Última actualización 25 de septiembre de 2025

¿Qué es la entropía? Viaje al corazón del desorden y la información

Entropía: Visión termodinámica

La entropía fue introducida por Rudolf Clausius (1822–1888) en 1865 para formalizar el segundo principio de la termodinámica. Mide el grado de desorden de un sistema. Matemáticamente, se define como \(\Delta S = \frac{Q_{rev}}{T}\), donde \(Q_{rev}\) es el calor reversible intercambiado y \(T\) la temperatura absoluta.

Entropía: Visión estadística

Ludwig Boltzmann (1844–1906) dio una interpretación probabilística: \( S = k_B \ln \Omega \), donde \(k_B\) es la constante de Boltzmann y \(\Omega\) el número de microestados accesibles al sistema. Cuantos más microestados tenga un sistema, mayor será su entropía. Este enfoque relaciona directamente la entropía con el concepto de información estadística.

Entropía: Teoría de la información

En 1948, Claude Shannon (1916–2001) transpuso el concepto de entropía al ámbito de la información. La entropía de Shannon \( H = -\sum p_i \log_2(p_i) \) mide la incertidumbre asociada a una fuente de mensajes. Cuanto más uniforme sea la distribución de símbolos, mayor será la incertidumbre.

Paradoja aparente: "orden" y "previsibilidad"

"Un mazo donde todas las cartas están en orden es muy predecible: se sabe exactamente cuál vendrá después. En cambio, un mazo bien barajado hace que cada extracción sea impredecible, ya que todas las cartas tienen la misma probabilidad de salir."

En resumen: orden ↔ más predecible (macro), desorden ↔ más impredecible (macro), y entropía ↔ medida de la imprevisibilidad estadística de los microestados.

Ejemplos de incertidumbre máxima y baja

Tabla de incertidumbre máxima según la distribución de símbolos
Sistema	Descripción	Previsibilidad	Entropía	Comentario
Sorteo aleatorio de símbolos A, B, C, D	En cada sorteo, cada símbolo tiene exactamente la misma probabilidad de aparecer	Imposible de predecir	Alta	Modelo abstracto para ilustrar la entropía máxima de Shannon
Sorteo sesgado de símbolos A, B, C, D	El símbolo A aparece el 90% del tiempo; B, C, D aparecen rara vez	Fácil de predecir	Baja	Modelo abstracto de entropía baja
Lanzamiento de un dado equilibrado	Cada cara (1–6) tiene la misma probabilidad en cada lanzamiento	Imposible de predecir	Alta	Ejemplo simple de azar máximo
Lanzamiento de un dado cargado	El dado cae en 6 el 80% de las veces; las otras caras aparecen rara vez	Fácil de predecir	Baja	Ejemplo clásico de baja incertidumbre
Cartas de un mazo bien barajado	Cada carta tiene la misma probabilidad de ser extraída al azar	Imposible de predecir	Alta	Muestra que el orden inicial se pierde después de barajar
Cartas parcialmente ordenadas	La mayoría de las cartas extraídas son rojas (75%)	Relativamente fácil de predecir	Baja	Ejemplo pedagógico de entropía reducida
Bits aleatorios	Cada bit (0 o 1) tiene exactamente la misma probabilidad en una secuencia generada aleatoriamente	Imposible de predecir	Alta	Ejemplo numérico de incertidumbre máxima
Bits sesgados	Los bits 0 aparecen el 90% del tiempo; los bits 1, el 10%	Fácil de predecir	Baja	Ejemplo numérico de entropía baja

Entropía y evolución de los sistemas

La segunda ley de la termodinámica establece que, en un sistema aislado, la entropía tiende a aumentar con el tiempo: \(\Delta S = S_{\text{final}} - S_{\text{inicial}} \ge 0\).

La entropía crece en todo sistema aislado, reflejando una irreversibilidad fundamental de los fenómenos naturales y por qué tienden a evolucionar hacia estados más desordenados.

Estos estados desordenados son estadísticamente mucho más accesibles, ya que existe un número enorme de microestados (configuraciones posibles de posiciones y velocidades de las partículas) que corresponden al mismo estado macroscópico. Esta multitud de configuraciones hace que estos estados sean mucho más probables, lo que se traduce en una entropía más alta.

Así, el aumento de la entropía refleja el paso espontáneo de los sistemas de configuraciones ordenadas a configuraciones desordenadas, donde la energía y la materia pueden disponerse de muchas más formas.

La entropía mide la incertidumbre de las configuraciones posibles, explicando por qué algunos procesos naturales nunca ocurren a la inversa, como el calor que siempre se propaga de lo caliente a lo frío.

¿Por qué el calor se propaga de lo caliente a lo frío?

El calor siempre se propaga del cuerpo caliente al frío debido al gradiente de temperatura. Un cuerpo caliente tiene moléculas con una energía cinética media más alta que las de un cuerpo frío. Cuando los cuerpos están en contacto, las colisiones entre moléculas provocan una transferencia neta de energía del lado caliente al frío, reduciendo gradualmente la diferencia de temperatura (gradiente).

Este proceso no es absoluto a nivel de una colisión individual; algunas colisiones pueden transferir energía en sentido inverso. Pero a escala macroscópica, el flujo neto sigue el gradiente de temperatura, que es la dirección más probable para la evolución del sistema.

Hay muchas más formas de distribuir esta energía en el sistema total (caliente + frío) que cuando toda la energía está concentrada en el cuerpo caliente. En términos de entropía, esta transferencia de energía aumenta el número de microestados accesibles para el sistema total. Así, el gradiente térmico actúa como un motor natural del aumento de la entropía.

Ejemplos: Entropía y evolución de los sistemas

Evolución de la entropía en diferentes contextos
Sistema	Evolución de la entropía	Comentario
Gas perfecto	Moléculas agrupadas en un espacio restringido → Moléculas dispersas en todo el espacio disponible	Cuando las moléculas pueden ocupar más posiciones posibles, la incertidumbre sobre su disposición aumenta, lo que incrementa la entropía
Mazo de cartas	Cartas perfectamente ordenadas por color y valor → Cartas mezcladas al azar	El orden inicial es prácticamente imposible de recuperar después de mezclar, ilustrando el aumento de la incertidumbre y la entropía
Distribución de símbolos	Algunos símbolos predominan (ej. A 20%) → Cada símbolo tiene la misma probabilidad de aparecer (ej. A 3,7%, B 3,7%, C 3,7%, D 3,7%, ...)	Cuando los símbolos están distribuidos de manera más equilibrada, predecir el siguiente símbolo se vuelve difícil y la entropía aumenta
Bits en una secuencia informática	Bits mayoritariamente 0 (75%) → Bits 0 y 1 equiprobables (50%)	Cuanto más equilibrados están los bits, mayor es la incertidumbre sobre la secuencia, lo que conlleva un aumento de la entropía
Sonidos en una melodía simple	Una nota dominante repetida → Notas elegidas al azar con probabilidades equivalentes	La variedad de notas aumenta la incertidumbre e ilustra el aumento de la entropía
El Universo	Estado muy homogéneo y denso (Big Bang) → Universo cada vez más disperso y estructurado con estrellas, galaxias, agujeros negros	La expansión y la formación de estructuras aumentan la incertidumbre sobre la posición y la energía de las partículas, reflejando el crecimiento de la entropía cósmica

La vida y el aumento de la entropía

A primera vista, los organismos vivos parecen crear orden: células organizadas, ADN estructurado, tejidos complejos. Esto podría parecer contradictorio con la segunda ley de la termodinámica, que dice que la entropía debe aumentar.

Sin embargo, la Tierra no es un sistema aislado: recibe energía del Sol e intercambia calor y desechos químicos con su entorno. Los organismos utilizan esta energía para construir estructuras ordenadas, pero a cambio producen calor y desechos que aumentan el desorden en su entorno.

Así, aunque la entropía local (dentro del organismo) disminuya, la entropía total del sistema global (organismo + entorno) aumenta. La vida redistribuye la energía y la materia, aumentando el número de microestados accesibles en el entorno.

En resumen: La vida crea orden local, pero genera un desorden mayor a su alrededor, respetando la segunda ley de la termodinámica.