🔢 matemáticas

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

Este artículo establece una definición rigurosa para los exponentes de Lyapunov en sistemas de orden fraccionario de Caputo mediante la utilización de la representación difusiva para transformarlos en ecuaciones autónomas en un espacio de Hilbert, resolviendo así los problemas relacionados con la no invariancia y el envejecimiento de la memoria, al tiempo que demuestra que los exponentes positivos son robustos frente al truncamiento de la memoria, mientras que los métodos de truncamiento inadecuados pueden suprimir artificialmente el caos e introducir exponentes negativos espurios.

Autores originales: Stefano Fazzino

Publicado 2026-10-21

📖 6 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 de las neuronas, los científicos suelen buscar una firma del caos. Esta firma es una medida de qué tan rápido se separan dos puntos iniciales casi idénticos con el paso del tiempo. Si se separan rápidamente, el sistema es caótico e impredecible a largo plazo; si se mantienen cerca, el sistema es estable. Durante décadas, los investigadores han utilizado una herramienta matemática específica para calcular esta tasa de separación, conocida como el exponente de Lyapunov. Esta herramienta funciona maravillosamente para sistemas que se comportan como relojes estándar, donde el futuro depende solo del momento presente. Sin embargo, muchos materiales y procesos del mundo real, como la forma en que el caucho se estira o cómo la electricidad se mueve a través de ciertas baterías, no siguen estas reglas simples. Poseen una "memoria", lo que significa que su estado actual está influenciado por todo lo que les ha sucedido en el pasado. Cuando los científicos intentan aplicar las herramientas estándar a estos sistemas ricos en memoria, los resultados son confusos y a menudo contradictorios.

Un nuevo estudio del investigador independiente Stefano Fazzino aborda esta confusión redefiniendo cómo medimos el caos en sistemas con memoria. El artículo se centra en un tipo específico de modelo matemático llamado sistema de orden fraccionario, que se utiliza para describir procesos donde el pasado pesa fuertemente en el presente. A diferencia de los sistemas estándar, estos modelos no solo observan la velocidad de cambio actual; observan toda la historia del sistema, extendiéndose hasta el mismísimo principio. Fazzino argumenta que, debido a esta profunda conexión con el pasado, la forma estándar de calcular el caos falla. Él propone un nuevo método que trata la memoria del sistema no como una vaga influencia de fondo, sino como una vasta colección de estados internos ocultos, cada uno relajándose a su propia velocidad. Al observar el sistema a través de este lente expandido, es capaz de aplicar las rigurosas reglas matemáticas de la teoría del caos que antes no estaban disponibles.

El núcleo del descubrimiento de este trabajo es que la forma en que hemos estado calculando el caos en estos sistemas basados en la memoria es fundamentalmente errónea. Cuando los investigadores utilizan códigos informáticos estándar para estimar qué tan rápido estos sistemas se vuelven caóticos, a menudo obtienen números negativos para las tasas de separación, sugiriendo que el sistema se está encogiendo o estabilizando. El análisis de Fazzino muestra que estos números negativos no son medidas reales de la estabilidad a largo plazo del sistema. En cambio, representan las tasas de contracción de lo observable en escalas de tiempo cortas o son artefactos espurios creados cuando la memoria se trunca. En realidad, para estos sistemas de orden fraccionario, el verdadero espectro de tasas de separación consiste en valores positivos que indican caos, un exponente cero asociado al flujo, y una banda esencial donde todos los demás exponentes se desvanecen. Los valores negativos reportados por el software existente no reflejen la estabilidad intrínseca del sistema; son simplemente la velocidad con la que el método de cálculo olvida la historia que debía conservar.

Para llegar a esta conclusión, Fazzino transformó el problema en un espacio matemático diferente. En lugar de intentar rastrear un solo punto moviéndose a través del tiempo, imaginó el sistema como un flujo continuo de filtros internos, o "modos", que almacenan información sobre el pasado. Algunos de estos filtros retienen la información durante un tiempo muy corto, mientras que otros la retienen durante un tiempo increíblemente largo. Este enfoque reveló un fenómeno llamado "envejecimiento". Debido a que el sistema nunca olvida realmente su punto de partida, la memoria de esa condición inicial se fortalece con el tiempo, incluso si el comportamiento visible del sistema parece estable. Esto significa que el sistema no es invariante; cambia su carácter a medida que envejece. El estudio demuestra que para definir el caos correctamente, uno debe observar el comportamiento del sistema después de que se haya asentado en un ritmo constante, en lugar de intentar medirlo desde el primer momento en que comienza.

El artículo también probó cómo diferentes formas de simplificar la memoria afectan los resultados. En las simulaciones por computadora, a menudo es necesario cortar la memoria después de cierto tiempo para ahorrar potencia de cálculo. Fazzino encontró que dónde se realiza ese corte importa inmensamente. Si se corta la memoria en la parte de la ecuación que describe la tasa de cambio, los resultados siguen siendo precisos y el sistema se comporta como se espera. Sin embargo, si se corta la memoria en la parte que suma la historia, el sistema cambia completamente. En estos casos, el comportamiento caótico puede desaparecer por completo, o el sistema puede ser forzado a un estado estable que nunca alcanzaría en la realidad. El estudio muestra que una ventana de memoria de solo cien unidades de tiempo puede destruir la naturaleza caótica de un sistema que debería ser caótico, mientras que una ventana de quinientas unidades puede reducir el caos medido a la mitad. Esto sugiere que muchos estudios previos utilizando estos atajos podrían haber estado estudiando un sistema diferente, menos caótico, del que pretendían modelar.

Además, la investigación aclara por qué el exponente "cero" estándar, que usualmente indica que un sistema se mueve a lo largo de un camino estable, faltaba en los cálculos anteriores. En un sistema con memoria, la dirección del tiempo mismo actúa como un camino especial que no crece ni se encoge. El nuevo método captura esto, mostrando que el sistema sí tiene un exponente cero, pero solo cuando la memoria se trata correctamente. El estudio también sugiere que en las versiones lineales de estos sistemas, las partes visibles del sistema no se encogen exponencialmente rápido como ocurre en los sistemas estándar; en cambio, se desvanecen muy lentamente, siguiendo una ley de potencia. Este desvanecimiento lento explica por qué los exponentes negativos vistos en los códigos de computadora antiguos eran en realidad mediciones de corto plazo de este desvanecimiento lento, más que indicadores reales de estabilidad.

Las implicaciones de estos hallazgos son significativas para cualquiera que modele materiales o dispositivos complejos. El estudio proporciona una nueva y confiable forma de calcular los exponentes de Lyapunov para estos sistemas, confirmando que los exponentes positivos son reales y robustos, mientras que los negativos son en gran medida artefactos matemáticos o tasas de contracción a corto plazo. Advierte que el uso de ventanas de memoria fijas en ciertos tipos de cálculos puede conducir a conclusiones falsas sobre si un sistema es caótico o estable. El autor recomienda utilizar un enfoque específico que mantenga intacta la memoria de la tasa de cambio, o utilizar el nuevo método basado en los modos internos, para asegurar la precisión. Aunque la prueba matemática de la existencia de un estado estable a largo plazo en estos sistemas caóticos sigue siendo una hipótesis, la evidencia numérica respalda fuertemente la nueva definición. El trabajo no solo ofrece un nuevo cálculo; ofrece una comprensión corregida de cómo la memoria moldea la imprevisibilidad del mundo que nos rodea.

Resumen Técnico: Exponentes de Lyapunov de Sistemas de Orden Fraccionario

Planteamiento del Problema
Los exponentes de Lyapunov son los indicadores cuantitativos estándar del caos, definidos tradicionalmente a través del Teorema Ergódico Multiplicativo (TEM) de Oseledets. Sin embargo, este teorema requiere que el sistema sea un flujo en un espacio de dimensión finita con una medida invariante, donde la evolución linealizada forma un cociclo. Los sistemas de orden fraccionario, específicamente aquellos definidos por la derivada de Caputo, violan estas hipótesis. La derivada de Caputo es no local, lo que significa que el estado del sistema en el tiempo $t$ depende de toda la trayectoria pasada y no de un punto en $\mathbb{R}^n$ . En consecuencia, el sistema no es invariante bajo traslación temporal (el sistema "envejece"), y el operador de evolución linealizada no forma un cociclo sobre un flujo de dimensión finita. Aunque los códigos numéricos computan rutinariamente exponentes para sistemas caóticos fraccionarios (p. ej., Chen, Rössler), no existe una definición matemática rigurosa para estos exponentes en el marco de Caputo, y las observaciones numéricas (como la ausencia de un exponente cero o la presencia de "pseudo-exponentes") permanecen sin explicación.

Metodología
El artículo emplea la representación difusiva del operador de Caputo para reformular el problema. La derivada de Caputo de orden $\nu \in (0,1)$ se expresa como una convolución con un núcleo de ley de potencia, que es 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 de dimensión infinita.

Espacio de Estado Aumentado: El sistema se eleva a un espacio producto $X = \mathbb{R}^n \times H$ , donde $H = L^2(\mathbb{R}^+, \rho_\nu d\omega)$ representa un continuo de modos de memoria de primer orden que se relajan a tasas $\omega$ . El estado incluye la observable $x$ y el perfil de memoria $z(\omega, t)$ .
Estructura de Cociclo: En este espacio aumentado, el sistema es autónomo. La linealización a lo largo de una trayectoria define un cociclo $M(t,s)$ sobre el flujo del sistema aumentado, el cual satisface las condiciones requeridas para el TEM, extendido por Ruelle, Mañé y Thieullen para cociclos asintóticamente compactos en espacios de Hilbert.
Implementación Numérica: El autor implementa un algoritmo de Benettin en este sistema aumentado utilizando una cuadratura de suma de exponenciales para discretizar el continuo de memoria. El método se valida contra la solución exacta de sistemas lineales que involucran la función de Mittag-Leffler.
Análisis de Truncamiento: El estudio compara tres enfoques para el manejo de la memoria:
- Memoria completa (resolviendo el continuo hasta un $\omega_{min}$ pequeño).
- Truncamiento aplicado a la derivada (forma de Grünwald-Letnikov, "principio de memoria corta").
- Truncamiento aplicado a la forma integral (ventana de memoria fija o realización de modos finitos).

Contribuciones Clave y Resultados

Definición de Exponentes: El artículo proporciona una definición rigurosa de los exponentes de Lyapunov para sistemas de Caputo como los exponentes del cociclo en el espacio de Hilbert aumentado, restringido al subespacio tangente invariante $\{\delta a = 0\}$ .
Envejecimiento de la Memoria: Se demuestra que para una trayectoria de Caputo acotada, la norma de la memoria en el espacio de Hilbert crece como $t^{(1-\nu)/2}$ . El sistema no olvida su condición inicial; "envejece". Por consiguiente, los exponentes deben definirse sobre la dinámica estacionaria (soluciones definidas en $(-\infty, \infty)$ ), la cual la órbita de Caputo se aproxima algebraicamente como $t^{-\nu}$ .
Estructura del Espectro:
- Exponentes Positivos: Están bien definidos, forman un conjunto discreto y son independientes del truncamiento de la memoria.
- Exponente Esencial: El exponente esencial del cociclo es cero.
- Exponente Cero: La naturaleza autónoma del sistema aumentado garantiza un exponente cero asociado a la dirección de desplazamiento temporal. Esto explica por qué los códigos fraccionarios estándar (que reinician la memoria o restringen la memoria inicial a cero) fallan al detectar este exponente.
- Exponentes No Positivos: En el caso lineal, la observable no se contrae exponencialmente; las perturbaciones decaen algebraicamente. El autor conjetura que, para sistemas caóticos no lineales, todos los exponentes no positivos son cero. Los exponentes negativos reportados en la literatura existente se interpretan como tasas de contracción de tiempo finito de la observable o artefactos del truncamiento de la memoria, más que como verdaderos exponentes de Lyapunov del sistema.
Efecto del Truncamiento de la Memoria:
- Truncamiento de la Derivada (Grünwald-Letnikov): Aplicar el principio de memoria corta a la derivada (según Podlubny) deja el exponente máximo y la geometría del atractor sin cambios, incluso con ventanas cortas.
- Truncamiento de la Integral: Aplicar una ventana de memoria fija a la forma integral (o usar realizaciones de modos finitos) altera fundamentalmente el sistema. Esto deforma el atractor, reduce el exponente máximo entre un 20% y un 50%, y puede suprimir el caos por completo. En las realizaciones de modos finitos, introduce exponentes negativos espurios del orden $-1/\tau_m$ (donde $\tau_m$ es la ventana de memoria).
Tasa de Convergencia: El artículo conjetura que los exponentes de tiempo finito computados desde la memoria cero convergen a los verdaderos exponentes con un término de corrección proporcional a $t^{-\nu}$ , además de la fluctuación ergódica estándar de $1/t$ .

Significancia y Reivindicaciones
El artículo afirma resolver la ambigüedad teórica de los exponentes de Lyapunov en sistemas de orden fraccionario proporcionando una definición basada en el teorema ergódico multiplicativo en un espacio de estado de dimensión infinita. Aclara que el "caos" de los sistemas fraccionarios se caracteriza únicamente por exponentes positivos, mientras que los exponentes negativos presentes en los análogos de orden entero no persisten en el caso fraccionario (para $\nu < 1$ ) en el sentido de contracción exponencial en el espacio de estado completo.

El autor enfatiza la significancia práctica de sus hallazgos para el modelado numérico:

Fiabilidad de los Exponentes Positivos: Los exponentes positivos son robustos solo si la memoria se maneja correctamente (memoria completa o truncamiento de la derivada).
Malinterpretación de los Exponentes Negativos: Los exponentes negativos reportados por los códigos estándar son artefactos del método numérico (reinicio de memoria o truncamiento de la integral) y no representan las verdaderas tasas de contracción del sistema.
Integridad del Modelo: Truncar la forma integral de la ecuación cambia el sistema dinámico subyacente, pudiendo desplazar los umbrales de bifurcación y los límites del caos. El autor recomienda usar el principio de memoria corta en la derivada de Grünwald-Letnikov o el algoritmo del sistema aumentado para preservar la dinámica del sistema.

El artículo concluye que, si bien la existencia de un conjunto invariante compacto para los sistemas caóticos fraccionarios sigue siendo una hipótesis, el marco propuesto explica con éxito las anomalías numéricas y ofrece un método consistente para computar exponentes que es independiente de ventanas de memoria arbitrarias.

Resumen Técnico: Exponentes de Lyapunov de Sistemas de Orden Fraccionario

Más como este