Documento Maestro Maestría en Dinámica No Lineal Ysistemas Complejos-1

Maestra en Dinmica no Lineal y Sistemas Complejos
Grupo de Discusin UNAM - UCM Universidad de la Ciudad de Mxico Diciembre de 2002
ndice general
I Fundamentacin
1. Sobre dos ejes 1.1. Consideraciones educativas . . . . . . . 1.1.1. De los objetivos de la UCM . . 1.1.2. El problema de los valores . . . 1.1.3. Obsolescencia y cambio rpido 1.1.4. La interdisciplina . . . . . . . . 1.1.5. El cambio lento . . . . . . . . . 1.2. Una visin del mundo . . . . . . . . . . 1.2.1. El racionalismo . . . . . . . . . 1.2.2. Crtica al reduccionismo . . . . 1.2.3. Las consecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
11 11 11 12 13 15 16 17 18 18 27
II El programa
2. Objetivos generales y perles 2.1. El perl del egresado . . . . . 2.2. El perl de ingreso . . . . . . 2.2.1. Formacin matemtica 2.2.2. Requisitos de ingreso . 2.3. Evaluacin . . . . . . . . . . 2.3.1. De los alumnos . . . . 2.3.2. De la Maestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
31 32 33 33 33 34 35 36 37 37 39
3. El mapa curricular 3.1. Los ejes y las lneas . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1. Flexibilidad curricular . . . . . . . . . . . . . . . . . . . 3
NDICE GENERAL 3.2. Recomendacin metodolgica . . . . . . . . . . . . . . . . . . . 40 43 43 44 44 45 45 47 47 47 49 50 50 52 52 54 55 57 75 76 77 77 78
4. Los contenidos 4.1. Ciencia y sociedad en el siglo XXI . . . . . . . . . . 4.1.1. Ciencia y sociedad en el siglo XXI-I . . . . . 4.1.2. Ciencia y sociedad en el siglo XXI-II . . . . 4.1.3. Taller de investigacin en ciencia y sociedad 4.1.4. Bibliografa para el eje . . . . . . . . . . . . 4.2. Dinmica no lineal . . . . . . . . . . . . . . . . . . 4.2.1. Objetivos. . . . . . . . . . . . . . . . . . . . 4.2.2. Dinmica no lineal I . . . . . . . . . . . . . 4.2.3. Dinmica no lineal II . . . . . . . . . . . . . 4.2.4. Dinmica no lineal III . . . . . . . . . . . . 4.2.5. Bibliografa de la lnea . . . . . . . . . . . . 4.3. Sistemas complejos . . . . . . . . . . . . . . . . . . 4.3.1. Sistemas complejos I . . . . . . . . . . . . . 4.3.2. Sistemas complejos II . . . . . . . . . . . . 4.3.3. Taller de sistemas complejos . . . . . . . . . 4.3.4. Bibliografa de la lnea . . . . . . . . . . . . 4.4. Procesos estocsticos . . . . . . . . . . . . . . . . . 4.4.1. Temario . . . . . . . . . . . . . . . . . . . . 4.4.2. Bibliografa de la lnea . . . . . . . . . . . . 4.5. Lneas de investigacin . . . . . . . . . . . . . . . . 4.5.1. Catlogo . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
III
Apndices
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
81
83 83 83 84 84 84 85 86 86 86
A. De los cursos propeduticos A.1. lgebra . . . . . . . . . . . . . A.1.1. Contenido . . . . . . . . A.1.2. Referencias . . . . . . . A.2. Ecuaciones diferenciales . . . . A.2.1. Contenido . . . . . . . . A.2.2. Referencias . . . . . . . A.3. Nociones de anlisis matemtico A.3.1. Contenido . . . . . . . . A.3.2. Referencias . . . . . . .
NDICE GENERAL A.4. Nociones de probabilidad A.4.1. Contenido . . . . A.4.2. Referencias . . . A.5. Programacin en C . . . A.5.1. Contenido . . . . A.5.2. Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 86 86 88 88 88 88 89 89 89 90 91 91
B. De la puesta en marcha B.1. El convenio con la UNAM . . . . . . . . . . B.2. Otros aspectos operativos . . . . . . . . . . . B.2.1. Del laboratorio de cmputo adaptativo B.2.2. Del acervo bibliogrco . . . . . . . B.3. Inicio de actividades . . . . . . . . . . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
NDICE GENERAL
Presentacin
La Universidad de la Ciudad de Mxico (UCM) organiza sus tareas educativas en tres grandes programas: el de Ciencias Sociales y Humanidades (PCSyH), el de Ciencia y Tecnologa (PCyT) y el de Humanidades y Ciencia (PHyC). En marzo de este ao, el Rector de la UCM, Ingeniero Manuel Prez Rocha, invit a un grupo de profesores e investigadores de la Universidad Nacional Autnoma de Mxico (UNAM) a ... participar en la discusin sobre los lineamientos bsicos para desarrollar, en la Universidad de la Ciudad de Mxico, un rea de Ciencias que, de acuerdo con los objetivos generales de nuestra institucin, inicie las actividades de docencia, investigacin y difusin en este campo. Los acadmicos invitados y dos profesores de la UCM constituyeron un Grupo de Discusin UNAM - UCM que se integr con las siguientes personas1 Doctor Germinal Cocho Gil. (Fsica, Princeton). Biologa terica y sistemas complejos. Instituto de Fsica de la UNAM. Maestro en Ciencias Jos Luis Gutirrez Snchez. (Matemticas, UNAM y Ciencias de la Computacin, Cantabria). Biologa matemtica, sistemas complejos, losofa de la ciencia. UCM. Doctor Gustavo Martnez Mekler (Fsica, Manchester). Sistemas complejos, sistemas extendidos. Centro de Ciencias Fsicas de la UNAM. Maestro en Ciencias Juan Luis Martnez Ledesma (Fsica, matemtica. UCM.
1
UNAM ).
Fsica
Se especican las universidades en las que obtuvieron el grado, sus reas de inters y su lugar de adscripcin actual.
NDICE GENERAL Doctor Luis Medrano Gonzlez. (Biologa, UNAM). Gentica de poblaciones, biologa matemtica. Departamento de Biologa de la Facultad de Ciencias de la UNAM. Doctor Octavio Miramontes Vidal, (Biologa Terica, Imperial College). Sistemas complejos, redes libres de escala. Instituto de Fsica de la UNAM. Doctor Pedro Miramontes Vidal. (Matemticas, UNAM). Biologa terica. Departamento de Matemticas de la Facultad de Ciencias de la UNAM. Doctor Pablo Padilla Longoria. (Matemticas, Courant, Nueva York). Biologa matemtica, ecuaciones diferenciales parciales. Instituto de Investigacin en Matemticas Aplicadas y Sistemas de la UNAM. Doctor Faustino Snchez Garduo. (Matemticas, Oxford). Biologa matemtica, ecuaciones de reaccindifusin. Departamento de Matemticas de la Facultad de Ciencias de la UNAM.
En mayo, de comn acuerdo con el Rector, se decidi orientar el trabajo del grupo a elaborar un programa de posgrado que, por sus caractersticas interdisciplinarias, se ubicara dentro del Programa de Humanidades y Ciencia. El resultado fue proponer la Maestra en Dinmica no Lineal y Sistemas Complejos (MDNLySC)2 de la cual ste es el documento base.
En lo sucesivo nos referiremos a sta por su sigla o, simplemente, como la Maestra.
Parte I Fundamentacin
Captulo 1 Sobre dos ejes

La construccin de la propuesta se ha desarrollado sobre dos ejes, En el primero, se identican algunos de los problemas sociales y educativos que, a juicio del grupo de discusin, interesan ms al proceso de formacin de profesionales de la ciencia; la discusin correspondiente se aborda en la seccin 1.1. El segundo es, propiamente, un discurso epistemolgico sobre la ciencia y es el contenido de la seccin 1.2.
1.1.
1.1.1.
Consideraciones educativas
De los objetivos de la UCM
Como se indicaba en la invitacin del Rector, importa referir este trabajo a los objetivos de nuestra universidad. La UCM tiene, entre otros, los propsitos de: Ser una institucin cultural de alto nivel acadmico. Estar comprometida con la sociedad a travs de sus funciones. Ser el a la vocacin cientca, humanista y crtica de las instituciones autnticamente universitarias. En relacin con este proyecto, se derivan los siguientes objetivos particulares: 11
12
CAPTULO 1. SOBRE DOS EJES Desarrollar una prctica acadmica sustentada en un sistema de valores en el cual, explcitamente, lo ms importante es el ser humano (vase la seccin 1.1.2). Fortalecer a la universidad pblica como opcin educativa de alto nivel acadmico. Contribuir a la construccin de un sistema de investigacin cientca propio y a reducir la dependencia tecnolgica del exterior. Propiciar la formacin de profesionales en ciencias y humanidades con la capacidad de contribuir a resolver problemas de diversos campos (vase la seccin 1.1.4); mantener sus conocimientos al da al trmino de su educacin formal (vase la seccin 1.1.3).
Asimismo, la Maestra ha de orientarse sobre la concepcin general de que el conocimiento, la ciencia y la tecnologa son instrumentos para comprender y transformar el mundo y el cientco debe asumir responsablemente las consecuencias de su trabajo. En particular, de las que pudiere tener en la sociedad en la cual se produce. En tanto bien pblico, el conocimiento generado debe beneciar a la sociedad en su conjunto y no slo a los que puedan pagar por l.
1.1.2.
El problema de los valores
La sabidura y el conocimiento son parte de la riqueza del gnero humano y en la sociedad de nuestros das, su distribucin es injusta: los que saben son unos cuantos, los que tienen la posibilidad de beneciarse de la ciencia son menos un y la ignorancia cubre como un velo espeso a la mayora de la gente. Generacin tras generacin, el abismo es cada vez ms profundo. La ciencia ha sido un instrumento de liberacin de los seres humanos contra la supersticin y la ignorancia y, en muchos sentidos, sus avances han contribuido a mejorar la calidad de vida de la gente y la vocacin de quienes se dedican a ella suele implicar un afn altruista. Sin embargo, la educacin tradicional en la que
1.1. CONSIDERACIONES EDUCATIVAS
13
se forma la mayora de los cientcos acaba por limitar su perspectiva tica y el compromiso con la sociedad se relega o se pierde. En ella, se aprende a investigar en un solo campo con la mayor eciencia posible pero, conforme los estudiosos se especializan, su visin general del mundo suele estrecharse ms y ms. En trminos generales, el sistema de educacin tradicional reproduce una visin fragmentaria descontextualizada histrica y socialmente del conocimiento. Esto implica valores que es necesario tomar en cuenta para, en ltima instancia, saber contrarrestar los que se opongan a nuestros objetivos: de ellos se deriva una tendencia a la especializacin prematura que diculta las posibilidades de actividad y reexin interdisciplinaria y que, en particular, suele generar indiferencia frente a las consecuencias sociales del propio trabajo. La MDNLySC est dirigida a formar profesionales de la ciencia conscientes de los valores reproducidos en la formacin tradicional y dispuestos a superar las limitaciones asociadas con ellos.
1.1.3.
Obsolescencia y cambio rpido
Otro aspecto fundamental que ha de tomarse en cuenta en la perspectiva de formar cientcos capaces de recuperar para la sociedad los benecios de su trabajo, es el de la velocidad creciente con que se genera nuevo conocimiento. En nuestros das, el cambio en todos los rdenes de la vida es ms rpido que nunca: hay una altsima tasa de obsolescencia tanto de lo que se sabe como de sus aplicaciones pinsese, por ejemplo, en la vida til de un programa de computadora mientras la cantidad de informacin disponible crece exponencialmente da a da y los nodos en la red electrnica mundial se multiplican con velocidad similar. Adems, la informacin especializada es absolutamente inabarcable. Hacia 1960, las revistas cientcas publicaban casi un milln de artculos al ao. Es evidente que ningn ser humano puede apropiarse de tal cantidad de resultados y esto fortalece la tendencia a la fragmentacin del conocimiento y a la superespecializacin. En ciencia y tecnologa, la tasa de obsolescencia era ya muy alta a mediados de la dcada de los setenta del siglo pasado. Uno de los cientcos y lsofos de la ciencia ms destacados de esa poca, el embrilogo britnico Conrad Hal Waddington, adverta: si se supone que el lapso de educacin formal de un profesional es de quince aos y que cada tres lustros se duplica la informacin en su campo de trabajo, entonces
14
CAPTULO 1. SOBRE DOS EJES ...podra decirse que, a menos de que se haya mantenido estudiando en el entretanto, quince aos despus de que alguien egresa de la escuela... el cincuenta por ciento de lo que sabe es obsoleto. A lo largo de una vida de trabajo de cuarenta y cinco aos, [los conocimientos de] un profesionista en esta situacin son 87,5 % obsolescentes. En algunos campos de avance muy rpido, como el de las ciencias de la computacin, el periodo de duplicacin no es de quince sino de cuatro aos y la obsolescencia es del 98 % en solamente veinticuatro aos (Waddington, 1977: 34).
Todo esto es parte de un proceso de cambio social muy rpido en el cual se abre la posibilidad de aprovechar la red internacional de comunicacin electrnica y el acceso generalizado a la informacin. Esto requiere una estrategia adecuada para contrarrestar la obsolescencia y saber estar al da a pesar de la rapidez con la que el conocimiento de punta se va sustituyendo. El mismo C. H. Waddington propona las siguientes medidas educativas para atender el problema: ... Presumiblemente, la solucin consiste en [aprender y] ensear (a) principios generales que se hagan obsoletos slo muy lentamente1 ; (b) mtodos de investigacin que permitan encontrar rpida y correctamente, informacin factual actualizada para poner carne sobre aquellos huesos [los de los principios generales...] cuando sea necesario a n de aplicar (c) mtodos de clasicacin de la informacin que establezcan una jerarquizacin en categoras de manera que los asuntos importantes para un contexto particular, puedan destacarse rpidamente y (d) inculcar el deseo de continuar autoeducndose luego de que el periodo de educacin formal haya terminado... (Waddington, 1977: 3637). En la MDNLySC se trata de poner en prctica una educacin basada en estos principios, apoyados en las facilidades de acceso y procesamiento de la informacin de nuestros das, para que sus egresados puedan ser verdaderos agentes de transformacin del mundo; conscientes de su papel como cientcos o humanistas, capaces de defender, ejercindola, su capacidad creadora.
1
Vase la seccin 1.1.5, en la pgina 16, infra.
1.1. CONSIDERACIONES EDUCATIVAS
15
1.1.4.
La interdisciplina
Las tendencias a la especializacin prematura y a la fragmentacin del conocimiento fueron ya tratadas en el contexto de la discusin del problema de los valores (vase la seccin 1.1.2). En las ltimas dcadas, en Mxico y otros lugares del mundo, ha habido proyectos educativos interesados en contrarrestar esas tendencias y han tomado como principio rector de sus programas, la enseanza interdisciplinaria. Independientemente de las buenas intenciones, en muchos casos esto se tradujo solamente en el aumento de la variedad de asignaturas en los planes de estudio. C. H. Waddington ha explicado las limitaciones de este tipo de intentos de la siguiente manera: En trminos generales, la mxima cantidad de cosas que una sola persona puede saber es aproximadamente constante; no hay, por lo tanto, razones para pensar que si a los estudiantes se les ensean dos o tres materias distintas, stos puedan llegar a saber tanto como los especialistas que estudian una sola. (Waddington, 1977: 34). En general, los resultados han sido decepcionantes: no slo no se ha logrado una buena disposicin para la comunicacin y el trabajo con profesionistas de otras ramas sino que, muchas veces, se han acrecentado las distancias y profundizado las brechas entre ellos2 . Es posible hallar tambin motivos del fracaso de esta visin de la interdisciplina en la idea de centrar la educacin en la enseanza. Por el contrario, al caracterizar sus funciones, en la Universidad de la Ciudad de Mxico se ha adoptado como paradigma de la actividad docente el aprendizaje. Esto implica enfocar la atencin de todos los actores a sus propios procesos de construccin de conocimiento, desarrollo de capacidades y prctica de nuevas actitudes y habilidades. As, se contribuye a evitar la dicotoma entre quienes saben y quienes aprenden. En la medida en que cada quien se descubre capaz de compartir lo aprendido, se da una mejor disposicin y se tienen ms herramientas para la colaborar con los dems. Por el contrario, la interdisciplina por decreto es intil y es contraproducente multiplicar las asignaturas. Se trata, eso s, de que los futuros profesionistas construyan correlaciones mltiples entre los ms diversos campos. Si se aplica
En particular, esto ha ocurrido entre los campos de las ciencias naturales, en un lado, y las ciencias sociales y las humanidades, en el otro. Conviene tratar este asunto ms extensamente. Vase, para ello, la seccin 1.2.2, en la pgina 18, infra.
2
16
CAPTULO 1. SOBRE DOS EJES
adecuadamente el paradigma para la actividad docente adoptado por nuestra institucin, la interdisciplina deber surgir como una necesidad del que aprende y deber vincularse directamente con el desarrollo de sus capacidades de investigacin y solucin de problemas. En el plan de estudios de la MDNLySC se maniesta esta visin de la interdisciplina tanto en las recomendaciones metodolgicas (vase la seccin 3.2) como en los contenidos (vanse, asimismo, las secciones 4.1 a 4.4) y se ha tratado de poner un nfasis especial para evitar la dicotoma entre ciencias y humanidades, propiciando que los alumnos hagan suya una visin y una prctica humanista del trabajo cientco, en la cual la importancia de todas las cosas se establece a partir de las necesidades y la felicidad de los seres humanos; estudien de manera sistemtica las mutuas dependencias entre todos los campos de las ciencias naturales, las ciencias sociales y las disciplinas humansticas. desarrollen habilidades de bsqueda y anlisis de la informacin para comprender sucientemente problemas de muy diversos campos y ser capaces de articular su trabajo al de otros estudiosos y profesionistas y de comprender las consecuencias sociales y ticas de sus aportaciones.
1.1.5.
El cambio lento
Si bien la pronta obsolescencia de la informacin es una caracterstica de nuestra poca, las habilidades bsicas y los principios generales necesarios para investigar y aprender a plantear y resolver problemas cambian a un ritmo mucho ms lento. Por ejemplo, al menos desde el siglo III a. de C. en que Euclides recogi la tradicin lgicoformal de la geometra de la Grecia Clsica en sus Elementos, la matemtica ha crecido sobre el mismo modelo de razonamiento; sus mltiples e impresionantes ramicaciones siguen la pauta trazada hace casi veinticinco siglos y el conocimiento matemtico acumulado desde entonces es robusto: la validez de sus teoremas no est sujeta al descubrimiento de las propiedades de la materia y tampoco ocurre que nuestra comprensin del mundo inuya en el mtodo axiomtico sobre el cual se ha ido construyendo.
1.2. UNA VISIN DEL MUNDO
17
Asimismo, esos principios generales en las ciencias fsicas estn esencialmente relacionados con la capacidad de aplicar la matemtica para descubrir estructuras y patrones geomtricos, temporales, dinmicos, relacionales, etctera, en los ms diversos mbitos y esas habilidades han sido las mismas desde la Ilustracin hasta nuestros das, constituyen una parte robusta en el cuerpo de conocimiento y es imprescindible atenderlas en cualquier programa de formacin cientca. Del resto, de los resultados de la investigacin de punta o de la inmensa cantidad de datos acumulados, lo que no puede excusarse es el aprender a valorar la informacin disponible en funcin de la posibilidad de generar conocimiento nuevo. De lo anterior, puede decirse que la produccin cientca es un proceso social en el que ocurren cambios cualitativos en diferentes escalas de tiempo. Formar profesionales capaces de lidiar con las dicultades de una actividad con tal dinmica implica propiciar, mediante los planes de estudio de la MDNLySC el que los estudiantes hagan suyos mtodos, principios y tcnicas del anlisis matemtico no lineal, sucientemente generales y exibles, necesarios para afrontar la mayor variedad de problemas y comprender tanto los avances en el campo de conocimiento de su mayor inters como los de otros campos; por su robustez, estos mtodos, principios y tcnicas son de obsolescencia lenta; de investigacin o bsqueda pertinente en la ingente cantidad de publicaciones disponible hoy por todos los medios; de manera que el profesionista pueda ponerse al da en lo que sea necesario tanto para el trabajo en su campo como para el trabajo interdisciplinario; de discriminacin de la informacin que permita jerarquizarla en funcin de su importancia para los problemas que se quiera resolver; de autodidactismo que se pongan en prctica durante toda la vida profesional; se trata de hacer de sta una accin de actualizacin continua luego del periodo de educacin formal.
1.2.
Una visin del mundo
Al instituir la Maestra en Dinmica no Lineal y Sistemas Complejos como parte del Programa de Humanidades y Ciencia de la Universidad de la Ciudad de
18
Mxico se debe adems de establecer las caractersticas generales del tipo de profesionista de la ciencia derivadas de la discusin en la seccin 1.1 partir de fundamentos epistemolgicos que le den coherencia a todo su quehacer. En buena medida, las limitaciones de la educacin cientca tradicional que tratamos de evitar y fueron descritas en la seccin 1.1.2 son, tambin, consecuencias de la visin del mundo correspondiente al reduccionismo mecanicista. Conviene caracterizar, al menos en las lneas que importan para esta discusin, esta forma de concebir el mundo para luego contrastarla con la nuestra.
1.2.1.
El racionalismo
Adoptemos como punto de partida el Renacimiento. Luego de mil aos de buscar explicaciones para todo en la voluntad divina, los pensadores del seiscientos recuperan la conanza en las capacidades del gnero humano, de su razn, para comprender y transformar el mundo en favor de la libertad y la felicidad de la gente comn; dos ideales suprimidos u olvidados durante toda la Edad Media. Durante dos siglos se exalta a la razn por encima de los dogmas y su implacable ejercicio crtico se convierte en un fermento subversivo cuya accin da lugar a una revolucin de las conciencias: nace el racionalismo como doctrina losca y como actitud ante la vida. Ambas se levantan sobre tres principios explicativos generales: El materialista: hay un mundo real, independiente de la percepcin de los seres humanos; un mundo con cualidades esenciales, un universo que puede reducirse, en ltima instancia, a materia. El mecanicista: todo lo que sucede ocurre merced a fuerzas que operan sobre los cuerpos y producen movimiento. El espacio y el tiempo son absolutos. El determinista: dado el supuesto anterior, como la maquinaria no puede desobedecer las leyes que la rigen, todo en el universo est determinado, independientemente de si puede o no calcularse.
1.2.2.
Crtica al reduccionismo
Al proponer a la matemtica como lenguaje de la fsica, Galileo le dio a la revolucin racionalista su ms poderosa arma y su mayor impulso. A partir de
19
una serie de postulados simplicadores entre los cuales, muchas veces, destaca el no tomar en cuenta los factores no lineales que estn siempre presentes en la naturaleza la fsica clsica justic la idea de un Universo ejecutando una verdadera msica de las esferas, como haban postulado los pitagricos haca casi dos mil quinientos aos y de que los cuerpos celestes se movan como las piezas de un inmenso reloj. Una consecuencia de restringirse al estudio de lo lineal es la validez del principio de superposicin: si se tienen dos soluciones de una ecuacin lineal, la suma de ambas es otra solucin. De este modo, slo en un modelo lineal el todo es igual a la suma de las partes y el estudio de un sistema se puede reducir al de sus componentes por separado. De aqu resulta una forma de entender el mundo que ha dominado ampliamente el pensamiento cientco hasta nuestros das: el reduccionismo mecanicista. Esta concepcin ha resultado un instrumento adecuado para lograr avances notables en muchos campos; la biologa molecular es, tal vez, uno de los ejemplos ms espectaculares. Es cierto que, en algunas teoras, ciertas propiedades colectivas pueden entenderse como resultantes de alguna combinacin lineal de sus componentes pero, en general, el problema radica en que el reduccionismo no provee un mtodo para ir de las partes a la totalidad; por referirnos a un caso muy reciente, el conocimiento detallado de la secuencia de nucletidos en el DNA de un ser viviente no permite explicar ninguna de las etapas de su desarrollo: esos componentes bsicos vendran a ser, como ha dicho Poincar, un montn de ladrillos que, por s mismos, sin estructura, no constituyen una casa. Por ejemplo, a propsito de la publicacin en febrero de 2001 de los resultados del proyecto de identicacin del genoma humano, completamente insuciente para explicar siquiera la sntesis de protenas, el paleontlogo y evolucionista estadounidense Stephen Jay Gould reexiona (Gould, 2002: 227): ... Desde los orgenes de su forma moderna, a nales del siglo diecisiete, la ciencia ha privilegiado fuertemente el modo reduccionista de pensamiento en el cual la complejidad se rompe en partes constituyentes para luego tratar de explicar el todo con base en las propiedades y las interacciones simples, completamente predecibles, de aquellas partes (anlisis signica, literalmente, disolver en partes bsicas). El mtodo reduccionista funciona triunfalmente para sistemas simples: por ejemplo, predice los eclipses o el movimiento de los planetas aunque no es capaz de predecir la historia de sus complejas supercies. Pero, cundo aprenderemos? Una vez ms hemos pecado
20
CAPTULO 1. SOBRE DOS EJES de soberbia al imaginar que basta tener la clave del comportamiento de algunos sistemas para tener la de todos los fenmenos naturales. Aprender alguna vez Parsifal que slo si es humilde y pone en juego estrategias de explicacin mltiples podr encontrar el Santo Grial?
A su vez, Phillip W. Anderson, Premio Nobel de fsica en 1977, ubica as el problema (Anderson, 1972: 393): La falacia principal en este tipo de pensamiento es que la hiptesis reduccionista no implica, en forma alguna, una [hiptesis] construccionista: la habilidad de reducir todo a leyes fundamentales simples no implica la habilidad de empezar desde esas leyes y reconstruir el universo. De hecho, entre ms nos dicen los fsicos de partculas respecto a la naturaleza de las leyes fundamentales, menos importancia parecen tener stas con respecto a los problemas reales del resto de la ciencia y mucha menos con respecto a los de la sociedad. Y, enseguida, atribuye esta insignicancia de las leyes fundamentales a la incapacidad del reduccionismo para tratar con dos dicultades gemelas: el tamao o, como suele llamarse tcnicamente, la escala y la complejidad. A continuacin, establece (Anderson, 1972: 393): ... resulta que el comportamiento de los grandes (y complejos) conjuntos de partculas elementales no puede ser comprendido en trminos de una extrapolacin simple de las propiedades de unas cuantas partculas. En lugar de esto, en cada nivel de complejidad aparecen propiedades completamente nuevas y la comprensin de cada nuevo comportamiento requiere [a su vez] una investigacin tan fundamental como cualquier otra. Supongamos, dice Anderson, que fuese posible establecer una jerarqua de las ciencias de acuerdo a la siguiente idea: las entidades elementales de la ciencia X obedecen las leyes de la ciencia Y (vase la tabla 1.1): De cualquier modo, no sera posible inferir que la ciencia X sea solamente la ciencia Y extendida a conglomerados ms grandes o relaciones ms complicadas. De hecho (Anderson, 1972: 393):

X Fsica del estado slido o de muchos cuerpos Qumica Biologa molecular Biologa celular . . . Psicologa Ciencias sociales Y Fsica de partculas elementales Fsica de muchos cuerpos Qumica Biologa molecular . . . Fisiologa Psicologa
21
Cuadro 1.1: Jerarquizacin reduccionista de las ciencias ... En cada etapa son necesarias nuevas leyes, conceptos y generalizaciones que demandan tanta inspiracin y creatividad como en la anterior. La psicologa no es biologa aplicada ni la biologa es qumica aplicada. Si los intentos de lidiar en las ciencias fsicas con las dicultades gemelas a las que se reere Anderson usando slo la herramienta del reduccionismo mecanicista estn condenados al fracaso, tratar de aplicarla a describir o comprender procesos humanos desde la conciencia de los individuos hasta la dinmica del mercado nanciero, la historia o la evolucin cultural de los pueblos es un despropsito y empearse en defender su validez, una necedad. Desde los sistemas complejos En sus orgenes, la mayor parte de la fsica se construy con base en postulados simplicadores sin posibilidad de analogas vlidas en un mundo caractersticamente no lineal. No hay, en todo el campo de las ciencias sociales y las humanidades ni en gran parte del de las ciencias de la vida, un espacio en el cual se puedan construir representaciones signicativas del comportamiento colectivo sobre las presunciones simplicadoras del reduccionismo. Hacerlo ha sido no slo irresponsable sino, muchas veces, catastrco. Por ello, las posibilidades de matematizar esto es, de reconocer estructuras o patrones de comportamiento representables formalmente procesos como la morfognesis, el desarrollo o la evolucin biolgica, el crecimiento urbano, la evolucin lingstica, la aparicin de conciencia en el crecimiento de una persona o el aprendizaje, han de empezar por evitar el error de suponer que el comportamiento del todo es igual al de la suma de sus partes y ntese: en todos estos
22
procesos, el todo es lo importante porque la totalidad no es una suma de clulas, seres humanos, palabras o neuronas: en ella se presentan actitudes y propiedades que emergen slo en la accin colectiva y no tienen sentido individualmente. Instrumental para el pensamiento El estudio de los fenmenos en los cuales importan la escala y la complejidad por usar la descripcin de Anderson dio lugar al desarrollo de una nueva visin del mundo cuya comprensin requiere de herramientas adecuadas para representar no slo mecanismos sino procesos; en la bsqueda de los instrumentos necesarios para esto es preciso tomar en cuenta que Incluso sistemas deterministas relativamente sencillos pueden ser esencialmente impredecibles; en ellos, pequeas variaciones en las condiciones iniciales producen grandes diferencias en el estado nal. El descubrimiento de este tipo de comportamiento dio lugar al concepto de caos determinstico, uno de los ms importantes de la ciencia contempornea. El comportamiento individual de los agentes participantes puede ser tan heterogneo que las aproximaciones al estudio del comportamiento colectivo mediante tcnicas estadsticas es muy limitado o absolutamente invlido. Las interacciones son mltiples y no lineales: es decir, los efectos no son proporcionales a las causas. Asimismo, importa destacar que tales caractersticas son comunes a procesos cuya base material es muy distinta; por ejemplo, en la fsica de estructuras disipativas o sistemas abiertos, alejados del equilibrio termodinmico; la evolucin biolgica; la dinmica ecolgica; la epignesis del desarrollo orgnico; la economa del desarrollo regional; el intelecto, el aprendizaje, la capacidad creadora y la conciencia humanas;
1.2. UNA VISIN DEL MUNDO la historia de las sociedades humanas.
23
Reconocidas las limitaciones de la visin del mundo asociada con el mecanicismo lineal, reduccionista y estrechamente unidisciplinario en alcances y aplicaciones, se precisa establecer una teora interdisciplinaria e integradora, cualitativa y dialctica; capaz de trascender el estudio de las partes para convertirse en un aparato para estudiar la integracin de las partes en la cual lo ms importante sea comprender las propiedades emergentes; esto es, poder explicar cmo, en un sistema de elementos relativamente simples, la interaccin da lugar a un comportamiento colectivo diferente del que presentan por separado los elementos del sistema. En la introduccin del libro en el cual aborda estos problemas en el mbito de la fsica, la qumica y la biologa, el cientco alemn Hermann Haken3 dice: La formacin de estructuras bien organizadas a partir de grmenes o, ms an, del caos, es uno de los fenmenos ms fascinantes y uno de los retos ms importantes a los que se enfrentan los cientcos. Tales fenmenos son una experiencia de nuestra vida diaria cuando observamos el crecimiento de las plantas y de los animales. Al pensar en escalas de tiempo muy largas, los cientcos se enfrentan al problema de la evolucin y en ltima instancia al del origen de la materia viviente. Cuando tratamos de explicar o comprender estos fenmenos biolgicos extraordinariamente complejos, es natural el preguntarse si se pueden encontrar procesos de autoorganizacin en sistemas ms simples del mundo inanimado. (Haken, 1978). Esto requiere, por decirlo en la terminologa de C. H. Waddington, un nuevo instrumental para el pensamiento que nos permita construir el camino de regreso: de los componentes bsicos al todo, al menos de un nivel de organizacin al inmediato superior4 . Ese instrumental est formado por las herramientas del anlisis matemtico de los sistemas dinmicos no lineales; con l se ha ido construyendo, desde hace un cuarto de siglo, la teora de los sistemas complejos.
Descubridor del rayo laser e, indudablemente, uno de los pioneros en el estudio de fenmenos colectivos. 4 Pues no se trata, dicen los fsicos Goldenfeld y Kadanoff (Goldenfeld y Kadanoff, 1999: 88) de lograr explicar el funcionamiento de los tractores en trminos de sus quarks.
3
24
Durante esos cinco lustros, el concepto central de la teora ha sido precisado5 por distintos grupos de investigadores en el mundo. Octavio Miramontes lo ha caracterizado as: Los sistemas complejos estn formados por un conjunto grande de componentes individuales que interactan entre s y que pueden modicar sus estados internos como producto de tales interacciones. Tales sistemas pueden ser estructuralmente simples, aunque tal simplicidad no impide que exhiban comportamientos dinmicos diversos y no triviales. Los sistemas complejos pueden situarse en regmenes crticos caracterizados por la presencia de uctuaciones espaciales y temporales en todas las escalas posibles. Esta situacin... puede alcanzarse de manera espontnea y sin la intervencin de factores o fuerzas externas al sistema; [se dice entonces] que el proceso se ha autoorganizado. El proceso de interacciones puede generar comportamientos colectivos y globales. Es decir, conductas que no estn denidas en los elementos individuales pero que emergen como un proceso colectivo y que no pueden ser reducidas ni explicadas tomando aisladamente los elementos constituyentes. (Miramontes, 1999: 83). La dinmica no lineal Asimismo, los estudiosos coincidieron en el formalismo matemtico utilizado para representar la complejidad. El mismo Haken observaba: En aos recientes han sido cada vez ms evidentes numerosos ejemplos de sistemas fsicos y qumicos en que se originan estructuras espaciotemporales a partir de estados caticos y que, como en los organismos vivos, el funcionamiento de estos sistemas puede mantenerse mediante el ujo de energa y materia a travs de ellos... [Es sorprendente] que muchos de tales sitemas muestren parecidos notables en su comportamiento al pasar de un estado desordenado a otro ordenado. Esto sugiere fuertemente que el funcionamiento de tales sistemas obedece los mismos principios y que las concepciones y herramientas matemticas que se tienen en la actualidad pudieran permitir explicar su comportamiento. (Haken, 1978).
Por etapas y con algunas sutiles pero importantes discrepancias cuya discusin excede los alcances de este ensayo pero que han de hacerse evidentes en del desarrollo de la lnea curricular de sistemas complejos.
5
25
El estudio de los sistemas dinmicos no lineales ha dado lugar a conceptos y herramientas nuevos. Como lo hemos visto, hoy se sabe que un sistema cuya evolucin temporal est determinada por una dependencia funcional relativamente simple, puede presentar transiciones entre distintos estados y uctuaciones en todas las escalas y, no obstante su impredictibilidad intrnseca, es posible hallar regularidades en el comportamiento del sistema que lo distinguen, sin duda alguna, del azar. Ms all de los tecnicismos, importa destacar que las consecuencias epistemolgicas de estos descubrimientos son dramticas y alcanzan las ms diversas esferas del pensamiento porque hay sistemas cuyos agentes pueden ser de naturaleza muy diversa y, sin embargo, evolucionar de manera semejante. Dicho de otro modo: existen sistemas cuya base material microscpica es dismbola (tomos, molculas, amibas, insectos, neuronas, computadoras, etctera) que, sin embargo, tienen manifestaciones macroscpicas semejantes (estructuras geomtricas, redes, asociaciones, comportamientos colectivos, etctera). Octavio Miramontes lo ha dicho as: En la naturaleza existe un sinnmero de ejemplos de sistemas complejos que van desde las reacciones qumicas autocatalticas hasta los procesos sociales y culturales. La naturaleza posee una fuerte tendencia a estructurarse en forma de entes discretos excitables que interactan y se organizan en niveles jerrquicos de creciente complejidad; por ello, los sistemas complejos no son de ninguna manera casos raros ni curiosidades sino que dominan la estructura y funcin del universo. Constituyen la inmensa mayora de los fenmenos observables y se maniestan en ellos. Sin embargo, y aqu radica una de sus propiedades ms interesantes, la abundancia y diversidad de los sistemas complejos... no implican una innumerable e inclasicable diversidad de conductas dinmicas diferentes. Todo lo contrario, los sistemas complejos poseen propiedades genricas independientemente de los detalles especcos de cada sistema o de la base material del mismo. (Miramontes, 1999: 84). Esto permite denir clases de equivalencia dinmica mediante la identicacin de todos los sistemas que tienen el mismo comportamiento macroscpico aunque su naturaleza microscpica sea distinta. De esta manera, la dimensin de las posibles manifestaciones de la naturaleza es relativamente pequea porque, con base en leyes simples, es posible explicar multitud de comportamientos complejos.
26
El proceso de abstraccin que permite identicar semejanzas entre muchas y muy variables cosas es uno de los principios organizadores sobre los cuales se construye el conocimiento; est en la base de las distintas representaciones del mundo que los seres humanos han construido y nos ha permitido superar el pasmo ante la diversidad. El desarrollo de la teora de sistemas dinmicos cuyos cimientos fueron tendidos por Henri Poicar a nales del siglo XIX y el descubrimiento de grandes categoras de dinmicas universales, permite proponer una nueva concepcin del mundo en la cual es posible descubrir, explicar y comprender el comportamiento de sistemas de muy diversa ndole con las mismas herramientas matemticas y el mismo aparato conceptual. Por ejemplo, hacia 1971, el qumico Ilya Prigogine, basado en sus investigaciones sobre sistemas termodinmicos abiertos o estructuras disipativas caracterizadas por el intercambio permanente de materia y energa con su entorno y su no linealidad inherente interpret la vida como una cascada de transiciones de unas estructuras disipativas en otras e identic a la teora que haba construido para el anlisis sicoqumico de aquellos sistemas como un instrumento para cruzar la brecha que separa hoy en da la fsica de la biologa. Poco despus, el mismo Prigogine y un notable grupo de bilogos y fsicos en distintos centros acadmicos del mundo se animaron a tratar de cruzar aquella brecha y a transitar por la que se abre tambin entre la fsica y la sociologa: las estructuras disipativas presentan cambios de fase y uctuaciones caractersticas que se amplican bajo ciertas condiciones cuyo estudio ... puede ser una herramienta importante para comprender los fenmenos de evolucin y revolucin social, as como el papel activo y consciente del hombre como promotor de esos cambios; en ese sentido, los fenmenos de transicin que se esbozan tanto a nivel fsico como en el anlisis de la evolucin de la estructura de la ciencia, podran estar presentes en todos los niveles [...] Creemos que vale la pena aadir que el entendimiento de las leyes de evolucin de la materia, a diversos niveles de los fenmenos de transicin y amplicacin de uctuaciones, nos puede ayudar a comprender la dinmica de los cambios sociales revolucionarios hacia una sociedad ms justa, as como el papel del hombre como motor de estos cambios (Cocho, 1975). Como se ve, hace casi treinta aos, se descubri que el camino inverso al reduccionismo la teora de sistemas complejos nos permite extender, con una
27
economa de medios semejante a la de la fsica tradicional, nuestra comprensin del mundo en muchas direcciones y abona la idea de que, por muy diversa que pueda ser la realidad, el conocimiento es uno solo y las distintas divisiones de la ciencia, convenciones simplicadoras arbitrarias y, muchas veces, engaosas. En particular, la teora de sistemas complejos contribuye a superar la antigua disputa entre lo que C. P. Snow llam las dos culturas para referirse a la oposicin entre ciencias y humanidades acentuada luego de las atroces aplicaciones de la fsica a la tecnologa de guerra a mediados del siglo XX. Por ahora, el pensamiento dominante entre quienes hacen la ciencia sigue siendo reduccionista. Sin embargo, en las ltimas tres dcadas, se ha conrmado que con las herramientas de los sistemas dinmicos no lineales es posible abordar y explicar aquellos problemas de formacin de patrones en los sistemas complejos descritos arriba para los cuales la fsica tradicional es totalmente insuciente. Estamos viviendo un cambio de modelo cientco, una revolucin del pensamiento.
1.2.3. Las consecuencias

Dadas las condiciones de cambio rpido en la sociedad y de revolucin en el pensamiento cientco, cules son las consecuencias en relacin con la misin de la Universidad de la Ciudad de Mxico, empeada en construir una visin universalista, profunda e integradora del conocimiento y en recuperar un sentido educativo de compromiso y servicio social? En un artculo reciente, dedicado a reexionar sobre la dinmica del conocimiento y la ignorancia, el britnico Peter M. Allen, uno de los ms destacados discpulos y colaboradores de Prigogine, plantea as las cosas: El conocimiento ha dejado de ser lo que creamos. Para saber cules sern las consecuencias de nuestras creencias, nuestra poltica y nuestras acciones, es necesario que podamos entender y predecir como funciona el mundo. Pero no podemos. Esto se debe a que somos partcipes de un sistema coevolutivo complejo con mltiples escalas espaciales y temporales de interaccin en el cual, todo el tiempo, hay aprendizaje y hay transformacin. Por consiguiente, el sistema es fundamentalmente irreversible (Allen, 2001: 3). Se ha explicado extensamente, en la medida que cabe en los alcances de este ensayo, cmo superar la paradoja. En nuestros das, casi todos los centros de investigacin cientca del mundo tienen un grupo dedicado al estudio de los sistemas complejos. Por su inuencia, destacan:
28
CAPTULO 1. SOBRE DOS EJES El Instituto Internacional de Fsica y Qumica de la Universidad Libre de Bruselas, donde han desarrollado su trabajo Ilya Prigogine y su equipo. El Instituto de Investigacin en Sistemas Complejos en Santa Fe de Nuevo Mxico, Estados Unidos, en cuya fundacin particip entre otros notables cientcos, el mismo P. W. Anderson que citamos arriba6 y en donde cada ao los ms destacados acadmicos de todo el mundo y de todas las disciplinas, como el bilogo terico Stuart Kauffman o el economista Brian Arthur, investigan y dan conferencias o seminarios de actualizacin. El Departamento de Fsica Terica de la Universidad de Stuttgart, Alemania, en donde la investigacin en sistemas complejos ha sido lidereada por el Profesor Hermann Haken. En Mxico, desde principios de los setenta inicialmente en la UNAM y con la orientacin de Germinal Cocho se formaron fsicos, matemticos y bilogos que, ms adelante, fundaron grupos de trabajo interdisciplinario en la propia UNAM y otras instituciones mexicanas de investigacin y educacin superior.
Con enfoques complementarios y algunas diferencias importantes en la interpretacin, en todos se aplica la misma herramienta matemtica, la teora de los sistemas dinmicos no lineales, y sus estudios cubren prcticamente todo el espectro del conocimiento de nuestros das: desde astronoma, sicoqumica, inmunologa o siologa del sistema nervioso central hasta evolucin biolgica, ecologa, antropologa cultural o prospeccin del desarrollo urbano. No obstante su importancia creciente, la presencia de estos centros no ha signicado todava un cambio notable de orientacin en la formacin cientca. La mayora de los profesionales de la ciencia que egresan hoy de las universidades sigue siendo formado en la tradicin reduccionista, fragmentaria y mecanicista. En la Universidad de la Ciudad de Mxico al ofrecer la Maestra en Dinmica no Lineal y Sistemas Complejos se abre hoy la posibilidad de asumir las consecuencias educativas de la visin integral y dialctica del mundo que hemos discutido.
Vase la pgina 21, supra.
Parte II El programa
29
Captulo 2 Objetivos generales y perles

El objetivo general de la MDNLySC es proporcionar a sus alumnos la posibilidad de 1. Formarse como profesionistas de alto nivel acadmico con un conocimiento profundo del anlisis matemtico de los sistemas dinmicos no lineales y de sus posibles aplicaciones; con la capacidad de identicar en la realidad las posibilidades de aplicar la teora de los sistemas complejos para comprender los procesos fsicos, biolgicos o sociales que tengan lugar en su mbito de trabajo. 2. Apropiarse de una cultura cientca y humanista que les permita comunicarse adecuadamente con los tcnicos y profesionistas de otros campos del conocimiento a n de identicar la mejor forma de colaborar con ellos en la solucin de problemas de inters comn en los cuales puedan aplicarse las herramientas del anlisis no lineal y la visin de la teora de los sistemas complejos; profundizar su educacin ya sea formalmente o mediante el aprovechamiento de las mltiples fuentes de informacin disponibles hoy en el mundo; construir un sistema de valores, en el cual la bsqueda de la felicidad y el bienestar de los seres humanos sea el ms importante, para normar su actividad como cientco. 31
32
CAPTULO 2. OBJETIVOS GENERALES Y PERFILES
3. Adquirir un compromiso con la sociedad para hacer que su prctica profesional contribuya a resolver los problemas de la gente, recuperando para ella el bien social que es la ciencia. De manera especca, las caractersticas que se espera tengan quienes cursen la MDNLySC se establecen en la seccin 2.1 y las de quienes, en principio, podrn ser considerados candidatos a ingresar, en la seccin 2.2.1
2.1. El perl del egresado

Los egresados de la Maestra en Dinmica no Lineal y Sistemas Complejos de la Universidad de la Ciudad de Mxico 1. Identicarn procesos y sistemas complejos en la naturaleza y la sociedad. 2. Reconocern la necesidad de establecer un nivel adecuado de anlisis para modelar los sistemas complejos. Segn la metfora de Leo Kadanoff: sabrn que no se deben modelar tractores con quarks. 3. Incorporarn a su cultura cientca el conocimiento detallado de las representaciones formales, mediante los sistemas dinmicos no lineales (SDNL), de procesos fsicos, biolgicos y sociales en los cuales se presentan fenmenos crticos. 4. Reconocern que la produccin cientca, en particular la relacionada con la teora de los SDNL, se da en contextos histricos especcos y tiene consecuencias en distintos mbitos sociales. 5. Sern capaces de aplicar las herramientas de anlisis de la teora de los SDNL a la comprensin de los sistemas complejos. 6. Podrn establecer relaciones entre diversos campos del conocimiento, aprender a discriminar la informacin y conjeturar explicaciones coherentes en relacin con fenmenos crticos de diversa ndole para los cuales sea factible la modelacin con las herramientas de la teora de los SDNL. 7. Podrn participar en proyectos de investigacin o de resolucin de problemas interdisciplinarios en los cuales aplicarn la teora de los SDNL.
2.2. EL PERFIL DE INGRESO
33
8. Tendrn las bases matemticas y cientcas necesarias para proseguir su formacin en dinmica no lineal y sistemas complejos (DNLySC) tanto formalmente con estudios de doctorado o especializacin donde los hubiere como para mantenerse al da por cuenta propia. 9. Podrn transformar su prctica profesional en el mbito que les corresponda al aplicar la visin integradora cientca, humanstica y social de la teora de los SDNL y sus aplicaciones al anlisis de los SC.
2.2.
2.2.1.
El perl de ingreso
Formacin matemtica
Quienes deseen ser alumnos de la MDNLySC deben poseer los conocimientos del currculum matemtico de una licenciatura en ciencias o ingeniera. En particular, el correspondiente a los cursos de 1. Clculo diferencial e integral de una y varias variables. 2. lgebra superior y lgebra lineal. 3. Ecuaciones diferenciales ordinarias. 4. Nociones de anlisis matemtico. 5. Nociones de mtodos numricos. 6. Nociones de probabilidad y estadstica. 7. Nociones de programacin de computadoras. Asimismo, se requiere dominio suciente del ingls para leer sin dicultad literatura cientca en general (desde artculos tcnicos hasta ensayos loscos).
2.2.2.
Requisitos de ingreso
Los aspirantes a ingresar como alumnos a la MDNLySC debern 1. Ostentar el grado de licenciado en alguna disciplina cientca, ingeniera o carrera universitaria afn o bien.
34
2. Poseer los conocimientos descritos en la seccin 2.2.1 de este documento. 3. Entrevistarse con un Comit de Ingreso, designado por la UCM para tal efecto el cual determinar si el candidato est apto para ingresar o deber cumplir algn plan de trabajo para satisfacer el perl descrito en la seccin 2.2.1 de este documento. Dicho plan puede incluir el asistir a uno o ms de los cursos propeduticos (vase el apndice A) ofrecidos por los profesores de la Maestra. En caso de no poseer ttulo de licenciatura y cumplir los otros requisitos, los candidatos podrn ser aceptados provisionalmente si hubieran aprobado la totalidad del plan de estudios de alguna de las licenciaturas descritas y pasaran a quedar inscritos denitivamente si, en un plazo no mayor a un ao, obtuviesen dicho ttulo. Cualquier caso no considerado en esta seccin ser resuelto colegiadamente en el Comit de Ingreso.
2.3.
Evaluacin
Para orientar la evaluacin acadmica de la MDNLySC hemos adoptado aqu algunos lineamientos establecidos por Rosa Mara Romero Cuevas y Teresa Wuest Silva1 (Romero y Wuest, 2001: 47) quienes plantean concebir la evaluacin como un proceso global y de carcter permanente que debe ser compatible con la naturaleza de los procesos a los que se aboca. En particular, la evaluacin dentro de la MDNLySC ha de hacerse en relacin directa con los objetivos generales y especcos establecidos en la seccin 2.1 y adoptarse como un instrumento educativo que retroalimenta el proceso de formacin de profesionales de la ciencia con las caractersticas descritas ah. Por ello, la evaluacin debe centrarse en el aprendizaje e involucrar a todos los actores del proceso; articularse en el desarrollo y el contexto de cada curso y del programa en su totalidad; permitir identicar logros y carencias tanto en el proceso como en los resultados;
En algunos casos se han tomado las deniciones y propuestas textualmente; en otros, se han adecuado a las particularidades de la MDNLySC. En cualquier caso, conviene dejar constancia de lo importante que ha sido para esta seccin el trabajo de estas autoras.
1
2.3. EVALUACIN
35
servir para reforzar las actividades educativas que coadyuven adecuadamente a la consecusin de los objetivos y modular o corregir las que los obstaculicen; incluir la perspectiva tica.
2.3.1.
De los alumnos
La evaluacin del aprendizaje de los alumnos se plantea como una tarea a travs de la cual pueden conocerse sus avances y sus dicultades y limitaciones a n de fortalecer los primeros y trabajar los segundos... (Romero y Wuest, 2001: 49) y se har permanentemente con base en instrumentos de diagnstico como los siguientes Entrevistas peridicas con los profesores en las que se podr aplicar algn tipo de cuestionario informativo de comn acuerdo entre estudiantes y maestros. Presentacin de avances en simulaciones computacionales; ensayos monogrcos o de divulgacin; reportes de bsqueda y lectura de publicaciones relacionadas con la temtica de las diferentes asignaturas; exposiciones ante grupo sobre temas interdisciplinarios especcos; reportes de trabajo de campo o de laboratorio. Al nal de cada semestre, los profesores harn a los alumnos recomendaciones explcitas respecto a qu hacer para resolver las posibles carencias en relacin con los objetivos que no se hayan logrado y los orientarn sobre el momento adecuado para inscribirse en algn curso especco. Con base en esto, los estudiantes debern desarrollar un plan de trabajo (que puede incluir el repetir una asignatura parcial o totalmente) que les permita avanzar en el plan de estudios sin dicultades atribuibles a aquellas carencias. No habr acreditacin por asignatura2 y el proceso se evaluar en su totalidad en la presentacin de la tesis con la que se podr obtener el ttulo correspondiente.
Aunque podrn expedirse constancias con valor curricular donde se indique la asistencia o el cumplimiento de los objetivos correspondientes.
2
36
Requisitos de titulacin La Universidad de la Ciudad de Mxico otorgar el ttulo de Maestro o Maestra en Ciencias (en Dinmica no Lineal y Sistemas Complejos) a quienes posean los conocimientos establecidos en este plan de estudios, presenten y deendan exitosamente una tesis de investigacin en algn tema del catlogo de lneas de investigacin (vase el apndice 4.5) o el que se establezca de comn acuerdo entre el alumno y sus asesores.
2.3.2.
De la Maestra
Al nal de cada semestre, los alumnos y los profesores llevarn a cabo un ejercicio en el que evaluarn, adems de los que se consideren pertinentes en su momento, los siguientes aspectos: El logro de los objetivos de las lneas curriculares. Las contradicciones y la congruencia entre los contenidos y las estrategias de aprendizaje. El funcionamiento general y especco de la estructura curricular adoptada. La operacin del proyecto. El funcionamiento del cuerpo docente. Por ser un rea del conocimiento en desarrollo permanente y muy acelerado, los contenidos de la Maestra debern revisarse cada ao y su estructura general se someter a evaluacin cada cuatro.
Captulo 3 El mapa curricular

Toda organizacin curricular implica y es expresin de una losofa. sta ha sido expuesta en extenso en las secciones 1.1 y 1.2. Aqu es pertinente hacer hincapi en que El conocimiento es uno solo y el estudio de lo complejo debe abordarse con todo el instrumental pertinente y cubriendo el mayor espectro posible de aplicaciones. El aparato conceptual y terico ms desarrollado para hacerlo es el anlisis matemtico de los sistemas dinmicos no lineales. Asimismo, se trata de comprender fenmenos crticos reales en sistemas fsicos, biolgicos y sociales y de poner en juego para hacerlo las herramientas para el pensamiento de los SDNL. Por consiguiente, debe evitarse cualquier distincin articial entre fenomenologa y formalismo.
3.1.
Los ejes y las lneas
El mapa se ha organizado con base en los siguientes dos grandes ejes: I Ciencia y sociedad (CyS). II Dinmica no lineal y de los sistemas complejos (DNLySC). 37
38
Semestre 1ro. 2do. 3ro. 4to. 5to.
CyS C y S en el siglo XXI -I C y S en el siglo XXI -II
CAPTULO 3. EL MAPA CURRICULAR

DNLy SC SC I: Fractales y caos SC II: Sistemas extendidos, conectividad y redes Taller de SC: Origen y evolucin de la complejidad DNL I: dinmica temporal (1ra. parte) DNL II: dinmica temporal (2da. parte) *DNL III: dinmica espacio-temporal
Taller de inv. sobre CyS
Seminario de Investigacin Seminario de Investigacin
Cuadro 3.1: Mapa curricular En las secciones 4.1, 4.2 y 4.3 se desglosan los contenidos por programa de cada asignatura. El segundo eje, a su vez, se organiza en dos lneas curriculares: la de dinmica no lineal (DNL) y la de sistemas complejos (SC) y en la tabla 3.1, se distinguen por el subndice y se da en ella la secuenciacin de los mismos. Los cursos indicados con un asterisco son optativos. Cada semestre tiene una duracin de 16 semanas y cada curso se desarrollar en 64 horas por semestre. Conviene aqu insistir en las relaciones horizontales del mapa curricular: es cierto que hay una separacin en lneas que se distinguen por el tipo de herramienta con la cual se construyen las representaciones formales de distintos procesos; es cierto tambin que hay una secuenciacin didctica orientada por el principio rector de construir el conocimiento por etapas en las cuales los alumnos tienen la oportunidad de asimilar contenidos nuevos, madurar intelectualmente y apropiarse de los elementos necesarios para comprender las etapas subsecuentes. Sin embargo, no ha de perderse nunca de vista que el cuerpo de conocimientos sus conceptos, teoras, herramientas y aplicaciones es un todo indivisible. Esta caracterstica es una consecuencia de la posibilidad de identicar las clases de equivalencia dinmica a las que nos referimos en la seccin 7 (vase la pgina 24, supra) en procesos fsicos, biolgicos o sociales que son, desde luego, de muy diversa ndole pero en los cuales es posible identicar reglas de interaccin semejantes. Por ello, cada tema del programa da lugar a un tratamiento mltiple y complementario en las diferentes lneas. Lo anterior quiere decir, por un lado, que el estudio de los sistemas dinmicos ha puesto de maniesto que el comportamiento de un sistema depende del modo
3.1. LOS EJES Y LAS LNEAS
39
de interaccin entre sus componentes ms que de los detalles de su composicin y esto provee medios para estudiar fenmenos en donde la experimentacin directa es imposible y en donde la tradicin de la investigacin se limitaba a conseguir, en el mejor de los casos, slo descripciones. Estudiar la dinmica de un sistema abstrae la base material de ste pero tal alienamiento no puede ser total porque son los detalles de la fenomenologa y composicin los que denen las formas de interaccin. Describir llanamente distintos sistemas en diferentes niveles fenomenolgicos, adems de ser parte de cualquier cosmovisin, es bsico para cualquier caracterizacin dinmica formal y por tanto para lograr habilidades mnimas de modelacin. Por eso, en todas las lneas hay una insistente presencia de discusiones multidisciplinarias que van desde la mecnica estadstica hasta la evolucin biolgica y la gestin social lo que es congruente tambin con el objetivo de que los egresados puedan construir una cultura cientca y humanstica que sea la base para el trabajo con otros profesionistas. Adems de la gran cantidad de ejemplos de aplicacin y de discusiones fenomenolgicas que aparecen una y otra vez en ambos ejes y que se trabajarn sistemticamente en el taller de sistemas complejos durante el tercer semestre hay dos lneas transversales que cruzan el mapa y que no aparecen explcitamente en la tabla 3.1: (a) Simulaciones computacionales y mtodos numricos y (b) Procesos estocsticos (vase la seccin 4.4). Sus temas se van incorporando segn se avanza en el desarrollo de cada asignatura.
3.1.1.
Flexibilidad curricular
Cada alumno Deber cursar todas las asignaturas del eje curricular en CyS. En principio, stas son las nicas del plan en las que se considera indispensable la presencia. Podr elegir si no cursa alguna asignatura del eje curricular en DNLySC. Para hacerlo, deber poseer los conocimientos descritos en los objetivos de
40
CAPTULO 3. EL MAPA CURRICULAR cada materia y decidirlo de comn acuerdo con sus asesores y, de ser necesario, desarrollar un plan de trabajo personal para cubrir temas o mdulos especcos. Podr optar por iniciar su trabajo de investigacin antes del cuarto semestre.
3.2.
Recomendacin metodolgica
Conviene plantear aqu una serie de recomendaciones generales sobre la forma de abordar los temas en todas las asignaturas: 1. A lo largo de estos cursos, pero especialmente al inicio, los alumnos discutirn problemas de distintas ramas del conocimiento que compartan la caracterstica de que su representacin matemtica se establece en trminos de sistemas dinmicos continuos o discretos no lineales. Es fundamental hacer nfasis en la fenomenologa de lo no lineal y en la universalidad que distintas dinmicas pueden tener, independientemente de la base material sobre la cual pudieren ocurrir los procesos. 2. Como una estrategia permanente, orientada a presentar siempre los formalismos en un contexto adecuado, es necesario cimentar una cultura de lo complejo y de lo no lineal mediante el conocimiento detallado de la inuencia recproca entre el desarrollo de la teora de SDNL y el estudio de fenmenos crticos y, ms en general, sistemas complejos de diversa ndole. Esto signica integrar en los cursos el anlisis de ejemplos histricamente importantes (Poincar, Lorenz, May, Prigogine, Belousov-Zabothinsky, Feigenbaum, etctera) de esta interaccin. 3. En general, slo despus de haber discutido con distinto grado de profundidad los problemas interdisciplinarios descritos en los dos incisos anteriores debern introducirse paulatinamente los elementos toricos, conceptos y tcnicas formales de mayor generalidad. Si bien el formalismo es un criterio de correccin matemtica universalmente aceptado, el conocimiento matemtico se construye mediante la bsqueda de patrones generales de forma, cantidad, cualidad y comportamiento que pueden hallarse lo mismo en el mundo fsico que en el del pensamiento y esta bsqueda echa mano de una multitud de recursos intelectuales cuya heurstica incluye desde el razonamiento lgico deductivo hasta las asociaciones libres. (Lenat).
3.2. RECOMENDACIN METODOLGICA
41
4. La demostracin formal de algunos resultados importantes de dinmica no lineal requiere que el estudiante posea antecedentes matemticos que, posiblemente, no tengan todos los alumnos (por ejemplo, similares a los de los egresados de las licenciaturas en fsica o matemticas). En tales casos, se sugiere basar las discusiones en presentaciones conceptuales a travs de sistemas escogidos ad hoc.
42
CAPTULO 3. EL MAPA CURRICULAR
Captulo 4 Los contenidos

4.1. Ciencia y sociedad en el siglo XXI
Nos encontramos en un mundo en crisis en el que las diferencias de nivel de vida entre pases ricos y pobres y entre las clases sociales dentro de cada pas aumentan dramticamente. En esta situacin importa discutir el papel de la ciencia. En particular, reexionar sobre si ha sido un instrumento de dominacin y, dado el caso, cmo desarrollar una prctica cientca opuesta a esto. Aunque muchas de las crticas son vlidas, no lo es menos que para llegar a un mundo ms justo, en el cual la gente sea ms feliz y creativa, la ciencia ser indispensable, aunque tambin deber distinguirse de la que actualmente se genera en los grandes centros metropolitanos de produccin cientca y tecnolgica. Para esto es necesario comprender las relaciones entre la ciencia y los problemas sociales de nuestra poca y del pasado inmediato. Se proponen dos cursos semestrales y un taller de investigacin. En el primer semestre se discutirn los problemas bsicos a los que se enfrenta la fsica y la biologa en el siglo XXI y las presentes ideas sobre la evolucin de la materia, tanto a nivel cosmolgico, como biolgico y social, tomando en cuenta los condicionamientos histricos, econmicos y culturales. Se discutirn tambin diversos enfoques metodolgicos y modos de producir la ciencia y sus caractersticas en el momento actual de cambio y obsolescencia rpidas. En el segundo semestre se discutirn aspectos de los sistemas complejos, con ejemplos de la fsica, la biologa y al sociologa. Se pondr especial nfasis en el anlisis de redes y colectivos sociales, tanto animales como humanos. En el tercer semestre se tendr un taller en el que a la luz de los conocimien43
44
CAPTULO 4. LOS CONTENIDOS
tos impartidos en los diversos cursos de los dos semestres anteriores se analizar la problemtica de las grandes ciudades, discutiendo qu especialidades y herramientas conceptuales seran las adecuadas para atacar estos problemas. Como parte de este taller los estudiantes realizarn prcticas de campo en comunidades concretas de la Ciudad de Mxico que sean objeto de anlisis y se impartirn conferencias en las escuelas preparatorias del Instituto de Educacin Media Superior y en la Universidad de la Ciudad de Mxico. Asociados a alguno de los temas, se propondran modelos matemticos especcos, deterministas o probabilsticos, analticos si es posible, pero en general computacionales.
4.1.1.
Ciencia y sociedad en el siglo XXI-I
Primer semestre. (64 horas). Temario 1. La problemtica de las grandes ciudades. La Ciudad de Mxico. 2. El modo de producir la ciencia a lo largo de la historia y en nuestros das. 3. El cambio social, cultural y de las concepciones cientcas a lo largo de la historia y en la poca actual. Cambio rpido y obsolescencia. Organizacin del trabajo en la industria, la administracin y la producin cientca. 4. Los grandes problemas de la fsica y la biologa en el siglo XXI. Antecedentes histricos e interrelaciones con la problemtica social. 5. Evolucin de la materia, a nivel cosmolgico, biolgico y social.
4.1.2.
Ciencia y sociedad en el siglo XXI-II
Segundo semestre. (64 horas). Temario 1. Enfoques conceptuales: Reducionismo, estructuralismos fuerte y dbil y conectivismo. 2. Puentes, diccionarios y respuesta a la obsolescencia. Ciencia conceptual.
4.1. CIENCIA Y SOCIEDAD EN EL SIGLO XXI 3. Ejemplos de sistemas complejos fsicos, biolgicos y sociales. 4. Estructura y dinmica de redes sociales. 5. Comunidades de prctica homogneas y heterogna.
45
4.1.3.
Taller de investigacin en ciencia y sociedad
Tercer semestre. (64 horas). Temario 1. La Ciudad de Mxico. Los problemas que se presentan. 2. Sobre las fuentes de poder de la inteligencia. Dado un problema real complejo ver qu especialidades y fuentes de poder de la inteligencia se necesitaran. 3. Prcticas sociales de campo y conferencias en las preparatorias de la UCM.
4.1.4.
Bibliografa para el eje
1. Colecciones de artculos sobre los siguientes tpicos cientcos a) Evolucin y desarrollo: genmica, protemica y redes metablicas. b) Ciencia experimental, terica, computacional y relacional. c) La sntesis de la visin del cielo y de la tierra entre Aristteles y Newton. Convergencias de la fsica de partculas y la cosmologa. d) Estrategias para la investigacin y el descubrimiento. 2. Albert, Alain (Editor) (1995): Chaos and Society. Amsterdam, IOS Press. 3. Allen, Peter M. (1997): Cities and Regions as Self-Organizing Systems. Models of Complexity. Amsterdam, Gordon and Breach Science Publishers. 4. Altmann, Gabriel y Walter A. Koch, (Editores) (1998): Systems, New Paradigms for the Human Sciences. Berln, De Gruyter. 5. Bernal, John Desmond, (1973): Historia social de la ciencia. Barcelona. Pennsula.
46
6. (BB) Bertalanffy Ludwig von, (1976): Teora general de los sistemas. Mxico, Fondo de Cultura Econmica. 7. (BB) Bushev, Mikhail (1994): Synergetics: Chaos, Order, Self-Organization. Singapur, World Scientic. 8. (BB) Feyerabend, Paul Karl, (1989): Contra el mtodo: esquema de una teora anarquista del conocimiento. Barcelona. Ariel. 9. Gutirrez Snchez, Jos Luis (1999): Teoras, sistemas y comprensin del mundo, en Perspectivas en las teoras de sistemas. (Santiago Ramrez, Coordinador). (Coleccin Aprender a Aprender). Mxico, CEIICH - UNAM Siglo XXI . (pp. 93100). 10. Gutirrez Snchez, Jos Luis (2000): El sueo de Isaac Asimov o son matematizables las ciencias de lo humano?, en Poltica y cultura 13: 33 54, Matemticas ante las ciencias sociales. Verano de 2000. Mxico, Departamento de Poltica y Cultura, UAM - X . 11. (BB) Mainzer, Klaus (1994): Thinking in Complexity. The Complex Dynamics of Matter, Mind and Mankind. Berln. Springer Verlag. 12. Matthies, M., H. Malchow y J. Kriz, (Editores) (2001): Integrative Systems Approaches to Natural and Social Dynamics. Berln. Springer. 13. Mayr, Ernst W. y William B. Provine, (1997): The Evolutionary Synthesis. Harvard. Harvard University Press. 14. (BB) Kuhn, Thomas, (1971): La estructura de las revoluciones cientcas. Mxico, Fondo de Cultura Econmica. 15. (BB) Rose, Steven y Hilary Rose, (1979): Economa poltica de la ciencia. Mxico, Nueva Imagen. 16. Volkenshtein M.V. (1981): Biofsica. Mosc. Mir. 17. (BB) Waddington, Conrad Hal (1977). Tools for Thought. How to Understand and Apply the Latest Scientic Techniques of problem Solving. Nueva York. Basic Books Inc. Publishers.
4.2. DINMICA NO LINEAL
47
4.2.
Dinmica no lineal
Para el desarrollo de esta lnea curricular, el alumno deber cursar las asignaturas cuyo temario se desglosa ms adelante. Las dos primeras son obligatorias; la tercera, optativa. Cada una se cursar durante un semestre de cuatro horas semanales (64 horas presenciales en 16 semanas). El contenido de los dos primeros cursos se organiza en torno a dos conceptos fundamentales en sistemas dinmicos: estabilidad y bifurcacin. El del tercero toma como eje central el concepto de autoorganizacin espacio-temporal.
4.2.1.
Objetivos.
El alumno, 1. Comprender y aplicar las tcnicas cualitativas del anlisis de sistemas no lineales de ecuaciones diferenciales ordinarias y de algunas familias de ecuaciones en derivadas parciales. 2. Ser capaz de reconocer las condiciones de estabilidad y los procesos de bifurcacin y autoorganizacin espacio-temporal y podr hacerlo en los casos en los cuales las ecuaciones modelan matemticamente fenmenos o procesos reales.
4.2.2.
Dinmica no lineal I
Primer semestre. (64 horas). Temario 1. Planteamiento de problemas y la necesidad de una teora. a) Problemas de fsica: oscilaciones libres, oscilaciones forzadas, campos de fuerza central, osciladores de arena, etctera. b) Problemas de ciencias de la vida: interaccin entre especies, dinmica de comunidades, propagacin de epidemias, conduccin de impulsos nerviosos, etc. c) Problemas de qumica: ley de accin de masas, reacciones reversibles, cintica enzimtica, propagacin de contaminantes, etc.
48
CAPTULO 4. LOS CONTENIDOS d) Problemas de economa. e) Sobre existencia, unicidad y continuidad de soluciones respecto a condiciones iniciales y a parmetros.
2. Sistemas lineales autnomos. a) Formas cannicas de sistemas de dimensiones dos y tres. Clasicacin del equilibrio en el caso del plano. b) Puntos de equilibrio hiperblicos y no hiperblicos. c) Equivalencia topolgica entre ujos lineales. d) Estabilidad de Lyapunov. e) Sistemas lineales no autnomos. f ) Existencia de soluciones periodicas. g) Teora de Floquet (la ecuacin de Mathieu). 3. Sistemas no lineales autnomos. a) Sistemas lineales con perturbacin no lineal. b) Equivalencia topolgica local. El teorema de Hartman-Grobman. c) Sistemas hamiltonianos (cantidades que se conservan). El teorema de Liouville. d) El mtodo de Lyapunov y cuencas de atraccin (coexistencia ecolgica). e) Existencia de soluciones peridicas. El criterio negativo de Bendixon y la prueba de Dulac. f ) Regiones positivamente invariantes. g) El teorema de Poincar-Bendixon (los osciladores de Bruselas, de Oregon, de van der Pol sin forzamiento, etc.). h) Dinmica de algunos sistemas tridimensionales (los atractores de Lorenz, Hodgkin-Huxley, Rossler, etctera) i) Atractores extraos conocidos. Caos cuando n 3. 4. Sistemas no lineales y no autnomos. a) El oscilador de van der Pol con forzamiento (phase locking). b) La ecuacin de Dufng.
49
4.2.3.
Dinmica no lineal II
Segundo semestre. (64 horas). Temario 1. Bifurcacin local de puntos de equilibrio. a) Bifurcaciones elementales en el caso escalar. Diagramas de bifurcacin. b) Puntos no hiperblicos en sistemas planos. c) Las bifurcaciones nodo-silla, pitchfork, nodo-centro, transcrtica, etc. Fenmeno de histresis. d) La aparicin de ciclos lmite a travs de bifurcaciones. e) El teorema de bifurcacin de Hopf. 2. Bifurcacin global de trayectorias. a) Existencia de trayectorias heteroclnicas (silla-silla, nodo-silla) y homoclnicas. b) Bifurcacin de trayectorias heteroclnicas y homoclnicas. Su interpretacin. c) Estabilidad estructural de sistemas planos. d) Retratos fase globales y su cambio al cambiar los valores de los parmetros. 3. Estabilidad de trayectorias peridicas. a) La seccin de Poincar. b) El mtodo de promedios. c) El mtodo de perturbaciones.
50
4.2.4.
Dinmica no lineal III
Tercer semestre. (64 horas). 1. Autoorganizacin, morfognesis y emergencia de patrones. a) Estructuras disipativas y rompimientos de simetra. b) Modelacin de procesos difusivos. Ley de Fick1 . c) Los sistemas de reaccin-difusin como mecanismo morfogentico. d) Bifurcacin de Turing. El sistema activador-inhibidor. e) Otro mecanismo morfogentico: la quimiotaxis. f ) Morfognesis y lotaxia. 2. Propagacin de ondas en medios excitables a) La neurona y las clulas cardiacas como sistemas excitables. Cualidades de los sistemas excitables. Sistemas biestables. b) La propagacin de ondas a travs del msculo cardiaco c) Las ondas qumicas en las reacciones de Belousov-Zabothinski. Osciladores espacio-temporales. d) Propagacin de ondas en dimensin uno, dos y tres. Ondas viajeras, espirales rotando, ondas enrolladas. e) La geometra de las ondas en medios excitables. 3. Patrones y sistemas fuera del equilibrio.
4.2.5.
Bibliografa de la lnea
El enfoque interdisciplinario y la diversidad de problemas a travs de los cuales se sugiere presentar los temas de estas asignaturas, imposibilita que pueda pensarse en el libro de texto para cada uno de los cursos que se propone. As,
Deber establecerse la relacin con los temas de sistemas dinmicos intrnsecamente aleatorios (caminatas aleatorias) y de sistemas dinmicos aleatorios continuos (movimiento browniano y procesos de difusin) como se describen en los apartados 1.(b) y 3. de la lnea de pocesos estocsticos (vanse, en la seccin 4.4, las pginas 76 y 76 infra).
1
51
ninguna de las referencias contenidas en la lista que sigue, contiene todo el material de al menos uno de los cursos que se proponen. En ese sentido cada una de las referencias que aparecen a continuacin, tiene indicaciones sobre: el nivel (E=introductorio, I=intermedio, A=avanzado); el curso para el que se recomienda (1 = Dinmica I, 2=Dinmica II, 3=Dinmica III). 1. (BB) Arrowsmith D. K. y C. M. Place (1990): Introduction to Applied Nonlinear Dynamical Systems, Cambridge University Press. (A,1,2). 2. A. D. Bazykin (1998): Nonlinear dynamics of interacting populations. World Scientic (A,1,2). 3. Bak, Per (1996): How Nature Works : the Science of Self-Organized Criticality. Nueva York. Copernicus. 4. (BB) Esteva, Lourdes y Manuel Falconi (compiladores) (2002): Biologa matemtica, un enfoque desde los sistemas dinmicos. Coordinacin de servicios editoriales, Facultad de Ciencias, UNAM (E,1,2,3). 5. (BB) Glass L. y M.C. Mackey (1988): From clocks to chaos. The rhytms of life. Princeton University Press. (I,1,2). 6. Grindrod, P. (1995): Patterns and waves, Oxford University Press. 7. Gray P. y S. K. Scott (1994): Chemical oscillations and instabilities, Clarendon Press, Oxford. 8. Guckenheimer, J. y P. Holmes (1983): Nonlinear Oscillations, Dynamical Systems and Bifurcations of Vector Fields, Springer Verlag. (A,1,2). 9. (BB) Gutirrez Snchez, J.L. y F. Snchez Garduo (1998): Matemticas para las ciencias naturales. Serie Aportaciones Matemticas: 11, Sociedad Matemtica Mexicana. (E,1). 10. (BB) Hale, J. y H. Kocak (1991): Dynamics and bifurcations. SpringerVerlag. (I,1,2). 11. (BB) Hilborn, R. C. (1994): Chaos and nonlinear dynamics, Oxford University Press. (I,1,2). 12. Hirsch, M.W. y S. Smale (1974): Differential Equations, Dynamical Systems and Linear Algebra. Academic Press. (A,1,2).
52
13. (BB) Keener, J. y J. Sneyd (1998): Mathematical physiology, Springer. (A,2,3). 14. (BB) Kot, M. (2001): Elements of mathematical ecology, Cambridge University Press. (I,1,2). 15. (BB) Jordan, D. W. y P. Smith (1994): Nonlinear Differential Equations, Clarendon Press. (I,1,2). 16. (BB) Murray, J. D. (1993): Mathematical biology, Springer Verlag. (A,1,2,3). 17. (BB) Nicolis, Gregoire e Ilya Prigogine (1977): Self-organization in nonequilibrium systems. From disipative structures to order through uctuations. John Wiley & Sons. (I,1,2,3). 18. (BB) Perko, L. (1996): Differential Equations and Dynamical Systems. Springer Verlag (I,1,2). 19. (BB) Snchez Garduo, F., P. Miramontes y J. L. Gutirrez Snchez (coordinadores) (2002): Clsicos de la biologa matemtica. Siglo XXI-UNAM. 20. (BB) Scott, S. K. (1993): Chemical chaos, Clarendon Press, Oxford. 21. (BB) Wiggins, S. (1990): Introduction to Applied Nonlinear Dynamical Systems and Chaos, Springer Verlag. (A,1,2).
4.3.
4.3.1.
Sistemas complejos
Sistemas complejos I
Primer semestre (64 horas). Temario: fractales y caos 1. Introduccin a los sistemas complejos a) No linealidad b) Azar y determinismo, regularidad y caos c) Autoorganizacin, emergencia y adaptacin d) Complejidad
4.3. SISTEMAS COMPLEJOS e) Sistemas fuera del equilibrio, ruptura de simetra 2. Introduccin al caos a) Poincar y el problema de los tres cuerpos b) Ecuacin de Lorenz c) Corrimiento de Bernoulli y mapeo tienda2 d) rbitas peridicas y rbitas caticas e) Exponentes de Lyapunov f ) Densidades invariantes 3. Fractales a) Simetras en la naturaleza b) Autosemejanza y estructura geomtrica c) Conjunto de Cantor d) Dimensin fractal e) Crecimiento fractal y percolacin f ) Invariancia de escala y Grupo de Renormalizacin 4. Caos disipativo y conservativo a) Sistemas disipativos 1) 2) 3) 4) 5) 6) Mapeos unidimensionales Atractores, bifurcaciones Control de caos3 Universalidad y rutas al caos Espacio de bifurcaciones: orden dentro del caos Geometra del caos: conjuntos de Mandelbrot y Julia
53
b) Sistemas conservativos
Deber establecerse la relacin con el tema de aspectos caulitativos de la lnea de procesos estocsticos (vase, en la seccin 4.4, la pgina 76, infra). 3 Deber establecerse la relacin con el tema de mtodos asintticos y numricos de la lnea de procesos estocsticos (vase, en la seccin 4.4, la pgina 76, infra).
2
54 1) Teorema de KAM 5. No linealidad y estocasticidad a) Ruido y procesos estocsticos
b) Introduccin a los sistemas dinmicos aleatorios c) Escalamiento y leyes de potencias d) Dinmica simblica e) Multifractales 6. Anlisis de series de tiempo. a) Anlisis de series de tiempo
4.3.2.
Sistemas complejos II
Segundo semestre (64 horas) Temario: sistemas extendidos, conectividad y redes 1. Introduccin a la dinmica espacio temporal a) Formacin de patrones y propagacin de interfases b) Medios excitables c) Reaccin de Belousov-Zabothinsky d) Turing e) Oscilaciones cardiacas f ) Solitones 2. Dinmica de sistemas extendidos a) Redes de mapeos acoplados b) Sincronizacin espacio temporal c) Autmatas celulares
4.3. SISTEMAS COMPLEJOS 3. Conectivismo a) Agentes autnomos b) Redes complejas y mundo pequeo c) Redes booleanas y redes uidas d) Redes neuronales 4. Fenmenos colectivos a) Autoorganizacin en zona crtica b) Borde del caos 5. Computabilidad, procesos informticos y cognoscitivos a) Medios computables y cmputo emergente b) Computadoras naturales y articiales c) Computabilidad e incomputabilidad d) Sistemas clasicadores y reconocimiento de patrones
55
4.3.3.
Taller de sistemas complejos
Tercer semestre (64 horas) Se trata de dar una visin integral, desde la complejidad, del origen y evolucin de la naturaleza. En este taller se trata se dan elementos para que los estudiantes construyan una visin moderna de la ciencia en la que no se divide a la naturaleza articialemente en campos de especializacin. Es decir, se trata de reconocer, en la naturaleza y las sociedades, los niveles nuevos de complejidad como procesos emergentes desde los niveles anteriores. Esta discusin se dara durante la primera semana del curso y despus se dedicaran tres semanas para cada tema especco mientras los estudiantes desarrollan bsquedas especcas en el tema que sea de su mayor inters.
56
Temario: origen y evolucin de la complejidad 1. Cosmologa a) Origen del universo y de la materia b) Expansin del universo (motor de toda creatividad) c) Autoorganizacin, zona crtica y estructuras de gran escala d) Medio interestelar 2. Qumica a) Nucleosntesis b) Autocatlisis c) Evolucin molecular y macromolculas d) Qumica algortmica (Fontana) 3. Biologa a) Qu es la vida? b) La vida como propiedad inevitable de la evolucin de la materia c) Vida articial (Langton): la vida como podra ser y no slo el ejemplo terrestre d) Biomolculas y autoduplicacin e) Evolucin, restricciones fsicas y autoorganizacin, coevolucin f ) Ecologa generalizada, natural y articial (Huberman) g) Cooperacin emergente y ayuda mutua h) Intelecto y neurocomputacin 4. Sociedad a) Historia 1) Contingencia o dinmica 2) Zona crtica. Formacin y destruccin de modelos de organizacin poltica y productiva
4.3. SISTEMAS COMPLEJOS b) Sociologa y antropologa 1) El fenmeno social como atractor evolutivo 2) Agentes, boids y dinmica social en animales y seres humanos 3) Redes y colectivos sociales c) Economa 1) 2) 3) 4) El fracaso de la economa lineal y del equilibrio de mercados Equidad y ley de Zipf La economa como un sistema adaptativo Econofsica
57
d) Gestin y organizaciones 1) Taylorismo versus gestin de organizaciones inteligentes 2) Organizaciones distribuidas y participativas e) Urbanismo y medio ambiente 1) La ciudad como fenmeno emergente 2) Crecimiento urbano fractal 3) Modelos participativos para la gestin urbana (salud, vivienda, seguridad, etctera) f ) Alternativas sociales: hacia el mundo del futuro 1) 2) 3) 4) Organizaciones sociales en redes y colectivos Economa solidaria y equidad Organizaciones polticas y de gobierno al borde del caos Comunidades de prctica.
4.3.4.
Primer curso Caos y sistemas dinmicos Textos bsicos e introductorios 1. Cohen, Jack y Ian Stewart (1995): The Collapse of Chaos: Discovering Simplicity in a Complex World. Nueva York, Penguin.
58
2. Coveney, Peter V. y Roger Higheld (1992): The Arrow of Time: A Voyage Through Science to Solve Times Greatest Mystery. Nueva York, Fawcett Books. 3. Coveney, Peter V. y Roger Higheld (1996): Frontiers of Complexity : The Search for Order in a Chaotic World. Nueva York, Fawcett Books. 4. (BB) Gleick, James (1988): Chaos: Making a New Science. Nueva York, Penguin. 5. (BB) Hall, Nina (Editora) (1991): Exploring Chaos: A Guide to the New Science of Disorder. Nueva York, Norton. 6. (BB) Nicolis, Grgoire e Ilya Prigogine (1989): Exploring Complexity : An Introduction. Nueva York, W. H. Freeman & Co. 7. (BB) Peak, David y Michael Frame (1994): Chaos Under Control: The Art and Science of Complexity. Nueva York, W. H. Freeman & Co. 8. Prigogine, Ilya e Isabelle Stengers (1989): Order Out of Chaos: Mans New Dialogue With Nature. Nueva York, Bantam Doubleday. 9. Stengers, Isabelle e Ilya Prigogine (1995): The End of Certainty : Time, Chaos, and the New Laws of Nature. Nueva York, Free Press. 10. (BB) Stewart, Ian (1990): Does God Play Dice?: The Mathematics of Chaos. Cambridge, Blackwell Pub. 11. Stewart, Ian (1996). From Here to Innity. Oxford, Oxford University Press. 12. (BB) Stewart, Ian (1998). Lifes Other Secret : The New Mathematics of the Living World. Nueva York, John Wiley. Textos intermedios y avanzados 1. (BB) Baker Gregory L. y Jerry P. Gollub (1990): Chaotic Dynamics, Cambridge. Cambridge University Press. (Texto). 2. Beck Christian y Friedrich Schlgl (1993): Thermodynamics of Chaotic Systems, an Introduction, Cambridge Nonlinear Science Series, Vol. 4 , Cambridge. Cambridge University Press.
4.3. SISTEMAS COMPLEJOS
59
3. Berg Pierre, Yves Pomeau y Christian Vidal, (1988): Lordre dans le chaos, Pars. Hermann. (Texto). 4. (BB) Cvitanovic, Predrag (1989): Universality in Chaos. Bristol, Adam Hilger. 5. (BB) Davies, Paul (Editor) (1989): The New Physics, Cambridge, Cambridge University Press. 6. (BB) Devaney, Robert L. (1989): An Introduction to Chaotic Dynamical Systems. Redwood City, Addison-Wesley. 7. (BB) Fryland, Jan (1992): Introduction to Chaos and Coherence. Bristol, Institute of Physics. 8. (BB) Glass, Leon y Michael C. MacKey, (1988). From Clocks to Chaos: The Rhythms of Life. Princeton, Princeton University Press. 9. Guckenheimer John y Philip Holmes (1983): Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields, Nueva York, Springer. 10. Holden, Arun V. (Editor) (1986): Chaos. Princeton, Princeton University Press. 11. (BB) Jackson, Edwin Atlee (1989): Perspectives of Nonlinear Dynamics, Volumen 1, Cambridge, Cambridge University Press. 12. (BB) Jackson, Edwin Atlee (1991): Perspectives of Nonlinear Dynamics, Volumen 2, Cambridge, Cambridge University Press. 13. (BB) Kadanoff, Leo P. (1993): From Order to Chaos I. Essays: Critical, Chaotic and Otherwise. World Scientic Series on Nonlinear Science A: 1. Singapur, World Scientic. 14. (BB) Kadanoff, Leo P. (1999): From Order to Chaos II. Essays: Critical, Chaotic and Otherwise. World Scientic Series on Nonlinear Science A: 32. Singapur, World Scientic. 15. (BB) Kaplan, Daniel y Leon Glass (1995): Understanding Nonlinear Dynamics, Nueva York , Springer-Verlag. (Texto orientado hacia los bilogos).
60
16. Kellert Stephen H. (1993): In the Wake of Chaos: Unpredictable Order in Dynamical Systems. Chicago, Chicago University Press. (Tratamiento histrico losco). 17. (BB) Mikhailov, Alexander S. y Alexander Yu. Loskutov (1991): Foundations of Synergetics II: Complex Patterns. Springer Series in Synergetics: 52. Berln. Springer-Verlag. 18. (BB) Mullin, Tom (Editor) (1993): The Nature of Chaos. Oxford. Oxford University Press. 19. (BB) Ott, Edward (1993): Chaos in Dynamical Systems Cambridge, Cambridge University Press. 20. Ruelle, David (1991): Chance and Chaos, Princeton, Princeton University Press. 21. (BB) Strogatz, Steven Henry (1994): Nonlinear Dynacmics and Chaos, Reading, Perseus Books. 22. Wiggins Stephen, (1979): Global Bifurcations and Chaos: Analytical Methods. Applied Mathematical Sciences: 73. Nueva York, Springer. 23. (BB) Williams, Garnett P. (1997): Chaos Theory Tamed. Washington, National Academy Press. Fractales 1. Barnsley Michael F. (1988): Fractals Everywhere. Boston, Academic Press. 2. Falconer, Keneth J. (1990): Fractal Geometry: Mathematical Foundations and Applications. Chichester, John Wiley. 3. Mandelbrot, Benot (1977): Fractals, Form, Chance and Dimension, San Francisco, W.H. Freeman (Texto). 4. Mandelbrot, Benot (1988): Fractal Geometry of Nature. San Francisco, W. H. Freeman. 5. (BB) Peitgen Heinz-Otto, Dietmar Saupe, H. Jurgens, L. Yunker (1992): Chaos and Fractals: New Frontiers of Science. Nueva York, Springer Verlag.
61
6. (BB) Peitgen, Heinz-Otto y Hartmut Jurgen (1991): Fractals for the Classroom: Strategic Activities. Nueva York, Springer Verlag. 7. (BB) Schroeder, Manfred Robert (1991): Fractals, Chaos, Power Laws: Minutes from an Innite Paradise. Nueva York, W. H. Freeman. 8. West, Bruce J. y William Deering (1995): The Lure of Modern Science, Fractal Thinking, Singapur, World Scientic. Segundo curso Textos bsicos e introductorios 1. Anderson Phillip W., (1994): Physics: The Opening to Complexity. Prefacio al National Academy of Science Proceedings of the Colloquium on Physics: The Opening of Complexity, 2728 de junio de 1994, Irvine. 2. Coveney, P. y Roger Higheld, (1992): The Arrow of Time: A Voyage Through Science to Solve Times Greatest Mystery. Nueva York, Fawcett Books. 3. Coveney, P. y Roger Higheld (1996). Frontiers of Complexity : The Search for Order in a Chaotic World. Nueva York, Fawcett Books. 4. (BB) Goodwin, Brian (1994): How the Leopard Changed its Spots. The Evolution of Complexity, Nueva York, Touchstone. 5. Kauffman, Stuart, (1994): At Home in the Universe: The Search for Laws of Self-Organization and Complexity. Oxford, Oxford University Press. 6. (BB) Lewin, Roger (2000): Complexity: Life at the Edge of Chaos. Chicago, University of Chicago Press. 7. Nicolis, Grgoire e Ilya Prigogine (1989): Exploring Complexity: An Introduction. Nueva York, W. H. Freeman & Co. 8. Prigogine, Ilya e Isabelle Stengers (1989): Order Out of Chaos: Mans New Dialogue With Nature. Nueva York, Bantam Doubleday. 9. Stewart, Ian (1998): Lifes Other Secret: The New Mathematics of the Living World. Nueva York, John Wiley. 10. (BB) Waldrop, M. Mitchell (1992): Complexity: the Emerging Science At the Edge of Order and Chaos. Nueva York, Touchstone Books.
62 Textos intermedios y avanzados
1. Abraham, Neal B., A. M. Albano, A. Passamante, P. E. Rapp y R. Gilmore (Editores) (1992): Complexity and Chaos: Proccedings of the Second Bryn Mawr Workshop on Measures on Complexity and Chaos. Bryn Mawr, Pennsylvania, 1315 de agosto; Singapur, World Scientic. 2. Auyang, S.Y. (1998): Foundations of Complex System Theories: In Economics, Evolutionary Biology, and Statistical Physics. Cambridge, Cambridge University Press. 3. (BB) Badii, Remo y Antonio Politi (1997): Complexity: Hierarchical Structures and Scaling in Physics. Nueva York, Cambridge University Press. 4. (BB) Bak, Per (1996): How Nature Works: The Science of Self-Organized Criticality. Nueva York, Copernicus. 5. (BB) Bak, Per y M. Paczuski (1995): Complexity, Contingency, and Criticality en Proceedings of the National Academy of Science 92: 66896696. 6. Bossomaier, Terry R. J. y David G. Green (Eds.), (1999): Complex Systems. Cambridge, Cambridge University Press. 7. (BB) Casti, John L. (1996): Would-Be Worlds: How Simulation Is Changing the Frontiers of Science. Nueva York, John Wiley & Sons. 8. Davies, Paul (Editor) (1989): The New Physics, Cambridge, Cambridge University Press. 9. de Gennes, Pierre-Gilles (1979): Scaling Concepts in Polymer Physics, Ithaca, Cornell University Press. 10. (BB) Flake, Gary William. (1999): The Computational Beauty of Nature, Cambridge, MIT Press. 11. Glansdorff, P. e Ilya Prigogine (1971): Thermodynamic Theory of Structure, Stability and Fluctuations, Londres, WileyInterscience. 12. Goldberg, David Edward (1989): Genetic Algorithms in Search, Optimization and Machine Learning, Reading, Addison-Wesley.
63
13. (BB) Haken, Hermann (1978): Synergetics, an Introduction: Nonequilibrium Phase Transitions and Self-Organization in Physics, Chemistry and Biology. Springer Series in Synergetics, Volumen 1. Berln, SpringerVerlag. 14. Haken, Hermann (2000): Information and Self-Organization : A Macroscopic Approach to Complex Systems (Springer Series in Synergetics, Volumen 40. Berln, SpringerVerlag. 15. Holland, John Henry (1996): Hidden Order: How Adaptation Builds Complexity. Reading, AddisonWesley. 16. Holland, John Henry (1998): Emergence: From Chaos to Order. Reading, AddisonWesley. 17. Jensen, Henrik J. (2000): Self-Organized Criticality: Emergent Complex Behavior in Physical and Biological Systems. Cambridge Lecture Notes in Physics, Volumen 10. Cambridge, Cambridge University Press. 18. Kadanoff, Leo P. (2000): Statistical Physics, Statics, Dynamics and Renormalization. Singapur, World Scientic. 19. Kauffman, Stuart A. (1993): The Origins of Order: Self-Organization and Selection in Evolution. Nueva York, Oxford University Press. 20. (BB) Mainzer, Klaus. (1997): Thinking in Complexity. Berlin, Springer Verlag. 21. Nijhout, H. F., Lynn Nadel y Daniel Stein (Editores) (1997): Pattern Formation in the Physical and Biological Sciences. Santa Fe Institute Studies in The Sciences of Complexity Lecture Notes, Volumen 5. Reading, Addison Wesley. 22. Schroeder, Manfred Robert (1991): Fractals, Chaos, Power Laws: Minutes from an Innite Paradise. Nueva York, W. H. Freeman. 23. Sol, Ricard V. y Susanna Manrubia (1993): Orden y Caos en Sistemas Complejos. Barcelona, Ediciones Universidad de Catalunya. 24. Vincent, Thomas L., Alistair I. Mees y Leslie S. Jennings (Editores) (1990): Dynamics of Complex Interconnected Biological Systems. Proceedings of a workshop held in Albany, Western Australia, del 1 al 5 de enero de 1989. Boston, Birkhauser.
64
25. Williams, Garnett P. (1997): Chaos Theory Tamed. Washington, National Academy Press. Tercer curso Universo 1. Alemn, R. et al. (2000): El universo en el II milenio (Astrobiologa). Madrid, Equipo Sirius. 2. Darling, David J. (2001): Life Everywhere: The Maverick Science of Astrobiology. Nueva York, Basic Books. 3. FerrazMello, S. (1992): Chaos, Resonance, and Collective Dynamical Phenomena in the Solar System en Proceedings of the 152nd Symposium of the International Astronomical Union en Angra dos Reis, Brasil, 1519 de julio ded 1991. Londres, Kluwer. 4. Grady, Monica M. (2001): Astrobiology. Washington, Smithsonian Institution. 5. Joseph, Rhawn (2001): Astrobiology, the Origin of Life, and the Death of Darwinism (2nd Edition). California University Press. 6. Parker, Barry R. (1996): Chaos in the Cosmos: The Stunning Complexity of the Universe. Nueva York, Perseus Press. Materia 1. Bernstein, Max P., Jason P. Dworkin, Scott A. Sandford, George W. Cooper y Louis J. Allamandola, (2002): Racemic amino acids from the ultraviolet photolysis of interstellar ice analogues en Nature: 416: 401403 (28 de marzo de 2002). 2. Bowley, Roger y Mariana Snchez (1996): Introductory Statistical Mechanics. Oxford, Clarendon. 3. Chambers, J. E. (2001): Making more terrestrial planets en Icarus 152: 205224. 4. Chyba, Christopher y Cynthia B. Phillips (2002): Europa as an abode of life en Origins of Life and Evolution of the Biosphere 32: 4767.
65
5. Cody G. D., C. M. O. D. Alexander, y F. Tera (2002): Elucidating the chemical evolution of organic matter in carbonaceous chondrites en Geochimica et Cosmochimica Acta 66 (15A): A146-A146 Suppl. (1 de agosto de 2002). 6. Eigen, Manfred (1986): The Physics of Molecular Evolution en Chemica Scripta 26B: 1326. 7. (BB) Futuyma, Douglas J. (1986): Evolutionary Biology. . 2nd. Edition. Sunderland, Sinauer. 8. Gonzlez, Guillermo, Donald Brownlee y Peter Ward (2001): The Galactic Habitable Zone: Galactic Chemical Evolution en Icarus 152: 185200. 9. (BB) Graur, Dan y WenHsiung Li (2000): Fundamentals of molecular evolution. 2nd. Edition. Sunderland, Sinauer. 10. Green, S. (1981): Interstellar chemistry: Exotic molecules in space. en Annual Rev. Phys. Chem. 32: 103-138. 11. Herpin F., J. R. Goicoechea, J. R. Pardo, et al. (2002): Chemical evolution of the circumstellar envelopes of carbon-rich post asymptotic giant branch objects (Part 1) en Astrophysics J. 577 (2): 961-973 (1 de octubre de 2002). 12. Lia C., L. Portinari y G. Carraro (2002): Star formation and chemical evolution in smoothed particle hydrodynamics simulations: a statistical approach en Mon. Not. Astronomical Society 335 (3): 864-864 (21 de septiembre de 2002). 13. Mouhcine, M. y T. Contini, (2002): Chemical evolution of starburst galaxies: How does star formation proceed? en Astron. Astrophys. 389 (1): 106114 (julio de 2002). 14. Prantzos N., (2002): The chemical evolution of light elements in our galaxy - and some implications for cosmic chemical evolution en IAU Symp. 187: 47-56. 15. Ryan S. G., (2002): Big Bang nucleosynthesis, Population III, and stellar genetics in the galactic halo en Publ. Astron. Soc. Aust. 19 (2): 238-245. 16. Schuster, P. (1986): The physical basis of molecular evolution en Chemica Scripta 26B: 2741.
66
17. Songaila A. y L. L. Cowie (2001): The chemical evolution of the Universe en IAU Symp. 204: 323-331. Vida 1. Richard K. Belew y Melanie Mitchell (Editores) (1996): Adaptive Individuals in Evolving Populations: Models and Algorithms. Santa Fe Institue Studies in the Sciences of Complexity Proceedings Volume 23. Reading, AddisonWesley. 2. Blomberg, Clas (1994): The Physicists Road to Theoretical Biology and the MindMatter Problem en Journal of Theoretical Biology 171: 4152. 3. Boden, Margaret A. (Editor) (1996): The Philosophy of Articial Life. Oxford Readings in Philosophy. Oxford, Oxford University Press. 4. Brown, James H. y Geoffrey B. West (Editores) (2000): Scaling in Biology. Santa Fe Institute Studies on the Sciences of Complexity. Oxford, Oxford University Press. 5. Camazine, Scott (Editor) (2001): Self-Organization in Biological Systems. Princeton Studies in Complexity. Princeton, Princeton University Press. 6. Cramer, Friedrich (1993): Chaos and Order. The Complex Structure of Living Systems. (D. I. Loewus, Traductor). Nueva York, John Wiley & Sons. 7. Dieckmann, Ulf, Richard Law y Johan A. J. Metz (Editores). The Geometry of Ecological Interactions: Simplifying Spatial Complexity. Cambridge Studies in Adaptive Dynamics. Cambridge, Cambridge University Press. 8. (BB) Eckert, Roger y Fernald Russell (1998): Fisiologa animal: mecanismos y adaptaciones. 2da. Edicin. (Josena Blasco Mnguez, Traductora) Madrid, McGraw-HillInteramericana. 9. Goldberger A. L., D. R. Rigney y B. J. West (1990): Chaos and Fractals in Human Physiology en Scientic American 262: 3441. 10. Goodwin, Brian (1994): How the Leopard Changed its Spots. The Evolution of Complexity, Nueva York, Touchstone.
67
11. Haken, Hermann (2000): Information and Self-Organization: A Macroscopic Approach to Complex Systems (Springer Series in Synergetics). Berln, SpringerVerlag. 12. (BB) Hartl, Daniel L. (1988): A Primer of Population Genetics. 2nd. Edition. Sunderland, Sinauer. 13. Holland, John H (1996): Hidden Order: How Adaptation Builds Complexity. Lugar, Perseus Press. 14. Hopeld, J. J. (1994): Physics, Computation, and Why Biology Looks so Different en Journal of Theoretical Biology 172: 5360. 15. Huberman, B. A. y T. Hogg (1986): Complexity and Adaptation en Physica 22D: 376384. 16. Kaneko, Kunihiko e Ichiro Tsuda (2000): Complex Systems: Chaos and Beyond, A Constructive Approach with Applications in Life Sciences. Berln, SpringerVerlag. 17. (BB) Kauffman, Stuart A. (1993). The Origins of Order: Self-Organization and Selection in Evolution. Nueva York, Oxford University Press. 18. Kropotkin, Peter (1989): Mutual Aid: A Factor of Evolution. Boston, Black Rose Books. 19. Langton, Christopher G. (Editor) (1995): Articial Life: An Overview (Complex Adaptive Systems). Cambridge, MIT Bradford Books. 20. Margulis, Lynn y Dorion Sagan (2000). What Is Life?. (Foreword by Niles Eldredge). Berkeley, University of California Press. 21. Margulis, Lynn y Dorion Sagan (1997). Microcosmos : Four Billion Years of Evolution from Our Microbial Ancestors. (Foreword by Lewis Thomas). Berkeley, University of California Press. 22. Miyakawa S., H. J. Cleaves y S. L. Miller, (2002): The cold origin of life: A. Implications based on the hydrolytic stabilities of hydrogen cyanide and formamide en Origins Life Evol. B 32 (3): 195-208 (junio de 2002). 23. Morris, Richard (1999): Articial Worlds: Computers, Complexity, and the Riddle of Life. Nueva York, Plenum Trade.
68
24. Murphy, Michael P. y Luke A. J. ONeill (Editores) (1995): What is Life? The Next Fifty Years: Speculations on the Future of Biology. Nueva York, Cambridge University Press. 25. (BB) NezFarfn Jaime y Luis E. Eguiarte (Compiladores). (1999): La evolucin biolgica. Mxico, Facultad de Ciencias e Instituto de Ecologa, UNAM CONABIO . 26. (BB) SchmidtNielsen, Knut (1984): Scaling. Why is animal size so important? Cambridge, Cambridge University Press. 27. Schrdinger, Erwin (1992): What is Life? The Physical Aspect of the Living Cell. Cambridge, Cambridge University Press. 28. Sigmund, Karl (1995): Games of Life: Explorations in Ecology, Evolution and Behaviour. Penguin. 29. Sernetz M., B. Gellri y J. Hofmann (1985): The organism as bioreactor. Interpretation of the reduction law of metabolism in terms of heterogeneous catalysis and fractal structure en Journal of Theoretical Biology 117: 209 230. 30. Sol, Ricard y Brian Goodwin (2001): Signs of Life: How Complexity Pervades Biology. Nueva York, Basic Books. 31. Stewart, Ian (1998): Lifes Other Secret: The New Mathematics of the Living World. Nueva York, John Wiley. 32. Ulanowicz, Robert E. (1997): Ecology, the Ascendent Perspective (Complexity in Ecological Systems Series). Nueva York, Columbia University Press. 33. West G. B., J. H. Brown y B. J. Enquist (1999): The Fourth Dimension of Life: Fractal Geometry and Allometric Scaling of Organisms en Science 284: 16771679. Sociedad
4.3. SISTEMAS COMPLEJOS Cooperacin y auto-organizacin social
69
1. Axelrod, Robert M. (1990): The Evolution of Cooperation. Londres, Penguin. 2. Axelrod, R.M. (1997): The Complexity of Cooperation. Princeton, Princeton University Press. 3. Bonabeau, Eric, Marco Dorigo y Guy Theraulaz (1999): Swarm Intelligence: From Natural to Articial Systems (Santa Fe Institute Studies on the Sciences of Complexity). Nueva York, Oxford University Press. 4. Camazine, Scott (Editor) (2001): Self-Organization in Biological Systems. Princeton Studies in Complexity. Princeton, Princeton University Press. 5. Dugatkin, Lee Alan (1997): Cooperation Among Animals: An Evolutionary Perspective. Nueva York, Oxford University Press. 6. Eldredge, Niles y Marjorie Greene (1992): Interactions: the Biological Context of Social Systems. Nueva York, Columbia University Press. 7. Epstein, Joshua M. y Robert L. Axtell (1996): Growing Articial Societies: Social Science from the Bottom Up (A monograph of the 2050 Project, a collaborative effort of the Brookings Institution, the Santa Fe Institute and the World Resources Institute). Washington, Brookings Institution. 8. Gilbert, Nigel y Rosaria Conte (Editores) (1995): Articial Societies. The Computer Simulation of Social Life. Londres, UCL Press. 9. Gumerman, George J. (2000): Dynamics in Human and Primate Societies: Agent-Based Modeling of Social and Spatial Processes (Santa Fe Institute Studies on the Sciences of Complexity). (Editor: T. A. Kohler), Nueva York, Oxford University Press. 10. Herrmann, Heinz (1998). From Biology to Sociopolitics: Conceptual Continuity in Complex Systems. New Haven, Yale University Press. 11. Karlqvist, Anders (1994): Cooperation and Conict in General Evolutionary Processes. (Editor: J. L. Casti), Nueva York, John Wiley & Sons. 12. Kropotkin, Peter (1989): Mutual Aid: A Factor of Evolution. Boston, Black Rose Books.
70
13. Moritz, Robin F. A. y Edward E. Southwick (1992): Bees as superorganisms: an evolutionary reality. Berln, SpringerVerlag. 14. Gilbert, Nigel y Rosaria Conte (Editores) (1995): Articial Societies. The Computer Simulation of Social Life. Londres, UCL Press. 15. Omicini, Andrea, Robert Tolksdorf y Franco Zambonelli (Editores) (2000): Engineering Societies in the Agents World: First International Workshop. Berln, SpringerVerlag. 16. Resnick, Mitchel (1997): Turtles, Termites, and Trafc Jams: Explorations in Massively Parallel Microworlds (Complex Adaptive Systems). Cambridge, MIT Press. 17. Ridley, Matt (1998): The Origins of Virtue: Human Instincts and the Evolution of Cooperation. Nueva York, Viking. 18. Watts, Duncan J. (1999): Small Worlds: the Dynamics of Networks between Order and Randomness. (Princeton Studies in Complexity). Princeton, Princeton University Press. Organizaciones e Instituciones 1. Allen, Peter M. (1997): Cities and Regions as Self-Organizing Systems. Models of Complexity. Amsterdam, Gordon and Breach Science Publishers. 2. Arthur, Brian W. (1997): The Economy as an Evolving Complex System II. (Proceedings Volume, Santa Fe Institute Studies in the Sciences of Complexity, Vol 27). Reading, Perseus Books. 3. Axelrod, Robert y Michael D. Cohen (2000): Harnessing Complexity: Organizational Implications of a Scientic Frontier. Reading, Free Press. 4. Mandelbrot, Benot (Editor) (1997): Fractals and Scaling in Finances: Discontinuity, Concentration, Risk. Nueva York, SpringerVerlag. 5. Mantegna, Rosario Nunzio y H. Eugene Stanley (1999): An Introduction to Econophysics: Correlations and Complexity in Finance. Nueva York, Cambridge University Press.
71
6. Pascale, Richard T., Mark Millemann y Linda Gioja (2000): Surng the Edge of Chaos: The Laws of Nature and the New Laws of Business. Nueva York, Three Rivers Press. 7. Peters, Edgar E. (1994): Fractal Market Analysis: Applying Chaos Theory to Investment and Economics. Nueva York, John Wiley & Sons. 8. Stacey, Ralph D. (1996): Complexity and Creativity in Organizations. BerrettKoehler. 9. Stacey, Ralph D., Douglas Grifn y Patricia Shaw (2001): Complexity and Management: Fad or Radical Challenge? (Complexity and Emergence in Organisations). Routledge. Lecturas adicionales 1. Asimov, Isaac. (1993): Nueva gua de la ciencia, ciencias fsicas, Barcelona, RBA. 2. Atlan, Henri (1990): Entre el cristal y el humo: ensayo sobre la organizacin de lo vivo. Madrid, Debate. 3. Bak Per, C. Tang y K. Weisenfeld (1987): Self-organized criticality. An explanation of 1/f noise en Physical Review Letters: 59: 381. 4. Barrow-Green, J. (1997): Poincar and the three body problem en History of Mathematics: 11, American Mathematical Society y London Mathematical Society. 5. Bonabeau, Eric et al. (1997): Self-organization and alternative models in insect societies en Trends Ecol. Evol. 12: 188. 6. Bonabeau, Eric y Guy Theraulaz (2000): Swarm smarts en Scientic American, Marzo de 2000: 54-61. 7. Bricmont, J. (1996): Science of chaos or chaos in science?, en Annals of the New York Academy of Science: 775: 131-175. 8. Briggs, John y F. David Peat (1990): Espejo y reejo: del caos al desorden, Barcelona, Gedisa.
72
9. Cole, B. J. (1991): Short-term activity cycles in ants: generation of periodicity by worker interaction en American Naturalist 137: 244259. 10. Cole, B. J. (1991): Is animal behaviour chaotic?: evidence from the activity of ants en Proc. R. Soc. London B 244: 253259. 11. Cole, B. J. et al. (1996): Mobile Cellular Automata models of ant behavior: Movement activity of Leptothorax allardycei en American Naturalist 148: 115. 12. Diacu, Florin y Phillip Holmes (1996): Celestial encounters: The origins of chaos and stability, (Princeton Science Library). Princeton, Princeton University Press. 13. Ditto, W. L. y L. M. Pecora (1993): Mastering chaos en Scientic American, de agosto de 1993: 78-84. 14. Eyink, G. y N. Goldenfeld (1994): Analogies between scaling in turbulence, eld theory and critical phenomena, en Physical Review E: 50: 4679 4683. 15. Feigenbaum, M. J. (1987): Quantitative universality for a class of non linear transformation en Journal of Statistical Physics: 19: 25. 16. Franks, N. R. et al. (1990): Synchronization of the behaviour within nests of the ant Lepthotorax acervorum (Fabricius): I. Discovering the phenomenon and its relation to the level of starvation en Bull. Math. Biol. 52: 597612. 17. Franks, N. R., A. Wilby, B.W. Silverman y C. Tofts (1992): Selforganizing nest construction in ants: sophisticated building by blind bulldozing, Anim. Behav. 44: 357375. 18. GellMann, M. (1992): Complexity and complex adaptive systems en The evolution of human languages, Santa Fe Institute Studies in the Sciences of Complexity, Proceedings vol. 10, Hawkins J. y Gell-Mann M (coords.), Reading, Addison Wesley, (pp. 318). 19. Gleick, James (1987): Chaos: Making a new science, Nueva York, Viking Penguin Inc. 20. Goodwin, Brian (1994): How the Leopard Changed its Spots. The Evolution of Complexity, Nueva York, Touchstone.
73
21. Grassberger, P. (1991): Randomness, information and complexity, en Proceedings of the Fifth Mexican School on Statistical Physics, (F. Ramos Gmez, Coordinador), Singapur, World Sientic. (pp. 5799). 22. Gutirrez Snchez, Jos Luis (2000): Sociedad, poltica, cultura y sistemas complejos en Ciencias 59: 4654. Mxico, Facultad de Ciencias de la UN AM . 23. Kadanoff, Leo P. (1991): Complex structures from simple systems, en Physics Today: 44, Num. 3: 9. 24. Kauffman, Stuart (1995): At home in the Universe. The search for the Laws of SelfOrganization and Complexity, Oxford, Oxford University Press. 25. Kellert, Stephen H. (1993): In the wake of chaos, Chicago, Chicago University Press. 26. Lorenz, Edward (1963): Deterministic Nonperiodic Flow, en Journal of Atmospheric Sciences: 20: 130141. 27. Margaleff, Ramn (1997): Our Biosphere, en Excellence in Ecology: 10: 176. Ecology Institute, Oldenforf/Luhe, Alemania. 28. Magnasco, M. (1993): Forced thermal ratchets, en Physical Review Letters: 71: 14771481. 29. Martnez Mekler, Gustavo y Germinal Cocho, (1998): Caos, crisis y complejidad en Las ciencias de la materia. (Coleccin Aprendiendo a aprender), (L. de la Pea, Coordinador), Mxico, Siglo XXI - UNAM. 30. Martnez Mekler, Gustavo, (1993): Dinmica y estructura de sistemas complejos, en Temas Selectos de Fsca Estadstica, (GarcaColn, Leopoldo; F. Ramos Gmez y R. Rechtman, Coordinadores), Mxico, El Colegio Nacional (pp. 141227). 31. May, Robert (1976): Simple mathematical models with very complicated dynamics en Nature: 261: 459467. 32. Mikhailov, A. y Hermann Haken (Editores) (1993): Interdisciplinary Approaches to Nonlinear Complex Systems. Berln, SpringerVerlag.
74
33. Miramontes, Octavio, Ricard Sol, y Brian C. Goodwin (1993a): Collective behaviour of random activated mobile cellular automata en Physica D 63: 145160. 34. Miramontes, Octavio, Ricard Sol, y Brian C. Goodwin (1993b): Antichaos in Ants: The Excitability Metaphor at Two Hierarchical Levels en Proceedings of the Second European Conference on Articial Life, Bruselas, Blgica. 35. Miramontes, Octavio. (1995): Order-disorder transitions in the behavior of ant societies en Complexity 1 (3): 5660. 36. Miramontes, Pedro (1999): El estructuralismo dinmico en Perspectivas en la teora de sistemas. Santiago Ramrez (coordinador). Mxico, UNAMSiglo XXI (pp. 7082). 37. Oono, Y. (1998): Complex systems study as biology en International Journal of Modern Physics B, 12. 38. Pennisi, E. y R. Wade (1997) Developing a new view of evolution, en Science: 277: 3437. 39. Peterson, Ivars (1993), Newtons clock: Chaos in the solar system, Nueva York, W.H. Freeman. 40. Poincar, Henri (1909), Science et mthode, Pars, E. Flamarion. 41. Ruelle, David (1991): Chance and chaos, Princeton, Princeton University Press. 42. Sagan, Carl (1998): El mundo y sus demonios. Barcelona, Planeta. 43. Shinbrot, T., C. Grebogi, E. Ott y J. A. Yorke (1993a): Using small perturbations to control chaos, en Nature: 363: 411417. 44. Shinbrot, T. (1993b): Chaos: unpredictable yet controllable? en Nonlinear science today: 3, 2: 18. 45. Sol, R., O. Miramontes y B. C. Goodwin (1993a): Collective oscillations and chaos in the dynamics of ant societies en J. Theor Biol. 161: 343.
4.4. PROCESOS ESTOCSTICOS
75
46. Sol, R.V., O. Miramontes y B.C. Goodwin (1993b): Emergent Behaviour in Insect Societies: Global Oscillations, Chaos and Computation. En: Haken, H. and A. 47. Sol, R. y O. Miramontes, (1995): Information at the edge of chaos in uid neural networks, Physica D 80: 171180. 48. Sol R.V. et al. (1996): Complejidad en la frontera del caos, Investigacion y Ciencia (edicin espaola del Scientic American) 236: 1421. 49. Stewart, Ian. (1989), Does God play dice?, Cambridge, Blackwell. 50. Weigend Andreas S. y Neil A. Gershenfeld (Editores) (1993): Time Series Prediction: Forcasting the Future and Understanding the Past, Proceedings of the NATO Advanced Research Workshop on Comparative Time Series Analysis, held in Santa Fe, New Mexico, May 1417, 1992. Reading, Addison-Wesley. 51. Weinberg, Steven. (1992): Dreams of a nal theory, Nueva York, Pantheon Books. 52. Wilson, K. (1979): Problems in physics with many scales of length Scientic American: 241: 158 (agosto).
4.4.
Procesos estocsticos
El estudio de cualquier fenmeno o proceso con las herramientas de los sistemas dinmicos no lineales en condiciones no idealizadas requiere considerar factores aleatorios que aparecen siempre de manera inmediata y natural. Se trata as, de tomar en cuenta las uctuaciones de carcter no determinista. Por otra parte, existen procesos de gran importancia que son, en s, de naturaleza aleatoria. Es por ello indispensable obtener una formacin en esta rea de los sistemas dinmicos, que incluya aspectos tanto analticos y de modelacin como asintticos y numricos. Si bien, por razones metodolgicas, es recomendable discutirlos cuando los alumnos hayan adquirido ya las habilidades y la comprensin bsicas sobre sistemas dinmicos deterministas; es decir, segn el planteamiento Por otra parte, en este contexto tambin importa aprender a manejar datos estadsticos de series de tiempo.
76
Empero, nada de esto debe desvirtuar el hecho de que, en la prctica, el estudio de la dinmica no lineal comprende al sistema como un todo y en ltima instancia, es el problema mismo el que debe determinar la metodologa adecuada, y no al revs. El objetivo general es poder determinar si existen diferencias cualitativas en el desarrollo del sistema debido a los efectos de factores aleatorios.
4.4.1. Temario
1. Ejemplos y motivaciones. a) Los sistemas dinmicos aleatorios (SDA) como sistemas dinmicos ya conocidos sujetos a perturbaciones aleatorias. b) Sistemas dinmicos intrnsecamente aleatorios (caminatas aleatorias). c) Problemas y preguntas importantes. Planteamiento de una teora cualitativa y las diferencias y semejanzas con la correspondiente teora para sistemas dinmicos deterministas. 2. 3.
SDA SDA
discretos: fundamentalmente cadenas de Markov.
continuos: fundamentalmente movimiento browniano y algo de procesos de difusin. a) Ecuaciones para la probabilidad de transicion (Kolmogorov, FokkerPlanck)
4. Aspectos cualitativos. a) Recursividad, ergodicidad, etctera. b) Estabilidad (problemas de tiempos de residencia, escape, etc). c) Bifurcacin (transiciones inducidas por ruido). 5. Mtodos asintticos y numricos. a) Lmites de ruido de baja intensidad. b) Simulaciones y mtodos numricos (generacin de nmeros aleatorios, Montecarlo para evaluar algunos valores esperados de funcionales). c) Algunos mtodos numricos para la resolucin de ecuaciones diferenciales estocsticas
4.5. LNEAS DE INVESTIGACIN
77
4.4.2.
1. Ando, Bruno y Salvatore Graziani (2000): Stochastic Resonance: Theory and Applications. Kluwer Academic Publishers. 2. Crauel, Hans y Matthias Gundlach (Editores) (1999): Stochastic Dynamics. Nueva York. SpringerVerlag. 3. Grasman, Johan, O. A. Van Herwaarden, y C. A. Van Herwaarden. (1999): Asymptotic Methods for the Fokker-Planck Equation and the Exit Problem in Applications (Springer Series in Synergetics). Berln. Springer. 4. Haken, Hermann (1974): Synergetics : An introduction, nonequilibrium phase transitions and self-organization in physics, chemistry and biology. Berln. SpringerVerlag. 5. Medio, Alfredo (2001): Non-Linear Dynamics: A Primer. Cambridge University Press. 6. Millionas, Mark, J. D. Simon et al. (Editores) (1996): Fluctuations and Order: The New Synthesis. Nueva York. Springer-Verlag. 7. Montroll, E. W. y B, J. West (1979): On an Enriched Collection of Stochastic Processes en Fluctuations Phenomena. Montroll, E. W. y J. L. Lebowitz (Editores) NorthHolland. 8. Nicolis, Gregoire e Ilya Prigogine (1977): Self-Organization in Non-Equilibrium Systems: From Dissipative Structures to Order through Fluctuations. Wiley, John & Sons, Incorporated. 9. Okubo, Akira (1986): Dynamical aspects of animal grouping: swarms, schools, ocks and herds en Advanced Biophysics: 22 (pp. 194). 10. Risken, Hannes (1989): The Fokker-Planck Equation: Methods of Solution and Applications. Berln. Springer.
4.5.
Lneas de investigacin
Como se explic en el captulo 1.2, el espectro de aplicaciones del anlisis no lineal y de la teora de los sistemas complejos es muy extenso y cada vez ms
78
amplio. La denicin del tema sobre el cual debern realizar su tesis los alumnos de la MDNLySC debe ocurrir cuando muy tarde hacia el nal del tercer semestre4 y puede pertenecer a cualquier campo del conocimiento abordado en los cursos de la Maestra aunque parte del sentido de los talleres de CyS y de SC (vase el mapa curricular en la pgina 38) es iniciar propiamente el trabajo de investigacin. A la fecha, se est elaborando un documento para establecer un marco general para que las tesis tengan hilos conductores que les den coherencia de manera que se evite la dispersin de los esfuerzos de los estudiantes y de sus asesores. Adems de los temas que se enlistan en el catlogo siguiente, se tratar de establecer proyectos comunes con los otros programas de licenciatura y postgrado de nuestra Universidad de manera que su experiencia de campo en promocin de la salud, ingeniera del transporte o educacin ambiental, por ejemplo permita establecer bsquedas pertinentes de las cuales se deriven propuestas de solucin a problemas especcos de la Ciudad de Mxico y del entorno en el cual se lleve a cabo la investigacin.
4.5.1.
Catlogo
1. Estudio del subsistema de investigacin cientca 2. Estudio de la interaccin de comunidades y grupos de investigacin cientca 3. Anlisis de las comunidades de prctica asociadas al sistema de salud en la Ciudad de Mxico 4. Modelos matemticos de la evolucin de genes y protenas 5. Mquinas moleculares biolgicas 6. Modelos integrados de dinmica inmunolgica 7. Modelos continuos y discretos de procesos morfogenticos y del desarrollo biolgico 8. Dinmica colectiva de los animales 9. Multiagentes y dinmica social
Cuando los estudiantes ingresen al programa con una idea denida de en qu campo quieren aplicar los conocimientos que adquieran, puede establecerse antes.
4
4.5. LNEAS DE INVESTIGACIN 10. Ecologa y complejidad 11. Cmputo emergente y redes complejas 12. Dinmica de sistemas excitables
79
80
Parte III Apndices
81
Apndice A De los cursos propeduticos

Dada la orientacin interdisciplinaria de esta Maestra, se espera una demanda de ingreso de origen mltiple. Previsiblemente, la poblacin estudiantil ser heterognea si se atiende a su formacin en la licenciatura. Para contribuir a que, quienes lo requieran, puedan cubrir satisfactoriamente los requisitos de ingreso (vase la seccin 2.2.1, en la pgina 33, supra) y puedan afrontar exitosamente el plan de estudios propio de la Maestra, para cada generacin se ofrecern los cursos propeduticos que requieran los candidatos interesados en cursarlos y que se acuerden con el Comit de Admisin. Enseguida se da una lista de los contenidos bsicos de los cursos y algunas referencias que pueden seguirse puntualmente para cubrirlos. Al iniciarse, cada semestre, los alumnos acordarn con los maestros responsables y con los tutores, la modalidad del curso (presencial, semipresencial o tutorial). En todos los casos, se ha pensado en cursos semestrales de 16 semanas con tres horas semanales de clase. No es recomendable llevar ms de tres cursos por semestre.
A.1. lgebra
A.1.1. Contenido
1. Sistemas de ecuaciones lineales. Determinantes. 2. Teora general de los sistemas de ecuaciones lineales. 3. lgebra matricial. 4. Nmeros complejos. 83
84
APNDICE A. DE LOS CURSOS PROPEDUTICOS
5. Los polinomios y sus races. 6. Formas cuadrticas. 7. Espacios vectoriales. 8. Espacios euclideanos. 9. Clculo de las races de un polinomio. 10. Campos y polinomios. 11. Polinomios en varias indeterminadas. 12. Polinomios de coecientes racionales. 13. Forma normal de una matriz. 14. Grupos.
A.1.2. Referencias
1. (BB) Kurosch, A. G. (1968): Curso de lgebra Superior. Mosc, Mir.
A.2.
A.2.1.
Ecuaciones diferenciales
Contenido
1. Ecuaciones diferenciales de primer orden. a) Modelacin mediante ecuaciones diferenciales. b) Separacin de variables. c) Campos de direcciones. d) Mtodo de Euler. e) Existencia y unicidad de soluciones. f ) Equilibrios y lnea de fase. g) Bifurcaciones. h) Ecuaciones diferenciales lineales.
A.2. ECUACIONES DIFERENCIALES i) Cambio de variables. 2. Sistemas de primer orden. a) Modelacin mediante sistemas. b) Geometra de los sistemas. c) Mtodos analticos para sistemas especiales. d) Mtodo de Euler para sistemas. e) Ecuaciones de Lorenz. 3. Sistemas lineales. a) Principio de linealidad. b) Soluciones de lnea recta. c) Planos fase para sistemas lineales con eigenvalores reales. d) Eigenvalores complejos. e) Casos especiales: eigenvalores repetidos y cero. f ) Ecuaciones lineales de segundo orden. g) El plano trazadeterminante. h) Sistemas lineales tridimensionales.
85
A.2.2.
Referencias
1. (BB) Blanchard, Paul, Robert L. Devaney y Glen R. Hall (1999): Ecuaciones diferenciales. Mxico. International Thomson. 2. Coombes, Kevin R. et al. (1996): Differential equations with Maple. Nueva York, John Wiley & Sons. 3. (BB) Golubitsky, Martin y Michael Dellnitz (2001): lgebra lineal y ecuaciones diferenciales con uso de MATLAB. Mxico, Thomson Learning. 4. http://math.bu.edu/odes 5. http://diffeq.brookscole.com
86
A.3. Nociones de anlisis matemtico

A.3.1. Contenido
1. El continuo de los nmeros. 2. El concepto de funcin. 3. Funciones elementales. 4. Sucesiones. 5. Induccin matemtica. 6. Lmite de una sucesin. 7. Ms sobre lmites. 8. El concepto de lmite de una funcin de variable continua. 9. Los lmites y el concepto de nmero. 10. Teoremas sobre la continuidad de funciones.
A.3.2. Referencias
1. (BB) Courant, Richard y Fritz John (1989): Introduction to Calculus and Analysis. Volumen I. Nueva York, SpringerVerlag. 2. Orr, John L. (2002): Analysis WebNotes. University of NebraskaLincoln. En http://www.math.unl.edu/ ~webnotes/contents/contents.htm 3. (BB) Rudin, Walter (1976): Principles of Mathematical Analysis. Nueva York, McGrawHill.
A.4.
Nociones de probabilidad
A.4.1. Contenido
1. La probabilidad de un suceso.
A.4. NOCIONES DE PROBABILIDAD a) El concepto de probabilidad. b) Sucesos seguros e imposibles. 2. El teorema de la suma de probabilidades. a) Deduccin del teorema. b) Juegos completos de posibilidades. c) Ejemplos. 3. Probabilidades condicionales y teorema del producto. a) El concepto de probabilidad condicional. b) Deduccin del teorema. c) Sucesos independientes. 4. Consecuencias de los teoremas de la suma y del producto. a) Deduccin de ciertas desigualdades. b) Frmula de la probabilidad total. c) Frmula de Bayes. 5. El esquema de Bernoulli. a) Ejemplos. b) Frmulas de Bernoulli. c) El nmero ms probable de ocurrencias de un suceso. 6. Teorema de Bernoulli. a) Signicado del teorema. b) Demostracin del teorema. 7. Aproximaciones de Poisson y de Laplacede Moivre. 8. Teorema central del lmite de Chebyshev. a) Implicaciones para la estadstica.
87
b) Conciliacin entre las deniciones axiomtica, clsica y frecuentista de probabilidad.
88
A.4.2.
Referencias
1. (BB) Gnedenko, Boris V. y A. Y. Khinchin (1962): Elementary Introduction to the Theory of Probability. Nueva York, Dover. 2. (BB) Ross, Sheldon M. (1998): A First Course in Probability. (5th. Edition). Upper Saddle River, Prentice Hall.
A.5.
A.5.1.
Programacin en C
Contenido
1. Introduccin. 2. Tipos, operadores y expresiones. 3. Control de ujo. 4. Funciones y estructura de un programa. 5. Apuntadores y arreglos. 6. Estructuras. 7. Entrada y salida. 8. La interfaz del sistema UNIX.
A.5.2.
Referencias
1. Holmes, Steve (2002): C Programming. University of Strathclyde Computer Centre. Glasgow, en http://www.strath.ac.uk/IT/Docs/ccourse 2. (BB) Kernighan, Brian W. W., Dennis M. Ritchie y Dennis Ritchie (1988): C Programming Language. Englewood Cliffs. Prentice Hall.
Apndice B De la puesta en marcha

B.1. El convenio con la UNAM
Al menos durante las primeras generaciones, ser necesario asegurarse de que el grupo de acadmicos de la UNAM que participaron en la elaboracin de esta propuesta y otros con intereses acadmicos anes, colaboren en la imparticin de los cursos. Los miembros del Grupo de Discusin (vase la lista en la presentacin de la pgina 7) han manifestado su plena disposicin para hacerlo. En particular, para atender los cursos del primer ao, se ha hecho la siguiente asignacin: Ciencia y sociedad: Germinal Cocho. Dinmica no lineal: Faustino Snchez Garduo. Sistemas complejos: Pedro Miramontes. Para ello, se precisa establecer un convenio de colaboracin con la UNAM que respalde el compromiso descrito arriba. En principio, se sugiere que tenga una duracin de cuatro aos, renovable por lapsos que se pactarn segn se requiera.
B.2.
Otros aspectos operativos
A la par del inicio de los trabajos de la Maestra, la UCM pondr en marcha un programa de formacin y reclutamiento de personal propio que se vaya capacitando para que, en el plazo de la duracin del convenio, se tengan una planta de profesores autnoma que pueda satisfacer las demandas de la Maestra si bien los 89
90
APNDICE B. DE LA PUESTA EN MARCHA
lazos con los acadmicos de la UNAM persistirn en los proyectos de investigacin conjunta y la asesora de tesis de nuestros estudiantes. Las asesoras y la atencin personal a los alumnos quedarn inicialmente a cargo de Jos Luis Gutirrez Snchez y de Juan Luis Martnez Ledesma. Se requerir, para iniciar el programa de capacitacin y atender necesidades del rea de simulacin computacional, la contratacin de un tercer profesor de tiempo completo. Asimismo, para impartir los cursos propeduticos se ha hecho la siguiente asignacin: lgebra y Probabilidad: Juan Luis Martnez Ledesma. Ecuaciones Diferenciales y Anlisis Matemtico: Jos Luis Gutirrez Snchez. Programacin en C: el tercer profesor de tiempo completo. A n de hacer compatibles las labores de los miembros del Grupo de Discusin participantes en la Maestra, se requiere que se inicien las clases a nales de marzo de 2003.
B.2.1.
Del laboratorio de cmputo adaptativo
Las prcticas de simulacin computacional necesarias para la cabal comprensin de muchos de los temas de las lneas curriculares, requieren un laboratorio con un mnimo de diez computadoras personales con procesador organizadas en un cluster con sistema operativo Linux a n de poder organizar en l un sistema de cmputo adaptativo. Esta nocin est ntimamente ligada al desarrollo reciente de reas de investigacin interdiciplinaria de frontera en la fsica de sistemas complejos, la biologa terica y la computacin emergente. Un sistema interconectado posee propiedades distribuidas en el sentido de que los recursos disponibles globalmente pueden ser usados de manera eciente si son compartidos y se busca que la eciencia sea una propiedad global del sistema. En el caso del cmputo distribuido, los recursos tales como la memoria, los ciclos de CPU y los sitios de almacenamiento pueden ser usados de manera ms eciente al programarse para funcionar en paralelo. Sin embargo, una modalidad ms avanzada sugiere que un sistema computacional distribuido puede ser an ms eciente si tiene propiedades adaptativas.
B.3. INICIO DE ACTIVIDADES
91
El cmputo adaptativo, implica que los recursos locales de cmputo se usan dependiendo del estado global del sistema. Para ello, los procesos se envan de nodo a nodo, en tiempo real, siguiendo las reglas de los algoritmos adaptativos que controlan un cluster de cmputo. As, en promedio, un usuario dispone de manera totalmente transparente de las mejores condiciones para ejecutar procesos. Es, en pocas palabras, un sistema de enve y olvide. Los programas o procesos se ejecutan en el nodo de cmputo que en el momento posea mejores condiciones para minimizar el tiempo de ejecucin, sin la intervencin del usuario.
B.2.2.
Del acervo bibliogrco
El poder constituir una biblioteca con un acervo tan amplio como el que se detalla en la bibliografa de las lneas curriculares requerir tiempo y recursos econmicos que, posiblemente ahora no estn al alcance de las posibilidades de nuestra universidad. Para resolver esta necesidad, se plantean dos soluciones: Adquirir, en el plazo breve, una biblioteca bsica (de cincuenta volmenes aproximadamente) cuyos ttulos se han sealado en las bibliografas correspondientes con la leyenda (BB) antes del primer autor. Poner a disposicin de los alumnos antologas de textos por asignatura o lnea curricular. Incorporar en el convenio con la UNAM una clusula que garantice el prstamo a nuestros alumnos o, en su defecto, a las bibliotecas de la UCM .
B.3.
Inicio de actividades
Una vez que sea aprobado por el Consejo Asesor, el personal de la UCM har una serie de actividades de difusin que incluir conferencias de ellos y de los otros miembros del Grupo, la publicacin de una pgina web y de diversos materiales impresos de divulgacin sobre DNLySC que culminarn con la publicacin de la convocatoria de inscripcin en enero.
92
APNDICE B. DE LA PUESTA EN MARCHA
Bibliografa
[1] Allen, Peter M (2001). The Dynamics of Knowledge and Ignorance: Learning the New Systems Science en Integrative Systems Approaches to Natural and Social Dynamics. (Matthies, M.; H. Malchow y J. Kriz, Editores). Berln. Springer. (pp. 329). [2] Anderson, Phillip W. (1972): More is Different en Science, Volumen 177, Nmero 4047. 4 de agosto de 1972: 393396. [3] Cocho Gil, Germinal (1975). Algunos aspectos de la termodinmica de la vida en El origen de la vida. Simposio conmemorativo en homenaje a Alexander Ivnovich Oparin. Mxico, UNAM. [4] Goldenfeld N. y L. Kadanoff (1999): Simple Lessons from Complexity, en Science 284: 8789. [5] Gould, Stephen Jay (2002): When Less is Truly More en I Have Landed: The End of a Beginning in Natural History. Nueva York. Harmony Books. [6] Haken, Hermann (1978): Synergetics, an Introduction: Nonequilibrium Phase Transitions and Self-Organization in Physics, Chemistry and Biology. Springer Series in Synergetics, Volumen 1. Berln, SpringerVerlag. [7] Miramontes, Octavio (1999): Los sistemas complejos como instrumentos de conocimiento y transformacin del mundo, en Perspectivas en las teoras de sistemas. (Santiago Ramrez, Coordinador). (Coleccin Aprender a Aprender). Mxico, CEIICH - UNAM -Siglo XXI . (pp. 8392). [8] Prigogine, Ilya y P. Glansdorff (1971). Structure, stabilit et uctuations. Pars. Masson et Cie. diteurs. [9] Romero Cuevas, Rosa Mara y Teresa Wuest Silva (2001): Educacin ambiental y desarrollo sustentable. Programa de Maestra. Mxico, UCM . 93
94
BIBLIOGRAFA
[10] Waddington, Conrad Hal (1977). Tools for Thought. How to Understand and Apply the Latest Scientic Techniques of Problem Solving. Nueva York. Basic Books Inc. Publishers.

Documento Maestro Maestría en Dinámica No Lineal Ysistemas Complejos-1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Documento Maestro Maestría en Dinámica No Lineal Ysistemas Complejos-1

Uploaded by

Copyright:

Available Formats

Maestra en Dinmica no Lineal y Sistemas Complejos

Grupo de Discusin UNAM - UCM Universidad de la Ciudad de Mxico Diciembre de 2002

NDICE GENERAL 3.2. Recomendacin metodolgica . . . . . . . . . . . . . . . . . . . 40 43 43 44 44 45 45 47 47 47 49 50 50 52 52 54 55 57 75 76 77 77 78

En lo sucesivo nos referiremos a sta por su sigla o, simplemente, como la Maestra.

Captulo 1 Sobre dos ejes

El problema de los valores

1.1. CONSIDERACIONES EDUCATIVAS

Obsolescencia y cambio rpido

Vase la seccin 1.1.5, en la pgina 16, infra.

1.1. CONSIDERACIONES EDUCATIVAS

CAPTULO 1. SOBRE DOS EJES

1.2. UNA VISIN DEL MUNDO

Una visin del mundo

CAPTULO 1. SOBRE DOS EJES

1.2. UNA VISIN DEL MUNDO

1.2. UNA VISIN DEL MUNDO

CAPTULO 1. SOBRE DOS EJES

1.2. UNA VISIN DEL MUNDO la historia de las sociedades humanas.

CAPTULO 1. SOBRE DOS EJES

1.2. UNA VISIN DEL MUNDO

CAPTULO 1. SOBRE DOS EJES

1.2. UNA VISIN DEL MUNDO

1.2.3. Las consecuencias

Vase la pgina 21, supra.

Captulo 2 Objetivos generales y perles

CAPTULO 2. OBJETIVOS GENERALES Y PERFILES

2.1. El perl del egresado

2.2. EL PERFIL DE INGRESO

CAPTULO 2. OBJETIVOS GENERALES Y PERFILES

CAPTULO 2. OBJETIVOS GENERALES Y PERFILES

Captulo 3 El mapa curricular

Los ejes y las lneas

CAPTULO 3. EL MAPA CURRICULAR

Taller de inv. sobre CyS

Seminario de Investigacin Seminario de Investigacin

3.1. LOS EJES Y LAS LNEAS

3.2. RECOMENDACIN METODOLGICA

CAPTULO 3. EL MAPA CURRICULAR

Captulo 4 Los contenidos

CAPTULO 4. LOS CONTENIDOS

Ciencia y sociedad en el siglo XXI-I

Ciencia y sociedad en el siglo XXI-II

Taller de investigacin en ciencia y sociedad

Bibliografa para el eje

CAPTULO 4. LOS CONTENIDOS

4.2. DINMICA NO LINEAL

4.2. DINMICA NO LINEAL

CAPTULO 4. LOS CONTENIDOS

Dinmica no lineal III

4.2. DINMICA NO LINEAL

CAPTULO 4. LOS CONTENIDOS

54 1) Teorema de KAM 5. No linealidad y estocasticidad a) Ruido y procesos estocsticos

CAPTULO 4. LOS CONTENIDOS

Taller de sistemas complejos

CAPTULO 4. LOS CONTENIDOS

CAPTULO 4. LOS CONTENIDOS

4.3. SISTEMAS COMPLEJOS

CAPTULO 4. LOS CONTENIDOS

4.3. SISTEMAS COMPLEJOS

62 Textos intermedios y avanzados

CAPTULO 4. LOS CONTENIDOS

4.3. SISTEMAS COMPLEJOS

CAPTULO 4. LOS CONTENIDOS