Mayo 2013, InvestigacionyCiencia.

es 89
Juegos matemticos
por Bartolo Luque
Todo o nada
Leyes cero-uno, fenmenos de umbral y transiciones de fase
E
n el infnito, y en contra de nuestra
intuicin, a veces las cosas se simpli-
fcan. Aunque los matemticos usan a me-
nudo objetos fnitos como aproximaciones
al infnito, hay ocasiones en las que el l-
mite infnito resulta ms fcil de abordar.
Tal es el caso de un sumatorio intratable
que, al reemplazarlo por una integral, se
convierte en un clculo sencillo. Pero, ms
all de estos ejemplos, existen sistemas u
objetos matemticos que, llevados al inf-
nito, muestran propiedades que resultan
siempre ciertas o siempre falsas.
Tal vez el resultado ms conocido al
respecto sea la aparicin de una compo-
nente gigante en grafos aleatorios, demos-
trada en 1960 por los matemticos Paul
Erds y Alfrd Rnyi. Imagine que coloca
sobre una mesa n botones (nodos, en len-
guaje de teora de grafos). Para formar
una red o grafo aleatorio, Erds y Rnyi
nos proponen unir con un hilo cada po-
sible par de botones con probabilidad p.
Si p es cero, todos los nodos quedarn
aislados; si p es uno, todos estarn en-
ganchados con todos.
Para valores intermedios de p, apare-
cern mltiples grupos de botones unidos
entre s pero separados del resto. Si tira-
mos del hilo de uno de esos conjuntos,
arrastraremos todos los botones que lo
forman, pero ninguno ms. El tamao de
tales grupos ser muy variopinto. Sin em-
bargo, Erds y Rnyi demostraron que, a
medida que n tiende a infnito, para valo-
res de p que satisfagan la condicin np > 1
aparece una componente interconectada
gigante: un grupo al que pertenece la
mayor parte de los nodos. As que, en el
lmite de infnitos nodos, si tiramos de
un hilo cualquiera arrastraremos todos
los botones de la mesa. Esto corresponde
a un caso de ley cero-uno: en el infnito,
por debajo de cierto valor, la probabilidad
de encontrar una componente gigante es
cero; por encima, uno.
Los tericos de la computacin des-
cribiran la situacin anterior como un
fenmeno de umbral. En problemas de
optimizacin combinatoria en los que hay
que encontrar un objeto determinado en-
tre una gran cantidad de posibilidades,
resulta frecuente toparse con fenmenos
de umbral en el rendimiento de los al-
goritmos de bsqueda. Suele darse una
fase en el espacio de parmetros en la
que la solucin no existe, y otra donde el
algoritmo la encuentra con facilidad. La
transicin entre ambos regmenes puede
ocurrir de manera abrupta, remedando
en muchos aspectos las transiciones de
fase de la fsica, como la que tiene lugar
cuando calentamos agua hasta el punto
de ebullicin.
No deja de resultar sorprendente que
tales transiciones bruscas aparezcan en
situaciones tan dispares y alejadas. Hace
unas dos dcadas que matemticos como
Assaf Naor, tericos de la computacin
como Dimitris Achlioptas y fsicos como
Stephan Mertens, por citar al vuelo al-
gunos nombres, rompieron las fronteras
de sus respectivas disciplinas para atacar
estos problemas usando indistintamente
herramientas de las tres reas.
Cifras y letras
En abril de 2008, Juan M. R. Parrondo
publicaba en esta seccin una columna
titulada Cifras y letras, en referencia
al popular concurso televisivo. En ella
describa un astuto cdigo informtico
desarrollado por el matemtico Pedro
Reina, el cual permita resolver de ma-
nera automtica el desafo numrico del
programa.
Inspirado por su lectura, el fsico
Lucas Lacasa propuso la siguiente va-
riante. Dado un conjunto de nmeros
{1, 2, ..., M}, se eligen al azar k de ellos,
as como un nmero objetivo T. El
juego se gana si existe una combinacin
aritmtica de los k nmeros escogidos
cuyo resultado sea T. Las operaciones
permitidas son la suma, la resta, la mul-
tiplicacin y la divisin. Al operar con
ellos, cada uno de los k nmeros puede
usarse solo una vez, pero no es obliga-
torio utilizarlos todos.
Consideremos el caso en el que M=100
y k = 3. Del conjunto {1, 2, ..., 100} ele-
giremos al azar 3 nmeros y un nmero
objetivo T. Supongamos que obtenemos
2, 5 y 10, y que T = 25. Hemos de encon-
trar una combinacin aritmtica de 2,
5 y 10 cuyo resultado sea 25. Dado que
(5 10)/2 = 25, en este caso habremos
ganado. Desde el punto de vista de la
computacin, este juego puede inter-
pretarse como un problema de decisin:
hemos de determinar si la igualdad se
satisface o no a travs de un algoritmo
que busque de manera exhaustiva todas
las combinaciones aritmticas posibles
de los k nmeros.
Fijados M y k, a cunto asciende la
probabilidad P(k, M) de ganar? Consi-
deremos primero dos casos extremos.
Si k = 1, solo acertaremos si T coincide
con el nico nmero elegido, por lo que
P(k, M) = 1/M, una probabilidad muy baja
si M es grande. Sin embargo, dicha proba-
bilidad aumentar con k. Parece plausible
que, si k toma un valor lo sufcientemen-
te elevado, la probabilidad de acertar se
acerque mucho a 1. Este razonamiento fue
el que llev a Lacasa a sospechar que tal
vez se escondiese en el juego una transi-
cin de fase.
Podemos intentar validar nuestra hi-
ptesis con el siguiente experimento nu-
mrico: fjamos valores para M y k, de-
jamos que un ordenador calcule todas
las combinaciones aritmticas posibles
de los k nmeros, repetimos el juego
10.000 veces y promediamos el resulta-
do. La probabilidad P(k, M) se calcula en-
tonces como el cociente entre el nmero
de aciertos (las veces que el ordenador
halla una combinacin aritmtica de los
k nmeros que proporciona T) y el de
intentos (10.000).
La primera grfca muestra el resulta-
do de nuestro experimento. Como haba-
Bartolo Luque es fsico y profesor de matemticas
en la Universidad Politcnica de Madrid. Sus investigaciones
se centran en la teora de sistemas complejos.
90 INVESTIGACIN Y CIENCIA, mayo 2013
Juegos matemticos
C
O
R
T
E
S

A

D
E
L

A
U
T
O
R
mos intuido, para valores pequeos de k
la probabilidad de ganar es nfma, pero
cuando k es grande se aproxima mucho
a la unidad. La fgura superior muestra
cmo las curvas de probabilidad sufren
una transicin abrupta entre valores bajos
y altos. Al aumentar M, la curva se des-
plaza hacia la derecha, pero su compor-
tamiento cualitativo no cambia.
Para describir mejor dicha deriva, ob-
servemos que para cada nmero M existe
un valor crtico k
c
en el que la probabi-
lidad de obtener T es igual a 1/2. En el
inserto de la grfca hemos representado
k
c
en funcin de M en ejes semilogart-
micos. Al ajustar los datos observamos
una clara relacin logartmica: un ajuste
lineal nos revela que k
c
(M) = a log(M) + b,
donde a y b denotan constantes dadas
por a = 0,84 y b = 0,39.
Resolver sin calcular
Hallar con exactitud la probabilidad
P(k, M) nos pondra ante un problema
combinatorio endiablado. Sin embargo,
podemos intentar estimarla de forma
heurstica. Llamemos N = N(k, M) a la
cantidad media de nmeros diferentes
que podemos generar con combinacio-
nes aritmticas de nuestros k nmeros y
cuyo resultado caiga dentro del conjunto
{1, 2, ..., M}. Dichos nmeros no sern
independientes entre s, puesto que los
hemos obtenido a partir de las combina-
ciones aritmticas de k nmeros fjados
de antemano. Sin embargo, a modo de
aproximacin, comencemos por suponer
su independencia mutua.
En tal caso, la probabilidad de obtener
T resultar equivalente a la de extraer di-
cho nmero del conjunto {1, 2, ..., M} tras
N intentos aleatorios. Puesto que la pro-
babilidad de acertar en un solo intento es
igual a 1/M, la de lograr nuestro objetivo
al menos una vez tras N intentos vendr
dada por:
donde en el segundo paso hemos supues-
to que M es un nmero muy elevado, lo
cual nos permite aproximar la funcin
exponencial exp (1/M) = e
1/M
mediante
el binomio (1 1/M).
Observemos ahora que, si k es peque-
o, esperamos que N tambin lo sea. De
acuerdo con la ecuacin anterior, ello re-
sultara en una probabilidad de xito baja.
Y al revs: un valor de k elevado implica
lo propio para N, por lo que obtendramos
una probabilidad alta de acertar. As que,
al menos cualitativamente, parece que va-
mos por buen camino.
Ignoramos la forma funcional de
N(k, M). Sin embargo, parece razonable
suponer que la cantidad de nmeros
distintos que podremos generar crecer
de manera exponencial con k y con M.
Tambin intuimos que, a medida que k
aumente, la proporcin de nmeros que
caern dentro del conjunto {1, 2, ..., M}
disminuir. De modo que una estimacin
razonable (Ansatz es el trmino alemn
que usan fsicos y matemticos) podra
ser:
donde hemos aadido una dependencia
funcional con M desconocida a travs de
la funcin r = r(M). Rogamos al lector
que no se asuste por el malabarismo: si
nuestro Ansatz es una metedura de pata,
quedar patente en los experimentos nu-
mricos.
Cmo podemos evaluar la funcin
r(M)? Recordemos que habamos def-
nido el valor crtico k
c
como aquel que
satisfaca que P(k
c
, M) = 1/2. Si evalua-
mos N(k, M) en k = k
c
e introducimos
el resultado en nuestra expresin para
la probabilidad, podremos despejar la
expresin de r(M) cuando k = k
c
. Con
ayuda de un lpiz y un papel, el lector
comprobar con facilidad que nuestra
ansiada expresin para la probabilidad
de ganar viene dada por:
donde el valor crtico k
c
es una funcin
de M que debe sustituirse por el ajuste
lineal que habamos calculado al prin-
cipio: k
c
(M) = 0,84 log(M) + 0,39. En
la grfca hemos representado nuestra
solucin en forma de curvas continuas
en negro. El acuerdo entre teora y expe-
rimentos no est nada mal; sobre todo,
teniendo en cuenta el nmero de suposi-
ciones suicidas que hemos hecho.
Lmite termodinmico
Pero dnde est el comportamiento todo
o nada, la ley cero-uno? Para encontrarlo,
P(k, M) = 1
(
1
)
N
1 exp
(

)
,
M
1
M
N
P(k, M) = 1 exp
(

)
,
kM
exp
(
k
c
k
log (k
c
M log2)
)
N(k, M) = ,
k
exp (r(M)k)
1
M = 2
10
8
k
c
0
20 M 1500
M = 2
9
M = 2
8
M = 2
7
0,8
0,6
P
(
k
,
M
)
k
0,5
0,4
0,2
0
1 2 3 4 5 6 7 8 9 10
Probabilidad de que una combinacin aritmtica de k nmeros tomados al azar del
conjunto {1, 2, ..., M} nos d un nmero escogido de antemano. Los colores indican los
valores obtenidos en distintos experimentos numricos; las sigmoides negras, los de
una funcin aproximada calculada a partir de hiptesis sencillas. El valor crtico
k
c
para el que P(k, M) toma el valor 1/2 depende de manera logartmica de M (inserto):
k
c
(M) = 0,84 log(M) + 0,39.
P(k, M) = 1
(
1
)
N
1 exp
(

)
,
M
1
M
N
P(k, M) = 1 exp
(

)
,
kM
exp
(
k
c
k
log (k
c
M log2)
)
N(k, M) = ,
k
exp (r(M)k)
P(k, M) = 1
(
1
)
N
1 exp
(

)
,
M
1
M
N
P(k, M) = 1 exp
(

)
,
kM
exp
(
k
c
k
log (k
c
M log2)
)
N(k, M) = ,
k
exp (r(M)k)
Mayo 2013, InvestigacionyCiencia.es 91
Juegos matemticos
C
O
R
T
E
S

A

D
E
L

A
U
T
O
R
debemos preguntarnos qu ocurre con
P(k, M) cuando el tamao M del sistema
y el parmetro de control k tienden a in-
fnito; lo que un fsico denominara el
lmite termodinmico.
Puesto que k
c
depende logartmica-
mente de M, crecer sin lmite a medida
que lo haga M. Un fsico clasifcara k
c

como parmetro extensivo, ya que, al
igual que la masa o el calor, aumenta
con el tamao del sistema. Una manera
de sortear esta cuestin consiste en de-
fnir un parmetro de control intensivo.
El equivalente fsico correspondera a
cantidades como la densidad (masa por
unidad de volumen) o el calor especfco
(calor por unidad de masa).
En nuestro caso, en lugar de utilizar
k, emplearemos el parmetro intensivo
a = k/k
c
y expresaremos P(k, M) como
P(a, M). De esta manera, nos asegurare-
mos de que el punto crtico siempre se
encontrar en a = 1 con independencia
del valor de M.
Cuando realizamos esa transforma-
cin, las curvas para distintos valores
de M aparecen centradas alrededor de
a = 1, tal y como podemos observar en la
segunda grfca. Vemos que, al aumen-
tar M, la transicin se va haciendo cada
vez ms abrupta. De hecho, si tomamos
el lmite en el que M se torna infnito,
obtenemos que P(a, M) se convierte en
una funcin escaln: una cuyo valor
siempre es 0 cuando a < 1, y siempre
1 para a > 1.
En el infnito, lo que era una expresin
ms bien amedrentadora para P(k, M) se
transforma en una funcin que solo toma
los valores cero o uno. Nuestro juego se
ha simplifcado hasta el punto de con-
vertirse en un todo o nada: o bien nos
resultar imposible obtener T, o bien lo
lograremos con total seguridad. Sin duda,
un pasatiempo carente de inters para un
programa televisivo.
PARA S ABE R MS
Cifras y letras. Juan M. R. Parrondo en Investigacin y Ciencia
n.
o
379, abril de 2008.
The nature of computation. C. Moore y S. Mertens. Oxford
University Press, 2011.
Phase transition in the countdown problem. Lucas Lacasa y
Bartolo Luque en Physical Review E 86, 010105(R), 2012. Dispo-
nible en arxiv.org/abs/1206.2876
1
0,8
0,6
0,4
0,2
0
M = 2
10
M = 2
9
M = 2
8
M = 2
7
M = 2
6
P
(

,
M
)

0,5
0 0,5 1 1,5 2
Comportamiento de la funcin de probabilidad expresada en trminos del parme-
tro de control intensivo a = k/k
c
. En el lmite en el que el tamao M del sistema tiende
a infnito (lnea negra), la probabilidad de acertar es siempre nula cuando a < 1, y
siempre uno cuando a > 1.