🔢 matemáticas

Lyapunov exponents of fractional-order systems: a definition from the diffusive representation, the ageing of memory, and what memory truncation measures

Este artículo establece una definición rigurosa para los exponentes de Lyapunov en sistemas de orden fraccionario al reformularlos como sistemas dinámicos autónomos mediante la representación difusiva, revelando que mientras los exponentes positivos son robustos, los exponentes no positivos son artefactos del truncamiento de la memoria que distorsionan los atractores y suprimen el caos, mientras que la dinámica intrínseca del sistema no exhibe contracción exponencial.

Autores originales: Stefano Fazzino

Publicado 2026-10-16

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Stefano Fazzino

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el estudio de los sistemas complejos, desde los patrones arremolinados del clima hasta el disparo errático de las neuronas, los científicos buscan una firma específica del caos: una medida de qué tan rápido se alejan dos puntos iniciales casi idénticos. Esta medida, conocida como exponente de Lyapunov, actúa como un termómetro de la imprevisibilidad. Si el número es positivo, el sistema es caótico, lo que significa que incluso el error más minúsculo al conocer el estado inicial hará que cualquier predicción sea inútil eventualmente. Durante décadas, los investigadores han aplicado este concepto a una clase especial de modelos llamados sistemas de orden fraccionario. Estos modelos son únicos porque poseen memoria; el estado futuro del sistema no depende únicamente de su posición actual, sino de toda la historia de cómo llegó allí. Esta memoria se describe matemáticamente mediante una derivada que mira hacia atrás sobre todo el pasado, ponderada por una ley de potencia que nunca llega a desvanecerse del todo. Aunque los científicos han estado calculando estos exponentes para sistemas fraccionarios durante veinte años para comprender desde la química de las baterías hasta los ritmos biológicos, una pregunta fundamental ha quedado sin respuesta: ¿qué están midiendo exactamente estos números?

Un investigador llamado Stefano Fazzino ha respondido ahora a esa pregunta, revelando que la forma estándar en que se calculan estos exponentes es fundamentalmente errónea para sistemas con memoria. El núcleo del problema reside en la naturaleza misma de la memoria. En un sistema estándar, el estado en cualquier momento es un único punto en el espacio. En un sistema fraccionario, el estado es la historia completa del viaje. Debido a esto, el sistema no se comporta como una máquina que simplemente se repite o se establece en un ciclo; en su lugar, envejece. La memoria del punto de partida nunca desaparece realmente; se acumula en las partes más lentas de la historia interna del sistema, creciendo con el tiempo. Esto significa que el sistema nunca está verdaderamente en un estado estable y repetitivo. Las herramientas matemáticas estándar utilizadas para definir el caos asumen un estado estacionario que simplemente no existe para estos sistemas que envejecen. En consecuencia, los números negativos que los códigos informáticos reportan a menudo como "tasas de contracción" no son propiedades reales del sistema. Son artefactos del método de cálculo, que miden qué tan rápido el sistema olvida su historia durante una ventana de tiempo específica y artificialmente corta, en lugar de cómo se comporta a largo plazo.

Para resolver esto, Fazzino reescribió el problema por completo. En lugar de intentar forzar al sistema fraccionario dentro de una caja diseñada para sistemas ordinarios, lo tradujo a un lenguaje diferente: una vasta colección continua de filtros de primer orden simples, cada uno relajándose a su propia velocidad. Al ver el sistema como un conjunto infinito de estos modos de memoria, pudo aplicar un teorema matemático riguroso que antes había estado fuera de su alcance. Esta nueva perspectiva reveló una estructura clara. El exponente positivo, que indica el caos, es real, está bien definido y no cambia independientemente de cómo se realice el cálculo. Sin embargo, el resto del espectro es diferente. No hay una contracción exponencial hacia cero; en su lugar, los modos de memoria del sistema decaen tan lentamente que forman una banda continua de valores que gravitan justo en cero. Los exponentes negativos que aparecen en el software existente no son signos de que el sistema se esté estabilizando; son simplemente la tasa a la que la parte observable del sistema se encoge durante la ventana de tiempo específica que la computadora está observando.

El estudio también expuso un peligro crítico en la forma en que se simulan estos sistemas. Para hacer los cálculos más rápidos, los investigadores suelen utilizar un "principio de memoria corta", cortando la historia más allá de cierto punto. Fazzino encontró que este atajo funciona perfectamente si se aplica a la derivada matemática, dejando el comportamiento caótico y la forma del atractor del sistema sin cambios. Sin embargo, si el mismo atajo se aplica a la forma integral de la ecuación —una práctica común en muchos códigos ampliamente utilizados—, rompe fundamentalmente el sistema. En estos casos, el corte de memoria actúa como una mano pesada, deformando el atractor, reduciendo la medida del caos por una cuarta parte o incluso la mitad, y en algunos casos, destruyendo completamente el comportamiento caótico, haciendo que el sistema se asiente en un equilibrio tranquilo o salga disparado hacia el infinito. La diferencia radica en qué parte de la ecuación matemática se está cortando: un método preserva el alma del sistema, mientras que el otro altera su propia naturaleza.

Las implicaciones para cualquiera que modele estos sistemas son inmediatas y prácticas. Si un investigador quiere saber si un modelo de orden fraccionario es caótico, debe asegurarse de que su cálculo respete la historia completa del sistema o utilice la truncación específica basada en la derivada que preserva la física. Los números negativos producidos por muchos códigos actuales no deben interpretarse como la verdadera estabilidad del sistema; son simplemente instantáneas de un sistema que todavía está envejeciendo. Además, el estudio confirma que un sistema fraccionario nunca olvida verdaderamente sus condiciones iniciales. La memoria de dónde comenzó continúa creciendo en los modos más lentos del sistema durante toda la vida del modelo. Esto significa que dos especímenes que parten de estados ligeramente diferentes seguirán siendo distinguibles para siempre, un hecho que desafía el supuesto estándar de que los efectos transitorios eventualmente desaparecen. El trabajo proporciona una nueva y rigurosa definición de caos en estos sistemas ricos en memoria, separando la señal real de la imprevisibilidad del ruido de la aproximación numérica, y ofreciendo un camino claro para los científicos que dependen de estos modelos para comprender el mundo complejo y con memoria que nos rodea.

Resumen Técnico: Exponentes de Lyapunov de Sistemas de Orden Fraccionario

Planteamiento del Problema
Los exponentes de Lyapunov se computan rutinariamente para sistemas de orden fraccionario (específicamente aquellos que utilizan la derivada de Caputo) para detectar el caos, pero su definición matemática ha permanecido mal planteada. Las definiciones estándar se basan en el Teorema Ergódico Multiplicativo de Oseledets, el cual requiere que un sistema dinámico sea un flujo en un espacio de dimensión finita con una medida invariante y una evolución linealizada que forme un cociclo. Los sistemas de orden fraccionario violan estas condiciones porque:

No localidad: El estado en el tiempo $t$ depende de todo el historial, no solo de un punto en $\mathbb{R}^n$ .
Falta de invariancia por traslación temporal: El sistema "envejece"; desplazar una solución en el tiempo cambia el límite inferior de la integral, resultando en una ecuación diferente.
Fallo de la propiedad de cociclo: La evolución linealizada de las perturbaciones depende de la historia de la perturbación, lo que impide la formación de un cociclo estándar.

Consecuentemente, los códigos numéricos existentes (por ejemplo, aquellos que utilizan esquemas de predictor-corrector con renormalización QR) computan cantidades cuyo significado físico es incierto. Las observaciones empíricas, como la ausencia de un exponente cero en flujos autónomos y la dependencia de las estimaciones respecto a los horizontes de integración, han permanecido sin explicación.

Metodología
El artículo resuelve estos problemas utilizando la representación difusiva del operador de Caputo.

Formulación del Sistema Aumentado: El núcleo de ley de potencia de la derivada de Caputo se expresa como la transformada de Laplace de una medida positiva. Esto permite reescribir el sistema fraccionario como una ecuación de evolución semilineal autónoma en un espacio de Hilbert $X = \mathbb{R}^n \times H$ , donde $H$ es un espacio de modos de memoria continua $z(\omega, t)$ que se relajan a tasas $\omega$ .
Construcción del Cociclo: En este espacio de Hilbert de dimensión infinita, la evolución linealizada del sistema aumentado satisface la propiedad de cociclo, permitiendo la aplicación del Teorema Multiplicativo (específicamente las versiones de Ruelle, Mañé y Thieullen para cociclos asintóticamente compactos).
Implementación Numérica: Se implementa un algoritmo de Benettin sobre el sistema aumentado discretizado. El continuo de memoria se aproxima mediante una cuadratura de suma de exponenciales (Gauss-Jacobi para la singularidad en $\omega=0$ y Gauss-Legendre para tasas superiores). El algoritmo rastrea vectores tangentes en el subespacio $\{\delta a = 0\}$ (perturbaciones tangentes al conjunto invariante, excluyendo desplazamientos en la edad inicial).
Validación: El método se valida contra la solución exacta de sistemas lineales que involucran la función de Mittag-Leffler y se aplica a los sistemas caóticos fraccionarios de Chen y Rössler.

Contribuciones Clave y Resultados Teóricos

Definición de Exponentes: El autor define los exponentes de Lyapunov para sistemas fraccionarios como los exponentes del sistema aumentado autónomo restringido al conjunto invariante de soluciones estacionarias. La trayectoria de Caputo es tratada como una perturbación de decaimiento algebraico ( $O(t^{-\nu})$ ) de esta dinámica estacionaria.
Envejecimiento del Sistema: Se demuestra que incluso si la trayectoria observable $x(t)$ es acotada, el estado de la memoria $z(\cdot, t)$ crece ilimitadamente como $t^{(1-\nu)/2}$ . El sistema nunca olvida su condición inicial; la "edad" del sistema se manifiesta como un desplazamiento de ley de potencia en la norma de la memoria.
Estructura del Espectro:
- Exponentes Positivos: Los exponentes estrictamente positivos están bien definidos, son discretos e independientes de la truncación de la memoria. Caracterizan la verdadera naturaleza caótica del sistema.
- Espectro No Positivo: El resto del espectro es una banda esencial en cero. No hay contracción exponencial en el sistema fraccionario para ningún $\nu < 1$ ; las perturbaciones decaen algebraicamente ( $t^{-\nu}$ ).
- El Exponente Cero: Existe un exponente cero correspondiente a la dirección de traslación temporal del sistema aumentado, pero está embebido en la banda esencial y no puede separarse por valor en computaciones numéricas.
Análisis de Truncación: El artículo distingue entre dos tipos de truncación de la memoria:
- Truncar la Derivada (Grünwald-Letnikov): Aplicar el principio de memoria corta a la derivada corta un núcleo summable. Esto deja el exponente máximo y la geometría del atractor esencialmente inalterados.
- Truncar la Integral (Volterra/Memoria Fija): Truncar la forma integral o eliminar los modos lentos en realizaciones de modo finito corta un núcleo no summable. Esto altera fundamentalmente el sistema, deformando el atractor, reduciendo el exponente máximo entre un 25% y un 50%, y potencialmente suprimiendo el caos por completo. En realizaciones de modo finito, esto introduce exponentes negativos espurios iguales a $-1/\tau_m$ (la inversa de la ventana de memoria).

Resultados Numéricos

Sistemas de Chen y Rössler Fraccionarios: El exponente de Lyapunov máximo es reproducible e insensible a la resolución de la banda de memoria ( $\omega_{min}$ ). Para el sistema de Chen en $\nu=0.9$ , el exponente máximo se estabiliza alrededor de 2.25.
Desvanecimiento de Exponentes Negativos: Todos los exponentes no positivos convergen a cero a medida que la resolución de la memoria aumenta. Los valores negativos residuales observados en computaciones de tiempo finito son artefactos de la discretización y decaen algebraicamente, no exponencialmente.
Comparación con Códigos Existentes: Los códigos que reinician la memoria (por ejemplo, mediante la renormalización QR) miden "exponentes de reinicio de memoria", que son tasas de contracción del observable sobre el intervalo de renormalización, no verdaderos exponentes del sistema. Estos valores derivan hacia cero a medida que el intervalo aumenta.
Impacto de la Truncación: Experimentos numéricos confirman que los códigos de Volterra de memoria fija y las realizaciones de modo finito con ventanas cortas ( $\tau_m \approx 100$ ) destruyen el atractor caótico, mientras que el principio de memoria corta aplicado a la derivada lo preserva.

Significancia y Reivindicaciones
El artículo afirma proporcionar la primera definición rigurosa de exponentes de Lyapunov para sistemas de orden fraccionario que es independiente de la truncación numérica. Aclara que:

El "caos" de un sistema fraccionario está definido por sus exponentes positivos, los cuales son robustos.
Los exponentes negativos reportados por los códigos estándar no son propiedades del sistema, sino artefactos del tratamiento de la memoria (ya sea el intervalo de renormalización o la ventana de memoria).
El "envejecimiento" del sistema es una característica fundamental: la memoria de la condición inicial crece indefinidamente, lo que significa que el sistema nunca es verdaderamente estacionario.
Las implicaciones prácticas para el campo son significativas: los resultados obtenidos al truncar la forma integral (común en códigos de memoria fija) describen un sistema diferente y menos caótico que el modelo pretendido. Para obtener resultados fiables, se debe emplear el principio de memoria corta en la derivada o utilizar el enfoque del sistema aumentado con una banda de memoria suficientemente resuelta.

El autor señala que la existencia del conjunto invariante compacto para sistemas fraccionarios caóticos sigue siendo una hipótesis (aunque cuenta con apoyo numérico), y se conjetura que la tasa de convergencia de las estimaciones de tiempo finito incluye un término de memoria proporcional a $t^{-\nu}$ , el cual es difícil de aislar numéricamente para $\nu > 0.5$ .

Resumen Técnico: Exponentes de Lyapunov de Sistemas de Orden Fraccionario

Más como este