Ecuaciones variacionales y validación de diagnósticos

Muchos diagnósticos requieren, además de la trayectoria, el sistema variacional. Si $\dot x=f(x)$, una perturbación infinitesimal $\delta x$ evoluciona según

$$\dot{\delta x}=Df(x(t))\,\delta x.$$

Integrar el estado y el sistema tangente con pasos incoherentes rompe la interpretación. Ambos deben compartir trayectoria base y tiempo. Para estimar varios exponentes de Lyapunov se propaga una base de perturbaciones y se ortonormaliza periódicamente mediante QR; los logaritmos de los factores diagonales acumulan tasas medias.

Matriz fundamental y perturbaciones infinitesimales

Sea $\varphi_t(x_0)$ el flujo. La derivada respecto de la condición inicial,

$$\Phi(t)=D_{x_0}\varphi_t(x_0),$$

satisface

$$\dot\Phi(t)=Df(x(t))\Phi(t), \qquad \Phi(0)=I.$$

La matriz contiene en sus columnas la evolución de una base de perturbaciones. Para un sistema de dimensión $d$, el estado ampliado tiene $d+d^2$ componentes. En Lorenz, $d=3$ y se integran doce variables.

Con

$$f(x,y,z)= \begin{pmatrix} \sigma(y-x)\\ x(\rho-z)-y\\ xy-\beta z \end{pmatrix},$$

el jacobiano es

$$Df= \begin{pmatrix} -\sigma&\sigma&0\\ \rho-z&-1&-x\\ y&x&-\beta \end{pmatrix}.$$

Evaluarlo en la trayectoria base, no en una trayectoria interpolada con otro paso, es esencial. Un integrador adaptativo puede integrar el vector ampliado como un solo problema. Si se usa diferenciación automática o diferencias finitas para $Df$, ese procedimiento y su tolerancia son parte del contrato.

Alligood, Sauer y Yorke conectan exponentes, hiperbolicidad y flujos mediante este sistema tangente. La matriz variacional no es un diagnóstico aislado: es la linealización acumulada a lo largo de la órbita. Alligood, 1996 Kathleen T. Alligood, Tim D. Sauer y James A. Yorke (1996) Chaos: An Introduction to Dynamical Systems Springer Ubicación consultada: caps. 3, 5, 7 y 9, pp. 105–148, 193–230, 273–328 y 359–398

Ortonormalización QR durante la integración

Si se propaga $\Phi$ mucho tiempo, la dirección de máxima expansión domina todas las columnas y la matriz se vuelve numéricamente casi singular. Para recuperar el espectro completo se ortonormaliza a intervalos $\Delta t_r$:

$$\Phi_k=Q_kR_k.$$

Se reinicia la base con $Q_k$ y se acumulan

$$S_i\leftarrow S_i+\log |(R_k)_{ii}|.$$

Después de tiempo acumulado $T$, la estimación es $\widehat\lambda_i=S_i/T$. Para conservar el signo de la descomposición de manera reproducible puede forzarse diagonal positiva en $R$. El intervalo de QR debe ser suficientemente corto para evitar colapso de la base y suficientemente largo para medir expansión por encima del ruido.

Espectro de un sistema diagonal

Considere

$$\dot x=Ax, \qquad A=\operatorname{diag}(2,-1,-3).$$

Entonces $\Phi(t)=\operatorname{diag}(e^{2t},e^{-t},e^{-3t})$. Con $\Delta t_r=0.5$, la factorización QR no cambia las direcciones y

$$R=\operatorname{diag}(e^1,e^{-0.5},e^{-1.5}).$$

Dividir sus logaritmos por $0.5$ recupera $(2,-1,-3)$ en cada bloque. Este caso detecta errores de orden de columnas, normalización por número de bloques en vez de tiempo y signos incorrectos. Después se prueba una matriz no diagonal con autovalores conocidos para verificar que QR recupera tasas aunque las direcciones roten.

Para un flujo autónomo sobre una órbita no estacionaria debe aparecer un exponente cero asociado con el desplazamiento temporal. En un sistema disipativo, la suma de exponentes de largo plazo se relaciona con el promedio de la divergencia:

$$\sum_i\lambda_i= \lim_{T\to\infty}\frac1T\int_0^T\nabla\cdot f(x(t))\,dt$$

bajo hipótesis apropiadas. En Lorenz, $\nabla\cdot f=-(\sigma+1+\beta)$ es constante, lo que ofrece una comprobación independiente de la suma estimada.

Validar significa someter la conclusión a pruebas que puedan contradecirla. La validación mínima incluye: prueba del campo en puntos conocidos, solución exacta o caso límite, refinamiento de paso o tolerancias, repetición con otro método, descarte transitorio documentado, duración ampliada y contraste entre diagnósticos. La validación independiente combina trayectorias y supuestos distintos.

Dos trayectorias y el sistema variacional

El método de dos trayectorias inicia $x_0$ y $x_0+\delta_0$, integra ambas y observa

$$\lambda_T\approx\frac1T \log\frac{\|\delta(T)\|}{\|\delta_0\|}.$$

Sólo aproxima la tasa infinitesimal mientras $\|\delta(t)\|$ permanece pequeña. Si la separación alcanza el tamaño del atractor, se satura y el cociente deja de medir expansión local. Renormalizar periódicamente la separación prolonga el cálculo, pero ya introduce decisiones sobre norma, intervalo y orientación.

El sistema variacional evita restar trayectorias casi iguales y calcula la derivada del flujo, pero depende de un jacobiano correcto. Por eso ambos métodos son complementarios: una prueba con dos trayectorias puede detectar un error evidente de signo, mientras el caso lineal exacto audita el QR.

Sprott presenta exponentes dentro de un conjunto de herramientas para flujos algebraicamente simples. Es una fuente útil para el diagnóstico dinámico, no una autorización para declarar caos por un número positivo de tiempo finito. Sprott, 2010 Julien Clinton Sprott (2010) Elegant Chaos: Algebraically Simple Chaotic Flows World Scientific Ubicación consultada: secciones 1.9–1.10, pp. 20–27

Para sistemas conservativos observa energía o volumen; para sistemas disipativos compara divergencia, región absorbente o balances conocidos. Para órbitas periódicas usa retorno y multiplicadores; para caos combina sensibilidad, espectro de Lyapunov, sección, recurrencia y estabilidad al refinamiento. Cada diagnóstico tiene un alcance y un modo de fallo.

Una simulación de un solo estado prueba únicamente esa ejecución. Una afirmación sobre un atractor requiere repetir desde una región de condiciones iniciales, descartar transitorios y verificar que el conjunto observado persista al aumentar tiempo y precisión. Una afirmación de ocultamiento requiere además analizar vecindades de equilibrios; queda fuera de lo que un exponente puede demostrar.

Tél y Gruiz separan caos permanente, caos transitorio, crisis y cuencas. Esa distinción es especialmente útil al interpretar promedios finitos: una trayectoria puede mostrar expansión durante un transitorio largo y terminar en un ciclo. Tél, 2006 Tamás Tél y Márton Gruiz (2006) Chaotic Dynamics: An Introduction Based on Classical Mechanics Cambridge University Press Ubicación consultada: caps. 3–6, pp. 51–226; apéndice A.5, pp. 337–341

Validación de diagnósticos computacionales y límites

Antes de calcular, escriba una tabla con cuatro columnas: afirmación, observación esperada si es correcta, prueba capaz de contradecirla y resultado. Para «RK45 resolvió la trayectoria con precisión suficiente», la prueba puede ser tolerancias más estrictas y otro método. Para «el régimen tiene un exponente máximo positivo», se aumenta duración, cambia intervalo QR, prueba otro estado y contrasta la suma con la divergencia.

No todas las discrepancias tienen el mismo peso. Si dos métodos difieren sólo después del horizonte de predicción pero coinciden en el espectro dentro de incertidumbre, la sensibilidad explica la separación. Si la suma de exponentes contradice de forma persistente la divergencia conocida, hay un fallo en jacobiano, tiempo acumulado o QR.

La documentación de integración de SciPy permite escoger el método de integración y obtener salida densa. Para jacobianos aproximados, la documentación de scipy.differentiate ofrece herramientas actuales; una derivada numérica debe refinar su paso y compararse con una forma analítica cuando esté disponible.

Verificación independiente de los diagnósticos

Un informe defendible une pregunta, contrato numérico, caso exacto, refinamiento, diagnóstico principal, comprobación independiente y límites. La validación no añade una etiqueta al final: organiza desde el inicio qué resultado podría obligarnos a cambiar de conclusión.