Caos 1

Modelización de Sistemas Biologicos - Bioinformática - FI- 2009
UNER
Sistemas no lineales, caos Organización - 2003

Motivación e Introducción.
y fractales
Estabilidad
E t bilid d y C
Caos.
Caos en sistemas discretos:
Transformarciones iteradas
Modelización de Sistemas Biológicos por (Sistemas Iterados de Funciones - IFS).
Computadora Exponentes de Lyapunov.
La ecuación logística.
logística
Bioinformática - FIUNER
Fractales.
Dra. María Eugenia Torres
22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 2
Contenido Objetivos Generales

¾ Sistemas caóticos. Comprender el concepto de sistema caótico.
¾ Existencia de comportamiento caótico. Diferenciar sistemas caóticos de aleatorios.
¾ Bifurcaciones. Comprender la relación que une el caos con los

fractales.
¾ Diferencias con el caso aleatorio.
Conocer sistemas biológicos no lineales caóticos y
¾ Simulación de la ecuación logística,
g , diagrama
g de
fractales.
bifurcaciones.
Analizar la aparición de estructuras fractales en la
¾ Relación con los fractales y ejemplos biomédicos.
naturaleza.
22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 3 22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 4
María E. Torres 1
UNER
Complejidad Complejidad y caos

El problema de la complejidad aparece Todos los sistemas complejos tienen cosas en común
ligado a muchas disciplinas
Negocios Muchos agentes independientes interactúan entre ellos en una
gran diversidad de maneras.
Economía
Física La riqueza de interacciones permite que el sistema como un todo
someterse a una auto-organización espontánea
Sociología (managment, leadership)
Filosofía Estos sistemas complejos, auto-organizativos son adaptivos.
Sustentabilidad y ecología En cierto modo han adquirido

q la habilidad de ofrecer orden y caos
Networks en un modo especial de balance.
Arquitectura del software

Biología (Evolución emergente)
M. Mitchell Waldrop "Complexity: The Emerging Science at the Edge of Order and Chaos“,
pp. 11−12, Simon & Schuster, 1992.
¿Quién creo el caos? Orígenes de la Teoría de caos.

Un médico, un ingeniero civil y una informática estaban discutiendo acerca de cuál Henri Poincaré (Matemático francés, 1854 –1912).
era la profesión más antigua del mundo.
En el campo de las ecuaciones diferenciales, realizó contribuciones claves para la
t
teoría
í cualitativa
lit ti d
de ecuaciones
i dif
diferenciales,
i l como por ejemplo
j l lla Esfera
E f de
d Poincaré
P i é
y el Mapa de Poincaré (1890).
- El médico señaló: “Bueno, en la Biblia dice que Dios creó a Eva de una costilla que
le quitó a Adán. Evidentemente, esto requirió cirugía, y por eso bien puedo afirmar que
la mía es la profesión más antigua de mundo.” La noción de caos desapareció por cerca de un siglo.
- El ingeniero civil interrumpió y dijo: “Pero incluso antes, en el Génesis, se dice

Edward Lorenz
(meteorólogo y matemático americano, 1917 - 2008 )
que Dios creó el orden de los cielos y la tierra a partir de caos. Esta fue la primera y
desde luego la más espectacular aplicación de la ingeniería civil. Por lo tanto, querido
Noción de atractor extraño y el efecto mariposa (Butterfly effect)
doctor, está usted equivocado: la mía es la más antigua de las profesiones.
profesiones.”
Edward N. Lorenz (1996) The Essence of Chaos
James Gleick (1988) Chaos: Making a New Science
- La informática se reclinó en su silla, sonrió, y dijo tranquilamente: “Pero bueno,
¿quién piensan que creó el caos?”
Grady Booch, Complexity 1970-1980 la teoría de caos finalmente tuvo impacto sobre la
www.booch.com/architecture/blog/artifacts/Complexity.ppt comunidad científica:
Robert May (Ecologista. Australia, 1936)
María E. Torres 2
UNER
Robert May Introducción: estabilidad

Dinámica de poblaciones animales
Generalmente tendemos a tratar con situaciones estables.
R l i
Relaciones entre
t complejidad
l jid d y estabilidad
t bilid d en comunidades
id d
En caso contrario:
naturales.
Si los cambios duran muy poco tiempo en relación a los
Importantes avances en el campo de las poblaciones biológicas
períodos estables los ignoramos (transitorios).
aplicando técnicas matemáticas.
Simple mathematical models with very complicated dynamics, Si los cambios duran un cierto tiempo tratamos de
Nature 261, 459 - 467 (10 June 1976);
doi:10.1038/261459a0
encontrar alguna regularidad en ellos y de no encontrar
ningún patrón estable los encasillamos dentro de los ruidos o
Desarrolló la teoría ecológica (1970-1980)
la física tradicional los trata como fenómenos aleatorios.
Estudios de enfermedades y de la diversidad.
Introducción: caos Introducción: orden
La teoría del caos retoma estos últimos casos:

En estos sistemas no lineales puede identificarse un parámetro del
Ciertos sistemas no lineales muestran un comportamiento
cual depende su comportamiento.
impredecible a pesar de:
no tener ninguna influencia del azar y
Al cambiar este parámetro, podemos encontrarnos con un
ser enteramente determinísticos.
comportamiento:
Ordenado: puntos fijos o ciclos límite en el espacio de fase.
fase
Esto puede suceder en sistemas extremadamente simples.
Desordenado: atractores extraños en el espacio de fase.
María E. Torres 3
UNER
Del orden al caos: Bifurcaciones
Cuando variamos este parámetro encontramos que existe un

Caos en sistemas discretos
rango de valores del mismo en el cual el sistema pasa de la
estabilidad al caos.
La ecuación logística
Las bifurcaciones por duplicación de período consisten en (R. May, 1976)
una pérdida de la estabilidad de una solución atractiva
dando lugar a otra de periodicidad doble.
Ecuaciones en recurrencia Con la calculadora...

Ponga el modo radianes para la unidad angular.
Elija un número inicial cualquiera.
Un sistema dinámico
á discreto es descripto mediante Pulse una y otra vez el botón de la función coseno.
una función (o transformación) iterada: La serie de números que aparece en la pantalla oscilará y al
cabo de un cierto número de pasos se aproximará a un
valor estable y no habrá más cambios:
x n+1 = Fk ( x n ) 3.00000000000000000000000000000000
-0.98999249660044545727157279473126
0.548696133603097038516641574908931
donde k es algún parámetro de la función F.

F 0.85320531150574707016222532057684
...
0.739085128310922996144139146959862
Dicha serie de números recibe el nombre de órbita, y el

punto final se llama punto fijo estable.
María E. Torres 4
UNER
Iteraciones Transformaciones iteradas

Sistemas Lineales Una forma de representar la evolución de
un sistema dinámico discreto es a
través su diagrama de recurrencia
(transformaciones iteradas).
La iteración sólo puede dar lugar a:
una sucesión creciente, o 1. Colocamos en:
una sucesión que converge a cero. Abscisas: los valores de xn+1
(=y)
Ordenadas los valores de xn
(=x).
Sistema No Lineal
2. L
Luego dibujamos
dib j la
l función
f ió
yA=g(x)=F(xn)
La dinámica iterativa de ecuaciones no lineales puede dar lugar a
y la recta yB=x que representa
comportamientos “extraños ”.
xn+1= xn.
Atractor o punto fijo estable Puntos fijos inestables

xn +1 = xn = x ; x es un punto fijo del sistema
x = f (x
(x)
En el diagrama de la
transformación iterada
se encuentra un punto
fijo estable o atractor
para la salida del
sistema.
Para t → ∞ la salida del

sistema se aproxima a
la intersección de la
recta yB=x con la
función yA=g(x).
En este caso, el punto fijo del diagrama de recurrencia se corresponde con un

punto crítico estable en el
22/09/09 plano de
Modelizacion fase
de Sist. del
Biol. sistema
_M.E. Torres dinámico equivalente. 19 22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 20
María E. Torres 5
UNER
Condición de estabilidad Condición de estabilidad

x = f (x) x es un punto fijo del sistema
La condición de estabilidad de un punto fijo x es:
Encontrado un punto fijo del sistema, ¿es éste estable o inestable?
F '[ x ] < 1
La derivada F’ puede calcularse derivando F o por medio
¿ Dados valores xn cercanos a x , xn evolucionará hacia de:
valores cercanos o alejados de x ? F( xn + ε ) − F( xn )
F' ( x n ) = lím
ε →0 ε
Ejercicio propuesto Nº 1 Ejercicio propuesto Nº 2

Considere la siguiente ecuación en diferencias no lineal de Realice un análisis equivalente para la ecuación logística:
crecimiento poblacional.
bxn
xn +1 = , b, k > 0 yn +1 = yn (r − d yn ), r , d > 0
b + xn
⎛d ⎞
Redefiniendo las variables como xn = ⎜ ⎟ yn
⎝r⎠
• ¿ Tiene puntos críticos?
• En caso afirmativo, ¿ son estados estacionarios estables? se tiene la ecuación:
• ¿ De qué dependen estos puntos críticos? ¿ Y su estabilidad? xn +1 = r xn (1 − xn ), 1 < r < 4 si restringimos 0 < x < 1
( Robert May, 1976.)

María E. Torres 6
UNER
Mas allá de r =3 Y mas allá?

¿Existirán soluciones de la ecuación logística que oscilen de
manera estables de período 2?
A este tipo de soluciones se las denomina ciclos de dos Realizando el análisis anterior podrá encontrarse que la
puntos. ecuación logística tiene soluciones estables de período dos
Deberán satisfacer: siempre que
3< r < r2, para r2=3.3.
⎧ xn +1 = f ( xn )
⎨
⎩ xn + 2 = x n ¿Y que pasa más allá de r2 ?
Ayuda !!!!
Demuestre que la condición para que xi sea un punto crítico de dos De quien?
ciclos es que
⎛ df ⎞⎛ df ⎞ Métodos gráficos
⎜ ⎟⎜ ⎟⎟ < 1
⎜ dx ⎟⎜
x1 ⎠⎝ dx x2 ⎠
⎝
Un modelo de epilepsia (EDO) Complejidad en EEG: Caos tipo Sil’nikov
• Las señales de EEG cumplen con la condición de Sil' nikov

durante una crisis de epilepsia del tipo petit- mal.
• Para a ≠ 0, μ = 0.65, ε = 0.55 y b = 0.65,

genera el comportamiento esencial del cerebro con una
transición del parámetro a desde el valor
a ≠ 0, μ = 0.65, ε = 0.55 y b = 0.65, a1 = 0.008 hasta el valor a2 = 0.2217
simula el comportamiento esencial del cerebro

( Kelso and Fuchs, 1995)
María E. Torres 7
UNER
Modelo de Sil’ nikov (Atractor extraño)

Definiciones (I)
Sea f(t, •) una función que especifica la dinámica del sistema.
Esto es,
es si a es cierto punto en el espacio de fase
fase, de modo tal que
es el estado del sistema en cierto tiempo considerado el instante
inicial, entonces
f(0, a) = a
Y para cualquier valor positivo t, f(t, a) es el resultado de la

evolución de dicho estado después de t unidades de tiempo.
Ejemplo:
Si es sistema corresponde a la dinámica una partícula libre en una
dimensión, entonces el espacio de fase será el plano R2, con
coordenadas (x,v), donde x es la posición de la partícula y v es su
velocidad y la evolucion esta dada por
f(t,(x,v)) = (x + tv,v).
Retrato de fase o Espacio de Fase
Definiciones (II) Observaciones (Atractor)

Un atractor es un subconjunto A del espacio de fase, caracterizado Como la base de atracción contiene un conjunto abierto que
por las siguientes
p g condiciones: contiene a A,, todo punto
p suficientemente próximo
p a A será atraido
1. A es invariante hacia delante bajo f: si a es un elemento de A hacia A.
entonces también lo es f(t,a), para todo t > 0. La definición de un atractor utiliza una métrica en el espacio de
fase, pero la noción resultante habitualmente depende solamente
2. Existe un entorno de A, denominado base de atracción de A,
de la topología del espacio de fase. En el caso de Rn, se usa la
indicado B(A), que consiste en todos los puntos b que "entran en
norma Euclidea.
A en el limite t → ∞". Formalmente: B(A) es el conjunto de todos
los punto b en el espacio de fase con la siguiente propiedad: Existen otras definiciones de atractor en la literatura.
Por ejemplo algunos autores piden que un atractor tenga una
Para cualquier entorno abierto N en A, existe una constante
medida positiva (con lo cual un punto fijo no puede ser un
positiva T tal que f(t,b) є N para todo real t > T.
atractor)
3. No existe ningún subconjunto propio de A que tenga las dos
Otros piden que B(A) sea un entorno abierto.
propiedades anteriores.
María E. Torres 8
UNER
Tipos de atractor Conjunto de Cantor

Hasta 1960 se pensaba a los atractores como subconjuntos
geométricos del plano de fase: puntos, líneas, superficies,
volúmenes.
Las formas extrañas (topológicamente) se pensaban que eran
anomalías.
Stephen Smale (1967) mostró que su transformación de
herradura (horseshoe map) era robusta y que su atractor tenia la
estructura de un conjunto de Cantor Cantor set (1883).
Atractores simples: punto fijo y el ciclo límite

Existen muchos otros conjuntos geométricos que son atractores.
Cuando estos conjuntos o los movimientos en ellos, son difíciles
de describir se dice que estos atractores son extraños
Transformación Horseshoe Atractor extraño

Smale (1967)
Informalmente un atractor se dice extraño si tiene una dimensión
o entera
no e te a o la
a dinámica
d á ca del
de sistema
s ste a es caótica
caót ca en
e él.
é
Estudios del comportamiento de
las orbitas del oscilador de Van
El término fue propuesto por David Ruelle y Floris Takens para
der Pol. describir atractores que resultan de una serie de bifurcaciones de
un sistema que describe el flujo de fluidos.
Los atractores extraños son generalmente diferenciables en varias

direcciones, pero algunos no lo son, como por ejemplo el conjunto
de Cantor (Cantor Dust).
R it
Reiterando
d … Se pueden obtener atractores extraños en sistemas discretos o
continuos.
Examplos de atractores extraños: atractor de Henón, atractor de ,

Rössler, atractor de Lorenz.
http://en.wikipedia.org/wiki/Horseshoe_map
María E. Torres 9
UNER
Movimientos caóticos y su identificación Exponentes de Lyapunov

En las dinámicas caóticas encontramos existe una gran Estas ideas pueden ser cuantificadas mediante la utilización
de los exponentes de Lyapunov (σi )
dependencia de las condiciones iniciales.
Los σi de una trayectoria miden el tasa promedio de
La separación de órbitas originalmente vecinas está dada divergencia a largo término de todos los movimientos
en promedio por una función exponencial adyacentes basados en:
(no necesariamente exacta).
Es por esto que en la práctica se hace imposible predecir el

comportamiento futuro.
σ = lim
li (1 / t ) ln[(
l [(separación
ió en t)/ (separación
ió en 0)].
0)]
t →∞
Las trayectorias se circunscriben a una región acotada en el
espacio de fases.
Este limite debe tomarse sólo entre aquellas trayectorias
cuya separación final se mantiene pequeña
Exponentes de Lyapunov:
Exponentes de Lyapunov (cont) Sistemas discipativos.
Caso mas sencillo: En los sistemas totalmente discipativos, la divergencia
es negativa y entonces la suma de todos los exponentes
La trayectoria fundamental es un punto fijo trivial de un
de Lyapunov será negativa, sin restricción a ningún
flujo tridimensional linealizado
exponente.
x&i = λi .x i (i = 1, 2, 3) Si el máximo exponente σ1 >0, entonces algunas
trayectorias divergirán de la fundamental, y existirá una
sensible dependencia con las condiciones iniciales.
Los autovalores ordenados (λ1> λ2 >λ3) que inicialmente se ubican
en una esfera unitaria serán transportados por el flujo a un elipsoide
con semi-ejes
semi ejes principales de longitud exp(λi t).
t) Un exponente
p de Lyapunov
y p positivo
p en un atractor
extraño acotado es símbolo de movimiento caótico.
En este caso los exponentes de Lyapunov son simplemente los
valores característicos σi = λi y su suma σ1 + σ2 +σ3 será la Un test que permite determinar la existencia de un atractor caótico
divergencia del campo. se basa en analizar sus propiedades fractales (mas adelante)
María E. Torres 10
UNER
Exponentes de Lyapunov :
Sistemas discretos Exponentes de Lyapunov
La iteración de una ecuación de recurrencia a partir de los
A medida que ε → 0 y n → ∞ siempre que también
valores iniciales x0 y x0 + ε da como resultado: , tendremos:
Fk n ( x 0 ) y Fk n ( x 0 + ε ) dFk n (x0 )
≈ e n .λ
dx n
Supongamos que existe un λ tal que: que expresa la separación exponencial promedio entre la
órbita partiendo de x0 y la órbita partiendo de x0 + ε.
De aquí resulta:
Fk n ( x 0 + ε ) − Fk n ( x 0 ) ≈ ε . e n.λ
1 ⎛ dFkn ⎞
λ≈ ln ⎜
⎜
n ⎝ dx n
( x0 ) ⎟
⎟
⎠
Exponentes de Lyapunov Exponentes de Lyapunov

Luego
g ppodemos escribir: Para ciclos estables λk<0 y las órbitas convergen.
⎪⎧ 1 dFk (x0 ) ⎫⎪ ⎧1 ⎫ Para atractores extraños encontramos que λk>0 y las

n
λ k = lím ⎨ ln ⎬ = lím ⎨ ln Fk '(xn−1 ).Fk '(xn−2 )...Fk '(x0 ) ⎬
n→∞ n n
⎩
n→∞ n
⎭ órbitas no convergen.
⎩⎪ dx 0 ⎪⎭
⎧ 1 n−1 ⎫ Siendo Fk ' ( x N ) = 1 cuando ocurre una bifurcación

λ k = lím ⎨ ∑ ln Fk '(xm ) ⎬ tenemos entonces λk=0.
n→∞ n
⎩ m =0 ⎭
Se llaman ciclos superestables cuando λk→ -∞ ya que en
estos casos F ' ( x ) = 0 y la velocidad de
Si este límite existe, λk es una medida de la separación k N
exponencial promedio de las órbitas vecinas a todos los puntos convergencia a la estabilidad es máxima.
de una órbita alrededor de un atractor.
María E. Torres 11
UNER
Ejemplo: la ecuación logística Ejemplo: la ecuación logística

Si discretizamos esta ecuación utilizando el método de
Euler podemos llegar a:
Una de las ecuaciones más sencillas que describen sistemas
caóticos. Nn +1 = k Nn (1- Nn ), 0 < N < 1,
Está inspirada en un modelo poblacional (Lotka-Verhulst):
donde k juega el papel de r.
dN ⎛ N ⎞ Esta ecuación de recurrencia se denomina ecuación
= r N ⎜1 − ⎟ logística.
dt ⎝ N∞ ⎠
Población de Nt individuos y recursos limitados dados por r
Ejemplo: la ecuación logística ¿Que pasa cuando

Observación:
cambiamos k?

Este modelo demográfico simple de tiempo discreto

podemos considerarlo basado en generaciones.
Puede considerarse que cada 20 años aparece una Ejemplo: la ecuación logística
nueva generación, por lo que no es necesario considerar
los instantes de tiempo intermedios.
María E. Torres 12
UNER

Para k < 1 (mortandad mayor que natalidad) la ecuación
En la notación anterior:
anterior posee una única solución Nt(1) = 0.
Fk ( N t ) = k . N t (1 − N t )
Para k >1 encontramos dos soluciones:
En este caso tendremos puntos fijos de la recurrencia
cuando:
k −1
=0
((1)) ((2))
Fk ( N t+1 ) = N t ⇒ (1 - k ) N t + kN t 2 = 0 Nt y Nt =
k

Para k = 2.9
En el contexto demográfico:
la vida no aparece espontáneamente de la nada, pero si

hay una cantidad de individuos, por pequeña que sea, la
especie no desaparecerá (en este modelo simple), sino
que tenderá a un valor estacionario no nulo que
dependerá de la cantidad de alimento disponible.
disponible
María E. Torres 13
UNER

Para llegar a un punto fijo en la recurrencia debe cumplirse
que: Para k > 3 ambos puntos
p
fijos son inestables.
La desestabilización de
Entonces: Fk '( N t *) = k (1 − 2. N t *) < 1 Nt(1) cuando k=1 se
produce porque F1’(0)=1.
Para Nt(2) en k=3 tenemos
−1 < Fk '( N t (1)

) = k <1 F1’(0)=
(0)= -1
1.
Así en k=3 se produce la

bifurcación o duplicación
−1 < Fk '( N t (2)
) = 2 − k <1 de período.

Ahora la comida ha aumentado hasta el punto en que una
Para k = 3.1 se produce la bifurcación:
generación pequeña dispone de tanto alimento que tiene un
rápido crecimiento de forma súbita
súbita, mientras que en la
siguiente generación hay demasiados individuos pero una
cantidad insuficiente de comida, por lo que la población
vuelve a bajar en la siguiente generación, y así
sucesivamente.
Este comportamiento estable puede observarse en algunas

colonias de bacterias.
María E. Torres 14
UNER

Para k = 3.9 tenemos:
Si seguimos aumentando k, este ciclo de periodo 2 se
convierte en un ciclo de periodo 4, después en uno de
periodo 8, y así sucesivamente.
En cada bifurcación, el sistema sufre un cambio drástico en

su comportamiento a largo plazo.
Para k > 3.5699 el sistema ya no sigue un ciclo periódico,

sino que siempre varía sin repetirse a sí mismo.
mismo
Este comportamiento recibe el nombre de caos.

Si representamos los puntos fijos estables, o los puntos Por encima de k=3.5699 el comportamiento es caótico, por
pertencientes a ciclos estables, en función de k, se puede lo que un continuo puntos corresponden a un mismo valor
ver que cada uno de los ciclos se bifurca en otro de periodo de k (la órbita ya no es periódica, y toma infinitos valores
doble que el original. de Nt).
Se puede apreciar la “autosemejanza” típica de las
estructuras fractales.
N∞,k
∞k N∞,k
∞k
Diagrama de bifurcación k Diagrama de bifurcación k
María E. Torres 15
UNER

Existen ventanas de comportamiento periódico en la zona Conclusión:
caótica. El exponente de Lyapunov predice éstas
haciéndose repentinamente negativo. Un sistema tan sencillo como el descripto por la
Las bifurcaciones se corresponden con los λk=0. ecuación logística puede presentar, bajo ciertas
condiciones, comportamiento caótico y estructura
fractal.
N∞,k
λk
k
Aplicaciones fisiológicas Aplicaciones fisiológicas

Desordenes cardiológicos y neurológicos también han
sido modelizados con ecuaciones discretas.
discretas Keener
1978- Mackey y Glass describieron varios desordenes (1981) e Ikeda et al (1983) presentan modelos de
respiratorios en los cuales los patrones de respiración arritmia basado en la interación del nodo sinoatrial con
eran “irregulares”. (Cheney-Stokes breathing, biot un marcapasos secundario en el ventrículo.
breathing and infant apnea parecen indicar algun tipo
de problema en el sistema de control que gobierna la
ventilación) Ìkeda N., Yoshizawa S and Sato T. Difference equation model of
ventricular pparsystole
y as an interaction between cardiac
pacemakers based on the phase response curve. J. Theor. Biol.,
Glass L. And Mackey, MC. Pathological conditions resulting from instabilities in 103, 439-465. (1983)
physiological control systems, Ann. NY Acad. Sci., 316, 214-235, 1979.
Keener JP. Chaotic cardiac dynamics. Pp 299-325 in FC
Hoppenstaedt, ed. In Mathematical aspects of physiology. AMS,
1981.
María E. Torres 16
UNER
Aplicaciones fisiológicas (Cont.) EEG epiléptico
Colectivamente, los desordenes fisiológicos en los cuales un

Colectivamente
adecuado sistema de control se vuelve inestable han sido
denominados “enfermedades dinámicas”.
Modelos muy sencillos han demostrado que estos

fenómenos pueden surgir espontáneamente cuando uno o
varios parámetros del sistema son apenas sacados del
umbral de los puntos de bifurcación.
bifurcación
EEG epiléptico. Atractores extraños Caos en sistemas continuos

Las ecuaciones de Lorenz
σ : número de Prandtl number
r: número de Rayleigh number.
σ, r, b > 0,
Usualmente: σ = 10, b = 8/3 y r cambia.
Comportamiento caótico para r = 28
Pero posee orbitas periodicas para otros valores de r
(Ejemplo: r = 99.96 es un T(3,2) torus knot).
Sensible dependencia con las condiciones iniciales
Retrato de Fase 22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 68
María E. Torres 17
UNER
Datos caóticos vs. aleatorios Datos caóticos vs. aleatorios

Dificultad:
Los datos reales (series temporales o series de datos) no consisten 4. Calcular el error como la diferencia entre las evoluciones
en señal pura,
pura sino que están contaminadas con cierto grado de
ruido, aun cuando tan solo sea por errores de redondeo o de temporales del estado “test”y la del estado próximo.
ó
truncamiento.
Las series reales siempre contienen cierto grado de aleatoriedad o Sistema determinístico:
ruido.
Error se mantiene acotado y pequeño (estable o solución
regular)
Cómo distinguir procesos determinísticos de estocásticos? Error aumenta exponencialmente con el tiempo (caos).
Los procesos determinísticos siempre evolucionan de la misma forma
a partir de un punto inicial dato.
dato Sistema estocástico:
Error distribuido aleatoriamente.
Para testear determinismo:
1. Elegir un estado para testear; Casdagli, Martin. "Chaos and Deterministic versus Stochastic Non-linear Modelling", in:
Journal Royal Statistics Society: Series B, 54, nr. 2, 303-28, 1991.
2. Elegir una serie temporal para un estado similar o cercano;
3. Comparar sus evoluciones temporales respectivas.
Fractales en la naturaleza
“Las nubes no son esferas, las montañas no son
Fractales conos, y la luz no viaja en línea recta. La

complejidad de las estructuras de la naturaleza
difiere en tipo, no meramente en grado, de aquella
proveniente de las formas de la geometría
Introducción ordinaria”.
María E. Torres 18
UNER
Geometría Fractal Geometría Fractal

¾ Mandelbrot, B. B., "How long is the coast of Britain?
Statistical self-similarity and fractional dimension," Science
156 (1967), 636-638.
Mandelbrot, B., and Wallis, J., "Noah, Joseph and

Benoit Mandelbrot ¾
operational hydrology," Water Resources Research 4
(1968), 909-918.
1982
Mandelbrot, B. B.,
The Fractal Geometry of Nature,
Nature,
W. H. Freeman, San Francisco, 1982
La Geometría Fractal es Fractales Naturales

un nuevo lenguaje
Hoja de helecho
Que permite describir la estructura de objetos de Nieve
apariencia “compleja”
Arbol
María E. Torres 19
UNER
Paleontologia:
Otros Fractales Naturales Ammonite (Molusco Fósil)
Fósiles
Terremotos
Hongos
Moore's
Moore's Treatise on Invertebrate Paleontology.
Paleontology.
Geological Society of America, 1957.
Ríos
Montañas
Costas
Bacterias Fractales en Fisiología

Sistema respiratorio Sistema nervioso
Sistema circulatorio
Ofrecen instancias claras de

arquitectura
it t ffractal
t l
Ramas que se subdividen y se subdividen y se

http://classes.yale.edu/Fractals/Panorama/Biology/Bacteria/Bacteria3.html
subdividen ……
María E. Torres 20
UNER
Pulmones Pulmones de Mamíferos

Perro 2
Perro 1
PezMujer (Manatee)
Zoom 1
++ Zoom
Cerdo Dr. Robert Henry

22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 81 22/09/09 Modelizacion de Sist. Biol. _M.E. Torres University of Tennessee
82
Fractales en la naturaleza Fractales en la naturaleza

Montañas
fractales
“fractales” También es posible
modelizar mediante
geometría fractal
diversos procesos
naturales como, por
ejemplo, los procesos
erosivos sobre un
terreno.
María E. Torres 21
UNER
Hojas Fractales Característica común
Geométricamente
Autosimilares
Qué es un fractal? ¿Definición exacta?

Un fractal o un conjunto fractal posee Aún no existe acuerdo, sin embargo Falconer
detalles finos en todas las escalas.
escalas (1990) sugiere que es mejor utilizar el término
de manera relajada, para conjuntos,
El término fue acuñado por Mandelbrot, generalmente definidos por simple recursión que
del Latín fractus, que significa quebrado o presentan las siguientes propiedades:
fracturado.
Falconer, K, Fractal Geometry,

Chichester, Wiley, 1990
María E. Torres 22
UNER
Propiedades de un fractal Fractales en las Matemáticas

Posee
detalles en escalas arbitrariamente pequeñas Desde principios de siglo matemáticos como Cantor ,
irregularidades que no pueden ser descriptas Poincaré o Julia , se interesaron por el estudio de
por la geometría tradicional objetos extraños (monstruos matemáticos) que no
autosimilaridad, tal vez aproximada o de índole encajaban en las ideas de la geometría clásica.
estadística
una dimensión fractal no entera. Muchos de estos objetos se construían mediante
algoritmos iterativos, partiendo de un “iniciador”y
aplicando reiterativamente un conjunto de
transformaciones.
Fractales en las Matemáticas Unfolding fern o Barnsley fern

(Helecho)
De esta forma se pueden
definir gran cantidad de
objetos matemáticos con
propiedades comunes, como
la autosemejanza .
Curva de von Koch
Veamos como se produce

Triángulo de Sierpinsky Longitud infinita encerrada en un área finita!!!!
María E. Torres 23
UNER
Sierpinsky Gasket - Iteraciones Chaos game

Juego de caos (Michael Barnsley, 1993)
Se refiere
refiere, en su versión original a un método para construir fractels
usando:
1. Un polígono
2. Y un punto elegido aleatoriamente dentro de él.
El fractal se crea encontrando un punto a una fracción dada de
distancia entre los puntos anteriores y uno de los vértices, elegidos
al azar,, e iterando este procedimiento
p un gran
g numero de veces.
Usando un triangulo y un factor ½ se tiene el triángulo de Sierpinski

Barnsley, Michael (1993). Fractals Everywhere. Morgan Kaufmann
Weisstein, Eric W., "Chaos Game”
Triángulo de Sierpinsky y Fractales:

el juego del caos El conjunto de Mandelbrot
Si consideramos ahora iteraciones
de la función z2+c,
+c para distintos
valores de c (complejo).
Y graficamos aquellos valores de c
donde la órbita está acotada.
Encontramos un objeto que posee
estructura a cualquier escala y
contiene copias de sí mismo.
http://math.bu.edu/DYSYS/applets/chaos-game_more.html
Agreguemos ahora rotaciones

María E. Torres 24
UNER
Formalización del concepto de

Fractal ¿Cuál es el largo de la
La geometría fractal permite estudiar fenómenos
costa de Gran Bretaña?

irregulares que no pueden ser caracterizados con las
teorías geométricas clásicas.
Invarianza a cambios de escala: Misma estructura
(determinista o estadística) a cualquier escala.
Dimensión fractal
La dimensión fractal La dimensión fractal

El concepto de dimensión euclídea asigna un número natural a los
distintos objetos geométricos que pueden definirse en un espacio
El desarrollo de la geometría fractal ha permitido obtener dado.
parámetros cuantitativos para definir el “grado de Este concepto de dimensión tiene diversas interpretaciones
irregularidad” de un determinado objeto. intuitivas como: el número de parámetros necesarios para definir
un objeto.
Uno de los parámetros más representativos es el de

dimensión fractal, una generalización de la dimensión
euclídea
líd para objetos
bj autosemejantes.
j
María E. Torres 25
UNER
La dimensión fractal La dimensión fractal

Otra forma: Si partimos de un segmento de longitud 1, y lo De todo esto podemos generalizar que la dimensión de un objeto
partimos en segmentos de longitud L obtendremos N(L) partes, de geométrico es el número D que cumple:
manera que N(L).L
N(L) L1 = 1,
1 cualquiera
l i que sea L.
L N(L).LD = 1, y D = log(N(L))/log(1/L)
donde N(L) es el número de objetos elementales, o de unidades,
de tamaño L que recubren el objeto.
Si el objeto inicial es un cuadrado de superficie 1, y lo
comparamos con unidades cuadradas, cuyo lado tenga de longitud Ejemplo:
L, el número de unidades que es necesario para recubrirlo N(L), Al reducir la escala de la curva de
cumple N(L).L2 = 1.
Koch a 1/3, nos encontramos con
que se descompone
d en 4 partes.
t
D = log 4 / log 3 = 1, 2618. . .
La dimensión fractal Ejercicios

Otros ejemplos: Construya el Triangulo de Sierpinsky
estocástico y el determinístico.
determinístico
Calcule la dimensión fractal del conjunto
de Cantor.
María E. Torres 26
UNER
Otras dimensiones fractales Otras dimensiones fractales (Cont.)

La dimensión fractal de un conjunto infinito de puntos en Rn
es un número no entero, menor que n, de la extensión para
la cual los puntos cubren el espacio.
Una tercer medida es la dimensión de información, una
Entre las numerosas definiciones para determinar esta especie de dimensión no entera en la cual puntos en un
medida, una de las más útiles es la dimensión de conjunto con dinámica invariante son pesados de acuerdo a
capacidad. sus probabilidades relativas de ocurrencia en una
trayectoria típica larga.
Una medida más matemática es la dimensión de
Hausdorff, qque con frecuencia es igual
g a la dimensión de
capacidad.
Dimensión de capacidad ¿Cómo construyo un modelo fractal

(Box dimension) o caótico?
• N(ε ) cubos de lado ε necesario para cubrir un objeto en R3
Ejemplo:
1)) Detecto si el fenómeno
• N(ε )=1 para cubrir un punto => N(ε )= o( ε0) posee estas
características.
• Para cubrir un segmento de longitud L: N(ε)= L/ ε = o(ε-1).
2) Recojo datos
• Para cubrir una superficie de área A: N(ε)= A/ ε2 = o(ε-2). experimentales.
3) “Armo” mi modelo.
4) Soluciono el Problema
Definimos la Dimensión de Capacidad, d, tal que N(ε) = o(ε-d), siendo Inverso con Algoritmos
Evolutivos
Evolutivos.
La complejidad de los problemas
hace que, en la práctica, pueda ser
d = lim log( N (ε )) / log(1 / ε ) necesario utilizar algún tipo de
ε →0 estrategia híbrida para resolverlos.
María E. Torres 27
UNER
Bibliografía
Cambel, A. B., “Applied Chaos Theory”. -- Washington:
Academic Press, 1993.
Wi i
Wiggins, St
Stephen,
h “I
“Introduction
t d ti tto applied
li d nonlinear
li
dynamical systems and chaos”. -- New York: Springer-
Verlag, 1990.
Drazin, P.G., “Nonlinear systems”. -- Cambridge:
Cambridge University Press, 1992. -- (Cambridge texts in
applied mathematics)
Verhulst, Ferdinand, “Nonlinear differential equations and
dynamical systems”. -- New York : Springer-Verlag, 1990.
Mandelbrot, Benoit B., “The fractal geometry of nature”. --
New York : W.
W H.H Freeman,
Freeman 1982.
1982
Peitgen, H. O. - Ritcher, P. H., “The beauty of fractals:
images of complex dynamical systems”. -- New York :
Springer Verlag, 1986.
Thompson, J.M. And Bishop, S.R, “Nonlinearity and Chaos
in Engineering dynamics” , Wiley, 1993.
Sprott's Fractal Gallery
María E. Torres 28

Caos 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Caos 1

Cargado por

Copyright:

Formatos disponibles

Modelización de Sistemas Biologicos - Bioinformática - FI- 2009

Sistemas no lineales, caos Organización - 2003

22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 2

Contenido Objetivos Generales

¾ Existencia de comportamiento caótico.  Diferenciar sistemas caóticos de aleatorios.

¾ Bifurcaciones.  Comprender la relación que une el caos con los

Complejidad Complejidad y caos

 Sustentabilidad y ecología  En cierto modo han adquirido

 Arquitectura del software

¿Quién creo el caos? Orígenes de la Teoría de caos.

- El ingeniero civil interrumpió y dijo: “Pero incluso antes, en el Génesis, se dice

Robert May Introducción: estabilidad

Introducción: caos Introducción: orden

 La teoría del caos retoma estos últimos casos:

Del orden al caos: Bifurcaciones

 Cuando variamos este parámetro encontramos que existe un

22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 13

Ecuaciones en recurrencia Con la calculadora...

donde k es algún parámetro de la función F.

 Dicha serie de números recibe el nombre de órbita, y el

Iteraciones Transformaciones iteradas

Atractor o punto fijo estable Puntos fijos inestables

 Para t → ∞ la salida del

En este caso, el punto fijo del diagrama de recurrencia se corresponde con un

Condición de estabilidad Condición de estabilidad

Ejercicio propuesto Nº 1 Ejercicio propuesto Nº 2

( Robert May, 1976.)

Mas allá de r =3 Y mas allá?

Un modelo de epilepsia (EDO) Complejidad en EEG: Caos tipo Sil’nikov

• Las señales de EEG cumplen con la condición de Sil' nikov

• Para a ≠ 0, μ = 0.65, ε = 0.55 y b = 0.65,

22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 27

Modelo de Sil’ nikov (Atractor extraño)

Y para cualquier valor positivo t, f(t, a) es el resultado de la

Definiciones (II) Observaciones (Atractor)

Tipos de atractor Conjunto de Cantor

 Atractores simples: punto fijo y el ciclo límite

Transformación Horseshoe Atractor extraño

 Los atractores extraños son generalmente diferenciables en varias

 Examplos de atractores extraños: atractor de Henón, atractor de ,

Movimientos caóticos y su identificación Exponentes de Lyapunov

 Es por esto que en la práctica se hace imposible predecir el

Exponentes de Lyapunov Exponentes de Lyapunov

⎪⎧ 1 dFk (x0 ) ⎫⎪ ⎧1 ⎫  Para atractores extraños encontramos que λk>0 y las

⎧ 1 n−1 ⎫  Siendo Fk ' ( x N ) = 1 cuando ocurre una bifurcación

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

Ejemplo: la ecuación logística ¿Que pasa cuando

 Este modelo demográfico simple de tiempo discreto

22/09/09 Modelizacion de Sist. Biol. _M.E. Torres 47

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

 la vida no aparece espontáneamente de la nada, pero si

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

 Para Nt(2) en k=3 tenemos

−1 < Fk '( N t (1)

 Así en k=3 se produce la

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

 Este comportamiento estable puede observarse en algunas

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

 En cada bifurcación, el sistema sufre un cambio drástico en

 Para k > 3.5699 el sistema ya no sigue un ciclo periódico,

 Este comportamiento recibe el nombre de caos.

Ejemplo: la ecuación logística Ejemplo: la ecuación logística

¾ Existencia de comportamiento caótico. Diferenciar sistemas caóticos de aleatorios.

¾ Bifurcaciones. Comprender la relación que une el caos con los

Sustentabilidad y ecología En cierto modo han adquirido

Arquitectura del software

La teoría del caos retoma estos últimos casos:

Cuando variamos este parámetro encontramos que existe un

Dicha serie de números recibe el nombre de órbita, y el

Para t → ∞ la salida del

Atractores simples: punto fijo y el ciclo límite

Los atractores extraños son generalmente diferenciables en varias

Examplos de atractores extraños: atractor de Henón, atractor de ,

Es por esto que en la práctica se hace imposible predecir el

⎪⎧ 1 dFk (x0 ) ⎫⎪ ⎧1 ⎫ Para atractores extraños encontramos que λk>0 y las

⎧ 1 n−1 ⎫ Siendo Fk ' ( x N ) = 1 cuando ocurre una bifurcación

Este modelo demográfico simple de tiempo discreto

la vida no aparece espontáneamente de la nada, pero si

Para Nt(2) en k=3 tenemos

Así en k=3 se produce la

Este comportamiento estable puede observarse en algunas

En cada bifurcación, el sistema sufre un cambio drástico en

Para k > 3.5699 el sistema ya no sigue un ciclo periódico,

Este comportamiento recibe el nombre de caos.

Colectivamente, los desordenes fisiológicos en los cuales un

Modelos muy sencillos han demostrado que estos

Uno de los parámetros más representativos es el de