los
griegos y el principio de Pascal con respecto a la presión ejercida en los
cuerpos que son sumergidos en fluidos.
3) Existían definiciones claras: presión, peso, volumen, área.
4) Utilizó la matemática como procedimiento lógico deductivo.
5) Explicó fenómenos observados: la altura de la columna de mercurio y su
valor, de 76 cm. La independencia del área con respecto al tamaño de los
tubos.
6) Hizo predicciones: el valor de la presión que la atmósfera ejerce sobre los
cuerpos que rodea.
A.1.4 Tipos de razonamiento

El término razonamiento puede verse desde el punto de vista psicológico (teo-
ría del pensamiento) o desde el punto de vista lógico (procesos inductivos o
deductivos, procesos formales) (Ferrater Mora, 1994, p. 3012).
Los razonamientos pueden ser correctos o incorrectos. Entre los incorrectos
podemos citar el paralogismo y el sofisma.
En lo que respecta al sofisma podemos decir que se trata de una refutación
aparente o de un silogismo aparente, que pretende defender algo falso hacién-
dolo aparecer como verdadero y con ello confundir al oponente.
Dentro de los razonamientos correctos están los silogismos, los cuales se
destacan por su importante influencia en la lógica simbólica contemporánea.
Aristóteles indicaba que no todo pensamiento es razonamiento (Atlas Univ.
Filosofía, p. 104): el razonamiento es una sucesión de pensamientos relacio-
nados (premisas) que llevan a conclusiones. El silogismo es un razonamiento
mínimo: una premisa mayor, una premisa menor y la conclusión. Ya en el
465
capítulo 1, numeral 1.1.3.2 hicimos referencia al silogismo, el cual presenta-

remos en su forma original:
Si todos los hombres son mortales y
Si los griegos son hombres
Entonces todos los griegos son mortales.
Si leemos con atención, existe un término que aparece en ambas premisas pero
no en la conclusión: la palabra “hombres”. “Hombres” es el corazón operativo
del razonamiento: es la sustancia o razón del silogismo; se la denomina término
medio, que está implícito en la conclusión.
El término medio puede ser sujeto o predicado, lo que da origen a cuatro tipos
de silogismos diferentes.
El silogismo indicado arriba, denominado como un procedimiento de primera
figura, era para Aristóteles el fundamento intuitivo de toda la lógica debido a su
simplicidad y veracidad. Por esta razón, cualquier otro tipo de razonamiento
debía reducirse a este; si esto era posible, el razonamiento debía necesariamente
aceptarse.
La primera figura puede expresarse mediante la fórmula:
Si todo M es P, y
Si todo S es M,
Entonces S es P.
En donde M es el término medio, P el predicado y S el sujeto. Los cuatro tipos

de razonamiento silogístico se indican en la figura A.1.4.
Es posible facilitar este tipo de análisis utilizando los diagramas propuestos por
Euler. Así, la primera figura sería equivalente al diagrama a) de la figura A.1.5.
El silogismo: todo griego (S) es un hombre (M), ningún hombre (M) es eter-
no (P), por lo tanto ningún griego es eterno, sería representado por b) en la
misma figura.
466
I figura II figura III figura IV figura

Premisa M M
M sujeto M sujeto
Mayor predicado predicado
Premisa. M M
M sujeto M sujeto
Menor predicado predicado
Conclusión
Cuatro tipos de razonamiento silogístico

Fig. A.1.4
S
M S
P M
P
a) b)
Diagramas de Euler y silogismos

Fig. A.1.5
Usando la lógica simbólica, podríamos escribir, con respecto a la figura I:
∀M → P, ∀S → M; reorganizado: ∀S → M, ∀M → P. Por lo tanto ∀S → P. El
silogismo posee relación de orden (Cfr. numeral 5.2).
Para el silogismo de la segunda figura (diagrama b) de la figura A.1.5) ten-
dremos:
∀S → M, ~M → P(o su equivalente M → ~P) se concluye que ∀S → ~P. El
silogismo es reducido a uno de la primera figura.
467
A.1.5 Experimentos mentales

Otro ejemplo. Lovett Cline (1973) relata las discusiones entre Bohr y Einstein
sobre el principio de indeterminación de Heisenberg. Expliquemos un poco
este principio.
Para representar gráficamente la trayectoria en el interior del átomo se debe
multiplicar la posición del cuerpo en algún instante de tiempo por su momento
(producto de su masa por su velocidad) en el mismo instante. En términos de
la mecánica cuántica esto se expresa como p×q. Pero Heisenberg había de-
mostrado que, en su sistema de descomposición de frecuencias, este producto
era diferente a q×p. Cuando se halló la diferencia entre estas dos cantidades, se
encontró que su valor era siempre el mismo e igual a la constante h de Plank. A
partir de este hecho, Heisenberg postuló que si los dos productos eran diferentes
entonces la forma como se realizara la medición incidiría en el resultado. Por
lo tanto, cuando una posición experimental dada es definida exactamente, su
correlato, el momento, no puede serlo (Lovett Cline, p. 269): éste es el principio
de incertidumbre de la mecánica cuántica174. Esta incertidumbre no agradaba
a Einstein, quien se propuso analizarla a fondo con Niels Bohr. Einstein elabo-
raba continuamente experimentos mentales que Bohr refutaba uno tras otro.
Al final, siempre se encontraron fallas de razonamiento en los argumentos de
Einstein, pero con esto queremos destacar que este tipo de experimentos tienen
trascendental importancia particularmente en la ciencia moderna, en donde
el acceso directo a los elementos involucrados es prácticamente imposible y,
por lo tanto, sólo por las consecuencias se puede aceptar o no una hipótesis.
Uno de los últimos experimentos de Einstein consistió en relacionar su co-
nocida ecuación: E = mc2 mediante la cual se podía determinar la energía
de un fotón, con su masa, y demostrar que el principio de incertidumbre no
era correcto. Propuso una caja llena de espejos que encerraría un haz de luz,
quedando así la radiación detenida. Se pesaba la caja y mediante un mecanis-
mo de reloj muy preciso, en un instante preestablecido, por una escotilla se
dejaría salir entonces un fotón. La caja se pesaría de nuevo y la diferencia de
peso daría la masa del fotón, y con ello la energía liberada. De esta manera el
cambio de energía sería medida con precisión en un instante dado. Se habría
174. Algunos autores diferencian la mecánica clásica de la cuántica de acuerdo con

los valores de q y p: cuando q y p son muy grandes con respecto a h, estamos en el
dominio de la física clásica.
468
medido entonces p y q con exactitud, contradiciendo el principio de incerti-

dumbre de Heisenberg.
Bohr refutó el experimento suponiendo que la caja estaba suspendida en un
muelle que permitía calcular el peso de la caja en cualquier instante. Al ser
liberado un fotón, la caja se movería hacia arriba dentro del campo gravitatorio
terrestre. De acuerdo con la teoría de la relatividad, este cambio implicaría un
cambio en la marcha del reloj dispuesto de antemano en la caja. El cambio
sería pequeñísimo, pero decisivo en este caso. Una cadena de incertidumbres
(la dirección del fotón saliente, la dirección de respuesta de la caja, y con ello
su posición en el campo gravitatorio terrestre) impediría conocer el momento
preciso de la salida del fotón.
A.1.6 El principio de causalidad

La causalidad implica que ciertos sucesos sean necesarios (son condicionales)
para que otros sucesos ocurran175. Así, la combustión se explica por la presencia
de oxígeno: sin oxígeno (es necesario que esté presente), no hay combustión;
sin reforzamiento no hay aprendizaje. Por otra parte, los sucesos pueden ser
suficientes para generar el efecto. Por ejemplo, es suficiente que haya oxígeno
para que exista la combustión, mas no necesario, ya que, aún si hay oxígeno,
sin una chispa que inicie el proceso, no habría combustión. A menudo se re-
fuerza la relación diciendo que es necesaria y suficiente cierta causa para que se
produzca el efecto: es necesario y suficiente, frente a una vela, que haya oxígeno
para que se produzca una combustión. Cuando la explicación causal se aplica
a cada caso de una clase de sucesos, regularidades o estructuras decimos que
la explicación es universal: la relación causa-efecto debe ser única, del tipo “es
necesario y suficiente que…”. Pero cuando las causas son de diversa índole y
pueden ser simultáneas esta universalidad no se aplica. El caso clásico son las
explicaciones de enfermedades en medicina. El cáncer, por ejemplo, tiene tanto
causas genéticas como ambientales.
La causalidad está íntimamente ligada al determinismo. Su fundamento es el
principio de razón suficiente: todo fenómeno tiene una explicación suficiente.
175. Ideas extraídas de Greenwood (2011) y Sauval (http://www.sauval.com/articu-

los/milner1a.htm#Física).
469
No existen fenómenos fortuitos; lo que ocurre es que no tenemos una capacidad

de análisis total.
Esta posición ha sido ampliamente debatida por filósofos de la ciencia, y a
pesar de las dificultades que ella genera la física clásica se ha construido a
partir de esta premisa. Es el fundamento sobre el cual se establecen sus leyes.
El determinismo está limitado por nuestra capacidad de medición y nuestra
capacidad de aprender. Desde un punto filosófico es tan imposible probar que
el determinismo causal es exacto, como demostrar que no lo es.
Siguiendo a Papineau (2008, p. 20) durante el siglo XX se ha desarrollado
una interesante idea: causa es "aquello que marca la diferencia". Comer en
abundancia es la causa de que aumentemos de peso tiene sentido si este ex-
ceso de alimento marca la diferencia en caso de no haberlo hecho: si todo lo
demás hubiera permanecido constante y no se hubiera comido en exceso, no
se habría aumentado de peso. Esto se conoce como causalidad contrafactual
ya que considera otras posibles causas. Sin embargo esta teoría también tiene
dificultades en su aplicación tema que no desarrollaremos aquí.
En algunas partes de este texto se hace referencia al uso de la estadística como
herramienta de medición en la ciencia física (y en la ciencia en general). Es el
determinismo estadístico que busca subsanar las dificultades del determinismo
clásico: ya no se puede basar el conocimiento en una sola medida experimental,
sino en una serie de ellas.
Otra forma de sobreponerse al determinismo es la causalidad indeterminista.
Citemos a Papineau (p. 22):
Entonces, ¿qué le ocurre a la causalidad cuando el determinismo no pare-
ce sostenible? Algunos dicen que los sucesos que no están determinados
no tienen causa; pero esto implica que las explosiones nucleares (que son
producidas por la desintegración nuclear) no son causadas, y evidentemen-
te esto no es plausible. La teoría alternativa propone la causalidad indeter-
minista: las causas no determinan los efectos, únicamente los hacen más
probables. Según esta teoría, se podría decir que la explosión nuclear ha
sido provocada por la desintegración radiactiva, aunque el proceso de
desintegración se base únicamente en probabilidades. Y lo mismo se podría
decir del fumar y el cáncer: fumar aumenta las probabilidades de que la
persona sufra cáncer, y eso basta para poder afirmar que fumar es la causa
del cáncer.
470
Pero queda otra situación por analizar: la relación del tiempo con la causalidad.
Implícitamente en la relación causal, la causa precede al efecto, está antes del
efecto. Después de la teoría especial de la relatividad de Einstein, en donde
el tiempo-espacio no es absoluto sino relativo, esta correlación no siempre es
verdad.
Siguiendo a Hewitt (Op.Cit. p. 689-) recordemos los postulados de la teoría de
la relatividad especial de Einstein:
• Todas las leyes de la naturaleza son iguales en todos los marcos de referencia
con movimiento uniforme.
• La rapidez de la luz en el espacio libre tiene el mismo valor medido por
todos los observadores, independientemente del movimiento de la fuente o
del movimiento del observador; esto es, la rapidez de la luz es una constante.
A partir de estos postulados podemos establecer el concepto de simultaneidad
en Einstein (utilizar las figuras A.1.6 a) y b)).
En una nave espacial, un observador se sitúa exactamente en la mitad de la
nave, en donde se encuentra una fuente de luz. Cuando se enciende esta, la
luz se difunde en todas direcciones con una rapidez igual a c. Por ser la fuente
y el observador equidistantes de los extremos de la nave este ve llegar, simul-
táneamente, los haces de luz que iluminan el frente y el fondo de la nave (ver
figura A.1.6.a). Esto es válido sea que el vehículo espacial esté en reposo o con
velocidad constante. Los eventos son simultáneos para este observador.
Consideremos ahora el caso de otro observador que mira a la nave desde un
planeta que está en reposo con respecto a dicho observador (Fig. A.1.6 b).
Para él, estos eventos no son simultáneos. A medida que la luz se desplaza hacia
el frente de la nave, el cohete avanza, por lo que la parte trasera de la nave se
mueve hacia la luz, mientras que la delantera se aleja de ella. El rayo que va
hacia la parte posterior (la izquierda) recorre menos espacio que el que se dirige
hacia la parte frontal (la derecha). Como la rapidez de la luz es la misma en
ambas direcciones, este observador ve llegar primero la luz a la parte trasera
que a la delantera. Si le agregáramos a nuestro ejemplo otro cohete que vinie-
ra en sentido contrario del primero, él vería el fenómeno diferente: primero
llegaría la luz a la parte frontal y luego a la parte posterior de la nave. Esto es
consecuencia del hecho de que la velocidad de la luz es la misma, no importa
el marco de referencia con que se mire.
471
Fig. A.1.6 a)
Fig. A.1.6 b)
Relatividad de la simultaneidad
Finalicemos de nuevo con Papineau (p. 23):

El concepto de causa no puede ser eliminado de la comprensión del mun-
do. Y si no es posible reducirlo a otros conceptos, entonces quizá sería
correcto concluir que el de causalidad es un concepto fundamental para el
ser humano. Muchos filósofos han argumentado que términos como "ver-
dad" y "realidad" no pueden ser definidos, y sin embargo están entre los
conceptos más importantes que existen. Lo mismo ocurre con el de "causa":
tal vez no haya modo de explicarlo a partir de otros conceptos más básicos.
472
A.2.1 Sistema axiomático de Peano

El matemático italiano Giuseppe Peano estableció una serie de axiomas que
permitían sustentar lógicamente las operaciones básicas de la aritmética inde-
pendientemente de cualquier significado práctico que pudieran tener. Propuso
cinco axiomas (Newman, J.R. compilador, 1969 Tomo 5, p. 11-):
A1: 0 es un número.
A2: El sucesor de cualquier número, es un número.
A3: Dos números no tienen nunca el mismo sucesor.
A4: 0 no es el sucesor de ningún número.
A5: Si P es una propiedad tal que:
a) 0 tiene la propiedad P y
b) siempre que un número n tenga la propiedad P , entonces el sucesor
de n también tendrá la propiedad P y por lo tanto todo número tendrá la
propiedad P.
Construcción de los números enteros. 1 es definido como el sucesor de 0: (0´=1).
2 es el sucesor de 1: (0´)´ =1´=2 y así indefinidamente gracias a A2. De acuerdo
con A3 y A5 el proceso nunca conducirá a números definidos anteriormente.
Definición de suma.
D1: a) n + 0 = n; b) n + k' = (n +k)'
Por ejemplo: 3+2 = 3+1´ = 3+(0´)´ de acuerdo con a) de D1.
De b) 3+(0´)´= [(3+0)´]´=(3´)´ = 5. La “verdad” 3+2 = 5 queda aquí excluida
de cualquier realidad. Es un resultado axiomático.
Definición de multiplicación.
D2: a) n✴0 = 0 ; b) n✴k' = nk + n
Por ejemplo: 3×2 = 3×1´= 3×(0´)´= 3×(0´)+3= 3×0+3+3 = 6.
473
El ejercicio se puede continuar y deducir las leyes asociativas, conmutativas

y distributivas de la adición y la multiplicación. También es posible definir la
resta, la división y la potenciación. Igualmente se puede pasar a los números
negativos y a los racionales, al concepto de raíz cuadrada y en general a toda
la teoría de la aritmética.
A.2.2 Euclides, Riemann y Lobachevski

Hemos dicho que los axiomas y postulados son verdades por principio; no se
demuestran. Sin embargo, existe siempre la duda de, hasta donde, es aceptable
este o aquel enunciado. Un caso interesante es el quinto postulado de Euclides,
el postulado de las paralelas. Euclides formuló su postulado en estos términos:
“si una recta, al encontrarse con otras dos rectas, produce dos ángulos internos
colocados del mismo lado, inferiores a dos ángulos rectos, dichas rectas – si se
prolongan hasta el infinito – se encontrarán del mismo lado en que están los
ángulos inferiores a dos rectos”. La figura A.2.1 ilustra el enunciado (de Reale
y Antiseri, Op. Cit. Tomo III, p. 328-330).
P

Postulado de las paralelas en Euclides

Fig. A.2.1
La forma más conocida de este postulado nos dice que si tenemos en un plano
una recta s y un punto P exterior a ella, en el plano sólo existe una recta r que
pase por el punto P y sea paralela a la recta s, en el sentido de que jamás la
encuentre. Esto ocurre cuando la recta s y la recta r, al ser cortadas por una
recta t, forman con ella, o ángulos rectos, o dos ángulos cuya suma es igual
a dos rectos (ver figura A.2.2).
474
r P r P
  
t t
s  s
Otra representación del postulado de las paralelas

Fig. A.2.2
Estos enunciados, aparentemente verdaderos, tienen su limitación. En efecto,
dependen de su contexto. Por ejemplo, si el postulado se analiza para rectas
contenidas en un círculo de radio dado, es evidente que, dentro del círculo
existe un infinito número de rectas que cumplen con él. La figura A.2.3 muestra
lo afirmado. Podemos seguir ampliando el círculo, y aún así existirían infinitas
rectas que seguirían cumpliendo con el postulado.
P
s
Posibilidad de infinitas paralelas desde P a S

Fig. A.2.3
Por otra parte, ¿por qué debe existir la recta r? Para esta opción consideremos
el siguiente análisis (ver figura A.2.4).
475
P

r
s
A B C D
Duda de la existencia de la recta paralela

Fig. A.2.4
Sea un punto P exterior a una recta s. Por P pasa una recta r que intercepta a
s en el punto A. Para que r se convierta en paralela a s hagámosla girar de tal
manera que intercepte a s en los puntos B, C, D etc. Estos puntos se alejarán
cada vez más de A, pero, ¿cuándo en el plano infinito se separará r de s? ¿Cómo
nos daremos cuenta de tal separación? ¿Es absurdo afirmar que dos rectas
paralelas se encuentran en el infinito?
No aceptar este postulado dio origen a otros tipos de geometrías, como, la de
Lobachevsky (similar a la de Bolyai) y la de Riemann. Por ejemplo, en la geo-
metría de Riemann, dos rectas cualesquiera de un plano siempre tienen por
lo menos un punto en común, en otras palabras, no existen rectas paralelas.
Esto es lo que ocurre en una esfera. Aquí la esfera corresponde al plano y las
rectas son circunferencias máximas, es decir, aquellas que cortan a la esfera
mediante planos que pasan por su centro, como es el caso de los meridianos
y el ecuador (ver la figura A.2.5).
Imposibilidad de la existencia de dos rectas paralelas

Fig. A.2.5
476
Es fácil observar que no es posible que dos rectas (dos circunferencias máximas)
no se encuentren. En esta geometría es posible trazar un número infinito de
perpendiculares a una recta. Incidentalmente, en esta geometría la suma de
los ángulos internos de un triángulo suman más de 180º.
En cuanto a Lobachevsky podemos indicar lo siguiente. Consideremos la
figura A.2.6, en la cual la recta AB es perpendicular a la recta CD (Kassner &
Newman, 1987, p. 145-).
A’ D’
A
E F
C’ B’
C D
B
Posibilidad de infinitas rectas paralelas entre sí

Fig. A.2.6
Hagamos girar la recta AB alrededor del punto A en sentido contrario a las
agujas del reloj. Durante este proceso la recta cortará la recta CD en puntos
situados a la derecha de B hasta alcanzar la posición límite EF en la cual será
paralela a CD. Para Euclides, existe sólo una posición para que esto ocurra, y
es la recta EF. Lobachevsky supuso que habría dos de estas posiciones: A'B' y
C'D'. De hecho hay infinitas: todas las rectas contenidas en el ángulo A'AC' (o
D'AB'). Este ángulo puede hacerse tan pequeño como se quiera de tal manera
que por más que se prolonguen las rectasA'B' y C'D' nunca cruzarán a CD.
Evidentemente no se trata de geometría en un plano. Nuestra intuición nos dice
que el espacio es finito, por lo que tal suposición es completamente plausible.
Los otros cuatro postulados de Euclides son respetados en esta geometría.
Muchos de los teoremas de la geometría clásica tienen su equivalente en la de
Lobachevsky. Pero otros no (Igual ocurre para la de Riemann). Tal es el caso
de la suma de los ángulos interiores de un triángulo: en Euclides siempre será
180º; en Lobachevsy será inferior a 180º.
477
La figura A.2.7 muestra lo que se llama una pseudoesfera (Kassner & Newman,
Op. Cit., p. 151).
O Ts2 P1
s1 P2
s
PQ G
Pseudoesfera
Fig. A.2.7
Sea G una “línea” de la pseudoesfera. Desde el punto O se traza una perpen-
dicular a la línea G. A una distancia s de P se traza el punto Q y desde allí se
traza otra perpendicular a G. Tracemos un círculo de radio s con centro en O.
Esta circunferencia cortará a QT en s1 y s2. Estos dos puntos, al ser unidos con
O, determinan las dos rectas P1 y P2 que son ambas paralelas a G. Todas las
líneas que pasan por O, formando un ángulo menor que el ángulo α no cortan
a G, aun cuando no le son paralelas.
Si Riemann es la geometría de la esfera, Lobachevsky es la geometría de la
silla de montar.
478
A.3.1 No direccionalidad del

tiempo en Newton
Para comprender la idea de que el tiempo no tiene dirección en la mecánica
Newtoniana (lo que se conoce como simetría temporal de las ecuaciones new-
tonianas), consideremos el siguiente ejemplo tomado de Reichenbach (1971,
p. 35-)
Lancemos una esfera de A a C con una velocidad cuyas componentes horizontal
y vertical son a1 y a2, como se muestra en la figura A.3.1.
x2
x1
A C
Lanzamiento parabólico
Fig. A.3.1
Las ecuaciones que describen este movimiento son las siguientes (Cfr. Ec.
(3.1)):
𝑔𝑔𝑡𝑡 2
𝑥𝑥 (A.3.1)
1 = 𝑎𝑎1 𝑡𝑡, 𝑥𝑥2 = 𝑎𝑎2 𝑡𝑡 − , 𝑡𝑡 ≥ 0
2
Si cambiamos a t por –t tendremos el siguiente sistema de ecuaciones:
𝑔𝑔𝑡𝑡 2
𝑥𝑥 1 = −𝑎𝑎1 𝑡𝑡, 𝑥𝑥2 = −𝑎𝑎2 𝑡𝑡 − , 𝑡𝑡 ≥ 0 (A.3.1)´
2
479
Este último proceso es compatible con las leyes de la mecánica y ocurre en

la realidad. Es el caso de una bola lanzada de C a A con velocidad igual a la
esfera anterior. El lanzamiento de una bola es un proceso reversible. De hecho
cualquier movimiento lo será. Nótese que –x1 es la dirección contraria a x1.
Por otra parte, las ecuaciones que describen los movimientos en Newton, son
ecuaciones diferenciales de segundo orden sin derivadas de primer orden.
Esto implica que en toda ecuación si se cambia t por –t, las segundas derivadas
serán las mismas, por lo que este cambio no afecta en nada la descripción del
proceso y los cálculos obtenidos.
El concepto de fuerza, fundamental en la mecánica de Newton tampoco es
afectado. Recordemos que F = ma. La fuerza implica un desplazamiento. Sea
x(t) tal desplazamiento. La partícula adquirirá una velocidad que es igual
a v(t) = dx(t)/dt. A su vez la aceleración es la derivada de la velocidad con
respecto al tiempo, es decir a = dv(t)/dt = d2(x)/dt2. Si t se cambia por –t, la
primera derivada será negativa pero la segunda será positiva y la fuerza no
habrá sufrido ninguna modificación ni en magnitud, ni en sentido.
Los análisis físicos con respecto al tiempo consideran que éste tiene como
objetivo únicamente establecer puntos de referencia para localizar partículas
en el espacio. Desde esta perspectiva el tiempo no existe. Los sistemas son
determinados, son atemporales. Pero esto es el resultado de un cálculo no un
análisis del determinismo como tal. Se trata de un análisis desde la física.
Pero la filosofía, como se ha indicado en este texto, se ocupa de asuntos rela-
cionados con las ecuaciones de la física, no con las ecuaciones en sí. Habla en
un metalenguaje, no en un lenguaje objeto. Remitimos al lector a la cita del
numeral 2.3.
A.3.2 Análisis matemático de la ley de

los graves de Aristóteles
Recordando la cita de Aristóteles (numeral 1.1.3.3) sobre la caída de los graves
podemos hacer el siguiente análisis.
Aristóteles no sólo tuvo en cuenta el peso del cuerpo que cae sino también la
resistencia ofrecida por el medio en el cual cae. El sabía, por ejemplo, que una
piedra cae más lentamente en el agua que en el aire. Es natural postular, enton-
480
ces, que la velocidad es inversamente proporcional a la fuerza de resistencia.

Existen por lo tanto dos fuerzas opuestas: la del peso del cuerpo que cae, y la
resistencia del medio que se opone a la caída. Sólo puede existir la caída si el
peso del cuerpo supera la resistencia del medio: esto explica porqué la piedra
no puede caer a través de la tierra sólida. Por otra parte, entre mayor sea el
peso con respecto a la resistencia, mayor será la velocidad.
Esta regla es plausible pero debería verificarse experimentalmente. Sin embargo,
desde un punto de vista matemático surgen consecuencias inesperadas. Si la
velocidad v es directamente proporcional al peso W e inversamente propor-
cional a la resistencia R, podemos escribir:
v 3 W / R o v = kW/R (A.3.2)
en donde k mide la forma como el peso y la resistencia se comportan en el

medio. Nótese que a doble peso, doble velocidad, como lo sostenía Aristóteles.
Sin embargo si W = R la velocidad v sería igual a k, y no a cero como debiera
ser. Por otra parte, si W ≤ R, el cuerpo tendría una velocidad, lo cual va en
contra de la lógica (y la realidad).
La ecuación A.3.2 no, es pues, una forma correcta de analizar la caída de los
graves.
Por otra parte, en el vacío (R = 0) la piedra caería con velocidad infinita, sin im-
portar el peso del cuerpo. Por esta razón, los partidarios de Aristóteles sostenían
que el vacío era inconcebible. La propuesta aristotélica, es pues, inaceptable.
Philoponus de Alejandría había propuesto, en el siglo V d.c. la ecuación
v = W - R (A.3.3)
De acuerdo con ella, a medida que R decrece, para un mismo peso, v aumenta.
Cuando R sea igual a W la velocidad sería cero, lo cual indica un compor-
tamiento mejor descrito que la ecuación A.3.1. Se aceptaría que v = 0 para
W ≤ R. Sin embargo, la ecuación permite que el cuerpo se mueva en el vacío,
pues para R igual a cero la velocidad sería igual al peso del cuerpo. La dificultad
en las unidades se resolvería agregando una constante k a la ecuación A.3.3.
481
A.3.3 Otro ejemplo de isomorfismo

Sea un oscilador mecánico formado por un resorte de coeficiente k del cual
está suspendida una masa M, que hace descender el extremo del resorte en
una cantidad s (ver figura A.3.2) (Sokolnikoff & Redheffer, 1958, p. 80-82).
Péndulo de resorte
Fig. A.3.2
Una vez equilibrado el sistema, si halamos el resorte la distancia y, y lo soltamos,
en ausencia de todo tipo de fricción él oscilará continuamente.
Aplicando las leyes de Newton se puede demostrar que la ecuación general
que rige a este sistema es:
Md2 y / dt2 + ky = 0 (A.3.4)
Consideremos ahora otro sistema completamente diferente. Se trata de un

circuito eléctrico compuesto por un condensador C que se descarga a través
de un solenoide de resistencia despreciable, de inductancia L (Fig. A.3.3).
También es posible demostrar que la ecuación que rige la dinámica de este
sistema oscilatorio viene dada por:
1
d2 Q / dt2 + CL Q = 0
(A.3.5)
482
C
L
Circuito CL
Fig. A.3.3
en donde Q = CV (que es la carga en el condensador). Si multiplicamos la
ecuación A.3.5 por L y la comparamos con la ecuación (A.3.4) tendremos las
siguientes equivalencias: L → M, k → 1/C.
Estos dos sistemas, en apariencia totalmente diferentes, son estructuralmente
iguales. Son pues, isomorfos. De hecho, podemos construir un sistema mecá-
nico, que oscile bajo ciertas condiciones de diseño, a partir del sistema eléctrico
correspondiente. Es más sencillo comprobar los efectos de diferentes valores
de L que de masas, y diferentes valores de C que de constantes k de resortes.
El diseño mecánico se facilita enormemente a partir de uno eléctrico gracias
a este isomorfismo.
483
484
A.4.1 Colisión entre dos esferas

Cuando una esfera A de masa m A, que viaja a una velocidad v A, cho-
ca con otra esfera de masa B que está en reposo (vB = 0), en el vacío, la
esfera A se detiene (vA = 0 ) y la B sale con una velocidad v'B , si ambas masas
son iguales. Para facilitar el análisis supondremos que, durante el proceso,
ninguna de las esferas cambia de dirección: los vectores están sobre la misma
línea y en idéntica dirección. Como el sistema se considera cerrado la ley de
la conservación de la cantidad de movimiento (LCCM) nos dice que (Holton,
Op. Cit. p. 347-348) :
CM antes del choque = CM después del choque
Matemáticamente:
mAvA + mBvB = mAvA' + mBvB' (A.4.1)
Como vA' y vB valen cero, entonces:
mAvA + mB× 0 = mA× 0 + mBvB' (A.4.2)
vB' = (mA/ mB)× vA (A.4.3)

Si las masas de las dos esferas son iguales, entonces, v'B = vA, "como cualquier
billarista lo sabe". En caso de no serlo, un análisis similar nos lleva a la con-
clusión que:
vB' = (mA/ mB) (vA– vA') + vB (A.4.3a)
¿Qué pasaría si el choque no es elástico y después del choque ambos cuerpos

quedan unidos y deformados?
485
En este caso v'A = vB', (ya que se forma un solo cuerpo) son las incógnitas. De
acuerdo con la ecuación A.4.1 tenemos:
mAvA + mBvB = (mA + mB)vB' (A.4.4)
vB' = (mAvA + mBvB)/ (mA + mB) (A.4.5)
Nada impide que cambiemos los signos de las velocidades. Supongamos hora
que la segunda esfera viaja en dirección contraria a la de A, la cual ahora se
encuentra en reposo. El análisis nos dará como respuesta una velocidad de A
igual a la que tenía al principio de nuestro análisis quedando B en reposo. El
tiempo es reversible, igual como lo es el fenómeno.
También es posible analizar el caso cuando una bola golpea a otras dos. Aunque
el modelo es más complejo, se puede determinar con exactitud el comporta-
miento de todo el sistema, siempre y cuando una bola sea golpeada antes que
la otra, así sea en un infinitésimo de tiempo. De no ser así la situación corres-
ponde a la teoria del caos.
A.4.2 Deducción de la ley

de la caída libre
A partir de los conceptos de velocidad media y aceleración, podemos deducir
una importante ley que relaciona el espacio recorrido por un móvil que posee
una velocidad inicial v0 y es sometido a una aceleración a (Holton, Op. Cit.,
p. 105-).
La velocidad media es la relación entre la distancia recorrida s dividida por el
tiempo t que se tarda en recorrerla. La aceleración es la razón de la variación
de velocidad y el tiempo t que se tarda en lograr tal variación. En forma de
ecuaciones:
vr = s / t, a = (v f - v0 ) / t (A.4.6)
De la ecuación de aceleración obtenemos:
v f = v0 + at (A.4.7)
486
Con respecto a la velocidad media podemos hacer el siguiente análisis. Sea un

cuerpo con velocidad inicial v0 sometido a una aceleración uniforme a durante
un tiempo t en el cual alcanza una velocidad vf . La distancia recorrida por el
móvil es la misma que si el cuerpo hubiera tenido una velocidad media (ve-
locidad constante igual al valor medio de v0 y vf durante el mismo intervalo
de tiempo t.
Sea s la distancia cubierta por el móvil con las condiciones anteriores. Ten-
dremos que:
s = (v0 + v f ) t / 2 (A.4.8)

Reemplazando vf (de A.4.12) en (A.4.8) tendremos:
s = (v0 + v f ) t / 2 = (v0 + (v0 + at) t) / 2 (A.4.9)

Es decir:
s = v0 t + 1/2 at2 (A.4.10)
No hay ninguna hipótesis sobre la dirección del movimiento. En ausencia de

fricción, esta fórmula nos permite calcular la distancia recorrida por un móvil
durante un tiempo t que parte con una velocidad inicia v0 , y es sometido a una
aceleración uniforme a durante el tiempo t.
Si hacemos v0 = 0, y a = g (la aceleración de la fuerza de gravedad), tendremos
la ecuación de la caída libre:
h = 1/2 gt2 (A.4.11)
A.4.3 Termostato
Son aparatos de control que abren o cierran circuitos eléctricos de acuerdo
con la temperatura. Los hay mecánicos y electrónicos. El más sencillo de tipo
mecánico consiste en dos láminas de metal, unidas, con diferente coeficiente
487
de dilatación, de tal manera que cuando la temperatura alcance cierto valor

se curva activando un circuito eléctrico (ver figura A.4.1).
Termostato bimetálico (http://termometria.galeon.com/

curiosidades.htm)
Fig. A.4.1
Otro tipo de termostato mecánico es el de gas en el cual un gas es encerrado en
un recipiente sellado. Cuando la temperatura sube el gas se expande y empuja
una válvula que hace contacto con un circuito eléctrico; cuando se enfría, se
contrae. El resultado es conectar o desconectar el sistema según sea el caso.
El electrónico consta de un termistor (semiconductor que varía su resistencia
eléctrica en función de su temperatura). Esta variación es leída por un micro-
procesador el cual es programado para efectuar diferentes acciones de acuerdo
a las temperaturas censadas.
A.4.4 Taxonomía. Sistema de Linneo

La taxonomía es la rama de la biología que busca la clasificación de los seres
vivos de acuerdo con sus principales características. Esta clasificación intenta
ordenar a todos y cada uno de los seres de la naturaleza de tal manera que cada
uno ocupe un lugar en ella. Según Linneo, se realiza con base en las siguientes
categorías:
488
1- Reino: existen dos: vegetal y animal176.

2- Phylum o división (tipo): es un conjunto de clases.
3- Clase: es un conjunto de orden.
4- Orden: es un conjunto de familia.
5- Familia: conjunto de géneros.
6- Género: es un conjunto de especies.
7- Especie: es un conjunto de individuos.
La definición de especie, base de la clasificación, no es muy clara. Se acepta

como definición de especie biológica al grupo o población natural de indivi-
duos que pueden cruzarse entre sí, pero que están aislados reproductivamente
de otros grupos afines. La especie biológica es libre de seguir su propio curso
evolutivo en respuesta a las influencias del ambiente. Actualmente el estudio
del ADN permite precisar aún más esta definición. Pero la determinación de
los límites de una especie sigue siendo subjetiva. Para indicar las dificultades
que se presentan, consideremos la siguiente cita (http://es.wikipedia.org/wiki/
Especie.):
Este concepto tiene limitaciones respecto a organismos que se reproducen
asexualmente (por apomixia: tipo de partogénesis) algunas especies de
rotíferos (organismos microscópicos), moluscos, artrópodos, vertebrados,
(algunos peces y lagartijas del género Cnemidophorus y Aspidoscelis Reeder
2002) y algunas plantas vasculares. Existen también muchos casos de hi-
bridación en los que se produce descendencia fértil y que permanecen
como unidades genéticas y evolutivas independientes. Este caso se da
fundamentalmente en plantas vasculares en las que la hibridación es común.
Para darnos una idea acerca de qué pasaría si el concepto de especie bio-
lógica fuese aplicado a estos casos, debemos indicar que cada individuo
debería ser considerado como especie biológica separada.
Un ejemplo tradicional es la clasificación del hombre:

Reino: Animal
Phylum: Vertebrado
176. Actualmente se identifican cinco reinos: móneras (bacterias y cianobacterias),

protistas (organismos unicelulares a mitad de camino entre vegetal y animal), hongos
(no clasificables como plantas), plantas y animales.
489
Clase: Mamífero
Orden: Primate
Familia: Hominidae
Género: Homo
Especie: Sapiens
La clasificación de Linneo se basa en un sistema binomial para identificar las
especies. Dos nombres: el género, y la especie generalmente en cursiva. El
género refleja las características familiares y la especie las características par-
ticulares. Así, el hombre será HOMUS (género) sapiens (especie). El género
va con mayúsculas siempre y la especie en minúsculas, salvo si se trata de un
país o nombre propio. Las familias generalmente terminan en us, e y el género
en ae. El autor va después del género-especie en paréntesis. Así, las orquídeas
pertenecen a la familia orchidaceae. Su clasificación científica es:
Reino: Plantae
División: Magnoliophyta
Clase: Liliopsida
Orden: Asparagales
Familia: Orchidaceae
Colombia tiene una gran riqueza en esta familia, y su flor nacional es la Catleya-
trianae (J.J. Triana).
A.4.5 Diagramas de proceso

Un diagrama de proceso es una secuencia de símbolos que describen un
proceso productivo (secuencia de actividades). En el diagrama se incluyen
detalles tales como distancias, tiempos, cantidades. Estos diagramas permiten
analizar procesos con el fin de mejorarlos desde el punto de vista de la eficien-
cia, o sirven como modelo de producción para ilustrar a los obreros sobre las
labores que desempeñan. Son cinco los elementos básicos que permiten estas
descripciones. La tabla de la figura A.4.2 indica cada uno de ellos con una
descripción del mismo.
490
Símbolo Descripción
Operación. Acción que modifica el producto o
que establece una referencia al mismo.
Inspección. Controla si una operación se ha
efectuado de acuerdo con las normas de
producción en cuanto a cantidad o calidad.
Transporte. Acción de trasladar un objeto de un
lugar a otro, siempre y cuando esta no forme
parte de una operación o sea el resultado de
realizar una operación o inspección.
Demora. Indica suspensiones temporales
durante el proceso, que forman parte del
procedimiento.
Almacenamiento. Indica que el objeto está en
un almacén bajo vigilancia.
Símbolos de los diagramas de procesos

Fig. A.4.2
Consideremos el siguiente proceso productivo. Se trata de fabricar un elemento
que se compone de dos placas cuadradas de hierro de 8 cm de lado por 2 cm
de ancho, que deben ser unidas por un tornillo de 1 cm de diámetro, con una
tuerca en el extremo derecho. La figura A.4.3 da una idea al respecto.
El proceso de fabricación es como sigue. Los tornillos se fabrican a partir de
un tubo de hierro de 1 cm de diámetro, que se corta en trozos de 4.5 centí-
metros. Tanto la cabeza del tornillo como la tuerca se obtiene trozando un
bloque cuadrado de hierro de 1.5 cm de lado y en trozos de 0.5 cm. La cabeza
va soldada en el lado izquierdo del tubo cortado y roscado. Se hace una rosca
en el extremo derecho de 1 mm de paso, y en una longitud de 2 cm a partir
del extremo derecho.
Las placas se obtienen de otro bloque cuadrado de hierro de 8 cm de lado y
en trozos de 2 cm de espesor.
491
8  =1
Dos placas unidas mediante un tornillo

Fig. A.4.3
Todo lo anterior se ensambla para formar la pieza descrita.
El diagrama de proceso se indica en la figura A.4.4. Para una ampliación sobre
estos diagramas véase Maynard (1963, cap. 2).
Tornillo Cabeza T. Tuerca Bloques

4,5 cm long. 1.5 cm lado Bloque de 8 cm de
1.5 cm lado
1 cm diámetro 0.5 cm espesor lado
Trozar
Cortar Hacia Cortar
tubo
bloque Taladro 2 cm
Hacia Perforar Hacia
Roscado 1 cm φ taladro
Soldar
Rosca Hacia Perforar
1 mm Tarraja 1.05 cm
Rosca
Quitar
Interior
Pulir Rebabas.
1 mm
Pulir
Pulir
Ensam.
Fig. A.4.4
492
A.5.1 Diversos tipos de sistemas (Ackoff)

En lo que sigue daremos definiciones más precisas de estos conceptos.(Ackoff,
1971).
Ackoff distingue entre sistemas que mantienen estados y los que buscan metas.
Un sistema que mantiene un estado es uno que 1) puede reaccionar de sólo
una manera a un evento interno o externo pero 2) reacciona de manera dife-
rente a eventos diferentes internos o externos, y 3) estas diferentes reacciones
producen el mismo estado (resultado) interno o externo. En estos sistemas
las reacciones están completamente determinadas por los eventos causales, es
decir, son de reacción y, por lo tanto, son completamente determinados. Sin
embargo, poseen una función y es aquella de mantener el estado que produce.
Este estado es generado de formas distintas ante diferentes condiciones. Tal
es el caso del termostato, una brújula o un regulador de voltaje.
Un sistema que busca una meta es uno que responde en forma distinta a uno o
más eventos diferentes externos o internos mediante uno o más estados dife-
rentes externos o internos, y que puede responder distintamente a un evento
específico, en un ambiente que no cambia, para producir un estado particular
que es la meta.
Estos sistemas son responsivos (no reactivos) ya que tiene elección de res-
puestas, puede lograr el mismo fin de maneras diferentes: pueden escoger el
comportamiento. Tiene memoria y puede incrementar su eficiencia a medida
que pasa el tiempo para lograr la meta. Puede aprender y adaptarse. Los sis-
temas con pilotos automáticos y la “rata electrónica” que aprende a moverse
en un laberinto para salir de él, son ejemplos de ellos. A la secuencia de los
comportamientos que constituyen un sistema y tiene la función de producir
una meta se le conoce con el nombre de proceso.
Un sistema que busca múltiples metas es un sistema que busca una meta en
dos o más estados iniciales diferentes externos o internos y que busca metas
diferentes en al menos dos estados diferentes, siendo la meta determinada por
los estados iniciales. Estos sistemas pueden perseguir diferentes metas, pero
493
no determinan la meta a seguir; esta la determina el ambiente. Sin embargo

escogen los medios mediante los cuales persiguen sus metas. Tal es el caso de
un computador que juega diversos juegos. El juego a jugar lo decide el usuario,
pero el computador escoge la forma para lograr ganarlo: la meta a lograr.
En un sistema intencional el propósito es interpretado por un observador.
Es cuando un elemento ajeno al sistema, es decir que pertenece al ambiente,
supone un propósito en el comportamiento observado. Podríamos recordar
el ejemplo del ave que hace su nido para empollar sus huevos. Aunque real-
mente no hay un propósito, podría pensarse que la naturaleza a través de los
mecanismos genéticos le impone una meta que cumplir.
En los sistemas intencionados se buscan múltiples metas en un ambiente que
no cambia y pueden producir diferentes resultados en ambientes iguales o
diferentes. Estos sistemas pueden modificar sus metas en ambientes que no
cambian pudiendo seleccionar las metas así como los medios para lograrlas.
En otras palabras tienen voluntad. La meta la define el mismo sistema. El caso
más común es el ser humano.
Los sistemas intencionales son controlables y predecibles ya que sus propó-
sitos son impuestos. En el caso de los intencionados, esto no es cierto. Estos
últimos determinan tanto el qué, la meta a lograr, como el cómo, los medios
para lograrla.
Estos aspectos son los que destaca Checkland en su metodología. Esta está
dirigida, como bien sabemos, a sistemas de la actividad humana, sistemas
intencionados.
Finalmente Checkland distingue entre comportamiento intencional e intencio-
nado. En el primero, un observador ve un propósito; en el segundo el compor-
tamiento es deseado, hay capacidad de decisión. Obviamente esta clasificación
es relativa. Una acción que estemos realizando puede ser juzgada por otro
como algo impuesto, pero al ahondar más en ella podría ser que comprendiera
que era un verdadero deseo de quien la esté llevando a cabo.
Vale la pena incluir aquí un tipo de sistema que es muy importante para la
comprensión de los sistemas abiertos: el sistema adaptable177. Un sistema es
adaptable si, cuando existe un cambio en el ambiente y/o en uno de sus estados
internos que reduce su eficiencia para lograr una o más de sus metas que defi-
nen su(s) función(es), reacciona o responde cambiando su propio estado y/o
177. A menudo se usa el neologismo adaptativo.
494
el de su ambiente para aumentar su eficiencia con respecto a esa meta o metas.

Por lo tanto, la adaptabilidad es la habilidad de un sistema para modificarse a
sí mismo o al ambiente cuando alguno de ellos ha cambiado para desventaja
del sistema con el fin de recuperar aunque sea parte de la eficiencia perdida.
Aprender es aumentar la propia eficiencia en la búsqueda de una meta bajo
condiciones cambiantes. En la naturaleza, el aprendizaje para mejorar la ha-
bilidad de cazar, es un fenómeno de adaptación: exige intentos repetidos para
mejorar la eficiencia. Nótese que para lograr esto se requiere una habilidad para
modificar el propio comportamiento (es decir, poseer escogencia) y memoria.
A.5.2 Leyes sistémicas y

Ecuaciones diferenciales
Las ecuaciones diferenciales178 son una de las herramientas más poderosas de
que dispone la ciencia para describir sistemas dinámicos continuos, es decir,
sistemas en los cuales los elementos que lo componen cambian con el tiempo
en forma continua179.
Recordemos que la expresión dx/dt significa la forma como una propiedad
x, referida a un elemento dado, cambia con el tiempo. Tal es el caso del calor
transferido de un cuerpo caliente al ambiente (la propiedad es el calor), la tasa
de nacimiento de los individuos de una población (la propiedad es el número
de individuos en cada momento), el agua vertida por una represa (la propiedad
es el número de metros cúbicos).
Cuando son varios los elementos y diferentes las propiedades se establece un
sistema de ecuaciones diferenciales. Para ello es necesario dar una definición
de sistema. Retomaremos lo indicado por Bertalanffy, en el numeral 5.3.1. Un
sistema S es un conjunto p de n elementos, p = {p1 , p2, ... , pn } y un conjunto
R de relaciones entre dichos elementos definidos por la expresión:
S = {p, R} (A.5.1)
178. Ha servido como base: Bertalanffy (1973, p. 53-, 127-); Hall and Hagen (En
Litterer, 1969, p. 31); Rapoport (En Litterer: 1969, p. 88).
179. Existe la matemática equivalente para los sistemas discretos y se conoce con el
nombre de ecuaciones de diferencia.
495
De acuerdo con esta definición, si en un sistema se cambian los elementos o

las relaciones, el sistema cambia, lo cual está de acuerdo con la definición que
hemos dado en el capítulo 2.
Un sistema S puede ser descrito por un sistema simultáneo de ecuaciones
diferenciales ordinarias. Sea xi una medida del elemento pi, i=1, 2, 3,...,n. Para
un conjunto finito de elementos el sistema puede definirse como:
dx1 / dt = f1 ( x1 , x2 ,... xi …, xn )
........................................
dxi / dt = f i ( x1 , x2 ,... xi …, xn )
(A.5.2)
........................................
dxn / dt = f n ( x1 , x2 ,... xi …, xn )
El estado de un sistema se define unívocamente por un conjunto de n números,

mediciones de las n propiedades. El conjunto de todos los puntos n-dimen-
sionales se conoce con el nombre de espacio de fase. El comportamiento del
sistema es descrito por las trayectorias posibles en el espacio de fase, es decir,
por la sucesión de estados por los cuales el sistema pasa. Para el caso de dos
propiedades (dos variables) el espacio de fase generalmente es el plano Eucli-
diano y las trayectorias posibles serán curvas en el mismo.
Por ejemplo, si se trata de una población en la cual la propiedad es el número
de individuos n y queremos estudiar cómo varía dicha población en el tiem-
po, tal como lo vimos en el numeral 5.3.1 tendremos la ecuación diferencial:
dx/dt = f(x) = kx (A.5.3)
El espacio de fase para este ejemplo es la figura 5.6 del capítulo 5, para k = 0.02
y una población inicial de x0= 10000.
Veamos algunas de las leyes sistémicas bajo esta perspectiva matemática (Cfr.
cap. 4).
496
A.5.2.1 Totalidad
Desarrollemos cada una de las ecuaciones del sistema (A.5.2) por medio de
una serie de Taylor. Tendremos:
dxi
= ai1 x1 + ai 2 x2 +… aij x j +…+ ain xn + ai11 x12 +…
= , i 1, 2,3,..., n
dt
(A.5.4)
Como se ve, cualquier cambio en la propiedad xi afecta a gran parte o a todo

el sistema y a su vez, un cambio en cualquiera otra propiedad xj , j ≠ i, puede
afectar a xi (afecta a la tasa de cambio de xi ). El sistema se comporta como un
todo en el cual un cambio en un elemento puede depender y afectar a todos
los demás.
Si hacemos que todos los valores de los coeficientes que afectan a las propie-
dades xj , j ≠ i, sean cero, entonces tendremos el sistema:
dxi
=i 1, 2, …, n (A.5.5)
= ai1 xi + ai11 xi2 + ai111 xi3 +…
dt
Aquí los cambios en el elemento i sólo dependen del mismo elemento, por lo
que cada elemento es independiente de los demás. Las variaciones del todo,
es la suma de las variaciones de sus componentes. Es el “no sistema”. Tal cosa
ocurre, por ejemplo, con los latidos del corazón donde su comportamiento
puede ser estudiado sin necesidad de considerar todo el sistema.
Esto nos permite enfatizar en que la Teoría General de Sistemas es un comple-
mento para comprender el mundo, y jamás ha reclamado ser el único camino
para conocer sus fenómenos.
A.5.2.2 Segregación (mecanización) progresiva.

Es el caso cuando en un sistema sus partes se van especializando cada vez más,
alejándose de la propiedad de ser un todo.
Diferente a lo que ocurre en el mundo físico (por ejemplo los átomos, las
moléculas o los cristales cuya organización resulta de la unión de partes pre-
existentes) en el mundo de la organización de un todo biológico, éste resulta
497
de la diferenciación de un todo original que se segregó en partes. Tal es el

caso del desarrollo de un embrión que, de un todo único, equipotencial en
sus comienzos, evoluciona a un ser que posee órganos independientes, con
funciones específicas. Lo mismo ocurre en la evolución del sistema nervioso,
o en las sociedades en las cuales, inicialmente, quienes la conforman no tienen
funciones perfectamente delimitadas pero con el paso del tiempo las van espe-
cializando. Este proceso tiene como resultado un aumento en la complejidad
del sistema, es decir, en la diversidad de funciones que este puede ejecutar, a
diferencia de cuando era una sola entidad. La especialización progresiva es la
que permite que en los seres vivos, surgidos de una única célula que se auto
reproduce en células idénticas, con el paso del tiempo éstas se especialicen
formando órganos diferentes, con funciones específicas: corazón, riñones,
tejidos diversos, cerebro…
Matemáticamente esto se refleja cuando, en el transcurso del tiempo, gran
parte de los coeficientes aij de xi, i ≠ j, tienden a cero a medida que el tiempo
pasa. En el caso extremo tenemos:
lim aij = 0. i ! j
t"3 (A.5.6)
Cuando la ecuación (A.5.6) se cumple para todo i y todo j tenemos un conjunto

de elementos completamente independientes.
Como ya dijimos, la segregación permite una mayor complejidad del sistema,
debido a la especialización de sus componentes, pero el sistema pierde gran
parte de la propiedad de ser un todo, que es lo que le permite enfrentar con
éxito los efectos adversos del ambiente: una parte puede reemplazar fácilmente
a cualquier otra ya que todas hacen prácticamente lo mismo. Además, la re-
gulación del sistema es cada vez más débil y el sistema es cada vez más similar
a un mecanismo. Para mantener su característica de sistema, es necesaria la
centralización: un elemento o grupo de elementos que coordinen a las partes
que surgen por segregación.
A.5.2.3 Centralización
La dominación de una de las partes sobre el todo puede representarse mate-
máticamente, considerando que, para un elemento cuya propiedad es xC, los
498
coeficientes que lo relacionan con los demás elementos (los aic, i = 1,2,...,n)
son grandes en todas las ecuaciones mientras que los coeficientes de los otros
elementos son considerablemente más pequeños o incluso iguales a cero. El
siguiente sistema de ecuaciones define la tendencia a la centralización (por
simplicidad sólo se han escrito los términos lineales):
/ dt a11 x1 +…+ a1c xc +…+ a1n xn

dx1 =

dxc / dt = acc x1
(A.5.7)

/ dt an1 x1 +…+ anc xc +…+ ann xn
dxn =
Un pequeño cambio en xc causará un cambio grande en todo el sistema. Este

elemento es un “líder”, el elemento que ejerce una gran influencia en todos los
subsistemas. Se le denomina “disparador” (trigger).
La centralización progresiva se mezcla con la segregación progresiva con el
fin de aumentar la complejidad sin perder completamente la propiedad de la
globalidad, es decir, a pesar de la “mecanización” se conserva el sistema.
A.5.2.4 Jerarquización
Consideremos el caso en el cual algunas (o todas) de las partes pi de un sistema,
están compuestas a su vez por otras partes qij con propiedades yij (i=1, 2,...,n;
j=1, 2,...,m). Para cada uno de estos casos podemos establecer la relación de
dependencia:
dyii /dt = f (yi1, yi2, ..., yin) (A.5.8)
Esta superposición de sistemas se denomina orden jerárquico. Para cada uno

de estos subsistemas, los conceptos de totalidad, mecanización, centralización,
finalidad etc, también son aplicables.
499
A.5.2.5 Sistema cerrado, abierto,

autoorganización, equifinalidad
En un sistema de reacciones químicas en el cual la tasa de cambio de las
concentraciones de cada una de las sustancias involucradas es una función
lineal de las concentraciones de todas las sustancias, es posible describir su
comportamiento mediante el siguiente sistema de ecuaciones diferenciales de
primer orden:
dxi /dt = / aij x j + bi, i = 1, 2, ..., n

(A.5.9)
j=1
en donde xi es la concentración de la i-ésima sustancia, y aij es el efecto de la

sustancia j en la tasa de cambio de la sustancia i. El efecto es facilitador si aij
es positiva, e inhibitorio, si es negativa. La constante bi representa una fuente
externa de la i-ésima sustancia si es positiva, y un sumidero si es negativa. Esta
ecuación es más general que la ecuación (A.5.2) ya que incluye al ambiente.
Si todos los valores de bi son iguales a cero, tendremos un sistema aislado. El
sistema estará en un estado de equilibrio si todas las dxi/dt son iguales a cero.
Tendremos, entonces, que el sistema (A.5.9) será uno de ecuaciones lineales
homogéneas, a partir del cual es posible obtener los valores de xi de las concen-
traciones que garantizan tal estado. En este caso la única solución posible es la
solución trivial xi = 0. Por lo tanto, es necesario tener en cuenta dos condiciones
adicionales: primero, que de acuerdo con la ley de la conservación de la mate-
ria, la suma total de las masas debe ser la misma, o en términos matemáticos:
n
/ dx /dt = 0, 6i (A.5.10)
i
i=1
En este caso, el nuevo sistema tendrá sólo n-1 ecuaciones independientes,

por lo que las soluciones serán infinitas. Es necesario, entonces, imponer una
segunda condición, como por ejemplo, para el caso aislado, considerar que la
suma de las concentraciones se conserva (es igual a una constante C):
n
/ x = C, 6i (A.5.11)
i
i=1
500
El estado estable (estado de equilibrio) dependerá ahora de C y no todos los

bi serán iguales a cero.
Consideremos ahora al sistema abierto, es decir, con fuentes y sumideros. En
este caso no todos los bi son nulos. El sistema puede tener un estado estable,
que no depende de las concentraciones iniciales. Si se cambian dichas concentra-
ciones, el sistema tenderá al mismo estado estable tan pronto se deje de influir
en el. Este estado dependerá sólo de los valores de aij y no de los bi. En otras
palabras dependerá sólo de las relaciones (los aij, y del ambiente, los valores
de bi ). El sistema es equifinal. El sistema se autoorganiza.
Consideremos ahora un caso más complejo, en el cual las variables entre
sí interactúan, además de las otras características indicadas en la ecuación
(A.5.9). Este sistema se expresa mediante el sistema de ecuaciones diferenciales
ordinarias:
n n n
dxi /dt = / / a ijk x j xk / bij x j + C, i = 1, 2, ..., n (A.5.12)

j=1 k=1 j=1
Aquí las reacciones químicas ocurren como consecuencia de las colisiones en-
tre moléculas de las diferentes sustancias involucradas (son los términos xj xk).
Esta ecuación es isomorfa con varios tipos de fenómenos, como por ejemplo
la relación predador-presa indicado por la ecuación (III-7) del capítulo 3. Se
invita al lector a que desarrolle la equivalencia, teniendo en cuenta que n = 2.
El modelo también permite describir el proceso de reproducción debido a los
encuentros de miembros de sexos opuestos, de la misma especie.
Incluso se puede pensar en la posibilidad de modelar una población humana
dividida en grupos, cada uno de ellos caracterizado por patrones complejos de
opiniones o creencias (religiosas, políticas…). Los contactos entre miembros
pueden resultar en aceptaciones o modificaciones de los patrones descritos,
generando crecimiento o decrecimiento de las subpoblaciones consideradas.
A.5.3 La propuesta de O. Lange

Recordemos que el elemento activo se define como una caja negra con entradas,
salidas y relaciones entre ellas (figura A.5.1).
501
Existe, pues, una relación que se puede medir entre los estados de entrada y los
de salida del elemento activo Er mediante una transformación T(r). Podemos
escribir, como relación válida para la figura A.5.1:
X( r) Er Y( r)
Elemento activo
Fig. A.5.1
Y(r) = T(r) (X(r)) (A.5.13)
Para calcular la transformación T(r), se analiza cómo un cambio en el valor

de la componente j del vector X(r), que designaremos como ∆x j afecta a la
r
componente i del vector Y(r), sin que se modifiquen las otras componentes. Se
define la expresión:
yir
aij  , xkr  0, k  j, i  1,2,..., n; j  1,2,..., m. (A.5.14)
xir
Estos coeficientes de efectos parciales formarán una matriz de n renglones y

m columnas, la cual se denotará por A. Por lo tanto:
RS V
SSa11 a12 g a1mWWW
A = SS h h j h WW (A.5.15)
SS W
an1 an2 g anmW
T X
La transformación toma la forma:
Dy = ADx (A.5.16)
502
La matriz de transformación A puede ser una matriz de coeficientes lineales,

de coeficientes no lineales o de coeficientes continuos, es decir, expresa la
transformación mediante un sistema de ecuaciones lineales, de funciones o
de ecuaciones diferenciales.
Es posible establecer acoplamientos entre elementos activos, de tal manera que
algunas de, o todas las salidas de uno de ellos, se acople a algunas (o todas) las
entradas del otro. Incluso, un elemento activo puede influir en otro elemento
que le antecede formando un lazo de retroalimentación.
Para ello se define una matriz de acoplamientos entre componentes (salidas y
entradas), matriz compuesta de ceros y unos, según que una componente de la
salida de un elemento activo Er, se convierta en la componente de una entrada
de otro elemento activo Es. La figura A.5.2 ilustra este hecho.
X(r) Er Es Y(s)
Acoplamiento de elementos activos

Fig. A.5.2
Nótese que no todas las salidas de Er se convierten necesariamente en entradas
de Es. Esta “matriz de acoplamiento” (que será cuadrada y tendrá como número
de filas el máximo número de componentes de los vectores de entrada de Es o
de salida de Er.) se designará por Crs.
Las relaciones entre las salidas de Er y las entradas de Es se expresan mediante
la ecuación:
X(s) = Crs Y(r) (A.5.17)
Cuando un elemento activo no se conecta con otro, por ejemplo el elemento

Ej no se conecta con el elemento Ek, entonces Cik es igual a la matriz nula (una
503
matriz cuyas componentes son todas cero). Con esta convención cualquier
sistema, con un número finito de elementos, se podrá representar, con respecto
a sus acoples mediante una matriz S (A.5.18), que denominaremos “matriz
estructural del sistema”, siendo N el número de elementos activos del sistema
en cuestión. Por definición de elemento activo, Cii = 0.
RS V
SS 0 C12 C13 g C1NWW
SC21 0 C23 W
g C2NWW
S = SSS
j h WW (A.5.18)
W
SS h h h
W
SCN1 CN2 CN3 g 0W
T X
Definiendo al vector de estados de entrada X = (X(1),X(2), ... X(n)) y el vector

compuesto de estados de salida del sistema Y = (Y(1),Y(2), ... Y(n)) es posible de-
mostrar que:
R = TS
P = ST (A.5.19)
en donde Rrs = CrsTr y Prs = TsCrs.

A partir de las consideraciones anteriores, es posible obtener, si los elementos
activos son acoplados, el siguiente resultado:
X’ = TS (X)
Y’ = ST (Y) (A.5.20)
504
A.6.1 Tipos de energía y sus transformaciones

La energía se puede manifestar de diferentes maneras: por movimiento (ci-
nética), por posición (potencial), por calor, por electricidad, por radiaciones
electromagnéticas, por reacciones atómicas…
Lo anterior permite clasificar las energías en:
• Energía mecánica.
• Energía térmica.
• Energía eléctrica.
• Energía radiante.
• Energía química.
• Energía nuclear.
La energía está continuamente transformándose, de modos más útiles a menos
útiles. La química, que se libera en la explosión de la dinamita se convierte
parte en calor, parte en energía cinética al arrojar empaques y compuestos de
la dinamita. Una parte del calor generado podría, eventualmente, transfor-
marse en otro tipo de energía (por ejemplo, trabajo al deformar un cuerpo o
partirlo en pedazos); el resto se disiparía. La energía cinética, al caer al suelo
y perder movimiento las partes lanzadas, no puede ser recuperada en forma
de energía potencial.
La degradación de la energía es común en todo tipo de proceso en la naturaleza.
Así, la energía eléctrica se degrada en calor al pasar por una resistencia. La
energía química se degrada en calor cuando produce combustión. La energía
mecánica se degrada en calor por choque o rozamiento. Por esta razón se
dice que la energía calórica es degradada: esta energía no puede recuperarse
completamente para ser transformada de nuevo.
Lo anterior nos lleva a definir el concepto de rendimiento energético y se ex-
presa como:
energía útil/energía total
505
Existe una cantidad inmensa de energía almacenada en todos los materiales.

Einstein concluyó que la energía contenida en una masa m era igual a mc2,
siendo c la velocidad de la luz.
Como las moléculas (y obviamente los átomos) viven en constante movimiento
y, además, poseen energía potencial con respecto a las moléculas vecinas, es
de esperar que ellas generen calor. ¿Por qué, entonces no se queman las hojas
de los libros? Hewitt (2004, p. 343) explica que esta energía está almacenada
como energía química, que es en realidad energía potencial eléctrica a nivel
molecular, otra interesante forma de transformación de energía. Toda la energía
almacenada en un cuerpo, es decir que se encuentra dentro de la sustancia del
mismo, se denomina energía interna.
Finalmente, aclaremos que el calor es energía que se transfiere de un lugar a
otro, por lo general por choques moleculares. El calor es energía en tránsito.
De acuerdo con esto, la primera ley de la termodinámica puede enunciarse
de la siguiente manera:
Cuando el calor fluye hacia o desde un sistema, el sistema gana o pier-

de una cantidad de energía igual a la cantidad de calor transferido.
“Por sistema se entiende un grupo bien definido de átomos, moléculas, partí-

culas u objetos” (Hewitt Op. Cit.). Se debe poder definir, claramente, lo que hay
dentro del sistema y lo que hay fuera de él. Esta diferenciación es fundamental
para comprender cabalmente la primera ley de la termodinámica. Un sistema
puede recibir, de “afuera”, es decir, del ambiente, energía calórica. Esta energía
puede ser utilizada de dos maneras:
• Para aumentar la energía interna del sistema, si se queda en él, como cuando
calentamos agua en una estufa.
• Para efectuar trabajo sobre elementos fuera del sistema, como utilizar el
vapor para mover una rueda.
Por esta razón, otra forma de expresar la primera ley es:
ΔQ = ΔU + ΔW (A.6.1)
en donde ΔQ es el calor agregado al sistema, ΔU es el incremento de energía

interna y ΔW el trabajo efectuado por el sistema sobre el ambiente. Los dos
506
procesos se pueden efectuar simultáneamente. En tal caso el aumento de ener-

gía interna debe ser inferior al que tendría el sistema si no realizara trabajo.
Para el cálculo de la ecuación, la energía que entra es positiva y el trabajo que
sale es positivo.
No hay manera de que la salida de energía sea mayor que la entrada de energía:
la energía del sistema + la del ambiente es constante.
Si lo que se le agrega al sistema es trabajo, entonces la energía interna deberá

aumentar: es el calentamiento que sufren los metales cuando son taladrados.
Para comprender cómo se distingue la energía de trabajo de otro tipo de energía,
podemos hacer la analogía de que ella puede gastarse completamente subiendo
pesas o comprimiendo resortes.
Recordemos que en el numeral 3.6 se indicó que calor y trabajo son las dos
únicas formas de energía en las cuales el intercambio energético no incluye
transferencia de materia.
A lo largo de este texto a la energía se le han dado cualidades como energía
degradada, energía inútil...
Roldán (2014) dice que esta manera antropomórfica de referirse a la energía,
no es conveniente para un tratamiento científico del tema. Dos conceptos
permiten establecer un vocabulario más preciso. Para ello rige la ecuación:
energía = exergía + anergía.
La definición de energía como capacidad de realizar trabajo tiene la dualidad
de que, siendo el trabajo un tipo de energía estaríamos diciendo que "la energía
es la capacidad de transformarse en energía”.
La energía se presenta en diversas formas, como ya se indicó. Sin embargo no
todas las transformaciones permitidas por la segunda ley, suceden. La energía
eléctrica puede en principio transformarse totalmente en trabajo. En cambio la
energía calórica no puede ni en principio, transformarse totalmente en trabajo.
Para establecer una diferencia cualitativa se han introducido los conceptos de
exergía y anergía.
La definición de exergía es: “la máxima cantidad de energía que en principio
puede transformarse en trabajo en unas circunstancias dadas; por ello Dincer
y Cengel afirman que no es una propiedad termodinámica sino más bien una
507
copropiedad del sistema y su ambiente”. Aquella energía, que en principio no

pueda convertirse en trabajo, se denomina anergía.
Cuando decimos que todo el trabajo puede convertirse en calor, aunque en la
realidad no se dé, en principio sí. Diremos que la fuente de energía está com-
puesta sólo de exergía. Cuando decimos que no todo el calor puede convertirse
en trabajo, ni siquiera en principio (o como se dice comúnmente, en teoría),
entonces hablaremos de anergía.
Para el caso de la máquina térmica, una parte del calor se puede convertir en
trabajo, por lo tanto hablaremos de exergía; la parte que no puede hacerlo la
denominaremos anergía. Por lo tanto, cuando crece la entropía, disminuye la
exergía, aumentando la anergía.
Finalmente podemos entonces decir que la exergía es la capacidad de realizar
trabajo. La frase común “consumo de energía” y “conservación de energía”, se
debe cambiar por “consumo de exergía”, y “conservación de anergía”. En los
procesos naturales e industriales aumenta la anergía y disminuye la exergía.
A.6.2 Ley de Fourier:

propagación del calor
Cuando dos sustancias se encuentran a diferentes temperaturas, los experi-
mentos muestran que hay una distribución continua de temperatura entre ellas
(Halliday & Resnick, 1963, p. 471-). La transferencia de energía que resulta de
la diferencia de temperaturas entre partes adyacentes se denomina conducción
de calor.
Consideremos una lámina de material de sección transversal de área A y espe-
sor ∆x, cuyas caras están a temperaturas diferentes. Podemos medir el calor Q
que fluye perpendicularmente a sus caras, desde la temperatura más alta (Ta)
a la más baja (Tb), durante un tiempo t (ver figura A.6.1).
Los experimentos demuestran que Q es proporcional al tiempo t y al área A
para una diferencia de temperatura ∆T y que Q es proporcional a ∆T/∆x para
un tiempo t y un área A dados, siempre y cuando tanto ∆T como ∆x sean
pequeños.
508
Ta Tb
Ta> Tb Q A
x
Flujo de calor en una lámina de espesor ∆x

Fig. A.6.1
Por lo tanto:
Q/t 3 ADT/Dx (A.6.2)
En el límite, para una lámina de espesor infinitesimal dx, a través de la cual

hay una diferencia de temperatura dT, es posible establecer la ley fundamental
de la conducción de calor:
dQ / dt  kAdT / dx (A.6.3)
Aquí dQ/dt es la tasa por unidad de tiempo de la transferencia de calor, dT/dx se

denomina el gradiente de temperatura, y k es una constante de proporcionalidad
llamada conductividad térmica. Se escoge la dirección del flujo de calor en la
dirección en la cual x aumenta. Como el calor fluye en la dirección en la cual
decrece T, introducimos un signo negativo en la ecuación anterior, es decir,
dQ/dt es positivo cuando dT/dx es negativo.
Una sustancia con un valor de k grande es buena conductora de calor. Si k es
pequeño, es buena aislante.
Retomemos el análisis hecho con base en la figura 6.3. Una barra metálica ais-
lada, de área A, colocada entre dos fuentes de calor de temperaturas diferentes
alcanza su estado estable (ver figura A.6.2).
509
Aislante
Temperatura Temperatura
fija Ta Flujo de calor → fija Tb
Ta > Tb
Conducción de calor a través de una barra aislada

Fig. A.6.2
Aplicando la ecuación de la conducción de calor, tendremos que la expresión
dQ/dt es la misma a lo largo de cualquier sección de la barra. De acuerdo con
dicha ecuación, como k y A son constantes, entonces el gradiente de temperatura
dT/dx será el mismo a lo largo de todas las secciones de la barra. Por lo tanto
T decrece linealmente a lo largo de la barra y dT/dx= (Tb-Ta)/L. Entonces, el
calor transferido Q en el tiempo t está dado por:
Q/T =- kA (Tb - Ta) /L (A.6.4)
El fenómeno de la conducción de calor nos muestra claramente que el concepto

de calor y temperatura, aunque relacionados, son muy diferentes. El flujo de
calor a lo largo de una barra no es lo mismo que la diferencia de temperatura
entre sus extremos. Diferentes barras, con la misma diferencia de temperatura,
pueden transferir cantidades muy diferentes de calor, en el mismo tiempo.
Como se dijo en el texto que referenció este literal, se enfrentan nuevas pro-
piedades a viejas ideas fuertemente establecidas: gravitación y calor.
A.6.3 Termodinámica reversible

Debemos definir primero dos conceptos: propiedades intensivas y propiedades
extensivas.
Una propiedad es intensiva si ella es independiente del tamaño o extensión del
sistema, como ocurre con la fuerza. La propiedad es extensiva si depende del
510
tamaño o extensión del sistema, como en los desplazamientos. Las propiedades

extensivas se suman (longitud, masa, volumen…180).
Las propiedades extensivas toman valores bien definidos en cada punto del
sistema: su manifestación es un promedio de acciones individuales, como es
el caso de la presión y la temperatura.
La ecuación que define el trabajo de un sistema es:
dW = Fdx
o (A.6.5)
W = # Fdx
siendo F la fuerza y x el desplazamiento.

Esta ecuación relaciona dos tipos de propiedades diferentes: una intensiva y
una extensiva.
Sólo cuando las propiedades intensivas y extensivas pueden expresarse como
funciones continuas unas de otras, se puede utilizar el cálculo infinitesimal;
tal es el caso al calcular W mediante la integral descrita en A.6.5. Y esto sólo
es posible cuando las propiedades de los estados del sistema son uniformes
e invariantes en el tiempo, como ocurre con la presión y el volumen de un
gas. En estos casos, se dice que los estados están en equilibrio. La ecuación
que define a W sólo es aplicable si el trabajo se realiza a través de una cadena
sucesiva de estados de equilibrio. Estos procesos se llaman reversibles o casi
estáticos. En estos procesos las propiedades del sistema están siempre en o
infinitesimalmente cercanas a sus valores de equilibrio. Una mínima diferencia
en una de las propiedades puede incrementar o devolver el proceso, sin alterar
el equilibrio del sistema.
A.6.4 El ciclo de Carnot

Es un ciclo teórico, propuesto en 1824 por Sadi Carnot. Este ciclo determina
los límites bajo los cuales se puede convertir el calor en trabajo. Consideremos
180. Recordemos el concepto de propiedad fundamental.
511
un cilindro aislado por todas partes, menos en su base, que contiene un gas
ideal, el cual se caracteriza por su presión, volumen y temperatura (p, V, T)181.
El proceso completo se realiza a través de dos procesos isotérmicos (a tempe-
ratura constante) y dos procesos adiabáticos (sin intercambio de calor con el
entorno), ambos reversibles. El ambiente de este sistema está formado por dos
recipientes calóricos, de gran capacidad calórica, a temperaturas T1 y T2, tales
queT1> T2 y dos bases no conductoras de calor. El ciclo se realiza en cuatro
etapas tal como lo ilustra la figura A.6.3 (Halliday & Resnick, Op. Cit., p. 534-).
V2 V3
V2
V3
Q2 V4
V1 V4
Q1 V1
T1 Aislado T2 Aislado
Expansión Expansión Compresión Compresión
isotérmica (1) adiabática (2) isotérmica (3) adiabática (4)
Máquina bajo el ciclo de Carnot

Fig. A.6.3
El dibujo (1) de la figura A.6.3 representa el sistema en el estado (p1, V1, T1).
Éste absorbe una cantidad de calor Q1 de un recipiente calórico que se encuen-
tra a la temperatura T1. El calor transferido del recipiente de temperatura T1
hace que el gas se expanda y alcance un volumen V2 a la temperatura T1: la
presión disminuye a un valor p2. Es el dibujo (2), de valores p2, V2, T1. Ahora
el gas es retirado de la fuente de calor de temperatura T1 y depositado en una
base aislada; la expansión continúa, siendo una expansión adiabática ya que
no entra ni sale calor del sistema. Se alcanza el estado p3, V3, T2: dibujo (3) de
la figura (A.6.3). Durante este proceso, el cambio de volumen produce trabajo
al hacer ascender el pistón; este consumo de energía hace que la temperatura
descienda a T2.
Se pone el cilindro sobre el recipiente calórico de temperatura T2 (menor que
T1), y el gas es comprimido lentamente hasta alcanzar el estado (p4, V4, T2)
181. Debemos recordar que la temperatura de un gas es directamente proporcional
al total de la energía cinética translacional de sus moléculas.
512
(dibujo (4)). Durante este proceso una cantidad de calor Q2 es cedido por el
sistema al recipiente calórico. La compresión es isotérmica a la temperatura
T2 y se realiza trabajo sobre el gas, por el pistón.
De nuevo se pone el cilindro en una base no conductora y el gas se comprime
aún más hasta alcanzar la condición inicial (p1, V1, T1). Como durante esta
parte del proceso ni entra ni sale calor del sistema, la compresión es adiabá-
tica. Se realiza trabajo sobre el gas y su temperatura se eleva a T1. El aumento
neto de calor recibido por el sistema durante este ciclo es Q1 - Q2 El ciclo
se describe mediante el siguiente diagrama p -V, indicado en la figura A.6.4
para un gas ideal.
P
p1 a
Q1
p2 b
p4 T1
d Q2
p3 c T2
V
V1 V4 V2 V3
Ciclo de Carnot
Fig. A.6.4
Los puntos a, b, c, d de esta figura corresponden a los estados descritos por los
numerales (1), (2), (3) y (4) de la figura A.6.3.
El trabajo realizado por el sistema es el área dentro de las cuatro curvas indi-
cadas. Es equivalente a:
W = Q1 - Q2 (A.6.6)
El rendimiento de esta máquina es dado por la expresión:
513
e = 1 - T2 /T1
que es mayor a la de cualquier otra máquina que funcione cíclicamente entre

estas dos temperaturas.
A.6.5 Entropía e irreversibilidad

Es posible demostrar a partir del ciclo de Carnot, que cuando hay intercambio
de calor bajo un proceso isotérmico entre dos procesos adiabáticos (literal
A.6.4), la siguiente ecuación se cumple: Q1 /T1 = Q2 /T2 . Recordemos que Q1
es el calor absorbido por el sistema en un proceso isotérmico a temperatura
T1; Q2 es el cedido por el sistema en un proceso isotérmico a temperatura T2.
Recordando que el calor absorbido es positivo y el cedido negativo, la ecuación
se escribirá: Q1 /T1 + Q2 /T2= 0.
Cualquier ciclo reversible, es posible considerarlo como una sucesión de ciclos
de Carnot convenientemente dispuestos. Tales ciclos cumplen con la relación:
# dQ/dT = 0 (A.6.7)
El sistema absorbe una cantidad infinitesimal de calor (dQ) a la temperatura

absoluta T. El cálculo de la integral sólo depende de los estados 1 y 2 y no de
las trayectorias seguidas. Por lo tanto, dQ/dT es una propiedad del sistema,
como lo es la energía interna. Esta propiedad se llama entropía del sistema y
se designa por S. Si S1 es la entropía del estado 1, y S2 es la entropía del estado
2, entonces:
2
S1 − S2 = ∫ dQ / dt (A.6.8)
1
que es la diferencia en entropía cuando se va del estado 1 al estado 2 a lo largo

de una trayectoria reversible. Para un segmento infinitesimal de una trayectoria
reversible: dS=dQ/T es el cambio infinitesimal en entropía. Cuando se analiza
un sistema desde el punto de vista de la entropía, es el cambio de ésta lo que
realmente tiene significado.
514
De todo lo anterior se concluye que el cambio de entropía en un ciclo reversi-

ble es cero. Se dice que la entropía es una medida de la capacidad de realizar
trabajo de un sistema. Veamos porqué.
Consideremos la expansión libre de un gas aislado (figura A.6.5).
Aislante
térmico
Expansión libre
Fig. A.6.5.
El gas, confinado en una parte del recipiente, se expande hacia el vacío cuando
la válvula se abre. El recipiente es rígido y está aislado. No se ejerce trabajo
sobre el gas ni existe transferencia de calor. Por la primera ley de la termo-
dinámica (dU = dQ-dW), no hay cambio de energía interna en el sistema ya
que dQ = dW, y como conclusión dU =0.
En el caso de un gas ideal, U sólo depende de su temperatura por lo que tam-
poco hay cambio en T.
515
Sin embargo, para volver el gas a su estado original, se requiere realizar traba-
jo para comprimirlo. Por lo tanto, debido al proceso de expansión, el gas ha
perdido parte de su capacidad de realizar trabajo. Este proceso de expansión
es un proceso irreversible. Más sobre el tema en A.6.7.
A.6.6 Cálculo del máximo valor

de la entropía
Se trata de hallar los valores de pi que maximicen la función de entropía, con
la condición que las probabilidades totales sumen 1.
Max S = k / pi ln (pi)
i ( A.6.9)
/p =1 i
i
Utilizando los multiplicadores de Lagrange, tenemos la siguiente función z a

maximizar:
Max z =- k / pi ln (pi) - m (/ pi - 1) (A.6.10)

i i
Para facilitar el análisis consideremos el caso para i=3.
Max z =- k !p1 ln (p1) + p2 ln (p2) + p3 ln (p3)$ - m !p1 + p2 + p3 - 1$

(A.6.11)
De acuerdo con Lagrange:
2z/p1 �=- k [�
p1 2ln (p1) /�2p1 + ln (p1)] - m�= �
0
2z/p2 �=- k [�
p2 2ln (p2) /2p2 + ln (p2)] � 0
- m�= � (A.6.12)
2z/p3 �=- k [�
p3 2ln (p3) /2p3 + ln (p3)] �- m�= �
0
516
Sabemos que ∂ln(pi)/∂pi =1/pi , por lo tanto:
2z /p1 �=- k [p1 (1/p1) + ln (p1)] - m�

�= �
0
2z/p2 �=- k [p2 (1/p2) + ln (p2)] - m� 0 (A.6.13)
�= �
2z/p3 �=- k [p3 (1/p3) + ln (p3)] - m� �= �
0
De esto resulta el siguiente sistema de ecuaciones:
ln (p1) + (m + k) = 0
ln (p2) + (m + k) = 0 (A.6.14)
ln (p3) + (m + k) = 0
Podemos deducir que: ln(p1) = ln(p2) = ln(p3) y por lo tanto el máximo se

encuentra cuando:
p1 = p2 = p3 = 1/3 (A.6.15)
En forma general, la entropía alcanza su máximo valor cuando las probabili-

dades son todas iguales a 1/n, siendo n el número de estados del sistema.
A.6.7 ¿El mundo es ordenado o desordenado?

Podríamos modificar la pregunta: ¿es mejor concebir el mundo como orde-
nado o como desordenado? Es evidente que pensar que en el mundo existe
cierto orden, nos permite concebir opciones de explicación del mismo. De
otra manera, no sería posible establecer regularidades (leyes) que permitieran
simplificar su complejidad.
Desde un punto de vista religioso, un Dios tendría que haber creado un universo
cada vez más ordenado. Pero si miramos este problema desde el punto de vista
de la física nos encontramos con una situación muy diferente. Se dice que la
entropía en el universo crece y que, a su vez, ésta es una medida de desorden.
Por lo tanto, el desorden en el universo debe aumentar.
517
Hemos dicho que la entropía mide la pérdida de capacidad de convertir todo el

calor en trabajo de un sistema debido a que cierta cantidad de energía calórica
se disipa y no es recuperable en ninguna forma de energía útil. Por su parte,
el desorden es una medida de nuestra ignorancia respecto a cómo medir las
diversas variables de un sistema. Desorden significa total ignorancia.
La entropía de un sistema puede alterarse importando energía o información
del ambiente que lo rodea. Sin embargo, la entropía del sistema, más la del
ambiente, crecerá. Esto se debe a que la energía consumida o la información
generada producen calor y el balance final es a favor del crecimiento de la
entropía.
Como puede deducirse, este tema está íntimamente relacionado con el pro-
blema de la reversibilidad de las leyes físicas. Volvamos al ejemplo del gas
confinado en un recipiente dividido por una pared que posee una trampa.
Supongamos que inicialmente en la sección izquierda se encuentra un gas de
color azul (sus moléculas son azules).Al otro lado se encuentra un gas, en la
misma cantidad que el azul, de color transparente (digamos “blanco” para fijar
ideas). Al abrir la trampa, poco a poco los dos gases se mezclan produciendo
un gas de color azul claro. Esto se debe a que las moléculas chocan unas con
otras en forma aleatoria. Si esperáramos cierto tiempo jamás pensaríamos que
los gases pudieran de nuevo, fruto de su movimiento molecular, volver a su
estado inicial. El proceso es, pues, irreversible.
Sin embargo, como comenta Feynman (2010, p. 124-) si ampliáramos una
sección cualquiera del gas, observando sólo algunas de las moléculas, su com-
portamiento sería reversible. Si al filmar esta sección pasamos la película al
derecho o al revés, sólo veríamos choque de moléculas obedeciendo las leyes de
la física. Nada podría indicar que uno de los procesos observados es imposible.
Bajo mediciones precisas, el proceso es reversible. Sin embargo, al considerar
millones de moléculas, la película en la cual ellas empiezan a diferenciarse
entre azules en un lado del recipiente y blancas en el otro sería considerada
la filmación pasada al revés. Feynman dice que “al final la irreversibilidad
no es más que el resultado de los accidentes generales de la vida (p. 125)”. El
evento es posible que ocurra, pero es improbable. Si el experimento se realiza
con pocas moléculas, sí es probable que se dé la separación entre moléculas
"azules" y “blancas”.
518
[ ] Así pues, la aparente irreversibilidad de la naturaleza no surge de la

irreversibilidad de las leyes fundamentales de la física, sino del hecho
de que, si se parte de un sistema ordenado y se deja a merced de los
accidentes de la naturaleza (las colisiones moleculares), el sistema cam-
bia en un único sentido.
La cuestión siguiente es: ¿de dónde surge el orden en primera instancia?
En otras palabras, ¿cómo es posible partir de un estado ordenado? La
dificultad radica en que empezamos con un sistema ordenado y acaba-
mos en el desorden. Nunca se llega a otro estado ordenado. Una de las
reglas del mundo es que se pasa del orden al desorden.
Teniendo en cuenta que, de acuerdo a la física actual, a cada partícula material

de masa m le está asociado un campo gravitacional de energía -mc2 (es decir,
el campo gravitatorio de la partícula tiene energía negativa), se puede concluir
que en un universo en expansión, por efecto de la gravedad, se forman grupos
de materia concentrada, y que están separados por grandes extensiones de va-
cío, una situación que está lejos del universo uniforme que predice el segundo
principio de la termodinámica. “La gravedad atrae los objetos hasta juntarlos
en grupos, creando más orden y reduciendo al mismo tiempo la entropía” (J.
Gribbin, Op. Cit. p. 176). Prigogine ha tratado de explicar estos fenómenos a
través de las estructuras disipativas.
En el mundo macro se observan fenómenos reversibles así como irreversibles.
¿Pero qué ocurre en el mundo de los átomos y de las moléculas?
Como se ha indicado en este texto, Boltzmann (también Maxwell) descubrie-
ron que el aumento de entropía en los sistemas cerrados tiene una naturaleza
basada en las probabilidades: hay una probabilidad no nula de que la entropía
decrezca espontáneamente. Para el caso de los sistemas macroscópicos esta
probabilidad es inmensamente pequeña. En el mundo micro estas violaciones
efímeras de la segunda ley de la termodinámica son fácilmente observables. Tal
es el caso del movimiento Browniano en el cual la energía de un baño térmico
se convierte en energía potencial.
Poincaré escribía (1958, p. 98):
Vemos ante nuestros ojos cómo el movimiento es transformado en calor
gracias a la fricción, y el calor reconvertirse en movimiento, y todo esto sin
ninguna pérdida, ya que el movimiento dura para siempre. Esto contradi-
ce el principio de Carnot.
519
Desde un punto de vista práctico, se ha observado que algo similar ocurre en

las células vivas con la transducción de las proteínas. Desde una perspectiva
teórica, la formulación de una estadística termodinámica para trayectorias
aleatorias y los llamados teoremas de la fluctuación han permitido una mejor
comprensión de las propiedades estadísticas sobre el trabajo y el calor disipado
en procesos de sistemas pequeños.
É. Roldán (2014) propone que si la irreversibilidad es un fenómeno de pro-
babilidades, es posible medirla comparando la probabilidad de observar un
proceso con la probabilidad de observar el proceso contrario. La herramienta
es la divergencia de Kullback-Leibler de la teoría de la información, que mide
cuán diferentes pueden ser dos distribuciones de probabilidad. Más intere-
sante aún es que esta medida de irreversibilidad es proporcional al aumento
de entropía durante el proceso. Esto recupera el hecho bien conocido de que
ante un aumento macroscópico de la entropía (mucho mayor que la constante
de Boltzmann) es prácticamente imposible observar una reversibilidad en el
tiempo.
Más de un siglo después de la explicación del movimiento Browniano dado por
Einstein, las fluctuaciones parecen permanecer como explicación crucial para
entender cómo el mundo macroscópico emerge de la dinámica microscópica.
En uno de los experimentos se demuestra cómo la ruptura de la simetría puede
ser explorada utilizando los teoremas de la fluctuación. Esto implica que tal
ruptura es universal, es decir, no depende de la naturaleza física del sistema
o del proceso que pudieran inducirla. Lo que aparece es un decrecimiento de
entropía en un sistema aislado, lo que obligaría a reconsiderar algunos de los
aspectos básicos de la segunda ley de la termodinámica.
Queda un gran camino para investigar.
A.6.8. Algunas ideas adicionales sobre

conjuntos difusos
Como indicamos en el capítulo 4 numeral 4.3, un conjunto difuso es una apli-
cación de la función ma(x) en el intervalo [0,1]182. Si X es un conjunto universal
de referencia, y A es un conjunto de X, tendremos que el conjunto difuso A
se define como el par:
182. Algunas ideas son extractadas de Dubois & Prade.
520
A = {(x, �
m A (x)), �
x ! X} (A.6.16)
A partir de la teoría de estos conjuntos es posible definir el concepto de núme-

ro difuso lo cual permite realizar mediciones difusas. Supongamos que para
cierto cálculo necesitamos un valor de 7.0; pero si se nos pregunta qué pasaría
si el resultado obtenido fuera 6.9 o 7.1 tal vez esto no haría mucha diferencia.
Presionando aún más el análisis podríamos preguntar si el número 6.8 serviría.
Esto nos llevaría a proponer el número difuso 7 de acuerdo con la función
m7(x) ilustrada en la figura A.6.6.
1.0
0.8
0.6
0.4
0.2
0.0
6.6 6.8 7.0 7.2 7.4
Número difuso 7
Fig. A.6.6
Para analizar las relaciones entre los diferentes elementos de un conjunto, la
teoría ha definido operaciones para las llamadas relaciones difusas. Una relación
difusa típica es: “x es de mucha más edad que y”.
Aclaremos primero el concepto de producto cartesiano. Sean dos conjuntos
A={a1, a2,…, an} y B={b1, b2,…, bm}. El producto cartesiano A×B se define
como el conjunto resultante de todos los pares ordenados posibles entre los
elementos de A y los de B:
A # B = E(a1, b1), (a1, b2), ..., (a2, b1), (a2, b2), ..., (an, bm) H (A.6.17)
Sean X 1 , X 2 , ... , Xn , n universos. Una relación difusa n-aria R en

X1×X2× ... ×Xn, es un conjunto difuso en X1×X2× ... ×Xn, con funciones de
pertenencia
mR : m1×...× mR → [ 0,1] y puede ser representada por la expresión:
521
R= / mR (x1, , xn) / (x1, , xn) (A.6.18)

m1 # m2 # ... # mn
Zadeh propone como ejemplo: si X1 ={Tom, Dick} y X2 ={John, Jim} en-

tonces la relación de “parecidos” entre miembros de podría definirse
como:
0.8 0.6 0.2 0.9

R= + + +
(Tom, �
John) (Tom, �
Jim) (Dick, �
John) (Dick, �
Jim)
(A.6.19)
También las restricciones caen bajo la consideración de esta teoría. Un buen

símil es una maleta que se deja expandir. Decidir lo que cabe allí o no, no es
un asunto “nítido”. A veces retirando un elemento se puede acomodar otro,
permitiendo que la maleta quede un poco más voluminosa.
El concepto de variable difusa permite ampliar el dominio de aplicación de esta
teoría. Volviendo a nuestro ejemplo de la maleta en la cual queremos llevar
diversos objetos que tienen cierto grado de facilidad de ser acomodados, es
posible asignar a cada objeto un “grado de facilidad” y decidir qué es lo más
conveniente de llevar y qué no.
Todo esto lleva a la propuesta de una lógica difusa (o lógica polivalente).
En la lógica tradicional, el hecho de que un elemento pertenezca o no a un
conjunto, permite definir una serie de operadores lógicos los cuales a su vez
establecen reglas precisas de razonamiento. De manera similar a la simbolo-
gía de la lógica tradicional (lógica bivalente), en la lógica difusa es necesario
definir un número mínimo de operadores lógicos: negación (~), disyunción
(∧) y conjunción (∨). Como existen varias formas de definir estos operadores,
aquí se da la particularidad de proponer varias formas de lógica difusa. Esta
ampliación de las reglas de razonamiento permite modelar de manera muy
acertada el razonamiento humano. Por esta razón, hemos dicho que con esta
nueva matemática, el modelado de ciertos sistemas complejos se ha facilitado
enormemente.
Sólo como ilustración indicaremos algunas definiciones para la negación, la
unión, la intersección y el complemento en conjuntos difusos.
Negación. La negación se refiere al valor de verdad de una proposición P: v(P).
522
v (+ P) = 1 - v (P) (A.6.20)
Unión e intersección. Zadeh ha propuesto la siguiente definición para la unión

y la intersección de dos conjuntos difusos A y B:
6x ! X, m A , B (x) = max (m A (x), mB (x))

(A.6.21)
6x ! X, m A + B (x) = min (m A (x), mB (x))
en donde mA∪B(x) y mA∩B(x), son las funciones de pertenencia de A∩B y A∪B,

respectivamente. Para el caso de los conjuntos nítidos, esta definición coincide
con la definición tradicional de unión e intersección.
Interpretamos la unión de A y B como el conjunto difuso más pequeño que
contiene tanto a A como a B. La intersección es el conjunto difuso más grande
que contiene a A y a B.
Debemos tener en cuenta que siempre que estemos hablando de conjuntos
difusos, es necesario relacionarlos con la función de pertenencia, tal y como
la definición lo sugiere.
Refiriéndonos al numeral 6.2 (cap. 6) para los conjuntos J y V (jóvenes y viejos
respectivamente), tendremos que el grado de pertenencia de una persona de
30 años para ser joven o vieja es de:
mJ , v (x = 30) = max (mJ (x = 30), mV (x = 30))

(A.6.22)
= max (0.9, 0.1) = 0.9.
Por otra parte, el grado de pertenencia de una persona de 30 años, de ser joven
y vieja al mismo tiempo será de:
mJ + V (x = 30) = min (mJ (x = 30), mV (x = 30))

(A.6.23)
= min (0.9, 0.1) = 0.1.
Ser joven y viejo a los 30 años tendría un grado de pertenencia de 0.1.
523
Existen otras formas de definir la unión y la intersección que no las indicare-

mos en este texto.
Complemento. En el numeral 6.2 vimos el complemento de Zadeh. Un concepto
más general es el complemento-λ (Āλ) de A:
1 - m A (x)
m A (x) =
m , m ! (- 1, 3) (A.6.24)
1 + mm A (x)
También es posible hablar de conjuntos posibilísticos para los conjuntos difusos,

así como se habla de conjuntos probabilísticos para los conjuntos nítidos.
El concepto de variable lingüística −una variable cuyo valor no es un número
sino una palabra o frase− es otro elemento que amplía el marco de aplicación
de esta teoría. Evidentemente, son valores menos precisos que los valores
numéricos. De aquí que encuentren en los conjuntos difusos su natural defi-
nición. Decir “Juan es joven” es, obviamente, menos preciso que decir “Juan
tiene 25 años”. El “rótulo” o identificador “joven” puede ser considerado como
un valor lingüístico de la variable edad y que juega el mismo papel que el valor
numérico “25”, pero en forma menos precisa y de hecho, menos informativa.
Otros valores que podríamos proponer son: “extremadamente joven”, “menos
joven”, “no muy joven”, etc., como contraste con valores numéricos tales como
“15”, “35”, “42”, etc.
Las variables lingüísticas generan los lenguajes y las gramáticas difusas, que son
los fundamentos para desarrollar los lenguajes computacionales (algoritmos
difusos), los cuales permiten llevar al computador los conceptos de lo que
pudiera denominarse en forma genérica, la matemática difusa.
Una herramienta muy valiosa de este tipo de tratamiento es la posibilidad de
modelar los lenguajes naturales. Zadeh ha desarrollado un procedimiento que
llama PRUF (Possibilistic Relational Universal Fuzzy) que permite tal mode-
lado183. En esta representación, frases como “Ricardo es alto” es traducida en
términos de distribuciones de posibilidades de la variable “Alto(Ricardo)” que
asocia a cada valor de la variable un número en el intervalo [0,1], que represen-
ta la posibilidad de que “Alto(Ricardo)” pueda tomar el valor en cuestión 184.
183. Evidentemente en la actualidad existen nuevos lenguajes difusos tales como

Fuzzy Prolog y Fril por sólo citar dos.
184. Existen excelentes libros sobre el tema. Para un resumen corto ver C.A.Ossa,
2000, p. 217.
524
APÉNDICE CAPÍTULO 7 y 8
A.7.1 Complementos a la Teoría del caos

Definición del concepto de caos. Desde un punto de vista matemático, el caos
se define de la siguiente manera (Conde, 2014).
Una función f es caótica en D si cumple con las siguientes tres condiciones:
• El conjunto de puntos periódicos de f forman un conjunto denso.
• ii) f es topológicamente transitiva en D.
• iii) f es sensible a las condiciones iniciales en D.
Conjunto denso: sean J y K dos conjuntos tales que J⊂K. Decimos que J es denso
en K si ∀x∈K y ∀ε>0, ∃y∈J tal que la d(x, y) < ε.
Función topológicamente transitiva: f es topológicamente transitiva en D si
para cualquier pareja de subconjuntos (≠∅) abiertos A y B de D, existen a∈A
y n ≥ 1 tales que fn(a)∈B.
Sensibilidad a las condiciones iniciales: f es sensible a las condiciones iniciales
en D, si ∃ε>0 tal que ∀x∈D y ∀δ>0, existen y∈(x − δ, x + δ)∩D y n > 0 tales
que fn(y) − fn(x)≥ ε.
El problema de los tres cuerpos. De una manera muy simplificada, ya que el

problema en toda su extensión requiere conocimientos de cálculo infinitesimal
y física avanzados, podemos proponer lo siguiente.
Inicialmente consideremos dos cuerpos sometidos a la ley de gravitación uni-
versal, uno de ellos girando alrededor del otro como es el caso entre el Sol y la
Tierra. La figura A.7.1 muestra un esquema del modelo, destacando los aspectos
importantes. Recordemos que la velocidad tangencial tiene una componente
horizontal (eje x) que llamaremos vx y una vertical, que llamaremos vy y su
suma indica la velocidad total v (un vector) en cada punto de la trayectoria.
Sabemos que ambos cuerpos se atraen con una fuerza F igual a:
F=Gm1×m2/r2 (A.7.1)
525
v vx
vy
r m2
m1
El problema de los dos cuerpos

Fig. A.7.1
en donde m1 y m2 son las masas de los cuerpos, G es una constante gravita-
cional y r es la distancia entre los dos centros de masa. Bajo ciertos supuestos
este sistema es descrito por el siguiente sistema de ecuaciones diferenciales
ordinarias de segundo orden (S.D. Conte, 1965, p. 252):
d2 x/dt2 =- Gx/r 3
d2 y/dt2 =- Gy/r 3, r = x2 + y2 (A.7.2)
Si adicionamos otro cuerpo, el sistema a resolver es de gran complejidad. De

nuevo, sin entrar en detalles, el sistema de ecuaciones más sencillo que resuelve
este problema es:
xl = f1 = u
n (- 1 + x + n) ( 1 - n) ( x + n)
ul = f2 = 2v + x - 2 3/2 -
(y + z + (- 1 + x + n) )
2 2
(y + z2 + (x + n) 2) 3/2
2
yl = f3 = v
yn y (1 - n)
vl = f4 =- 2u + y - 2 3/2 -
(y + z + (- 1 + x + n) )
2 2
(y + z2 + (x + n) 2) 3/2
2
zl = f5 = w
zn y (1 - n)
wl = f6 =- -
(y2 + z2 + (- 1 + x + n) 2) 3/2 (y2 + z2 + (x + n) 2) 3/2
526
Estas ecuaciones no tienen solución analítica. Requieren soluciones numéricas

utilizando el computador. Se describen mediante series de tiempo divergentes.
Poincaré trató de pensar en cómo era la dinámica de estos cuerpos; su extraor-
dinaria intuición y sus enormes capacidades matemáticas lograron describir
trayectorias muy cercanas a las actualmente encontradas mediante el uso del
computador. Se dio cuenta de que pequeñas modificaciones en las condiciones
iniciales de los cálculos, producían enormes diferencias en los resultados pos-
teriores. Sin saberlo, había indagado en los fundamentos de la teoría del caos.
A.7.2 Sissa, Fibonacci y el crecimiento

exponencial
El arroz de Sissa. (Este numeral está basado en L. Smith, 2007). La historia del
ajedrez se remonta a lo que su creador, Sissa Ben Dahir solicitó al rey de Persia
como recompensa por su descubrimiento: un grano de arroz por el primer
escaque, dos por el segundo, cuatro por el tercero hasta cubrir los 64 cuadros.
En términos matemáticos la solicitud del total de granos de arroz es:
= 20 + 21 + 22 + … + 263 = 1 + (2×20 + 2×21 +2×22 + … + 2×262)
Parece sencillo. 1 + 2 + 4 + 8 + …. Si calculamos los granos de arroz para
la primera fila, tendremos: 20+21+22+23+24+25+26+27=1+2+4+8+16+32+64
+128=255.
La serie indicada se conoce como una serie geométrica. Si a es el primer término
de la serie y r es la proporción o razón a la cual crece, cada nuevo término será
igual al anterior, multiplicado por la razón: a, ar, ar2, ar3, …
La suma de una serie geométrica finita:
S = a + ar + ar2 + ….. + arn-1. (A.7.3)

es igual a:
S = a(1 – rn)/(1 – r) (A.7.4)
También se suele presentar como:
527
S = a(rn – 1)/(r – 1). (A.7.5)
Aplicándola al ejemplo anterior, tendremos, para a = 2 y r = 2:
S = 1 + 2(27 – 1)/(2 – 1) = 1 + 2×(128 – 1) = 255.
El total de lo pedido por Sissa era de: S = 1 + 2(263 – 1)/(2 – 1) = 18.4×1018 granos,
un número difícil de imaginar. Si suponemos que en un kg de arroz hay unos
30.000 granos, entonces la solicitud era de: 18.4×1018/30000 ≈ 3.1×1014 kg =
6.15×1011 toneladas = 615 ×109 toneladas de arroz. La producción mundial de
arroz se estima en 475 ×106 toneladas. Por lo tanto el dato anterior implica la
producción mundial de arroz de los próximos 615×109 / 475×106 ≈ ¡1290 años!
El crecimiento exponencial crece fuera de toda proporción.
Si Sissa hubiera pedido 1 grano para el primer recuadro, 2 para el segundo,
etc. el total de arroz hubiera sido de: 1 + 2 + 3 + … + 64 = 64(1 + 64)/2 = 2080
granos de arroz. Si duplicara esta serie aritmética pidiendo 1 por el primero,
3 por el segundo, 5 por el tercero etc. el total sería: 1 + 3 + 5 + 7 + … + 127
= 4096. Supongamos que la aumentamos en 1000 granos por cada nuevo re-
cuadro: 1 + 1001 + 2001 + … + 63001 = 2.016.064. Esta serie, a diferencia de
la anterior, es aritmética, no geométrica.
Una serie aritmética se define de la siguiente manera. Sea a el primer término,
y d la diferencia común. Cualquier término, diferente al primero, será igual al
anterior más el valor de d:
a, a + d, a + 2d, a + 3d … (A.7.6)
La suma s de los primeros n términos será:
s = a + (a + d) + (a + 2d) + (a + 3d) + …
+ [a + (n – 2)d] + [a + (n – 1)d]. (A.7.7)
La ecuación que permite calcular la suma s cuando el último término es l, es:
s = n (a + l)/2. (A.7.8)
Aplicando esta fórmula al caso en el cual d = 1000, para a = 1, obtendremos:
528
l = 1 + 63×1000 = 63.001 ∴ s = 64(1+63.001)/2 = 2.016.064.
Por mucho que se aumente esta serie, jamás alcanzaría el efecto de la expo-
nencial. Un aumento en el parámetro de la serie lineal (aritmética), 1000 en
el último ejemplo, tiene un efecto lineal en el resultado final. Por el contrario,
una variación, aún muy pequeña en el caso exponencial, tiene un efecto dra-
mático. Por ejemplo, si cambiamos de 2 a 2.2 la variación de la solicitud de
Sissa, es decir, un grano en el primer escaque, 2.2 en el segundo, 4.84 en el
tercero y así sucesivamente, el resultado final sería de 6.8×1021, un incremento
de aproximadamente 370 veces.
Visto de otra manera: un aumento en 1000 veces el crecimiento lineal, genera
aproximadamente un aumento en 1000 veces el resultado final. Un aumento
de 0.2 en el crecimiento exponencial, generó un aumento de 370 veces en el
resultado final.
Consideremos dos series aritméticas y confrontémoslas con la geométrica de
Sissa.
La primera será con a = 10.000 y d = 10 6; la segunda con a = 10.000 y
d = 10000×106. La figura A.7.2 muestra la sumas respectivas y la suma de la
serie de Sissa (línea continua).
9,E+12
8,E+12
7,E+12
6,E+12
5,E+12
4,E+12
3,E+12
2,E+12
1,E+12
0,E+00
0 10 20 30 40
Dos series de crecimiento lineal y una de

crecimiento exponencial
Fig. A.7.2
Piénsese ahora cuál puede ser el impacto de este tipo de crecimiento en caso
de incertidumbre. En la predicción, puede existir un momento en el cual una
529
incertidumbre de crecimiento exponencial sea muy pequeña y estará por debajo

de una lineal. Pero a largo plazo la diferencia es inmensa, en cuanto a los efectos
de las incertidumbres de crecimiento exponencial. Por esta razón, este tipo de
crecimiento exponencial es el que es tenido en cuenta para definir el Caos.
Los conejos de Fibonacci. Leonardo de Pisa quería calcular el crecimiento de los
conejos. Estos, en su propuesta, podían crecer indefinidamente en población.
¿Si cada pareja produce un par cada mes, cuántos conejos habrá en un año?
En el primer mes habrá una pareja joven. En el segundo mes esta pareja madura,
y tienen en el tercer mes, una pareja de conejos. Por lo tanto, en el tercer mes,
tendremos una pareja madura, y una pareja joven (recién nacidos). En el cuarto
mes tendremos una nueva pareja de recién nacidos de la pareja original, y dos
parejas maduras para un total de tres parejas. En el quinto mes tendremos dos
pares nuevos, recién nacidos de las dos parejas maduras y habrá tres pares de
parejas maduras para un total de cinco. Etc.
Entonces, en el primer mes hay una pareja joven; en el segundo, una pareja
madura; en el tercer una madura y una inmadura; en el cuarto dos maduras y
una inmadura; en el quinto tres maduras y dos inmaduras, etc. La secuencia
es 1, 1, 2, 3, 5, 8, 13, 21… Nótese que, iniciada la serie (valores 1 y 1 en este
caso), cada número que sigue es igual a la suma de los dos que le preceden. El
primer número que antecede al nuevo número, es el total del mes anterior, y el
penúltimo, el número de parejas maduras, que es el número de nuevos pares
que llegan en el mes. Se trata, pues, de una serie de tiempo.
Esta serie se presenta una y otra vez en la naturaleza: en la estructura de los
girasoles, los conos del pino, y en las piñas. Su importancia, en nuestra discu-
sión, es que se acerca mucho a un crecimiento exponencial.
Consideremos ahora la secuencia: 1/1 = 1, 2/1 = 2, 3/2 = 1.5 , 5/3 = 1.666..., ...,
89/55 = 1.618181... Estos valores tiende a φ = (1+√5)/2=1.6180339887... que
se conoce como el número áureo o razón áurea (φ en honor al escultor Fidias).
Al construir bloques cuya longitud de lado sean números de Fibonacci
se obtiene el dibujo indicado en la figura A.7.3 (Wikipedia).
530
La sección áurea
Fig. A.7.3
Si comparamos la serie de potencia con factor φt/2 (t = 1, 2, 3 ...) con la de
Fibonacci, vemos que esta última tiende a la primera, como se ilustra en la
gráfica A.7.4.
30.000.000,00
Exponencial
25.000.000,00
20.000.000,00
15.000.000,00
10.000.000,00
5.000.000,00
0,00
0 5 10 15 20 25 30 35 40
Serie de potencia de factor φt/2 y la de Fibonacci

Fig. A.7.4
¿Qué nos puede enseñar esta serie de Fibonacci con respecto a la incertidum-
bre?
531
Supongamos que en lugar de una pareja inicial, existían realmente dos parejas,
sólo que una de ellas no fue observada. La nueva serie será 2, 3, 5, 8,… En el
mes 12 tendríamos 377 conejos, en lugar de los 144 previstos. Una gran dife-
rencia entre lo real y lo predicho. Una pequeña diferencia en el número inicial
de conejos genera una gran diferencia en la predicción.
Si la secuencia hubiera sido lineal, una mejora en la medida, digamos del
orden de diez, podríamos predecir diez veces más datos antes de alcanzar el
error inicial. Si la incertidumbre del valor inicial se reduce en 1000, podremos
predecir 1000 datos más con la misma precisión. Esta es una gran ventaja de
los modelos lineales, por lo que es atractivo estudiar sólo este tipo de modelos.
Por el contrario, si el modelo es no lineal y la incertidumbre crece exponen-
cialmente, al reducir nuestra incertidumbre en un valor de 10, sólo podremos
predecir el doble de datos con la misma precisión. Si suponemos que el cre-
cimiento exponencial es uniforme en el tiempo, reducir la incertidumbre por
un factor de 1000 sólo aumentará nuestro rango de predicción, con la misma
precisión, en un factor de ocho. Aumentar la precisión es costoso. Por lo que
buscar mejorar la precisión, en procesos no lineales, puede ser prohibitivo.
De hecho, existe la idea de que no es posible de estar completamente ciertos de
una observación que haya sido afectada por el ruido del caos. Para reducir la
incertidumbre del número de conejos inicialmente en la secuencia, se podría
contratar personal que hiciera diversos recuentos y predecir con cada uno de
estos datos como condiciones iniciales, el comportamiento del sistema.
Luego, se confrontarían los diferentes modelos con los datos de la realidad, y
así eliminar aquellos datos que están realmente fuera de lo observado. Claro
que esto tiene sentido si nuestro modelo es literalmente perfecto, lo que quiere
decir, en nuestro ejemplo, que el “mapa de los conejos” captura el comporta-
miento reproductivo y la longevidad de los conejos, exactamente. Si el modelo
es perfecto, podemos utilizar las observaciones futuras, para aprender de las
observaciones del pasado. Esto se conoce como reducción de ruido. Pero si no
lo es, entonces terminaremos con resultados incoherentes.
¿Mas, qué ocurriría si lo que estamos midiendo no son números enteros sino
asuntos como la temperatura, o la posición de un planeta? ¿Es acaso lo mis-
mo, la temperatura de un modelo, que la temperatura del mundo real? Estas
preguntas fueron las que inicialmente interesaron a los filósofos del Caos. Pero
antes, preguntémonos por qué los conejos nacidos desde 1202 hasta hoy, es
decir, después de más de 9.000 meses, no cubrieron nuestro planeta.
532
En meteorología existe una máxima: ninguna predicción es completa sin un

estimativo útil de la incertidumbre en la predicción. (Lloverá mañana con
un 15% de probabilidad). Si conocemos que la condición inicial es incierta
entonces nos interesaremos no sólo en la predicción per se, sino también en
conocer cómo sería la predicción del error.
La predicción de error, para cualquier sistema real, no debe crecer sin límite.
Para constatarlo, basta suponer que la condición inicial tenga un error infini-
tesimal (tan pequeño como queramos, pero superior a cero); este error per-
manecerá infinitesimalmente pequeño todo el tiempo, a pesar de que crezca
exponencialmente.
Los factores físicos limitan al crecimiento exponencial continuamente. Para
el caso de los conejos, la comida y el espacio disponible son factores claves de
subsistencia y crecimiento. Es la ecuación con la que iniciamos el estudio de la
Teoría del Caos. Esto nos hace pensar que aún los modelos más inadecuados
estarán restringidos de tal manera que los errores de predicción están limitados.
En el numeral siguiente ampliaremos un poco este tema.
A.7.3 Ecuación poblacional renormalizada

Lo que sigue ha sido tomado de J. Gribbin (2007, p. 119-120). Sea la ecuación,
ya conocida:
xn+1 = kxn(L–xn) (A.7.9)
Consideremos el caso de un insecto cuya población adulta muere en el invierno,

pero quedan huevos que eclosionan en la primavera. Si tenemos una población
adulta de x individuos, los cuales ponen huevos a una tasa de k huevos por
individuo, tendremos que al final de invierno habrá kx huevos. Pero parte de
estos individuos mueren por causas tales como la falta de alimento. Esta mor-
talidad dependerá del tamaño de la población inicial. Se puede fijar un límite
máximo de población, lo cual tiene sentido si consideramos la “capacidad de
carga” del sistema en el cual habita el insecto. Si dividimos la población real
por dicho número, entonces el valor de x estará en el rango [0,1]; el número
esta renormalizado. Al tomar la tasa de mortalidad prematura, entonces el
533
término kx deberá ser multiplicado por el factor (1-x). La ecuación resultante

(ecuación logística) es la (A.7.9), con L=1. Esta ecuación es no lineal. Nótese
que si x es pequeño, entonces el número de huevos crece libremente (en for-
ma exponencial). Pero a medida que x se acerca a 1, el incremento de huevos
será cada vez menor puesto que cada vez más población morirá por efecto del
hambre o de los depredadores.
Si k es menor que 1, no habrá reproducción suficiente para conservar la especie
a la larga. Por grande que sea el valor inicial de x, la especie desaparecerá. La
situación se vuelve interesante para valores de k mayores que la unidad, tal y
como lo hemos indicado en el numeral 7.1.
En forma más general. Sea la función real y = f(x). Escojamos un valor de x,
digamos x0, de tal forma que al dividir todos los valores de x por x0, la escala
se reduce a una entre 0 y 1, o −1 y 1. Realicemos algo similar para el caso de
la variable y utilizando el valor y0. De acuerdo con lo indicado tendríamos la
nueva relación:
y/y0 = f(x/x0) → y = y0 f(x/x0) (A.7.10)
Hemos normalizado la ecuación y = f(x).
A.7.4 Dimensión fractal

Existen ideas intuitivas que van adquiriendo características abstractas y llegan
a convertirse en definiciones de carácter matemático.
Un ejemplo sencillo es el acto de elevar un número entero a una potencia
dada. Para fijar ideas consideremos la operación 33. El sentido de esta opera-
ción es multiplicar tres veces el número tres por sí mismo: 33 = 3×3×3 = 27.
Comprensible para los números enteros positivos. Pero ¿y en el caso de los
racionales? Por ejemplo ¿qué sentido tiene (3/4)3? La extensión del concepto
da una respuesta que tiene sentido matemático: (3/4)3 = (3/4)×3(4)×(3/4)
=27/64. Por otra parte (3/4)3 = 0.753 = 0.421875 = 27/64. La regla sigue siendo
la misma. ¿Y con los números negativos (tanto enteros como racionales)? Por
ejemplo (-3)3 = -27 (sigue siendo negativo), mientras que (-3)2 da 9 (positivo).
Pero la regla ha demostrado que se puede aplicar de la misma forma y los
resultados tienen aplicabilidad en el mundo real.
534
Una nueva sutileza aparece en la operación (3)-3. En este caso no tiene sentido
interpretar la operación como “¡3 multiplicado entre si menos tres veces!”. El
álgebra nos permite, para los números reales, establecer el equivalente: (3)-3
= 1/33 = 1/27.
Pero surge una novedad. En muchos cálculos aparece un operación del tipo ax
en donde x es un número real cualquiera. En concreto, ¿cuánto vale 31.2? Esta
operación tampoco puede interpretarse como “¡multiplicar a 3, 1.2 veces entre
sí!”. La exponenciación toma ahora otro giro. Esta nueva apreciación surge del
concepto de logaritmo de un número.
John Napier (Neper), matemático Escocés (1550-1617) definió el concepto
de logaritmo. Este concepto permitía convertir los productos en sumas y las
divisiones en restas, facilitando enormemente el cálculo sobre todo en el campo
de la Ingeniería. Pero su influencia llegó mucho más lejos.
El logaritmo de un número (Napier los denominó números artificiales) se
define como el exponente al que hay que elevar una base para obtener dicho
número. En términos matemáticos:
logb a = x ) b x = a (A.7.11)
Esta expresión se lee: logaritmo en base b, de a, es igual a x. Estos valores deben

cumplir ciertas condiciones:
• Para el caso de número reales, los números negativos no tienen logaritmo,
puesto que si b > 0, bn siempre será mayor que 0. Sin embargo esto no ocu-
rre cuando la definición se extiende al campo de los números complejos.
• Sin importar la base, el logaritmo de la base será igual a 1: logb b = x ⇔
bx= b→ x = 1.
• Sin importar la base, el logaritmo de 1 siempre será 0.
Por lo tanto la expresión 31.2 = b se expresaría, en logaritmos: log3 b = 1.2.

Existen tablas, y máquinas calculadoras, que permiten conocer los logarit-
mos de números reales positivos (y por lo tanto la operación inversa, calcular
los antilogaritmos). Los cálculos generalmente existen para la base 10, y por
razones técnicas, para la base e = 2.718281, ya que a partir de ellas es posible
calcular el logaritmo en cualquier otra base. La operación es la siguiente, para
una base b y la base 10:
535
logb a = log10 a/log10 b (A.7.12)
Así, para calcular b a partir de log3 b = 1.2 escribiremos
log3 b = log10 b/log10 3 = log10 b/0.47712 = 1.2

�log10 b = 1.2 # 0.47712 . 0.57254
Es posible conocer, a partir de una tabla de logaritmos, cuál es el número cuyo

logaritmo es 0.5725 (el antilogaritmo) y vemos que corresponde 3.737. Por lo
tanto, 31.2 = 3.737. Todavía queda algo del sentido común: es obvio que este
número debe estar entre 3 y 9 y más cerca de 3, que de 9 185. Claro que, con las
calculadoras actuales, el resultado se obtiene en un solo paso.
Veamos ahora la idea de dimensión en un espacio euclidiano.
Como vimos en el numeral 7.2 Peano había descubierto cómo una línea sin
espesor, podía generar una superficie plana ya que cada punto del plano estaría
contenido en una sola línea. ¿Qué dimensión tendría este plano?
Mandelbrot desarrolló el concepto: la dimensión fractal. Debemos aclarar que
no existe unanimidad frente a esta medida. Hay diferentes formas de proponerla
y no son, en general, equivalentes. Consideremos el siguiente caso.
Dimensión de homotecia.
Por homotecia entendemos una transformación lineal seguida por una rotación.
Se le denomina también transformación afín.
Sabemos que la base de los fractales es la autosimilitud: cualquier parte repite
al todo. Consideremos un segmento de recta. Podemos dividirlo en diferentes
partes iguales. La figura A.7.5 da una idea al respecto.
Dividamos la recta de longitud l (parte superior de la figura) por un factor f,
factor de escala (f = 1, 2, 3 en nuestro caso). Como ejemplo propongamos
f = 3. Obtenemos así 3 copias de la recta original: N = 3. Establecemos la re-
lación N = f D. De aquí se deduce que D = 1, que es la dimensión de la figura
obtenida, del fractal.
185. Otro ejemplo interesante es el concepto de factorial.
536
D=1
l l/2 l/3
D=2
D=3
Dimensiones y homotecia
Fig. A.7.5
Analicemos esta situación en un cuadrado (ver de nuevo la figura A.7.5). Di-
vidamos cada lado del cuadrado en dos partes iguales (f = 2). Obtendremos
cuatro copias de dicho cuadrado (N = 4). De nuevo escribimos la ecuación
4 = 2D, de donde se obtiene que D =2. La dimensión del cuadrado es dos. Si
dividimos por tres cada lado obtendremos nueve cuadrados similares. Para
este caso 9=3D y por lo tanto D=2. De nuevo, la dimensión del cuadrado es 2.
Si dividimos por tres cada lado obtendremos nueve cuadrados similares. Para
este caso 9=3D y por lo tanto D=2. De nuevo, la dimensión del cuadrado es 2.
En el caso del cubo si dividimos sus lados en dos partes iguales obtendremos
ocho cubos similares. Escribamos entonces: 8=2D, es decir, D = 3. En el caso de
dividir por tres cada lado del cubo original obtendremos 27 cubos pequeños.
Nuestra relación es ahora 27=3D, es decir, D=3. La dimensión del cubo es tres.
Analicemos ahora la curva de Koch (figura A.7.6). En este caso, hemos utilizado
un factor f = 3. El resultado son cuatro copias, N = 4. Escribiremos entonces:
4 = 3D. Utilizando logaritmos tendremos que: D = log(4)/log(3) = 1.2619… La
curva de Koch es de dimensión 1,2619, se encuentra entre las dimensiones
1 y 2: ni es una línea recta, ni un plano.
537
Transformaciones de homotecia par la curva de Koch

Fig. A.7.6
Tenemos, pues, que la dimensión de un fractal se puede calcular mediante la
relación:
D = log( N ) / log( f ) (A.7.13)
Como aplicación práctica, consideremos las antenas fractales (numeral 7.2).

Una antena que tenga la forma de un cristal de copo de nieve (figura 7.8 ) tiene
una dimensión fractal de ln 4/ ln 3 = 1.26186, lo cual implica que cubre una
dimensión superior a uno, siendo por lo tanto mejor que una antena clásica
de dipolos y mejorando sensiblemente su impedancia.
A.7.5 ¿Onda? ¿Partícula?

El siguiente experimento crucial comprobó el doble comportamiento de un
haz de luz: produce dispersión, como si estuviera formado por partículas, y
genera interferencia, propiedad típica de las ondas.
En esta parte nos dejaremos guiar por Hewitt (2004) y por Roldán et al (2004).
Para asimilar el concepto de la luz como partículas pensemos en disparos de
pequeñísimas esferas que siguen reglas bien definidas. En cualquier instante
de tiempo ellas ocupan un lugar definido en el espacio: dos de ellas no pueden
ocupar el mismo lugar. Si chocan, rebotan y quizá puedan romperse, pero cada
una conserva su identidad.
Para la onda pensemos en dos personas que sostienen una cuerda que está
tensada. Si una de ellas sacude un extremo, la deformación producida se pro-
paga a lo largo de la cuerda, hasta llegar al extremo opuesto. La deformación
se denomina pulsación o pulso. Lo importante es que lo que se transmite es
energía, sin desplazamiento horizontal de materia, tal como ocurre cuando, al
arrojar una piedra en el agua, se forman ondas; si se coloca un pequeño corcho
538
en el área en que se forman las ondas, vemos que este sube y baja, pero no se
desplaza con la onda. Igual ocurre con la cuerda; cada punto se mueve hacia
arriba y hacia abajo, para al final quedar en reposo.
Supongamos ahora que cada una de las personas que sostienen la cuerda, agitan
los extremos. Se forman dos pulsos que viajan en direcciones contrarias. Antes
de encontrarse, cada uno se comporta como si el otro no existiera. Cuando se
encuentran, se combinan de forma complicada. Esto se conoce con el nombre de
interferencia. Luego, cada uno sigue su camino como si nada hubiera ocurrido.
Las pulsaciones se pueden encontrar, y estas no son alteradas, se superponen.
Esto no ocurre con las partículas. El principio de superposición nos dice que
para calcular la pulsación resultante en cualquier momento, se deben sumar
los desplazamientos individuales, en dicho momento.
El pulso es una forma de onda. Estas transportan energía y cantidad de movi-
miento en un medio, sin transporte de materia. Las ondas en general pierden su
forma cuando se propagan. Las ondas armónicas no lo hacen. Este constructo
mental es muy útil al describir muchos fenómenos del mundo real. Hay dos
cantidades importantes asociadas las ondas: la amplitud (A) que es la máxima
distancia que alcanza una partícula de la cuerda, a partir de su posición de
equilibrio, y la longitud de onda (λ) que es la distancia entre dos máximos o
dos mínimos. Ver figura A.7.7. La línea punteada representa a la cuerda en
equilibrio, cuando no pasa a través de ella ninguna onda.
Se denomina período al intervalo de tiempo entre dos puntos equivalentes de
una onda. Se mide fácilmente entre dos máximos o dos mínimos. El inverso
del período se conoce como la frecuencia ν de la onda.
Debido al principio de superposición las ondas se pueden reforzar, debilitar
e incluso anular. Esto último ocurre cuando la parte positiva de una onda se
encuentra con una negativa del mismo valor.
Otro fenómeno típico de las ondas es la difracción. Ocurre cuando la onda
encuentra un obstáculo. Si es sólido y de un tamaño adecuado con respecto
a la longitud de la onda, trata de rodearlo y continuar su camino (por eso,
en ocasiones, podemos oír a través de las paredes). Las ondas más largas se
difractan más. La frecuencia de las sirenas usa este principio. Un objeto visto
al microscopio si tiene un tamaño menor que la longitud de onda de la luz
no se podrá ver. La difracción lo impide. Ninguna técnica logrará vencer este
límite fundamental de la difracción. Puede también encontrarse con una
pared perforada con una pequeña rendija. En este caso la onda la atraviesa y
539

 A
Geometría de una onda

Fig. A.7.7
dependiendo de la anchura de la rendija con respecto a su longitud de onda,
continuará con ondas aplanadas en su frente (orificio de mayor abertura), o
con ondas cada vez más esféricas, de difracción mayor.
Si una onda encuentra en su camino dos rendijas pequeñas convenientemente
separadas, esta las atraviesa y se forman, al salir, dos fenómenos ondulatorios
generados por la difracción (figura A.7.8 b)). Estas dos ondas, gracias al princi-
pio de superposición, generarán puntos de reforzamiento y de anulación. Este
es un esquema del experimento de Young. Los puntos de anulación se dan en
los cruces de los frentes de onda. La onda incidente se ha supuesto plana. Esto
es lo que ocurre, por ejemplo, con la luz del sol: a mayor distancia de la fuente
luminosa, menor curvatura en el frente de onda. De todas maneras, si el frente
de onda fuera curvo no habría diferencia con el resultado del experimento. En
lo que se refiere a las partículas, estas pueden explicar la reflexión, con cierta
dificultad la refracción, mas no la difracción.
Estamos en capacidad, ahora, de analizar el experimento crucial que de-
mostró la dualidad onda-partícula en la luz y en haces de electrones. Si-
guiendo la figura A.7.8 a), consideremos un haz de luz monocromática
(todos los fotones tienen la misma energía) que llega al primer obstáculo,
pero en el cual se ha cerrado el orificio inferior. Como la luz está formada
por partículas (fotones), estos, al encontrar el borde de la hendija podrían
cambiar la dirección de su trayectoria, generándose direcciones al azar.
Si la luz es intensa, la iluminación de la pantalla será aceptablemente uniforme.
Pero al disminuir la intensidad de la luz se observarán puntos individuales distri-
buidos aleatoriamente. La recepción de la pantalla es de un fotón o de ninguno.
No hay energías de medio fotón o algo parecido. Se sigue la ley de Planck: E = hν.
540
Experimento de Young: onda y partícula

Fig. A.7.8
Permitamos ahora que ambas rendijas estén abiertas (Fig. A.7.8. b). Si la luz es
intensa, hay cierta apariencia de regularidad en la iluminación de la pantalla,
pero se observarán bandas de unos cuantos milímetros, como se indica en
dicha figura. Lo extraño es que hay puntos a los cuales no llega ningún fotón.
En otros puntos la intensidad de la iluminación es el cuádruple de la original,
cuando lo lógico es que fuera, como máximo, el doble. Ninguno de esto fenó-
menos es posible explicarlos si consideramos a la luz formada por fotones. El
comportamiento es típico de un fenómeno ondulatorio.
La distancia entre las dos hendijas es de unas 300 veces el tamaño de un fotón.
¿Cómo “sabe” el fotón cuándo está abierta sólo una de ellas, para comportarse
como partícula, o cuándo están abiertas las dos, para comportarse como onda?
Como partícula podrá atravesar una sola; como onda, dado que se trata de una
perturbación, no hay dificultad de que la misma onda pase por ambas hendijas
a la vez. Dice Penrose (2002, p. 283):
Aparentemente, para que tenga lugar la interferencia debe haber una “fal-
ta de conocimiento” acerca de qué rendija atravesó “realmente” la partícu-
la. Para obtener la interferencia, ambas opciones deben contribuir, a veces
“sumándose” −reforzándose en una cantidad que es el doble de lo que
cabría esperar− y a veces “restándose”, de modo que las opciones puedan
cancelarse mutuamente. En realidad, según las reglas de la mecánica cuán-
tica, lo que está sucediendo es todavía más misterioso que eso. Las opcio-
nes pueden efectivamente sumarse (los puntos más brillantes de la panta-
lla) y restarse (los puntos oscuros), pero también deben poder combinarse
541
en otras formas extrañas, tales como:
... “Alternativa A” más i×“alternativa B”,

donde “i” es la raíz cuadrada de −1.
Debemos detenernos aquí. Se hace obligatorio, para quien quiera profundizar,

recurrir a los textos que tratan estos temas. Hemos indicado tres referencias
importantes.
A.8.1 Small Worlds

En su comentado artículo de la revista Nature, Watts y Strogatz (1998) hacen
diversos comentarios respecto a los grafos de "Mundos pequeños".
Ellos destacaban que los estudios hechos hasta ese momento sobre fenóme-
nos autoorganizados, modelables mediante redes (grafos) pertenecían a dos
categorías bien definidas: o se trataba de grafos completamente regulares, o
totalmente aleatorios. Sin embargo, comentaban que muchas redes biológicas,
tecnológicas y sociales estaban entre estos dos extremos. Un terreno intermedio
generado por redes regulares que se “reconectaban” introduciendo cantidades
crecientes de desorden. Tales redes resultaban ser altamente agrupadas, pero
tenían la característica de poseer trayectorias cortas entre sus nodos, a la ma-
nera de las aleatorias.
En la figura A.8.1 se muestra un grafo regular no dirigido (el de la izquier-
da), uno aleatorio (el de la derecha) y uno intermedio que corresponde a los
"mundos pequeños".
La idea es, partiendo de un grafo regular con n vértices y kviaristas por vérti-
ce, reconectar todos los nodos, al azar con una probabilidad de conexión p,
eliminando la arista correspondiente. Esto permite obtener diversos tipos de
grafos. Si p = 0, tendremos un grafo regular; si p = 1, el grafo será totalmente
aleatorio. Para 0 < p < 1 es posible obtener una infinidad de grafos intermedios.
Recordemos que la longitud característica de una trayectoria L, es el resultado
del promedio de todas las rutas más cortas entre kv(kv – 1)/2 aristas entre ellos, lo
que ocurre cuando cada vecino de vi está conectado con todos los otros vecinos
de vi. Definamos como Ci al número de aristas actuales entre vecinos divido
por el número de aristas posibles entre vecinos. Definamos por C, coeficiente
542
1 1 1
8 2 8 2 8 2
7 3 7 3 7 3
6 4 6 4 6 4
5 5 5
Grafo regular de 8 vértices, 8 Grafo intermedio de 8 Grafo aleatorio de 8
aristas y k = 2. vértices, 8 aristas. vértices, 10 aristas.
Grafos regular, mundos pequeños y aleatorio

Fig. A.8.1
de agrupamiento de un grafo, al promedio de Ci con respecto a todos los vi.
Para redes amigables, los parámetros L y C tienen significados concretos: L
es el número promedio de amigos en la cadena más corta que conecta a dos
personas; Ci indica el grado en que los amigos de vi son también amigos entre
sí, por lo que Ci mide el grado de “camaradería” (exclusividad) de un círculo
típico de amigos.
Las redes que interesaban a estos dos autores eran aquellas que tenían muchos
nodos con conexiones escasas, pero no tanto como para que el grafo no pudie-
ra quedar completamente conectado. Este debería por lo tanto tener muchos
más nodos que ejes por vértice y además debería cumplir con la condición de
Erdös, k >> ln(n), para garantizar la conectividad del grafo como se indicó en
el numeral 8.3.
Los análisis demostraron que para grafos con probabilidad cercana a cero los
valores de L eran mucho mayores que 1 y C se aproximaba a ¾. Por otra parte
cuando p tendía a 1, L se acercaba al número de Erdös ln(n)/n pero C era muy
inferior a 1. En otras palabras, si p = 0 el grafo es altamente agrupado pero
“alargado”; si p = 1, el grafo es poco agrupado (sí conectado) con un valor de
L que tiende al ln(n).
Los experimentos en el computador indicaron que hay un rango amplio de
valores de p durante el cual el valor de L(p) es similar al de un grafo aleatorio,
543
con un grado de “camaradería” mayor que el de uno aleatorio. Cuando se in-

troducen aristas aleatorias entre nodos muy distantes, se producen “atajos” de
tal manera que al disminuir el valor de p, el impacto en L es no lineal, haciendo
que las distancias se contraigan en una especie de efecto en cascada, mientras
que los valores de C sólo son ligeramente modificados, generándose así una
red de “mundos pequeños”. El misterio de estas redes había sido desvelado.
A niveles locales, la transición hacia mundos pequeños es prácticamente
indetectable. Esta propiedad fue comprobada extensivamente mediante cál-
culos de gran número de redes en el computador. La condición: reconectar
aleatoriamente con pares de nodos que estén muy separados unos de otros.
Con respecto a las redes aleatorias podemos hacer las siguientes referencias.
Si denominamos P(d) la fracción de nodos que tienen un grado d y los nodos
se conectan al azar con una probabilidad igual a p, independiente de las cone-
xiones realizadas, la probabilidad de que un nodo tenga un grado d tiene una
distribución binomial indicada en la ecuación (A.8.1):
d X p (1 - p)
Sn- 1 d n-1-d
(A.8.1)
Si n es mucho mayor que p esta distribución se aproxima a una distribución

de Poisson y la probabilidad de que un nodo tenga d interconexiones es:
e -(n - 1)p ((n - 1) p) d

p (d) = d! (A.8.2)
Si p es muy inferior a 1/n los nodos están muy aislados con pocos nodos in-
terrelacionados. Si p sobrepasa el valor 1/n empieza a aparecer un nodo que
aglutina una gran cantidad de otros nodos (un hub), y aparecen ciclos. Si p
sigue aumentando, la red se va convirtiendo en un todo altamente integrado.
Esto fue lo que observó Kauffman en su juego de los botones.
Otra característica de estas redes es que el número de nodos con un grado
dado, P(d) tiende a:
P Qd V = cd - m (A.8.3)
544
que no es otra que la ley del ruido o ley 1/f. Recordemos que esta ley es inva-
riante en la escala (scale free):
P(d)/P(d´)=P(κ×d)/P(κ×d´) (A.8.4)
Siendo κ un factor de escala cualquiera. Esta distribución tiene la característica

de que la “cola” que se forma a medida que decrece, tiende a ser plana, diferente
al caso de la Distribución Normal. Una "cola de dinosaurio".
Con el fin de explicar la manera como las definiciones dadas se aplican
a grafos específicos, consideremos el siguiente ejemplo relacionado con
los tres grafos indicados en la figura A.8.1. Aclaremos que no puede con-
siderarse como un ejemplo típico ya que tiene un número muy pequeño
de nodos. Para el grafo ordenado, el de la izquierda de la figura A.8.1,
la tabla de la figura A.8.2 muestra los datos correspondientes a las ru-
tas más cortas entre los diferentes nodos, y la suma de tales mínimos. La
primera celda indica con una I el nodo inicial y con una F el nodo final.
F
1 2 3 4 5 6 7 8 Σ L
I
1 0 1 2 3 4 3 2 1 16 16/7
2 1 0 1 2 3 4 3 2 16 16/7
3 2 1 0 1 2 3 4 3 16 16/7
4 3 2 1 0 1 2 3 4 16 16/7
5 4 3 2 1 0 1 2 3 16 16/7
6 3 4 3 2 1 0 1 2 16 16/7
7 2 3 4 3 2 1 0 1 16 16/7
8 1 2 3 4 3 2 1 0 16 16/7
Cálculo de las rutas más cortas entre nodo del

grafo regular de la figura A.8.1
Fig. A.8.2
Por ejemplo, para calcular la suma de la ruta más corta entre el nodo 4 y los
demás nodos haremos el siguiente análisis. Del nodo 4 al nodo 1 hay dos rutas:
545
4-3-2-1, de longitud 3 (en contra del sentido de las manecillas del reloj) y 4-5-
6-7-8-1, de longitud 5 (en el sentido de las agujas del reloj). La longitud de la
menor ruta será 3, que es el valor que aparece en la casilla correspondiente (fila
4, columna 1). El resto de los cálculos se hace en forma similar. La columna
Σ es la suma de estas rutas. Para este grafo, L = 128/(7×7) = 2.612. Además
tenemos que, de acuerdo a la definición, C = 0.
Para el grafo de mundos pequeños, la tabla es la de la figura A.8.3.
F
1 2 3 4 5 6 7 8 L
I
1 0 1 2 3 2 1 2 1 12/7
2 1 0 1 2 3 2 1 2 12/7
3 2 1 0 1 5 4 2 3 18/7
4 3 2 1 0 5 4 3 4 22/7
5 2 3 4 5 0 1 3 3 21/7
6 1 2 3 4 1 0 3 2 16/7
7 2 1 2 3 4 3 0 1 16/7
8 1 2 3 4 3 2 1 0 16/7
Cálculo de las rutas más cortas entre nodo del grafo de

mundos pequeños de la figura A.8.1
Fig. A.8.3
En este caso
L = 133/49=2.714 y C = (0+0+0+NA+NA+ 0+0+0)/6 = 0/6 = 0
Para la red aleatoria, con p = 1/8, el análisis se indica en la tabla de la figura A.8.4.
Los resultados indican que
L = 119/64=1.86 y C = (0+NA+1/3+1+1+0+0+1)/7 = 10/21= 0.477.
Pero esta es una mirada “estática” de la red, su parte estructural. ¿Qué pode-
mos decir de su parte dinámica, de la forma como se propaga la información
en la red? Información aquí significa comunicación entre nodos. los rumores,
546
I
1 2 3 4 5 6 7 8 L
F
1 0 2 1 2 2 1 1 2 11/7
2 2 0 1 2 2 1 3 3 14/7
3 1 1 0 1 3 2 2 1 11/7
4 2 2 1 0 4 3 3 1 16/7
5 2 2 3 4 0 1 1 4 17/7
6 1 1 2 3 1 0 2 3 13/7
7 1 3 2 3 3 2 0 4 18/7
8 3 2 1 1 4 3 5 0 19/7
Rutas más cortas entre nodos del grafo aleatorio (Fig. A.8.1)
Fig. A.8.4
modas, opiniones, epidemias, corrientes eléctricas, paquetes de información en
internet, neurotransmisores, calorías (en redes de alimentos), y un fenómeno
mucho más general: “fallas en cascada”. (M. Mitchel, pg 255).
Las fallas en cascada ocurren cuando un nodo falla en ejecutar su tarea. En
este caso, la tarea pasa a otro u otros nodos lo que puede causar sobrecarga en
ellos y, por lo tanto la tarea inicial, que junto con las nuevas tareas no realiza-
das pasan a nuevos nodos, originan un efecto creciente de fallas que pueden
hacer colapsar a la red entera. Este tipo de fenómenos no sólo ocurre en las
redes eléctricas sino en la economía (compras nerviosas, por ejemplo) y en los
sistemas sociales (pánico social, por ejemplo).
La resiliencia es una propiedad importante en las redes: es su capacidad de
mantener trayectorias cortas a pesar de las fallas que puedan presentarse al
azar en otros nodos. En el efecto en cascada, es la falla de uno o varios nodos
los que causan fallas en otros: es un típico fenómeno de la teoría del caos. A
veces culpamos de este fenómeno a intervenciones maliciosas en la red (en el
sistema). Sin embargo, la causa resulta ser explicable por la dinámica del mismo
sistema. Para el caso de las redes de mundos pequeños, si se afecta una subred
altamente interrelacionada, prácticamente nada le ocurre al sistema total.
En cambio si la afectada es una conexión "débil" −aquellas que conectan dos
nodos distantes entre sí, nodos que no están agrupados el uno con el otro− se
afectaría notablemente. La figura A.8.5 ilustra esta propiedad.
547
Resiliencia en una red

Fig. A.8.5
Existen dos subredes cada una de las cuales está totalmente conectada, es decir,
se puede ir de un nodo a cualquier otro de la subred. Si se interrumpe una co-
nexión de una subred, prácticamente la red total no sufre daño mayor. Pero si
se afecta conexión indicada en trazo discontinuo, la red es afectada seriamente.
Antes de cerrar este literal, consideremos la siguiente situación. Las redes de
mundos pequeños son "redes igualitarias", en las cuales de cada nodo salen
pocos conectores. Pero en redes tales como las de internet, se observan con-
centraciones que poseen una enorme cantidad de conexiones, a diferencia de
la gran mayoría que poseen menos, siguiendo la ley 1/f Esto se debe a que a
medida que un cierto nodo va adquiriendo importancia, otros nodos prefieren
unirse a ese, y no a otros menos notorios. Como se dice en el argot de las redes
"el rico se vuelve más rico". Se las denomina "redes aristocráticas".
Sin entrar en detalles al respecto (ver Buchanan, 2002) a la largas estas redes
tienden a saturarse, debido a una especie de "capacidad de carga del sistema",
particularmente la velocidad de conexión y de respuesta. Entonces viran de
redes aristocráticas, a igualitarias. De esta manera, una crítica que se le hacía
a estas últimas, la de ser estáticas, no mostrando dinámica de crecimiento o
la de ser redes sin historia, queda resuelta.
548
BIBLIOGRAFÍA
Atlas Universal de Filosofía. Grupo Océano, Barcelona, 2005.
Ackoff, R. L. (1971): Towards a System of Systems Concepts. Management
Science, 17, No. 1.
--- (1994): The democratic Corporation: A radical Prescription for
recreating Corporate America and Rediscovering Succeess.Oxford
University Press.
--- (2002): El paradigma de Ackoff. Limusa Wiley, México.
--- (2007): El paradigma de Ackoff. Una administración sistémica.
Limusa, Wiley.
Angyal, A. (1977): A Logic of Systems. Ver Emery, Penguin Modern Ma-
nagament Readings.
Aracil, J. (1978): Introducción a la Dinámica de Sistemas. Alianza Editorial.
Aristóteles: De Caelo. Ver Stokes, J. L.
--- (1975): Metafísica. Edit. Espasa-Calpe, S.A., Madrid, octava edición.
Ashby, R. (1972): Introducción a la cibernética. Ediciones Nueva Visión,
Buenos Aires.
Asimov, I. (1979): Breve historia de la química. Alianza Editorial.
Bacon F. (1984): Novum Organum. Ediciones Orbis, S.A.
Barberousse A., Bonnay D., Cozic M. (2011): Précis de Philosophie des
sciences. Vuibert.
Beishon, J. (1972): Systems Behaviour. The Open University Press.
Bergmann, Gustav (1971): Filosofía de la ciencia. Estructura y función,
Edit. Tecnos, Madrid.
Bertalanffy, L. Von (1973): General Systems Theory. Penguin Books.
--- (1974): Robots, hombres y mentes. Edic. Guadarrama, segunda
edición.
549
Bertalanffy L. Von, et al (1978): Tendencias en la Teoría General de Siste-

mas. Selecc. de G. J. Klir, Alianza Universidad.
Billari Francesco, Fent Thomas, Prskwetz Alexia, Scheffran Jürgen (2006):
Agent-Based Computational Modelling. Physica-Verlag.
Bly, A. (2010), compilador: Science is Culture. Harper, perennial.
Bogdanov, A. (1921, 1980): Essays in Tecktology. Traducc. George Gorelik.
The Systems Inquiry Series.
Boulding, K. (1956): General System Theory: The Skeleton of Science. Ma-
nagement Science, p.197-208).
Brafman, O. y Pollack, J. (2013): La necesidad del caos. Empresa Activa.
Braithwaite, R.B. (1965): La explicación científica. Edit. Tecnos, S.A.,
Madrid.
Braun, W.(2002) : The System Archetypes, en www.uniklu.ac.at/~gossimit/
pap/sd/wb_sysarch.pdf.
Brigman, P. W (1950): Reflections of a Physicist. Philosophical Library, N.Y.
Broad, C.D. (1963): El pensamiento científico. Editorial tecnos S.A. Madrid.
Buchanan, Mark (2002): Nexus: Small Worlds and the Groundbreaking
Science of Networks. W. W. Norton & Company.
Burrel, G. y Morgan, G., (2009):Sociological Paradigms and Organizational
Analysis. Ashgate,reimpresión.
Campbell, N.R. (1967): Las leyes numéricas y el uso de las matemáticas en
la ciencia. Ver Newman. Edit. Grijalbo, S.A.
--- (1967): Medición. (En Newman) Edit. Grijalbo.
Capra, F. (1999): La trama de la vida. Seg. edición, Editorial Anagrama,
Barcelona.
Capra, F &Luisi P. L. (2014): The Systems View of Life. Cambridge Uni-
versity Press.
Chalmers, A.F. (2009): ¿Qué es esa cosa llamada ciencia? Siglo XXI edi-
tores, 24ª impresión.
Changeux J. P., Ricoeur P. (1999): Lo que nos hace pensar. La naturaleza
y la regla. Edic. Península, Barcelona.
550
Checkland, P. B. (1971): A systems Map of the Universe. Journal of Systems

Engineering, 2,2.
--- (1988): Soft systems methodology. An overview. Journal of Applied
Systems Analysis, 15, 27-30.
--- (2000): Soft Systems Methodolgy: A Thirty Years Retrospective. Sys-
tems Research and Behavioral Science, 17, P. S11-S58.
Checkland, P. B., Scholes, P. (1990): Soft Systems Methodology in Action.
John Wiley and Sons.
Checkland, P. B., Holwell, S. (1998): Information, Systems and Information
Systems. John Wiley and Sons.
Churchman, C.W. (1976): El enfoque de sistemas. Edit. Diana, México.
Comte, A. (1980): Curso de filosofía positiva (lecciones 1 y 2). Discurso
sobre el positivismo. Ediciones Orbis, S.A.
Conde, G. A. (2014): Comentarios sobre las ideas de caos y complejidad, su
génesis, su desarrollo y actualidad. Escuela de Estadística U. Valle,
Colombia.
Conte, S.D. (1965): Elementary Numerical Analysis. McGraw-Hill Book
Company.
Curlee, W. & Gordon R. L. (2011): Complexity Theory and Project Mana-
gement. John Wiley & Sons.
Descartes, R. (1983): El discurso del método. Edic. Orbis, S.A.
Diamond, Jared (2006-a): Colapso: porqué unas sociedades perduran y
otras desaparecen. Random House Mondadori, S.A.
--- (2006-b): Armas, gérmenes y acero. Random House Mondadori, S.A.
Dubois & Prade (1980): Fuzzy sets and Systems: theory and applications.
Academic Press.
Emery, F.E.(1976): Systems Thinking. Penguin Modern Managament
Readings.
Enache, Răzvan (2015): La sociedad como máquina autopoiética. Niklas
Luhmann. Conferencia Doctorado Ciencias Ambientales Unicauca,
U.T.P., Univalle.
551
Espinoza, M.: en http://pagesperso-oranage.fr/miguel.espinoza/ pg. 1-2.

Ferrater Mora, J. (1994): Diccionario de Filosofía. Editorial Ariel, S.A.,
Barcelona.
Feyerabend, P. K. (1975): Contra el método. Edit. Ariel.
Feynman, Richard P (2010): El carácter de la ley física. Metatemas, Tus-
quets edit. 3ª edic.
Forrester, J.W. (1968): Principles of systems. Text and Workbook, Chapters
1 through 10. Second preliminary Edition. Wright-Allen Press, Inc.
--- (1971): World Dynamics. Wright-Allen Press, Inc.
Frankfort, H. y H.A., Wilson J.A., Jacobsen T. (1974): El pensamiento
prefilosófico. Fondo de Cultura Económica, terc. Reimpr.
Galison, Peter (2005): Relojes de Einstein, mapas de Poincaré. Drakontos,
Colección Crítica.
Gall, J. (1978): Systemantics. Pocketbooks.
Gibbons, M., Limoges, C., Nowotry, H., Schwartzman, S., Scott, P. and
Trow, M. (1994): The New Production of Knowledge: The Dynamism
of Science and Research in Contemporary Societies. Sage, London.
Gilbert, N. & Troitzsch, K.G. (2005).: Simulation for the Social Scientist,
Sec. Edit., Open University Press.
Gould, S. J. (2010): Érase una vez el zorro y el erizo. Drakontos, bolsillo.
Gratzer, W. (2002): Eurekas y Euforias. Cómo entender la ciencia a través
de sus anécdotas. Crítica, Barcelona.
Greenwood, J.D. (2011): Historia de la psicología. Un enfoque conceptual.
Mc. Graw Hill.
Gribbin, J.(2007): Así de simple. Drakontos, Crítica.
Guzmán, M. de et al. (1993): Estructuras fractales y sus aplicaciones. Ed.
Labor.
Hall and Hagen (En Litterer, 1969): Definition of System.
Halliday D., Resnick R. (1963): Physics. For students of Science and Engi-
neering. Wiley.
552
Häuberer, Julia (2011): Social Capital Theory. Towards a Methodological

Foundation. VS research.
Hewitt, P. G. (2004): Física conceptual. Novena edición. Pearson, Addison
Wesley.
Heylighen F., Joslyn C. (2001): Cibernetics and second order cybernetics.
R.A. Meyers (edit), Academic Press, N.Y.
Holland, J.H. (2014): Complexity. A very short introduction. Oxford, Uni-
versity Press.
Holton, G. (1975): Introducción a los conceptos y teorías de las ciencias
físicas. Edit. Reverté.
Jackson, M.C. (2000): Systems Approaches to Management. Kluwer Aca-
demic, Plenum Publisher.
Jackson, M.C. and Keys P. (1984): Toward a System of Systems Methodo-
logies. J. Opl. Res. Soc., 35.
Jager R. (1995): Fuzzy logic and control. Tesis doctoral, univ. De Delft,
Holanda.
Jenkins G.M. (1969): The Systems Approach.Journal of Systems Eng., Univ.
Of Lancaster, Vol. 1, No.1.
Johnson, Neil ( 2009): Simply Complexity. A clear guide to Complexity
Theory. Oneworld, Oxford.
Kant, E. (1984): Crítica de la razón pura. Tomo 1. Ed. Orbis S.A.
Kassner E., Newman J. (1987): Matemáticas e imaginación.Edic. Orbis S.A.
Kauffman, Stuart A. (1995): At home in the Universe: The Search for Laws
of Self-Organization and Complexity.
Kleinfeld, J. (2002): The Small World Problem. Society, jan/Feb. 2002.
Klir, G. (1978): Tendencias en la Teoría General de Sistemas. Alianza
Editorial, Madrid.
--- (1985): Architecture of Systems Problem Solving. Plenum Press. New
York, London.
553
Koyré, Alexander (1988): Estudios de historia del pensamiento científico.

Siglo XXI editores, novena edición.
Kuhn, T. (1975): La estructura de las revoluciones científicas. F.C.E. México.
Lakatos, I & Musgrave, A. (1975): La crítica y el desarrollo del conocimiento.
Grijalbo, Barcelona.
Lange, O. (1975): Los "todos" y las partes. Una teoría general de conducta
de sistemas. Fondo de Cultura Económica.
Laplace, Pièrre Simon (1951): A Philosophical Essay on Probabilities. Dover
publication Inc.
Laszlo, E. (1972): Introduction to Systems Philosophy. Harper & Row,
Publishers.
Litterer, J.A. (1969): Systems, Control and Adaptation. John Wiley and
Sons, Inc.
López, J.M.: Husserl y la Psicología. Consideraciones entorno al saber de
la Psicología en Husserl. Correspondencia interna UTP, programa
filosofía.
Lovett Cline, Barbara (1973): Los creadores de la nueva física. Breviarios,
Fondo de Cultura Económica, México.
Luhmann, N. (1995): Social Systems. Standford Univesity Press.
Maldonado, C.E. (2009): Exploración de una teoría general de la com-
plejidad. En Complejidad: Revolución científica y teoría. Editorial
Universidad del Rosario, Colombia.
Malthus, T. (1998): An essay on the principle of population. Electronic
Scholarly Publishing Project, http://www.esp.org.
Mandelbrot, B.B. (1987): Los objetos fractales. Forma, azar y dimensión.
Ed. Tusquets.
Maturana, H. R. (2004): Desde la biología a la psicología. Edit. Universitaria
Lumen, cuarta edición.
Maturana H, Varela F. (2003): El árbol del conocimiento. Las bases biológicas
del entendimiento humano. Edit. Universitaria Lumen.
554
Maynard, H.B. Comp. (1963): Industrial Engineering Handbook , second

edition, McGraw-Hill Book Company Incorporation.
Meadows, D. et al. (1972): Los límites del crecimiento. Fondo de cultura
económica, Mexico.
--- (1992): Beyond the limits. Chelsea Green Publ. Comp., Vermont.
Meadows, D. (2009): Thinking in Systmes. A Primer. Earthscan.
Miller, G.A. (1968): The Psychology of Communication. Allen Lane, the
Penguin Press, London.
Mitchel, Melanie (2009): Complexity. A guided Tour. Oxford University
Press.
Mitleton-Kelly, Eve, compilador (2003): Complex Systems and Evolutionary
Perspectives on Organizations. The application of Complexity Theory
to organizations. Pergamon, Elsevier Science Ltd.
Monod, J. (1971): El azar y la necesidad. Monte Avila Editores,C.A.
Monroy, C. (1998): Teoría del Caos. Alfaomega grupo editor, Bogotá,
Colombia.
Morris, Charles G. y Maisto, Alberta A. (2001): Psicología. Pearson edu-
cation, décima edición.
Nagel, E. y Newman, J. (1970): La demostración del teorema de Gödel.
Edit. Tecnos, Madrid.
Newman, J.R. (1967): Sigma: el mundo de las matemáticas. Edit. Grijalbo.
Ossa C.A. (2000): Conceptos fundamentales sobre conjuntos difusos. Rev.
Sciencia et Technica, U.T.P. Año VI, No. 13.
--- (2002-a): Álgebra lineal. Programación lineal. Univ. Tecnológica
de Pereira.
--- (2002-b): Simulación básica. Univ. Tecnológica de Pereira.
Palacios A., Luis Carlos (2009): Ingeniería de métodos: movimientos y
tiempos. Ecoe Ediciones.
Papineau, D. (2008): Filosofía. Blume.
555
Pékelis, V.: Pequeña enciclopedia de la gran cibernética. Editorial Mir,

Moscú, 1977.
Penrose, R. (2002): La mente nueva del emperador. Fondo de cultura
económica, México.
Peter, L and Hull R. (1970): The Peter Principle. Bentam Books.
Philip J. Davis, Reuben Hersh (1989): El sueño de Descartes. El mundo
según las matemáticas. Editorial Labor, S.A. España.
Phillips, D.C. (1971): Systems Theory. A discredited Philosophy. Ver schö-
derbeck P. P.).
Pickover, Clifford A. (2009): De Arquímedes a Hawking. Crítica, Barcelona.
Poincaré, H. (1905): Science and Hypotesis. Walter Scott Publishing Co.
--- (1914): Science and Method. Thomas Nelson and Sons.
--- (1958): The value of Science. Dover Publications.
Popper, K. (1968.): The Logic of Scientific Discovery. Harper Torchbooks,
sec. Edit.
--- (1991): Conjeturas y refutaciones. Edic. Paidós.
Priante, A. (2006): El silencio de Goethe o la última noche de Schopenhauer.
Cahoba, ediciones.
Prigogine, Ilia & Stengers, Isabelle (1984): Order out of Caos. Bantam
Book.
--- (2004): La nueva alianza. Metamorfosis de la ciencia. Alianza Edi-
torial, Madrid.
Rapoport, A. (1968): Mathematical Aspects of General Systems Analysis.
Ver J. A. Litterer.
Reale, G. y Antiseri, D. (1999): Historia del pensamiento filosófico y cien-
tífico. Herder, Barcelona, tercera edic.
Reichenbach, H. (1971): The direction of Time (edit. M. Reichenbach)
University of California Press.
Resnick, Mitchel (2000): Turtles, Termites, and Traffic Jams. Explorations
in Massively Parallel Microworlds. MIT press.
556
Richmond, B. y Peterson S. (2000): An introduction to Systems Thinking.

High Performance Systems Inc.
Roldán É. (2014): Irreversibility and Dissipation in Microscopic Systems.
Doctoral Thesis accepted by Universidad Complutense de Madrid,
Spain, 2014. Springer.
Roldán J., Y. ¨Ben-Dov, G. Guerrero (2004): La complementariedad: una
filosofía para el siglo XXI. Programa Editorial, Univ. Del Valle.
Roldán, J. (2014): Exergía, anergía. Universidad del Valle, Colombia.
Saunders, P. T. (1983): Una introducción a la teoría de catástrofes. Ed.
Siglo Veintiuno.
Schiff, Joel L. (2008): Cellular Automata. A descrete View of the World.
Wiley Interscience.
Schöderbeck, P. P. (recopilador) (1971): Management Systems.John Wiley
and Sons, Inc.
Schrödinger E. (1975): ¿Qué es una ley de la naturaleza? Fondo de cultura
Económica.
--- (2009): Ciencia y humanismo. Tusquets, Metatemas. 3ª edición.
Senge, P. (1992): La Quinta Disciplina: El arte y la práctica de la organi-
zación abierta al aprendizaje. Ed. Granica.
Senge, P. et al. (1995): La Quinta Disciplina en la práctica. Ed. Granica.
Shannon, C. & Weaver, W. (1949): The mathematical Theory of Commu-
nication. Urbana, University of Illinois Press.
Simon, H.A. (1979): La Arquitectura de la complejidad. Ver Simon, Las
ciencias de lo artificial. Edit. ATE.
--- (1979): Las ciencias de lo artificial. Edit. ATE.
Skyttner; Lars (2005): General Systems Theory. Problems, Perspectives,
Practice. World Scientific, 2nd. Edit.
Smith, Leonard: (2007): Chaos. A Very Short Introduction. Oxford Uni-
versity Press.
557
Sokal, Alan (2010): Más allá de las imposturas intelectuales. Ciencia, filo-
sofía y cultura. Edit. Paidós.
Sokolnikoff, I. SS, Redheffer, R. M., 1958: Mathematics of Physics and
Modern Engenieering. McGraww-Hill, Book Company, Inc.
Stewart, Ian (2007): ¿Juega Dios a los dados? Drakontos, bolsillo, Edit.
Crítica, Barcelona.
Stokes, J.L. (1922): Aristóteles. De Caelo. Oxford University Press.
Sussman, M.V. (1972): Elementary General Thermodinamics. Addison-
Wesley.
Swinborne, R. (1976): La justificación del razonamiento inductivo. Alianza
Universidad, Madrid.
Taber, C. S. y Timpone, R. J. (1996). Computational modeling. Quantitative
applications in the social sciences 113. Sage, Thousand Oaks ; London.
(Op. Cit. en Gilbert & Troitzsch (2005).
Von Foerster, H. (2003): Understanding Understanding. Springer –Verlag.
Warfield, J. N. (2006): An Introduction to Systems Science. World Scientific
Publishing Co. Pte. Ltd.
Watts, Duncan J. (1999):Small Worlds. The Dynamics of Networks... Prin-
centon Univ. Press.
Woodcock A., Davis M. (1980): Catastrophe Theory. Avon Books.
Wooldrige, M. (2002): An introduction to Multiagent Systems. John Wiley
and Sons Ltd.
Wulff, H.R., Pedersen, S.A. & Rosenberg R. (2002): Introducción a la
Filosofía de la medicina. Triacastela, Madrid.
Zadeh, L.A. (1965): Fuzzy sets and systems. Proc. Simps. Systems Theory
Politech Inst. Brooklyn.
--- (1965): Fuzzy Sets. Information and Control, vol. 8, No. 3, June.
558
Revistas:
Journal of Industrial Engineering & Management.
Bonfring International Journal of Industrial Engineering and Management
Science
General Systems Yearbook.
International Journal of General Systems.
Systems Research and Behavioral Science.
Systems Research. The Official Journal of the International Federation for
Systems Research.
Systemic Practice and Action Research,
Journal of the Operational Research Society.
Isss Conference Proceedings (InternationalSociety for the Systems Sciences).
General Systems Bulletin.
Complexity.
Journal of Systems Science and Complexity.
559
560
Índice
A Analogía(s); con el origen de la vida, 275; e iso-
morfismo, 110; entre complejidad dura y blan-
Aceleración 37, 486, 487; caída libre, 486; definida, ; para la energía de trabajo, 507; qué
ción, ; gravitacional, 86, 487; uniforme, 47. son, 110; y experimentación, 39.
Ackoff 109, 150, 154, 155, 158, 160, 165, 172, Angyal 213; definición de sistema. 213.
184, 312, 346, 425, 435, 439, 493; pensa- Animismo 26.
miento analítico y sistémico, 308; planeación
interactiva, 327. Anomalías 47, 55, 58, 63, 64, 78, 79.
Acoplamiento(s); de elementos activos 178 , Antilogaritmo 535 .
503; en retroalimentación 180; entre entradas Antimultitud; Teoria de la multitud-antimulti-
y salidas 503; entre sistemas 181; estabilidad tud, 257.
del sistema 180; estructura del sistema 178; ley Apalancamiento 402, 413, 419.
de 133, 135; matriz de 178, 179, 503; red
Aprendizaje 123, 145, 243, 288, 290, 312, 366,
de 179; resultado del 179.
367, 368, 381, 388, 395, 469, 495; metodo-
Acto(s); autónomos 155; de respuesta 155; de un logía de, 364.
sistema 155; reactivos 155.
Aracil 349.
Administración; concepto de 115; del siste-
Aristóteles 31, 38, 51, 96, 100, 130, 256, 314,
ma 323; enfoque analítico, enfoque sistémi-
460, 465, 480; caída de los graves, 37, 38, 97,
co, 421; estilos de 316; uso de analogías 110; y
480; el holismo griego, 96, 103; en la Edad Me-
clima organizacional ; y complejidad 284; y
dia, 97; la emergencia sistémica, 130; peso in-
cuasidescomponibilidad 183.
finito, 37; refutación de la caída de los graves
Agrupamiento; coeficiente de, 267; de un gra- (n), 97; teleología, 157; tipos de causas, 31; y
fo, 267, 543. el vacío, 481; y la lógica, 460, 465, 466; y los
Aislamiento 85; característica de la ciencia clási- sistemas lógico deductivos, 51.
ca, 301; de un sistema, ; en el péndulo de Ga- Arquetipos sistémicos:; crecimiento y subinver-
lileo, 183; y experimentación, ; y la ciencia sión, 418; desplazamiento de la carga, 406; ero-
analítica, 101, 102; y la teoría de la compleji- sión de metas, 409; escalada, 413; éxito
dad, 218; y la T.G.S., 217. para quien tiene éxito, 415; límite del creci-
Ambiente del sistema 125, 127, 133, 139, 145, miento, 402; pensamiento sistémico, 402 ,
158, 160, 192, 196, 217, 244, 355, 500, 420; qué son, 402; soluciones contraprodu-
501; intercambio de energía, 506; metodo- centes, 411; tragedia del terreno común, 416.
logía de Forrester, 350; metodología de Jen- Arquímedes 47.
kins, 338; (n), 155 , 350; programación
lineal, 336; y adaptabilidad, 305; y auto-orga-
nización, 283; y comportamiento complejo,; y Ashby 104, 127, 130, 131, 139, 140, 142, 147,
el enfoque de sistemas, 317; y emergencia sis- 172.
témica, 283; y las estructuras disipativas, 292. Asimov 108.
Ámbitos 48, 69, 79, 166. Astronomía: 41.
Amor; fuerzas del sistema social, 289; ¿medición Atractor(es); comportamiento territorial, 245; de
del?, 423; y lenguaje, 289; y solidaridad, 290. Lorenz, 233; duplicación del número de, 231,
Análisis; cualitativo, cuantitativo, 240; de la inter- 237; qué es, 231; redes boleanas, 278; teoría
vención, 382; de los tres cuerpos (n), ; del sis- del caos, y de catástrofes, 243; y fractales, 236.
tema, 339, 340; del sistema político, 385; del Auto-catalíticas 283; reacciones químicas, 283; re-
sistema social, 384; Dos, 373 , 385; mate- des, 275.
mático. Ley de los graves, 480; Tres, 373 , Autómatas celulares 261.
385; uno, 373; Uno, 384; y síntesis, 32.
Autoorganización 146, 152, 197, 198, 220, 221,
561
222, 274, 283, 288, 290, 309, 315, 500, 501. Bly A. 82, 170.
Autopoiesis 136, 284, 309. Bogdanov 172.
Autorregulación; en Boulding. 153; propieda- Bohr 248, 250, 468, 469.
des emergentes. 287; y calidad de informa- Boltzmann 206, 519, 520; reversibilidad, 206.
ción, 287.
Bosque industrial; enfoque analítico, enfoque sis-
Autosimilitud 237, 536. témico, 423; modelo de dinámica de siste-
Axiomas 53, 61, 149, 172; definición (n), 51; de mas, 432.
la teoría de probabilidades (n), 209; e hipóte- Boulding K. 153, 161, 184; clasificación de siste-
sis, 60; ejemplos de, 52; quinto postulado de mas, 150; jerarquización de sistemas, 151; y la
Euclides. 474; silogismo, 33; sistema de Pea- práctica de los modelos de sistemas, 153; y la
no, 473; tautología, 36; teorema de Gödel SGSR, 110.
(n), 51; y deducción, 36, 51, 123; y matemá-
Brafman O., Pollack J. 550.
ticas, 34, 52, 60, 61.
Braithwaite R. B.; prueba o refutación completa de
Axiomática 57.
una teoria, 59; y la inferencia inductiva, 36.
B Braun W. 402.
Brigman P. W. 82.
Bacon F. 300.
Broad C.D. 71.
Barberousse A., Bonnay D. 72.
Browniano 519, 520.
Beishon J. 441.
Buchanan M. 219, 279, 548.
Belouzov-Zhabotinsky 274.
Burrel y Morgan 308, 328.
Bénard; giro a la derecha o a la izquierda, 288; ines-
tabilidad de, 197; y la auto-organización, 288. C
Bergmann G. 166.
Caída libre; componentes de la, 86; deducción de
Bergson; el élan vital, 256; y el "élan vital", .
la ecuación, 487; deducción de la ley de, 123,
Bertalanffy L. Von 110, 112, 143, 144, 149, 173, 486; ley de la, 57; y el plano inclinado, 37.
185, 187, 229, 495; limitaciones de la teoría en
Calor; definición de, 189; medición del, 190; y
forma de E.D.O., 180; y el enfoque clásico de la
temperatura, 189; y trabajo, 112.
ciencia, 103; y la filosofía de sistemas, 117; y la
investigación tipo dos, 304; y la SGSR, 110; y Cambios; en el tiempo absoluto de New-
las matemáticas en la T.G.S., 172, 495; y las me- ton, 458; factibles y deseables, 312 , 387 ,
todologías funcionalistas, 311; y la T.G.S., 103, 429; hereditarios, 66; moderados ante cam-
116, 136, 437, 444; y sistemas abiertos, 112. bios en las C.I., 278; propuestos por las me-
todologías, 300; sugeridos por modelos men-
Bifurcación: 232; en la curva de Koch, 237; teo-
tales, 379; y consenso, 373; y cosmovisiones
ría del caos y teoría de catástrofes, 243; y au-
(Weltanschauungen), 387; y evolución, 273.
tocatálisis, 283; y teoría de catástrofes, 241; y
umbral crítico, . Campbell N. R. 168, 169.
Billari F., Fent T., Prskwetz A, Scheffran J. 262, 264. Campos 246 .
Biología 37; carácter científico de la, 73; la ley Cantidad de movimiento 485.
del "todo o nada", 122; molecular, 443; teóri- Cantor; conjunto de, 231, 234; conjuntos trans-
ca, 223; y el organicismo, 91; y experimenta- finitos, 226.
ción, 40; y la ciencia tradicional, 103, 217; y Caos; definición, 525; organizado, 294.
la genética molecular, 64; y la TGS, 116, 402; y
los sistemas complejos, 287; y reduccionis- Capital Social 286.
mo, 87, 88; y sistema abierto, 112; y taxono- Capra F. 136 , 198 , 250; orden y desor-
mía, 488; y teoría de catástrofes, 242. den, 197; patrón y estructura, 115; relojes quí-
Bit; definición, 203; variedad obligada, 127. micos, 198; sostenibilidad ecológica, 314; y
el acercamiento a la verdad, 30; y la hipótesis
562
Gaia, 159. 429; sistemas duros y blandos, 164; y la inge-

niería de sistemas, 363; y los sistemas con pro-
Capra y Luisi 61, 65, 87, 136, 247, 443.
pósito, 368; y los sistemas de la actividad hu-
Carga; capacidad de, 533; desplazamiento de mana, 164.
la, 406; emocional, 396; en un condensa-
Churchman C.W. 316, 317, 318, 319, 321, 322,
dor, 483.
363, 454; ideas sobre sistemas, 318.
Carnap; lenguaje objeto, metalenguaje, 55; veraci-
Cibernética; clásica y de segundo orden, 147; de
dad de una hipótesis, 57; y la definición de en-
segundo orden 146 , 147 , 309; de sistemas
tropía, 193.
blandos, 312; ley de la totalidad, 134; organi-
Carnot; ciclo de, 191 , 511; ciclos reversi- zacional, 311, 326; origen de la, 346; y admi-
bles, 514; máquina térmica, 190, 191. nistración, 395; y complejidad, 73, 117, 223; y
Catástrofes, Teoría de; elementales (siete), ; ¿pseu- el acoplamiento de partes, 133; y el nuevo enfo-
dociencia?, 239; qué es, 239, 241; y teoría del que de la ciencia, 217; y la metodología de Fo-
caos, 243. rrester, 331; y la propuesta de Lange, 181; y
CATWOE; ejemplo, 427; ¿Qué es?, 377 , 378; y organización, 146; y retroalimentación, 143 ,
actividades mínimas del modelo concep- 346; y sistema abierto, 143; y TGS., 146.
tual, 379; y la definición raíz, 377, 378; y mo- Ciclo(s); de Carnot, 191, 511; de Carnot y entro-
delo conceptual, 393. pía, 193; en relación a un atractor, 278; longitud
Causa 472. de los, 278; patrón de repetición de, 278; posi-
tivo, 350; repetitivos y la segunda ley de la ter-
Causación 41. modinámica, 274; reversible, 514; reversible y
Causalidad; bases de la, 348; concepto de cambio de entropía, 515; ruta más larga, ; sis-
ley, 42; contrafactual 470; Descartes y la C. témico de aprendizaje, 366; sucesión de C. de
directa, 222; determinismo y, 469; diagramas Carnot, 514; y la máquina térmica, 191; y re-
causales, 347, 348, 349; ecuaciones diferen- troalimentación, 44, 102.
ciales y la, ; en Kant, 22; explicación de un Ciencia(s); blandas, 74; características gene-
hecho, 347; indeterminista 470; lazos de re- rales de la, 32; clásica y de sistemas dife-
troalimentación, 348; negativa, 350; objetos rencias, 421; clasificación de las, 69 , 73 ,
de existencia real, 26; positiva, 349; princi- 75; construcción del conocimiento, ; cuáles
pio de, 31, 41, 42, 469; secuencia de los fe- son, 72; definición de, 21, 74, 78, 82; de
nómenos, 157; tabla de las categorías, 462; y las redes,; de los sistemas, 116, 136, 326; di-
juicio, 461; y relaciones lineales, 43; y tiem- visiones de las, 304; duras, 74; e hipóte-
po, 471. sis, 60; e inducción, 36; empíricas, 34, 60,
Causas; Aristotélicas, 31; diversas y universali- 70, 72; empíricas y formales, 37; éxitos, ; ex-
dad, 469; eficientes y finales, 37, 157; efi- perimentación, 38, 96; extraordinaria, 79; fi-
cientes y Galileo, 91; eficientes y mecanicis- losofía de la, 71; física, 459; formalización
mo, ; finales, 91, 103; futuras, 157; genéticas de la, 55; fracasos,; históricas, 41; huma-
y ambientales, 469; pensamiento científico y nas, 67; importancia de la historia en la, 81; lí-
las, 27; y linealidad, 44. mites de la, 70; método, 30 , 46 , 81; mo-
Centralización; concepto matemático, 498; en la derna, 458; normal, 79; objetividad de
T.C. 222; ley sistémica, 125; progresiva y com- la, 300; procedimiento tradicional, 85; progre-
plejidad, 499; y descentralización, 126; y el so de la, ; pública, 45; según Popper, 74; so-
modelo de O. Lange, 180; y mecanización, 135. ciales, 67; tradicional y ciencia de los
sistemas, 127; vocabulario común, 116; y ais-
Chalmers A.F.; falsación en Popper, 77.
lamiento del fenómeno,; y convenciones, 57; y
Changeux J. P., Ricoeur P. 443, 550. criterios de veracidad, 57; y el principio de fal-
Checkland P.B. 150, 172, 185, 253, 299, 327, 346, sación, 77; y especialización del conocimien-
363, 365, 380, 387, 394, 435, 450, 494; ac- to, 73; y experimentación, 37, 40; y filoso-
ción investigativa interpretativa, 305; clasifica- fía, 70; y matemáticas, 170; y objetividad, 25,
ción de, 161; enfoque epistemológico de los sis- 28; y principios, 57.
temas, 379; metodología de, 371, 421, 425, Ciencia y humanismo 118, 444.
563
Científico; actividad del, 78; administrador, 321, Complejo; comportamiento, 285 , 286; defini-

324; carácter C. de la T.G.S., 437, 444; carac- ción, ; multidimensionalidad, 286; núme-
terísticas del pensamiento, 445; conocimien- ro, 236; número (n), 236; orden, en la teo-
to, 21, 24, 25, 27, 28, 36, 37, 45, 213, ría del caos, ; plano, 236; sistema, 137, 140,
311; conocimiento (pensamiento), 26; de- 142; definición, 181; ¿funciona? 450; orienta-
sarrollo del conocimiento, 76; descubri- do por la técnica o por el problema, 302; siste-
miento, 46; enfoque de sistemas, 317; es- ma adaptativo, 290; sistema. Definición, 137,
tado positivo o, 39; hechos de interés para 224; sistema social, 289; sistema, y administra-
el, 88; método, 21, 46, 56, 83; origen del ción, 284; teorema de la indeterminación fun-
término, 70; pensamiento C. y visión del mun- cional, 451; y complicado, 139.
do, 46; procedimiento, 83; proceso, 81; pro- Comportamiento(s); aleatorio de una ley exponen-
cesos del conocimiento, 46; saber (conocimien- cial, 272; animal, territoriedad, 244; auto-orga-
to), 31. nizado, 222; clasificación de sistemas de acuer-
Clasificación; de fenómenos, 149; de las cien- do al, 155; complejo, 285, 286; complejo, qué
cias, 22, 69, 73, 74; de las leyes, 166; de las es, ; control del, ; definición, 155; del mundo
teorías sociológicas, 308; de los sistemas, 150, sublunar, 97; de los genes, ; del todo y de las
158, 161, 164; y teoría, 150. partes, 179; egoísta, 222; emergente, 222; en
Clave Morse; e información, 201. psicología, 155; exponencial, ; fractal, ; hu-
mano, leyes del, 91; intencional, ; intencional,
Clima; "Climax Design", 448; efecto maripo-
intencionado, 158, 494; predicción del, 139.
sa, ; laboral, 425; modelo inicial de Lo-
renz, 232; organizacional, 101, 427; predic- ; reactivos,; responsivos, ; reversible, 518; y ar-
ción del, ; variedad en el, 127, 128. quetipos sistémicos, 402; y complejidad, 140; y
espacio de fase, 496; y jerarquización, 439; y
Climatología 41.
matriz de transformación, 180; y medidas de ac-
C oevolución; definiciones, 288; y adapta- tuación, 360; y normas, 384; y proceso, ; y re-
ción, 288; y aprendizaje e información, 288; y ductibilidad, 140.
empoderamiento, 288; y teoría de la compleji-
Computación; máquina de Touring, 220; modelos
dad, 283.
de, ; programadores de, 341; y la teoría de la
Colisión; entre dos esferas, 485. complejidad, 223.
Como si 279; teoría científica y el, 56. Comte A. 39, 73, 304, 314; división de las cien-
Complejidad; áreas de investigación, 284; áreas cias, 304; ley de los tres estados, 39; leyes gene-
relacionadas con la C., 223; aumento de rales, 73; sociología, ; y la ciencia física, 39; y
la, 235; definición(es), 137 , 221 , 222 , las ciencias naturales y sociales, 39.
284; dinámica, 139; en las ciencias natura- Conde, G. A. 525, 551.
les y en las humanas, 422; en redes, ; estáti-
Condiciones iniciales 226; determinismo, 196 ,
ca, 138; grado de C. en un sistema, 273; me-
441; el problema de los tres cuerpos (n), ; en-
didas de la, 223; origen de la, 274; posibilidad
tropía, 126; equifinalidad, 124; estado de
de una teoría de la C., ; problemas filosófi-
equilibrio, 197; Poincaré, 527; teoría del
cos, ; ¿Propiedad de un sistema?, 137; reduc-
caos, 231; y determinismo, 93.
ción de la, 140; Teoría de C. y los propósitos
del sistema,; y arquetipos sistémicos, 402; y Conectividad (interconectividad); coevolu-
cuasidescomponibilidad, 182; y el enfoque de ción, 283; complejidad, ; en los sistemas com-
Luhmann, ; y el principio de incompatibili- plejos, 282; grado de interacción, 282.
dad, 207; y el proceso en un sistema, 142; y Conjunto(s); clásicos, 206; de Cantor, 231 ,
emergencia sistémica, 217; y estructura del sis- 234; de est ados es enciales, 128; dif u -
tema, 141; y la matemática clásica, 207; y los so; definición, 207; difusos, 206 , 208 ,
sistemas sociales,; y no linealidad, 44, 102, 440 , 520; nítido(s), 207 , 523; posibi-
142; y orden, 290; y organizaciones, 366; y re- lísticos, 524; probabilísticos, 524; teo-
des, 542; y reduccionismo, 86; y reductibilidad ría de, 207; universal, 520; variedad obliga-
sistémica, 136; y seres vivientes,; y sistemas so- da, 127.
ciales, 284, 287; y tamaño del sistema, 140. Conocer 29, 39, 117, 457, 458, 460.
564
Conocimiento 222; intuitivo, 23. Cuantificación; medición, 168; y teoría de catás-

trofes, 245.
Conocimiento(s); aproximaciones al, 30; axio-
mas, postulados (n), 52; científico, 24 , Cuantitativo(s); modelo C. y las metodologías fun-
28 , 46 , 76 , 82 , 445; correcto (Descar- cionalistas, 310; modelo C. y las metodologías
tes), 86; del mundo, 461; e intencionali- interpretativas, 312.
dad, 366; empírico, 459; empirismo, racio- Cuasidescomponibilidad; delimitación del sistema,
nalismo, 457; especializado, 100; formas subsistemas y ambiente, 307; ¿Por qué exis-
de, 22; holístico, 102; inicio del, 366; inte?, 183; un regulador del sistema, 184; y ais-
tegral, ; límites, 29; matemático, 60; nue- lamiento, 183; y complejidad, 183; y el concep-
vo y la deducción, 33; objetividad, 311; ob- to de familia, 183; y grado de complejidad de un
j et ivo, 26; obj etos de (n). 25; p or sistema, 224; y jerarquización, 181; y la com-
experiencia, 23; por tradición, 24; principios, prensión del todo, 439; y la práctica del enfoque
convenciones, 57; ¿Qué es?, 222; revolución de sistemas, 442; y regulación (n), 140.
copernicana del, 459; tipos de, 23; verdade- Cultural(es); aspectos C. en la corriente lógi-
ro, 26, 27; vertical, transversal (Klir), 74; y ca, 373; aspectos C. y la sistemicidad, 367; co-
aprendizaje, 366; y ciencia, 70; y experien- rriente C. en la MSB, 373, 381; dimensiones y
cia, 457, 459; y facultades en la Edad Media,; y la multidimensionalidad, 286; el mundo de los
razón, 457, 460; y sentidos, 460. símbolos, 117; fenómenos, 69; patrones C. en
Consenso; y acuerdos, 373; y puntos de vista, 364. la T.G.S., 219; sistemas sociales y, 162, 163.
Constructo mental 90, 106, 190, 218, 312, 367, Curlee, W. & Gordon R.L. 551.
379, 423, 433, 438, 442, 539.
Conte S.D. 526. D
Conversación; cohesión en los sistemas socia- Darwin; el origen de las especies, 93; irreversibi-
les, 290; y la metodología de Checkland, 385. lidad de los procesos de la vida, 94; Selección
Conway 262. natural, 94.
Cosa-en-sí 70. Dato(s); causalidad, 348; complejidad estáti-
Crecimiento; controlado, 176; de la entro- ca, 138; recolección e información y, 343; teo-
pía, 518; en el "juego de los botones", 274; en ría del caos, .
Maslow, 67; explosivo (p equeño mun- Decoherencia; en la administración, 291; entra-
do), ; exponencial, 174; geométrico, ; ili- mado (entrelazamiento), 290; mecánica cuán-
mitado, 174; isomorfismo, 116 , 174; iso- tica, ; teoría de la complejidad, 290.
morfismo (n). 174; lazo de retroalimentación Deducción; definición, 33; de la caída li-
positiva, 399; ley del (Gall), 447; limitado bre, 486; formalización de la matemáti-
(n). 229; límite del, 403; poblacional, 67 , ca, 51; Popper, 74; proceso deductivo, 33; si-
229; reforzador, 403; teoría del caos, 229; ti- logismo, 34; suma de componentes, 21; y
pos de, 151; y subinversión, 418. conocimiento, 32; y emergencia sistémi-
Crick; y el ADN, 47. ca, 131; y leyes, 171; y tautología, 36.
Críticas; a la filosofía de sistemas, 438; a la Deductivo; carácter de las matemáticas, 51; le-
T.G.S., 437; al concepto de sistema, 441; de yes deducidas, 123; proceso, 33; proceso ló-
D.C. Phillips, 437; de Galileo a Aristóteles, ; de gico, 52; proceso y demostración, 53; razona-
Gall, 445; vertientes C. de la T.G.S., 314. miento D. y silogismo, 440; razonamiento D. y
Cualidades; inmanentes, 214. teorías formales, 52.
Cualitativo(s); aspectos C. de la ciencia anti- Definición(es); de sistema complejo, 137; de
gua, 37; cambios, en las estructuras disipati- sistemas, 105; dificultad de las, 52; ejem-
vas, ; carácter C. de las leyes físicas, 121; cri- plos, 53; en la ciencias naturales, 57; investiga-
terios C. y objetivos, 343; en la teoría de ción, 150; leyes, 122; matemáticas, 52; opera-
catástrofes, 239, 240, 245; y cuantitativo, un cionales, 171; raza pura, 63; y principios, 57.
balance, 293. Def inición raíz; CAT WOE, 377; estr uctu-
565
ra, 378; holones, 379; qué es, 375, 377; y ca, 288; política, 385; tercera, 332.

análisis del sistema social, 384; y diseño, 387; y Dinámica; complejidad, 138, 139; de la informa-
jerarquía sistémica, 378; y modelo concep- ción en redes, ; de la resiliencia, ; de las ecua-
tual, 379; y transformación, 377. ciones teoría del caos, ; de los cuerpos, ; de
Demoras; lazos de retroalimentación, 397; qué los proyectiles, ; de los sistemas, 105; de sis-
son, 142; y complejidad, 402. temas, 305 , 311 , 326 , 346; de sistemas
Descartes R. 86, 90, 91, 100, 222, 443; segun- blandos, 395; de sistemas, lazos de retroali-
do y tercer principio del "Discurso", 88; separa- mentación, 356; económica y cuasidescompo-
ción mente-cuerpo, 91; y el espíritu de la épo- nibilidad, 183; en series divergentes, 527; inte-
ca, 46; y el reduccionismo, 88; y la teoría de la racción, sistema abierto, 144; newtoniana, tres
complejidad, 222. leyes principales, 301; programación, 332; sis-
tema oscilatorio, 482; social, 39; y termodiná-
Descentralización; en la T.C. 221; ley sistémi-
mica, 196.
ca, 180; y complejidad, 125; y la administra-
ción moderna, 257. Disipativas; estructuras, 197 , 519; estructuras y
auto-organización, 197; estructuras y bifurca-
Descomponibilidad; sistema jerárquico, 181.
ción, 199; estructuras, y complejidad, 284.
Desorden; confusión (n), ; e ignorancia, 206 ,
Disipatividad; y sistemas complejos, 283.
518; e irreversibilidad, 519; metodologías post-
modernas, 314; ¿u orden en el mundo?, 517; y Dominio; dimensional y lógica sistémica, ; emo-
cantidad de información, 206; y energía, 193; y cional. 290; personal (La quinta discipli-
entropía, 204, 517; y no equilibrio, 197; y or- na), 395; personal, qué es, 395; y evolu-
den, 197; y sistemas organizados, 440; y teo- ción, 288.
ría del caos, . Dubois y Prade 520.
Determinismo; bases del, ; estadístico, 470; gené-
tico, 65; limitaciones, 470; newtoniano, ; res- E
tricciones al, ; y causalidad, 469; y condiciones
Ecología 41.
iniciales, ; y reversibilidad, 92.
Economía; arquetipos sistémicos, 402; fallas en cas-
Diagramas; causales, 140, 347, 348, 349; causa-
cada, ; fallas en el enfoque reduccionista, ; fi-
les, el lenguaje de los sistemas, 350; causales en
jación de precios, 123; hipótesis de D. Ricar-
la quinta disciplina, 397; causales. Lectura de
do, 67; ley de la oferta y la demanda, 121 ,
los, 403; causales y demoras, 402; causales y
122; objetos de la actividad humana 26; refu-
estructura, 400; causales y sistemas comple-
tación de una hipótesis (Nash), 68; sistema di-
jos, 397; de Euler, 466; de flujo, 337; de Fo-
námico (Boulding), 151; y la ley de Pareto 80-
rrester, 351, 353; de proceso, 490; de sistema
20, 122; y la teoría de catástrofes, 243; y la
abierto, 338; semiótica y, 57.
teoría del caos, 229; y la T.G.S., 136, 284; y
Diálogo; en la MSB, 340; y discusión, 396. los métodos de la ciencia analítica, 40; y reduc-
Diamond J. 40 , 257 , 291 , 445; experimenta- cionismo, 217.
ción natural, 40; fragmentación de los siste- Ecuación; normalizada, 533.
mas, 291; ¿Por qué Europa y no China?, .
Ecuaciones diferenciales; definición de siste-
Dibujo; base de la discusión, 381; enriqueci- ma, 496; estudio del clima, 232; flujos y ni-
do, 372 , 381; enriquecido y el análisis del veles, 354; leyes sistémicas, 495 , 500; mo-
sistema social, 384; enriquecido y el análisis vimiento de dos cuerpos, 526; principio de
Uno, 373; ilusiones ópticas, 134; represen- causalidad, ; reduccionismo, 302; sensibili-
tación de estructuras, 141; y visión sistémi- dad a las condiciones iniciales, 441; sistema de
ca, 372. Bertalanffy, 172, 173; solución, 227; y la ma-
Difracción 539, 540. temática del continuo, 239.
Dimensión; de homotecia, 536; espacial diez, Edad; Media, 97; Media y educación, ; variable
teoría de las cuerdas, 56; espacio euclidia- lingüística, 524; y conjuntos difusos, 209; y
no, 536; fractal, 534, 536; fractal, curva de relaciones difusas, 521.
Koch, ; fractal y complejidad, 224; históri-
566
Efecto mariposa 228. competencia,; y sistema abierto, ; y tempera-

tura (n), 512.
Eficiencia de una máquina 190, 192.
Enfoque de sistemas 102.
Einstein; experimentos mentales, 468; mate-
ria y energía, 506; postulados de la relativi- Entrelazamiento 250; cuántico y la ciencia analíti-
dad, 471; revolución científica, 80; tiempo ca, ; qué es, 290; y complejidad, 290.
y causalidad, 471; y el principio de Heisen- Entropía; alteración de la, 518; definición, 193 ,
berg, 468; y la intuición, 47; y la simultanei- 201 , 514; del universo, 517 , 519; dife-
dad, 458, 471; y Poincaré: principios y conven- rencia en, 514; e ignorancia, 518; e in-
ciones, 56. for mación, 196 , 201; e ir re versibi li-
Elemento(s); activo, 177 , 178 , 501; activo dad 515; generación de, 195; máxima, 205,
(n), 177; activos y comportamiento del sis- 516; mínima, 126; visión macros cópi-
tema, 179; activo y matriz de acoplamien- ca, 204; visión microscópica, 204; y
to, 178; activo y retroalimentación, 180 , c ompl e j i d a d, 2 2 3 ; y d e s ord e n , 1 9 3 ; y
503; centralizador, 135; centralizador y ad- energía libre, 196; y equilibrio, 113; y estruc-
ministración, 317; coordinador y centraliza- turas disipativas, 197; y lazo de retroalimenta-
ción, 125; del sistema, E. del ambiente, ; fun- ción, 144; y neguentropía, 195; y procesos irre-
damental de la complejidad, 221; fundamental versibles estables, 194; y sistemas abiertos, 113,
en la ciencia, ; grado de pertenencia (conjun- 127, 144, 195; y sistemas cerrados, 126, 194; y
to difuso), 208; líder, 499; mínimo en la TGS sistemas vivos, 195; y temperatura (n), 126; y
y en las redes, 220; protector, 128; protector teoría cuántica, 199; y trabajo, 193, 515; y tra-
(regulación), 128; regulador, 130; transmi- bajo (n), 94.
sor de la herencia, 56; y el movimiento de los Epistemología; de sistemas, 117; en Popper, 79; y
cuerpos, 95; y la ley del tercero excluido, 211; y Kant, 458; y método, 81.
Mendel, 63. EPR 247.
Emergencia; de primer, segundo y tercer or- Equifinalidad; ecuación de la, 500; en Lan-
den. 131 , 285; sistema y razonamiento de- ge, 180; ley de la, 167; ley sistémica, 124; me-
ductivo, 440; sistémica, 130 , 151 , 283 , dición de la, 306; y el quinto nivel de Boul-
293, 440; sistémica y complejidad, 255; sis- ding, 152; y lazos de retroalimentación, 145.
témica y complejidad (n), 448; sistémi-
ca y silogismo, 440; sistémica y subsiste- Equilibrio; definición de (n), 135; e islas de or-
mas, 137; sistémica y trabajo en equipo, 396; y den, 283; estado de E. de un sistema, 500; múl-
auto-organización, 290; y jerarquización, 181. tiples puntos de, 284; pérdida abrupta
del, 241; superficies de, en Teoría de catástro-
Emery F.E. 213. fes, 241; térmico, 194; termodinámico, 189; y
Emoción; y amor, en los sistemas sociales, 289; y disipatividad, 283; y equifinalidad, ; y estabili-
ética en las metodologías postmodernas, 315. dad, 135; y estabilidad (Lanage), 180; y estado
Empirismo; qué es, 457; y la ciencia moder- estable, 126; y estructuras disipativas, 197; y
na, 458; y racionalismo, 457; y racionalismo la estadística (Bolztman), 199; y no-equili-
en Kant, 459. brio, 197; y organización, 292; y trabajo, 113,
125.
Empoderamiento; y coevolución, 288.
Ergodicidad; equifinalidad, 180.
Enache R. 147.
Espacio; bidimensional, ; de comportamien-
Energía; degradación de la, 505; de trabajo, 507; e
to, 241; de control, 241; de fase, 241 ,
información, 288; interna, 506; interna (tér-
496; definición, 57 , 71; en Kant, 22; eu-
mica), 189; libre, 196; libre (n), ; libre y en-
c l i d i a n o, 5 3 6 ; i n f i n it o, 4 7 7 ; mu e s t r a l
tropía, ; macroscópica de un sistema, 200; ne-
(n), 209; tiempo, 459 , 471; tridimensio-
gativa, 519; oscura, 223; química, 505; tipos
nal, 241; vibracionales (cuerdas), 56.
de, 189 , 505; total, 189; y calor, 506; y el
concepto de equilibrio,; y emergencia sistémi- Espacios en blanco 293.
ca, 283; y las estructuras disipativas, 292; y Especie(s); definición, 489; dimensión históri-
los sistemas disipativos (n), 197; y lucha por la ca, 288; extinción de, 273; Linneo, 141, 489,
567
490; lucha de, 242; origen de las, 93; territo- 1/f, 273; y T. de catástrofes, 242.

riedad, 244.
Experimento(s) 30, 32; corroboración de hipóte-
Espinoza M. 239. sis, 32, 36, 62; crucial, 37; de Milgram, ; de
Estabilidad 112, 114; al borde del caos, 293; de reversibilidad, 518; de Torricelli, 461; de To-
Bénard, 197; e información, 160; en siste- rricelll (n), 32; El juego de los botones, 273; en
mas sociales, ; Lange, 180; sistema abier- las ciencias humanas, 38, 40; en sistemas com-
to, 125; tendencia a la, 151; y centraliza- plejos, 104; fundamentos de un, 71; gru-
ción, 125; y dimensión histórica, 288; y pos auto-administrados, 292; mental, 37 ,
entropía, 127; y equilibrio, 135 , 180; y la- 61; causalidad, 348; entropía crecien-
zos positivos y negativos, 350, 400; y siste- te, 193; mentales. 468; mental (n), 38; natu-
mas, 114. ral, 40, 41; ruptura con el pensamiento anti-
Estado(s); al borde del caos, 282; cuánti- guo, 37; y aislamiento, ; y azar, 48; y las leyes
co, 199; de equilibrio, 125, 500; de equilibrio numéricas derivadas, 170; y la veracidad de
(ruptura de simetría), 199; de orden y entro- una teoría, ; y los conceptos científicos, 71; y
pía, 197; de un sistema, definición, 496; en- metodologías, 303; y teoría, 48.
trada-salida,; equifinal (péndulo),; esen-
ciales, 128; estable(s), 124 , 194 , 501 , F
509; estable y disipatividad, 283; inesta- Facultades; cognitivas, 29; departamentos
ble, ; iniciales, ; primordial (caos) (n),; sis- y, 100; mentales y conocimiento, 366; sen-
temas que mantienen un, 156; termodinámi- soriales y racionales, 460; Universidad siglo
co, 190; tres E. de Comte, 39. XIII, 99.
Estructura(s); administración, 163; auto-orga- Fallas; en cascada, ; en la comunicación, 345; en
nización, 283; definición, 45; del sistema redes, ; razonamiento en Einstein, 468.
(Lange), 178; de redes,; disipativas, 197; e
isomorfismos, 110 , 114 , 483; familia Familia; análisis, síntesis, 24; ciencias natura-
y, 115; fractales, ; gen, 151; jerárquica,; males, 39; clasificación según Ackoff, 160; clasifi-
temática, 110; modificación de la, 114; niveles cación según Boulding, 153; conocimiento in-
y flujos, 353; patrón, proceso y, 114; pensa- tuitivo, 23; cuasidescomponibildad, 183; de-
miento lineal, 45; pensamiento no li- finición de, 115; enfoque orientado por el
neal, 45; siete (René Thom), 241; sistemas problema, 302; enfoque reduccionista, 87 ,
acoplados y, 181; y complejidad, 141; y cua- 88; enfoque sistémico, 103; experimenta-
sidescomponibilidad, 183; y definición nomi- ción, 38; herencia en la, 63; leyes sistémi-
nal, 115; y lazos de retroalimentación, 143; y cas en la, 135; modelo de una, 90; padre de
procesos, 114; y sistemas blandos, 164; y sis- F., elemento regulador, 129; patrón, estructu-
temas duros, 164, 332. ra, proceso, 115; sistema aislaado, 302; siste-
ma cerrado, sistema abierto, 113; sistema de la
Euclides; ángulos del triángulo, 477; quinto postu- actividad humana, 26; subsistemas, 135; ta-
lado, 61; Riemann, Lobachevski, 474. xonomía de Linneo, 489, 490; tipos de, 20,
Evento(s); actos, 155; causales, ; compor- 115; ¿un sistema? 20; y las clasificaciones
t amiento del sistema, 155; del siste- de Ackoff, 160; y las clasificaciones de Chec-
ma, del ambiente, 154; en probabilida- kland, 164, 165.
des (n), 209; iniciales, 156; memoria de Fases; del individuo (Comte), 39; de una me-
un, 288; simultáneos, 458 , 471; y teorías t o d ol o g í a , 3 0 8 ; m e t o d ol o g í a d e Je n -
científicas, 444. kins, 338, 339; siete F. metodología de Chec-
Ev o l u c i ó n ; a d ap t a b i l i d a d , 2 8 7 ; c i v i l i z a - kland, 370; transición de, 242, 274.
ción, 27; co-evolución, 288; Darwin, 93; de Fechner; psicofísica, 91; Weber, ley estímulo-res-
las sociedades, 498; del concepto de cien- puesta, 121.
cia, ; del pensamiento sistémico, 326; del sis-
tema nervioso, 498; e irreversibilidad, 94; en Ferrater Mora 55, 459, 465.
los sistemas (Simon), 181; en redes, ; predic- Feyerabend P.K. 15, 74, 84; concepto de cien-
ción de la, 93; y complejidad, 283; y la ley cia, 80.
568
Feynman R.P. 34, 56, 61, 170, 518, 552; mate- 523; depuración del lenguaje, 55; de ries-
máticas y física, 34, 170; y el orden, ; y la irre- go, 344; expandida de la entropía, 195; ob-
versibilidad, 518; y las leyes de la física, 61. jetivo, 327, 332, 333, 364; y diseño, 109; y
diseño (n), 94; y estructura, 115; y mate-
Filosofía; de general de las ciencias, 71; particular
máticas, ; y mecanicismo, 94; y medidas
de las ciencias, 71.
de actuación, 317, 319; y propósito, 106; y
Finalidad 41. sistema, 105 , 107; y sistemas complejos
Flujos; conexión entre, 354; dinámica de siste- (Gall), 448; y sistemas determinados, 159.
mas, 351, 352; ecuaciones de, 356; identifi- Funiculus; y la presión atmosférica, 463; y las es-
cación de, 354; parámetros, variables auxilia- feras de Magdeburgo, 464.
res, 352; turbulentos y orden, 197; y canales
de información, 352; y la estructura de un siste- G
ma, 353; y lazos de retroalimentación, 354; y
niveles, 354; y parámetros, 353. Gaia 159.
Formalización; de Bertalanffy, 173; de la cien- Galileo; Causas eficientes, 37; Concepto de re-
cia, 55; de la ciencia, escollos, 58; de la ma- s olución, 85; Dis corsi e dimostrazio-
temática, 51 , 54 , 60; de las Ciencias So- ne...,; péndulo de, 19, 20; péndulo de, cla-
ciales, 68; de la T.G.S., 134 , 149; de una sific. Ackoff, 160; péndulo de, clasific.
teoría, 149; de un lenguaje, 55; y deducción, . Boulding, 153; péndulo de, clasific. Chec-
Forrester J.W. 16 , 17 , 160 , 331 , 346 , 361 , kland, 164 , 165; planos inclinados, 37; y
397 , 432 , 435; diagramas de (cursogra- Aristótoteles, 37; y el concepto de aislamien-
mas), 351; diagramas de F. en las organizacio- to, ; y el ppio. de superposición, 122; y la caí-
nes, 397; dinámica de sistemas, 311, 346; di- da de los graves, 38; y la cuasidescomponibi-
námica de sistemas: software, 356; metodología lidad, 183; y la equifinalidad,; y los sistemas
de, 351; modelos de sistemas sociales, 160; ta- cerrados, 112; y los sistemas de referencia
sas y flujos (n), 352. (n), 459; y reduccionismo.
Fotosíntesis 43, 44. Galison P. 56, 458.
Fourier; ley de, 190, 508. Gall J. 445, 447, 448, 449, 451, 452, 453.
Fractal(es); antenas, 238, 538; como elemento Gas; equilibrio de un, 91; expansión e irreversi-
descriptivo, 237; conjunto de Julia, 236; cur- bilidad, 518; expansión libre, 515; ideal, ci-
va de Koch, 235; curvas de Julia, 237; defini- clo de Carnot, 191; moléculas en 1 cm. cú-
ción de, 234; dimensión, 534; dimensión de bico, 206; presión de un, 90, 121; sistema
homotecia, 536; dimensión F. como medida de aislado, 111; temperatura de un, 512; tempe-
la complejidad, 224; dimensión F. de la curva ratura y presión, 347; termostato de, 488; y
de Koch, ; formación de poros, 237; geome- el ciclo de Carnot, 512; y el ejemplo de entro-
tría, 234; grado de resolución, 237; invarian- pía, 204; y la metáfora social de Locke, 91; y
za en la escala, 270; paisajes, 238; patrón re- leyes físicas, 121.
petitivo, 236; recta de Cantor, 231; teoría Gause; principio de, 244.
de, 60, 117, 223, 234, 238; y ADN, 237; y G en ; comp or t am iento line a l, 6 5 ; d ef in i -
atractor extraño, 236; y autosimilitud, 536; y ción, 222; dominante, 63; hipótesis, 56; las
bifurcación, 237; y complejidad, 237; y la ley leyes de Medel, 63; qué es, ; recesivo, 63; y
1/f, 273; y la naturaleza, 237; y la T.C., 220; y herencia, 63; y raza pura, 63.
teoría del caos, 236.
Geología 41.
Fragmentación 257.
Geometría; como lenguaje matemático, 90; de
Frankfort, H. y H.A., Wilson, Jacobsen. 27. Riemann, de Lobachevsky, 476; equivalen-
Franklin Rosalind; y el ADN, 47. cias de las, 477; fractal, 234; palabras indefi-
Fril; lenguaje difuso de computación, 524. nidas, 53; por repetición (fractales), 220; re-
glas de operación, 53; teoría, 58; teoria, y el
Función; de la ciencia, 72; del sistema y los sub- holismo griego, 95; y formas de la naturale-
sistemas, 338; de pertenencia, 209 , 210 ,
569
za, 234; y las artes liberales, ; y sistemas sangre, 62.

lógicos deductivos, 51.
Hewitt P.G. 193, 471, 506, 538.
Gerald; y la S.G.S.R., 110.
Heylighen & Joslyn 146.
Gestalt 134, 213.
Hierón; y Arquímedes, 47.
Gibbons M., Limoges, Nowoty, Schwartzman,
Hiparco; modelo geocéntrico, 59; y el plane-
Scott, Trow 304.
ta Mercurio, 59.
Gilbert, N. 552.
Hipótesis; C. Lombroso, 68; de la heren-
Gould S.J. 70, 117, 118, 131, 214, 300. cia, 62; de la metodología de Sistemas
Grado; de camaradería, 543; de un no- blandos, 365; de nivel superior, 56; D.
do, 276. Ricardo, 67; e inferencia deductiva, 36,
Grado de pertenencia; al conjunto "jo- 56, 123; e inferencia inductiva, 36; en
ven", 209; al conjunto "viejo", 210; con- las ciencias humanas (ejemplos), 67; en
juntos difusos, 208; intersección de dos las ciencias sociales, 39; inferencia induc-
conjuntos difusos, 523; unión de dos con- tiva, 77; investigación tipo 2, 303; kan-
juntos difusos, 523; valores del, 208. tiana (Gall), 452; Maltus, 67; mende-
lianas (herencia), 63; Nash, 68; presión
Grafos; definición, 265; mediciones atmosférica (Linus), 463; puntos de
en los, 266; Teoría de, 264; tipos partida, 61; Torricelli, 32 , 465; ve-
de, 265; total conexiones grafo no diri- rificación, 56 , 57 , 59 , 468; y axio-
gido, 266. mas, 60; y causalidad, 349; y ciencia
Gratzer W. 47. privada, ; y ciencia pública, ; y conven-
Graves; caída de los G. y aislamiento, 101; caí- ción, 57; y creatividad, 46; y el concepto
da de los G., y Aristóteles, 480; comporta- de ley, 121; y experimento, 32, 36, 37,
miento teleológico, 97; ecuación, caída li- 40, 60; y la T.G.S., 149, 172; y método
bre, 121; ley de la caída de los, 111; más científico, 46, 56; y principios, 57.
pesados, caída, 97. Holismo; en la Edad Media, 97; etimología
Greenwood J.D. 469. (n), 95; griego, 95.
Gribbin J. 199, 234, 269, 519, 533. Holístico(a); conocimiento, 102; enfoque es-
tructuralista, 327; enfoque H. y las uni-
Grupos; afectados (stakeholders), 381; atrac-
versidades modernas, 101; retorno al en-
ción gravitacional y orden, 519; au-
foque, 102; visión, 103.
to-administrados, 292; (clusters) en
redes, ; de materia concentrada, 519; in- Holland J.H. 107, 221, 255, 553.
terdisciplinarios, 302; oprimidos, 313. Holones; y definición raíz, 379; y siste-
Gutenberg; Richter, terremotos. 269. mas, 379.
Guzmán M. et al 237. Holton G. 45, 85, 107, 122, 485, 486.
Homeostasis; y retroalimentación, 143.
H Homotecia; dimensión de, 536.
Haldane 441; definición de sistema, 441. Horror; al vacío, 461.
Hall and Hagen 495.
Halliday D., Resnick R. 508, 512.
I
Häuberer J. 286, 552. Ideales; búsqueda de, 109; casos I. en Teo-
ría de catástrofes, 241; fenómenos I. y
Heisenberg 220, 468, 469.
cuasidescomponibilidad, 307; mode-
Heliocéntrica; teoría, 33, 58, 95. los, 90; objetos, 26, 69.
Herencia; de la ciencia analítica, 43; for- Incompatibilidad; principio de, 207.
malización de la teoría, 62; un "como
Índice; de medida de actuación, 319; de Mi-
si", 56; y "caracter", 63; y gen, 56, 63; y
ller, 183.
570
Individualidad; en los sistemas complejos, 282; y la teoría de catástrofes, 239; y razonamiento

naturaleza, 27. (Poincaré), 35.
Inducción; circularidad, 76; definición, 33; e in- Invariancia; en la escala, 270; en la medi-
vestigación, 46; en Popper, 74, 79; inferencia ción, 169; en las propiedades, 169; y méto-
inductiva, 36; por eliminación, 76; proceso do, 30.
básico del conocimiento, 32; y leyes de defini- Investigación; activa, 305; científica, 31, 40; co-
ción, 122; y leyes empíricas, 122; y nuevo corriente basada en la cultura, 380; corriente ba-
nocimiento, 33, 34; y probabilidad, 76. sada en la lógica, 374; de operaciones, 105,
Inestabilidad; de Bénard, 197; máquina de Zee- 305, 311, 312, 326, 331, 344; de operacio-
man, 241; teoría de catástrofes, 241. nes (n). 363; en la acción, 305; en las ciencias
Información; algorítmica, 223; calidad de sociales, 39, 308; inaccesibilidad a la, 70; mo-
la, 287; canal de, 354; canal de I. niveles y flu- dos de, 328; proyecto de I. (Gall), 448; razón y
jos, 352; contendio (medida) de la, 202; de- fe, ; teórica, 150; tipo 1, 303; tipo 2, 303; ti-
finición, 201; equiprobable, 203; lazo de po 3, 304; tipo 4, 305; tipos de, 293, 299; y
retroalimentación, 144; medida de la canti- ciencia privada, 48; y creatividad, 47; y la
dad de, 203; objeto existencia real, 26; sis- teoría de la complejidad, 284; y lengua obje-
tema abierto, 144; Teoría de la, 201 , 202 , to, 55; y método, 31, 32, 45, 46, 81.
520; transmisión de la, 112; unidad de, 203; y Irreversibilidad; carácter de, 194; explicación de
adaptación, 288; y complejidad, 223, 224; y Boltzmann, 206; y entropía, 514; y evolu-
desorden, 206; y entropía, 201, 518; y neguen- ción, 94; y Feynman, 518.
tropía, 196; y sistemas sociales, 288. Irreversible(s); procesos, 94 , 194 , 195 , 516 ,
Instituto Santa Fe; sistemas complejos, 218. 518; reacción, 144; termodinámica, 188.
Integración; centralización, 125; de conocimien- Isomorfismo(s) 111, 114; crecimiento, 151; en-
tos, 101; estabilidad, 125. tropía e información, 204; qué son, 110 ,
inteligencia; de un sistema 320. 114; y analogía, 111; y arquetipos sistémi-
cos, 402; y la ciencia de los sistemas, 116; y la
Inteligible 23.
T.G.S., 110; y leyes, 121; y patrón, 114.
Intención; capacidad de decisión, 159; en filoso-
fía, 157. J
Intencionado(s); comportamientos, 158; propósi-
tos, 158; sistema 109, 145, 147, 157, 290; y Jackson M. C. 299, 305, 308, 313, 326.
sistemas animados, 158; y sistemas determina- Jager R. 553.
dos, 158; y sistemas sociales, 158. Jenkins G. M. 311, 326, 331, 337, 339, 340, 341,
Intencional; propósito, 157; sistema, 109, 145, 342, 346, 361, 363; metodología de, 311, 326,
157; y sistemas determinados, 159. 337; y las metodologías blandas, 363.
Interconectividad; y coevolución, 283; y compleji- Jerarquización; conceptos matemáticos, 499; crí-
dad, ; y sistemas complejos, 282. tica a la, 439; en Boulding, 151; en el péndu-
Interdis ciplina; concepto, 74; concepto lo de Galileo, 135; en la familia, 135; ley de
(n), 305; Klir, 74. la, 132; y ambiente del sistema, 133; y com-
plejidad (n), 451; y cuasidescomponibili-
Interdisciplinarios(a); ambiente, 218; estudios I. y dad, 181; y emergencia sistémica, 181.
la T.G.S., 104; grupos, 302; Jackson, 305; mé-
todos, 73. Johnson N. 221; fundamentos de complejidad, 221.
Interrelación; de las partes, 103, 125, 133; de ni- Juego de la vida 262.
veles y flujos, 354; emergencia e, 136; entre ob- Juego(s); de la vida, ; de los botones, 273, 275; en
servadores, 147; proceso-estructura, 114; su- computador, ; multitud-antimultitud, ; reglas
ma como, 132. del, 286, 292; sin expectativa óptima, ; teo-
Intuición; conocimiento directo, 23; en Poinca- ría de, 332.
ré, 527; y administración, ; y espacio fini- Juicio(s); epistemológico, 457; ontológico, 457; ta-
to, 477; y la investigación científica, 46, 47; y bla de los, 461.
571
Julia; conjunto de, 236; curvas de, 237; fracta- ideal. 82; y la complejidad. 187; y las leyes de

les, 235. la física. 169; y lenguaje de la física. 58; y teo-
ría científica, 121.
K Ley 1/f 268, 271; (n) 122; ruido rosa 272.
K; grado de entrada de una red. 276; redes de or- Leyes; clases de, 42; contrastación de, 61; de defi-
den. 278; y el comportamiento de una red. 278. nición, 122; deducidas, 123; del caos, 283; del
comportamiento humano, 91; del intelec-
Kant E. 31, 42, 89, 314, 322; categorías. 461; co-
to, 460; de los sistemas, 121 , 176 , 180 ,
nocimiento. ; el empirismo y el racionalis-
445; de Newton y circuito RCL, 482; empíri-
mo. 459; revolución copernicana del cono-
cas, 122; hipótesis, 61; invarianza en la me-
cimiento. 459; sentidos y razón. 460; y la
dición, 169; isomorfismos, 111, 116; natu-
causalidad. 31; y la epistemología moder-
rales, 91; numéricas, 166 , 169; postulados
na. 458; y las metodologías emancipado-
de Einstein, 471; qué son las, 121; reversibi-
ras. 313.
lidad, 92, 518; sistema de Peano, 474; sisté-
Kassner & Newman 477. micas y matemáticas, 496; tipos de, 122; tres
Kauffman S. 223 , 277 , 283 , 286 , 288 , 297 , L. de Newton, 301; y evolución, 283; y la cau-
544; biología teórica. 223, 273; juego de los salidad, 470; y lenguaje matemático, 169 ,
botones. 273; origen de la vida. 274, 275; re- 170; y orden, 517; y principios, 61; y teleolo-
des aleatorias boleanas. 276; redes de orden gía, 103; y teoría, 122, 171.
K. 278; y la coevolución. 288. Líder 296; elemento L., 499; en la metodología
Kleinfeld J. 280. de Jenkins, 341; en la T.G.S., 126; y el enfo-
Klir G. 74, 149, 172, 311; interdisciplina. 74, que anárquico de la administración, 317; y la
305; recosntructabilidad del sistema. 183; y la administración moderna, 396; y la T.C., 296.
T.G.S. 149. Liderazgo; y visión compartida, 396.
Koch, cur va de; bifurcación. 237; dimen- Límite; crecimiento sin, 176 , 399; de la com-
sión. 537; fractal. 235; longitud. 235. plejidad, 274; del crecimiento, 174 , 229 ,
Koyré A.; descubrimientos y contexto histórico. 46. 403; de una especie, 489; facultades cogniti-
vas, 29; más allá del, 406; y cuasidescompo-
Kuhn T. 15 , 80 , 84 , 304; ciencia extraordina-
nibilidad, 183.
ria. 80; ciencia normal. 79; historia de la cien-
cia. 79; paradigma. 79; y Popper. 80. Lineal(es); coeficientes, 503; comportamiento L. y
genes,; ecuaciones, 333, 500; función, 332,
L 500; pensamiento, 42 , 101; programa-
ción, 305, 327, 331, 336; relación (depen-
Lagrange; maximización de la entropía. 516; mul- dencia), 44; sistema, 213.
tiplicadores de. 516. Linealidad; causalidad, 43; matemática y, 44, 218.
Lakatos & Musgrave 80. Lingüística; variable, 524; variables L. lenguajes y
Lange O. 16, 108, 172, 177, 181, 185, 250, 304, gramáticas difusas, 524; y fractales, 238.
338, 347, 501; elemento activo. 177; equifi- Linneo; categorías, 488; clasificación de, 490; ta-
nalidad. 180; equilibrio, estabilidad. 180; for- xonomía, 488; y complejidad, 141.
malización de la T.G.S. 180; limites a la
Linus; funiculus, 463; y esferas de Magdebur-
teoría de. 180; modo de acción de un siste-
go, 464; y Torricelli, 465.
ma. 179; procesos ergódicos. 180; y la jerar-
quización. 181. Litterer J.A. 495.
Lanzamiento horizontal; constructo mental. 90. Lobachevsky; y el quinto postulado de Euclides, 61,
474, 476, 477, 478.
Laplace P.S.; determinismo. 93.
Localidad; característica de un sistema comple-
Laszlo E. 131; emergencia sistémica. 131.
jo, 283.
Lenguaje matemático; abstracción de los fenó-
Locke; enfoque mecanicista en sociología, 91.
menos. 171; depuración del. 55; lenguaje
Logarítmica; escala de Richter, .
572
Logaritmo(s); cálculo de una potencia, 535; cam- Mariposa; efecto, 233.

bio de base, 535; concepto, 535; defini-
Matemática; como lenguaje de la ciencia, 61.
ción, 535; de un número, 535; propieda-
des, 535; y dimensión fractal, . Matemática(s); administración y, 316; axiomas,
postulados, 52; carácter deductivo, 51; cien-
Lógica; bivalente, 207, 213, 440, 522; como len-
cia formal, 37; ciencia y, 72; contraejem-
guaje, 37; corriente basada en la, 373, 374,
plos, 53, 58; definiciones en, 52; del conti-
386 , 387; cuántica, 220; deductiva, 36; de
nuo, 239; de los sistemas, 187; demostración
las relaciones, 213; de los sistemas, 213; del to-
y, 53; depuración del lenguaje, 54; difu-
do, 213; difusa, 211, 220, 440, 522; inducti-
sa, 524; ecuaciones M. de los niveles, 356; en
va (Popper), 76; objetos ideales, 26; polivalen-
la T.G.S., 220; formalización, 51, 54; Gödel
te, 212, 522; profundidad, 223; reduccionista
y las, 51; isomorfismos, 110; lenguaje de la
(n), 448; simbólica, 465; sistémica, 212; tra-
ciencia, 149, 150, 170; lengua objeto, 55; le-
dicional, 211 , 213 , 522; y las ciencias for-
yes sistémicas, 496; meta-lenguaje, 55; no li-
males, 37; y reglas del cálculo, 34; y silogis-
neal, 197; nuevas teorías, 117; patrón y, ; re-
mo, 466.
glas de cálculo, 34; simulación, 220; teoría
Logística; ecuación, 175, 534. de la complejidad, 445; términos indefini-
longitud; promedio de ruta, 542. dos, 52; veracidad y, 57, 61; y el mundo re-
Longitud; cualidad inmanente, 214; curva de al, 60, 171; y la física, 34; y la naturaleza, 95,
Koch, 235, 237; definición operativa, 107; del 171; y la teoría de la complejidad, 220; y mundo
caucho, 131; de ruta, ; de un ciclo (red bolea- real, 60; y sistemas complejos, 522.
na), 278; promedio de ruta, ; propiedad exten- Materia y energía 247.
siva, 511; propiedad fundamental, 168; propie- Matriz; de acoplamientos, 178; de transformacio-
dad medible, 167. nes, 178; estructural, 179.
López J.M. 74. Maturana H. 152, 284, 288, 289, 310.
Lorenz; atractor de, 233; ecuaciones del cli- Maturana & Valera 275, 285.
ma, 232; modelo corrientes de aire, ; y la teo-
Maynard H. B. 492.
ría del caos, .
Meadows D. 107.
Lorenz Edward 228.
Meadows D. et al. 406.
Lovelock; y Gaia, 159.
Mecánica cuántica 146, 157, 204, 223, 245, 290,
Lovett Cline B. 468.
468, 541.
Luhmann N. 309, 310.
Mecanicismo 226.
Luisi; y la hipótesis Gaia, 159.
Metabolismo 320.
M Metafísica; y ciencia, 72, 81; y filosofía, 70; y teo-
ría de catástrofes, 239.
Maldonado C.E. 221; posibilidad de una teoría de Metodología(s) 41, 299; de la ciencia, 299; en las
la complejidad, 221. ciencias sociales, 308.
Malthus T.; alimento y población, 67. Método(s); científico, 46, 56, 70, 73, 83; concep-
Mandelbrot B.B. 170; dimensión fractal, 536; for- tos generales, 301; Discurso del, 86; empíri-
mas de la naturaleza, 234; geometría frac- cos, 69; en la ciencia, 45, 81; en las ciencias
tal, 234; series de Julia, 235. sociales, 89; experimental, ; interdisciplina-
Máquina térmica 191; ciclo de Carnot, 191; efi- rios, 73; metodologías, M. y técnicas, 299; re-
ciencia, 190 , 192; p erfecta, 191; qué duccionista, 104; y metodologías y los tipos de
es, 190; real, 192. investigación, 303.
Marco conceptual; el enfoque de sistemas, 315; hi- Micromundos; sitemas de, .
pótesis y, 303; metodologías, 302; problemas Miller G. A. 183.
a considerar, 304. Mitchel M. 66, 90, 217, 220, 222, 264, 442.
573
Mitleton-Kelly E. 260, 282, 284, 285, 287, 290, en, 270; elemento mínimo de la red, 220; es-
294. tado de un, 277; falla en cascada y, ; grado de
entradas, ; grado de un, ; grado y N. grafica-
Monod J. 124.
ción, ; juego de la vida y, ; juego de los boto-
Monroy C. 229. nes y, 273; propagación de la información en-
Morris & Maisto 122. tre, ; redes Boleanas y, 276; resiliencia en redes
Multitud; véase antimultitud, . y, 270; ruptura de conexiones entre, ; ruta más
larga, ; ruta más larga y, .
Multitudes 258.
No Euclidianas; geometrías, 61.
Mundos pequeños 279, 542.
No lineal; comportamiento de los genes, ; ecua-
N ción poblacional normalizada, 534; enfoque
sistémico, 102; estructuras de tipo, 197; inte-
Nagel E. 134. racción N. L. entre elementos, 440; programa-
Nagel & Newman 60. ción, 332; visión, 102, 422.
NetLogo 220. No linealidad; característica de los sistemas com-
plejos, 282; complejidad, 45, 142, 187, 282,
Newman J. R. 60, 169, 473. 397, 422; diagramas causales y, 397.
Newton; caída de los cuerpos, 47; causa eficien- Normas; análisis Dos y, 385; en el proceso de inves-
te, 157; concepto de tiempo en, 458; definición tigación, 79; qué son, 384; roles, valores. 365,
de fuerza, 222; determinismo, ; equilibrio di- 373, 384.
námico, 191; física de, 30; gravitación univer-
sal, 47; ley de la caída libre, 123; ley de la iner- Número; complejo, definición (n), 236; concepto
cia sistémica (Gall), 452; leyes de, 19; leyes de de, 53; concepto e inducción, 35; de distincio-
definición, 122; leyes del universo, 190; menes y tamaño de un sistema, 139; de elementos
canicismo, 90; primera ley del movimien- y complejidad, 137, 138, 223; de elementos y
to, 112; Principios matemáticos, 90; reduc- cuasidescomponibilidad, 183; de elementos y
cionismo, 301; reversibilidad del tiempo, 191, Miller, 183; de genes, 64; de genes (n), 64; de
479; revolución científica, 80; simetría tempo- intermediarios, ; de moléculas de un gas por cm.
ral, 479; tipos de investigación, 303; y el pén- cúbico, 206; de partes y complejidad, 181; de
dulo, 135. pasos y profundidad lógica, 223; de pérdi-
das y ganancias, ; depuración del lengua-
Nicolis & Prigogine 285, 298. je y, 55; de racimos y complejidad, 273; de
Nivel; de competencia (desde la Teoría de Ca- rectas paralelas a otra recta, 475, 477; de re-
tástrofes), 244; de discusión, 458; Defini- glas en la ciencia, 81; de teorías, 76; de va-
ción, 351; definición raíz y jerarquía, 378; de riables y longitud de un ciclo, 278; de varia-
inferencias y emergencia sistémica, 131; de bles y predicción, 93; difuso, 521; logaritmo
resolución, 429; ecuación de, 356; energé- de un, 535; máximo de preguntas, 202; medi-
tico y estado cuántico, 200; ínfimo e hipóte- ción y, 167; relación de orden y, 168; renorma-
sis, 36; ontológico, 457; supremo e hipóte- lizado, 533; y cuantificación, 168.
sis, 36.
Niveles; afectación entre, 354; conocimiento em- O
pírico y, 153; de discusión filosófica, 457; di-
Objectum; actor pasivo, 146; objetividad y, 25, 27.
námica de sistemas y, 351 , 354; ener-
géticos, 201; en la construcción de un Objetividad 25, 27, 28, 29, 305, 311, 421; cri-
modelo, 379; flujo de información y, 354; je- terio del conocimiento científico, 22, 27, 28,
rarquización de (Boulding), 151; modelos 311, 421; definición, 26; requisito de la cien-
y, 161. cia, 25; visión moderna, 29, 300, 305, 324; y
enfoque sistémico, 324; y los ídolos de Ba-
Nodo(s); autómatas celulares y, 276; centro
con, 300; y subjetividad, 25.
(hubs), ; concepto de red y, ; conexiones
con otros, 276; conexiones más cortas en- Objetivo(s); ciencia moderna y, 239; conflictos
tre, ; conexión y aleatoriedad, 276; daños entre, 323 , 343; conocimiento, 27; de un
574
sistema, 318; erosión de metas y, ; función ción y, 288; componentes de una, 290; cos-

y, 332; medidas de actuación y, 319; sistema movisiones y, 364; cristales y, 497; definición
intencional y,; único, 364. de, 290; de los sistemas y la T.G.S., 219; del pro-
Objeto(s); agentes y, 221; aislamiento del, 85; aná- yecto de un sistema, 340; equilibrio y, 292; for-
lisis y, 24; autosimilares, ; causa formal mal, 183; informal, 183; la quinta disciplina
y, 31; clases (tipos) de, 69; clasificación de y la, 397; límite del crecimiento, 403; nego-
los, 26; comprensión completa de un, 439; co- ciación y, 365; objetivos reales, 318; orí-
nocimiento de un, 167; conocimiento y, 22; de gen de una, 364; paso al concepto moderno
estudio y especialización, 70; definición de de, 293; principios abstractos, 146; propósi-
complejidad y, 137; fundamental, 88; lengua- tos y, 366; reglas y, 292; regulación y, 129; re-
je, 55; objetividad y, 29; pensamiento analíti- troalimentación positiva y, 292; sistema abier-
co y, 308; ¿qué es?, 25, 26; relaciones entre O. to, sistema cerrado y, 276; sistemas complejos
y sistema, 214; relación sujeto, 26, 27, 29; re- y, ; sistema social complejo y, 289; teleología
volución copernicana del conocimiento, 28 , y, ; tragedia del terreno común y la, 416.
459; sensibilidad e intelecto, 460; tipos de co- Organizaciones; aprendizaje y, 395; cambios en
nocimiento y, 23; y Kant, 460. las, 114; coevolución y, 289; creación de
Observabilidad; condición de, 459. nuevos ordenes, 290; enfrentamiento en-
tre, 413; fragmentación y, 291; hombre-má-
Operaciones; ampliación de las O. aritméti-
quina, 337; inteligentes, 395; investigación de
cas, 169; definición operativa y, 106; en
operaciones y las, 326; organicismo y, 160; re-
geometría, 53; formalización de una teoría
troalimentación negativa y, 292; sistema abierto
y, 52; investigación de, 105, 116, 305, 311,
y, 317; sistema cerrado y, 317; sistema cerrado
312, 326, 331, 344.
y (n), 337; sociales, 152; teoría de la compleji-
Orden; autocatálisis y, 283; auto-organización dad y, 289.
y, 290; caos y, 197; causa del, 290; célu-
Ossa C.A. 333, 524.
las de Bénard y, 288; cibernética de segun-
do, 146 , 147 , 309; clase y, 489; desorden
y, 193 , 197 , 221; disipación y, 199; emer-
P
gencia sistémica y, 283; en el mundo, 517; en Palacios L.C. 425.
los sistemas sociales, 287; entropía y, 204 ,
Paleontología 41.
519; estados de, 197; estructuras disipativas
y, 292; islas de, 283; jerárquico, 499; (man- Papineau D. 470, 472.
dato) y visión compartida, 396; metodologías Paralogismo 465.
postmodernas y, 314; no equilibrio y, 197; pa- Partículas 246.
trón y, ; primer O. ecuaciones diferencia-
Patron; compoejidad y, 219.
les, 500; propiedad (relación) de, 423; re-
des aleatorias boleanas y, 276; redes de Patrón; catástrofes y, 240; complejidad y, 140; de-
O. K=2, 278; redes de O. K>2, 278; rela- finición nominal y, 115; de territorie-
ción de, 168; ruptura del, 288; segundo O. dad, 244; de una definición raíz, 378; erosión
Ecuac. diferenciales, 526; sistemas de O. supe- de metas, 409; estructura, proceso, 114; es-
rior, 181; social, 313; superior, ecuaciones di- tructura y, 114; fractales y, 236, 237; inter-
ferenciales, ; taxonomía de Linneo, 489; ten- disciplina y (n), 305; isomorfismo y, 114; ley
dencia al, 198; tendencia al desorden, 519. 1/f y, 272; límite del crecimiento, 406; meto-
dologías y, 299; orden y,; proceso y, 114; qué
Ordenados(as); a desordenados, sistemas, 519; des-
es, 114; redes aleatorias boleanas, 278; red
ordenados, oscilación de estados, 221; is-
y, 114; tendencia a repetir un, .
las, 197; mundo, 172; ¿mundo O. o desorde-
nado?, 517; redes, 278. PCS; qué es, 382; relación con el PSS, 382; y
PSS, 383.
Organización; adaptativa, ; administración
y, 323; agentes independientes y, 287; apren- Peano; dimensión fractal, 536; recta que llena el es-
dizaje y, 395; aumento de la, 145; autonomía pacio, 536; sistema axiomático, 473.
individual y, 292; autopoiética, 275; coevolu- Pékelis V. 145.
575
Péndulo; caos y el, ; como sistema, 20; cuasides- Predicción 41; a priori, 42; ciencia y, 32 , 46 ,

componibilidad y el, 183; de Galileo, 19; ecua- 444; complejidad y, 142; del clima, ; en los
ción del, 21; equilibrio en el, ; estudio orien- sistemas de la actividad humana, 445; formali-
tado por la técnica, 302; experimentación con zación y, 56; metodología de Jenkins, 343; pre-
el, 38; jerarquización y, 135; ley de la me- cisión de datos y, ; y la T.G.S., 444.
canización y, ; modelo ideal, 90; niveles de
Predictibilidad; condiciones iniciales y, ; emergen-
Boulding y el, 153; objeto de existencia re-
cia sistémica y, 283; mecanicismo y, .
al, 26; propiedad emergente en el, 135; reduc-
cionismo y, 103, 135; sistema aislado, 112; sis- Priante A. 22.
tema determinado, 160; y la metodología de la Prigogine I. 190 , 195 , 196 , 197 , 283 , 285 ,
física, 301. 519; estructuras disipativas, 197, 519; islas de
Penrose R. 246, 541. orden, 283; neguentropía, 195; termodinámi-
ca irreversible, .
Pensamiento; analítico, 308; basado en la imagina-
ción, 39; científico, 27, 36, 46; de sistemas de Prigogine & Stengers 190, 196, 199.
Barnard, 311; diferencias ciencias naturales y Principio(s); antrópico, ; científicos y méto-
humanas, ; en redes, 117; filosófico, 42; grie- do, 81; conocimiento científico y, 445; de cau-
go, 95, 97; lineal, 45; lineal. Qué es, 43; li- salidad, 26, 31, 42, 469; de falsación, 77; de
neal y sistémico, 42; matemático, 51; prin- Gause, 244; de incertidumbre, 220, 468; de
cipios, 460; razonamiento y, 465; religioso y incertidumbre generalizado (Gall), 447; de in-
filosófico, 46; sistemas blandos, 365, 367; sis- compatibilidad, 207; de indeterminación de
temas duros, 365, 367; sistémico, 45, 308, Heisenberg, 468; de inducción, 74; de la de-
326, 346, 379, 395, 396, 445; sistémico. Qué ducción, 131; de Le Chatelier (Gall), 448; del
es, 43; teoría del, 465. pensamiento, 460; de nivel superior: la emer-
Pequeño mundo 279; matemáticas de, 542. gencia, 132; de Pascal, 465; de Peter, 446; de
razón suficiente, 469; de reversibilidad, 92; de
Peter & Hull 446.
sistemas, 441; de superposición, 122; dinámica
Philip J. & Davis, R. 556. de sistemas, 350; ensayo sobre el P. de población
Phillips D.C. 437 , 438 , 440 , 441 , 442 , 444 , (Maltus), 67; generales de la complejidad, ; ge-
453; críticas a la T.G.S., 437. nerales y la ciencia de los sistemas, 116; genera-
Pickover C.A. 76, 170; desarrollo del conocimiento les y la T.G.S., 104; leyes de la física y, 61; ma-
científico, 76; matemáticas y mundo real, 170. temáticos (Newton), 90; metodologías, 299,
302; metodologías sistémicas, 306; métodos
Planck 540. y, 301; Poincaré y los, 56; segundo P. de la ter-
Poincaré H. 33 , 89 , 234; caos y, ; Caos modinámica, 113, 519; violación de, 440; y
y, 227; ciencia y elementos básicos, 88; con- clasificación, ; y el concepto de ley, 121.
cepto de definición, 105; Einstein y, 56; in- Problema(s); ambientales, 73; arquetipos sis-
ducción y, 34; intuición y, 35; los tres cuer- témicos y, 402; de la ciencia, 71; del co-
pos, ; principios, convenciones, 56; series nocimiento, 459; de los tres cuerpos, 229 ,
divergentes, 527; silogismo y, 33. 525; dificultad de escoger el, 364; dueño
Popper K. 15, 41, 74, 76, 84, 444; anomalías del, 382; duros, 165; en las ciencias socia-
y, 80; concepto de ciencia, 74, 78; concepto les, 103; filosóficos de la teoría de la Compleji-
de verdad, 78; falsación, 76; inducción por dad, 289; formulación del (Jenkins), 340; hom-
eliminación, 76; inducción y, 74; predicción bre-máquina, 338; métodos globales de
científica, 444; reglas del pensamiento científi- solución de, 117; o mejor "situación problemáti-
co, 79; revolución del conocimiento, 80. ca", 366; reconocimiento de un, 371; solución
Postulados; de la teoría de probabilidades de P. en las organizaciones, 114; subdivisión
(n), 209; de la teoría especial de la relativi- del, 86; visión lineal y no lineal, 422; visión
dad, 471; formalización de la T.G.S., 149; le- orientada al, 302; y definición raíz, 377.
yes deducidas y, 123; leyes y, 121; matemáticas Proceso(s); adiabáticos, 512 , 514; autocata-
y, 52 , 61; qué son, 51; quinto P. de Eucli- líticos, 283; cambio en los, 114; catalíti-
des, 474; validez de los, 123. cos, 274; cibernética y, 143, 146; cinéticos y
576
termodinámicos, 144; confiables en el cono- emocional, 289; en la "tragedia del terreno co-
cimiento, 24, 32; de aproximación y objetivi- mún", 416; expectativa R. y complejidad, ; y
dad, 30, 78; de bifurcación, 232; de evolu- los sentidos, 460.
ción, 94; de formalización, 54, 56, 149; del Racionalismo; empirismo y, 457, 459; qué es, 457.
conocimiento y fases del mismo, 46; del de-
Rapoport A. 90 , 495; y la SGSR, 110; y la
sarrollo científico, 80; de razonamiento e in-
T.G.S., 149, 151.
tuición, 35; de razonamiento en filoso-
fía, 36; de regulación y control, 151; diagramas Razonamiento; ciencia y, 82; deductivo, 52 ,
de, 490; disipativos, ; ergódicos, 180; es- 440; en filosofía, 37; inductivo, 35, 36; intui-
pontáneo, 196; estructuras y, 114 , 163 , ción y, 35; matemáticas y, 34; qué es, 465; re-
219 , 292; histórico de la ciencia, 81; ini- glas ampliadas del, 522; silogismo y, 33, 35,
cial de la deducción, 51; irreversibles, 194 , 466; tipos de, 465; validez del, 465.
195 , 516 , 518; isotérmicos, 512 , 514; je- Razón suficiente; causalidad y, 469.
rárquicos, 326; lógico-deductivos, 52 , 53 , Reacción; a la administración científica, 316; a la
56 , 104; patrón, estructuras, 114; ¿Qué es causa final, ; BZ, 274; contra el mecanicis-
un?, 114; reduccionistas, 87; relación, desa- mo, ; e intencionalidad, 158; en los sistemas
rrollo, 94; reversibles, 191, 511, 518; revo- determinados, 159; espontánea, 196; irrever-
lucionario en la ciencia, 80; sistemas blandos sible, 144; qué es, 154; sistemas que mantie-
y, 164; sistemas duros y, 164; y compleji- nen un estado y, ; tiempo de, 179.
dad, 142.
Reale y Antiseri 39, 40, 67, 78, 459, 460, 474.
Programación lineal 305, 326, 327, 331, 332, 335,
336, 343. Realidad; axiomas y, 56; categorías Kantianas
y, 462; cognoscible, incognoscible, 25; com-
Propagación del calor 191, 508. plejidad y, 73; conocimiento científico
Propiedad emergente; véase "Emergencia", 222. y, 25; conocimiento de la, 135; entidad social
Propiedades; conjunto de números reales, 53; del y, 117; experiencia y, 61; investigación cien-
todo, 443; intensivas, extensivas, 510; inva- tífica y, 70; ley fundamental del trabajo admi-
riantes, 511; medibles, 422. nistrativo (Gal), 450; métodos y, 301; mode-
los mentales y, 396; modelos y, 89, 140, 147,
Propósito(s) 367 , 368; actividad con, 369; ci-
368; modelos y (n), 29; modelo y R. Fase de
bernética y, 147; ciencias sociales, 366; com-
comparación, 379; objetividad y, 310; obser-
plejidad y, 366; comunes, 219 , 284 , 287 ,
vada, 56, 149; realismo ingenuo y, 23; siste-
289; definición raíz y, 375 , 377 , 379; fun-
ma y, 310, 389, 438; T.G.S. y, 117.
ción, ; individuales, colectivos, 222; inten-
cionados, 158 , 159 , 219; metas, 311; ob- Redes; aleatorias boleanas, 276 , 278; atajos
jetivos, 106 , 109 , 157; sistema intencional en, 279; boleanas, 220; capilares, 237; cien-
y, 157; sistemas con, 373; sistemas de la acti- cia de las, ; complejidad y, ; computacio-
vidad humana (n), 364; sistemas de la activi- nales, 220; de orde K=2, 278; de poten-
dad humana y, 162, 164; sistemas determina- cia, ; de reacción, 275; distribución de
dos y, 159; sistemas sociales y, 160. grados en una, ; eléctricas, ; genéticas re-
guladoras, ; metabólicas, ; mundo peque-
PRUF, lenguaje difuso, 524.
ño, ; neuronales, 73, 147, 220; pensamien-
PSS; relación con el PCS, 383. to en, 117 , 223; red de, 219; resiliencia
Punto de equilibrio. 431, 433. y, 270; teoría de, 302.
Redes sociales 281.
Q Reduccionismo; cuasidescomponibilidad
Quadrivium; en la Edad Media, . y, 181; debilidad de los ataques al, 443; li-
nealidad y, 218; mecanicismo y, 91, 443; qué
Quinto postulado 61, 474.
es, 87; sistema cerrado y, 112; sistemas duros
y, 165; sistémico, 443; T. de la complejidad
R y, 217, 222; T.G.S. y, 217.
Racional; conocimiento científico, 24; desde lo Reductibilidad 140; complejidad y, 136.
577
Reflexión 77, 166, 540. no-signo, 58; sistema-ambiente, 336, 441; sis-

Refracción 166, 540. tema-modelo, 146; sujeto-objeto, 25 , 28 ,
29; temperatura-presión, 347; teoría de siste-
Reglas; autorregulación y, 153; de inferencia, 33,
mas-teoría del control, 346; teoría-metodologia-
57, 149; de la armonía, 96; de la ciencia clási-
práctica, 303; tiempo-causalidad, 471; tiem-
ca, 310; de las matemáticas, 171; del razona-
p o - e s p a c i o , 4 8 6 ; t r a b a j o - c a l o r, 1 9 0 ,
miento, ampliación de las, 522; de manipulación
192; usuario-palabras-percepción, 299; x a y,
de símbolos, 33; externas, 289; generales, 31,
causalidad, 42.
79, 140; leyes y, 121; metodologías y, 299; mé-
todo y, 31 , 301; organización y, 292; pen- Reloj(es); central, 459; función, 109, 159; in-
samiento científico y, 81 , 83; repetición de genios mecánicos y, 92; interrelación de par-
R. geométricas, 237; teoría de la complejidad tes, 103; metáfora del universo, 92; modi-
y, 219, 221, 274, 286, 315. ficación de la marcha de un, 469; nivel 2 de
Boulding, 151; químicos, 198; sincronización
Regulación; administración y, 129; de un sis-
de, 458; sistema determinado, 159.
tema, 498; estabilidad y, 151 , 160; genéti-
ca, ; reductibilidad y, 140; sistema de, 130. Rendimiento; antenas de alto, 238; computadoras
de alto, 116; energético, 505.
R e g u l a d or ; c u as i d e s c omp on ibi l i d a d c omo
R., 184; de voltaje, ; de Watt, 145; ele- Resiliencia 270 , 283.
mento, 129; ideal R. (Popper), 78; princi- Resnick M. 256 , 291; administración moderna
pio, 122; qué es, 129; retro y postalimenta- y, 292; fragmentación de organizaciones, 291.
ción, 130; variedad y, 129, 130. Resolución; de problemas (Descartes), 86; en Gali-
Reichenbach, H. 479. leo, 85; grado de, 237; nivel de, 429.
Reingeniería; pirámide organizacional y, 292; sis- Responsabilidad; autoridad y, 153 , 183; coevo-
temas de la, 115. lución y, 288; del delincuente, 68; delega-
Relación; 3:1, en genética, 64; alimento-pe- ción y, 322; del observador, 23; descarga de
s o, 348; ambiente-elemento prote c- la, 408; en la familia, 135; entidades estatales
t or, 1 2 8 ; b ord e s - n o d o s , 2 7 3 ; c a l i e nt e y, 323; evaluación de la, 322; humana, 73; ro-
(frío)-temperatura, 189; calor cedido-tem- les y, 292.
peratura, 193; causa-efecto, 155, 469; cau- Respuesta; acto de, 155; de un sistema, 155; de un
sal, 42; complejidad-no linealidad, 142; de sistema. Qué es, 154; ley estímulo, 121; múlti-
dependencia, 499; de orden, 168; de pare- ple. Ley de la, 123; relación estímulo, 152; sis-
cidos entre personas, 522; difusa, 521; due- temas determinados y, 158.
ño-solucionador, 382; en Kant, 461; en- Restricciones; del ambiente, 318; del ambiente al
trada-entrada, 178; entrada-salida, 178 , sistema, 336; difusas, 212, 522; en la defini-
502; entre dos elementos, 132; entre interac- ción raíz, 377; en la programación lineal, 331,
ciones de elementos, 182; entre puntos pa- 333, 336; en las transformaciones, 370.
ra definir una recta, 213; estímulo-respues-
Retroalimentación; acoplamiento en, 180; arreglo
ta, 152; ética-investigación científica, 71; flujo
estructural y lazos de R., 144; autorregulación
de nacimientos-población, 355; Fuerza-acele-
y, 287; catálisis y lazos de, 283; catalización
ración, 122; hombre-mundo, 117; ley-teo-
y, 275; causalidad y lazos de, 348; cibernéti-
ría, 122; lineal, 44; lógica en una definición
ca y lazos de, 346; complejidad y, 282; com-
raíz, 378; masa-volumen, 168; matemáti-
plejidad y lazos de, 142; dinámica del sistema y
cas y física, 34; materia-energía (n), 111; na-
lazos de. 356; emergencia sistémica y, 222; en
turaleza-matemática, 60; necesaria y su-
el pensamiento sistémico, 44; importancia de
ficiente, 469; neurona-intensidad de la
los lazos de R, 350; lazos de, 349; lazos de R.
reacción, 122; no lineal, 44; observado-
y cibernética, 143; negativa, 293; negativa. El
observador, 146; padre-familia, 129; pe-
termostato, 400; negativa. Tendencia a un lí-
sos de sustancias que se combinan, 122; po-
mite, 401; niveles, flujos y lazos de, 354; po-
blación de ballenas-migración de
sitiva, 147, 292, 293; positiva. Crecimiento tí-
ballenas, 349; predador-presa, 177, 501; sig-
pico, 399; positivos, lazos de, 350; positivos
no-designatum, 57; signo-intérprete, 58; sig-
578
y negativos, lazos de, 142, 355, 397; regula- Shannon C. 201, 203.
ción y, 151; regulación y lazos de, 130; sis- Shannon & Weaver 201, 203.
tema abierto y, 143; sistema cerrado y lazo
Silogismo; composición de un, 34; deducción
de, 144; sistema con, 143.
y, 34, 131; emergencia sistémica y, 440; induc-
Reversibilidad 486 , 518; de las leyes físi- ción y, 35; nuevos conocimientos y el, 33; ra-
cas, 518; determinismo científico y, 92; equi- zonamiento y, 465; sofisma y, 465; término
librio newtoniano y, 191; máquinas térmicas medio, 466; tipos de razonamiento, 466.
y, 191; qué es la, 92.
Simetría; ruptura de, 288; temporal, 479.
Revolución; científica, 70; científica y paradig-
Simon H. 181, 183, 184, 185, 364, 439, 451.
ma, 79; copernicana, 81; copernicana del co-
nocimiento, 459; permanente en Popper, 80. Simulación; de multiagentes, 220; de sistemas dis-
tribuidos, 220.
Ricardo, D. 40, 67, 314.
Simultaneidad; en Einstein, 471; medición y, 459.
Richmond, B. & Peterson S. 557.
Síntesis; conocimiento parcial, ; del conocimien-
Richter, Ch. ; escala de, .
to, 100; diseño del sistema y. 339, 343; qué
Riemann 61, 474, 476. es, 24; racionalismo y empirismo, 459.
Roldán et al. 248, 538. Síntoma(s); límite del crecimiento, 403; oscilación
Roldán J. 507, 538. del, 408; solución del, 406, 407, 409.
Roles; análisis de intervención, 382; asignación Sistemántica; teoremas sistémicos, 446.
de, 383; autoridad y, 386; en las institucio- Sistema(s); abiertos, 112, 124, 126, 127, 144, 145,
nes,, 219, 289, 365; normas, valores y, 373, 194, 309, 317, 500, 501; estabilidad, 113; y
384; redefinición de, 292. retroalimentación, 143; abierto y energía de
Romanticismo; inicios del (n), 94; reacción al me- Gibbs, 196; abierto y entropía, 195; acople
canicismo, 94. de, 346; adaptable, 494; adaptable (adapta-
Röntgen; y el azar en la ciencia, 48. tivo), 290; adaptación, 287; administración
de un, 318 , 323; aislados, 111 , 112 , 302 ,
Rresiliencia 547.
500; ambiente del, 133 , 319 , 512; defini-
Ruido; blanco, 272; de una señal, 271; ley 1/f y ción. 319; ambiente, restricciones, 318; am-
complejidad, ; ley del, 271; rosa, 272; subje- pliado,; objetivos. 342; análisis de, 331; aná-
tividad del, 271. lisis del S. político, 385; animados, 158, 160,
302, 430; aspectos internos y externos, 307; au-
S to-organizados, 197, 198, 500, 501; auto-regu-
lado, 146; axiología de los, 117; axiomático de
Saunders P.T. 239, 240, 241.
Peano, 473; basados en conflictos, 375; basa-
Schiff J.L. 262. dos en tareas primarias, 375; básicos. Clasifica-
Schöderbeck P.P. 441. ción de Checkland, 161; binomial, 490; blan-
Scholes 365, 368, 379, 384, 386. dos, 164 , 312 , 364 , 367; capacidad de
carga, 533; cerrados, 111 , 126 , 127 , 145 ,
Schrödinger E. 28, 246, 247; objetividad en la cien- 317, 485, 500; cerrados y equilibrio, 113; cien-
cia. 28. cia analítica, ciencia de los, 127; ciencia, tec-
Semántica(s); qué es, 58; veracidad de una hipó- nología, filosofía de los, 116; clasificación de
tesis y la, 57; y teoría de la información. 201. los, 150; Ackoff, comportamiento. 155; Ac-
Semiótica; qué es, 57. koff, organizacional. 158; Ackoff, según su
comportamiento. 155; Clasificación de P.
Senge P. 17, 312, 374, 395, 396, 397, 398, 402,
B. Checkland, 161; De la actividad huma-
403, 407, 409, 412, 420.
na. 162; Duros y blandos. 164; Sociales y cultu-
S ensación de inconformidad; cosmovisión rales. 163; como ente real, 423; complejidad de
y, 378; situación problemática y, 372; trans- un, ; complejidad en los, 498; complejos, 104,
formaciones y, 427. 126, 137, 140, 142; complejos. Característi-
Sentido común 22, 306, 339. cas, 282; complejos, H. Simon, 181; complejos:
579
organizaciones, 289; comportamiento comple- del, 310; jerarquía de, 372; jerárquicos des-

jo, 285; comportamiento de un, 496; concep- componibles, 181; jerárquicos, Mesaro-
to de, 105; concepto de, críticas, 441; concep- viç, 172; jerarquización de. Críticas, 439; jerar-
to de formalización de una T.G. de, 149; con quización de los, 132; juguete Kauffman, ; la
propósito, identificación de un, 368; construc- propuesta de O. Lange, 177; Las leyes de
tos mentales, 312, 423; control del, 350; crí- los sistemas (Lange), 180; leyes de los, ; li-
tica a la filosofía de, 437 , 438; crítica heu- mitaciones (Bertalanffy), ; Limitaciones.
rística de los, 314; críticas a la teoría general O. Lange, 180; límite de la complejidad de
de, 437; cuasidescomponibles, 181; de ecua- un, 274; lógico deductivo, ; matemáticas de
ciones diferenciales, 495; de E.D. y las leyes los, ; matriz estructural del, 504; mecaniza-
de los, 173, 176; definición de, 105, 506; O. ción-descentralización, 126; medidas de ac-
Lange. 178; definición de (Angyal), ; de- tuación del, 319 , 323; medidas de la com-
finición de (Bertalanffy), 173; definición plejidad de los, 223; método comparativo en
del, 342; definición de (O. Lanage), 180; delos, 40; modo de acción (Lange), 179; natu-
finición de S. ampliado, 342; definición ope- rales, 162; no-equilibrio de un, 197; no linea-
rativa de,; de la actividad humana, 124, 164, les y caos, ; objetivos del, 318, 342; ontología
287 , 312; medidas de actuación. 319; de la de los, 117; operación inicial del, 345; or-
actividad humana. Definición (N), 364; de den jerárquico, 499; organización del proyecto
las partes y el todo, 103; de Linneo, 488; de del, 340; organizados, 314; pensamiento blan-
metodologías sistémicas, 326; de referen- do de, 367; pensamiento de, 326, 367; pen-
cia, 459; de referencia (N), 459; descentra- samiento de S. duro y pensamiento blan-
lización en los, 125; de sistemas, 326; deter- do, 365; pensamiento duro de, 367; principio
minados, 158, 430; dinámica de, 105, 311, de incompatibilidad de los, 207; que buscan
346; dinámicos, 241; diseñados, 162; dise- metas. ; que buscan múltiples metas, 156 ,
ño del, 343; diseño de S. sociales, 312; di- 493; que buscan una meta, 493; que contiene al
sipativos, 197; duros, 164 , 326; ecológi- problema, 382; que mantienen un estado, 156,
cos, 158, 160; elemento líder, 499; elementos 493; que resuelve el problema, 382; rango de
externos del, 350; emergencia, 286; emer- complejidad de los, 326; rango de los objetivos
gencia. Crítica, 440; emergencia y la cien- de un, 326; reactivos, 156; real, 369; recolec-
cia clásica, 131; en equilibrio, 500; ener- ción de datos del, 343; reconstructabilidad de
gía de un, 111; energía interna, 506; enfoque los (G. Klir), 183; recursos del, 318, 320; re-
de, 20, 104, 117, 315, 421; en una empre- gulador de un, 129; relevante(s), 378; res-
sa. 338; enfoque emancipador, 313; ental- ponsivos, 156, 158; retroalimen-
pia de un, 196; entropía de un, 194 , 514 , tado, 143; retroalimentados, 145,
518; entropía negativa en los, 196; epis- 350; reversibilidad en los, 92; segregación,
temología de los, 117; equif inal, 500 , mecanización del, 497; SGSR, 110; sim-
501; equifinalidad en los, 124; equilibrio de ples, 104; simulación de, 332; social, 289,
un, 196; estables.; estado de un, 496; esta- 290, 302, 425; social, análisis del, 384; so-
do estable, 501; estados esenciales, 128; esta- ciales, 160; Complejidad. 284; sociales y cul-
do termodinámico de un, 190; estructura del turales, 163; subsistemas, 132 , 321 , 338 ,
(O. Lanage), 178; estructura de un. 353; even- 375; metas de los subsistemas. 324; partes
to, reacción, respuesta, comportamiento, ac- de un S. 321; tamaño de un, 139; tareas pri-
to de un, 155; evolución, 287; existencia de marias, 374; técnicos, 367; tecnología de
un, 106; existencia de una T.G.S.,; filosofía de los, 116; teleológicos, 103; tendencia a la
los, 117; filosóficos, 314; formalización de una centralización, 499; Teoría General de, 20 ,
T.G. de,; geocéntrico, 58; grado de compleji- 103, 104; ¿qué es? ; Teoría General de Siste-
dad de un, 273; hipótesis generales de la T.G. mas, críticas, 444; tipos de S. Ackoff, 493; to-
de, 172; ideal, 314; imprecisión del concep- tal, 323; trabajo de un, 191 , 511; tras-
to de S. Crítica,; ingeniería de. 363; ingenieros cendentales, 153, 162; variables
de, 341; intencionado, 494; intencionados, 109, esenciales, 129; variedad en el, variedad del
157; intencional, 494; intencionales, 145 , ambiente, 127; viable, S. Beer, 311; visión de
157; intencionales (N), 109; intervención Luhmann, 309; visión funcionalista, 310; vi-
580
vientes y complejidad, ; vivos, 311, 326; vi- Técnica; de aislamiento, 102; metodología, método

vos y no-equilibrio, 197; y la ciencia de los y, 299; visión orientada por la, 302.
sistemas, 326; y la T.G.S, ; y los "sistemas" ex- Teleología 124, 131, 152, 157.
tremos, 133; y teoría cuántica, 250. Teleonomía 124, 131, 157, 222.
Sistemicidad 367. Temperatura; gradiente de, 509; ley de Fou-
Sistemicidad (N) . rier, 508; propiedad extensiva, 511; y ca-
Skyttner, L. 72, 97, 100, 184, 214, 249, 250. lor, 189, 510; y células de Bénard, ; y eficien-
cia térmica, 192; y el ciclo de Carnot, 512; y
Smith, L. 225, 226, 233, 527, 557.
energía cinética translacional (n), 512; y energía
Sociología; ciencia de los sistemas y la, 105; Comte interna, 515; y entropía, 127, 193, 194, 514; y
y la, 39; constructivista, 147; dinámica de sis- equilibrio térmico, 189; y estado termodinámi-
temas y, 350; división según Comte, 39; ele- co del sistema, 189; y homeostasis, 143; y la
mento básico en la, 88; experimentación ley de la conducción del calor, 190; y la má-
y, 39; fracasos del enfoque clásico de la cien- quina de Carnot, 191; y la tercera ley de la ter-
cia, ; investigación en, 305; la T.G.S. y modinámica, 193; y máquina térmica, 190; y
la, 284, 309, 445; líderes y, 126; Luhmann movimiento de traslación molecular, 189; y
y la, 309; métodos en la, 89; reduccionismo movimiento molecular, 90; y presión, 347; y
y, 91; teoría de catástrofes y, 243; teoría de la procesos espontáneos, 196; y propiedad de or-
complejidad y, 117, 136, 309; teoría del estruc- den, 422; y recipientes calóricos, 194; y siste-
turalismo en, 32. ma cerrado, 111; y termostato, 128, 143, 144,
Sofisma; qué es, 465; razonamiento incorrec- 400, 487; y termostato electrónico, 488.
to, 465. Teoría; científica, 48, 55, 61, 76, 78, 82, 116,
Sokal A. 78; críticas a Popper, 79. 121, 444; Qué es, 32; creatividad y, 46; cuán-
Sokolnikoff & Redheffer 482. tica, 199; datos y, ; de catástrofes, 238 ,
270; de conjuntos difusos, 206, 521; defini-
Stewart I. 231. ciones en una, 57; de fractales, 234, 273; de
Stokes, J.L. 558. Gall, 446; de la complejidad, 217, 218, 221,
Strogatz S. 280, 282. 222, 289, 290, 292, 306, 310, 445; de la evo-
lución, 94; de la herencia, 62, 63; de la infor-
Subjetivo; conocimiento, 23 , 27; qué signifi-
mación, 116, 201; de la pangénesis (n), 62; de
ca, 25; ruido, concepto, 271; sociología y
la percepción, 134; de la relatividad, 469; de
lo, 309.
la selección natural, 94; de las relaciones (He-
Subsistemas; acople de, 338; administración del gel), 438; del caos, 224, 284, 445; del casti-
sistema y los, 323; como proceso de trans- go (Lombroso), 68; del crecimiento, 151; del
formación, 338; cuasidescomponibilidad pensamiento, 465; de matrices, 60; de re-
y, 182; definición del sistema y, 342; deter- des, 302; errores y, 81; especial de la relativi-
minados, animados, sociales, 159; el "cómo" dad, 471; estructuras disipativas, 197; experi-
de la MSB, 379; emergencia sistémica y, 137, mento y, 37; Fayol y Taylor, 316; formal, 52,
283; jerarquía y, 307; líder de los, 499; me- 54 , 55 , 106 , 134 , 149 , 166 , 171; formal
didas de actuación, 317, 318, 319; modelo(s) (Bertalanffy), 176; formal (Lange), 180; ge-
conceptual(es) y, 378; ¿por qué definir- neral de sistemas, 103, 107, 112, 116, 117,
los? 322; razón de ser, 321; ver Sistemas, 135. 136, 149, 187, 217, 218, 284, 437, 444,
Sussman M.V. 201. 497; Qué es. 21 , 104; general de sistemas,
Swinborne, R. 558. formalización, 149; general de sistemas, iso-
morfismos, 116; geocéntrica, 58 , 95; he-
T liocéntrica, 33 , 58; Maltus, 67; multitud-
antimultitud, 258; Qué es ; significado de
Taber & Timpone 68. una, 150; solidez de una, 166; veracidad de
Tareas primarias; sistemas relevantes y, 374. una, 59, 62, 63, 64, 71, 77, 78, 79, 82.
Taxonomía; qué es, 488; sistema de Linneo, 488. Teoría de grafos; bases, 265.
581
134, 160, 219, 318, 322, 325, 337, 338,

Teoría General de Sistemas; ámbito de la, 165; po- 377, 396, 439, 441, 497, 498.
sibilidad de una, 166. Torricelli; cálculos matemáticos, 464; concepto de
Teorías; administrativas, 115 , 317; anoma- ciencia en, 48; experimento de, 463; explica-
lías, 47, 78, 80; contraejemplos, 58, 59; de- ción del fenómeno, 463; postulado sobre la pre-
ducción y, 33, 36; económicas, 68; hipótesis sión, 461; presión atmosférica y, 32, 47; teoría
y, 56; inducción y, 33, 76; intuición, suerte... de T. y teoría de Linus, 465; una teoría forma-
en las, 47; ley y, 122, 123; matemáticas, 52, lizada, 465.
53, 60, 117, 170, 206; metodologías y, 302, Trabajo; administrativo (Gall), 449; cálculo del
306, 311; método y, 81; observación y, 76; pa- T. de un sistema, 191; calor y, 190 , 191 ,
radigma, 79; reemplazo de, 80; sociales, 309. 507, 511; calor y (n), 112; capacidad de pro-
Término medio; silogismo y, 466. ducir, 113, 125, 126, 191, 193, 194, 506,
515; capacidad de producir (n), 94; defini-
Termodinámica; irreversible, ; lazo cerrado
ción de. 511; diferenciación del, 152; división
y, 144; medición de la complejidad y, 223; pri-
del, 39; división tradicional del, ; efectivo de
mera ley, 506 , 515; qué es, 188; segunda
un grupo, 287; en equipo, 396; energía libre
ley, 113, 196, 197, 199, 274, 519; segun-
y, 196; energía y, 189, 507; entropía y, 193,
da ley (n), 197; teoría cuántica y, 199; terce-
518; estados estables y, 113; irreversibilidad
ra ley, 193.
y, 516; manual, 67; medición del, 513.
Termostato; elemento regulador, 129; equifinali-
Tragedia; del terreno común, 416.
dad y, 145; lazo de retroalimentación y, 143,
400; qué es, 487; qué es (n), 129; sistema ani- Transdisciplina; en Comte, 305; en Jackson
mado y, 160; sistema que mantiene un esta- (n), 305.
do, ; tercer nivel de Boulding y, 151. Transformación; características de una, 377; cos-
Terremotos; frecuencia de, ; invarianza en la esca- movisión y, 378; de energía, 506; definición
la, 270; ley 1/f y, ; ley exponencial, 272; mag- raíz y, 378, 379; elementos de una, 376; entra-
nitud y probabilidad de los, 270. da-salida, 178, 502; matriz de, 180, 503; pro-
pósito y, 375; sistema relevante y, 377; T, ecua-
Thom, R.; ciencia moderna y, 239; morfogéni-
ción, 502; teoría de catástrofes y, ; visión
sis, 242; siete catástrofes, ; teoría de catástro-
enriquecida y, 381.
fes, 238; topología diferencial, 239.
Tr ans i c i ón ; d e e st a d o, 2 7 8 ; d e f as e s d el
Tiempo; adaptación, coevolución y, 288; caí-
agua, 242; de fases (Kauffman), 274.
da de los graves, 30 , 37 , 57; causalidad
y, 157, 471; ciclos constantes de, 278; con- Trayectoria; al interior del átomo, 468; caos y T.
tinuo, 495; definición de, 57, 107; de reac- en Poincaré, 527; de control, 241; del pla-
ción, 179; discreto, 276; en Kant, 22; es- neta Mercurio, 58; dependencia de la T. en
pacio en Einstein, 471; estado independiente economía, 284; ecuaciones diferenciales
del, 126, 173, 194; estándar (n), 425; evo- y, 173; en el espacio de fase, 496; en la mecá-
lución y, 273; para disminución de la entro- nica clásica, 206; entropía y, 514; equifinalidad
pía, 206; propiedad medible, 167; rever- y, 124; islas de orden y, 283; resiliencia y, ; re-
sibilidad del, 92 , 93 , 94 , 479; series de T. versible, 514; teoría de catástrofes y, 241; ter-
divergentes, 527; simultaneidad y, 459. modinámica, 196.
Todo; biológico, 497; contenedor, conteni- Tres cuerpos; problema de los, 227, 229.
do, 308; el universo como un, 97; integra- Trivium; en la Edad Media, .
do, 95, 107, 250; intencionado, 158; las par- Troitzsch, K.G. 68, 219.
tes y el, 21, 24, 103, 134, 158, 217, 222,
301, 321, 324, 337, 392, 438, 440, 443; ló- U
gica del, 213; más que la suma de las par-
tes, 130, 440; o nada, ley del, 122; propósitos Universidad; como organización, 374; conflicto en-
en el, 160; sistemas determinados y el, 159; su- tre objetivos, 323; cosmovisiones y, 378; di-
pervivencia del, 125; visión como un, 117 , ferentes conceptuaciones, 376; inicio de
582
la, ; investigación en la, 390; medición de la Visión; antropomórfica, ; aristotélica, 91; ci-

investigación, 319, 322; roles en la, 385. bernética de los sistemas, 181; comparti-
da, 287; de la complejidad, ; del mundo, 46,
V 93 , 199; de mundo, cambio, 79; enriqueci-
da, 381, 389; global, 96, 104, 117, 305; ho-
Validez; de la inducción, 76; de la inferen- lística, 103; lineal, 422; macroscópica de la
cias, 60; de la relación precisión-predic- entropía, 204; moderna de la auto-organiza-
ción, ; de las hipótesis, 60; del principio de ción, 288; moderna de la genética, ; moderna
reversibilidad, 92; de postulados (hipóte- de la organización, 289; newtoniana, 190; no
sis), 123; de una predicción. ; de una premi- l i n e a l, 1 0 2 ; or i e nt a d a p or e l pro bl e -
sa, 36; de una teoría, 122. ma, 302; orientada por la técnica, 302; reduc-
Valor(es); axiología, 117; bolsa de, 284; cam- cionista, mecanicista, 95.
bio de V. en simulación, 358; crítico (células Vital; fuerza (elán), .
de Bénard), ; de la capacidad de carga, ; del
Von Foerster H. 309.
intervalo Dt, 356; en las metodologías eman-
cipadoras, 313; en las metodologías interpre-
tativas, 311; escala de, 118; grado de perte-
W
nencia, 208, 210; humanos, administración Warfield J.N. 312, 327, 367.
humanista, 316; lingüístico, 524; máximo (en-
Watson; y el ADN, 47.
tropía), 203, 206, 516; mercado de, ; mun-
do de los, 117; normas, roles, 365 , 373 , Watt; regulador de, 145.
385; posicional en el sistema, 214; renormali- Watts D. 265, 280, 282.
zado, 533; sistema de, 152; visión comparti- Watts & Strogatz 542.
da y, 396.
Weaver; cantidad de información, 203; teoría de la
Var i a b l e ( s ) ; au x i l i are s , 3 5 1 , 3 5 2 ; bi n a - información, 201.
rias, 220; compleja, 236; complejidad estáti-
ca y, 138; complejidad y, 139; costos, 431; de- Weltanschauung; definición raíz y, 377; dueño del
pendientes, independientes, 150; difusas, 212, problema y, 383; etimología (n). 372; minimi-
522; ecuaciones y, 150; esenciales de un siste- zación de la, 372.
ma, 129; exógenas, 350, 355; fundamentales y Whewell; teorías científicas y leyes, 61; término
resolución en Galileo, 85; independientes (Gali- "científico" y, 70.
leo), 86; lineales, 332; lingüísticas, 524; máxi- Wiener; sistemas cibernéticos, 103; teleolo-
mo número (Miller), 183; medición gía, 103.
de, 422; método comparativo y, 40; núme-
Woodcock & Davis 241, 244.
ro inmenso de V. y Laplace, 93; observación
de, 46; reductibilidad y, 140; seres humanos Wooldrige M. 220.
V. y la sociología, 89. Wulff, H.R., Pedersen, S.A. & Rosenberg R 457.
Variedad; cuasidescomponibilidad y, 184; de-
finición de la, 127; de interpretaciones y
complejidad, 126; entre híbridos, 64; flu-
jo de, 129; obligada, 127, 129; reducción de Z
la, 128, 130, 142; regulación y, 128.
Vaucanson; pato de, 92, 103. Zadeh L.A. 206, 522; complemento, 524; com-
plemento de un conjunto difuso, 212; concepto
Vida; Aristóteles y la, 102; artificial, 147 ,
de juventud, 208; conjuntos difusos, 206; len-
158; complejidad de la, 237; evolución
guajes difusos, 524; unión, intersección difu-
de la, 94; hecho inevitable, 275; juego de
sa, 523.
la, 292; lapso de V. y tamaño, ; materia ina-
nimada y, 274; no equilibrio y, 159, 197; ori- Zeeman; máquina de, 239, 241.
gen de la, 275; rango de, ; real, casos de
la, 435; real y metodologías, 302; reductibili-
dad y, 140; transiciones de fase y, 275.
583
Este libro terminó de diagramarse en febrero del 2017, en Recursos
Informaticos y Educativos CRIE, bajo el cuidado del autor.
Pereira, Risaralda, Colombia.

TGS. Conceptos y Aplicaciones. C.A Ossa O

Cargado por

Copyright:

Formatos disponibles

TGS. Conceptos y Aplicaciones. C.A Ossa O

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TGS. Conceptos y Aplicaciones. C.A Ossa O

Cargado por

Copyright:

Formatos disponibles

Carlos Alberto Ossa O.

Actualmente es docente catedrático de la

Autor de los libros: Álgebra lineal y

Ha publicado artículos en revistas

Asesor empresarial. Se ha desempeñado

Carlos Alberto Ossa O.

Colección Textos Académicos

1. Análisis de sistemas 2. Teoría de sistemas 3. Teoría del caos 4. Mecánica cuántica 5.

©Carlos Alberto Ossa O.

Universidad Tecnológica de Pereira

Todos los derechos reservados.

a María Liliana Herrera:

11.1.5.4 Análisis del “sistema político” 385

14.1.1.3 Emergencia sistémica 440

En el capítulo quinto se estudia el tema de la formalización de la T.G.S. Se

El capítulo decimoprimero ilustra una metodología “blanda”: la Metodología

Dos pares académicos, cuyos nombres desconozco, hicieron una evaluación

1.0 La Teoría General de Sistemas

Péndulo de Galileo aislado del resto del universo

Cuya solución es:

Podríamos ahora preguntarnos: ¿Qué es un péndulo de Galileo? ¿Posee leyes

A manera de una somera introducción al tema, diremos que la Teoría General

1.1 Hablemos de ciencia

de estos criterios son: conocimiento, tipos de conocimiento, objeto, objetividad,

1.1.1 Formas de conocimiento

el mundo sería ininteligible. Estos principios no se encuentran en el mundo

• Conocimiento por tradición o mediato: Por lo general, se trata de un co-

1.1.2 Objeto y objetividad

La definición amplia que hemos dado de objeto contiene, por su generalidad,

Insistiendo en el tema podemos concluir que en el contexto del pensamiento

poderosas, las cuales se manifiestan precisamente por medio de fenómenos

que el sujeto no está distanciado emocionalmente del fenómeno; sus propios

Sujeto y objeto separados

... Esta obligada renuncia a una descripción puramente objetiva de la na-

mundo. Según esto, la objetividad consistiría en un proceso de aproximación y

Etimológicamente, método significa disponer de un camino para alcanzar

Para establecer un panorama general bajo un contexto único el hombre de

1.1.3.1 Inducción. Deducción

Para que un proceso deductivo pueda llevarse a cabo es necesario la creación

la matemática, las reglas del cálculo son abstractas y pertenecen al dominio de

Si admitimos las premisas (premisa mayor y premisa menor), tenemos que

Es más, sostiene que el fundamento de los conceptos matemáticos, el concepto

Poincaré le da una gran trascendencia a la intuición como base del proceso

de razonamiento (razonamiento inductivo) no nos contradecimos si acepta-

Una de la formas de comprobar la validez de una premisa en el conocimiento

12. Existen otras formas de razonamiento. Véase APÉNDICE literal A.1.4.

basadas en dicho razonamiento. Sin ninguna duda se puede aseverar que la

𝑣𝑣𝑣𝑣1 𝑣𝑣𝑣𝑣2 𝑣𝑣𝑣𝑣3 𝑣𝑣𝑣𝑣

Experimento de Galileo de los planos inclinados

15. El tema sobre experimentos mentales se amplía en el APÉNDICE, literal A.1.5.

A. Comte fue un investigador que creyó firmemente en los preceptos utilizados

de ciencia de diferentes áreas tienen opiniones similares. Según Claude Ber-

En el campo de la economía podemos citar con una posición similar a John

El método comparativo consiste en estudiar un sistema considerando ciertas

1.2 Pensamiento lineal y sistémico

16. Más detalle en el APÉNDICE literal A.1.6.

El principio de causalidad es entendido y aplicado tradicionalmente de ma-

Luz del sol → Fotosíntesis→ Alimento

La energía solar produce la fotosíntesis, la cual a su vez produce glucosa y