Hay una pregunta que la física lleva haciéndose desde Newton: ¿cómo describir el cambio con precisión matemática? No el cambio como concepto vago, sino el cambio concreto y medible de sistemas reales: cómo varía la temperatura de un cuerpo, cómo crece una población, cómo se mueve un planeta, cómo fluye un líquido, cómo se propaga una onda.
La respuesta que la matemática encontró son las ecuaciones diferenciales. Y lo que se descubrió al usarlas sistemáticamente fue algo que nadie había anticipado del todo: que de reglas locales simples sobre cómo algo cambia en cada punto y en cada instante, emergen comportamientos globales de una complejidad y una riqueza que ninguna descripción directa podría haber anticipado.
Las ecuaciones diferenciales no solo describen el cambio. Revelan cómo el orden surge de él.
Qué es una ecuación diferencial
Una ecuación diferencial no describe el estado de un sistema. Describe cómo cambia ese estado.
En lugar de decir «la temperatura aquí es 20 grados», una ecuación diferencial dice algo como: «la temperatura en este punto cambia a una velocidad proporcional a la diferencia entre su temperatura y la de sus vecinos». No da el valor, da la regla de cambio. Y de esa regla, aplicada en cada punto del espacio y en cada instante del tiempo, emerge la evolución completa del sistema.
Esto es cualitativamente diferente de las ecuaciones algebraicas ordinarias. Una ecuación algebraica describe una relación estática entre cantidades. Una ecuación diferencial describe una dinámica: cómo las cantidades se transforman unas en otras a lo largo del tiempo o del espacio.
La consecuencia es que las ecuaciones diferenciales son el lenguaje natural de cualquier proceso que evoluciona. El movimiento de los planetas, la propagación del calor, la dinámica de poblaciones, el crecimiento de una célula, la formación de una galaxia, la evolución de un campo cuántico: todos se describen mediante ecuaciones diferenciales. No porque los físicos hayan decidido usar ese lenguaje por convención, sino porque ese lenguaje captura algo real sobre cómo funciona el universo: que lo que ocurre en cada punto depende de lo que ocurre en su entorno inmediato, y que el comportamiento global emerge de esas interacciones locales.
De reglas locales a comportamientos globales
El aspecto más profundo de las ecuaciones diferenciales no es su capacidad descriptiva sino su capacidad generativa: de reglas locales simples pueden emerger comportamientos globales de una complejidad extraordinaria.
El ejemplo más claro es la ecuación del calor. La regla local es simple: el calor fluye de las regiones más calientes a las más frías, a una velocidad proporcional a la diferencia de temperatura. Eso es todo. Aplicada en cada punto de un objeto, esa regla genera la evolución completa de la distribución de temperatura: cómo se equilibra, qué patrones transitorios aparecen, cómo llega al equilibrio final. La complejidad del comportamiento global no está en la regla. Está en la interacción de la regla consigo misma a través del espacio y el tiempo.
Lo mismo ocurre con las ecuaciones de Maxwell, que describen el electromagnetismo. La regla local es cómo los campos eléctricos y magnéticos se generan y se influyen mutuamente en cada punto. De esa regla local emerge, entre otras cosas, que la luz es una onda electromagnética que se propaga a velocidad constante. Eso no está puesto en la regla manualmente: emerge de ella.
Y emerge con las ondas gravitacionales de Einstein, con la mecánica de fluidos, con la dinámica de poblaciones, con la propagación de señales nerviosas. En todos los casos, el comportamiento global no está almacenado en la regla local. Se genera al aplicarla.
Esto tiene una implicación que conecta directamente con el modelo informacional: la información necesaria para describir un comportamiento complejo puede ser mucho menor que la información necesaria para describir ese comportamiento directamente. Las reglas son cortas. El resultado es inmenso. La complejidad no se almacena: emerge.
Una ecuación diferencias para describir el crecimiento de poblaciones (un ejemplo)
dN/dt = r · N · (1 - N/K)
Lo que dice es directo: la velocidad de crecimiento de una población (dN/dt) depende de cuántos individuos hay ahora (N), de su tasa de reproducción (r), y de un límite de capacidad del entorno (K).
Cuando la población es pequeña crece rápido. Cuando se acerca al límite, el crecimiento se frena.
De esa regla local —cada individuo se reproduce según sus condiciones inmediatas— emergen comportamientos globales sorprendentemente ricos: crecimiento en S, oscilaciones, e incluso comportamiento caótico cuando la tasa de reproducción es suficientemente alta.
Dos poblaciones con reglas idénticas pero parámetros ligeramente distintos pueden evolucionar de maneras radicalmente diferentes.
La complejidad no estaba en la regla. Emergió al aplicarla.
Turing y los patrones que se dibujan solos
El ejemplo más sorprendente de esta capacidad generativa es el modelo de reacción-difusión de Alan Turing.
En 1952, Turing publicó un artículo titulado La base química de la morfogénesis, en el que se preguntaba cómo un embrión, partiendo de células inicialmente casi idénticas, genera estructuras tan diferentes como una cabeza, un corazón o una extremidad. Y más concretamente: cómo aparecen los patrones visibles en la piel de los animales — las manchas del leopardo, las rayas del cebra, los puntos del dálmata.
Su modelo era matemáticamente sencillo. Dos sustancias químicas — las llamó morfógenos — interactúan y se difunden por el tejido siguiendo reglas locales simples: una activa la producción de ambas, la otra inhibe, y cada una se difunde a velocidad diferente. Esas son las ecuaciones diferenciales del sistema: reglas locales sobre cómo cambian las concentraciones en cada punto.
Lo que Turing demostró es que de esas reglas locales simples emergen espontáneamente patrones globales regulares: manchas, rayas, espirales. Sin ningún plan externo. Sin ninguna instrucción que diga dónde debe ir cada mancha. El patrón no está codificado en la regla: emerge de la dinámica de la regla aplicada en el tejido.
La geometría del patrón — si resultan manchas o rayas, qué tamaño tienen, cómo se distribuyen — depende de los parámetros del sistema: las velocidades de difusión relativas, las tasas de reacción. Cambiar esos parámetros cambia el patrón. Pero en todos los casos, el mecanismo es el mismo: interacción local que genera coherencia global.
Durante décadas, el modelo de Turing fue considerado una elegancia matemática sin verificación biológica directa. En los últimos años esa situación ha cambiado. Se han identificado moléculas que se comportan como morfógenos en el desarrollo de peces, ratones y otros organismos. Los patrones de rayas del pez cebra, la disposición de los folículos capilares, la formación de los dedos: todos muestran huellas del mecanismo que Turing describió con ecuaciones diferenciales simples hace más de setenta años.
Navier-Stokes: el misterio abierto en el corazón de los fluidos
Las ecuaciones de Navier-Stokes describen el comportamiento de cualquier fluido: agua, aire, plasma, sangre. Formuladas en el siglo XIX, son el fundamento matemático de la aerodinámica, la meteorología, la oceanografía y la ingeniería hidráulica. Se usan todos los días para diseñar aviones, predecir huracanes y modelar corrientes oceánicas.
Y sin embargo, encierran uno de los misterios matemáticos más profundos que existen.
Las ecuaciones son deterministas: dado el estado inicial de un fluido, deberían determinar completamente su evolución futura. A velocidades bajas, lo hacen: el flujo es suave, laminar, predecible. Pero cuando la velocidad aumenta o la geometría se complica, algo ocurre. El fluido entra en régimen turbulento: aparecen remolinos que se forman y se disuelven, estructuras que emergen sin que nadie las haya programado, patrones que tienen su propia vida y su propia escala.
La turbulencia no es caos en el sentido de ausencia de estructura. Tiene una organización estadística precisa, leyes de escala bien establecidas, propiedades que se repiten en fluidos completamente distintos. Es autoorganización en su forma más visible y cotidiana: el humo que sube de una vela, el agua que forma un remolino al salir por un desagüe, las nubes que se organizan en patrones reconocibles.
Pero nadie ha podido demostrar matemáticamente que las ecuaciones de Navier-Stokes siempre tienen solución bien comportada en tres dimensiones. Es posible — no se sabe — que en ciertas condiciones las ecuaciones generen singularidades: puntos donde las variables se disparan hacia el infinito, donde la descripción matemática se rompe. Demostrar si eso ocurre o no es uno de los siete Problemas del Milenio del Instituto Clay, con un premio de un millón de dólares para quien lo resuelva.
Lo que este problema abierto revela es algo sutil e importante: incluso las ecuaciones que usamos con éxito práctico todos los días pueden esconder comportamientos que no comprendemos del todo. Las ecuaciones de Navier-Stokes funcionan. Pero no sabemos completamente por qué, ni si siempre lo harán. La frontera entre lo que las matemáticas describen y lo que demuestran sigue siendo, en este caso, un territorio sin explorar.
Turing y Navier-Stokes son descritos también en el artículo: El Universo que se organiza a sí mismo.
La información que no se almacena sino que se genera
Hay un hilo que conecta todos estos ejemplos y que es el más relevante para el modelo informacional.
En todos los casos — la ecuación del calor, el modelo de Turing, las ecuaciones de Navier-Stokes — la complejidad del comportamiento global no está almacenada en las reglas locales. Las reglas son simples. El comportamiento es complejo. La diferencia entre ambos no es información que estuviera escondida en algún lugar: es información que se genera al aplicar las reglas.
Esto es cualitativamente distinto de la idea de que el universo es un sistema que «ejecuta» un programa previamente escrito. Las ecuaciones diferenciales no son un programa con el resultado codificado. Son reglas de transformación cuyo resultado no puede conocerse sin aplicarlas. La información sobre el estado futuro del sistema no existe antes de que el sistema llegue a ese estado.
Las ecuaciones diferenciales son, en este sentido, el lenguaje matemático más preciso del que disponemos para describir ese proceso. No describen estados. Describen cómo los estados se transforman. No almacenan resultados. Generan realizaciones. Son la gramática del cambio, y el cambio — la transformación irreversible de posibilidades en realizaciones concretas — es exactamente lo que el modelo informacional describe como la estructura más profunda del tiempo.
En el lenguaje del modelo informacional: las posibilidades están en el dominio. Las realizaciones concretas se generan al recorrer el plano. Y cada realización añade algo que antes no existía en ningún sentido concreto.
Lo que las ecuaciones diferenciales sugieren
Visto en conjunto, el arco que va de Newton a Turing, de Navier-Stokes a los morfógenos, sugiere algo que converge con lo que esta serie ha ido construyendo desde distintos ángulos.
El universo no parece estar hecho de estados almacenados sino de reglas de transformación. Lo que existe en cada momento es una configuración que emerge de aplicar esas reglas sobre la configuración anterior. La complejidad no está codificada en las leyes: emerge de su aplicación. Y esa emergencia es irreversible: una vez que el sistema ha pasado por un estado, ese estado ha ocurrido, y las reglas no permiten deshacerlo.
Las ecuaciones diferenciales no son una herramienta que los físicos aplican sobre una realidad preexistente. Son la forma matemática más precisa de describir una realidad que se genera a sí misma, instante a instante, a partir de reglas locales que no contienen su propio resultado.
Eso es, en el fondo, lo que el modelo informacional propone: que la realidad no es un bloque estático de hechos ya dados, sino un proceso genuinamente generativo en el que cada estado realizado añade algo que antes no existía. Las ecuaciones diferenciales son la evidencia matemática más cotidiana y más rigurosa de que ese proceso es real.