jueves, 10 de abril de 2014

Teoría del Caos - Efecto Mariposa


Efecto mariposa

El efecto mariposa es un concepto de la teoría del caos. La idea es que, dadas unas condiciones iniciales de un determinado sistema caótico, la más mínima variación en ellas puede provocar que el sistema evolucione en ciertas formas completamente diferentes. Sucediendo así que, una pequeña perturbación inicial, mediante un proceso de amplificación, podrá generar un efecto considerablemente grande a mediano o corto plazo de tiempo.


http://bits.wikimedia.org/static-1.23wmf17/skins/common/images/magnify-clip.png
Diagrama de la trayectoria del sistema de Lorenz para los valoresr = 28, σ = 10, b = 8/3.
Su nombre proviene de las frases: "el aleteo de las alas de una mariposa se puede sentir al otro lado del mundo" (proverbio chino) o "el aleteo de las alas de una mariposa puede provocar un Tsunami al otro lado del mundo" así como también "El simple aleteo de una mariposa puede cambiar el mundo".
Este nombre también fue acuñado a partir del resultado obtenido por el meteorólogo y matemático Edward Lorenz al intentar hacer una predicción del clima atmosférico.
En una determinada ocasión quiso volver a echar un vistazo a una simulación que ya había hecho llevándola más lejos en el tiempo. En vez de comenzar desde el principio y esperar a que el ordenador llegara al intervalo que le interesaba, introdujo por el teclado los valores que ya tenía apuntados en el papel. Dejó la máquina trabajando y se fue a tomar un café. Después de una hora, la máquina había simulado dos meses de predicción atmosférica. Y sucedió lo inesperado. Había valores de los días que había simulado anteriormente que no coincidían con los que había calculado esta vez.
El clima atmosférico se describe por 3 ecuaciones diferenciales bien definidas. Siendo así, conociendo las condiciones iniciales se podría conocer la predicción del clima en el futuro. Sin embargo, al ser éste un sistema caótico, y no poder conocer nunca con exactitud los parámetros que fijan las condiciones iniciales (en cualquier sistema de medición, por definición, siempre se comete un error, por pequeño que éste sea) hace que aunque se conozca el modelo, éste diverja de la realidad pasado un cierto tiempo (véase Horizonte de predicciones).
Concepto[editar]
Esta interrelación de causa-efecto se da en todos los eventos de la vida. Un pequeño cambio puede generar grandes resultados o hipotéticamente: "el aleteo de una mariposa en Hong Kong puede desatar una tormenta en Nueva York".
La consecuencia práctica del efecto mariposa es que en sistemas complejos tales como el estado del tiempo o la bolsa de valores es muy difícil predecir con seguridad en un mediano rango de tiempo. Los modelos finitos que tratan desimular estos sistemas necesariamente descartan información acerca del sistema y los eventos asociados a él. Estos errores son magnificados en cada unidad de tiempo simulada hasta que el error resultante llega a exceder el ciento por ciento.

Teoría del caos


Teoría del caos es la denominación popular de la rama de las matemáticas, la física y otras ciencias que trata ciertos tipos de sistemas dinámicos muy sensibles a las variaciones en las condiciones iniciales. Pequeñas variaciones en dichas condiciones iniciales pueden implicar grandes diferencias en el comportamiento futuro, imposibilitando la predicción a largo plazo. Esto sucede aunque estos sistemas son en rigor determinísticos, es decir; su comportamiento puede ser completamente determinado conociendo sus condiciones iniciales.

Índice

  [ocultar
·         1 Clasificación
·         2 Atractores
·         3 Aplicaciones
·         4 Véase también
·         5 Referencias
·         6 Bibliografía en inglés
·         7 Enlaces externos

Clasificación[editar]

Los sistemas dinámicos se pueden clasificar básicamente en:
·         Estables
·         Inestables
·         Caóticos
Un sistema estable tiende a lo largo del tiempo a un punto, u órbita, según su dimensión (atractor o sumidero). Un sistema inestable se escapa de los atractores. Y un sistema caótico manifiesta los dos comportamientos. Por un lado, existe un atractor por el que el sistema se ve atraído, pero a la vez, hay "fuerzas" que lo alejan de éste. De esa manera, el sistema permanece confinado en una zona de su espacio de estados, pero sin tender a un atractor fijo.
Una de las mayores características de un sistema inestable es que tiene una gran dependencia de las condiciones iniciales. De un sistema del que se conocen sus ecuaciones características, y con unas condiciones iniciales fijas, se puede conocer exactamente su evolución en el tiempo. Pero en el caso de los sistemas caóticos, una mínima diferencia en esas condiciones hace que el sistema evolucione de manera totalmente distinta. Ejemplos de tales sistemas incluyen el Sistema Solar, las placas tectónicas, los fluidos en régimen turbulento y los crecimientos de población. 1

Atractores[editar]

Artículo principal: Atractor
Una manera de visualizar el movimiento caótico, o cualquier tipo de movimiento, es hacer un diagrama de fases del movimiento. En tal diagrama el tiempo está implícito y cada eje representa una dimensión del estado. Por ejemplo, un sistema en reposo será dibujado como un punto, y un sistema en movimiento periódico será dibujado como un círculo.
Algunas veces el movimiento representado con estos diagramas de fases no muestra una trayectoria bien definida, sino que ésta es errabunda alrededor de algún movimiento bien definido. Cuando esto sucede se dice que el sistema es atraído hacia un tipo de movimiento, es decir, que hay un atractor.
De acuerdo a la forma en que sus trayectorias evolucionen, los atractores pueden ser clasificados como periódicos, cuasi-periódicos y extraños. Estos nombres se relacionan exactamente con el tipo de movimiento que provocan en los sistemas. Un atractor periódico, por ejemplo, puede guiar el movimiento de un péndulo en oscilaciones periódicas; sin embargo, el péndulo seguirá trayectorias erráticas alrededor de estas oscilaciones debidas a otros factores menores no considerados.

Atractores extraños[editar]

La mayoría de los tipos de movimientos mencionados en la teoría anterior suceden alrededor de atractores muy simples, tales como puntos y curvas circulares llamadas ciclos límite. En cambio, el movimiento caótico está ligado a lo que se conoce como atractores extraños, que pueden llegar a tener una enorme complejidad como, por ejemplo, el modelo tridimensional del sistema climático de Lorenz, que lleva al famoso atractor de Lorenz. El atractor de Lorenz es, quizá, uno de los diagramas de sistemas caóticos más conocidos, no sólo porque fue uno de los primeros, sino también porque es uno de los más complejos y peculiares, pues desenvuelve una forma muy peculiar más bien parecida a las alas de una mariposa.
Los atractores extraños están presentes tanto en los sistemas continuos dinámicos (tales como el sistema de Lorenz) como en algunos sistemas discretos (por ejemplo el mapa Hènon). Otros sistemas dinámicos discretos tienen una estructura repelente, de tipo Conjunto de Julia, la cual se forma en el límite entre las cuencas de dos puntos de atracción fijos. Julia puede ser sin embargo un atractor extraño. Ambos, atractores extraños y atractores tipo Conjunto de Julia, tienen típicamente una estructura de fractal.
El teorema de Poincaré-Bendixson muestra que un atractor extraño sólo puede presentarse como un sistema continuo dinámico si tiene tres o más dimensiones. Sin embargo, tal restricción no se aplica a los sistemas discretos, los cuales pueden exhibir atractores extraños en dos o incluso una dimensión.

Algo más de atractores[editar]

Los atractores extraños son curvas del espacio de fases que describen la trayectoria elíptica de un sistema en movimiento caótico. Un sistema con estas características es impredecible, conocer su configuración en un momento dado no permite predecirla con certeza en un momento posterior. De todos modos, el movimiento no es absolutamente aleatorio.
En la mayoría de sistemas dinámicos se encuentran elementos que permiten un tipo de movimiento repetitivo y, a veces, geométricamente establecido. Los atractores son los encargados de que las variables que inician en un punto de partida mantengan una trayectoria establecida, y lo que no se puede establecer de una manera precisa son las oscilaciones que las variables puedan tener al recorrer las órbitas que lleguen a establecer los atractores. Por ejemplo, es posible ver y de cierta manera prever la trayectoria de un satélite alrededor de la Tierra; lo que aparece, en este caso, como algo indeterminado son los movimientos e inconvenientes varios que se le pueden presentar al objeto para efectuar este recorrido.

Aplicaciones[editar]

La Teoría del Caos y la matemática caótica resultaron ser una herramienta con aplicaciones a muchos campos de la ciencia y la tecnología. Gracias a estas aplicaciones el nombre se torna paradójico, dado que muchas de las prácticas que se realizan con la matemática caótica tienen resultados concretos porque los sistemas que se estudian están basados estrictamente con leyes deterministas aplicadas a sistemas dinámicos.
En Internet se desarrolla este concepto en Teoría del Caos, el tercer paradigma, de cómo la estadística inferencial trabaja con modelos aleatorios para crear series caóticas predictoras para el estudio de eventos presumiblemente caóticos en las Ciencias Sociales. Por esta razón la Teoría del Caos ya no es en sí una teoría: tiene postulados, fórmulas y parámetros recientemente establecidos con aplicaciones, por ejemplo, en las áreas de la meteorología o la física cuántica, y actualmente hay varios ejemplos de aplicación en la arquitectura a través de los fractales, por ejemplo el Jardín Botánico de Barcelona de Carlos Ferrater.

En meteorología [editar]

El tiempo atmosférico (no confundir con el clima), además de ser un sistema dinámico, es muy sensible a los cambios en las variables iniciales, es un sistema transitivo y también sus órbitas periódicas son densas, lo que hace del tiempo un sistema apropiado para trabajarlo con matemática caótica. La precisión de las predicciones meteorológicas es relativa, y los porcentajes anunciados tienen poco significado sin una descripción detallada de los criterios empleados para juzgar la exactitud de una predicción.
Al final del siglo XX se ha vuelto común atribuirles una precisión de entre 80 y 85% en plazos de un día. Los modelos numéricos estudiados en la teoría del caos han introducido considerables mejoras en la exactitud de las previsiones meteorológicas en comparación con las predicciones anteriores, realizadas por medio de métodos subjetivos, en especial para periodos superiores a un día. En estos días es posible demostrar la confiabilidad de las predicciones específicas para periodos de hasta cinco días gracias a la densidad entre las órbitas periódicas del sistema, y se han logrado algunos éxitos en la predicción de variaciones anormales de la temperatura y la pluviosidad para periodos de hasta 30 días.

Antes de la aparición de la Teoría del Caos, se pensaba que para que el clima llegara a predecirse con exactitud newtoniana no era más que una cuestión de introducir más y más variables en un ordenador lo suficientemente potente como para procesarlas. Sin embargo, de unas pocas variables de hace tan sólo unas décadas se ha pasado a considerar cientos de miles de variables sin conseguir la predicibilidad esperada. El clima, como sistema caótico, ha de entenderse como un sistema impredecible dentro de un atractor que le confiere cierto orden a través de las estaciones. Más recientemente se ha probado que el caracter caótico del tiempo atmosférico tiene que ver con las propiedades geométricas del grupo de evolución del sistema climático terrestre, en concreto dicho grupo puede dotarse de la estructura de una variedad de Riemann de dimensión infinita con curvatura negativa, lo cual implica que curvas arbitrariamente cercanas acaban divergiendo en el tiempo. Estos resultados sugieren una imposibilidad práctica predecir el tiempo atmosférico a medio y largo plazo. El clima es sensible a pequeñas variaciones en las condiciones iniciales y la determinación de las condiciones iniciales con exactitud está abocado al fracaso a causa del Principio de incertidumbre de Heisenberg. Se ha estimado que una predicción a dos meses vista requeriría conocer las condiciones iniciales con una precisión unas 100 mil veces superior a la precisión obtenida por dicha predicción.

Material extraído de Wikipedia; http://es.wikipedia.org/wiki/Teoria_del_caos

No hay comentarios:

Publicar un comentario