Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
caos
CIENCIA
CIENCIA EFECTO
Predicción de:eclipseseclipsesperíodos de cometasmareasEtcEtc.
MAREAS(predecibles)
CLIMA(predecible?)(p )
Tablas para varios años
(p )
Horizonte de predectibilidad?
V i bl V i blVariables.
TemperaturaS li id d
Variables.
TemperaturaHh d dSalinidad
PresiónOndas superficiales
Sol y Luna
HhumedadPresiónViento
NubosidadSol y LunaForma costera
profundidad
Nubosidad
Para describir lo que no entendemos introducimos el azar
AZAR
P tid dPartida de dados Mov de un
globo que se desinfla
clima
desinfla
Paradigma clásico
Más y mejor información
predectibilidad
Teoría del Caos(Caos = impredectibilidad)
Si tSistemas simples con
reglas deterministas
impredictibilidad
deterministas
Más informacióninformación
Aleatoriedad es FundamentalEl caos puede
serser determinista?
Visión clásicaVisión clásica
pasado futuro
CaosCaos
Futuro 1
F t 2
incertezaspasado
Futuro 2
Futuro 3incertezasminúsculas
p
Futuro N
Futuro M
Caos – Horizonte de predictabilidad
Reducción histórica del universo del Caos al CCosmos
Más leyes físicas Menos caosverificadas Menos caos
GalileoNewtonNewtonLeibniz
Maxwell… Futuro sin caos?
Una conciencia capaz de conocer las posiciones y velocidades exactas
Demonio de Laplace
las posiciones y velocidades exactas de todos los objetos del universo en
un instante dado, así como las fuerzas que los afectan puedefuerzas que los afectan, puede
calcular cualquier evento pasado o futuro
Atentados al Determinismo
Cuando conocemos el presente Podemos calcular el futuro
Heisemberg
premisa falsa Heisemberg
No podemos conocer todos los detalles del presente p(principio de incerteza)
El Determinismo no se rinde
Lewis F. Richardson, 1922“Wheather Prediction by Numerical Process”
ENIAC, 1940
Centros meteorológicos
ENIAC
Electronic Numerical Integrator And Computer
ENIAC
El Determinismo no se rinde
Admisión de las incertezas peroAdmisión de las incertezas, pero…
Causas casi iguales
Efectos casi igualesiguales iguales
P P
Incerteza del d
ΔeP ΔeF
T T
estado
Hum Hum
presente futuro
Es un caso frecuente, ¿o no?
Leyes físicas MegaCálculos en ordenadores
Misiones espaciales
Pero no es un principio universal
T í d l CTeoría del Caos
Chaos theory is a field of study in mathematics, physics, and philosophystudying the behavior of dynamical systems that are highly sensitive to initial conditions. This sensitivity is popularly referred to as the butterfly effect. y p p y ySmall differences in initial conditions (such as those due to rounding errors in numerical computation) yield widely diverging outcomes for chaotic systems, rendering long-term prediction impossible in general. This happens even though these systems are deterministic, meaning that their future behaviour is fully determined by their initial conditions, with no random elements involved. In other words, the deterministic nature of these systems does not make them predictable. This behavior is known as deterministic chaos, or simply chaos.
Wikipedia
F t l
Un fractal es un objeto semigeométrico cuya estructura básica, fragmentada o irregular se repite a diferentes escalas El término fue propuesto por el
Fractales
o irregular, se repite a diferentes escalas. El término fue propuesto por el matemático Benoît Mandelbrot en 1975 y deriva del Latín fractus, que significa quebrado o fracturado. Muchas estructuras naturales son de tipo fractal.
A un objeto geométrico fractal se le atribuyen las siguientes características:
•Es demasiado irregular para ser descrito en términos geométricos tradicionales. •Posee detalle a cualquier escala de observación•Posee detalle a cualquier escala de observación. •Es autosimilar (exacta, aproximada o estadística). •Su dimensión de Hausdorff-Besicovitch es estrictamente mayor que su dimensión topológicadimensión topológica. •Se define mediante un simple algoritmo recursivo.
Este enunciado NO tiene validez GENERAL
Un proceso simple puede ser responsable de un patrón muy complejo
P li t dProcesos realimentados
No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.
No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.
…
1:m<1 cámara – monitor sin rotar
No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.
1:m>1 cámara – monitor sin rotar
El proceso de retroalimentación puede describirse como una reducción de laEl proceso de retroalimentación puede describirse como una reducción de la imagen hacia un punto interior de la pantalla. Si acercamos la cámara lo suficiente como para que desde su visor sólo observemos pantalla observaremos lo contrario. La imagen se expandirá. Para conseguir imágenes obse a e os o co t a o a age se e pa d á a a co segu áge esque le resultarán hipnóticas atenuaremos el brillo del televisor y aumentaremos el contraste. Tras apagar la luz de la habitación, ajustaremos el zoom de la cámara de modo que la pantalla del televisor quede perfectamente encuadrada q p q psin que aparezca el marco del televisor. Es decir nos encontramos en la región ni demasiado lejos para que la imagen se contraiga, ni demasiado cerca para que la imagen se expanda. En este sencillo sistema se pueden modificar muchas variables como el zoom, el foco o el ángulo con que encaramos la pantalla del televisor.
1. La pantalla se vuelve totalmente blanca o se fija una mancha de luz estable. Este resultado es, en lenguaje de los sistemas dinámicos, un punto fijo.
2. Aparece una mancha de luz pulsante (estado estacionario periódico).3. Asistimos a una frenética aparición y desaparición de manchas de luz sin
orden ni concierto (caos determinista).4. Nuestra pantalla exhibe un patrón organizado o complejo de manchas, de
i i i á i d l ireminiscencias orgánicas, que parecen crecer, decrecer y evolucionar (dinámica compleja o auto-organizada).
1:1 cámara – monitor rotados
1:1 cámara – monitor rotados
Space-time dynamics in video feedbackSpace time dynamics in video feedbackPages 229-245James P. Crutchfield
1:1 cámara – monitor rotados
Reducción realimentada
caso trivial
GaussGauss
Un caso no trivial
Se lo aplicamos a la siguiente figura original
Y conduce a un patrón interesante
Gasket de Sierpinski
Gasket de Sierpinski
Independientemente de la figura inicial, el proceso iterativo lleva siempre al mismo patrón: Gasket de Sierpinskip p p
⇒ estabilidad
autosimilaridad
Este es un proceso de realimentado lineal e isótropo
Otros procesos realimentados
ejemplo
⎟⎟⎠
⎞⎜⎜⎝
⎛+=+ nn
axx21
1 ⎟⎠
⎜⎝ nx2
Supongamos que a = 2⎟⎟⎞
⎜⎜⎛
+=+ nnaxx 1
1Damos valor inicial de x0 = 3
8333331231⎟⎞
⎜⎛
⎟⎠
⎜⎝
+n
nn x21
833333.13
321 =⎟
⎠⎞
⎜⎝⎛ +=x
21 ⎞⎛ 46212121.1833333.1
2833333.121
2 =⎟⎠⎞
⎜⎝⎛ +=x
41499843.1462121211
246212121.121
3 =⎟⎠⎞
⎜⎝⎛ +=x
46212121.12 ⎠⎝
41421378124149984311⎟⎞
⎜⎛ + 41421378.1
41499843.141499843.1
24 =⎟⎠⎞
⎜⎝⎛ +=x
⇒= 41421356.12Se aproxima a estabilidad
Realimentación en dos etapas
Corresponde a la expresión
( )11 , −+ = nnn xxgx
Por ejemplo,
( )( ) 11, +− += nnnn xxxxg (F)
Esta serie tiene propiedades y aplicaciones interesantes Por ejemplo, comenzando con
1;0 10 == xx
Da lugar a la secuencia
...,377,233,144,89,55,34,21,13,8,5,3,2,1,0
De la cual se sigue que las razones
/ nn xx /1+
Se aproximan cuando n →∞ al númerop
251...61803398,1 +
=2
Conocido como número de oro o proporción divina.
Esta realimentación en dos etapas en verdad no difiere demasiado de laIteración en una etapa En realidad es la iteración en una etapa de un vectorIteración en una etapa. En realidad es la iteración en una etapa de un vector
de dos componentes
Llamando:
( ) nnnnn yxyxgx +==+1 ,
Llamando:
nn xy =+1
Obtenemos el siguiente proceso de una etapa y dos variables:
Que produce los mismos resultados
Otro ejemplo
( )⎩⎨⎧
+=
imparxsixparxsix
xf nnn 13
2/
⎩ + imparxsix nn 13
Secuencias para diferentes x0
0x
...,1,2,4,1,2,4STOP =
A t t l i lAparentemente la secuencia se alarga para mayor x0 …
270 =x 270x
!oops
negativoxpara 0
00 =xpara
sorteoLa Máquina de la Rueda de la Fortuna…
(aún no bien comprendida)
…y el juego del Caos
Marcar tres puntos en una hoja1
32
x
Usar un dado para seleccionar 1, 2 ó 3
Marcar un punto inicial x 32
Trazar un nuevo punto en el medio del segmento entre el punto inicialy el seleccionado
Reiterar los últimos dos pasos usando el último punto en lugar del puntoinicial
¿qué sale?
Chaos game
juego del Caosj g
al gasket de Sierpinski!
Iteradores cuadráticos
ejemplo
5.0;2 0 =−= xc
16 d i l16 decimalesImporta?
Heinz-Otto Peitgen
Cada vez más decisiones en el desarrollo de la ciencia y la tecnologíay también en economía y política se basan en cálculos y simulaciones agran escalagran escala
Problemas con poblaciones
Suponemos un medio ambiente constanteN es la máxima población que admite el medio ambientePn es la población al tiempo nPn= Pn/N
T d i i tTasa de crecimiento
nnnn ppPP −=
− ++ 11
nn pP
postulamos
( )nnn pr
ppp
−=−+ 11
postulamos
Tasa de crecimientoProporcional a la
np Diferencia entre N y Pn
( )nnnn prppp −+=+ 11 Proceso realimentado
Proceso realimentado
Medidas de pn a lo largo del tiempoMedidas de pn a lo largo del tiempo
pn
( )01.0;3 0 == pr
( )nnnn prppp −+=+ 11
; 0p
más de 12 decimales
Interludio: el experimento de Lorenz
Sin pararSin parar
1956
Parando y reiniciando
diferencia
el experimento de Lorenz aplicado a poblaciones
( )prppp += 1
01.0;3 0 == pr
( )nnnn prppp −+=+ 11
Poblaciones con dos calculadoras
Más confusión?
( )1 prpp −+ ( )( ) 21 1
1
nn
nnnn rppr
prppp
−++
=+ Es lo mismo!
CasioCasio
Mediante cálculos de precisión finita no hay cura para los efectos dañinos del caos
Tarde o temprano la predictibilidad se pierde
Nota:Nota:Es simple demostrar la equivalencia entre las expresiones:
( )1( )nnnn prppp −+=+ 11
Cxx nn +=+2
1
Mediante la transformación lineal
r+1 1 2r Cambio denn rprx −
+=
21
41 rC −
=Cambio de
escala
Estos dos procesos muestran el mismo comportamiento caótico
F C
La culpa la tiene el cuadrado?
21 +=+ cxx nn caótico
5.0;2 0 =−= xccaótico
1;2 0
21
=−=+=+
xccxx nn no caótico
21 +=+ cxx nn óti
2;2 0
1
=−=+
xcnn no caótico
999999,1;2 0
21
=−=+=+
xccxx nn caótico!
La culpa la tiene el cuadrado?2
1 +=+ cxx nn
5.0;1 0
1
=−=++
xccxx nn Caótico?
Predecible!(estable)
CausalPredecible!
Pequeños errores decaen
Pueden despreciarse
(estable) en el procesodespreciarse
Cáótico Pequeños errores se
No pueden Impredecible!
(inestable)
errores se amplifican en
el proceso
despreciarseError ∼ Señal
Realimentación gráfica
( )xaxx 1( )nnn xaxx −=+ 11
( )parábola
( )xaxy −= 1
estable
inestable
a = 4Caos lab
Chau y Gracias