Campo de las matemáticas y las ciencias basadas en sistemas no lineales y condiciones iniciales.
Un gráfico del atractor de Lorenz para valores r = 28 , σ = 10 , b = 8/3Animación de un péndulo de doble varilla con energía intermedia que muestra un comportamiento caótico. Comenzar el péndulo desde una condición inicial ligeramente diferente daría como resultado una trayectoria muy diferente . El péndulo de doble varilla es uno de los sistemas dinámicos más simples con soluciones caóticas.
Pequeñas diferencias en las condiciones iniciales, como las debidas a errores en las mediciones o a errores de redondeo en el cálculo numérico , pueden producir resultados muy divergentes para tales sistemas dinámicos, haciendo imposible la predicción a largo plazo de su comportamiento en general. [7] Esto puede suceder incluso aunque estos sistemas sean deterministas , lo que significa que su comportamiento futuro sigue una evolución única [8] y está completamente determinado por sus condiciones iniciales, sin elementos aleatorios involucrados. [9] En otras palabras, la naturaleza determinista de estos sistemas no los hace predecibles. [10] [11] Este comportamiento se conoce como caos determinista , o simplemente caos . La teoría fue resumida por Edward Lorenz como: [12]
Caos: Cuando el presente determina el futuro pero el presente aproximado no determina aproximadamente el futuro.
La teoría del caos difiere de numerosos campos, como el de la estabilidad estructural , por ejemplo, mientras que este último se refiere a diferenciaciones menores en los modelos, a diferencia de la primera que se centra en ligeros cambios en los estados. Además, el tiempo también desempeña diferentes roles dentro de las definiciones de caos y de la teoría estructural. [18]
Introducción
La teoría del caos se refiere a sistemas deterministas cuyo comportamiento puede, en principio, predecirse. Los sistemas caóticos son predecibles por un tiempo y luego "parecen" volverse aleatorios. La cantidad de tiempo durante el cual se puede predecir eficazmente el comportamiento de un sistema caótico depende de tres cosas: cuánta incertidumbre se puede tolerar en el pronóstico, con qué precisión se puede medir su estado actual y una escala de tiempo que depende de la dinámica del sistema. sistema, llamado tiempo de Lyapunov . Algunos ejemplos de tiempos de Lyapunov son: circuitos eléctricos caóticos, de aproximadamente 1 milisegundo; sistemas meteorológicos, unos días (no probados); el sistema solar interior, de 4 a 5 millones de años. [19] En sistemas caóticos, la incertidumbre en un pronóstico aumenta exponencialmente con el tiempo transcurrido. Por lo tanto, matemáticamente, duplicar el tiempo de pronóstico es más que el cuadrado de la incertidumbre proporcional en el pronóstico. Esto significa que, en la práctica, no se puede hacer una predicción significativa en un intervalo de más de dos o tres veces el tiempo de Lyapunov. Cuando no se pueden hacer predicciones significativas, el sistema parece aleatorio. [20]
La teoría del caos es un método de análisis cualitativo y cuantitativo para investigar el comportamiento de sistemas dinámicos que no pueden explicarse ni predecirse mediante relaciones de datos únicas, sino que deben explicarse y predecirse mediante relaciones de datos completas y continuas.
Dinámica caótica
El mapa definido por x → 4 x (1 – x ) e y → ( x + y) mod 1 muestra la sensibilidad a las posiciones x iniciales. Aquí, dos series de valores de xey divergen marcadamente con el tiempo a partir de una pequeña diferencia inicial.
En el uso común, "caos" significa "un estado de desorden". [21] [22] Sin embargo, en la teoría del caos, el término se define con mayor precisión. Aunque no existe una definición matemática universalmente aceptada de caos, una definición comúnmente utilizada, formulada originalmente por Robert L. Devaney , dice que para clasificar un sistema dinámico como caótico, debe tener estas propiedades: [23]
En algunos casos, se ha demostrado que las dos últimas propiedades anteriores implican en realidad sensibilidad a las condiciones iniciales. [24] [25] En el caso del tiempo discreto, esto es cierto para todos los mapas continuos en espacios métricos . [26] En estos casos, si bien suele ser la propiedad más significativa en la práctica, no es necesario indicar en la definición la "sensibilidad a las condiciones iniciales".
Si la atención se restringe a los intervalos , la segunda propiedad implica las otras dos. [27] Una definición alternativa y generalmente más débil de caos utiliza sólo las dos primeras propiedades de la lista anterior. [28]
Sensibilidad a las condiciones iniciales.
Ecuaciones de Lorenz utilizadas para generar gráficos para la variable y. Las condiciones iniciales para x y z se mantuvieron iguales pero las de y se cambiaron entre 1,001 , 1,0001 y 1,00001 . Los valores de y fueron 45,91 , 16 y 4 respectivamente . Como se puede observar en el gráfico, incluso la más mínima diferencia en los valores iniciales provoca cambios significativos tras unos 12 segundos de evolución en los tres casos. Este es un ejemplo de dependencia sensible de las condiciones iniciales.
La sensibilidad a las condiciones iniciales significa que cada punto de un sistema caótico se aproxima arbitrariamente a otros puntos que tienen caminos o trayectorias futuras significativamente diferentes. Por tanto, un cambio o perturbación arbitrariamente pequeño de la trayectoria actual puede conducir a un comportamiento futuro significativamente diferente. [2]
La sensibilidad a las condiciones iniciales se conoce popularmente como " efecto mariposa ", así llamado por el título de un artículo presentado por Edward Lorenz en 1972 a la Asociación Americana para el Avance de la Ciencia en Washington, DC, titulado Predictability: Does the Flap. de las alas de una mariposa en Brasil provocó un tornado en Texas? . [29] El aleteo representa un pequeño cambio en la condición inicial del sistema, lo que provoca una cadena de eventos que impide la previsibilidad de fenómenos a gran escala. Si la mariposa no hubiera batido sus alas, la trayectoria del sistema en su conjunto podría haber sido muy diferente.
Como sugiere el libro de Lorenz titulado La esencia del caos , publicado en 1993, [5] "la dependencia sensible puede servir como una definición aceptable del caos". En el mismo libro, Lorenz definió el efecto mariposa como: "El fenómeno de que una pequeña alteración en el estado de un sistema dinámico hará que los estados posteriores difieran mucho de los estados que habrían seguido sin la alteración". La definición anterior es consistente con la dependencia sensible de las soluciones de las condiciones iniciales (SDIC). Se desarrolló un modelo de esquí idealizado para ilustrar la sensibilidad de los caminos que varían en el tiempo hasta las posiciones iniciales. [5] Se puede determinar un horizonte de previsibilidad antes del inicio de la SDIC (es decir, antes de separaciones significativas de trayectorias cercanas iniciales). [30]
Una consecuencia de la sensibilidad a las condiciones iniciales es que si comenzamos con una cantidad limitada de información sobre el sistema (como suele ser el caso en la práctica), después de cierto tiempo, el sistema ya no sería predecible. Esto es más frecuente en el caso del tiempo, que generalmente es predecible sólo con una semana de antelación. [31] Esto no significa que no se pueda afirmar nada sobre acontecimientos en un futuro lejano, sólo que están presentes algunas restricciones en el sistema. Por ejemplo, sabemos que la temperatura de la superficie de la Tierra no alcanzará naturalmente los 100 °C (212 °F) ni caerá por debajo de -130 °C (-202 °F) en la Tierra (durante la era geológica actual ), pero No podemos predecir exactamente qué día tendrá la temperatura más alta del año.
En términos más matemáticos, el exponente de Lyapunov mide la sensibilidad a las condiciones iniciales, en forma de tasa de divergencia exponencial con respecto a las condiciones iniciales perturbadas. [32] Más específicamente, dadas dos trayectorias iniciales en el espacio de fase que son infinitamente cercanas, con separación inicial , las dos trayectorias terminan divergiendo a una velocidad dada por
donde está el tiempo y es el exponente de Lyapunov. La velocidad de separación depende de la orientación del vector de separación inicial, por lo que puede existir todo un espectro de exponentes de Lyapunov. El número de exponentes de Lyapunov es igual al número de dimensiones del espacio de fases, aunque es común referirse simplemente al mayor. Por ejemplo, el exponente máximo de Lyapunov (MLE) se utiliza con mayor frecuencia porque determina la previsibilidad general del sistema. Un MLE positivo generalmente se toma como una indicación de que el sistema es caótico. [8]
Además de la propiedad anterior, también existen otras propiedades relacionadas con la sensibilidad de las condiciones iniciales. Estos incluyen, por ejemplo, la mezcla teórica de medidas (como se analiza en la teoría ergódica ) y las propiedades de un sistema K. [11]
No periodicidad
Un sistema caótico puede tener secuencias de valores para la variable en evolución que se repiten exactamente, dando un comportamiento periódico a partir de cualquier punto de esa secuencia. Sin embargo, tales secuencias periódicas repelen en lugar de atraer, lo que significa que si la variable en evolución está fuera de la secuencia, por muy cerca que sea, no entrará en la secuencia y, de hecho, divergirá de ella. Así, para casi todas las condiciones iniciales, la variable evoluciona caóticamente con un comportamiento no periódico.
Mezcla topológica
Seis iteraciones de un conjunto de estados pasaron por el mapa logístico. La primera iteración (azul) es la condición inicial, que esencialmente forma un círculo. La animación muestra la primera a la sexta iteración de las condiciones iniciales circulares. Se puede observar que la mezcla se produce a medida que avanzamos en las iteraciones. La sexta iteración muestra que los puntos están casi completamente dispersos en el espacio de fases. Si hubiéramos avanzado más en las iteraciones, la mezcla habría sido homogénea e irreversible. El mapa logístico tiene ecuación . Para expandir el espacio de estados del mapa logístico en dos dimensiones, se creó un segundo estado, como , si y en caso contrario.El mapa definido por x → 4 x (1 – x ) e y → ( x + y) mod 1 también muestra una mezcla topológica . Aquí, la dinámica transforma la región azul primero en la región púrpura, luego en las regiones rosa y roja y, finalmente, en una nube de líneas verticales esparcidas por el espacio.
La mezcla topológica (o la condición más débil de transitividad topológica) significa que el sistema evoluciona con el tiempo de modo que cualquier región dada o conjunto abierto de su espacio de fase eventualmente se superpone con cualquier otra región dada. Este concepto matemático de "mezcla" corresponde a la intuición estándar, y la mezcla de tintes o fluidos coloreados es un ejemplo de sistema caótico.
La mezcla topológica a menudo se omite en las explicaciones populares del caos, que equiparan el caos sólo con la sensibilidad a las condiciones iniciales. Sin embargo, la dependencia sensible de las condiciones iniciales por sí sola no produce caos. Por ejemplo, considere el sistema dinámico simple producido al duplicar repetidamente un valor inicial. Este sistema tiene una dependencia sensible de las condiciones iniciales en todas partes, ya que cualquier par de puntos cercanos eventualmente se separan mucho. Sin embargo, este ejemplo no tiene mezcla topológica y, por lo tanto, no tiene caos. De hecho, tiene un comportamiento extremadamente simple: todos los puntos excepto 0 tienden al infinito positivo o negativo.
Transitividad topológica
Se dice que un mapa es topológicamente transitivo si para cualquier par de conjuntos abiertos no vacíos existe tal que . La transitividad topológica es una versión más débil de la mezcla topológica . Intuitivamente, si un mapa es topológicamente transitivo, dado un punto x y una región V , existe un punto y cerca de x cuya órbita pasa por V. Esto implica que es imposible descomponer el sistema en dos conjuntos abiertos. [33]
Un teorema relacionado importante es el teorema de transitividad de Birkhoff. Es fácil ver que la existencia de una órbita densa implica transitividad topológica. El teorema de transitividad de Birkhoff establece que si X es un segundo espacio métrico completo y contable , entonces la transitividad topológica implica la existencia de un conjunto denso de puntos en X que tienen órbitas densas. [34]
Densidad de órbitas periódicas.
Para que un sistema caótico tenga órbitas periódicas densas significa que órbitas periódicas se acercan arbitrariamente a cada punto del espacio. [33] El mapa logístico unidimensional definido por x → 4 x (1 – x ) es uno de los sistemas más simples con densidad de órbitas periódicas. Por ejemplo, → → (o aproximadamente 0,3454915 → 0,9045085 → 0,3454915) es una órbita (inestable) del período 2, y existen órbitas similares para los períodos 4, 8, 16, etc. (de hecho, para todos los períodos especificados por el teorema de Sharkovskii ) . [35]
El teorema de Sharkovskii es la base de la prueba de Li y Yorke [36] (1975) de que cualquier sistema unidimensional continuo que exhiba un ciclo regular de período tres también mostrará ciclos regulares de longitud alterna, así como órbitas completamente caóticas.
Atractores extraños
El atractor de Lorenz muestra un comportamiento caótico. Estos dos gráficos demuestran una dependencia sensible de las condiciones iniciales dentro de la región del espacio de fase ocupada por el atractor.
Algunos sistemas dinámicos, como el mapa logístico unidimensional definido por x → 4 x (1 – x ), son caóticos en todas partes, pero en muchos casos el comportamiento caótico se encuentra sólo en un subconjunto del espacio de fase. Los casos de mayor interés surgen cuando el comportamiento caótico tiene lugar sobre un atractor , ya que entonces un gran conjunto de condiciones iniciales conduce a órbitas que convergen a esta región caótica. [37]
Una manera fácil de visualizar un atractor caótico es comenzar con un punto en la cuenca de atracción del atractor y luego simplemente trazar su órbita posterior. Debido a la condición de transitividad topológica, es probable que esto produzca una imagen de todo el atractor final y, de hecho, ambas órbitas que se muestran en la figura de la derecha dan una imagen de la forma general del atractor de Lorenz. Este atractor resulta de un modelo tridimensional simple del sistema meteorológico de Lorenz . El atractor de Lorenz es quizás uno de los diagramas de sistemas caóticos más conocidos, probablemente porque no sólo es uno de los primeros, sino también uno de los más complejos, y como tal da lugar a un patrón muy interesante que, con una Poca imaginación, parece las alas de una mariposa.
A diferencia de los atractores de punto fijo y de ciclos límite , los atractores que surgen de sistemas caóticos, conocidos como atractores extraños , tienen gran detalle y complejidad. Los atractores extraños ocurren tanto en sistemas dinámicos continuos (como el sistema de Lorenz) como en algunos sistemas discretos (como el mapa de Hénon ). Otros sistemas dinámicos discretos tienen una estructura repelente llamada conjunto de Julia , que se forma en el límite entre cuencas de atracción de puntos fijos. Los conjuntos de Julia pueden considerarse extraños repelentes. Tanto los atractores extraños como los conjuntos de Julia suelen tener una estructura fractal , y para ellos se puede calcular la dimensión fractal .
Atractores coexistentes
Atractores caóticos y no caóticos coexistentes dentro del modelo generalizado de Lorenz. [38] [39] [40] Hay 128 órbitas en diferentes colores, comenzando con diferentes condiciones iniciales para un tiempo adimensional entre 0,625 y 5 y un parámetro de calentamiento r = 680. Las órbitas caóticas regresan recurrentemente cerca del punto de silla en el origen. Las órbitas no caóticas eventualmente se acercan a uno de los dos puntos críticos estables, como se muestra con grandes puntos azules. Las órbitas caóticas y no caóticas ocupan diferentes regiones de atracción dentro del espacio de fases.
En contraste con las soluciones caóticas de un solo tipo, estudios recientes que utilizan modelos de Lorenz [41] [42] han enfatizado la importancia de considerar varios tipos de soluciones. Por ejemplo, la coexistencia caótica y no caótica puede aparecer dentro del mismo modelo (por ejemplo, el sistema de doble péndulo) utilizando las mismas configuraciones de modelado pero diferentes condiciones iniciales. Los hallazgos de la coexistencia de atractores, obtenidos de los modelos de Lorenz clásicos y generalizados, [38] [39] [40] sugirieron una visión revisada de que "la totalidad del clima posee una naturaleza dual de caos y orden con distinta previsibilidad", en contraste con la visión convencional de que "el clima es caótico".
Complejidad mínima de un sistema caótico
Diagrama de bifurcación del mapa logístico x → r x (1 – x ). Cada corte vertical muestra el atractor para un valor específico de r . El diagrama muestra la duplicación del período a medida que r aumenta, lo que eventualmente produce caos. Los puntos más oscuros se visitan con mayor frecuencia.
El teorema de Poincaré-Bendixson establece que una ecuación diferencial bidimensional tiene un comportamiento muy regular. El atractor de Lorenz que se analiza a continuación se genera mediante un sistema de tres ecuaciones diferenciales como:
donde , y constituyen el estado del sistema , es el tiempo y , son los parámetros del sistema . Cinco de los términos del lado derecho son lineales, mientras que dos son cuadráticos; un total de siete mandatos. Otro atractor caótico muy conocido es el generado por las ecuaciones de Rössler , que tienen sólo un término no lineal entre siete. Sprott [43] encontró un sistema tridimensional con sólo cinco términos, que tenía sólo un término no lineal, que presenta caos para ciertos valores de parámetros. Zhang y Heidel [44] [45] demostraron que, al menos para sistemas cuadráticos disipativos y conservadores, los sistemas cuadráticos tridimensionales con sólo tres o cuatro términos en el lado derecho no pueden exhibir un comportamiento caótico. La razón es, en pocas palabras, que las soluciones de tales sistemas son asintóticas con respecto a una superficie bidimensional y, por lo tanto, las soluciones se comportan bien.
Si bien el teorema de Poincaré-Bendixson muestra que un sistema dinámico continuo en el plano euclidiano no puede ser caótico, los sistemas continuos bidimensionales con geometría no euclidiana aún pueden exhibir algunas propiedades caóticas. [46] Quizás sea sorprendente que el caos también pueda ocurrir en sistemas lineales, siempre que sean de dimensión infinita. [47] Se está desarrollando una teoría del caos lineal en una rama del análisis matemático conocida como análisis funcional .
El conjunto anterior de tres ecuaciones diferenciales ordinarias se ha denominado modelo de Lorenz tridimensional. [48] Desde 1963, se han desarrollado modelos de Lorenz de dimensiones superiores en numerosos estudios [49] [50] [38] [39] para examinar el impacto de un mayor grado de no linealidad, así como su efecto colectivo con el calentamiento y las disipaciones. , sobre la estabilidad de la solución.
Mapas de dimensiones infinitas
La generalización sencilla de mapas discretos acoplados [51] se basa en la integral de convolución que media la interacción entre mapas distribuidos espacialmente :
donde el núcleo es un propagador derivado como función de Green de un sistema físico relevante, [52] podría ser un mapa logístico similar o un mapa complejo . Para ejemplos de mapas complejos pueden servir el conjunto de Julia o el mapa de Ikeda . Cuando se consideran problemas de propagación de ondas a distancia con longitud de onda, el núcleo puede tener una forma de función de Green para la ecuación de Schrödinger :. [53] [54]
.
Sistemas idiotas
En física , el tirón es la tercera derivada de la posición , con respecto al tiempo. Como tal, ecuaciones diferenciales de la forma
A veces se les llama ecuaciones idiotas . Se ha demostrado que una ecuación de tirón, que equivale a un sistema de tres ecuaciones diferenciales ordinarias no lineales de primer orden, es en cierto sentido el escenario mínimo para soluciones que muestran un comportamiento caótico. Esto motiva el interés matemático por los sistemas idiotas. Los sistemas que involucran una cuarta derivada o superior se denominan, en consecuencia, sistemas hipertirones. [55]
El comportamiento de un sistema de sacudida se describe mediante una ecuación de sacudida y, para ciertas ecuaciones de sacudida, circuitos electrónicos simples pueden modelar soluciones. Estos circuitos se conocen como circuitos idiotas.
Una de las propiedades más interesantes de los circuitos idiotas es la posibilidad de comportamiento caótico. De hecho, ciertos sistemas caóticos bien conocidos, como el atractor de Lorenz y el mapa de Rössler , se describen convencionalmente como un sistema de tres ecuaciones diferenciales de primer orden que pueden combinarse en una única (aunque bastante complicada) ecuación de tirón. Otro ejemplo de ecuación brusca con no linealidad en la magnitud de es:
Aquí, A es un parámetro ajustable. Esta ecuación tiene una solución caótica para A =3/5 y se puede implementar con el siguiente circuito de sacudida; la no linealidad requerida la provocan los dos diodos:
En el circuito anterior, todas las resistencias son del mismo valor, excepto , y todos los condensadores son del mismo tamaño. La frecuencia dominante es . La salida del amplificador operacional 0 corresponderá a la variable x, la salida de 1 corresponde a la primera derivada de x y la salida de 2 corresponde a la segunda derivada.
Circuitos similares solo requieren un diodo [56] o ningún diodo. [57]
Véase también el conocido circuito de Chua , una base para generadores caóticos de números aleatorios verdaderos. [58] La facilidad de construcción del circuito lo ha convertido en un ejemplo omnipresente de sistema caótico en el mundo real.
Además, desde el punto de vista de la física teórica, el caos dinámico mismo, en su manifestación más general, es un orden espontáneo. La esencia aquí es que la mayoría de los órdenes en la naturaleza surgen de la ruptura espontánea de varias simetrías. Esta gran familia de fenómenos incluye elasticidad, superconductividad, ferromagnetismo y muchos otros. Según la teoría supersimétrica de la dinámica estocástica , el caos, o más precisamente, su generalización estocástica, también forma parte de esta familia. La simetría correspondiente que se rompe es la supersimetría topológica que está oculta en todas las ecuaciones diferenciales estocásticas (parciales) , y el parámetro de orden correspondiente es una encarnación teórica de campo del efecto mariposa. [60]
James Clerk Maxwell fue el primero en enfatizar el " efecto mariposa " y se le considera uno de los primeros en discutir la teoría del caos, con trabajos en las décadas de 1860 y 1870. [61] [62] [63] Uno de los primeros defensores de la teoría del caos fue Henri Poincaré . En la década de 1880, mientras estudiaba el problema de los tres cuerpos , descubrió que puede haber órbitas que no sean periódicas y, sin embargo, no aumenten eternamente ni se acerquen a un punto fijo. [64] [65] [66] En 1898, Jacques Hadamard publicó un influyente estudio sobre el movimiento caótico de una partícula libre que se desliza sin fricción sobre una superficie de curvatura negativa constante, llamado " billar de Hadamard ". [67] Hadamard pudo demostrar que todas las trayectorias son inestables, en el sentido de que todas las trayectorias de las partículas divergen exponencialmente entre sí, con un exponente de Lyapunov positivo .
A pesar de las ideas iniciales de la primera mitad del siglo XX, la teoría del caos se formalizó como tal sólo después de mediados de siglo, cuando para algunos científicos se hizo evidente por primera vez que la teoría lineal , la teoría de sistemas predominante en ese momento, simplemente no podía explicar los fenómenos observados. Comportamiento de ciertos experimentos como el del mapa logístico . Lo que se había atribuido a la imprecisión de la medida y al simple " ruido " fue considerado por los teóricos del caos como un componente completo de los sistemas estudiados. En 1959, Boris Valerianovich Chirikov propuso un criterio para el surgimiento del caos clásico en los sistemas hamiltonianos ( criterio de Chirikov ). Aplicó este criterio para explicar algunos resultados experimentales sobre el confinamiento de plasma en trampas de espejos abiertos. [74] [75] Ésta se considera la primera teoría física del caos que logró explicar un experimento concreto. Y el propio Boris Chirikov es considerado un pionero del caos clásico y cuántico. [76] [77] [78]
El principal catalizador del desarrollo de la teoría del caos fue la computadora electrónica. Gran parte de las matemáticas de la teoría del caos implican la iteración repetida de fórmulas matemáticas simples, lo que sería poco práctico de hacer a mano. Las computadoras electrónicas hicieron prácticos estos cálculos repetidos, mientras que las figuras y las imágenes permitieron visualizar estos sistemas. Como estudiante de posgrado en el laboratorio de Chihiro Hayashi en la Universidad de Kyoto, Yoshisuke Ueda estaba experimentando con computadoras analógicas y notó, el 27 de noviembre de 1961, lo que llamó "fenómenos de transición aleatoria". Sin embargo, su asesor no estuvo de acuerdo con sus conclusiones en ese momento y no le permitió informar sobre sus hallazgos hasta 1970. [79] [80]
Edward Lorenz fue uno de los primeros pioneros de la teoría. Su interés por el caos surgió accidentalmente a través de su trabajo sobre predicción del tiempo en 1961. [13] Lorenz y sus colaboradoras Ellen Fetter y Margaret Hamilton [81] estaban usando una simple computadora digital, una Royal McBee LGP-30 , para ejecutar simulaciones climáticas. Querían volver a ver una secuencia de datos y, para ahorrar tiempo, iniciaron la simulación a mitad de su curso. Lo hicieron ingresando una copia impresa de los datos que correspondían a las condiciones en medio de la simulación original. Para su sorpresa, el tiempo que la máquina empezó a predecir era completamente diferente al cálculo anterior. Rastrearon esto hasta la copia impresa de la computadora. La computadora funcionó con una precisión de 6 dígitos, pero la impresión redondeó las variables a un número de 3 dígitos, por lo que un valor como 0,506127 se imprimió como 0,506. Esta diferencia es pequeña y el consenso en ese momento habría sido que no debería tener ningún efecto práctico. Sin embargo, Lorenz descubrió que pequeños cambios en las condiciones iniciales producían grandes cambios en los resultados a largo plazo. [82] El descubrimiento de Lorenz, que dio nombre a los atractores de Lorenz , demostró que incluso los modelos atmosféricos detallados no pueden, en general, hacer predicciones meteorológicas precisas a largo plazo.
En 1963, Benoit Mandelbrot , estudiando la teoría de la información , descubrió que el ruido en muchos fenómenos (incluidos los precios de las acciones y los circuitos telefónicos ) tenía un patrón similar al de un conjunto de Cantor , un conjunto de puntos con infinita rugosidad y detalle [83] Mandelbrot describió tanto el "efecto Noé" " (en el que pueden ocurrir cambios repentinos y discontinuos) y el "efecto Joseph" (en el que la persistencia de un valor puede ocurrir durante un tiempo, pero luego cambia repentinamente). [84] [85] En 1967, publicó " ¿Cuánto mide la costa de Gran Bretaña? Auto-semejanza estadística y dimensión fraccionaria ", mostrando que la longitud de una costa varía con la escala del instrumento de medición, se parece a sí misma en todas las escalas y tiene una longitud infinita para un dispositivo de medición infinitamente pequeño. [86] Argumentando que un ovillo de hilo aparece como un punto cuando se ve desde lejos (dimensión 0), un ovillo cuando se ve desde bastante cerca (tridimensional), o un hilo curvo (didimensional), argumentó que las dimensiones de un objeto son relativas al observador y pueden ser fraccionarias. Un objeto cuya irregularidad es constante en diferentes escalas ("auto-semejanza") es un fractal (los ejemplos incluyen la esponja de Menger , la junta de Sierpiński y la curva de Koch o copo de nieve , que es infinitamente larga pero encierra un espacio finito y tiene un fractal). dimensión de alrededor de 1,2619). En 1982, Mandelbrot publicó La geometría fractal de la naturaleza , que se convirtió en un clásico de la teoría del caos. [87]
En diciembre de 1977, la Academia de Ciencias de Nueva York organizó el primer simposio sobre el caos, al que asistieron David Ruelle, Robert May , James A. Yorke (que acuñó el término "caos" tal como se utiliza en matemáticas), Robert Shaw y el meteorólogo Edward. Lorenz. Al año siguiente, Pierre Coullet y Charles Tresser publicaron "Itérations d'endomorphismes et groupe de renormalisation", y el artículo de Mitchell Feigenbaum "Quantitative Universality for a Class of Nonlinear Transformations" finalmente apareció en una revista, después de 3 años de rechazos de los árbitros. [88] [89] Así, Feigenbaum (1975) y Coullet y Tresser (1978) descubrieron la universalidad en el caos, permitiendo la aplicación de la teoría del caos a muchos fenómenos diferentes.
Además de enfoques en gran medida basados en laboratorio, como el montón de arena de Bak-Tang-Wiesenfeld , muchas otras investigaciones se han centrado en sistemas naturales o sociales a gran escala que se sabe (o se sospecha) que muestran un comportamiento invariante de escala . Aunque estos enfoques no siempre fueron bien recibidos (al menos inicialmente) por los especialistas en los temas examinados, el COS se ha consolidado como un fuerte candidato para explicar una serie de fenómenos naturales, incluidos los terremotos (que, mucho antes de que se descubriera el COS, ya se conocían). como fuente de comportamiento invariante de escala, como la ley de Gutenberg-Richter que describe la distribución estadística de los tamaños de los terremotos y la ley de Omori [93] que describe la frecuencia de las réplicas), erupciones solares , fluctuaciones en sistemas económicos como los mercados financieros (referencias al SOC son comunes en econofísica ), la formación de paisajes, los incendios forestales , los deslizamientos de tierra , las epidemias y la evolución biológica (donde el SOC ha sido invocado, por ejemplo, como el mecanismo dinámico detrás de la teoría de los " equilibrios puntuados " propuesta por Niles Eldredge y Stephen Jay Gould ). Dadas las implicaciones de una distribución de tamaños de eventos sin escala, algunos investigadores han sugerido que otro fenómeno que debería considerarse un ejemplo de SOC es la aparición de guerras . Estas investigaciones de COS han incluido tanto intentos de modelado (ya sea desarrollando nuevos modelos o adaptando los existentes a las características específicas de un sistema natural determinado) como análisis extensos de datos para determinar la existencia y/o características de las leyes de escala natural.
También en 1987, James Gleick publicó Caos: Haciendo una nueva ciencia , que se convirtió en un éxito de ventas e introdujo los principios generales de la teoría del caos, así como su historia, al público en general. [94] Inicialmente dominio de unos pocos individuos aislados, la teoría del caos emergió progresivamente como una disciplina transdisciplinaria e institucional, principalmente bajo el nombre de análisis de sistemas no lineales . Aludiendo al concepto de cambio de paradigma de Thomas Kuhn expuesto en La estructura de las revoluciones científicas (1962), muchos "caólogos" (como algunos se describían a sí mismos) afirmaron que esta nueva teoría era un ejemplo de tal cambio, tesis sostenida por Gleick. .
Las contribuciones pioneras de Lorenz al modelado caótico
A lo largo de su carrera, el profesor Lorenz fue autor de un total de 61 artículos de investigación, de los cuales 58 fueron escritos exclusivamente por él. [98] A partir de la conferencia de 1960 en Japón, Lorenz se embarcó en un viaje de desarrollo de diversos modelos destinados a descubrir la SDIC y sus características caóticas. Una revisión reciente de la progresión del modelo de Lorenz [99] [100] que abarca desde 1960 hasta 2008 reveló su habilidad para emplear diversos sistemas físicos para ilustrar fenómenos caóticos. Estos sistemas abarcaban sistemas cuasigeostróficos, la ecuación de vorticidad conservadora, las ecuaciones de convección de Rayleigh-Bénard y las ecuaciones de aguas poco profundas. Además, a Lorenz se le puede atribuir la aplicación temprana del mapa logístico para explorar soluciones caóticas, un hito que logró antes que sus colegas (por ejemplo, Lorenz 1964 [101] ).
En 1972, Lorenz acuñó el término "efecto mariposa" como metáfora para discutir si una pequeña perturbación podría eventualmente crear un tornado con una estructura tridimensional, organizada y coherente. Si bien está relacionado con el efecto mariposa original basado en una dependencia sensible de las condiciones iniciales, su variante metafórica conlleva distintos matices. Para conmemorar este hito, se publicó oficialmente un libro reimpreso que contiene artículos invitados que profundizan nuestra comprensión de ambos efectos mariposa para celebrar el 50 aniversario del efecto mariposa metafórico. [102]
Una analogía popular pero inexacta del caos
La sensible dependencia de las condiciones iniciales (es decir, el efecto mariposa) se ha ilustrado utilizando el siguiente folklore: [94]
Por falta de un clavo, el zapato se perdió. Por falta de herradura, el caballo se perdió. Por falta de caballo, el jinete se perdió. A falta de un jinete, la batalla estaba perdida. A falta de batalla, el reino se perdió. Y todo por falta de un clavo de herradura.
Con base en lo anterior, muchas personas creen erróneamente que el impacto de una pequeña perturbación inicial aumenta monótonamente con el tiempo y que cualquier pequeña perturbación puede eventualmente producir un gran impacto en las integraciones numéricas. Sin embargo, en 2008, Lorenz declaró que no creía que este versículo describiera el verdadero caos, sino que ilustraba mejor el fenómeno más simple de la inestabilidad y que el versículo sugiere implícitamente que los pequeños eventos posteriores no revertirán el resultado. [103] Según el análisis, el versículo solo indica divergencia, no limitación. [6] La delimitación es importante para el tamaño finito de un patrón de mariposa. [6] [103] [104] En un estudio reciente, [105] la característica del verso antes mencionado se denominó recientemente como "dependencia sensible al tiempo finito".
Aunque la teoría del caos nació de la observación de patrones climáticos, se ha vuelto aplicable a una variedad de otras situaciones. Algunas áreas que hoy se benefician de la teoría del caos son geología , matemáticas , biología , informática , economía , [107] [108] [109] ingeniería , [110] [111] finanzas , [112] [113] [114] [115] [116] meteorología , filosofía , antropología , [15] física , [117] [118] [119] política , [120] [121] dinámica de poblaciones , [122] y robótica . A continuación se enumeran algunas categorías con ejemplos, pero de ninguna manera se trata de una lista completa, ya que están apareciendo nuevas aplicaciones.
Criptografía
La teoría del caos se ha utilizado durante muchos años en criptografía . En las últimas décadas, el caos y la dinámica no lineal se han utilizado en el diseño de cientos de primitivas criptográficas . Estos algoritmos incluyen algoritmos de cifrado de imágenes , funciones hash , generadores seguros de números pseudoaleatorios , cifrados de flujo , marcas de agua y esteganografía . [123] La mayoría de estos algoritmos se basan en mapas caóticos unimodales y una gran parte de estos algoritmos utilizan los parámetros de control y la condición inicial de los mapas caóticos como claves. [124] Desde una perspectiva más amplia, sin pérdida de generalidad, las similitudes entre los mapas caóticos y los sistemas criptográficos son la principal motivación para el diseño de algoritmos criptográficos basados en el caos. [123] Un tipo de cifrado, clave secreta o clave simétrica , se basa en la difusión y la confusión , lo cual está bien modelado por la teoría del caos. [125] Otro tipo de computación, la computación del ADN , cuando se combina con la teoría del caos, ofrece una forma de cifrar imágenes y otra información. [126] Se ha demostrado que muchos de los algoritmos criptográficos de DNA-Chaos no son seguros o se sugiere que la técnica aplicada no es eficiente. [127] [128] [129]
Robótica
La robótica es otra área que recientemente se ha beneficiado de la teoría del caos. En lugar de que los robots actúen en un tipo de refinamiento de prueba y error para interactuar con su entorno, se ha utilizado la teoría del caos para construir un modelo predictivo . [130] Los robots bípedos que caminan pasivos
han exhibido dinámicas caóticas . [131]
Biología
Durante más de cien años, los biólogos han realizado un seguimiento de las poblaciones de diferentes especies con modelos poblacionales . La mayoría de los modelos son continuos , pero recientemente los científicos han podido implementar modelos caóticos en determinadas poblaciones. [132] Por ejemplo, un estudio sobre modelos de lince canadiense mostró que había un comportamiento caótico en el crecimiento de la población. [133] El caos también se puede encontrar en los sistemas ecológicos, como la hidrología . Si bien un modelo caótico para la hidrología tiene sus deficiencias, todavía queda mucho que aprender al observar los datos a través de la lente de la teoría del caos. [134] Otra aplicación biológica se encuentra en la cardiotocografía . La vigilancia fetal es un delicado equilibrio entre obtener información precisa y al mismo tiempo ser lo más no invasiva posible. Se pueden obtener mejores modelos de señales de advertencia de hipoxia fetal mediante modelos caóticos. [135]
Como señala Perry, la modelización de series temporales caóticas en ecología se ve favorecida por las restricciones. [136] : 176, 177 Siempre existe una dificultad potencial para distinguir el caos real del caos que sólo está en el modelo. [136] : 176, 177 Por lo tanto, tanto la restricción en el modelo como los datos duplicados de series de tiempo para comparación serán útiles para restringir el modelo a algo cercano a la realidad, por ejemplo, Perry y Wall 1984. [136] : 176, 177 Gene " La coevolución de genes a veces muestra una dinámica caótica en las frecuencias de los alelos ". [137] Agregar variables exagera esto: el caos es más común en los modelos que incorporan variables adicionales para reflejar facetas adicionales de las poblaciones reales. [137] El propio Robert M. May realizó algunos de estos estudios fundamentales de coevolución de cultivos y esto, a su vez, ayudó a dar forma a todo el campo. [137] Incluso en un entorno estable, la simple combinación de un cultivo y un patógeno puede dar lugar a oscilaciones casi periódicas o caóticas en la población de patógenos . [138] : 169
Ciencias económicas
Es posible que los modelos económicos también puedan mejorarse mediante la aplicación de la teoría del caos, pero predecir la salud de un sistema económico y qué factores influyen más en él es una tarea extremadamente compleja. [139] Los sistemas económicos y financieros son fundamentalmente diferentes de los de las ciencias naturales clásicas, ya que los primeros son inherentemente de naturaleza estocástica, ya que son el resultado de las interacciones de las personas y, por lo tanto, es poco probable que los modelos deterministas puros proporcionen representaciones precisas de los datos. La literatura empírica que prueba el caos en economía y finanzas presenta resultados muy variados, en parte debido a la confusión entre pruebas específicas de caos y pruebas más generales de relaciones no lineales. [140]
El caos podría encontrarse en la economía mediante el análisis de cuantificación de la recurrencia . De hecho, Orlando et al. [141] mediante el llamado índice de correlación de cuantificación de recurrencia pudieron detectar cambios ocultos en las series temporales. Luego, se empleó la misma técnica para detectar transiciones de fases laminares (regulares) a turbulentas (caóticas), así como diferencias entre variables macroeconómicas y resaltar características ocultas de la dinámica económica. [142] Finalmente, la teoría del caos podría ayudar a modelar cómo opera una economía, así como a incorporar shocks debidos a eventos externos como COVID-19. [143]
Previsibilidad finita en tiempo y clima
Debido a la sensible dependencia de las soluciones de las condiciones iniciales (SDIC), también conocida como efecto mariposa, los sistemas caóticos como el modelo de Lorenz 1963 implican un horizonte de previsibilidad finito. Esto significa que, si bien es posible hacer predicciones precisas en un período de tiempo finito, no son factibles en un lapso de tiempo infinito. Considerando la naturaleza de las caóticas soluciones de Lorenz, el comité dirigido por Charney et al. en 1966 [144] extrapoló un tiempo de duplicación de cinco días a partir de un modelo de circulación general, sugiriendo un límite de previsibilidad de dos semanas. Esta conexión entre el tiempo de duplicación de cinco días y el límite de previsibilidad de dos semanas también se registró en un informe de 1969 del Programa de Investigación Atmosférica Global (GARP). [145] Reconocer las influencias directas e indirectas combinadas del modelo de Mintz y Arakawa y los modelos de Lorenz, así como el liderazgo de Charney et al., Shen et al. [146] se refieren al límite de previsibilidad de dos semanas como la "hipótesis del límite de previsibilidad", haciendo una analogía con la ley de Moore.
Marco de modelado ampliado por IA
En modelos de lenguaje grande impulsados por IA, las respuestas pueden mostrar sensibilidades a factores como alteraciones en el formato y variaciones en las indicaciones. Estas sensibilidades son similares a los efectos mariposa. [147] Aunque clasificar los grandes modelos de lenguaje impulsados por IA como sistemas caóticos deterministas clásicos plantea desafíos, se pueden emplear enfoques y técnicas inspirados en el caos (como el modelado de conjuntos) para extraer información confiable de estos modelos de lenguaje expansivos (ver también " Efecto mariposa en Cultura Popular ”).
Otras áreas
En química, predecir la solubilidad del gas es esencial para fabricar polímeros , pero los modelos que utilizan la optimización de enjambre de partículas (PSO) tienden a converger en puntos equivocados. Se ha creado una versión mejorada de PSO introduciendo el caos, lo que evita que las simulaciones se atasquen. [148] En la mecánica celeste , especialmente al observar asteroides, la aplicación de la teoría del caos conduce a mejores predicciones sobre cuándo estos objetos se acercarán a la Tierra y otros planetas. [149] Cuatro de las cinco lunas de Plutón giran caóticamente. En física cuántica e ingeniería eléctrica , el estudio de grandes conjuntos de uniones Josephson se benefició enormemente de la teoría del caos. [150] Más cerca de casa, las minas de carbón siempre han sido lugares peligrosos donde las frecuentes fugas de gas natural causan muchas muertes. Hasta hace poco, no existía una forma fiable de predecir cuándo ocurrirían. Pero estas fugas de gas tienen tendencias caóticas que, cuando se modelan adecuadamente, pueden predecirse con bastante precisión. [151]
La teoría del caos puede aplicarse fuera de las ciencias naturales, pero históricamente casi todos esos estudios han adolecido de falta de reproducibilidad; mala validez externa; y/o falta de atención a la validación cruzada, lo que da como resultado una precisión predictiva deficiente (si incluso se ha intentado una predicción fuera de la muestra). Glass [152] y Mandell y Selz [153] han descubierto que ningún estudio EEG ha indicado hasta el momento la presencia de atractores extraños u otros signos de comportamiento caótico.
Los investigadores han seguido aplicando la teoría del caos a la psicología. Por ejemplo, al modelar el comportamiento de un grupo en el que miembros heterogéneos pueden comportarse como si compartieran en diferentes grados lo que en la teoría de Wilfred Bion es un supuesto básico, los investigadores han descubierto que la dinámica del grupo es el resultado de la dinámica individual de los miembros: cada uno El individuo reproduce la dinámica del grupo en una escala diferente, y el comportamiento caótico del grupo se refleja en cada miembro. [154]
Redington y Reidbord (1992) intentaron demostrar que el corazón humano podía mostrar rasgos caóticos. Monitorearon los cambios en los intervalos entre latidos del corazón de una sola paciente de psicoterapia mientras atravesaba períodos de intensidad emocional variable durante una sesión de terapia. Es cierto que los resultados no fueron concluyentes. No sólo hubo ambigüedades en los diversos gráficos que los autores produjeron para supuestamente mostrar evidencia de dinámica caótica (análisis espectral, trayectoria de fase y gráficos de autocorrelación), sino también cuando intentaron calcular un exponente de Lyapunov como confirmación más definitiva del comportamiento caótico, el Los autores descubrieron que no podían hacerlo de manera confiable. [155]
En su artículo de 1995, Metcalf y Allen [156] sostuvieron que habían descubierto en el comportamiento animal un patrón de duplicación del período que conducía al caos. Los autores examinaron una respuesta bien conocida llamada polidipsia inducida por el horario, por la cual un animal privado de alimento durante ciertos períodos de tiempo beberá cantidades inusuales de agua cuando finalmente se le presente el alimento. El parámetro de control (r) que operaba aquí era la duración del intervalo entre tomas, una vez reanudadas. Los autores tuvieron cuidado de probar una gran cantidad de animales e incluir muchas repeticiones, y diseñaron su experimento de manera que descartara la probabilidad de que los cambios en los patrones de respuesta fueran causados por diferentes puntos de partida para r.
Las series temporales y los gráficos del primer retraso brindan el mejor respaldo para las afirmaciones hechas, mostrando una marcha bastante clara de la periodicidad a la irregularidad a medida que se incrementaron los tiempos de alimentación. Por otro lado, los distintos gráficos de trayectoria de fase y los análisis espectrales no coinciden lo suficientemente bien con los otros gráficos ni con la teoría general como para conducir inexorablemente a un diagnóstico caótico. Por ejemplo, las trayectorias de fase no muestran una progresión definida hacia una complejidad cada vez mayor (y alejándose de la periodicidad); el proceso parece bastante confuso. Además, donde Metcalf y Allen vieron períodos de dos y seis en sus diagramas espectrales, hay lugar para interpretaciones alternativas. Toda esta ambigüedad requiere alguna explicación serpenteante y post-hoc para mostrar que los resultados se ajustan a un modelo caótico.
Al adaptar un modelo de asesoramiento profesional para incluir una interpretación caótica de la relación entre los empleados y el mercado laboral, Amundson y Bright descubrieron que se pueden hacer mejores sugerencias a las personas que luchan con decisiones profesionales. [157] Las organizaciones modernas son vistas cada vez más como sistemas adaptativos complejos y abiertos con estructuras naturales no lineales fundamentales, sujetas a fuerzas internas y externas que pueden contribuir al caos. Por ejemplo, la formación de equipos y el desarrollo de grupos se investigan cada vez más como un sistema inherentemente impredecible, ya que la incertidumbre de diferentes individuos que se encuentran por primera vez hace que la trayectoria del equipo sea incognoscible. [158]
Algunos dicen que la metáfora del caos (utilizada en teorías verbales) basada en modelos matemáticos y aspectos psicológicos del comportamiento humano proporciona ideas útiles para describir la complejidad de los pequeños grupos de trabajo, que van más allá de la metáfora misma. [159]
Los coches rojos y los coches azules se turnan para moverse; los rojos solo se mueven hacia arriba y los azules se mueven hacia la derecha. Cada vez, todos los coches del mismo color intentan avanzar un paso si no hay ningún coche delante. Aquí, el modelo se ha autoorganizado en un patrón algo geométrico donde hay algunos atascos y algunas zonas donde los coches pueden circular a máxima velocidad.
La previsión del tráfico puede beneficiarse de las aplicaciones de la teoría del caos. Mejores predicciones sobre cuándo se producirá una congestión permitirían tomar medidas para dispersarla antes de que se hubiera producido. La combinación de los principios de la teoría del caos con algunos otros métodos ha llevado a un modelo de predicción a corto plazo más preciso (consulte el gráfico del modelo de tráfico BML a la derecha). [160]
La teoría del caos se ha aplicado a los datos ambientales del ciclo del agua (también a los datos hidrológicos ), como las precipitaciones y el caudal de los ríos. [161] Estos estudios han arrojado resultados controvertidos, porque los métodos para detectar una firma caótica son a menudo relativamente subjetivos. Los primeros estudios tendieron a "tener éxito" en encontrar el caos, mientras que los estudios y metanálisis posteriores cuestionaron esos estudios y proporcionaron explicaciones de por qué es poco probable que estos conjuntos de datos tengan una dinámica caótica de baja dimensión. [162]
^ "teoría del caos | Definición y hechos". Enciclopedia Británica . Consultado el 24 de noviembre de 2019 .
^ abc "¿Qué es la teoría del caos? - Fractal Foundation" . Consultado el 24 de noviembre de 2019 .
^ Weisstein, Eric W. "Caos". mathworld.wolfram.com . Consultado el 24 de noviembre de 2019 .
^ Boeing, Geoff (26 de marzo de 2015). «La teoría del caos y el mapa logístico» . Consultado el 17 de mayo de 2020 .
^ a b C Lorenz, Edward (1993). La esencia del caos . Prensa de la Universidad de Washington. págs. 181-206.
^ a b C Shen, Bo-Wen; Pielke, Roger A.; Zeng, Xubin; Cui, Jialin; Faghih-Naini, Sara; Paxson, Wei; Atlas, Robert (4 de julio de 2022). "Tres tipos de efectos mariposa dentro de los modelos de Lorenz". Enciclopedia . 2 (3): 1250-1259. doi : 10.3390/enciclopedia2030084 . ISSN 2673-8392. El texto se copió de esta fuente, que está disponible bajo una licencia internacional Creative Commons Attribution 4.0.
^ Kellert, Stephen H. (1993). Tras el caos: orden impredecible en sistemas dinámicos . Prensa de la Universidad de Chicago. pag. 32.ISBN978-0-226-42976-2.
^ abcd Bishop, Robert (2017), "Chaos", en Zalta, Edward N. (ed.), The Stanford Encyclopedia of Philosophy (edición de primavera de 2017), Metaphysics Research Lab, Universidad de Stanford , consultado el 24 de noviembre de 2019
^ Kellert 1993, pag. 56
^ Kellert 1993, pag. 62
^ ab Werndl, Charlotte (2009). "¿Cuáles son las nuevas implicaciones del caos para la imprevisibilidad?". La Revista Británica de Filosofía de la Ciencia . 60 (1): 195–220. arXiv : 1310.1576 . doi : 10.1093/bjps/axn053. S2CID 354849.
^ Danforth, Christopher M. (abril de 2013). "Caos en una atmósfera colgada de una pared". Matemáticas del Planeta Tierra 2013 . Consultado el 12 de junio de 2018 .
^ ab Lorenz, Edward N. (1963). "Flujo determinista no periódico". Revista de Ciencias Atmosféricas . 20 (2): 130-141. Código Bib : 1963JAtS...20..130L. doi : 10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2 .
^ Ivancevic, Vladimir G.; Tijana T. Ivancevic (2008). No linealidad compleja: caos, transiciones de fase, cambio de topología e integrales de ruta . Saltador. ISBN978-3-540-79356-4.
^ ab Mosko MS, Damon FH (Eds.) (2005). Sobre el orden del caos. Antropología social y ciencia del caos . Oxford: Libros Berghahn.
^ ab Piotrowski, Chris. "Teoría del caos y la pandemia de Covid-19: aplicaciones basadas en un análisis bibliométrico". researchgate.net . Consultado el 13 de mayo de 2020 .
^ ab Weinberger, David (2019). Caos cotidiano: tecnología, complejidad y cómo prosperamos en un nuevo mundo de posibilidades. Prensa de Harvard Business Review. ISBN9781633693968.
^ "Caos estructural". www.philarchive.org . Consultado el 18 de agosto de 2024 .
^ Sabiduría, Jack; Sussman, Gerald Jay (3 de julio de 1992). "Evolución caótica del sistema solar". Ciencia . 257 (5066): 56–62. Código Bib : 1992 Ciencia... 257... 56S. doi :10.1126/ciencia.257.5066.56. hdl : 1721.1/5961 . ISSN 1095-9203. PMID 17800710. S2CID 12209977.
^ Sincronización: la ciencia emergente del orden espontáneo , Steven Strogatz, Hyperion, Nueva York, 2003, páginas 189-190.
^ "Definición de caos | Dictionary.com". www.diccionario.com . Consultado el 24 de noviembre de 2019 .
^ Hasselblatt, Boris; Anatole Katok (2003). Un primer curso de dinámica: con un panorama de la evolución reciente . Prensa de la Universidad de Cambridge. ISBN978-0-521-58750-1.
^ Elaydi, Sabre N. (1999). Caos discreto . Chapman y Hall/CRC. pag. 137.ISBN978-1-58488-002-8.
^ Basener, William F. (2006). Topología y sus aplicaciones . Wiley. pag. 42.ISBN978-0-471-68755-9.
^ Bancos; arroyos; mojones; Davis; Stacy (1992). "Sobre la definición de caos de Devaney". El Mensual Matemático Estadounidense . 99 (4): 332–334. doi :10.1080/00029890.1992.11995856.
^ Vellekoop, Michel; Berglund, Raoul (abril de 1994). "En intervalos, transitividad = caos". El Mensual Matemático Estadounidense . 101 (4): 353–5. doi :10.2307/2975629. JSTOR 2975629.
^ Medio, Alfredo; Líneas, Marji (2001). Dinámica no lineal: introducción . Prensa de la Universidad de Cambridge. pag. 165.ISBN978-0-521-55874-7.
^ "Edward Lorenz, padre de la teoría del caos y el efecto mariposa, muere a los 90 años". Noticias del MIT . 16 de abril de 2008 . Consultado el 24 de noviembre de 2019 .
^ Shen, Bo-Wen; Pielke, Roger A.; Zeng, Xubin (7 de mayo de 2022). "Un punto de silla y dos tipos de sensibilidades dentro de los modelos Lorenz 1963 y 1969". Atmósfera . 13 (5): 753. Bibcode : 2022Atmos..13..753S. doi : 10.3390/atmos13050753 . ISSN 2073-4433.
^ Watts, Robert G. (2007). El calentamiento global y el futuro de la Tierra . Morgan y Claypool. pag. 17.
^ Weisstein, Eric W. "Exponente característico de Lyapunov". mathworld.wolfram.com . Consultado el 24 de noviembre de 2019 .
^ Strelioff, Christopher; et., al. (2006). "Predicción del caos a medio plazo". Física. Rev. Lett . 96 (4): 044101. Código bibliográfico : 2006PhRvL..96d4101S. doi : 10.1103/PhysRevLett.96.044101. PMID 16486826.
^ abc Shen, Bo-Wen (1 de marzo de 2019). "Retroalimentación negativa agregada en un modelo de Lorenz generalizado". Revista Internacional de Bifurcación y Caos . 29 (3): 1950037–1950091. Código Bib : 2019IJBC...2950037S. doi : 10.1142/S0218127419500378 . ISSN 0218-1274. S2CID 132494234.
^ a b C Shen, Bo-Wen; Pielke, Roger A.; Zeng, Xubin; Baik, Jong-Jin; Faghih-Naini, Sara; Cui, Jialin; Atlas, Robert (1 de enero de 2021). "¿Es el clima caótico?: Coexistencia de caos y orden dentro de un modelo de Lorenz generalizado". Boletín de la Sociedad Meteorológica Estadounidense . 102 (1): E148-E158. Código Bib : 2021BAMS..102E.148S. doi : 10.1175/BAMS-D-19-0165.1 . ISSN 0003-0007. S2CID 208369617.
^ ab Shen, Bo-Wen; Pielke Sr., Roger Pielke; Zeng, Xubin; Cui, Jialin; Faghih-Naini, Sara; Paxson, Wei; Kesarkar, Amit; Zeng, Xiping; Atlas, Robert (12 de noviembre de 2022). "La doble naturaleza del caos y el orden en la atmósfera". Atmósfera . 13 (11): 1892. Bibcode : 2022Atmos..13.1892S. doi : 10.3390/atmos13111892 . ISSN 2073-4433.
^ Yorke, James A.; Yorke, Ellen D. (1 de septiembre de 1979). "Caos metaestable: la transición a un comportamiento caótico sostenido en el modelo de Lorenz". Revista de Física Estadística . 21 (3): 263–277. Código Bib : 1979JSP....21..263Y. doi :10.1007/BF01011469. ISSN 1572-9613. S2CID 12172750.
^ Shen, Bo-Wen; Pielke Sr., RA; Zeng, X.; Baik, J.-J.; Faghih-Naini, S.; Cui, J.; Atlas, R.; Reyes, TAL (2021). "¿Es el clima caótico? Atractores caóticos y no caóticos coexistentes dentro de los modelos de Lorenz". En Skiadas, Christos H.; Dimotikalis, Yiannis (eds.). 13º Congreso Internacional de Simulación y Modelado Caótico . Procedimientos Springer en complejidad. Cham: Editorial Internacional Springer. págs. 805–825. doi :10.1007/978-3-030-70795-8_57. ISBN978-3-030-70795-8. S2CID 245197840.
^ Sprott, JC (1997). "Flujo caótico disipativo más simple". Letras de Física A. 228 (4–5): 271–274. Código bibliográfico : 1997PhLA..228..271S. doi :10.1016/S0375-9601(97)00088-1.
^ Fu, Z.; Heidel, J. (1997). "Comportamiento no caótico en sistemas cuadráticos tridimensionales". No linealidad . 10 (5): 1289-1303. Código Bib : 1997Nonli..10.1289F. doi : 10.1088/0951-7715/5/10/014. S2CID 250757113.
^ Heidel, J.; Fu, Z. (1999). "Comportamiento no caótico en sistemas cuadráticos tridimensionales II. El caso conservador". No linealidad . 12 (3): 617–633. Código Bib : 1999Nonli..12..617H. doi :10.1088/0951-7715/3/12/012. S2CID 250853499.
^ Ulcigrai, Corinna (2021). "Caos lento en flujos superficiales". Bollettino dell'Unione Matematica Italiana . 14 (1): 231–255. arXiv : 2010.06231 . doi :10.1007/s40574-020-00267-0. ISSN 1972-6724.
^ Bonet, J.; Martínez-Giménez, F.; Peris, A. (2001). "Un espacio de Banach que no admite ningún operador caótico". Boletín de la Sociedad Matemática de Londres . 33 (2): 196–8. doi :10.1112/blms/33.2.196. S2CID 121429354.
^ Shen, Bo-Wen (1 de mayo de 2014). "Retroalimentación no lineal en un modelo de Lorenz de cinco dimensiones". Revista de Ciencias Atmosféricas . 71 (5): 1701-1723. Código Bib : 2014JAtS...71.1701S. doi :10.1175/JAS-D-13-0223.1. ISSN 0022-4928. S2CID 123683839.
^ Musielak, Dora E.; Musielak, Zdzislaw E.; Kennamer, Kenny S. (1 de marzo de 2005). "El inicio del caos en sistemas dinámicos no lineales determinado con una nueva técnica fractal". Fractales . 13 (1): 19–31. doi :10.1142/S0218348X0500274X. ISSN 0218-348X.
^ Roy, D.; Musielak, ZE (1 de mayo de 2007). "Modelos de Lorenz generalizados y sus rutas hacia el caos. I. Truncamientos en modo vertical que conservan energía". Caos, solitones y fractales . 32 (3): 1038-1052. Código Bib : 2007CSF....32.1038R. doi :10.1016/j.caos.2006.02.013. ISSN 0960-0779.
^ Adachihara, H; McLaughlin, DW; Moloney, JV; Newell, AC (1988). "Ondas solitarias como puntos fijos de mapas de dimensión infinita para una cavidad de anillo óptica biestable: análisis". Revista de Física Matemática . 29 (1): 63. Código bibliográfico : 1988JMP....29...63A. doi : 10.1063/1.528136.
^ Okulov, A Yu; Oraevskiĭ, AN (1988). "Dinámica espaciotemporal de un paquete de ondas en mapas discretos y medios no lineales". En NG Basov (ed.). Actas del Instituto de Física Lebedev (en ruso). vol. 187. Nauka. págs. 202–222. LCCN 88174540.
^ Okulov, A Yu (2000). "Láser de solitón espacial: geometría y estabilidad". Óptica y Espectroscopia . 89 (1): 145-147. Código Bib : 2000OptSp..89..131O. doi :10.1134/BF03356001. S2CID 122790937.
^ Okulov, A Yu (2020). "Entidades ligeras estructuradas, caos y mapas no locales". Caos, solitones y fractales . 133 (4): 109638. arXiv : 1901.09274 . Código Bib : 2020CSF...13309638O. doi : 10.1016/j.caos.2020.109638. S2CID 118828500.
^ KE Chlouverakis y JC Sprott, Chaos Solitons & Fractals 28, 739–746 (2005), Chaotic Hyperjerk Systems, http://sprott.physics.wisc.edu/pubs/paper297.htm
^ "Un nuevo circuito caótico idiota", JC Sprott, IEEE Transactions on Circuits and Systems, 2011.
^ "Circuitos caóticos autónomos simples", JC Sprott, Transacciones IEEE en circuitos y sistemas —II: Express Briefs, 2010.
^ "Cifrado de imágenes seguro basado en un generador de ruido caótico Chua", AS Andreatos* y AP Leros, Journal of Engineering Science and Technology Review, 2013.
^ Steven Strogatz, Sincronización: la ciencia emergente del orden espontáneo , Hyperion, 2003.
^ Ovchinnikov, IV (15 de febrero de 2024). "Orden ubicuo conocido como caos". Caos, solitones y fractales . 181 (5): 114611. Código bibliográfico : 2024CSF...18114611O. doi :10.1016/j.caos.2024.114611. ISSN 0960-0779.
^ Caza, Brian R.; Yorke, James A. (1993). "Maxwell sobre el caos" (PDF) . La ciencia no lineal hoy . 3 (1).
^ Everitt, Francisco (1 de diciembre de 2006). "James Clerk Maxwell: una fuerza para la física". Mundo de la Física . Consultado el 3 de noviembre de 2023 .
^ Gardini, Laura; Grebogi, Celso; Lenci, Stefano (1 de octubre de 2020). "Teoría y aplicaciones del caos: una retrospectiva sobre lecciones aprendidas y oportunidades perdidas o nuevas". Dinámica no lineal . 102 (2): 643–644. doi : 10.1007/s11071-020-05903-0 . hdl : 2164/17003 . ISSN 1573-269X. S2CID 225246631.
^ Poincaré, Jules Henri (1890). "Sobre el problema de los tres cuerpos y las ecuaciones de la dinámica. Divergencia de las series de M. Lindstedt". Acta Matemática . 13 (1–2): 1–270. doi : 10.1007/BF02392506 .
^ Poincaré, J. Henri (2017). El problema de los tres cuerpos y las ecuaciones de la dinámica: el trabajo fundamental de Poincaré sobre la teoría de sistemas dinámicos . Popp, Bruce D. (Traductor). Cham, Suiza: Springer International Publishing. ISBN9783319528984. OCLC 987302273.
^ Hadamard, Jacques (1898). "Les superficies à courbures opposées et leurs lignes géodesiques". Revista de Mathématiques Pures et Appliquées . 4 : 27–73.
^ George D. Birkhoff, Sistemas dinámicos, vol. 9 de las publicaciones del coloquio de la American Mathematical Society (Providence, Rhode Island: American Mathematical Society, 1927)
^ Kolmogorov, AN (1941). "Sobre la degeneración de la turbulencia isotrópica en un líquido viscoso incompresible". Doklady Akademii Nauk SSSR . 31 (6): 538–540.Reimpreso en: Kolmogorov, AN (1991). "Disipación de energía en la turbulencia localmente isotrópica". Actas de la Royal Society A. 434 (1890): 15-17. Código Bib : 1991RSPSA.434...15K. doi :10.1098/rspa.1991.0076. S2CID 122060992.
^ Kolmogorov, AN (1979). "Preservación de movimientos condicionalmente periódicos con pequeños cambios en la función de Hamilton". Comportamiento estocástico en sistemas hamiltonianos clásicos y cuánticos . Apuntes de conferencias de física. vol. 93, págs. 51–56. Código Bib : 1979LNP....93...51K. doi :10.1007/BFb0021737. ISBN978-3-540-09120-2.Traducción de Doklady Akademii Nauk SSSR (1954) 98: 527. Véase también el teorema de Kolmogorov-Arnold-Moser
^ Cartwright, María L.; Littlewood, John E. (1945). "En ecuaciones diferenciales no lineales de segundo orden, I: La ecuación y " + k (1− y 2 ) y' + y = b λkcos(λ t + a ), k grande". Revista de la Sociedad Matemática de Londres 20 (3): 180–9 : 10.1112 /jlms/s1-20.3.180.Ver también: oscilador de Van der Pol
^ Smale, Stephen (enero de 1960). "Desigualdades de Morse para un sistema dinámico". Boletín de la Sociedad Matemática Estadounidense . 66 : 43–49. doi : 10.1090/S0002-9904-1960-10386-2 .
^ Chirikov, Boris. "РЕЗОНАНСНЫЕ ПРОЦЕССЫ В МАГНИТНЫХ ЛОВУШКАХ" (PDF) . Атомная энергия . 6 .
^ Chirikov, BV (1 de diciembre de 1960). "Procesos de resonancia en trampas magnéticas". La revista soviética de energía atómica . 6 (6): 464–470. doi :10.1007/BF01483352. ISSN 1573-8205. S2CID 59483478.
^ Jean, Bellissard ; Dima, Shepelyansky (27 de febrero de 1998). «Boris Chirikov, pionero del caos clásico y cuántico» (PDF) . Anales Henri Poincaré . 68 (4): 379.
^ Bellissard, J.; Bohigas, O.; Casati, G.; Shepelyansky, DL (1 de julio de 1999). "Un pionero del caos". Physica D: Fenómenos no lineales . 131 (1–4): viii–xv. Código Bib : 1999PhyD..131D...8B. doi :10.1016/s0167-2789(99)90007-6. ISSN 0167-2789. S2CID 119107150.
^ Shepelyansky, Dima. Caos en Fifty Four en 2013. OCLC 859751750.
^ Abraham & Ueda 2000, consulte los capítulos 3 y 4
^ Sprott 2003, pag. 89
^ Sokol, Joshua (20 de mayo de 2019). "Las heroínas ocultas del caos". Revista Quanta . Consultado el 9 de noviembre de 2022 .
^ Berger JM; Mandelbrot B. (1963). "Un nuevo modelo de agrupación de errores en circuitos telefónicos". Revista IBM de investigación y desarrollo . 7 (3): 224–236. doi :10.1147/rd.73.0224.
^ Mandelbrot, B. (1977). La geometría fractal de la naturaleza . Nueva York: Freeman. pag. 248.
^ Véase también: Mandelbrot, Benoît B.; Hudson, Richard L. (2004). El (mal) comportamiento de los mercados: una visión fractal del riesgo, la ruina y la recompensa . Nueva York: Libros básicos. pag. 201.ISBN 9780465043552.
^ Mandelbrot, Benoît (5 de mayo de 1967). "¿Cuánto mide la costa de Gran Bretaña? Autosimilitud estadística y dimensión fraccionaria". Ciencia . 156 (3775): 636–8. Código bibliográfico : 1967 Ciencia... 156..636M. doi : 10.1126/ciencia.156.3775.636. PMID 17837158. S2CID 15662830. Archivado desde el original el 19 de octubre de 2021 . Consultado el 31 de enero de 2022 .
^ Mandelbrot, B. (1982). La geometría fractal de la naturaleza. Nueva York: Macmillan. ISBN978-0716711865.
^ Feigenbaum, Mitchell (julio de 1978). "Universalidad cuantitativa para una clase de transformaciones no lineales". Revista de Física Estadística . 19 (1): 25–52. Código Bib : 1978JSP....19...25F. CiteSeerX 10.1.1.418.9339 . doi :10.1007/BF01020332. S2CID 124498882.
^ Coullet, Pierre y Charles Tresser. "Iteraciones de endomorfismos y grupos de renormalización". Le Journal de Physique Colloques 39.C5 (1978): C5-25
^ "El Premio Wolf de Física en 1986". Archivado desde el original el 25 de mayo de 2024 . Consultado el 17 de enero de 2008 .
^ Huberman, BA (julio de 1987). "Un modelo para disfunciones en el movimiento ocular de persecución suave". Anales de la Academia de Ciencias de Nueva York . 504 Perspectivas en dinámica biológica y medicina teórica (1): 260–273. Código bibliográfico : 1987NYASA.504..260H. doi :10.1111/j.1749-6632.1987.tb48737.x. PMID 3477120. S2CID 42733652.
^ Bak, por; Tang, Chao; Wiesenfeld, Kurt (27 de julio de 1987). "Criticidad autoorganizada: una explicación del ruido 1/f". Cartas de revisión física . 59 (4): 381–4. Código bibliográfico : 1987PhRvL..59..381B. doi :10.1103/PhysRevLett.59.381. PMID 10035754. S2CID 7674321.Sin embargo, las conclusiones de este artículo han sido objeto de controversia. "?". Archivado desde el original el 14 de diciembre de 2007.. Véase especialmente: Laurson, Lasse; Álava, Mikko J.; Zapperi, Stefano (15 de septiembre de 2005). "Carta: Espectros de potencia de montones de arena críticos autoorganizados". Revista de Mecánica Estadística: Teoría y Experimento . 0511 . L001.
^ Omori, F. (1894). "Sobre las réplicas de los terremotos". Revista de la Facultad de Ciencias de la Universidad Imperial de Tokio . 7 : 111-200.
^ ab Gleick, James (26 de agosto de 2008). Caos: haciendo una nueva ciencia . Libros de pingüinos. ISBN978-0143113454.
^ Motter, AE; Campbell, DK (2013). "Caos a los cincuenta". Física. Hoy . 66 (5): 27–33. arXiv : 1306.5777 . Código bibliográfico : 2013PhT....66e..27M. doi : 10.1063/pt.3.1977. S2CID 54005470.
^ Hubler, A.; fomentar, G.; Phelps, K. (2007). "Gestionar el caos: pensar de forma innovadora". Complejidad . 12 (3): 10. Código Bib : 2007Cmplx..12c..10H. doi :10.1002/cplx.20159.
^ Kiel, L.; Elliott, Euel, eds. (1996). Teoría del caos en las ciencias sociales: fundamentos y aplicaciones . Ann Arbor, MI: Prensa de la Universidad de Michigan. doi :10.3998/mpub.14623. hdl :2027/fulcrum.d504rm03n. ISBN9780472106387.
^ Chen, GR.-R. (2020-01-01). «Efecto Mariposa y Caos» (PDF) . Consultado el 1 de julio de 2023 .
^ Shen, Bo-Wen; Pielke, Sr., Roger; Zeng, Xubin (12 de agosto de 2023). "El 50 aniversario del efecto mariposa metafórico desde Lorenz (1972): multiestabilidad, previsibilidad multiescala y sensibilidad en modelos numéricos". Atmósfera . 14 (8): 1279. Bibcode : 2023Atmos..14.1279S. doi : 10.3390/atmos14081279 .
^ Shen, Bo-Wen (4 de septiembre de 2023). "Una revisión de los modelos de Lorenz de 1960 a 2008". Revista Internacional de Bifurcación y Caos . 33 (10): 2330024–2330220. Código Bib : 2023IJBC...3330024S. doi :10.1142/S0218127423300240. S2CID 261548506.
^ Lorenz, EN (1964). "El problema de deducir el clima a partir de las ecuaciones rectoras". Tellus . 16 (1): 1–11. Bibcode : 1964 Dile...16....1L. doi : 10.3402/tellusa.v16i1.8893 .
^ Shen, Bo-Wen; Pielke padre, Roger; Zeng, Xubin, eds. (2023-10-11). 50 aniversario del efecto mariposa metafórico desde Lorenz (1972): multiestabilidad, previsibilidad multiescala y sensibilidad en modelos numéricos. MDPI. doi : 10.3390/libros978-3-0365-8911-4 . ISBN978-3-0365-8911-4.
^ ab Lorenz, EN (diciembre de 2008). "El efecto mariposa. En la Conferencia Premio Felice Pietro Chisesi E Caterina Tomassoni; Universidad de Roma: Roma, Italia" (PDF) . Archivado desde el original (PDF) el 10 de junio de 2023 . Consultado el 29 de enero de 2023 .
^ Shen, Bo-Wen (20 de febrero de 2023). "Una analogía popular pero inexacta del caos y el efecto mariposa". YouTube . Consultado el 21 de febrero de 2023 .
^ Saiki, Yoshitaka; Yorke, James A. (2 de mayo de 2023). "¿Puede el aleteo de las alas de una mariposa trasladar un tornado a Texas, sin caos?". Atmósfera . 14 (5): 821. Bibcode : 2023Atmos..14..821S. doi : 10.3390/atmos14050821 . ISSN 2073-4433.
^ Stephen Coombes (febrero de 2009). "La geometría y pigmentación de las conchas marinas" (PDF) . www.maths.nottingham.ac.uk . Universidad de Nottingham . Archivado (PDF) desde el original el 5 de noviembre de 2013 . Consultado el 10 de abril de 2013 .
^ Kyrtsou C.; Labys W. (2006). "Evidencia de una dependencia caótica entre la inflación estadounidense y los precios de las materias primas". Revista de Macroeconomía . 28 (1): 256–266. doi :10.1016/j.jmacro.2005.10.019.
^ Kyrtsou C., Labys W.; Labys (2007). "Detección de retroalimentación positiva en series temporales multivariadas: el caso de los precios de los metales y la inflación estadounidense". Física A. 377 (1): 227–229. Código Bib : 2007PhyA..377..227K. doi :10.1016/j.physa.2006.11.002.
^ Kyrtsou, C.; Vorlow, C. (2005). "Dinámica compleja en macroeconomía: un enfoque novedoso". En Diebolt, C.; Kyrtsou, C. (eds.). Nuevas tendencias en macroeconomía . Springer Verlag.
^ Hernández-Acosta, MA; Trejo-Valdez, M.; Castro-Chacón, JH; Miguel, CR Torres-San; Martínez-Gutiérrez, H. (2018). "Firmas caóticas de nanoestructuras fotoconductoras de Cu 2 ZnSnS 4 exploradas por atractores de Lorenz". Nueva Revista de Física . 20 (2): 023048. Código bibliográfico : 2018NJPh...20b3048H. doi : 10.1088/1367-2630/aaad41 . ISSN 1367-2630.
^ "Aplicación de la teoría del caos a aplicaciones integradas". Archivado desde el original el 9 de agosto de 2011.
^ Hristu-Varsakelis, D.; Kyrtsou, C. (2008). "Evidencia de causalidad asimétrica no lineal en la inflación, los rendimientos de los metales y las acciones de Estados Unidos". Dinámica discreta en la naturaleza y la sociedad . 2008 : 1–7. doi : 10.1155/2008/138547 . 138547.
^ Kyrtsou, C.; M. Terraza (2003). "¿Es posible estudiar el comportamiento caótico y ARCH de forma conjunta? Aplicación de una ruidosa ecuación de Mackey-Glass con errores heterocedásticos a la serie de rentabilidades de la Bolsa de París". Economía Computacional . 21 (3): 257–276. doi :10.1023/A:1023939610962. S2CID 154202123.
^ Gregory-Williams, Justine; Williams, Bill (2004). Caos comercial: maximice las ganancias con técnicas técnicas probadas (2ª ed.). Nueva York: Wiley. ISBN9780471463085.
^ Peters, Edgar E. (1994). Análisis de mercado fractal: aplicación de la teoría del caos a la inversión y la economía (2. ed. impresa). Nueva York, ua: Wiley. ISBN978-0471585244.
^ Peters, / Edgar E. (1996). Caos y orden en los mercados de capitales: una nueva visión de los ciclos, los precios y la volatilidad del mercado (2ª ed.). Nueva York: John Wiley & Sons. ISBN978-0471139386.
^ Hubler, A.; Phelps, K. (2007). "Guiar un sistema autoajustable a través del caos". Complejidad . 13 (2): 62. Código Bib : 2007Cmplx..13b..62W. doi :10.1002/cplx.20204.
^ Gerig, A. (2007). "Caos en un flujo compresible unidimensional". Revisión física E. 75 (4): 045202. arXiv : nlin/0701050 . Código Bib : 2007PhRvE..75d5202G. doi : 10.1103/PhysRevE.75.045202. PMID 17500951. S2CID 45804559.
^ Wotherspoon, T.; Hubler, A. (2009). "Adaptación al borde del caos en el mapa logístico autoajustable". La Revista de Química Física A. 113 (1): 19-22. Código Bib : 2009JPCA..113...19W. doi :10.1021/jp804420g. PMID 19072712.
^ Borodkin, Leonid I. (2019). "Desafíos de la inestabilidad: los conceptos de sinergia en el estudio del desarrollo histórico de Rusia". Revista Histórica de los Urales . 63 (2): 127-136. doi : 10.30759/1728-9718-2019-2(63)-127-136 .
^ Progonati, E (2018). "Brexit a la luz de la teoría del caos y algunas suposiciones sobre el futuro de la Unión Europea". Caos, complejidad y liderazgo 2018 exploraciones de la teoría caótica y de la complejidad . Saltador. ISBN978-3-030-27672-0.
^ Dilao, R.; Domingos, T. (2001). "Comportamiento periódico y cuasi periódico en modelos de población estructurados por edad dependientes de los recursos". Boletín de Biología Matemática . 63 (2): 207–230. doi :10.1006/bulm.2000.0213. PMID 11276524. S2CID 697164.
^ ab Akhavan, A.; Samsudin, A.; Akhshani, A. (1 de octubre de 2011). "Un esquema de cifrado de imágenes simétrico basado en una combinación de mapas caóticos no lineales". Revista del Instituto Franklin . 348 (8): 1797–1813. doi :10.1016/j.jfranklin.2011.05.001.
^ Behnia, S.; Akhshani, A.; Mahmodi, H.; Akhavan, A. (1 de enero de 2008). "Un algoritmo novedoso para el cifrado de imágenes basado en una mezcla de mapas caóticos". Caos, solitones y fractales . 35 (2): 408–419. Código Bib : 2008CSF....35..408B. doi :10.1016/j.caos.2006.05.011.
^ Wang, Xingyuan; Zhao, Jianfeng (2012). "Un protocolo de acuerdo clave mejorado basado en el caos". Comunitario. Ciencia no lineal. Número. Simultáneamente . 15 (12): 4052–4057. Código Bib : 2010CNSNS..15.4052W. doi : 10.1016/j.cnsns.2010.02.014.
^ Babaei, Majid (2013). "Un nuevo método de cifrado de imágenes y texto basado en la teoría del caos y la computación del ADN". Computación Natural . 12 (1): 101–107. doi :10.1007/s11047-012-9334-9. S2CID 18407251.
^ Akhavan, A.; Samsudin, A.; Akhshani, A. (1 de octubre de 2017). "Criptoanálisis de un algoritmo de cifrado de imágenes basado en codificación de ADN". Óptica y tecnología láser . 95 : 94–99. Código Bib : 2017OptLT..95...94A. doi :10.1016/j.optlastec.2017.04.022.
^ Xu, Ming (1 de junio de 2017). "Criptoanálisis de un algoritmo de cifrado de imágenes basado en la operación de secuencia de ADN y un sistema hipercaótico". Investigación 3D . 8 (2): 15. Código Bib : 2017TDR.....8..126X. doi :10.1007/s13319-017-0126-y. ISSN 2092-6731. S2CID 125169427.
^ Liu, Yuansheng; Tang, Jie; Xie, Tao (1 de agosto de 2014). "Criptoanálisis de un algoritmo de cifrado de imágenes RGB basado en codificación de ADN y mapa del caos". Óptica y tecnología láser . 60 : 111-115. arXiv : 1307.4279 . Código Bib : 2014OptLT..60..111L. doi :10.1016/j.optlastec.2014.01.015. S2CID 18740000.
^ Nehmzów, Ulrich; Keith Walker (diciembre de 2005). "Descripción cuantitativa de la interacción robot-entorno utilizando la teoría del caos" (PDF) . Robótica y Sistemas Autónomos . 53 (3–4): 177–193. CiteSeerX 10.1.1.105.9178 . doi :10.1016/j.robot.2005.09.009. Archivado desde el original (PDF) el 12 de agosto de 2017 . Consultado el 25 de octubre de 2017 .
^ Goswami, Ambarish; Thuilot, Benoit; Espiau, Bernard (1998). "Un estudio de la marcha pasiva de un robot bípedo con forma de brújula: simetría y caos". La Revista Internacional de Investigación en Robótica . 17 (12): 1282-1301. CiteSeerX 10.1.1.17.4861 . doi :10.1177/027836499801701202. S2CID 1283494.
^ Eduardo, Liz; Ruiz-Herrera, Alfonso (2012). "Caos en modelos de población estructurados discretos". Revista SIAM de Sistemas Dinámicos Aplicados . 11 (4): 1200-1214. doi :10.1137/120868980.
^ Lai, Dejian (1996). "Estudio comparativo de modelos AR sobre los datos del lince canadiense: una mirada cercana a la estadística BDS". Estadística computacional y análisis de datos . 22 (4): 409–423. doi :10.1016/0167-9473(95)00056-9.
^ Sivakumar, B (31 de enero de 2000). "Teoría del caos en hidrología: cuestiones e interpretaciones importantes". Revista de Hidrología . 227 (1–4): 1–20. Código Bib : 2000JHyd..227....1S. doi :10.1016/S0022-1694(99)00186-9.
^ abc Perry, Joe; Smith, Robert; Woiwod, Ian; Morse, David (2000). Perry, Joe N; Smith, Robert H; Woiwod, Ian P; Morse, David R (eds.). Caos en datos reales: el análisis de dinámicas no lineales a partir de series temporales ecológicas cortas . Serie de biología poblacional y comunitaria (1 ed.). Springer Science+Business Media Dordrecht . págs. xii+226. doi :10.1007/978-94-011-4010-2. ISBN978-94-010-5772-1. S2CID 37855255.
^ abc Thompson, John; Burdon, Jeremy (1992). "Coevolución gen por gen entre plantas y parásitos". Artículo de revisión. Naturaleza . 360 (6400). Grupo editorial de la naturaleza : 121–125. Código Bib :1992Natur.360..121T. doi :10.1038/360121a0. eISSN 1476-4687. ISSN 0028-0836. S2CID 4346920.
^ Jones, Gareth (1998). Jones, D. Gareth (ed.). La epidemiología de las enfermedades de las plantas (1 ed.). Springer Science+Business Media Dordrecht . págs. xvi + 460 + 26 b/n ill. + 33 colores enfermos. doi :10.1007/978-94-017-3302-1. ISBN978-94-017-3302-1. S2CID 1793087.
↑ Juárez, Fernando (2011). "Aplicar la teoría del caos y un modelo complejo de salud para establecer relaciones entre indicadores financieros". Procedia Ciencias de la Computación . 3 : 982–986. doi : 10.1016/j.procs.2010.12.161 .
^ Brooks, Chris (1998). «Caos en los mercados cambiarios: una mirada escéptica» (PDF) . Economía Computacional . 11 (3): 265–281. doi :10.1023/A:1008650024944. ISSN 1572-9974. S2CID 118329463. Archivado (PDF) desde el original el 9 de agosto de 2017.
^ Orlando, Giuseppe; Zimatore, Giovanna (18 de diciembre de 2017). "Correlaciones RQA en series temporales de ciclos económicos reales". Academia de Ciencias de la India - Serie de conferencias . 1 (1): 35–41. doi : 10.29195/iascs.01.01.0009 .
^ Orlando, Giuseppe; Zimatore, Giovanna (1 de mayo de 2018). "Análisis de cuantificación de recurrencia de los ciclos económicos". Caos, solitones y fractales . 110 : 82–94. Código Bib : 2018CSF...110...82O. doi :10.1016/j.caos.2018.02.032. ISSN 0960-0779. S2CID 85526993.
^ Orlando, Giuseppe; Zimatore, Giovanna (1 de agosto de 2020). "Modelado del ciclo económico entre crisis financieras y cisnes negros: proceso estocástico de Ornstein-Uhlenbeck versus modelo caótico determinista de Kaldor". Caos: una revista interdisciplinaria de ciencia no lineal . 30 (8): 083129. Bibcode : 2020Caos..30h3129O. doi :10.1063/5.0015916. PMID 32872798. S2CID 235909725.
^ La viabilidad de un experimento de análisis y observación global. 1966-01-01. doi :10.17226/21272. ISBN978-0-309-35922-1.
^ Shen, Bo-Wen; Pielke, Roger A.; Zeng, Xubin; Zeng, Xiping (16 de julio de 2024). "Explorando el origen del límite de previsibilidad de dos semanas: una revisión de los estudios de previsibilidad de Lorenz en la década de 1960". Atmósfera . 15 (7): 837. doi : 10.3390/atmos15070837 . ISSN 2073-4433.
^ Salinas, Abel; Morstatter, Fred (1 de enero de 2024). "El efecto mariposa de la modificación de las indicaciones: cómo los pequeños cambios y las fugas afectan el rendimiento del modelo de lenguaje grande". arXiv : 2401.03729 [cs.CL].
^ Li, Mengshan; Xingyuan Huanga; Hesheng Liua; Bingxiang Liub; Yan Wub; Aihua Xiongc; Tianwen Dong (25 de octubre de 2013). "Predicción de la solubilidad de gases en polímeros mediante una red neuronal artificial de retropropagación basada en un algoritmo de optimización de enjambre de partículas autoadaptativo y la teoría del caos". Equilibrios de fase fluida . 356 : 11-17. Código Bib : 2013FlPEq.356...11L. doi :10.1016/j.fluid.2013.07.017.
^ Morbidelli, A. (2001). "Difusión caótica en la mecánica celeste". Dinámica regular y caótica . 6 (4): 339–353. doi :10.1070/rd2001v006n04abeh000182.
^ Steven Strogatz, Sincronización: la ciencia emergente del orden espontáneo , Hyperion, 2003
^ Dingqi, Li; Yuanping Chenga; Lei Wanga; Haifeng Wanga; Liang Wanga; Hongxing Zhou (mayo de 2011). "Método de predicción de riesgos de explosiones de carbón y gas basado en la teoría del caos espacial utilizando el índice de desorción de gas de los recortes de perforación". Ciencia y Tecnología Minera . 21 (3): 439–443. Código Bib : 2011MiSTC..21..439L. doi :10.1016/j.mstc.2011.05.010.
^ Vidrio, L (1997). "Enfermedad dinámica: el impacto de la dinámica no lineal y el caos en la cardiología y la medicina". En Grebogi, C; Yorke, JA (eds.). El impacto del caos en la ciencia y la sociedad . Prensa de la Universidad de las Naciones Unidas.
^ Mandell, AJ; Selz, KA (1997). "¿Es el EEG un atractor extraño?". En Grebogi, C; Yorke, JA (eds.). El impacto del caos en la ciencia y la sociedad . Prensa de la Universidad de las Naciones Unidas.
^ Dal Forno, Arianna; Merlone, Ugo (2013). "Dinámica no lineal en grupos de trabajo con los supuestos básicos de Bion". Dinámica no lineal, psicología y ciencias biológicas . 17 (2): 295–315. ISSN 1090-0578. PMID 23517610.
^ Redington, DJ; Reidbord, SP (1992). "Dinámica caótica en la actividad del sistema nervioso autónomo de un paciente durante una sesión de psicoterapia". Psiquiatría biológica . 31 (10): 993–1007. doi :10.1016/0006-3223(92)90093-F. PMID 1511082. S2CID 214722.
^ Metcalf, BR; Allen, JD (1995). "En busca del caos en la polidipsia inducida por horarios". En Abraham, FD; Gilgen, AR (eds.). Teoría del caos en psicología . Prensa de Greenwood.
^ Pryor, Robert GL; Norman E. Amundson; Jim EH Bright (junio de 2008). "Probabilidades y posibilidades: las implicaciones del asesoramiento estratégico de la teoría del caos en las carreras". El desarrollo profesional trimestral . 56 (4): 309–318. doi :10.1002/j.2161-0045.2008.tb00096.x.
^ Thompson, Jamie; Johnstone, James; Bancos, Curt (2018). "Un examen de los rituales de iniciación en una institución deportiva del Reino Unido y su impacto en el desarrollo del grupo". Trimestral Europeo de Gestión Deportiva . 18 (5): 544–562. doi :10.1080/16184742.2018.1439984. S2CID 149352680.
^ Dal Forno, Arianna; Merlone, Ugo (2013). "Dinámica caótica en la teoría de la organización". En Bischi, Gian Italo; Chiarella, Carl; Shusko, Irina (eds.). Análisis Global de Modelos Dinámicos en Economía y Finanzas . Springer-Verlag. págs. 185-204. ISBN978-3-642-29503-4.
^ Wang, Jin; Qixin Shi (febrero de 2013). "Modelo híbrido de predicción de la velocidad del tráfico a corto plazo basado en la teoría de la máquina de vectores de soporte de análisis de ondas de caos". Investigación en transporte, parte C: tecnologías emergentes . 27 : 219–232. Código Bib : 2013TRPC...27..219W. doi :10.1016/j.trc.2012.08.004.
^ "Dr. Gregory B. Pasternack - Hidrología, geomorfología y ecohidráulica de cuencas hidrográficas :: Caos en hidrología". pastrnack.ucdavis.edu . Consultado el 12 de junio de 2017 .
^ Pasternack, Gregory B. (1 de noviembre de 1999). "¿El río se vuelve loco? Evaluación del caos en los sistemas hidrológicos". Avances en Recursos Hídricos . 23 (3): 253–260. Código Bib : 1999AdWR...23..253P. doi :10.1016/s0309-1708(99)00008-1.
Lectura adicional
Artículos
Sharkovskii, AN (1964). "Coexistencia de ciclos de un mapeo continuo de la línea en sí misma". Matemáticas ucranianas. J. 16 : 61–71.
Li, TY ; Yorke, JA (1975). "El tercer período implica caos" (PDF) . Mensual Matemático Estadounidense . 82 (10): 985–92. Código Bib : 1975AmMM...82..985L. CiteSeerX 10.1.1.329.5038 . doi :10.2307/2318254. JSTOR 2318254. Archivado desde el original (PDF) el 29 de diciembre de 2009 . Consultado el 12 de agosto de 2009 .
Alemansour, Hamed; Miandoab, Ehsan Maani; Pishkenari, Hossein Nejat (marzo de 2017). "Efecto del tamaño sobre el comportamiento caótico de los nanoresonadores". Comunicaciones en ciencia no lineal y simulación numérica . 44 : 495–505. Código Bib : 2017CNSNS..44..495A. doi : 10.1016/j.cnsns.2016.09.010.
Crutchfield ; Fatigar; Morrison; JD Granjero ; Packard ; NUEVA HAMPSHIRE; Shaw ; RS (diciembre de 1986). "Caos". Científico americano . 255 (6): 38–49 (bibliografía p.136). Código Bib : 1986SciAm.255d..38T. doi : 10.1038/scientificamerican1286-46.Versión en línea (Nota: la cita del volumen y la página citada para el texto en línea difiere de la citada aquí. La cita aquí es de una fotocopia, lo cual es consistente con otras citas encontradas en línea que no proporcionan vistas del artículo. El contenido en línea es idéntico al texto impreso. Las variaciones en las citas están relacionadas con el país de publicación).
Kolyada, SF (2004). "La sensibilidad de Li-Yorke y otros conceptos del caos". Matemáticas ucranianas. J. 56 (8): 1242–57. doi :10.1007/s11253-005-0055-4. S2CID 207251437.
Día, HR; Pávlov, OV (2004). "Computación del caos económico". Economía Computacional . 23 (4): 289–301. arXiv : 2211.02441 . doi :10.1023/B:CSEM.0000026787.81469.1f. S2CID 119972392. SSRN 806124.
Strelioff, C.; Hübler, A. (2006). "Predicción del caos a medio plazo" (PDF) . Física. Rev. Lett . 96 (4): 044101. Código bibliográfico : 2006PhRvL..96d4101S. doi : 10.1103/PhysRevLett.96.044101. PMID 16486826. 044101. Archivado desde el original (PDF) el 26 de abril de 2013.
Hübler, A.; fomentar, G.; Phelps, K. (2007). "Gestionar el caos: pensar de forma innovadora" (PDF) . Complejidad . 12 (3): 10-13. Código Bib : 2007Cmplx..12c..10H. doi :10.1002/cplx.20159. Archivado desde el original (PDF) el 30 de octubre de 2012 . Consultado el 17 de julio de 2011 .
Motter, Adilson E.; Campbell, David K. (2013). "Caos a los 50". Física hoy . 66 (5): 27. arXiv : 1306.5777 . Código bibliográfico : 2013PhT....66e..27M. doi :10.1063/PT.3.1977. S2CID 54005470.
Libros de texto
Alligood, KT; Sauer, T.; Yorke, JA (1997). Caos: una introducción a los sistemas dinámicos. Springer-Verlag. ISBN 978-0-387-94677-1.
Panadero, GL (1996). Caos, dispersión y mecánica estadística . Prensa de la Universidad de Cambridge. ISBN 978-0-521-39511-3.
Badii, R.; Politi A. (1997). Complejidad: estructuras jerárquicas y escalamiento en física. Prensa de la Universidad de Cambridge. ISBN 978-0-521-66385-4.
Robinson, Clark (1995). Sistemas dinámicos: estabilidad, dinámica simbólica y caos . Prensa CRC. ISBN 0-8493-8493-1.
Feldman, DP (2012). Caos y fractales: una introducción elemental. Prensa de la Universidad de Oxford. ISBN 978-0-19-956644-0. Archivado desde el original el 31 de diciembre de 2019 . Consultado el 29 de diciembre de 2016 .
Golub, JP; Panadero, GL (1996). Dinámica caótica. Prensa de la Universidad de Cambridge. ISBN 978-0-521-47685-0.
Kautz, Richard (2011). Caos: la ciencia del movimiento aleatorio predecible. Prensa de la Universidad de Oxford. ISBN 978-0-19-959458-0.
Kiel, L.Douglas; Elliott, Euel W. (1997). Teoría del caos en las ciencias sociales. Publicación de Perseo. ISBN 978-0-472-08472-2.
Luna, Francisco (1990). Dinámica caótica y fractal. Springer-Verlag. ISBN 978-0-471-54571-2.
Orlando, Giuseppe; Pisarchick, Alejandro; Agacharse, Ruedi (2021). No linealidades en economía. Modelización Dinámica y Econometría en Economía y Finanzas. vol. 29. doi :10.1007/978-3-030-70982-2. ISBN 978-3-030-70981-5. S2CID 239756912.
Ott, Eduardo (2002). Caos en los sistemas dinámicos. Prensa de la Universidad de Cambridge. ISBN 978-0-521-01084-9.
Sprott, Julien Clinton (2003). Análisis de caos y series de tiempo. Prensa de la Universidad de Oxford. ISBN 978-0-19-850840-3.
Tél, Tamás; Gruiz, Márton (2006). Dinámica caótica: una introducción basada en la mecánica clásica. Prensa de la Universidad de Cambridge. ISBN 978-0-521-83912-9.
Thompson JM, Stewart HB (2001). Dinámica no lineal y caos . John Wiley e hijos Ltd. ISBN 978-0-471-87645-8.
Tufilaro; Reilly (1992). Un enfoque experimental de la dinámica no lineal y el caos . Revista americana de física. vol. 61. Addison-Wesley. pag. 958. Código Bib : 1993AmJPh..61..958T. doi :10.1119/1.17380. ISBN 978-0-201-55441-0.
Wiggins, Stephen (2003). Introducción a los Sistemas Dinámicos Aplicados y al Caos . Saltador. ISBN 978-0-387-00177-7.
Zaslavsky, George M. (2005). Caos hamiltoniano y dinámica fraccionaria . Prensa de la Universidad de Oxford. ISBN 978-0-19-852604-9.
Obras semitécnicas y populares.
Christophe Letellier, Caos en la naturaleza , World Scientific Publishing Company, 2012, ISBN 978-981-4374-42-2 .
Abraham, Ralph H.; Ueda, Yoshisuke, eds. (2000). La vanguardia del caos: memorias de los primeros días de la teoría del caos. Serie científica mundial sobre ciencia no lineal Serie A. Vol. 1, núm. 39. Científico mundial. Código Bib : 2000cagm.book.......A. doi :10.1142/4510. ISBN 978-981-238-647-2.
Barnsley, Michael F. (2000). Fractales por todas partes. Morgan Kaufman. ISBN 978-0-12-079069-2.
Pájaro, Richard J. (2003). Caos y vida: complejidad y orden en la evolución y el pensamiento. Prensa de la Universidad de Columbia. ISBN 978-0-231-12662-5.
John Briggs y David Peat, Turbulent Mirror: Una guía ilustrada sobre la teoría del caos y la ciencia de la totalidad , Harper Perennial 1990, 224 págs.
John Briggs y David Peat, Siete lecciones de vida del caos: sabiduría espiritual de la ciencia del cambio , Harper Perennial 2000, 224 págs.
Cunningham, Lawrence A. (1994). "De paseos aleatorios a caídas caóticas: la genealogía lineal de la hipótesis del mercado de capitales eficiente". Revisión de la ley de George Washington . 62 : 546.
Predrag Cvitanović , Universalidad en el caos , Adam Hilger 1989, 648 págs.
Leon Glass y Michael C. Mackey, De los relojes al caos: los ritmos de la vida, Princeton University Press 1988, 272 págs.
John Gribbin. Profunda simplicidad . Ciencia de Penguin Press. Libros de pingüinos.
L Douglas Kiel, Euel W Elliott (ed.), Teoría del caos en las ciencias sociales: fundamentos y aplicaciones , University of Michigan Press, 1997, 360 págs.
Arvind Kumar, Caos, fractales y autoorganización; Nuevas perspectivas sobre la complejidad de la naturaleza , National Book Trust, 2003.
Hans Lauwerier, Fractales , Princeton University Press, 1991.
Edward Lorenz , La esencia del caos , University of Washington Press, 1996.
Marshall, Alan (2002). La unidad de la naturaleza: totalidad y desintegración en ecología y ciencia . doi :10.1142/9781860949548. ISBN 9781860949548.
David Peak y Michael Frame, Caos bajo control: el arte y la ciencia de la complejidad , Freeman, 1994.
Peitgen, Heinz-Otto; Richter, Peter H. (1986). La belleza de los fractales . doi :10.1007/978-3-642-61717-1. ISBN 978-3-642-61719-5.
David Ruelle , Chance and Chaos , Princeton University Press 1993.
Ivars Peterson , El reloj de Newton: Caos en el sistema solar , Freeman, 1993.
Ian Roulstone; John Norbury (2013). Invisible en la tormenta: el papel de las matemáticas en la comprensión del clima. Prensa de la Universidad de Princeton. ISBN 978-0691152721.
Ruelle, D. (1989). Evolución caótica y atractores extraños . doi :10.1017/CBO9780511608773. ISBN 9780521362726.
Manfred Schroeder, Fractales, caos y leyes de poder , Freeman, 1991.
Smith, Pedro (1998). Explicando el Caos . doi :10.1017/CBO9780511554544. ISBN 9780511554544.
Ian Stewart , ¿Juega Dios a los dados?: Las matemáticas del caos , Blackwell Publishers, 1990.
Steven Strogatz , Sincronización: la ciencia emergente del orden espontáneo , Hyperion, 2003.
Yoshisuke Ueda, El camino al caos , Aerial Pr, 1993.
M. Mitchell Waldrop, Complejidad: la ciencia emergente al borde del orden y el caos , Simon & Schuster, 1992.
Antonio Sawaya, Análisis de series temporales financieras: enfoque del caos y la neurodinámica , Lambert, 2012.
Enlaces externos
Wikimedia Commons tiene medios relacionados con la teoría del Caos .
Grupo de Investigación en Dinámica No Lineal con Animaciones en Flash
El grupo Caos de la Universidad de Maryland
El hiperlibro del caos. Una introducción al caos y los fractales.
ChaosBook.org Un libro de texto de posgrado avanzado sobre el caos (sin fractales)
Sociedad para la Teoría del Caos en Psicología y Ciencias de la Vida
Grupo de Investigación en Dinámica No Lineal en CSDC, Florencia , Italia
Dinámica no lineal: cómo la ciencia comprende el caos, charla presentada por Sunny Auyang, 1998.
Dinámica no lineal. Modelos de bifurcación y caos de Elmer G. Wiens
El caos de Gleick (extracto) Archivado el 2 de febrero de 2007 en la Wayback Machine.
Grupo de Análisis, Modelado y Predicción de Sistemas de la Universidad de Oxford
Una página sobre la ecuación Mackey-Glass
Altas ansiedades: las matemáticas del caos (2008) Documental de la BBC dirigido por David Malone
La teoría del caos de la evolución: artículo publicado en Newscientist que presenta similitudes entre la evolución y los sistemas no lineales, incluida la naturaleza fractal de la vida y el caos.
Jos Leys, Étienne Ghys y Aurélien Alvarez, Caos, una aventura matemática. Nueve películas sobre sistemas dinámicos, el efecto mariposa y la teoría del caos, destinadas a un público amplio.
"Teoría del caos", discusión de BBC Radio 4 con Susan Greenfield, David Papineau y Neil Johnson ( In Our Time , 16 de mayo de 2002)
Caos: La ciencia del efecto mariposa (2019) una explicación presentada por Derek Muller
Nota de derechos de autor
Este artículo incorpora texto de un trabajo de contenido gratuito . Licenciado bajo CC-BY (declaración de licencia/permiso). Texto tomado de Tres tipos de efectos mariposa dentro de los modelos de Lorenz, Bo-Wen Shen, Roger A. Pielke, Sr., Xubin Zeng, Jialin Cui, Sara Faghih-Naini, Wei Paxson y Robert Atlas, MDPI. Enciclopedia.