Teor�a del caos

Ir a la navegaci�nIr a la b�squeda
Para otros usos del t�rmino caos, v�ase Caos (desambiguaci�n).

Diagrama de la trayectoria del sistema de Lorenz para los valores r = 28, s = 10, b
= 8/3.

El p�ndulo doble es uno de los sistemas ca�ticos m�s simples que existen. Se
observa su trayectoria irregular, adem�s dando al p�ndulo una posici�n inicial
ligeramente diferente se obtiene una trayectoria completamente diferente pasado un
tiempo.
La teor�a del caos es la rama de las matem�ticas, la f�sica y otras ciencias
(biolog�a, meteorolog�a, econom�a, entre otras) que trata ciertos tipos de sistemas
complejos y sistemas din�micos no lineales muy sensibles a las variaciones en las
condiciones iniciales. Peque�as variaciones en dichas condiciones iniciales pueden
implicar grandes diferencias en el comportamiento futuro, imposibilitando la
predicci�n a largo plazo. Esto sucede aunque estos sistemas son en rigor
deterministas, es decir; su comportamiento puede ser completamente determinado
conociendo sus condiciones iniciales.

�ndice
1 Definici�n
2 Clasificaci�n de los sistemas
3 Caos determinista
3.1 Definici�n de caos y atractores
3.2 La importancia de la no linealidad en dimensi�n finita
3.3 Divergencia exponencial de trayectorias cercanas
3.4 Atractores
3.4.1 Ejemplos de atractores
3.4.2 Atractores extra�os
3.4.3 Algo m�s de atractores
3.5 Transformaci�n del panadero
4 Breve historia
4.1 El determinismo laplaciano
4.2 El cuestionamiento de Poincar�
4.3 El aporte de Lorenz
4.4 Ecuaciones de Lorenz
5 Aplicaciones
5.1 En meteorolog�a
5.2 En medicina
6 V�ase tambi�n
7 Referencias
7.1 Bibliograf�a
8 Enlaces externos
Definici�n
La teor�a del caos explica que el resultado de algo depende de distintas variables
y que es imposible de predecir. Por ejemplo, si colocamos un huevo en la c�spide de
una pir�mide no sabremos hacia d�nde caer�.

Clasificaci�n de los sistemas

Los sistemas din�micos se pueden clasificar b�sicamente en:

Estables, cuando dos soluciones con condiciones iniciales suficientemente cercanas

siguen siendo cercanas a lo largo del tiempo. As�, un sistema estable tiende a lo
largo del tiempo a un punto, u �rbita, seg�n su dimensi�n (atractor o sumidero).
Inestables, cuando dos soluciones con condiciones iniciales diferentes acaban
divergiendo por peque�as que sean las condiciones iniciales. As� un sistema
inestable "escapa" de los atractores.
Ca�ticos, cuando el sistema no es inestable y si bien dos soluciones se mantienen a
una distancia "finita" cercana a un atractor del sistema din�mico, las soluciones
se mueven en torno al atractor de manera irregular y pasado el tiempo ambas
soluciones no son cercanas, si bien suelen ser cualitativamente similares. 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 principales caracter�sticas tanto de los sistemas inestables como los
ca�ticos es que tienen una gran dependencia de las condiciones iniciales (esto
diferencia a ambos tipos de los sistemas estables). De un sistema del que se
conocen sus ecuaciones de evoluci�n temporal caracter�sticas, y con unas
condiciones iniciales fijas, se puede conocer exactamente su evoluci�n en el
tiempo. Pero en el caso de los sistemas ca�ticos, una m�nima diferencia en esas
condiciones hace que el sistema evolucione de manera totalmente distinta. Ejemplos
de tales sistemas incluyen el Sistema Solar, las placas tect�nicas, los fluidos en
r�gimen turbulento y los crecimientos de poblaci�n.1?

Caos determinista
El caos determinista comprende una serie de fen�menos encontrados en la teor�a de
sistemas din�micos, la teor�a de ecuaciones diferenciales y la mec�nica cl�sica. En
t�rminos generales el caos determinista da lugar a trayectorias asociadas a la
evoluci�n temporal de forma muy irregular y aparentemente azarosa que sin embargo
son totalmente deterministas, a diferencia del azar genuino. La irregularidad de
las trayectorias est� asociada a la imposibilidad pr�ctica de predecir la evoluci�n
futura del sistema, aunque esta evoluci�n sea totalmente determinista.

Definici�n de caos y atractores

No hay una definici�n universal sobre el caos, pero hay tres ingredientes en los
que todos los cient�ficos est�n de acuerdo:

Movimiento oscilante. Las trayectorias no se ajustan a un punto fijo, �rbita

peri�dica u �rbita cuasiperi�dica cuando {\displaystyle t\rightarrow \infty }
t\rightarrow \infty .
Determinismo. El sistema no es azaroso sino determinista. El comportamiento
irregular, en dimensi�n finita, surge de la no linealidad. Por eso se define como
determinista.
Sensibilidad a las condiciones. Las trayectorias que comienzan cerca, con el tiempo
se separan exponencialmente. Es decir, condiciones iniciales muy similares acaban
dando lugar a comportamientos diferentes pasado un tiempo suficientemente largo.
Los sistemas ca�ticos t�picamente se caracterizan por ser modelizables mediante un
sistema din�mico que posee un atractor. Para definir propiamente un atractor hay
que recurrir a tecnicismos, y es dif�cil dar una idea intuitiva sin ellos. En una
primera aproximaci�n puede decirse que un atractor es un conjunto en el que todas
las trayectorias cercanas convergen. Los puntos fijos y c�rculos l�mite son un
ejemplo de ello. Al igual que en la definici�n del caos, hay 3 ingredientes
universales:

Cualquier trayectoria que est� en un atractor, estar� en �l para {\displaystyle

t\rightarrow \infty } t\rightarrow \infty .
Atraen un conjunto de condiciones iniciales. El conjunto lo componen las
condiciones iniciales de su trayectoria que acabe en el atractor cuando
{\displaystyle t\rightarrow \infty } t\rightarrow \infty .
No existen condiciones iniciales que satisfagan las dos reglas anteriores.
Dentro de los atractores se define como atractor extra�o o ca�tico cuando el
atractor exhibe dependencia sensible con las condiciones iniciales.

La importancia de la no linealidad en dimensi�n finita

Art�culo principal: No linealidad
Hay dos importantes tipos de sistemas din�micos: las ecuaciones diferenciales y los
sistemas iterativos de funciones. Las ecuaciones diferenciales describen la
evoluci�n de un sistema a tiempo real y los mapas iterados evolucionan en problemas
donde el tiempo es discreto. Ambos son �tiles para dar ejemplos del caos y tambi�n
para analizar soluciones peri�dicas o ca�ticas de las ecuaciones diferenciales.

Se dice que un sistema es no lineal cuando la potencia de las variables de ese

sistema es diferente a uno, hay productos entre diferentes variables o funciones de
las variables, por ejemplo:

{\displaystyle x_{1}^{2}} x_{1}^{2}, {\displaystyle x_{1}\cdot \;x_{2}}

x_{1}\cdot \;x_{2}, {\displaystyle \cos {x_{2}}} \cos {x_{2}}

La mayor�a de sistemas no lineales son anal�ticamente irresolubles. En estos casos

se puede lograr alguna soluci�n haciendo una aproximaci�n, pero se pierden
soluciones f�sicas. La raz�n de que las ecuaciones lineales sean m�s f�ciles de
analizar es que los sistemas lineales se pueden separar en partes, resolver cada
una de ellas y juntar las soluciones para obtener la soluci�n final. El hecho es
que muchas cosas en la naturaleza act�an de forma no lineal.

La importancia que tienen los sistemas en el caos es el siguiente: se dice que un

sistema din�mico es no sensible cuando peque�os cambios en las condiciones
iniciales del sistema no originan grandes cambios en el proceso y resultado final
del mismo.

Divergencia exponencial de trayectorias cercanas

Tiempo de horizonte. Exponente de Lyapunov.

Los atractores exhiben una dependencia sensible de las condiciones iniciales. Esto
significa que dos trayectorias que comienzan cerca una de la otra divergen, y cada
una tendr� un futuro totalmente diferente de la otra. Haciendo estudios num�ricos
de los atractores extra�os se puede encontrar la siguiente proporci�n:

{\displaystyle {\begin{matrix}\|\delta \|\approx \|\delta _{0}\|e^{\lambda

t}\end{matrix}}} {\begin{matrix}\|\delta \|\approx \|\delta _{0}\|e^{{\lambda
t}}\end{matrix}}

donde {\displaystyle \delta (t)} \delta (t) es el vector que separa 2 trayectorias,
{\displaystyle \delta _{0}} \delta _{0} es la separaci�n inicial y
{\displaystyle \lambda } \lambda es el exponente Lyapunov. Cuando el sistema tiene
un exponente de Lyapunov positivo ( {\displaystyle \lambda >0} \lambda >0), se
encuentra un tiempo de horizonte donde la predicci�n deja de ser v�lida. Si se toma
{\displaystyle a} a como el valor m�ximo de la distancia aceptable entre dos
trayectorias (la predicci�n ser� intolerable cuando {\displaystyle \|\delta
(t)\|\geq a} {\displaystyle \|\delta (t)\|\geq a}), entonces el tiempo de horizonte
se define como

{\displaystyle t_{horizon}\approx {\frac {1}{\lambda }}\ln {\frac {a}{\|\delta

_{0}\|}}} {\displaystyle t_{horizon}\approx {\frac {1}{\lambda }}\ln {\frac {a}
{\|\delta _{0}\|}}}

Lo peor del tiempo de horizonte es que, por mucho que se minimice la separaci�n
inicial, no lograr� ser mucho m�s grande. Esto es, aunque se logre una precisi�n
muy buena, el incremento del tiempo de horizonte que se logra ser� insignificante
comparado con la disminuci�n de {\displaystyle \delta _{0}} \delta _{0}. Por esto,
Edward Lorenz dijo que era tan dif�cil predecir el tiempo. Este obst�culo de la
predicci�n se conoce con el nombre efecto mariposa por una charla de Lorenz con el
t�tulo "�Puede el batir de las alas de una mariposa en Brasil dar lugar a un
tornado en Texas?".

La sensibilidad a las condiciones es tan extremadamente exagerada que, aparte del

provocativo t�tulo de la charla de Lorenz, se encuentran otras frases como,

Por perder un clavo, el caballo perdi� la herradura, el jinete perdi� al caballo,

el jinete no combati�, la batalla se perdi�, y con ella perdimos el reino.

Si se dibuja una gr�fica con los ejes {\displaystyle \ln {||\delta ||}} \ln
{||\delta ||} y {\displaystyle t} t, se observa que para un corto plazo de
{\displaystyle t} t, la funci�n se mueve alrededor de una pendiente. El valor de
esta pendiente equivale al exponente de Lyapunov. Como se observa en el ejemplo de
abajo, despu�s de un tiempo la funci�n no contin�a cerca de la pendiente. Esto es
debido a que, como el atractor est� acotado en un espacio del espacio de fases, la
distancia no puede aumentar hasta el infinito.

Atractores
Art�culo principal: Atractor

Modelo matem�tico.
El comportamiento o movimiento en un sistema din�mico puede representarse sobre el
espacio de fases. Los diagramas de fases no muestran una trayectoria bien definida,
sino que �sta es errabunda alrededor de alg�n movimiento bien definido. Cuando esto
sucede se dice que el sistema es atra�do hacia un tipo de movimiento, es decir, que
hay un atractor.

Al hablar de atractores no se hace referencia �nica y exclusivamente a los

atractores ca�ticos, ya que antes de que apareciera el caos se conoc�an otros tipos
de atractores. De acuerdo a la forma en que sus trayectorias evolucionen, los
atractores pueden ser clasificados como:

Atractor de punto fijo: Corresponde al m�s simple, el sistema que tenga un atractor
de punto fijo tender� a estabilizarse en un �nico punto. Un ejemplo com�n es el
p�ndulo, que tiende al punto en el que el �ngulo es nulo respecto a la vertical,
debido al rozamiento con el aire.
Atractor de ciclo l�mite o atractor peri�dico: Es el segundo tipo de atractor m�s
sencillo. Este tipo de atractor tiende a mantenerse en un periodo igual para
siempre. Como ejemplo, se puede tomar un p�ndulo alimentado para contrarrestar la
fuerza de rozamiento, por lo que oscilar�a de lado a lado.
Atractor ca�tico: Aparece en sistemas no lineales que tienen una gran sensibilidad
a las condiciones. Un famoso ejemplo de estos atractores es el atractor de Lorenz.
Estos nombres se relacionan exactamente con el tipo de movimiento que provocan en
los sistemas. Un atractor peri�dico, por ejemplo, puede guiar el movimiento de un
p�ndulo en oscilaciones peri�dicas; sin embargo, el p�ndulo seguir� trayectorias
err�ticas alrededor de estas oscilaciones debidas a otros factores menores no
considerados.

Ejemplos de atractores
Se ver� una introducci�n de estos distintos tipos de atractores con un modelo
matem�tico muy usado para explicar el caos. Consiste en una varilla de acero con un
extremo fijado a un soporte y el otro libre para oscilar entre dos imanes colocados
sim�tricamente. El soporte de la varilla se halla sometido a una fuerza arm�nica
{\displaystyle F=f\cos {\omega t}} F=f\cos {\omega t}, como se observa en la figura
del modelo matem�tico.

Es f�cilmente observable que cuando la varilla est� en posici�n vertical, hay un

punto de equilibrio inestable entre dos puntos de equilibrio estables situados
sim�tricamente. El potencial de este sistema es

{\displaystyle {\begin{matrix}V(x)=-{\frac {1}{4}}x^{2}(2-x^{2})\end{matrix}}}

{\begin{matrix}V(x)=-{\frac {1}{4}}x^{2}(2-x^{2})\end{matrix}}
de modo que la ecuaci�n de movimiento ser�,

{\displaystyle {\begin{matrix}{\ddot {x}}=-V'(x)=x-x^{3}\end{matrix}}}

{\begin{matrix}{\ddot {x}}=-V'(x)=x-x^{3}\end{matrix}}

Si ahora se agrega una fuerza de rozamiento del aire proporcional a la velocidad (-

{\displaystyle \gamma {\dot {x}}} \gamma {\dot {x}}) y una fuerza externa
arm�nica, se logra la ecuaci�n de Duffing:

{\displaystyle {\begin{matrix}{\ddot {x}}+\gamma {\dot {x}}-x+x^{3}=f\cos {\omega

t}\end{matrix}}} {\begin{matrix}{\ddot {x}}+\gamma {\dot {x}}-x+x^{3}=f\cos
{\omega t}\end{matrix}}
A continuaci�n se ve c�mo el t�rmino no lineal {\displaystyle x^{3}} x^{3} tiene
consecuencias din�micas asombrosas.

CaosDI5.JPG CaosDI6.JPG
? = 0, f = 0.
? = 0.2, f = 0.
Suponiendo que inicialmente no se tiene fricci�n ( {\displaystyle \gamma =0} \gamma
=0) ni fuerza externa ( {\displaystyle f=0} f=0), el sistema es conservativo y se
tendr� una integral primera que proporciona las trayectorias en el espacio de fases
{\displaystyle (x,{\dot {x}})} (x,{\dot {x}}):

{\displaystyle {\begin{matrix}{\frac {1}{2}}{\dot {x}}^{2}-{\frac {1}{4}}x^{2}(2-

x^{2})=E\end{matrix}}} {\begin{matrix}{\frac {1}{2}}{\dot {x}}^{2}-{\frac {1}
{4}}x^{2}(2-x^{2})=E\end{matrix}}
En los m�nimos de la energ�a potencial se observa que los puntos son estables
mientras que el m�ximo corresponde a un punto de silla inestable. Las trayectorias
de energ�a nula son �rbitas homocl�nicas que se hallan tanto en la variedad estable
como en la inestable. Las dem�s trayectorias corresponden a oscilaciones peri�dicas
cuyas �rbitas encierran un solo punto estable ( {\displaystyle E<0} E<0) o ambos
( {\displaystyle E>0} E>0).

Si ahora se tiene en cuenta el rozamiento, se obtendr�n oscilaciones amortiguadas,

por lo que es l�gico pensar que el sistema perder� energ�a mon�tonamente, mientras
el tiempo transcurra. En consecuencia, las trayectorias tender�n a uno de los
atractores de punto fijo.

Si ahora, adem�s del rozamiento, se introduce una fuerza externa arm�nica que
contrarresta a la fuerza de rozamiento, el sistema ya no tender� al equilibrio. Al
ser una fuerza arm�nica se encuentran soluciones peri�dicas (ciclos l�mite), pero
nada que ver con los periodos de los que se habla cuando el sistema es conservativo
( {\displaystyle \gamma =f=0} \gamma =f=0). En este caso los periodos son
independientes de la energ�a por la fuerza de rozamiento y la arm�nica, as� que los
periodos dependen de la fuerza arm�nica externa.

Al aumentar la fuerza externa ( {\displaystyle f=0.3} f=0.3), las �rbitas

peri�dicas desaparecen y oscilan sin cesar sin ninguna regularidad. Adem�s de la
irregularidad del sistema, este exhibe una gran sensibilidad a las condiciones
iniciales por lo que nos encontramos ante un atractor extra�o (o ca�tico).

En conclusi�n, para que haya caos en dimensi�n finita se necesita que se cumplan
los siguientes 3 puntos en un sistema:

El sistema debe ser no lineal.

El sistema debe tener m�nimo 3 variables (puede ser por ejemplo de 2 variables y no
aut�nomo).
El sistema debe tener dependencia sensible a las condiciones iniciales.
CaosDI8.JPG CaosDI7.JPG
? = 0.2, f = 0.3.
? = 0.2, f = 0.23.
Cuando el modelo matem�tico ten�a {\displaystyle f=0} f=0 era un sistema no lineal,
pero al introducir {\displaystyle f=0.23} f=0.23 se logra la tercera variable, el
tiempo. Aunque no ten�a dependencia a las condiciones iniciales. Por eso se ha de
remarcar que el caos implica que el sistema sea de 3 o m�s variables, pero 3 o m�s
variables no implican que haya caos.

Una manera de visualizar el movimiento ca�tico, o cualquier tipo de movimiento, es

hacer un diagrama de fases del movimiento. En tal diagrama el tiempo est� impl�cito
y cada eje representa una dimensi�n del estado. Por ejemplo, un sistema en reposo
ser� dibujado como un punto, y un sistema en movimiento peri�dico ser� dibujado
como un c�rculo.

Atractores extra�os
La mayor�a de los tipos de movimientos mencionados en la teor�a anterior suceden
alrededor de atractores muy simples, tales como puntos y curvas circulares llamadas
ciclos l�mite. En cambio, el movimiento ca�tico est� ligado a lo que se conoce como
atractores extra�os, que pueden llegar a tener una enorme complejidad como, por
ejemplo, el modelo tridimensional del sistema clim�tico de Lorenz, que lleva al
famoso atractor de Lorenz. El atractor de Lorenz es, quiz�, uno de los diagramas de
sistemas ca�ticos m�s conocidos, no s�lo porque fue uno de los primeros, sino
tambi�n porque es uno de los m�s complejos y peculiares, pues desenvuelve una forma
particular, parecida a las alas de una mariposa.

Los atractores extra�os est�n presentes tanto en los sistemas continuos din�micos
(tales como el sistema de Lorenz) como en algunos sistemas discretos (por ejemplo,
la aplicaci�n de H�non). Otros sistemas din�micos discretos tienen una estructura
repelente, de tipo conjunto de Julia, la cual se forma en el l�mite entre las
cuencas de dos puntos de atracci�n fijos. Julia puede ser sin embargo un atractor
extra�o. Ambos, atractores extra�os y atractores tipo conjunto de Julia, tienen
t�picamente una estructura de fractal.

El teorema de Poincar�-Bendixson muestra que un atractor extra�o s�lo puede

presentarse como un sistema continuo din�mico si tiene tres o m�s dimensiones. Sin
embargo, tal restricci�n no se aplica a los sistemas discretos, los cuales pueden
exhibir atractores extra�os en dos o incluso una dimensi�n.

Algo m�s de atractores

Los atractores extra�os son curvas del espacio de fases que describen la
trayectoria el�ptica de un sistema en movimiento ca�tico. Un sistema con estas
caracter�sticas es impredecible, conocer su configuraci�n en un momento dado no
permite predecirla con certeza en un momento posterior. De todos modos, el
movimiento no es absolutamente aleatorio.

En la mayor�a de sistemas din�micos se encuentran elementos que permiten un tipo de

movimiento repetitivo y, a veces, geom�tricamente 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 �rbitas que
lleguen a establecer los atractores. Por ejemplo, es posible ver y de cierta manera
prever la trayectoria de un sat�lite 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.

Transformaci�n del panadero

Atractor de R�ssler.
En los atractores extra�os se observan �rbitas irregulares, que las trayectorias
divergen exponencialmente y que permanecen en un espacio de fases acotado. Para
explicar estas propiedades se usar� la transformaci�n del panadero que consiste en
un doble proceso de estirar y plegar.

Este doble proceso de estirar (para separar exponencialmente las trayectorias) y

plegar (para que la regi�n del espacio de fases se mantenga acotado) es un
mecanismo fundamental del caos determinista. A este proceso se le denomina
transformaci�n del panadero, porque el proceso de homogeneizar la masa consiste
tambi�n en estirar (para homogeneizar) y plegar (para tener unas dimensiones
manejables) la masa repetidas veces.

Al repetir infinitas veces el proceso, se logran infinitas capas que le dan al

atractor una estructura fractal. Un ejemplo de esto se puede apreciar en el
atractor de R�ssler. Viendo el gr�fico se observa c�mo en el n�mero 1 se estira y
en el 3 se pliega. Cogiendo el 3 y volviendo a aplicar el proceso, se obtiene el
doble de capas.

Otro ejemplo para explicar la trasformaci�n es la ecuaci�n de Duffing. En este caso

como {\displaystyle f\neq 0} f\neq 0 el espacio de fases es tridimensional. Pero al
aparecer {\displaystyle t} t en un coseno, una dimensi�n es c�clica, por lo que
para visualizar el atractor se considera una secci�n estrobosc�pica para valores
{\displaystyle t=t_{0}+2n\pi } t=t_{0}+2n\pi , ( {\displaystyle n=0,1,...)}
n=0,1,...).

En el siguiente dibujo hay 16 secciones por lo que {\displaystyle t_{0}=(k-1)\pi /

8} t_{0}=(k-1)\pi /8, ( {\displaystyle k=1,2,...,16} k=1,2,...,16)

Secciones estrobosc�picas del atractor de Duffing: mirando con atenci�n el gr�fico,

se ve claramente la transformaci�n del panadero. Esto es, se aprecia c�mo a la vez
que se estira se pliega sobre s� mismo.
Breve historia
El caos y los fractales son parte de un tema m�s amplio, la din�mica, rama de la
f�sica que empez� a mediados de 1600 cuando Isaac Newton descubri� las ecuaciones
diferenciales, las leyes de movimiento y la gravitaci�n general. Con estos
elementos Newton resolvi� problemas de dos cuerpos que interact�an por medio de la
gravedad pero, lo que de verdad le llamaba la atenci�n era el movimiento de la Luna
y su generalizaci�n conocida con el nombre de problema de los tres cuerpos. Las
siguientes generaciones de matem�ticos y f�sicos trataron problemas de tres cuerpos
y notaron que resultaban mucho m�s dif�ciles que los problemas de dos cuerpos,
hasta el punto de darlos como imposibles.

El determinismo laplaciano
Art�culo principal: Determinismo cient�fico
En 1776 el matem�tico franc�s Pierre Simon de Laplace comenz� a publicar los 5
vol�menes del Trait� de M�canique C�leste, donde el autor afirmaba categ�ricamente
que, si se conociera la velocidad y la posici�n de todas las part�culas del
universo en un instante, se podr�a predecir su pasado y su futuro. Durante m�s de
100 a�os su afirmaci�n pareci� correcta y, por ello, se lleg� a la conclusi�n de
que el libre albedr�o no ten�a espacio en mec�nica cl�sica, ya que todo estaba
determinado por el estado del universo en un tiempo anterior.

El determinismo laplaciano consist�a en afirmar que, si se conocen las leyes que

gobiernan los fen�menos estudiados (y estas son deterministas como en mec�nica
cl�sica), se conocen las condiciones iniciales y se es capaz de calcular la
soluci�n, entonces se puede predecir con total certeza el futuro del sistema
estudiado.

El cuestionamiento de Poincar�
A finales del siglo XIX Henri Poincar� (1854-1912), matem�tico franc�s, introdujo
un nuevo punto de vista al preguntarse si el Sistema Solar ser�a estable para
siempre. Poincar� fue el primero en pensar en la posibilidad del caos, en el
sentido de un comportamiento que dependiera sensiblemente en las condiciones
iniciales. En 1903 Poincar� postulaba acerca de lo aleatorio y del azar en los
siguientes t�rminos:

El azar no es m�s que la medida de la ignorancia del hombre.

reconociendo, a la vez, la existencia de innumerables fen�menos que no eran

completamente aleatorios, sino que simplemente no respond�an a una din�mica lineal;
aquellos donde peque�os cambios en las condiciones iniciales conduc�an a enormes
cambios en el resultado.

Algunas propiedades identificadas por Poincar� y que hac�an imposible la predicci�n

a largo plazo se encontraron en la pr�ctica en sistemas f�sicos tales como el
clima, la sangre fluyendo a trav�s del coraz�n, las turbulencias, las formaciones
geol�gicas, los atascos de veh�culos, las epidemias, la bolsa y la forma en que las
flores florecen en un prado.

El aporte de Lorenz

Atractor de Lorenz.
El comienzo de la reciente historia del caos se sit�a en la d�cada de 1950 cuando
se inventaron los ordenadores y se desarrollaron algunas intuiciones sobre el
comportamiento de los sistemas no lineales. Esto es, cuando se vieron las primeras
gr�ficas sobre el comportamiento de estos sistemas mediante m�todos num�ricos. En
1963 Edward Lorenz trabajaba en unas ecuaciones, las mundialmente conocidas como
ecuaciones de Lorenz, que esperaba predijeran el tiempo en la atm�sfera, y trat�
mediante los ordenadores de ver gr�ficamente el comportamiento de sus ecuaciones.
Los ordenadores de aquella �poca eran muy lentos, por eso se dice que Lorenz fue a
tomar un t� mientras el ordenador hac�a los c�lculos, y cuando volvi� se encontr�
con una figura que ahora se conoce como atractor de Lorenz.

Pens� que se hab�a cometido alg�n error al ejecutar el programa y lo intent�

repetidas veces, logrando siempre el mismo resultado hasta que se dio cuenta de que
algo pasaba con el sistema de ecuaciones simplificado con el que estaba trabajando.
Despu�s de estudiar detenidamente el problema y hacer pruebas con diferentes
par�metros (tanto iniciales como las constantes del sistema), Lorenz lleg� a la
conclusi�n de que las simulaciones eran muy diferentes para condiciones iniciales
muy pr�ximas. Al llegar a la misma, record� que en el programa que �l hab�a creado
para su sistema de meteorolog�a con la computadora Royal McBee, se pod�an
introducir un m�ximo de 3 decimales para las condiciones iniciales, aunque el
programa trabajaba con 6 decimales y los 3 �ltimos decimales que faltaban se
introduc�an aleatoriamente. Lorenz public� sus descubrimientos en revistas de
meteorolog�a, pasando desapercibidos durante casi una d�cada.

La d�cada de 1970 fue el boom del caos. En 1971 David Ruelle y Floris Takens
propusieron una nueva teor�a para la turbulencia de fluidos basada en un atractor
extra�o. A�os despu�s el ec�logo te�rico Robert May en 1976 encontr� ejemplos de
caos en din�mica de poblaciones usando la ecuaci�n log�stica discreta. A
continuaci�n lleg� el m�s sorprendente descubrimiento de todos de la mano de
Feigenbaum. �l descubri� que hay un conjunto de leyes universales concretas que
diferencian la transici�n entre el comportamiento regular y el caos, por tanto, es
posible que dos sistemas evolucionen hacia un comportamiento ca�tico igual.

Ecuaciones de Lorenz
Art�culo principal: Atractor de Lorenz
El primer sistema de ecuaciones bien caracterizado que exhib�a comportamiento
ca�tico fue el sistema de ecuaciones propuesto por Lorenz:

{\displaystyle {\begin{matrix}{\dot {x}}&=&\sigma (y-x)\\{\dot {y}}&=&rx-y-xz\\

{\dot {z}}&=&xy-bz\end{matrix}}} {\begin{matrix}{\dot {x}}&=&\sigma (y-x)\\{\dot
{y}}&=&rx-y-xz\\{\dot {z}}&=&xy-bz\end{matrix}}

donde {\displaystyle \sigma } \sigma es el n�mero de Prandtl

(viscosidad/conductividad t�rmica), {\displaystyle r} r es el n�mero de Rayleigh
(John Strutt) (diferencia de temperatura entre base y tope) y {\displaystyle b} b
es la raz�n entre la longitud y altura del sistema.

Lorenz observ� dos cosas fundamentales que ocurr�an en su ecuaci�n:

Cualquier diferencia en las condiciones iniciales antes de los c�lculos, incluso

infinitesimal, cambiaba de forma dr�stica los resultados. Tan s�lo se pod�a
predecir el sistema por cortos per�odos. Llevando eso a la meteorolog�a, supon�a lo
que se llam� efecto mariposa, hipersensibilidad a las condiciones iniciales.
A pesar de lo anterior, la impredecibilidad del sistema, lejos de ser un
comportamiento al azar, ten�a una curiosa tendencia a evolucionar dentro de una
zona muy concreta del espacio de fases, situando una especie de pseudocentro de
gravedad de los comportamientos posibles.
Las ecuaciones de Lorenz fueron propuestas como un modelo muy simplificado de la
convecci�n en forma de anillos que parece ocurrir a veces en la atm�sfera
terrestre. Por ello, las tres magnitudes a las que Lorenz se refiere en su sistema
son,

{\displaystyle x\rightarrow } x\rightarrow Raz�n de rotaci�n del anillo.

{\displaystyle y\rightarrow } y\rightarrow Gradiente de temperatura.
{\displaystyle z\rightarrow } z\rightarrow Desviaci�n de la temperatura respecto a
su valor de equilibrio.
Lorenz descubri� que su sistema conten�a una din�mica extremadamente err�tica. Las
soluciones oscilaban irregularmente sin llegar a repetirse, aunque lo hac�an en una
regi�n acotada del espacio de fases. Vio que las trayectorias rondaban siempre
alrededor de lo que ahora se define como atractor extra�o. El sistema de Lorenz es
disipativo.

Aplicaciones
La teor�a del caos y la teor�a de sistemas din�micos cuentan actualmente con
numerosas aplicaciones tanto en ciencias naturales como en tecnolog�a y ciencias
sociales. Se han desarrollado aplicaciones pr�cticas en el campo del control, la
caracterizaci�n y el modelado de sistemas complejos. Durante las cuatro d�cadas que
siguieron a los a�os 1960 aument� mucho la literatura sobre los sistemas complejos
y la teor�a del caos, as� como las tem�ticas y aplicaciones alumbradas a ra�z de la
investigaci�n en dicho campo interdisciplinar.

En Teor�a del Caos, el tercer paradigma, se explica c�mo la estad�stica inferencial

trabaja con modelos aleatorios para crear series ca�ticas predictoras para el
estudio de eventos presumiblemente ca�ticos en las ciencias sociales.

En meteorolog�a
Art�culo principal: Efecto mariposa
El tiempo atmosf�rico, adem�s de ser un sistema din�mico, es muy sensible a los
cambios en las variables iniciales, es un sistema transitivo y tambi�n sus �rbitas
peri�dicas son densas, lo que hace del tiempo un sistema apropiado para trabajarlo
con matem�tica ca�tica. La precisi�n de las predicciones meteorol�gicas es
relativa, y los porcentajes anunciados tienen poco significado sin una descripci�n
detallada de los criterios empleados para juzgar la exactitud de una predicci�n.

Al final del siglo XX se ha vuelto com�n atribuirles una precisi�n de entre 80 y

85% en plazos de un d�a. Los modelos num�ricos estudiados en la teor�a del caos han
introducido considerables mejoras en la exactitud de las previsiones meteorol�gicas
en comparaci�n con las predicciones anteriores, realizadas por medio de m�todos
subjetivos, en especial para periodos superiores a un d�a. Actualmente es posible
demostrar la confiabilidad de las predicciones espec�ficas para periodos de hasta
cinco d�as gracias a la densidad entre las �rbitas peri�dicas del sistema y se han
logrado algunos �xitos en la predicci�n de variaciones anormales de la temperatura
y la pluviosidad para periodos de hasta 30 d�as.

Antes de la aparici�n de la Teor�a del Caos, se pensaba que para que el tiempo
llegara a ser predicho con exactitud newtoniana no era m�s que una cuesti�n de
introducir m�s y m�s variables en un ordenador lo suficientemente potente como para
procesarlas. Sin embargo, de unas pocas variables de hace tan s�lo unas d�cadas se
ha pasado a considerar cientos de miles de variables sin conseguir la
predictibilidad esperada. El clima, como sistema ca�tico, ha de entenderse como un
sistema impredecible dentro de un atractor que le confiere cierto orden a trav�s de
las estaciones. M�s recientemente se ha probado que el car�cter ca�tico del tiempo
atmosf�rico tiene que ver con las propiedades geom�tricas del grupo de evoluci�n
del sistema clim�tico terrestre, en concreto dicho grupo puede dotarse de la
estructura de una variedad de Riemann de dimensi�n infinita con curvatura negativa,
lo cual implica que curvas arbitrariamente cercanas acaban divergiendo en el
tiempo. Estos resultados sugieren una imposibilidad pr�ctica de predecir el tiempo
atmosf�rico a medio y largo plazo. El clima es sensible a peque�as variaciones en
las condiciones iniciales y la determinaci�n de las condiciones iniciales con
exactitud est� abocado al fracaso a causa del Principio de incertidumbre de
Heisenberg. Se ha estimado que una predicci�n a dos meses vista requerir�a conocer
las condiciones iniciales con una precisi�n unas 100 mil veces superior a la
precisi�n obtenida por dicha predicci�n.

En medicina
El an�lisis de las series temporales procedentes de electrocardiogramas y
encefalogramas que en algunos detalles presentan detalles aparentemente aleatorios,
parecen estar generados por una din�mica que de hecho es un sistema ca�tico. Los
exponentes y par�metros matem�ticos que caracterizan dichas series han podido ser
usados como medio de diagn�stico de ciertas patolog�as. Esto permite un diagn�stico
precoz de algunas de esas patolog�as.

V�ase tambi�n
Art�culos sobre teor�as varias.
Oscilador de van der Pol
Fractal
Din�mica de sistemas
Problema de los tres cuerpos
Problema de los n cuerpos
Estabilidad del sistema solar
Ilya Prigogine
Ren� Thom
Referencias
�An�lisis Computacional de Modelos Biol�gicos para su Aplicaci�n a Modelos
Econ�micos�. CIT Internacional.
Bibliograf�a
Commons-emblem-question book yellow.svg
Las referencias de este art�culo no tienen un formato correcto. Puedes colaborar
edit�ndolas como se indica en esta p�gina.
Tambi�n puedes avisar en su p�gina de discusi�n a quien las a�adi� pegando:
{{subst:Aviso formato de referencias|Teor�a del caos}} ~~~~ Este aviso fue puesto
el 12 de junio de 2017.
Santos-Burguete, Carlos (2018). F�sica del caos en la predicci�n meteorol�gica. ed.
digital de libre distribuci�n NIPO: 014-18-009-X (1� edici�n). AEMET. p. 1156.
Consultado el 11 de noviembre de 2018.
Sol�, R. V., y Manrubia, S. C. (2001). Orden y caos en sistemas complejos.
Universidad Polit�cnica de Catalu�a, ISBN 9788483014301
(en ingl�s) T. W. B. Kibble et F.H. Berkshire, Classical Mechanics, Prentice Hall,
4�10{{{1}}} �dition, 1997 ISBN 0-582-25972-X.
(en ingl�s) Kathleen T. Alligood, Tim Sauer et James A. Yorke, Chaos: An
Introduction to Dynamical Systems, Springer-Verlag, 1997 ISBN 978-0-387-94677-1
(en ingl�s) David Ruelle, Deterministic chaos: the science and the fiction,
Proceedings of the Royal Society London A 427 (1990), 241-248
(en franc�s) Henri Poincar�, Les m�thodes nouvelles de la m�canique c�leste, 3
volumes, �ditions Gauthiers-Villars, 1892
(en franc�s) Jacques Hadamard, Les surfaces � courbures oppos�es et leurs lignes
g�od�siques, Journal de math�matiques pures et appliqu�es 4 (1898), 27. Pour une
revue plus r�cente, voir e.g. la r�f�rence suivante : Pierre Pansu, Le flot
g�od�sique des vari�t�s Riemanniennes � courbure n�gative, S�minaire Bourbaki 738
(1991) publi� dans : Ast�risque 201-203 (1991) 269-298.
(en ingl�s) Vladimir Arnold, Mathematical Methods of Classical Mechanics, Springer-
Verlag, 2�10{{{1}}} �dition, 1989 ISBN 0-387-96890-3.
(en ingl�s) Vladimir Arnold, V.V. Kozlov et A.I. Neishtadt, Mathematical Aspects of
Classical and Celestial Mechanics, Encyclopaedia of Mathematical Sciences,
Springer-Verlag (2�10{{{1}}} �dition-1993). Une synth�se de l'�tat de l'art en
m�canique c�leste, par l'un des plus brillants math�maticiens du domaine (Arnold)
et ses collaborateurs. � partir du second cycle universitaire.
(en ingl�s) Vladimir Arnold y Andr� Avez, Ergodic problems of classical mechanics,
Advanced Book Classics, Addison-Wesley, 1988.
(en ingl�s) David Ruelle et Jean-Pierre Eckman, Ergodic theory of chaos and strange
attractors, Review of Modern Physisc 57 (1985), 617-656
(en ingl�s) Vladimir Damgov, Nonlinear and parametric phenomena - Applications in
radiophysical and mechanical systems, World Scientific, Series on Nonlinear
Sciences, 2004
(en ingl�s) Robert May, Simple Mathematical Models with Very Complicated Dynamics,
Nature, Vol. 261, p. 459, June 10, 1976
Moon, Francis (1990). Chaotic and Fractal Dynamics. Springer-Verlag New York, LLC.
ISBN 0-471-54571-6.
Ott, Edward (2002). Chaos in Dynamical Systems. Cambridge University Press New,
York. ISBN 0-521-01084-5.
Gutzwiller, Martin (1990). Chaos in Classical and Quantum Mechanics. Springer-
Verlag New York, LLC. ISBN 0-387-97173-4.
Hoover, William Graham (1999,2001). Time Reversibility, Computer Simulation, and
Chaos. World Scientific. ISBN 981-02-4073-2.
Gonz�lez-Miranda, J. M. (2004). Synchronization and Control of Chaos. An
introduction for scientists and engineers. Imperial College Press. ISBN 1-86094-
488-4.
Enlaces externos
Wikimedia Commons alberga una categor�a multimedia sobre Teor�a del caos.
Art�culo divulgativo sobre el creciente aporte de la Teor�a del Caos en Medicina
Servicio de divulgaci�n cient�fica DivulgaUNED (Universidad Nacional de Educaci�n a
Distancia de Espa�a, octubre de 2009).
Alcances y limitaciones de la Teor�a del Caos aplicada al an�lisis del
Comportamiento Organizacional, Cultural y la necesidad del cambio De la Universidad
Peruana de Ciencias Aplicadas
Fundamentos matem�ticos de la sinerg�tica. Caos, estructuras y simulaci�n por
ordenador
Modelado y Simulaci�n de un Oscilador Ca�tico usando MatLab