Caos
-
Upload
juchama4256 -
Category
Documents
-
view
215 -
download
0
description
Transcript of Caos
-
1
Sistemas no lineales, caos y
fractales
Objetivos
Comprender la diferencia entre simplicidad y complejidad.
Demostrar como nace el caos a partir de sistemas determinsticos sencillos.
Obtener una visin de los modelos no lineales caticos en biologa, fisiologa y anatoma.
Comprender la relacin entre el caos y los fractales.
Analizar algunos ejemplos interesantes de la aparicin de estructuras fractales en la naturaleza.
Observacin
Caos no es una tcnica de modelizacin, es
una propiedad matemtica de algunas
ecuaciones determinsticas.
Organizacin
Introduccin y Motivacin
Simplicidad vs Complejidad
Estabilidad y Caos.
Caos en sistemas discretos:
La ecuacin logstica.
Caos en sistemas continuos
Fractales.
Quin creo el caos?
Un mdico, un ingeniero civil y una informtica estaban discutiendo
acerca de cul era la profesin ms antigua del mundo. El mdico
seal: Bueno, en la Biblia dice que Dios cre a Eva de una costilla
que le quit a Adn. Evidentemente, esto requiri ciruga, y por eso
bien puedo afirmar que la ma es la profesin ms antigua de mundo.
El ingeniero civil interrumpi y dijo: Pero incluso antes, en el
Gnesis, se dice que Dios cre el orden de los cielos y la tierra a partir
de caos. Esta fue la primera y desde luego la ms espectacular
aplicacin de la ingeniera civil. Por lo tanto, querido doctor, est usted
equivocado: la ma es la ms antigua de las profesiones. La
informtica se reclin en su silla, sonri, y dijo tranquilamente: Pero
bueno, quin piensan que cre el caos?
G. Booch, Complejidad.
Caos vs Cosmos
Caos () es el estado sin forma y
vacio que precede a la formacin del
cosmos en las cosmogonas antiguas.
Cosmos () es un sistema
ordenado o armonioso. Deriva del
trmino griego que significa orden.
Es la anttesis del caos.
-
2
Del Caos al Cosmos
Auto-gnesis (p.ej. Egipcios) vs Creacin.
En el principio era el verbo y el verbo
estaba en Dios, y el verbo era Dios. Todas
las cosas fueron hechas por l y sin l no
se hizo nada de todo lo que existe. (Jn 1:1)
Notas histricas
500 a.C.: Leucipo de Mileto
Determinacin ontolgica:
Nada sucede porque s, sino que todo sucede con
razn y por necesidad,
Esta formulacin es la que ha pasado a la
Filosofa con el nombre de principio de
causalidad o principio de razn
suficiente.
Notas histricas
1776: El determinismo laplaciano
Laplace, matemtico francs, afirmaba que, si
se conociera la velocidad y la posicin de todas
las partculas del Universo en un instante, se
podra predecir su pasado y su futuro.
Notas histricas
1903: El cuestionamiento de Poincar
Henri Poincar, matemtico francs, fue el
primero en pensar en la posibilidad del caos, en
el sentido de comportamiento que dependiera
sensiblemente en las condiciones iniciales.
El azar no es ms que la medida de la ignorancia del hombre
Notas histricas
1920: El debate Bohr-Einstein
Aparece la teora cuntica y toma fuerza el
indeterminismo. Se retoma la discusin acerca
de la existencia de un azar objetivo y no
meramente epistemolgico. Se cuestiona el
principio de causalidad.
Einstein: Dios no juega a los dados,
Bohr: Seor Einstein, deje de decirle a
Dios lo que debe hacer!
Notas histricas
1961: Edward Lorenz (meteorlogo MIT): Realiz predicciones con 12 ecuaciones y 6 cifras decimales.
Luego utiliz slo 3 cifras decimales.
Encontr diferencias significativas en los pronsticos.
Simplific el sistema a slo tres ecuaciones.
Encontr sensibilidad importante a las condiciones iniciales.
Comportamiento que pareca aleatorio con ecuaciones determinsticas.
Descubrimiento casual
-
3
Notas histricas
1961: Edward Lorenz (meteorlogo MIT): Grafic la salida obteniendo un espiral doble, un nmero 8
acostado, como las alas de una mariposa.
A este comportamiento se le dio el nombre de efecto mariposa.
Surge teora del caos.
"el aleteo de las alas de una mariposa
puede provocar un tornado al otro
lado del mundo"
Notas histricas
1997: Ilya Prigogine (Premio Nobel 1977):
Publica su libro El fin de las certidumbres: afirma que el determinismo no es una creencia cientfica viable, es fundamentalmente una negacin de la flecha del tiempo y pierde su poder explicativo frente a la irreversibilidad y la inestabilidad (por ej. en sistemas caticos).
Otro libro Explorando la Complejidad
Cuanto ms sabemos acerca de nuestro
universo, ms difcil se vuelve a creer en
el determinismo.
Complejidad vs simplicidad
No hay una definicin unnime acerca del significado del trmino complejidad.
Proviene del latn complectere, cuya raz plectere significa trenzar, enlazar. El prefijo com aade el sentido de la dualidad de dos elementos opuestos que se enlazan ntimamente, pero sin anular su dualidad.
Se utiliza para caracterizar algo (i.e. un sistema) con muchas partes, de ndole diversa, que forman un arreglo intrincado y que interactan entre s.
Complejidad vs simplicidad
Enfoque clsico lineal y reduccionista de la causalidad:
slo mediante las leyes probabilsticas es posible obtener conocimiento cientfico causal,
grandes causas se corresponden siempre con grandes efectos y viceversa.
Enfoque de la complejidad: la causalidad surge y se diluye en una topologa de
redes de interacciones no lineales distribuidas,
emergencia de fenmenos de auto-organizacin.
Complejidad vs simplicidad
El enfoque de la complejidad est llamado a transformar profundamente el marco terico y conceptual de la ciencia:
distinguir cundo nos enfrentamos a un problema complejo o a uno lineal,
reconocer cuando uno se transforma en el otro;
reconocer leyes, principios y categoras que rigen la causalidad en la complejidad,
construir modelos matemticos para el estudio de los sistemas complejos,
No todos los sistemas complejos generan caos
Estabilidad, orden y caos
Generalmente tendemos a tratar con situaciones estables.
En caso contrario: Si los cambios duran muy poco tiempo en relacin a
los perodos estables los ignoramos.
Si los cambios duran un cierto tiempo tratamos de encontrar alguna regularidad en ellos y de no encontrar ningn patrn estable los encasillamos dentro de los ruidos o los tratamos como fenmenos aleatorios.
-
4
Estabilidad, orden y caos
La teora del caos retoma estos ltimos
casos: Ciertos sistemas no lineales muestran un
comportamiento impredecible a pesar de no
tener ninguna influencia del azar y ser
enteramente determinsticos.
Llamativamente esto puede suceder en sistemas
extremadamente simples.
Estabilidad, orden y caos
En estos sistemas no lineales puede identificarse un parmetro del cual depende su comportamiento.
Cuando este parmetro cambia podemos encontrarnos con un comportamiento: Ordenado: puntos fijos o ciclos lmite en el
espacio de fase. Desordenado: atractores extraos en el espacio
de fase.
Preguntas importantes
Qu es un atractor?
Qu es una bifurcacin?
Qu son los mapas iterados?
Qu son los exponentes de Lyapunov?
Qu sistemas pueden producir caos?
Como identificar el caos?
Atractor
Un atractor es un objeto matemtico en el
cual la dinmica de un sistema queda
eventualmente confinada.
Cualitativamente, el objeto es el conjunto de
soluciones de las ecuaciones dinmicas
cuando al sistema se le permite correr
durante mucho tiempo.
Tipos de Atractores
Punto fijo: es slo un nombre
elegante para un punto de equilibrio.
Ciclo lmite: es una curva cerrada
que representa las soluciones
repetitivas.
Toroidal: es una superficie en el
espacio de fase en forma de anillo,
que puede ser estirada y retorcida.
Extrao: es una superficie similar
pero ms complicada a la que las
soluciones se limitan.
Bifurcaciones
Una estructura se bifurca cuando se divide
en dos ramas, como en los caminos o las
ramas de los rboles.
-
5
Bifurcaciones
La palabra se aplica a ecuaciones ya que
cualitativamente se puede representar a las
posibles soluciones de una ecuacin como
un camino por el que atravesamos, no a
travs del tiempo o espacio fsico, sino a
travs del espacio de los parmetros.
El parmetro que se altera es llamado el
parmetro de control.
Del orden al caos: Bifurcaciones
Cuando variamos continuamente este
parmetro encontramos que existe un
perodo en el que el sistema pasa de la
estabilidad al caos.
Las bifurcaciones consisten en una prdida
de la estabilidad de una solucin atractiva
dando lugar a otra de periodicidad doble.
Diagrama de Bifurcaciones
Los efectos del parmetro de control sobre
la dinmica cualitativa estn representados
en el diagrama de bifurcacin, que es una
grfica x-y con el parmetro de control en el
eje de abscisas y los valores a largo plazo de
la variable de estado en la ordenada.
Algoritmo p/Diagrama de
Bifurcaciones 1. Establecer valor inicial y mximo del parmetro y N de
valores a muestrear.
2. Ejecutar la simulacin durante M pasos de tiempo (para que el sistema se establezca en el comportamiento de largo plazo).
3. Mientras que el valor del parmetro sea inferior al
mximo, hacer:
1. Ejecutar la simulacin durante M pasos de tiempo adicionales.
2. Guardar una muestra de la dinmica [por ejemplo, encontrar los
picos (caso continuo), o guardar el valor actual (caso discreto)].
3. Incrementar el valor del parmetro y volver al paso 1.
M ~ 200 a veces ms, diferentes condiciones iniciales
Ecuaciones de recurrencia
Podemos expresar en forma genrica la solucin
de una ecuacin en diferencias de primer orden y
tiempo discreto mediante la siguiente expresin:
donde k es algn parmetro de la funcin F.
x F xn k n 1 ( )
Ecuaciones de recurrencia
La iteracin de un sistema lineal slo puede dar
lugar a una sucesin creciente, o a una sucesin
que converge a cero.
La dinmica iterativa de ecuaciones no lineales
puede dar lugar a comportamientos extraos.
-
6
Recurrencia con la calculadora...
Ponga el modo radianes para la unidad angular.
Elija un nmero inicial cualquiera.
Pulse una y otra vez el botn de la funcin coseno.
La serie de nmeros que aparece en la pantalla oscilar y al cabo de un cierto nmero de pasos se aproximar a un valor estable y no habr ms cambios:
Dicha serie de nmeros recibe el nombre de rbita, y el punto final se llama punto fijo estable.
3.00000000000000000000000000000000
-0.98999249660044545727157279473126
0.548696133603097038516641574908931
0.85320531150574707016222532057684
...
0.739085128310922996144139146959862
Mapas iterados
Una forma de representar la
evolucin de un sistema
dinmico discreto es a travs de
mapas iterados o diagramas de
recurrencia.
Colocamos en las abcisas los
valores de xn+1 (=y) y en las
ordenadas los de xn (=x).
Luego dibujamos la funcin yA=
g(x) = F(xn) y la recta yB=x que
representa xn+1= xn.
Punto fijo
x F xn k n 1 ( )
Mapa iterado del coseno
1 cos( )n nx x
0.739085128310922996144139146959862
x
n
x
y
Atractor o punto fijo estable
En el siguiente mapa iterado se encuentra nuevamente un punto fijo estable o atractor para la salida del sistema.
En este caso tambin se cumple que cuando t la salida del sistema se aproxima a la interseccin de la recta yB=x con la funcin yA=g(x).
En este caso, el punto fijo del mapa de recurrencia se corresponde con un punto crtico estable en el plano de fase del sistema dinmico equivalente.
Puntos fijos inestables Condicin de estabilidad
La condicin de estabilidad de un punto fijo
xn* es:
La derivada F puede calcularse derivando a
F o por medio de:
F xn '( *) 1
F xF x F x
nn n
' ( ) = lm( ) ( )
0
-
7
Una medida del caos
En las dinmicas caticas encontramos existe una gran dependencia de las condiciones iniciales.
La separacin de rbitas vecinas est dada en promedio por una funcin exponencial (no necesariamente exacta).
Es por esto que en la prctica se hace imposible predecir el comportamiento futuro.
Estas ideas pueden ser cuantificadas mediante la utilizacin de los exponentes de Lyapunov.
Exponentes de Lyapunov
La iteracin de una ecuacin de recurrencia
a partir de los valores iniciales x0 y x0 + da como resultado:
Supongamos que existe un k tal que:
F x F xkn
kn( ) y ( + )0 0
.
0 0( + ) ( ) .knn n
k kF x F x e
n: iteracin, k: parmetro
Exponentes de Lyapunov
A medida que 0 y n siempre que tambin 0, tendremos:
que expresa la separacin exponencial promedio entre la rbita partiendo de x0 y la rbita partiendo de x0 + .
.. kne
.0( ) kn
nk
n
dF xe
dx
Exponentes de Lyapunov
Luego podemos escribir:
Si este lmite existe, k es una medida de la separacin exponencial promedio de las rbitas vecinas a todos los puntos de una rbita alrededor de un atractor.
01 2 0
( )1 1lm ln lm ln '( ). '( )... '( )
n
kk k n k n k
n nn
dF xF x F x F x
n dx n
1
0
1lm ln '( )
n
k k in
i
F xn
Regla de la Cadena
Exponentes de Lyapunov
Separacin exponencial promedio de las rbitas vecinas a todos los puntos de una rbita alrededor de un atractor.
Exponentes de Lyapunov
Para ciclos estables k < 0 y las rbitas convergen.
Para atractores extraos encontramos que k > 0 y
las rbitas no convergen.
Siendo cuando ocurre una bifurcacin
tenemos entonces k= 0.
Se llaman ciclos superestables cuando k - ya
que en estos casos y la velocidad de
convergencia a la estabilidad es mxima.
'( ) 1k nF x
'( ) 0k nF x
-
8
Caos en sistemas discretos
La ecuacin logstica
Ejemplo: la ecuacin logstica
Una de las ecuaciones ms sencillas que describen sistemas caticos.
Est inspirada en un modelo poblacional (Lotka-Verhulst):
Poblacin de N(t) individuos y recursos limitados dados por r
dN
dtr N
N
N
1
Ejemplo: la ecuacin logstica
Si discretizamos esta ecuacin utilizando el mtodo de Euler podemos llegar a:
Nt +1 = k Nt (1- Nt ) , 0 < N < 1,
donde k juega el papel de r.
Esta ecuacin de recurrencia se denomina ecuacin logstica.
Nt +1 = k (-Nt2 + Nt ), 0 < N < 1,
Ejemplo: la ecuacin logstica
() 2 - ()
No linealidad
z -1
k -
Ganancia
Retardo
Nt+1
Nt
Sistema no lineal de control realimentado con retardo
Ejemplo: la ecuacin logstica
Observacin:
Este modelo demogrfico simple de tiempo
discreto podemos considerarlo basado en
generaciones.
Puede considerarse que cada 20 aos aparece
una nueva generacin, por lo que no es
necesario considerar los instantes de tiempo
intermedios.
Que pasa cuando cambiamos k?
Ejemplo: la ecuacin logstica
-
9
Ejemplo: la ecuacin logstica
En la notacin anterior:
En este caso tendremos puntos fijos de la
recurrencia cuando:
F N k N Nk t t t( ) ( ) . 1
F N N k N kNk t t t t( ) ( - ) + 121 0
Ejemplo: la ecuacin logstica
Para k < 1 (mortandad mayor que natalidad)
la ecuacin anterior posee una nica
solucin Nt(1)=0.
Para k >1 encontramos dos soluciones:
(1) (2) 10 y =t t
kN N
k
Para k = 2.9 tenemos el siguiente resultado:
Ejemplo: la ecuacin logstica Ejemplo: la ecuacin logstica
En el contexto demogrfico:
la vida no aparece espontneamente de la nada,
pero si hay una cantidad de individuos, por
pequea que sea, la especie no desaparecer (en
este modelo simple), sino que tender a un
valor estacionario no nulo que depender de la
cantidad de alimento disponible.
Ejemplo: la ecuacin logstica
Para llegar a un punto fijo estable en la
recurrencia debe cumplirse que:
Entonces:
F N k Nk t t'( *) ( *) 1 2 1.
1 1F N kk t'( )(1)
1 2 1F N kk t'( )(2)
Ejemplo: la ecuacin logstica
Para k > 3 ambos puntos
fijos son inestables.
La desestabilizacin de Nt(1)
cuando k=1 se produce
porque F1(0)=1.
Para Nt(2) en k=3 tenemos
F1(0)= -1. As en k=3 se
produce la bifurcacin o
duplicacin de perodo.
-
10
Para k = 3.1 se produce la bifurcacin:
Ejemplo: la ecuacin logstica
Ahora la comida ha aumentado hasta el punto en que una generacin pequea dispone de tanto alimento que tiene un rpido crecimiento de forma sbita, mientras que en la siguiente generacin hay demasiados individuos pero una cantidad insuficiente de comida, por lo que la poblacin vuelve a bajar en la siguiente generacin, y as sucesivamente.
Este comportamiento estable puede observarse en algunas colonias de bacterias.
Ejemplo: la ecuacin logstica
Si seguimos aumentando k, este ciclo de periodo 2 se convierte en un ciclo de periodo 4, despus en uno de periodo 8, y as sucesivamente.
En cada bifurcacin, el sistema sufre un cambio drstico en su comportamiento a largo plazo.
Para k > 3.5699 el sistema ya no sigue un ciclo peridico, sino que siempre vara sin repetirse a s mismo.
Este comportamiento recibe el nombre de caos.
Ejemplo: la ecuacin logstica
Para k = 3.9 tenemos:
Ejemplo: la ecuacin logstica
Si representamos los puntos fijos estables, o los puntos
pertencientes a ciclos estables, en funcin de k, se puede
ver que cada uno de los ciclos se bifurca en otro de periodo
doble que el original.
Ejemplo: la ecuacin logstica
N,k
k Diagrama de bifurcacin
Por encima de k=3.5699 el comportamiento es catico, por
lo que un continuo puntos corresponden a un mismo valor
de k (la rbita ya no es peridica, y toma infinitos valores
de Nt).
Se puede apreciar la autosemejanza tpica de las
estructuras fractales.
Ejemplo: la ecuacin logstica
N,k
k Diagrama de bifurcacin
-
11
Ejemplo: la ecuacin logstica
N,k
k
k
Existen ventanas de comportamiento peridico en la zona
catica. El exponente de Lyapunov predice stas
hacindose repentinamente negativo.
Las bifurcaciones se corresponden con los k=0.
Ejemplo: la ecuacin logstica
Conclusin: Un sistema tan sencillo como el descripto por la ecuacin logstica puede presentar, bajo ciertas
condiciones, comportamiento catico y estructura fractal.
N,k
k
Otros ejemplos relacionados
Regulacin de la densidad de Neutrfilos.
Variabilidad Cardiovascular.
Ritmos Circadianos.
Complex Dynamics in Physiological Control Systems (Cap. 10)
Caos vs inestabilidad numrica
Condiciones iniciales Observacin
Si las condiciones iniciales fueran
exactamente las mismas, las trayectorias
tambin seran exactamente iguales porque
las ecuaciones siguen siendo
determinsticas.
-
12
Caos en sistemas continuos
Vance / Lorenz
Caos en sistemas continuos
La discusin anterior se bas en ecuaciones
en diferencias finitas, es posible tambin
que surja caos en sistemas continuos.
Pero el sistema debe tener por lo menos tres
variables de estado.
Caos en sistemas continuos
Ejemplo: Modelo de dos presas y un
predador (Vance 1978)
Caos en sistemas continuos
Ecuaciones de Lorenz
Identificando el caos
Series de tiempo
-
13
Firmas del caos
Es sorprendentemente difcil determinar sin
ambigedad la existencia de caos en series
de tiempo tericas o empricas.
Firmas del caos
Firmas del caos Firmas del caos
Firmas del caos
Sugihara (1994):
1. Patrones en la serie de tiempo (o su espectro).
2. Estructura en el espacio de fase (atractores).
3. Dimensionalidad de esta estructura (fractal).
4. Sensibilidad a condiciones iniciales.
5. Controlabilidad de la serie de tiempo.
Firmas del caos
-
14
Firmas del caos Firmas del caos
Dimensionalidad de la estructura:
Dimensin de correlacin (Mullin 1993).
Sensibilidad a las condiciones iniciales:
Exponentes de Lyapunov.
Predictibilidad.
Controlabilidad:
Control de un sistema catico (Ott y Yorke
1990).
Firmas del caos Firmas del caos
Ejemplo: Escarabajos Tribolium Ejemplo: Escarabajos Tribolium
-
15
Ejemplo: Escarabajos Tribolium Caos en biologa
Existe el caos biolgico o slo existe el
caos matemtico?
En el caso que exista, Es algo comn en la
naturaleza?
Puede aparecer caos en un sistema
fisiolgico saludable o indica la presencia
de enfermedad?
Fractales Definicin de Fractal
Un fractal es un objeto cuya estructura bsica,
fragmentada o irregular, se repite a diferentes
escalas.
La propiedad matemtica clave es que su
dimensin mtrica fractal es un nmero no entero.
Deriva del latn fractus, que significa quebrado o
fracturado.
El trmino fue propuesto por Mandelbrot
en 1975.
Fractales en el arte y la cultura
Cruz germana (o
recrucetada):
significa la
propagacin del
evangelio a las cuatro
puntos cardinales.
Muy usada en
herldica.
Fractales en el arte y la cultura
Iglesia romana de
Santa Mara del
Trastevere:
Mosaico que
reproduce hasta cinco
niveles de uno de los
fractales ms
conocidos: tringulo
de Sierpinski.
-
16
Fractales en el arte y la cultura
Dios el Gemetra:
grabado medieval
Fractales en la naturaleza
Las nubes no son esferas, las montaas no son conos, y la
luz no viaja en lnea recta. La complejidad de las
estructuras de la naturaleza difiere en tipo, no meramente
en grado, de aquella proveniente de las formas de la
geometra ordinaria.
Mandelbrot, Introduction to the Fractal Geometry of Nature
Fractales en la naturaleza Fractales en la
naturaleza
Fractales en la naturaleza
Brocoli Romanesco
Marismas
Girasol
Fractales en la naturaleza
Montaas
fractales
sintticas y
reales
-
17
Fractales en la naturaleza
Tambin es posible modelizar mediante
geometra fractal
diversos procesos
naturales como, por
ejemplo, los
procesos erosivos
sobre un terreno.
Fractales en la naturaleza
Un ejemplo clsico de estructura fractal se observa en hidrodinmica cuando un fluido
poco viscoso desplaza a otro ms viscoso. La
interfase que se crea tiene estructura
compleja.
Fractales en Fisiologa
Estructura del rbol bronquial.
Fractales en Fisiologa
Estructura del rbol arterial.
Fractales en Fisiologa
Estructura del cerebro.
Seales Fractales
Seal artificial.
-
18
Fractales en Fisiologa
Seal de EEG.
Fractales en Fisiologa
Seal de
VFC.
Fractales en Biologa
Crecimiento
bacteriano en
una cpsula
de Petri.
Fractales en las Matemticas
Desde principios del siglo XX matemticos como Cantor , Poincar o Julia , se
interesaron por el estudio de objetos extraos
(monstruos matemticos) que no encajaban en las ideas de la geometra clsica.
Muchos de estos objetos se construan mediante algoritmos iterativos, partiendo de
un iniciador y aplicando reiterativamente un conjunto de transformaciones.
Fractales en las Matemticas
De esta forma se pueden definir gran
cantidad de objetos
matemticos con
propiedades comunes,
como la
autosemejanza .
Longitud infinita encerrada en
un rea finita!!!!
Fractales: el conjunto de
Mandelbrot Si consideramos ahora
iteraciones de la funcin z2+c, para distintos valores de c (complejo).
Y graficamos aquellos valores de c donde la rbita est acotada.
Encontramos un objeto que posee estructura a cualquier escala y contiene copias de s mismo.
-
19
Fractales: el conjunto de
Mandelbrot Como generar el Conjunto de Mandelbrot
Se genera estudiando el comportamiento de la iteracin de la ecuacin compleja :
Zn+1 = Zn2 + C
donde Z, C son complejos, la condicion inicial es Z = 0 + 0i y a C se le asignan todos los puntos del plano complejo.
Se convierte para cada pixel de la pantalla a coordenadas del plano complejo, se le asigna a C este punto y se comienza a iterar la ecuacin.
Si |Z|>2 y no se supero MaxIterations, se sale del bucle y se le asigna a ese pixel un color de acuerdo al nmero de iteraciones realizadas, entonces ese
pixel esta fuera del Conjunto de Mandelbrot.
Si se alcanza el nmero mximo de iteraciones MaxIterations, y el mdulo sigue siendo |Z|
-
20
La dimensin fractal
De todo esto podemos generalizar que la dimensin de un objeto
geomtrico es el nmero D que cumple:
N(L).LD = 1, y D = log(N(L))/log(1/L)
donde N(L) es el nmero de objetos elementales, o de unidades, de
tamao L que recubren el objeto.
Ejemplo:
Al reducir la escala de la curva de
Koch a 1/3, nos encontramos con
que se descompone en 4 partes.
D = log 4 / log 3 = 1, 2618. . .
La dimensin fractal
Otros ejemplos:
La dimensin fractal
Demostracin:
coast\coast.exe
Cmo construyo un modelo
fractal o catico? Ejemplo: 1) Detecto si el fenmeno
posee estas caractersticas (medidas).
2) Recojo datos experimentales.
3) Armo mi modelo.
4) Encuentro parmetros o soluciono el problema inverso (por ej: Algoritmos Evolutivos).
La complejidad de los problemas
hace que, en la prctica, pueda ser
necesario utilizar algn tipo de
estrategia hbrida para resolverlos.
Bibliografa
James W. Haefner, Modeling Biological Systems, 2nd
Ed., 2005 (Cap. 18).
Cambel, A. B., Applied Chaos Theory. Academic
Press, 1993.
Wiggins, Stephen, Introduction to applied nonlinear
dynamical systems and chaos. Springer-Verlag, 1990.
Drazin, P.G., Nonlinear systems. Cambridge
University Press, 1992.
Verhulst, Ferdinand, Nonlinear differential equations
and dynamical systems. Springer-Verlag, 1990.
Bibliografa
Michael C. K. Khoo, Physiological Control Systems:
Analysis, Simulation, and Estimation, Wiley-IEEE Press,
1999 (Cap. 10).
Mandelbrot, Benoit B., The fractal geometry of nature.
W. H. Freeman, 1982.
Peitgen, H. O. - Ritcher, P. H., The beauty of fractals:
images of complex dynamical systems. Springer Verlag,
1986.
Ilya Prigogine, El fin de las certidumbres. Andrs Bello,
1996.
Gutirreza Cabria, Segundo. Dios: ciencia y azar.
Madrid, BAC, 2003.