Atractores extraños en sistemas dinámicos disipativos

Aleix Ciudad

Página 2
1 Introducción al caos
La palabra caos viene de la hellica χ éaος (apertura) cuando se usaba para
Hablar del origen del mundo conocido antes de que Dios viniera y lo convirtiera
en
Cosmos (кουμος) El caótico se relaciona con lo impredecible, inesperado,
Desordenado, errático. . . Pero si queremos entrar en aguas más profundas, un
poco más
Se requiere concisión.
Lo que los científicos llaman caos es sólo una parte especial de toda nuestra
incapacidad para predecir
El futuro (característica principal de la física en los últimos siglos). Podemos
separarnos
Esta incompetencia en tres aspectos: la estocasticidad, la espacialidad y el
caos. Sus
Imposible realizar una predicción exacta cuando al menos uno de los anteriores
Característica está presente. En el primer caso, debido a la totalidad al azar
ruido. En el segundo, la infinidad de grados de libertad hace que el problema
Infinitamente duro. Pero, sorprendentemente, el comportamiento caótico es
determinista.
" ¿Entonces, cuál es el problema?" Uno podría preguntar. "Todo está gobernado
por las ecuaciones".
Esto rinde a la propiedad fundamental del caos: sistemas cuasi similares en
Un tiempo inicial evolucionará a situaciones completamente diferentes, es decir,
dos cierran
Las trayectorias en el espacio de la fase se separan exponencialmente con el
tiempo. Eso
Significa que cualquier diferencia inicial entre ellos crecerá llegando a ser
crucial.
Esa es la razón por la que llamamos a este caos. Debido a que nuestra limitada
Cualquier medida no será nada comparada con el error creciente.
2 Introducción a los Atractores
Las ecuaciones no lineales, las que describen los fenómenos más complejos, son
Muy difícil y por lo general imposible de tratar. Esa fue la razón por la cual
Henry Poincarée, en 1892, introdujo un nuevo punto de vista, más cualitativo
Pero no inútil en absoluto. Consistió en analizar el comportamiento de
trayectorias en
El espacio de la fase, llevando a conceptos como bifurcaciones, estabilidad,
puntos fijos,
Atractores. . .
No es fácil definir lo que es un atractor. En términos generales podemos decir
Que es un conjunto al que convergen todas las trayectorias vecinas. Pero un
Se puede formular una definición precisa (Strogatz 1994). Llamamos un conjunto
cerrado A
Atractor si las siguientes tres propiedades se mantienen.
1. A tiene que ser un conjunto invariante, es decir, cualquier trayectoria ³ # (t)
comenzando en A
Permanece en A durante todo el tiempo.
2. A atrae un conjunto abierto de condiciones iniciales: Hay un conjunto abierto
U
Que contiene A tal que si ³ # (0) ½ U, entonces la distancia de ³ # (t) a A
Tiende a cero como t - o. La U más grande que sostiene esto se llama la cuenca
De atracción de A.
3. A es undecomponible: no hay ningún subconjunto de A que satisface 1 y 2.
Cualquier único punto fijo estable o ciclo límite es un ejemplo de atractor.
2

Página 3
3D ISSI p ati cinco d y na m ica s y s st em
Un sistema disipativo es un sistema donde el teorema de L iouville no se sostiene
Y por consiguiente cualquier volumen del espacio de fase disminuirá con
hora. L et V el volumen que encierra una superficie S y dejar
.³ #=
³ F (³ #),
³ = # (# 1, # ... d)
(1)
ser las ecuaciones dinámicas que rigen el fl ujo. A continuación, el volumen V se
evolucionar
Dv
d t = 9A # dd (
re
Σi =
1G
F
yo
GRAMO
#
i)
(2)
Por lo tanto, definimos un sistema disipativo como el que tiene dA
dt P 0.
4 Defi nición d e un atractor Webs ge
Un extraño atractor tiene las dos propiedades siguientes:
1. Es un atractor en el sentido de la definición de la sección anterior.
2. La razón para ser stran ge viene del hecho de que es muy sensible en
Las condiciones iniciales. En otras palabras: a pesar de la contracción del
volumen,
Dos primeros puntos iniciales se separan exponencialmente por mucho tiempo
veces.
¿Como es posible? ¿Cómo podemos mantener la contracción del volumen y la
caótica
Comportamiento sin contradicción? En la figura 1 podemos ver que el volumen
Encoge en algunas direcciones y streteches en otros, mientras que un repliegue
toma
Lugar para mantener la evolución del volumen. Este proceso es lo que produce
una
Movimiento en el atractor.
FIGURA 1: V olumen evolución del atractor extraño
3

Página 4

Un e ¢ ¡¤ un mple £ | ¥ h e § o e n © Atractor
L orenz,un meteoroligist de la Siglo, propuso un modelo
en el que tres
Acopladas, de primer orden, las ecuaciones diferenciales no lineales condujeron a
un caos completo
Trayectorias.
.=ΣΣ
(3)
.
=! "# $% Y
(4)
.
=('
(0))
En la figura 2 podemos ver una simulación del modelo
de # = 28, σ = 10, '= 213.
Si trazamos una de las coordenadas en función del tiempo, observaremos la
irregularidad
'A.txt' usando 2: 3: 4
-20
-15
-10
-5
0
5
10
15
20-25
-20
-15
-10
-5
0
5
10
15
20
25
5
10
15
20
25
30
35
40
45
FIGURA 2: L atractor orenz
Oscilaciones. (FIGURA 3) También podemos calcular el exponente L iapunov
para el
Atractor (FIGURA 4) Aproximadamente, 54 = 4 76 10 @ 98A.
B ¥ h correo DC o lm o g Oro v FE ntro py
El HG ntropy introducido por omogorov PI (19) 9) es la mejor caracterización
De cualquier movimiento. Se relaciona también con la entropía termodinámica
Al igual que con exponentes L iapunov. L et inicio de definirlo considerando
un d di RQ
Trayectoria mensual ³ # (t) de un sistema dinámico. Vamos a considerar
el espacio d
dividida en cajas TS d. Entonces, si medimos el sistema cada vez VU, el
prob WQ
la capacidad de ³ # (t = 0) que está en la caja YXa`, ³ # (t = T) en la
casilla |X 1,. . . Y # ³ (t = CBU) en
Jo será gf
yo
Hpiqiqi
yo
R
. ts aking uso de la definición de la entropía de Shannon obtenemos
ud = Σi
Hpiqiqi
yo
R
F
yo
Hpiqiqi
yo
Rs
WV ο (f
yo
Hxiqiqi
yo
R
)
(0y)
4

Página 5
-25
-20
-15
-10
-5
0
5
10
15
20
25
0
1
2
3
4
5
6
7
8
9
'A.txt' usando 1: 3
FIGURA 3: Movimiento Aperiódica
ud + 1 ud es la pérdida de información de vez en
cuando BU (b 1) T. Entonces el
Me olmogorov (G ntropy se define como la tasa media de
pérdida de información,
es decir,
u = lim
¢-
``
Lim
¥-`
Lim
No
1
NT
norte
8
1
Σ
re
Significado de la palabra
``
(Ud + 1 ud)
(7)
En un mapa tridimensional uno Q, u es sólo el
exponente T4 (positivo) L iapunov. En
dimensiones superiores es sólo el promedio de los
exponentes L iapunov positivos:
u = 9DD # p (³ #) Σi 4
+
yo
(³ #)
(8)
7
E & ¡la tracción en ación f o m d e f ro m atractor
un
SI g na l
P rimero que todo, es útil definir
la ge ne ra l i z e dd i m e nsion Dq. Si dividimos el
atractor en cajas de dimensión lineal! S y p
yo
Es la probabilidad de que el
visitas atractor caja que, a continuación, con un promedio de poderes q de las
probabilidades,
dq = Lim
¥-`
1
Q1\
1
Ο S v (S) \
Ο S v (pq Σi
yo
)
(9)
Esta cantidad no es más que una correlación entre diferentes puntos de la
atractor, porque Σ
yo
Pq
yo
es, por q> 1, la probabilidad total de que tienen puntos de q
En una caja. A veces queremos estudiar las propiedades de un atractor pero
No puede medir todos los componentes de la trayectoria al mismo tiempo
(evidente para
Un tiempo infinito dimensional). Luego, es útil tratar la serie temporal de
Un componente con el fin de reconstruir algunas propiedades de todo el atractor
(Tomado 1981). Si tenemos un d dimensiones flujo Q
re
d T³ # =
³ F (³ #)
(10)
)

Página 6
0
20000
40000
In (t)
1
1,5
2
2,5
3
3,5
4
Ln (separació)
FIGURA 4: L iapunov exponente
Entonces se puede probar (Takens 1981) que el vector
³ ξ (t) = (# j (t), # j (t U),..., # J (t (2 d 1) U))
(11)
proporciona una aproximación suave del fl ujo. Verificación de L et esta
herramienta con el
R i ossler atractor (19 7% y):
. # = z g ía
(12)
. y = # sí
(13)
. z = z '(# | c)
(14)
La simulación directa se muestra en la figura). s oreover, en la figura y nos
Recon Q
struct atractor con U = 0. 92. ¿Cuál es el significado de U? Si elegimos
que sea muy pequeña, # (t) y # (t U) será indistinguible y la realtion sea Q
Entre ellos será lineal. La opción más razonable es tomar T tan cerca
Al tiempo de autocorrelación como podamos. (Ver figura 7). Otro interesante
cantidad es la correlación C integral (S) se define como
C (S) = lim
No
1
N2
Σi
J
(S
\
³#
yo
³ #j
\
)
(1))
desde donde se puede obtener la dimensión de correlación D
2
Como la pendiente de la figura
8, en la que por R i ossler atractor obtenemos D
2 = 1. 0). Esta correlación
Integral también se puede utilizar para distinguir entre irregularidades
deterministas
Y ruido blanco externo. Si tenemos un extraño atractor en un espacio donde
Hay ruido blanco, cada punto del atractor será rodeado por una nube
de puntos en un d esfera de S` radio (la intensidad del ruido). Si SS`, la
Y

Página 7
'A.txt' usando 2: 3: 4
-15
-10
-5
0
5
10
15
20 20
-15
-10
-5
0
5
10
15
0
5
10
15
20
25
30
35
40
F igura): R i ossler atractor
La distancia entre puntos no se verá muy afectada, pero si aumentamos
La intensidad del ruido, entonces las distancias entre puntos más cercanos
aumentarán
cediendo a un menor valor de C (S). En la figura 9 podemos observar el efecto
de la
Ruido para diferentes valores de su intensidad.
¥ 8 h y M. e Ju l ia y el Brot s e ts
L et de tener en cuenta el mapa
z d + 1 = fc (z) = z 2 d c
(1 y)
donde z
yo
, C ½. Nosotros decimos que aJulia SetJc es el límite de
una cuenca de
Atracción del mapa. En este caso, la cuenca de atraction de z * = o forma una
Julia setJc de fc (z) .Julia (1981) y F atou (1919) demostró thatJc es
Conectado si y sólo si el siguiente límite no
d lim
Oo
F
re
C (0) - o
(1 7)
El, uno puede preguntarse: ¿qué valores de c makeJc conectado? Así que la
respuesta es:
Hay un setM para el cual está conectado el correspondiente conjunto de
Julia. Decimos
M es el s andelbrot Set. En la figura 10 podemos ver el general y popular
Aspecto de M.
9Bib l io fy g ra
1. HG SchusterD e t e r m inisticChaos 2ª edición V CH 1988
7

Página 8
'B.txt' usando 1: 2: 3
-15
-10
-5
0
5
10
15
20-25
-20
-15
-10
-5
0
5
10
15
20
25
-60
-50
-40
-30
-20
-10
0
10
20
30
40
F igura y: Reconstruida R i ossler atractor
2. SH Strogatz N en l en la línea perforada D y na m ics un d caos
8

Página 9
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
1,3
1,4
1,5
T
0
10
20
30
40
50
60
70
Connecticut)
FIGURA 7: Tiempo de autocorrelación
0
1
2
3
4
5
Ln (l)
-7
-6
-5
-4
-3
-2
-1
0
In (C (l))
FIGURA 8: Correlación dimensión
9

Página 10
0
1
2
3
4
5
Ln (l)
-7
-6
-5
-4
-3
-2
-1
0
In (C (l))
ningun ruido
D = 0,01
D = 0,1
FIGURA 9: Blanco dimensión ruido / correlación
F igura 10: s andelbrot Conjunto

http://dataanalysis.vsb.cz/data/Vyuka/NAVY/Deterministic%20Chaos.pdf