Resumen Técnico: Atractores Caóticos y Exponentes de Lyapunov de Sistemas de Orden Fraccionario

1. El Problema

Los sistemas dinámicos de orden fraccionario, definidos por la derivada de Caputo de orden no entero $\nu \in (0, 1)$, modelan procesos donde la tasa de cambio actual depende de todo el historial pasado con un peso de ley de potencia. Aunque se sabe que estos sistemas (como los sistemas de Lorenz, Rössler y Chen de orden fraccionario) exhiben caos, medir este caos mediante exponentes de Lyapunov ha resultado problemático.

Los algoritmos estándar de Lyapunov dependen del concepto de un "estado" que determina la evolución futura de un sistema. Sin embargo, un sistema fraccionario no posee tal estado; su futuro depende de todo su historial. Por consiguiente, el sistema carece de un flujo en el sentido tradicional. Los métodos existentes o bien truncan la memoria (introduciendo errores significativos) o aplican algoritmos estándar a esquemas truncados, computando exponentes para un sistema completamente distinto. Además, la definición matemática de los exponentes de Lyapunov para sistemas fraccionarios es no trivial porque la memoria del sistema envejece, causando que la norma de la memoria crezca sin límite incluso en atractores acotados.

2. Metodología: El Algoritmo de Sistema Aumentado

El artículo propone una solución práctica basada en la "representación difusiva", que transforma el sistema fraccionario en un sistema de ecuaciones diferenciales ordinarias (EDO) de dimensión infinita. La metodología central se basa en tres pilares:

A. Representación Difusiva

El núcleo de memoria de la ley de potencia $k_\nu(\tau) = \tau^{\nu-1}/\Gamma(\nu)$ se expresa como una superposición de exponenciales decrecientes:
$$k_\nu(\tau) = \int_0^\infty \mu_\nu(\omega) e^{-\omega\tau} d\omega$$
donde $\mu_\nu(\omega) \propto \omega^{-\nu}$. Esto permite reescribir el sistema fraccionario como un "sistema aumentado" donde el estado es la función $\omega \mapsto z(\omega, t)$, que representa los modos de memoria. Cada modo satisface una EDO de primer orden:
$$\partial_t z(\omega, t) = -\omega z(\omega, t) + f(x(t))$$
La variable original $x(t)$ se recupera mediante una suma ponderada de estos modos. Esta formulación convierte el sistema fraccionario en un sistema de EDO autónomo con un estado de dimensión infinita, haciéndolo susceptible a las herramientas estándar de los sistemas dinámicos.

B. Discretización y Paso de Tiempo

Para implementar esto numéricamente, se discretiza el continuo de modos utilizando una regla de cuadratura que aproxime la integral. El artículo emplea una estrategia específica para manejar la singularidad de $\mu_\nu(\omega)$ en $\omega=0$:

• Panel Singular: Se utiliza una regla de Gauss-Jacobi para el intervalo $[0, \omega_{min}]$ para capturar los modos lentos y de envejecimiento esenciales para el comportamiento a largo plazo.
• Paneles Geométricos: Se utilizan reglas de Gauss-Legendre en $\ln(\omega)$ para las décadas subsiguientes hasta $\omega_{max}$.
• Diferenciación de Tiempo Exponencial (ETD): Debido a que el sistema es rígido (las tasas $\omega$ oscilan entre $10^{-7}$ y $10^7$), la parte lineal de las ecuaciones de los modos se integra analíticamente, mientras que el acoplamiento no lineal se maneja mediante un esquema de Runge-Kutta de segundo orden.

C. Sistema Tangente y Norma

Para computar los exponentes de Lyapunov, se integran las dinámicas linealizadas del sistema aumentado junto con la trayectoria. Un conocimiento teórico crítico dicta la elección de la norma para la ortonormalización (vía descomposición QR):

• La dinámica linealizada consiste en una relajación pura (norma 1) y un acoplamiento compacto.
• La teoría predice que los sistemas fraccionarios no tienen exponentes de Lyapunov negativos. Las perturbaciones que decaen lo hacen algebraicamente (como una potencia de $t$), no exponencialmente.
• Por lo tanto, los vectores tangentes deben ortonormalizarse en una norma ponderada específica: $\|( \delta a, \delta z )\|^2 = |\delta a|^2 + \sum w_i(1+\omega_i)|\delta z_i|^2$. El uso de la norma euclidiana estándar produciría resultados incorrectos.

3. Principales Contribuciones

El artículo proporciona un programa de Python completo y autónomo (aproximadamente 150 líneas) que implementa este algoritmo. Sus contribuciones específicas son:

1. Una Implementación Funcional: Un script que simula sistemas caóticos fraccionarios y computa sus exponentes de Lyapunov, validado en sistemas lineales con soluciones exactas conocidas.
2. Justificación Teórica del Diseño del Código: El artículo explica por qué decisiones de diseño específicas (como la inclusión del panel singular y la norma ponderada específica) son necesarias, vinculándolas directamente con las propiedades matemáticas de la representación difusiva.
3. Clarificación de la Interpretación de Resultados: El artículo establece cómo leer un cálculo de Lyapunov fraccionario:
   • Los exponentes positivos están bien definidos y son discretos.
   • Los exponentes no positivos no convergen a números negativos, sino que derivan lentamente hacia cero.
   • Un exponente que se anula ($\lambda \approx 0$) requiere la inspección de la trayectoria para distinguir entre un equilibrio, una ventana periódica o un transitorio.

4. Resultados

El programa fue validado y aplicado a varios sistemas:

• Validación Lineal: En un sistema lineal $CD^\nu x = \text{diag}(0.05, -1, -2)x$ con $\nu=0.8$, el programa computó el mayor exponente como $0.023636$, coincidiendo con el valor teórico de $0.05^{1/0.8} \approx 0.023644$ con un error del $0.04\%$. Los otros exponentes derivaron correctamente hacia cero en lugar de converger a $-1$y$-2$.
• Sistema de Lorenz Fraccionario ($\nu=0.995$): El programa computó un mayor exponente $\lambda_1 \approx 0.856$ (comparado con $0.906$ para el sistema de orden entero). Capturó correctamente la permanencia de la trayectoria cerca de los equilibrios antes de que se establezca el caos.
• Sistema de Chen Fraccionario ($\nu=0.9$): El programa encontró $\lambda_1 \approx 2.33$.
• Ventanas Periódicas: El algoritmo identificó con éxito una ventana periódica en el sistema de Chen en $\nu=0.99$, donde el exponente derivó hacia cero y la trayectoria se volvió periódica tras un largo transitorio.

5. Significado y Reivindicaciones

El artículo se posiciona como un compañero práctico de un artículo teórico reciente, con el objetivo de resolver la ambigüedad en la medición del caos en sistemas fraccionarios. Su importancia radica en:

• Corregir Conceptos Erróneos: Demuestra que los algoritmos de Lyapunov estándar aplicados a esquemas de memoria truncada miden el sistema equivocado.
• Definir el Estado: Operacionaliza el concepto de que "el estado de un sistema fraccionario es su memoria", permitiendo la aplicación de la teoría estándar de sistemas dinámicos.
• Evitar Errores de Truncamiento: Advierte explícitamente contra la truncación de la memoria (eliminar los modos lentos), mostrando mediante el análisis del error del núcleo que tal truncación altera fundamentalmente el sistema y conduce a grandes errores en los exponentes.
• Alcance Modesto: El autor no pretende resolver todos los problemas de la dinámica fraccionaria, sino proporcionar una herramienta robusta para simular y analizar atractores caóticos y sus exponentes para sistemas de la forma $CD^\nu x = f(x)$. El artículo enfatiza que el lector debe comprender el comportamiento específico de los exponentes fraccionarios (la banda en cero) para interpretar el resultado correctamente.