Θεωρία του χάους: Διαφορά μεταξύ των αναθεωρήσεων

Αυτή είναι μια ηχογραφημένη έκδοση του λήμματος. Πατήστε εδώ για να την ακούσετε.
Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
Περιήγηση ιστορικού διαδραστικά
← Προηγούμενη διαφοράΕπόμενη διαφορά →
Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
ΟπτικήΚώδικας wiki
Elena1684 (συζήτηση | συνεισφορές)
32 επεξεργασίες
Elena1684 (συζήτηση | συνεισφορές)
32 επεξεργασίες
Γραμμή 160: Γραμμή 160:


== Εφαρμογές ==
== Εφαρμογές ==
{{speculation|section}}
{{refimprove section|date=April 2013}}
[[File:Textile cone.JPG|thumb|left|Ένα κοχύλι [[conus textile]], όμοιο σε εμφάνιση με τον [[Κανόνα 30]](Rule 30), ένα [[Κυτταρικό αυτόματο | κυτταρικό αυτόματο]] με χαοτική συμπεριφορά.<ref>{{cite web |url=https://www.maths.nottingham.ac.uk/personal/sc/pdfs/Seashells09.pdf |title=The Geometry and Pigmentation of Seashells |author=Stephen Coombes |year=2009 |month=February |work=www.maths.nottingham.ac.uk |publisher=[[University of Nottingham]] |accessdate=2013-04-10}}</ref>]]
Η θεωρία του Χάους εφαρμόζεται σε πολλούς επιστημονικούς κλάδους, όπως οι εξής: [[Γεωλογία | γεωλογία]], [[Μαθηματικά | μαθηματικά]], [[Μικροβιολογία | μικροβιολογία]], [[Βιολογία | βιολογία]], [[Πληροφορική | πληροφορική]], [[Οικονομικά | οικονομικά]],<ref>{{cite journal | author = Kyrtsou C., Labys W. | year = 2006 | title = Evidence for chaotic dependence between US inflation and commodity prices | journal = Journal of Macroeconomics | volume = 28 | issue = 1| pages = 256–266 |doi=10.1016/j.jmacro.2005.10.019 }}</ref><ref>{{cite journal | author = Kyrtsou C., Labys W. | year = 2007 | title = Detecting positive feedback in multivariate time series: the case of metal prices and US inflation | doi =10.1016/j.physa.2006.11.002 | journal = Physica A | volume = 377 | issue = 1| pages = 227–229 }}</ref><ref>{{cite book |author=Kyrtsou, C.; Vorlow, C. |chapter=Complex dynamics in macroeconomics: A novel approach |editor=Diebolt, C.; Kyrtsou, C. |title=New Trends in Macroeconomics |publisher=Springer Verlag |year=2005 }}</ref> [[Επιστήμες μηχανικών | επιστήμες μηχανικών]],<ref>[http://www.dspdesignline.com/218101444;jsessionid=Y0BSVTQJJTBACQSNDLOSKH0CJUNN2JVN?pgno=1 Applying Chaos Theory to Embedded Applications]</ref> [[Χρηματοοικονομικά | χρηματοοικονομικά]],<ref>{{cite journal |author=Hristu-Varsakelis, D.; Kyrtsou, C. |title=Evidence for nonlinear asymmetric causality in US inflation, metal and stock returns |journal=Discrete Dynamics in Nature and Society |id=138547 |year=2008 |doi=10.1155/2008/138547 |volume=2008 |pages=1 }}</ref><ref>{{Cite journal | doi = 10.1023/A:1023939610962 | author = Kyrtsou, C. and M. Terraza, | year = 2003 | title = Is it possible to study chaotic and ARCH behaviour jointly? Application of a noisy Mackey-Glass equation with heteroskedastic errors to the Paris Stock Exchange returns series | journal = Computational Economics | volume = 21 | issue = 3| pages = 257–276 }}</ref> [[Αλγοριθμικές συναλλαγές | αλγοριθμικές συναλλαγές]],<ref>{{cite book|last=Williams|first=Bill Williams, Justine|title=Trading chaos : maximize profits with proven technical techniques|year=2004|publisher=Wiley|location=New York|isbn=9780471463085|edition=2nd }}</ref><ref>{{cite book|last=Peters|first=Edgar E.|title=Fractal market analysis : applying chaos theory to investment and economics|year=1994|publisher=Wiley|location=New York u.a.|isbn=978-0471585244|edition=2. print.}}</ref><ref>{{cite book|last=Peters|first=/ Edgar E.|title=Chaos and order in the capital markets : a new view of cycles, prices, and market volatility|year=1996|publisher=John Wiley & Sons|location=New York|isbn=978-0471139386|edition=2nd }}</ref> [[Μετεωρολογία | μετεωρολογία]], [[Φιλοσοφία | φιλοσοφία]], [[Φυσική | φυσική]], [[Πολιτική | πολιτική]], [[Πληθυσμιακή δυναμική | πληθυσμιακή δυναμική]],<ref>{{cite journal | author = Dilão, R.; Domingos, T. | year = 2001 | title = Periodic and Quasi-Periodic Behavior in Resource Dependent Age Structured Population Models | journal = Bulletin of Mathematical Biology | volume = 63 |pages = 207–230|doi=10.1006/bulm.2000.0213 | issue = 2 | pmid = 11276524}}</ref> [[Ψυχολογία | ψυχολογία]], και [[Ρομποτική | ρομποτική]](ΒΕΑΜ robotics).

Χαοτική συμπεριφορά έχει παρατηρηθεί στο εργαστήριο σε μία ποικιλία συστημάτων, συμπεριλαμβανομένων των [[Ηλεκτρικά κυκλώματα | ηλεκρικών συστημάτων]],<ref>{{cite journal | author = Cascais, J.; Dilão, R.; Noronha da Costa, A. | year = 1983| title = Chaos and Reverse Bifurcations in a RCL circuit | journal = Physics Letters A | volume = 93 | pages = 213–6 |doi=10.1016/0375-9601(83)90799-5|bibcode=1983PhLA...93..213C | issue = 5}}</ref>
[[Λέιζερ | λέιζερ]], [[Ταλάντωση | ταλαντώσεων]], [[Χημική αντίδραση | χημικών αντιδράσεων]], [[Υδροδυναμική | υδροδυναμικής]], και οι μηχανικές και μαγνητο-μηχανικές συσκευές, καθώς και τα υπολογιστικά μοντέλα των χαοτικών διαδικασιών. Οι παρατηρήσεις της χαοτικής συμπεριφοράς στη φύση περιλαμβάνουν αλλαγές τις καιρικές συνθήκες, τη δυναμική των δορυφόρων στο [[Ηλιακό σύστημα | ηλιακό σύστημα]], τη χρονική εξέλιξη του [[ Μανητοσφαίρα | μαγνητικού πεδίου των ουρανίων σωμάτων]], την αύξηση του πληθυσμού στην [[Οικολογία | οικολογία]], τη δυναμική των [[Δυναμικό ενέργειας | δυναμικών ενέργειας]] στον [[Νευρώνας | νευρώνα]] και τη [[Μοριακή δόνηση | μοριακή δόνηση]]. Υπάρχει κάποια διαμάχη για την ύπαρξη χαοτικού δυναμικού στις [[Τεκτονικές πλάκες | τεκτονικές πλάκες]]{{citation needed|date=April 2013}} και στα οικονομικά.<ref>{{cite journal |author=Serletis, Apostolos; Gogas, Periklis |title=Purchasing Power Parity Nonlinearity and Chaos |journal=Applied Financial Economics |volume=10 |pages=615–622 |year=2000 |url=http://www.informaworld.com/smpp/content~content=a713761243~db=all~order=page |doi=10.1080/096031000437962 |issue=6}}</ref><ref>{{cite journal |author=Serletis, Apostolos; Gogas, Periklis |title=The North American Gas Markets are Chaotic |journal=The Energy Journal |volume=20 |pages=83–103 |year=1999 |url=http://mpra.ub.uni-muenchen.de/1576/01/MPRA_paper_1576.pdf |format=PDF |doi=10.5547/ISSN0195-6574-EJ-Vol20-No1-5}}</ref><ref>{{cite journal |author=Serletis, Apostolos; Gogas, Periklis |title=Chaos in East European Black Market Exchange Rates |journal=Research in Economics |volume=51 |pages=359–385 |year=1997 |url=http://ideas.repec.org/a/eee/reecon/v51y1997i4p359-385.html |doi=10.1006/reec.1997.0050 |issue=4}}</ref>

Η θεωρία του χάους επί του παρόντος εφαρμόζεται σε ιατρικές μελέτες πάνω στην [[Επιληψία | επιληψία]], συγκεκριμένα για την πρόβλεψη των φαινομενικά τυχαίων κρίσεων παρατηρώντας τις αρχικές συνθήκες.<ref>{{cite web |url= <!-- http://www.comdig.org/index.php?id_issue=1999.06#194 Complexity Digest 199.06] --> http://comdig.unam.mx/index.php?id_issue=1999.06 |title= Chaos Theory Helps To Predict Epileptic Seizures, U. Florida |author= Victoria White, Office Of Public Information, University Of Florida Health Science Center }}</ref>

== Πολιτιστικές αναφορές ==
== Πολιτιστικές αναφορές ==
== Δείτε επείσης ==
== Δείτε επείσης ==

Έκδοση από την 22:21, 6 Ιουνίου 2013

Ο ελκυστής του Λόρεντζ

Η Θεωρία του Χάους είναι ένας τομέας στα μαθηματικά, με διάφορες εφαρμογές σε κλάδους επιστημών όπως η φυσική, η μηχανολογία, τα οικονομικά και η βιολογία. Η θεωρία του Χάους μελετά τη συμπεριφορά ορισμένων μη γραμμικών δυναμικών συστημάτων, που είναι ιδιαίτερα ευαίσθητα στις αρχικές συνθήκες, ένα αποτέλεσμα το οποίο ευρέως αναφέρεται ως το φαινόμενο της πεταλούδας. Μικρές διαφορές στις αρχικές συνθήκες (όπως αυτές που οφείλονται σε σφάλματα στρογγυλοποίησης σε αριθμητικούς υπολογισμούς) αποδίδουν πολύ διαφορετικά αποτελέσματα για τα δυναμικά συστήματα, καθιστώντας τη μακροπρόθεσμη πρόβλεψη αδύνατη σε γενικές γραμμές.[1] Αυτό συμβαίνει παρ' όλο που αυτά τα συστήματα είναι αιτιοκρατικά ("ντετερμινιστικά"), πράγμα που σημαίνει ότι η μελλοντική συμπεριφορά τους καθορίζεται πλήρως από τις αρχικές συνθήκες τους, χωρίς να εμπλέκονται τυχαίες παράμετροι.[2] Με άλλα λόγια, η ντετερμινιστική φύση αυτών των συστημάτων δεν τα κάνει προβλέψιμα.[3][4] Αυτή η συμπεριφορά είναι γνωστή ως ντετερμινιστικό χάος, ή απλά χάος. Αυτό συνοψίζεται από τον Edward Lorenz ως εξής:[5]

Χάος: Όταν το παρόν καθορίζει το μέλλον, αλλά η προσέγγιση του παρόντος δεν προσδιορίζει κατά προσέγγιση το μέλλον.

Χαοτική συμπεριφορά μπορεί να παρατηρηθεί σε πολλά φυσικά συστήματα, όπως ο καιρός,[6][7] η ατμόσφαιρα, το ηλιακό σύστημα, οι τεκτονικές πλάκες, τα οικονομικά συστήματα και η εξέλιξη (μεταβολή) των πληθυσμών.

Επεξήγηση μιας τέτοιας συμπεριφοράς μπορεί να επιδιωχθεί μέσω της ανάλυσης ενός χαοτικού μαθηματικού μοντέλου, ή μέσω αναλυτικών τεχνικών όπως recurrence plots (οικόπεδα υποτροπής) και χάρτες Poincaré.

Τα συστήματα που παρουσιάζουν μαθηματικό χάος είναι ντετερμινιστικά και επομένως εύτακτα υπό μια έννοια. Αυτή η τεχνική χρήση του όρου "χάος" διαφωνεί με την καθομιλουμένη, στην οποία το χάος υποδηλώνει την παντελή έλλειψη τάξης. Όταν λέγεται ότι η θεωρία του χάους μελετά ντετερμινιστικά συστήματα, είναι απαραίτητο να αναφέρεται και το συγγενές πεδίο της φυσικής που λέγεται Κβαντική θεωρία του Χάους και μελετά μη αιτιοκρατικά συστήματα σύμφωνα με τους νόμους της Κβαντομηχανικής.

Χαοτική δυναμική

Στην γενική χρήση, "χάος" σημαίνει "μια κατάσταση διαταραχής".[8] Ωστόσο, στην θεωρία του χάους, ο όρος αυτός ορίζεται με μεγαλύτερη ακρίβεια. Αν και δεν υπάρχει καθολικά αποδεκτός μαθηματικός ορισμός του χάους, ένας κοινά αποδεκτός ορισμός (Devaney) λέει ότι, για να χαρακτηριστεί η συμπεριφορά ένος σύστηματος ως χαοτική, πρέπει να έχει τις ακόλουθες ιδιότητες:[9]

  1. πρέπει να παρουσιάζει ευαίσθητη εξάρτηση από τις αρχικές συνθήκες
  2. πρέπει να είναι τοπολογικά μεταβατικό
  3. το σύνολο των περιοδικών του τροχιών πρέπει να είναι πυκνό

Η απαίτηση για ευαίσθητες εξάρτηση από αρχικές συνθήκες συνεπάγεται ότι υπάρχει μια σειρά από αρχικές συνθήκες με θετικό μέτρο που δεν συγκλίνουν σε έναν κύκλο οποιουδήποτε μήκους.


Ευαισθησία στις αρχικές συνθήκες

Ευαισθησία στις αρχικές συνθήκες σημαίνει ότι το κάθε σημείο σε ένα τέτοιο σύστημα είναι αυθαίρετα στενά προσεγγίσιμο από άλλα σημεία με σημαντικά διαφορετικές μελλοντικές τροχιές. Έτσι, μια αυθαίρετα μικρή διαταραχή της τρέχουσας τροχιάς μπορεί να οδηγήσει σε σημαντικά διαφορετική μελλοντική συμπεριφορά. Ωστόσο, έχει αποδειχθεί ότι οι δύο τελευταίες ιδιότητες στην παραπάνω λίστα συνεπάγονται πράγματι ευαισθησία στις αρχικές συνθήκες[10][11] και εάν η προσοχή περιοριστεί σε χρονικά διαστήματα και η δεύτερη ιδιότητα υποδηλώνει τις άλλα δύο[12] (ένας εναλλακτικός, και γενικά ασθενέστερος, ορισμός του χάους χρησιμοποιεί μόνο τις πρώτες δύο ιδιότητες της παραπάνω λίστας).[13] Είναι ενδιαφέρον το γεγονός ότι η πρακτικά πιο σημαντική προϋπόθεση, αυτή της ευαισθησίας στις αρχικές συνθήκες, είναι στην ουσία περιττή στον ορισμό, αφού υπονοείται από δύο (ή για τα χρονικά διαστήματα, μία) καθαρά τοπογραφικές συνθήκες, οι οποίες είναι ως εκ τούτου μεγαλύτερου ενδιαφέροντος για τους μαθηματικούς.

Η ευαισθησία στις αρχικές συνθήκες είναι γνωστή ως το "φαινόμενο της πεταλούδας", που ονομάζεται έτσι εξαιτίας της εργασίας που παρέδωσε ο Edward Lorenz το 1972 στην Αμερικανική Ένωση για την Πρόοδο της Επιστήμης ( American Association for the Advancement of Science) στην Washington, D.C. με τίτλο "Προβλεψιμότητα: Μήπως το χτύπημα των φτερών μιας πεταλούδας στη Βραζιλία, μπορεί να προκαλέσει έναν τυφώνα στο Τέξας;". Το χτύπημα των φτερών αντιπροσωπεύει μια μικρή αλλαγή στην αρχική κατάσταση του συστήματος, η οποία προκαλεί μια αλυσίδα γεγονότων που οδηγούν σε μεγάλης κλίμακας φαινόμενα. Αν δεν είχε χτυπήσει τα φτερά της η πεταλούδα, η τροχιά του συστήματος θα μπορούσε να ήταν πολύ διαφορετική.

Μια συνέπεια της ευαισθησίας στις αρχικές συνθήκες είναι ότι αν αρχίσουμε με μόνο μια πεπερασμένη ποσότητα πληροφοριών σχετικά με το σύστημα (όπως γίνεται συνήθως στην πράξη), τότε, πέρα από ένα ορισμένο χρονικό διάστημα, το σύστημα δεν θα είναι πια προβλέψιμο. Αυτό είναι πλέον οικείο στην πρόβλεψη του καιρού, η οποία είναι γενικώς δυνατή μόνο περίπου μια εβδομάδα πριν.[14]


Ο εκθέτης Lyapunov χαρακτηρίζει την έκταση της ευαισθησίας στις αρχικές συνθήκες. Ποσοτικά, δύο τροχιές στο χώρο της φάση με αρχικό διαχωρισμό αποκλίνουν

όπου λ είναι ο εκθέτης Lyapunov. Ο ρυθμός διαχωρισμού μπορεί να είναι διαφορετικός για διαφορετικούς προσανατολισμούς του αρχικού φορέα διαχωρισμού. Έτσι, υπάρχει ένα ολόκληρο φάσμα από εκθέτες Lyapunov - ο αριθμός των οποίων είναι ίσος με τον αριθμό των διαστάσεων του χώρου φάσης. Είναι σύνηθες να αναφέρεται μόνο ο μεγαλύτερος, δηλαδή ο μέγιστος εκθέτης Lyapunov (MLE), γιατί καθορίζει τη συνολική προβλεψιμότητα του συστήματος. Ένας θετικός MLE συνήθως λαμβάνεται ως ένδειξη ότι το σύστημα είναι χαοτικό.

Τοπολογική Μεταβατικότητα

Τοπολογική μεταβατικότητα (ή τοπολογική ανάμειξη), σημαίνει ότι το σύστημα θα εξελιχθεί με την πάροδο του χρόνου, έτσι ώστε κάθε συγκεκριμένη περιοχή ή ανοιχτό σύνολο του χώρου φάσης τελικά θα συμπίπτει με οποιαδήποτε άλλη περιοχή. Αυτή η μαθηματική έννοια της "ανάμειξης" αντιστοιχεί στην κοινή διαίσθηση, και η ανάμειξη των έγχρωμων βαφών ή υγρών είναι ένα παράδειγμα ενός χαοτικού συστήματος.

Η τοπολογική ανάμειξη συχνά παραλείπεται από διαδεδομένες περιγραφές του χάους, που εξισώνουν το χάος με την ευαισθησία στις αρχικές συνθήκες. Ωστόσο, η ευαίσθητη εξάρτηση από τις αρχικές συνθήκες δεν δίνει από μόνη της το χάος. Για παράδειγμα, σκεφτείτε το απλό σύστημα δυναμικών που παράγεται διπλασιάζοντας επανειλημμένα την αρχική τιμή. Αυτό το σύστημα έχει ευαίσθητη εξάρτηση από τις αρχικές συνθήκες παντού, δεδομένου ότι κάθε ζεύγος κοντινών σημείων τελικά θα διαχωριστεί διεξοδικά. Ωστόσο, αυτό το παράδειγμα δεν έχει τοπολογική ανάμειξη, και ως εκ τούτου δεν έχει κανένα χάος. Πράγματι, έχει εξαιρετικά απλή συμπεριφορά: όλα τα σημεία, εκτός από το 0 θα τείνουν προς το θετικό ή αρνητικό άπειρο.


Πυκνότητα των περιοδικών τροχών

Η πυκνότητα των περιοδικών τροχιών σημαίνει ότι κάθε σημείο στο χώρο προσεγγίζεται αυθαίρετα στενά από περιοδικές τροχιές.[15] Η μονοδιάστατη λογιστική απεικονιση που ορίζεται από x → 4 x (1 - x) είναι ένα από τα απλούστερα συστήματα με πυκνότητα των περιοδικών τροχιών. Για παράδειγμα, → → (ή περίπου 0,3454915 → 0,9045085 → 0,3454915) είναι μία (ασταθής) τροχιά περιόδου 2, και παρόμοιες τροχιές υπάρχουν για περιόδους 4, 8, 16, κλπ. (μάλιστα, για όλες τις περιόδους που καθορίζονται από το θεώρημα του Sharkovskii).[16]

To θεώρημα Sharkovskii είναι η βάση της απόδειξης των Li και Yorke[17] (1975) ότι κάθε μονοδιάστατο σύστημα το οποίο παρουσιάζει τακτικό κύκλο της περιόδου 3, θα εμφανίσει επίσης τακτικoύς κύκλους για κάθε άλλο μήκος περιόδου, καθώς επείσης και εντελώς χαοτικές τροχιές.

Ελκυστές

Ένας τρόπος να παρουσιάσουμε οπτικά την χαοτική κίνηση ή οποιαδήποτε άλλη κίνηση, είναι η κατασκευή ενός διαγράμματος φάσης της κίνησης. Σε ένα τέτοιο διάγραμμα υπεισέρχεται σιωπηρά ο χρόνος και σε κάθε άξονα αναπαρίσταται μια μεταβλητή της κατάστασης. Για παράδειγμα, θα μπορούσε κάποιος να αναπαραστήσει την θέση ενός εκκρεμούς σε σχέση με την ταχύτητά του. Ένα εκκρεμές σε ακινησία θα σχεδιαστεί ως ένα σημείο και ένα σε περιοδική κίνηση θα σχεδιαστεί ως απλή κλειστή καμπύλη. Όταν ένα τέτοιο σχέδιο σχηματίζει κλειστή καμπύλη, η καμπύλη λέγεται τροχιά. Το εκκρεμές μπορεί να παρουσιάσει άπειρες τέτοιες τροχιές. Συχνά τα διαγράμματα φάσης αποκαλύπτουν ότι η πλειοψηφία των τροχιών καταλήγουν να πλησιάζουν ένα κοινό όριο. Το σύστημα τελικά εκτελεί την ίδια κίνηση για όλες τις αρχικές καταστάσεις σε μια περιοχή γύρω από την κίνηση, σχεδόν σαν να έλκεται το σύστημα σε αυτή την κίνηση. Μια τέτοια ελκυστική κίνηση καλείται ελκυστής του συστήματος.

Παράξενοι Ελκυστές

Μερικά δυναμικά συστήματα, όπως η μονοδιάστατη λογιστική απεικόνιση που ορίζεται από x → 4 x (1 - x), είναι χαοτικά παντού, αλλά σε πολλές περιπτώσεις η χαοτική συμπεριφορά παρουσιάζεται μόνο σε ένα υποσύνολο του χώρου φάσεων. Οι περιπτώσεις μεγαλύτερου ενδιαφέροντος προκύπτουν όταν η χαοτική συμπεριφορά λαμβάνει χώρα πάνω σε ένα ελκυστή. Σε αυτή την περίπτωση ένα μεγάλο μέρος των αρχικών συνθηκών θα οδηγήσει σε τροχιές που συγκλίνουν σε αυτή την χαοτική περιοχή.

Ένας εύκολος τρόπος για να απεικονιστεί ένας χαοτικός ελκυστής είναι ξεκινώντας με ένα σημείο στη λεκάνη της έλξης του ελκυστή και συνεχίζοντας με τον απλό σχεδιασμό της μετέπειτα τροχιάς του. Λόγω της κατάστασης της τοπολογικής μεταβατικότητας, αυτό είναι πιθανό να παράγει μια εικόνα ολόκληρου του τελικού ελκυστή, και μάλιστα και οι δύο τροχιές που απεικονίζονται στα δεξιά δίνουν μια εικόνα του γενικού σχήματος του ελκυστή Lorenz. Αυτός ο ελκυστής είναι αποτέλεσμα ενός απλού τρισδιάστατου μοντέλου του καιρικού συστήματος του Lorenz. Ο ελκυστής Lorenz είναι ίσως ένα από τα πιο γνωστά χαοτικά διαγράμματα συστήματος, πιθανώς επειδή δεν ήταν απλά ένα από τα πρώτα, αλλά είναι επίσης ένα από τα πιο πολύπλοκα και ως εκ τούτου οδηγεί σε ένα πολύ ενδιαφέρον μοτίβο που μοιάζει με τα φτερά μιας πεταλούδας.

Σε αντίθεση με τους ελκυστές σταθερού σημείου και τους οριακούς κύκλους, οι ελκυστές που προκύπτουν από τα χαοτικά συστήματα, που είναι γνωστοί ως παράξενοι ελκυστές, έχουν μεγάλη λεπτομέρεια και πολυπλοκότητα. Παράξενοι ελκυστές συμβαίνουν και στα συνεχή δυναμικά συστήματα (όπως το σύστημα Lorenz) και σε ορισμένα διακριτά συστήματα (όπως ο χάρτης Hénon). Άλλα διακριτά δυναμικά συστήματα έχουν μία απωθητική δομή που ονομάζεται σύνολο Julia που διαμορφώνεται στο όριο μεταξύ των λεκανών έλξης των σταθερών σημείων - τα σύνολα Julia μπορούν να θεωρηθούν ως παράξενοι ελκυστές. Τόσο οι παράξενοι ελκυστές όσο και τα σύνολα Julia έχουν συνήθως μια φράκταλ δομή, και μία μορφοκλασματική διάσταση μπορεί να υπολογιστεί για αυτούς.

Ελάχιστη πολυπλοκότητα ενός χαοτικού συστήματος

Διακριτά χαοτικά συστήματα, όπως η λογιστική απεικόνιση, μπορούν να εμφανίζουν περίεργους ελκυστές ανεξαρτήτως του αριθμού των διαστάσεων τους. Αντίθετα, για τα συνεχή δυναμικά συστήματα, το θεώρημα Poincaré-Bendixson δείχνει ότι ένας παράξενος ελκυστής μπορει να προκύψει μόνο σε τρεις ή περισσότερες διαστάσεις. Γραμμικά συστήματα πεπερασμένων διαστάσεων δεν είναι χαοτικά· για να εμφανίσει ένα δυναμικό σύστημα χαοτική συμπεριφορά πρέπει να είναι είτε μη γραμμικό είτε απειροδιάστατο.

Το θεώρημα Poincaré-Bendixson δηλώνει ότι μία δισδιάστατο διαφορική εξίσωση έχει πολύ συνηθισμένη συμπεριφορά. Ο ελκυστής Lorenz που συζητήθηκε ανωτέρω παράγεται από ένα σύστημα τριών διαφορικών εξισώσεων με συνολικά επτά όρους στη δεξιά πλευρά, πέντε από τους οποίους είναι γραμμικοί όροι και δύο από τους οποίους είναι τετραγωνικοί (και συνεπώς μη γραμμικοί). Ένας άλλος πολύ γνωστός χαοτικός ελκυστής παράγεται από τις εξισώσεις Rossler με επτά όρους στη δεξιά πλευρά, μόνο ένας από τους οποίους είναι (τετραγωνικά) μη γραμμικός. Ο Sprott[18] βρήκε ένα τρισδιάστατο σύστημα με μόλις πέντε όρους στη δεξιά πλευρά, και με έναν μόνο τετραγωνικό μη γραμμικό, το οποίο παρουσιάζει το χάος για ορισμένες τιμές των παραμέτρων. Οι Zhang και Heidel[19][20] έδειξαν ότι, τουλάχιστον για dissipative και συντηρητικά τετραγωνικά συστήματα, τρισδιάστατα τετραγωνικά συστήματα με μόνο τρεις ή τέσσερις όρους στη δεξιά πλευρά δεν μπορούν να εμφανίζουν χαοτική συμπεριφορά. Αυτό συμβαίνει διότι, με απλά λόγια, οι λύσεις σε τέτοια συστήματα είναι ασυμπτωτικές σε μία δισδιάστατη επιφάνεια και ως εκ τούτου οι λύσεις συμπεριφέρονται καλά.

Ενώ το θεώρημα Πουανκαρέ-Bendixson σημαίνει ότι ένα συνεχές δυναμικό σύστημα στο Ευκλείδειο επίπεδο δεν μπορεί να είναι χαοτικό, συνεχή συστήματα δύο διαστάσεων με μη-Ευκλείδεια γεωμετρία μπορεί να εμφανίζουν χαοτική συμπεριφορά. Ίσως απρόσμενα, το χάος μπορεί να προκύψει και σε γραμμικά συστήματα, υπό την προϋπόθεση ότι είναι απειροδιάστατα.[21] Μια θεωρία του γραμμικού χάους αναπτύσσεται σε έναν κλάδο της μαθηματικής ανάλυσης γνωστό ως συναρτησιακή ανάλυση.

Ιστορία

Ένας από τους πρώτους υπέρμαχους της θεωρίας του χάους ήταν ο Ανρί Πουανκαρέ. Στη δεκαετία του 1880, ενώ μελετούσε το πρόβλημα των τριών σωμάτων, διαπίστωσε ότι μπορεί να υπάρχουν τροχιές που είναι μη περιοδικές, και όμως δεν αυξάνονται συνεχώς ούτε πλησιάζουν ένα σταθερό σημείο.[22][23] Το 1898 ο Jacques Hadamard δημοσίευσε μία ισχυρή μελέτη της χαοτικής κίνησης ενός ελεύθερου σωματιδίου που ολισθαίνει χωρίς τριβή σε μια επιφάνεια συνεχούς αρνητικής καμπυλότητας.[24] Στο σύστημα που μελετήθηκε, "το μπιλιάρδο του Hadamard", ο Hadamard ήταν σε θέση να αποδείξει ότι όλες οι τροχιές είναι ασταθείς στο ότι όλες οι τροχιές των σωματιδίων αποκλίνουν εκθετικά ο ένας από τον άλλον, με θετικό εκθέτη Lyapunov.

Μεγάλο μέρος της προηγούμενης θεωρίας αναπτύχθηκε σχεδόν εξ ολοκλήρου από μαθηματικούς, υπό την ονομασία ergodic θεωρία. Αργότερα μελέτες, επίσης, για το θέμα της μη γραμμικές διαφορικές εξισώσεις, διεξήχθησαν από GD Birkhoff, AN Kolmogorov, ML Cartwright και JE Littlewood, και Stephen Smale. Μεγάλο μέρος της προηγούμενης θεωρίας αναπτύχθηκε σχεδόν εξ ολοκλήρου από μαθηματικούς, υπό την ονομασία εργοδική θεωρία. Μελλοντικές μελέτες, επίσης, για το θέμα των μη γραμμικων διαφορικών εξισώσεων, διεξήχθησαν από τους GD Birkhoff,[25] A.N. Kolmogorov,[26][27][28] ML Cartwright και JE Littlewood,[29] και Stephen Smale.[30] Με εξαίρεση τον Smale, αυτές όλες οι μελέτες εμπνεύστηκαν άμεσα από τη φυσική: το πρόβλημα των τριών σωμάτων στην περίπτωση του Μπέρκοφ, την τυρβώδη ροή και τα αστρονομικά προβλήματα στην περίπτωση του Kolmogorov, και τη ραδιοφωνική μηχανική στην περίπτωση των Cartwright και Littlewood.[εκκρεμεί παραπομπή] Αν και η χαοτική κίνηση των πλανητών δεν είχε παρατηρηθεί, πειραματιστές είχαν συναντήσει τυρβώδη ροή σε ρευστή κίνηση και μη περιοδικές ταλαντώσεις σε κυκλώματα ραδιόφωνου, χωρίς όμως το πλεονέκτημα μιας θεωρίας για να εξηγήσουν αυτό που έβλεπαν.

Παρά τις αρχικές ιδέες κατά το πρώτο μισό του εικοστού αιώνα, η θεωρία του χάους επισημοποιήθηκε μόνο μετά τα μέσα του αιώνα, όταν έγινε για πρώτη φορά εμφανές για μερικούς επιστήμονες ότι η γραμμική θεωρία, η επικρατούσα θεωρία συστήματων εκείνης της εποχής, δεν μπορούσε να εξηγήσει την παρατηρούμενη συμπεριφορά ορισμένων πειραμάτων, όπως αυτό της λογιστικής απεικόνισης. Αυτό που είχε αποκλεισθεί εκ των προτέρων ως ανακρίβεια μετρήσεων και απλός "θόρυβος" θεωρήθηκε από τις θεωρίες του χάους ως μια πλήρης συνιστώσα των υπό μελέτη συστημάτων.

Ο κύριος καταλύτης για την ανάπτυξη της θεωρίας του χάους ήταν ο ηλεκτρονικός υπολογιστής. Πολλά από τα μαθηματικά της θεωρίας του χάους περιλαμβάνουν την συνεχή επανάληψη απλών μαθηματικών τύπων, η οποία θα ήταν ατελέσφορο να γίνει δια χειρός. Οι ηλεκτρονικοί υπολογιστές έκαναν δυνατούς αυτούς τους επαναλαμβανόμενους υπολογισμούς, ενώ με τα σχήματα και τις εικόνες κατάφεραν να απεικονίσουν αυτά τα συστήματα.

Τυρβώδης ροή στη δίνη των φτερών (Wingtip vortices) του αεροπλανου. Μελέτες του κρίσιμου σημείου πέρα από το οποίο ένα σύστημα δημιουργεί αναταράξεις ήταν σημαντικές για τη θεωρία του χάους, αναλύεται για παράδειγμα από τον Σοβιετικό ακτινολόγο Λεβ Λαντάου ο οποίος ανέπτυξε την Landau-Hopf θεωρία των αναταράξεων. Οι Ντέιβιντ Ρούελ (David Ruelle) και Φλόρις Τέικενς (Floris Takens) αργότερα προέβλεψαν, ενάντια στον Λαντάου, ότι η ρευστή τυρβώδης ροή θα μπορούσε να αναπτυχθεί μέσω ενός παράξενου ελκυστή, μία κεντρική ιδέα της θεωρίας του χάους.

Ένας από τους αρχικούς πρωτοπόρους της θεωρίας ήταν ο Έντουαρτ Λόρενς του οποίου το ενδιαφέρον ήρθε στο χάος περίπου τυχαία μέσα από τη δουλειά του σχετικά με την πρόγνωση του καιρού το 1961.[6] O Λόρενς χρησιμοποιούσε έναν απλό ψηφιακό υπολογιστή, ένα Royal McBee LGP-30, για να τρέξει την καιρική του προσομοίωση. Ήθελε να δει μια σειρά από δεδομένα ξανά και για να εξοικονομήσει χρόνο άρχισε την προσομοίωση στη μέση της διαδρομής της. Ήταν σε θέση να το κάνεi αυτό, εισάγοντας μια εκτύπωση δεδομένων που αντιστοιχούσαν σε συνθήκες στη μέση της προσομοίωσης του, τα οποία είχε υπολογίσει την τελευταία φορά.

Προς έκπληξή του, ο καιρός που το μηχάνημα άρχισε να προβλέπει ήταν εντελώς διαφορετικός από τις καιρικές συνθήκες που υπολόγισαι πριν. Ο Λόρενς το παρακολούθησε αυτό μέχρι την εκτύπωση του υπολογιστή. Ο υπολογιστής δούλευε με ακρίβεια έξι ψηφίων, αλλά η εκτύπωση έκανε στρογγυλοποίηση στις μεταβλητές σε έναν τριψήφιο αριθμό, έτσι ώστε μία τιμή όπως η 0,506127 να τυπώωεται ως 0.506. Αυτή η διαφορά είναι πολύ μικρή και η συναίνεση εκείνη την εποχή θα ήταν ότι δεν θα έπρεπε να είχε σχεδόν καμία επίδραση. Ωστόσο ο Lorenz είχε ανακαλύψει ότι οι μικρές αλλαγές στις αρχικές συνθήκες παράγουν μεγάλες αλλαγές στην μακροχρόνια έκβαση.[31] Lorenz's discovery, which gave its name to Lorenz attractors, showed that even detailed atmospheric modelling cannot in general make long-term weather predictions. Weather is usually predictable only about a week ahead.[14]

Το 1963, Μπενουά Μάντελμπροτ βρήκε επαναλαμβανόμενα μοτίβα σε κάθε κλίμακα δεδομένων στις τιμές του βάμβακος.[32] Προηγουμένως, είχε μελετήσει τη Θεωρία Πληροφορίας και κατέληξε στο συμπέρασμα ότι ο θόρυβος ήταν διαμορφωμένος σαν το Σύνολο του Cantor: σε κάθε κλίμακα το ποσοστό των περιόδων που περιέχουν θόρυβο προς τις αλάνθαστες περιόδους ήταν μια σταθερά - έτσι τα λάθη είναι αναπόφευκτα και πρέπει να σχεδιάζονται ενσωματώνοντας τον πλεονασμό.[33] Ο Μάντελμπροτ περιέγραψε το «φαινόμενο του Νώε» (στο οποίο ξαφνικές ασυνεχείς αλλαγές μπορεί να συμβούν) και το «φαινόμενο του Ιωσήφ» (στο οποίο μια αξία μπορεί να επιμείνει για ένα διάστημα, ωστόσο να αλλάξει ξαφνικά αμέσως μετά).[34][35] Αυτό αμφισβήτησε την ιδέα ότι οι μεταβολές των τιμών διανέμονται κανονικά. Το 1967, δημοσίευσε το "Πόσο είναι το μήκος των ακτών της Βρετανίας; Στατιστική αυτοομοιότητα και μορφοκλασματική διάσταση", που δείχνει ότι το μήκος μιας ακτογραμμής που ποικίλλει ανάλογα με η κλίμακα του οργάνου μετρήσεων, συμπεριφέρεται παρόμοια σε όλες τις κλίμακες. Δηλαδή όσο μικρότερο είναι το βασικό μήκος μέτρησης τόσο μεγαλύτερο προκύπτει το μετρούμενο μήκος, και γίνεται άπειρο για μία απειροελάχιστα μικρή συσκευή μέτρησης.[36] Υποστηρίζοντας ότι μια σφαίρα νήματος φαίνεται να είναι ένα σημείο, όταν παρατηρείται από μακριά (0-διαστάσεων), μια μπάλα, όταν παρατηρείται από αρκετά κοντά (3-διαστάσεων), ή ένα καμπύλο σκέλος (1-διάστασης), υποστήριξε ότι οι διαστάσεις ενός αντικειμένου σχετίζονται με τον παρατηρητή και μπορεί να είναι κλασματικές. Ένα αντικείμενο του οποίου η ανωμαλία είναι σταθερή σε διαφορετικές κλίμακες ("αυτο-ομοιότητα") είναι ένα φράκταλ (για παράδειγμα, το σφουγγάρι του Menger, το τρίγωνο του Sierpiński και το η καμπύλη του Koch ή "νιφάδα χιονιού", η οποία έχει άπειρο μήκος, ωστόσο περικλείει έναν πεπερασμένο χώρο και έχει ένα μορφοκλασματική διάσταση περίπου 1,2619). Το 1975 ο Μάντελμπροτ δημοσίευσε το Η Φράκταλ Γεωμετρία της Φύσης, το οποίο έγινε κλασικό της θεωρίας του χάους. Βιολογικά συστήματα, όπως η διακλάδωση του κυκλοφορικού και βρογχικού συστήματος αποδείχθηκε να ταιριάζουν σε φράκταλ δομή.

Το χάος παρατηρήθηκε από πολλούς πειραματιστές πριν αναγνωριστεί επισήμως· π.χ., το 1927 από τον van der Pol[37] και το 1958 από τον RL Ives.[38][39] Ωστόσο, ως μεταπτυχιακός φοιτητής στο Chihiro Hayashi «εργαστήριο στο Πανεπιστήμιο του Κιότο», ο Yoshisuke Ueda πειραματιζόταν με αναλογικούς υπολογιστές και παρατήρησε, στις 27 Νοεμβρίου του 1961, αυτό που ονομάζεται "τυχαία μεταβατικά φαινομένα". Ωστόσο, ο σύμβουλος του δεν συμφώνησε με τα συμπεράσματα του εκείνη την εποχή, και δεν του επέτρεπε να αναφέρει τις διαπιστώσεις του μέχρι το 1970.[40][41]


Τον Δεκέμβριο του 1977, η Ακαδημία Επιστημών της Νέας Υόρκης που διοργάνωσε το πρώτο συνέδριο για το χάος, στο οποίο συμμετείχαν ο David Ruelle, ο Ρόμπερτ Μέι(Robert May), Τζέιμς Γιορκ (James A. Yorke, επινοητής του όρου "χάος", όπως χρησιμοποιείται στα μαθηματικά), Ρόμπερτ Σω( Robert Shaw, φυσικός, μέρος της ομάδας Eudaemons με τους J. Doyne Farmer και Norman Packard ο οποίος προσπάθησε να βρει μια μαθηματική μέθοδο για να νικήσει στη ρουλέτα, και στη συνέχεια να δημιουργήσει μαζί με αυτούς την Συλλογική Δυναμικών Συστημάτων στην Σάντα Κρουζ (Καλιφόρνια), και τον μετεωρολόγο Έντουαρτ Λόρενς (Edward Lorenz).

Το επόμενο έτος, o Μίτσελ Φέιγκενμπαουμ (Mitchell Feigenbaum) δημοσίευσε το διακεκριμένο άρθρο "Ποσοτική Γενικότητα για μια κλάση μη γραμμικών μετασχηματισμών", όπου περιέγραψε λογιστικές απεικονίσεις.[42] Ο Φέιγκενμπάουμ ανακάλυψε ειδικά την γενικότητα στο χάος, επιτρέποντας την εφαρμογή της θεωρίας του χάους σε πολλά διαφορετικά φαινόμενα.

Το 1979, ο Άλμπερτ Λιπτσέιμπερ(Albert J. Libchaber), κατά τη διάρκεια ενός συνεδρίου που οργανώθηκε στο Aspen από τον Πιερ Χόνχενμπεργκ(Pierre Hohenberg), παρουσίασε την πειραματική του παρατήρηση της διακλάδωσης του καταρράκτη που οδηγεί στο χάος και της αναταραχής στα συστήματα με μετάδοση θερμότητας Rayleigh-Bénard. Τιμήθηκε με το Βραβείο Wolf Φυσικής το 1986, μαζί με τον Μίτσελ Φέιγκενμπαουμ "για την εξαιρετική πειραματική επίδειξη του για την μετάβαση σε αναταραχή και το χάος σε δυναμικά συστήματα".[43]

Στη συνέχεια, το 1986, η Ακαδημία Επιστημών της Νέας Υόρκης συνδιοργάνωσε με το Εθνικό Ινστιτούτο Ψυχικής Υγείας και το Γραφείο Ναυτικών Ερευνών το πρώτο σημαντικό συνέδριο για το χάος στη βιολογία και την ιατρική. Εκεί, ο Μπερνάρντο Χάμπερμαν (Bernardo Huberman) παρουσίασε ένα μαθηματικό μοντέλο της παρακολούθησης διαταραχής των ματιών μεταξύ σχιζοφρενών.[44] Αυτό οδήγησε σε μια ανανέωση της φυσιολογίας στη δεκαετία του 1980 με την εφαρμογή της θεωρίας του χάους, για παράδειγμα στη μελέτη των παθολογικών καρδιακών κύκλων.

Το 1987, ο Περ Μπακ (Per Bak), ο Τανγκ Τσάο(Tang Chao) και ο Κερτ Βίζενφελντ(Kurt Wiesenfeld) δημοσίευσαν ένα έγγραφο στο Physical Review Letters,[45] περιγράφοντας για πρώτη φορά την αυτο-οργανωμένη κρισιμότητα (SOC), που θεωρείται ότι είναι ένας από τους μηχανισμούς με τους οποίους η πολυπλοκότητα προκύπτει στη φύση. Παράλληλα προσεγγίσεις βασισμένες σε μεγάλο βαθμό στο εργαστήριο, όπως η μοντέλο Bak-Tang-Wiesenfeld, πολλές άλλες έρευνες έχουν επικεντρωθεί σε μεγάλης κλίμακας φυσικά ή κοινωνικά συστήματα που είναι γνωστά (ή υποπτεύονται) να παρουσιάζουν αμετάβλητης κλίμακας συμπεριφορά. Αν και αυτές οι προσεγγίσεις δεν ήταν πάντα ευπρόσδεκτες (τουλάχιστον αρχικά) από τους ειδικούς στα εξεταστέα θέματα, η SOC έχει, ωστόσο, καθιερωθεί ως ισχυρή υποψηφιότητα για να εξηγήσουν μια σειρά από φυσικά φαινόμενα, όπως τα εξής: οι σεισμοί (οι οποίοι, πολύ πριν η SOC ανακαλυφθεί, ήταν γνωστοί ως πηγή αμετάβλητης κλίμακας συμπεριφοράς, όπως ο νόμος Gutenberg-Richter περιγράφει τη στατιστική κατανομή των μεγεθών των σεισμών, και ο νόμος Omori[46] περιγράφει τη συχνότητα των μετασεισμών), οι ηλιακές εκλάμψεις, οι διακυμάνσεις των οικονομικών συστημάτων, όπως χρηματοπιστωτικές αγορές (αναφορές σε SOC είναι συνηθείς στην οικονοφυσική), η μορφοποίηση του εδάφους, οι δασικές πυρκαγιές, οι κατολισθήσεις, οι επιδημίες και η βιολογική εξέλιξη (όπου η SOC έχει χρησιμοποιηθεί, για παράδειγμα, όπως ο δυναμικός μηχανισμός πίσω από την θεωρία των «[[Τονισμένη ισορροπία | τονισμένων ισορροπιών] ] "που προβάλλουν οι Eldredge Niles και Stephen Jay Gould). Λαμβάνοντας υπόψη τις επιπτώσεις μιας χωρίς κλίμακα διανομής του μεγέθους των γεγονότων, μερικοί ερευνητές έχουν προτείνει ότι ένα άλλο φαινόμενο που θα πρέπει να θεωρείται ένα παράδειγμα της SOC είναι η εμφάνιση των πολέμων. Αυτές οι "εφαρμοσμένες" έρευνες της SOC περιέλαβαν προσπάθειες μοντελοποίησης (είτε την ανάπτυξη νέων μοντέλων ή την προσαρμογή των ήδη υφισταμένων στις ιδιαιτερότητες ενός συγκεκριμένου φυσικού συστήματος), καθώς και εκτενή ανάλυση των δεδομένων για να διαπιστωθεί η ύπαρξη και / ή τα χαρακτηριστικά των φυσικών νόμων κλιμάκωσης.

Το ίδιο έτος 1987, ο Τζέιμς Γκλικ (James Gleick) δημοσίευσε το Χάος: Φτιάχνοντας μια νέα Επιστήμη, το οποίο έγινε εμπορική επιτυχία και παρουσιάζει τις γενικές αρχές της θεωρίας του χάους, καθώς και την ιστορία της στο ευρύ κοινό, (αν και αυτή η ιστορία υποβαθμίζει σημαντικές Σοβιετικές εισφορές)[εκκρεμεί παραπομπή]. Ενώ αρχικά υπήρξε ο τομέας εργασίας λίγων μεμονωμένων ατόμων, η θεωρία του χάους σταδιακά αναδείχτηκε ως μια διεπιστημονική και θεσμική αρχή, κυρίως κάτω από την ανάλυση των μη γραμμικών συστημάτων. Με αναφορά στην έννοια της παραδειγματικής στροφής του Thomas Kuhn 's που εκτίθεται στο Η δομή των επιστημονικών επαναστάσεων (1962), πολλοί "χαοντολόγοι" (όπως μερικοί περιέγραψαν τον εαυτό τους), ισχυρίστηκαν ότι αυτή η νέα θεωρία ήταν ένα παράδειγμα μιας τέτοιας στροφής, μια θέση δεκτή από τον Γκλικ.

Η διαθεσιμότητα φθηνότερων και πιο ισχυρών υπολογιστών διευρύνει την δυνατότητα εφαρμογής της θεωρίας του χάους. Επί του παρόντος, η θεωρία του χάους εξακολουθεί να είναι μια πολύ ενεργή περιοχή έρευνας, που εμπλέκει πολλούς διαφορετικούς κλάδους (μαθηματικά, τοπολογία, φυσική, βιολογία του πληθυσμού, βιολογία, μετεωρολογία, αστροφυσική, θεωρία πληροφοριών, κλπ.).

Η διάκριση τυχαίων από χαοτικών δεδομένων

Μπορεί να είναι δύσκολο να ειπωθεί από τα δεδομένα εάν μία φυσική ή άλλη διαδικασία που παρατηρείται είναι τυχαία ή χαοτική, διότι στην πράξη οι χρονοσειρές δεν αποτελούνται από καθαρό «σήμα». Πάντα θα υπάρχει κάποια μορφή διαβρωτικού θορύβου, ακόμη και αν αυτό είναι αποτέλεσμα στρογγυλοποίησης ή σφάλματος αποκοπής. Έτσι, οποιαδήποτε πραγματική χρονοσειρά, ακόμη και αν είναι ως επί το πλείστον ντετερμινιστική, θα περιέχει κάποια τυχαιότητα.[47][48]

Όλες οι μέθοδοι για τη διάκριση αιτιοκρατικών και στοχαστικών διαδικασιών βασίζονται στο γεγονός ότι ένα ντετερμινιστικό σύστημα εξελίσσεται πάντα με τον ίδιο τρόπο από ένα δεδομένο σημείο εκκίνησης.[47][49] Έτσι, για να εξεταστεί αν μία χρονοσειρά είναι αιτιοκρατική, μπορεί κανείς να:

  1. Να επιλέξει μια κατάσταση δοκιμής
  2. Να αναζητήσει τις χρονοσειρές για παρόμοιες ή «κοντινές» κατάστασεις και
  3. Να συγκρίνει τις αντίστιχες χρονικές τους εξελίξεις.

Ορίστε το σφάλμα ως τη διαφορά μεταξύ της εξέλιξης του χρόνου της «δοκιμαστικής» κατάστασης και της χρονικής εξέλιξης της γειτονικής κατάστασης. Ένα αιτιοκρατικό σύστημα θα έχει ένα σφάλμα που είτε παραμένει μικρό (σταθερή, κανονική λύση) ή αυξάνεται εκθετικά με το χρόνο (το χάος). Ένα στοχαστικό σύστημα θα έχει ένα τυχαίως κατανεμημένο σφάλμα.[50]

Ουσιαστικά όλες οι μετρήσεις του ντετερμινισμού που λαμβάνονται από χρονοσειρές βασίζονται στην εύρεση των πιο κοντινών καταστάσεων σε μια συγκεκριμένη «δοκιμαστική» κατάσταση (π.χ., διάσταση συσχέτισης, εκθέτες Lyapunov, κ.λπ.). Ο προσδιορισμός της κατάστασης ενός συστήματος συνήθως στηρίζεται στις μεθόδους ενσωμάτωσης του χώρου των φάσεων.[51] Συνήθως επιλέγει κανείς μια διάσταση ενσωμάτωσης, και ερευνά τη διάδοση του σφάλματος μεταξύ δύο κοντινών καταστάσεων. Εάν το σφάλμα φαίνεται τυχαίο, τότε αυξάνει την διάσταση. Αν μπορείτε να αυξήσετε τη διάσταση για να αποκτηθεί σφάλμα που μοιάζει ντετερμινιστικό, τότε είστε έτοιμοι. Αν και μπορεί να ακούγεται απλό, δεν είναι. Μία περιπλοκή είναι ότι καθώς η διάσταση αυξάνεται, η αναζήτηση για μία κοντινή κατάσταση απαιτεί πολύ περισσότερο χρόνο υπολογισμού και πολλά στοιχεία (η ποσότητα των δεδομένων που απαιτείται αυξάνεται εκθετικά με την ενσωμάτωση της διάστασης) για να βρείτε μία κατάλληλη κοντινή υποψήφια. Εάν η διάσταση της ενσωμάτωσης (σειρά μέτρων ανά κατάσταση) επιλεγεί πολύ μικρή (μικρότερη από την «πραγματική» αξία) ντετερμινιστικά στοιχεία μπορεί να φαίνονται να είναι τυχαία, αλλά θεωρητικά δεν υπάρχει κανένα πρόβλημα να επιλεγεί πολύ μεγάλη τη διάσταση - η μέθοδος θα λειτουργήσει.

Όταν ένα μη γραμμικό ντετερμινιστικό σύστημα συνοδεύεται από εξωτερικές διακυμάνσεις, οι τροχιές του παρουσιάζουν σοβαρές και μόνιμες στρεβλώσεις. Επιπλέον, ο θόρυβος ενισχύεται λόγω της εγγενούς μη γραμμικότητας και αποκαλύπτει εντελώς νέες δυναμικές ιδιότητες. Στατιστικά τεστ που προσπαθούν να διαχωρίσουν τον θόρυβο από το ντετερμινιστικό σκελετό ή αντιστρόφως να απομονώσουν το μέρος της αιτιοκρατικής αποτυχίας αποτυγχάνουν. Τα πράγματα είναι χειρότερα όταν το ντετερμινιστική συστατικό είναι ένα μη γραμμικό σύστημα ανάδρασης.[52] Με την παρουσία των αλληλεπιδράσεων μεταξύ των μη γραμμικών ντετερμινιστικών στοιχείων και του θορύβου, η προκύπτουσα γραμμική σειρά μπορεί να εμφανίσει δυναμικά που οι παραδοσιακοί έλεγχοι για μη γραμμικότητα μερικές φορές αδυνατούν να συλλάβουν.[53]

Το ζήτημα του πώς να διακριθεί ένα ντετερμινιστικό χαοτικό σύστημα από ένα στοχαστικό σύστημα έχει επίσης συζητηθεί στη φιλοσοφία. Φαίνεται ότι θα μπορούσαν να είναι παρατηρησιακά ισοδύναμα.[54]

Εφαρμογές

Πρότυπο:Speculation Πρότυπο:Refimprove section

Ένα κοχύλι conus textile, όμοιο σε εμφάνιση με τον Κανόνα 30(Rule 30), ένα κυτταρικό αυτόματο με χαοτική συμπεριφορά.[55]

Η θεωρία του Χάους εφαρμόζεται σε πολλούς επιστημονικούς κλάδους, όπως οι εξής: γεωλογία, μαθηματικά, μικροβιολογία, βιολογία, πληροφορική, οικονομικά,[56][57][58] επιστήμες μηχανικών,[59] χρηματοοικονομικά,[60][61] αλγοριθμικές συναλλαγές,[62][63][64] μετεωρολογία, φιλοσοφία, φυσική, πολιτική, πληθυσμιακή δυναμική,[65] ψυχολογία, και ρομποτική(ΒΕΑΜ robotics).

Χαοτική συμπεριφορά έχει παρατηρηθεί στο εργαστήριο σε μία ποικιλία συστημάτων, συμπεριλαμβανομένων των ηλεκρικών συστημάτων,[66] λέιζερ, ταλαντώσεων, χημικών αντιδράσεων, υδροδυναμικής, και οι μηχανικές και μαγνητο-μηχανικές συσκευές, καθώς και τα υπολογιστικά μοντέλα των χαοτικών διαδικασιών. Οι παρατηρήσεις της χαοτικής συμπεριφοράς στη φύση περιλαμβάνουν αλλαγές τις καιρικές συνθήκες, τη δυναμική των δορυφόρων στο ηλιακό σύστημα, τη χρονική εξέλιξη του μαγνητικού πεδίου των ουρανίων σωμάτων, την αύξηση του πληθυσμού στην οικολογία, τη δυναμική των δυναμικών ενέργειας στον νευρώνα και τη μοριακή δόνηση. Υπάρχει κάποια διαμάχη για την ύπαρξη χαοτικού δυναμικού στις τεκτονικές πλάκες[εκκρεμεί παραπομπή] και στα οικονομικά.[67][68][69]

Η θεωρία του χάους επί του παρόντος εφαρμόζεται σε ιατρικές μελέτες πάνω στην επιληψία, συγκεκριμένα για την πρόβλεψη των φαινομενικά τυχαίων κρίσεων παρατηρώντας τις αρχικές συνθήκες.[70]

Πολιτιστικές αναφορές

Δείτε επείσης

Επιστημονική Λογοτεχνία

Άρθρα

Βιβλία

Ημιτεχνολογικές και δημοφιλείς δουλειές

  • Christophe Letellier, Chaos in Nature, World Scientific Publishing Company, 2012, ISBN 978-981-4374-42-2.
  • Abraham, Ralph H.· Ueda, Yoshisuke, επιμ. (2000). The Chaos Avant-Garde: Memoirs of the Early Days of Chaos Theory. World Scientific. ISBN 978-981-238-647-2. 
  • Barnsley, Michael F. (2000). Fractals Everywhere. Morgan Kaufmann. ISBN 978-0-12-079069-2. 
  • Bird, Richard J. (2003). Chaos and Life: Complexit and Order in Evolution and Thought. Columbia University Press. ISBN 978-0-231-12662-5. 
  • John Briggs and David Peat, Turbulent Mirror: : An Illustrated Guide to Chaos Theory and the Science of Wholeness, Harper Perennial 1990, 224 pp.
  • John Briggs and David Peat, Seven Life Lessons of Chaos: Spiritual Wisdom from the Science of Change, Harper Perennial 2000, 224 pp.
  • Cunningham, Lawrence A. (1994). «From Random Walks to Chaotic Crashes: The Linear Genealogy of the Efficient Capital Market Hypothesis». George Washington Law Review 62: 546. 
  • Predrag Cvitanović, Universality in Chaos, Adam Hilger 1989, 648 pp.
  • Leon Glass and Michael C. Mackey, From Clocks to Chaos: The Rhythms of Life, Princeton University Press 1988, 272 pp.
  • James Gleick, Chaos: Making a New Science, New York: Penguin, 1988. 368 pp.
  • John Gribbin, Deep Simplicity,
  • L Douglas Kiel, Euel W Elliott (ed.), Chaos Theory in the Social Sciences: Foundations and Applications, University of Michigan Press, 1997, 360 pp.
  • Arvind Kumar, Chaos, Fractals and Self-Organisation; New Perspectives on Complexity in Nature , National Book Trust, 2003.
  • Hans Lauwerier, Fractals, Princeton University Press, 1991.
  • Edward Lorenz, The Essence of Chaos, University of Washington Press, 1996.
  • Alan Marshall (2002) The Unity of Nature: Wholeness and Disintegration in Ecology and Science, Imperial College Press: London
  • Heinz-Otto Peitgen and Dietmar Saupe (Eds.), The Science of Fractal Images, Springer 1988, 312 pp.
  • Clifford A. Pickover, Computers, Pattern, Chaos, and Beauty: Graphics from an Unseen World , St Martins Pr 1991.
  • Ilya Prigogine and Isabelle Stengers, Order Out of Chaos, Bantam 1984.
  • Heinz-Otto Peitgen and P. H. Richter, The Beauty of Fractals : Images of Complex Dynamical Systems, Springer 1986, 211 pp.
  • David Ruelle, Chance and Chaos, Princeton University Press 1993.
  • Ivars Peterson, Newton's Clock: Chaos in the Solar System, Freeman, 1993.
  • David Ruelle, Chaotic Evolution and Strange Attractors, Cambridge University Press, 1989.
  • Peter Smith, Explaining Chaos, Cambridge University Press, 1998.
  • Ian Stewart, Does God Play Dice?: The Mathematics of Chaos , Blackwell Publishers, 1990.
  • Steven Strogatz, Sync: The emerging science of spontaneous order, Hyperion, 2003.
  • Yoshisuke Ueda, The Road To Chaos, Aerial Pr, 1993.
  • M. Mitchell Waldrop, Complexity : The Emerging Science at the Edge of Order and Chaos, Simon & Schuster, 1992.
  • Sawaya, Antonio (2010). Financial time series analysis : Chaos and neurodynamics approach.

Άλλοι σύνδεσμοι

Πρότυπο:Systems Πρότυπο:Chaos theory


Βιβλιογραφία

  1. ↑ Kellert, Stephen H. (1993). In the Wake of Chaos: Unpredictable Order in Dynamical Systems. University of Chicago Press. σελ. 32. ISBN 0-226-42976-8. 
  2. ↑ Kellert 1993, σελ. 56
  3. ↑ Kellert 1993, σελ. 62
  4. ↑ Werndl, Charlotte (2009). «What are the New Implications of Chaos for Unpredictability?». The British Journal for the Philosophy of Science 60 (1): 195–220. doi:10.1093/bjps/axn053. http://bjps.oxfordjournals.org/cgi/content/abstract/60/1/195. 
  5. ↑ Danforth, Christopher M. (Απριλίου 2013). «Chaos in an Atmosphere Hanging on a Wall». Mathematics of Planet Earth 2013. Ανακτήθηκε στις 4 Απριλίου 2013. 
  6. ↑ 6,0 6,1 Lorenz, Edward N. (1963). «Deterministic non-periodic flow». Journal of the Atmospheric Sciences 20 (2): 130–141. doi:10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2. Bibcode: 1963JAtS...20..130L. 
  7. ↑ Ivancevic, Vladimir G. (2008). Complex nonlinearity: chaos, phase transitions, topology change, and path integrals. Springer. ISBN 978-3-540-79356-4.  Unknown parameter |coauthors= ignored (|author= suggested) (βοήθεια)
  8. ↑ Definition of chaos at Wiktionary;
  9. ↑ Hasselblatt, Boris (2003). A First Course in Dynamics: With a Panorama of Recent Developments. Cambridge University Press. ISBN 0-521-58750-6.  Unknown parameter |coauthors= ignored (|author= suggested) (βοήθεια)
  10. ↑ Elaydi, Saber N. (1999). Discrete Chaos. Chapman & Hall/CRC. σελ. 117. ISBN 1-58488-002-3. 
  11. ↑ Basener, William F. (2006). Topology and its applications. Wiley. σελ. 42. ISBN 0-471-68755-3. 
  12. ↑ Vellekoop, Michel; Berglund, Raoul (April 1994). «On Intervals, Transitivity = Chaos». The American Mathematical Monthly 101 (4): 353–5. doi:10.2307/2975629. 
  13. ↑ Medio, Alfredo; Lines, Marji (2001). Nonlinear Dynamics: A Primer. Cambridge University Press. σελ. 165. ISBN 0-521-55874-3. CS1 maint: Πολλαπλές ονομασίες: authors list (link)
  14. ↑ 14,0 14,1 Watts, Robert G. (2007). Global Warming and the Future of the Earth. Morgan & Claypool. σελ. 17. 
  15. ↑ Devaney 2003
  16. ↑ Alligood, Sauer & Yorke 1997
  17. ↑ Li, T.Y.; Yorke, J.A. (1975). «Period Three Implies Chaos» (PDF). American Mathematical Monthly 82 (10): 985–92. doi:10.2307/2318254. http://pb.math.univ.gda.pl/chaos/pdf/li-yorke.pdf. 
  18. ↑ Sprott, J.C. (1997). «Simplest dissipative chaotic flow». Physics Letters A 228 (4–5): 271. doi:10.1016/S0375-9601(97)00088-1. Bibcode: 1997PhLA..228..271S. 
  19. ↑ Fu, Z.; Heidel, J. (1997). «Non-chaotic behaviour in three-dimensional quadratic systems». Nonlinearity 10 (5): 1289. doi:10.1088/0951-7715/10/5/014. Bibcode: 1997Nonli..10.1289F. 
  20. ↑ Heidel, J.; Fu, Z. (1999). «Nonchaotic behaviour in three-dimensional quadratic systems II. The conservative case». Nonlinearity 12 (3): 617. doi:10.1088/0951-7715/12/3/012. Bibcode: 1999Nonli..12..617H. 
  21. ↑ Bonet, J.; Martínez-Giménez, F.; Peris, A. (2001). «A Banach space which admits no chaotic operator». Bulletin of the London Mathematical Society 33 (2): 196–8. doi:10.1112/blms/33.2.196. 
  22. ↑ Poincaré, Jules Henri (1890). «Sur le problème des trois corps et les équations de la dynamique. Divergence des séries de M. Lindstedt». Acta Mathematica 13: 1–270. doi:10.1007/BF02392506. 
  23. ↑ Diacu, Florin; Holmes, Philip (1996). Celestial Encounters: The Origins of Chaos and Stability. Princeton University Press. CS1 maint: Πολλαπλές ονομασίες: authors list (link)
  24. ↑ Hadamard, Jacques (1898). «Les surfaces à courbures opposées et leurs lignes géodesiques». Journal de Mathématiques Pures et Appliquées 4: 27–73. 
  25. ↑ George D. Birkhoff, Dynamical Systems, vol. 9 of the American Mathematical Society Colloquium Publications (Providence, Rhode Island: American Mathematical Society, 1927)
  26. ↑ Kolmogorov, Andrey Nikolaevich (1941). «Local structure of turbulence in an incompressible fluid for very large Reynolds numbers». Doklady Akademii Nauk SSSR 30 (4): 301–5. Bibcode: 1941DoSSR..30..301K.  Reprinted in: Kolmogorov, A. N. (1991). «The Local Structure of Turbulence in Incompressible Viscous Fluid for Very Large Reynolds Numbers». Proceedings of the Royal Society of London: Mathematical and Physical Sciences (Series A) 434 (1890): 9–13. doi:10.1098/rspa.1991.0075. Bibcode: 1991RSPSA.434....9K. 
  27. ↑ Kolmogorov, A. N. (1941). «On degeneration of isotropic turbulence in an incompressible viscous liquid». Doklady Akademii Nauk SSSR 31 (6): 538–540.  Reprinted in: Kolmogorov, A. N. (1991). «Dissipation of Energy in the Locally Isotropic Turbulence». Proceedings of the Royal Society of London: Mathematical and Physical Sciences (Series A) 434 (1890): 15–17. doi:10.1098/rspa.1991.0076. Bibcode: 1991RSPSA.434...15K. 
  28. ↑ Kolmogorov, A. N. (1954). «Preservation of conditionally periodic movements with small change in the Hamiltonian function». Doklady Akademii Nauk SSSR. Lecture Notes in Physics 98: 527–530. doi:10.1007/BFb0021737. ISBN 3-540-09120-3. Bibcode: 1979LNP....93...51K.  See also Kolmogorov–Arnold–Moser theorem
  29. ↑ Cartwright, Mary L.; Littlewood, John E. (1945). «On non-linear differential equations of the second order, I: The equation y" + k(1−y2)y' + y = bλkcos(λt + a), k large». Journal of the London Mathematical Society 20 (3): 180–9. doi:10.1112/jlms/s1-20.3.180.  See also: Van der Pol oscillator
  30. ↑ Smale, Stephen (January 1960). «Morse inequalities for a dynamical system». Bulletin of the American Mathematical Society 66: 43–49. doi:10.1090/S0002-9904-1960-10386-2. 
  31. ↑ Gleick, James (1987). Chaos: Making a New Science. London: Cardinal. σελ. 17. ISBN 0-434-29554-X. 
  32. ↑ Mandelbrot, Benoît (1963). «The variation of certain speculative prices». Journal of Business 36 (4): 394–419. doi:10.1086/294632. 
  33. ↑ Berger J.M., Mandelbrot B. (1963). «A new model for error clustering in telephone circuits». I.B.M. Journal of Research and Development 7: 224–236. 
  34. ↑ Mandelbrot, B. (1977). The Fractal Geometry of Nature. New York: Freeman. σελ. 248. 
  35. ↑ See also: Mandelbrot, Benoît B.· Hudson, Richard L. (2004). The (Mis)behavior of Markets: A Fractal View of Risk, Ruin, and Reward. New York: Basic Books. σελ. 201. 
  36. ↑ Mandelbrot, Benoît (5 May 1967). «How Long Is the Coast of Britain? Statistical Self-Similarity and Fractional Dimension». Science 156 (3775): 636–8. doi:10.1126/science.156.3775.636. PMID 17837158. 
  37. ↑ van der Pol, B.; van der Mark, J. (1927). «Frequency demultiplication». Nature 120 (3019): 363–4. doi:10.1038/120363a0.  See also: Van der Pol oscillator
  38. ↑ Ives, R.L. (10 October 1958). «Neon oscillator rings». Electronics 31: 108–115. 
  39. ↑ See p. 83 of Lee W. Casperson, "Gas laser instabilities and their interpretation," pages 83–98 in: N. B. Abraham, F. T. Arecchi, and L. A. Lugiato, eds., Instabilities and Chaos in Quantum Optics II: Proceedings of the NATO Advanced Study Institute, Il Ciocco, Italy, June 28–July 7, 1987 (N.Y., N.Y.: Springer Verlag, 1988).
  40. ↑ Abraham & Ueda 2001, See Chapters 3 and 4
  41. ↑ Sprott 2003, σελ. 89
  42. ↑ Feigenbaum, Mitchell (July 1978). «Quantitative universality for a class of nonlinear transformations». Journal of Statistical Physics 19 (1): 25–52. doi:10.1007/BF01020332. Bibcode: 1978JSP....19...25F. 
  43. ↑ «The Wolf Prize in Physics in 1986». 
  44. ↑ Huberman, B.A. (July 1987). «A Model for Dysfunctions in Smooth Pursuit Eye Movement». Annals of the New York Academy of Sciences 504 Perspectives in Biological Dynamics and Theoretical Medicine: 260–273. doi:10.1111/j.1749-6632.1987.tb48737.x. http://onlinelibrary.wiley.com/doi/10.1111/j.1749-6632.1987.tb48737.x/abstract. 
  45. ↑ Bak, Per; Tang, Chao; Wiesenfeld, Kurt (27 July 1987). «Self-organized criticality: An explanation of the 1/f noise». Physical Review Letters 59 (4): 381–4. doi:10.1103/PhysRevLett.59.381. Bibcode: 1987PhRvL..59..381B.  However, the conclusions of this article have been subject to dispute. «?». . See especially: Laurson, Lasse; Alava, Mikko J.; Zapperi, Stefano (15 September 2005). «Letter: Power spectra of self-organized critical sand piles». Journal of Statistical Mechanics: Theory and Experiment 0511. L001. 
  46. ↑ Omori, F. (1894). «On the aftershocks of earthquakes». Journal of the College of Science, Imperial University of Tokyo 7: 111–200. 
  47. ↑ 47,0 47,1 Provenzale, A., et al. (1992). «Distinguishing between low-dimensional dynamics and randomness in measured time-series». Physica D 58: 31–49. doi:10.1016/0167-2789(92)90100-2. 
  48. ↑ Brock, W.A. (October 1986). «Distinguishing random and deterministic systems: Abridged version». Journal of Economic Theory 40: 168–195. doi:10.1016/0022-0531(86)90014-1. 
  49. ↑ Sugihara G., May R. (1990). «Nonlinear forecasting as a way of distinguishing chaos from measurement error in time series» (PDF). Nature 344 (6268): 734–741. doi:10.1038/344734a0. PMID 2330029. http://deepeco.ucsd.edu/~george/publications/90_nonlinear_forecasting.pdf. 
  50. ↑ Casdagli, Martin (1991). «Chaos and Deterministic versus Stochastic Non-linear Modelling». Journal of the Royal Statistical Society, Series B 54 (2): 303–328. 
  51. ↑ Broomhead, D.S.; King, G.P. (June–July 1986). «Extracting qualitative dynamics from experimental data». Physica D 20 (2–3): 217–236. doi:10.1016/0167-2789(86)90031-X. http://www.sciencedirect.com/science/article/pii/016727898690031X. 
  52. ↑ Kyrtsou C (2008). «Re-examining the sources of heteroskedasticity: the paradigm of noisy chaotic models». Physica A 387 (27): 6785–9. doi:10.1016/j.physa.2008.09.008. 
  53. ↑ Kyrtsou, C. (2005). «Evidence for neglected linearity in noisy chaotic models». International Journal of Bifurcation and Chaos 15 (10): 3391–4. doi:10.1142/S0218127405013964. 
  54. ↑ Werndl, Charlotte (2009). «Are Deterministic Descriptions and Indeterministic Descriptions Observationally Equivalent?». Studies in History and Philosophy of Modern Physics 40 (3): 232–242. doi:10.1016/j.shpsb.2009.06.004. http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VH6-4X1GG4G-1&_user=10&_coverDate=08%2F31%2F2009&_rdoc=1&_fmt=high&_orig=gateway&_origin=gateway&_sort=d&_docanchor=&view=c&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=4433c2dcaed0b2a60cc7cbcfae7664ff&searchtype=a. 
  55. ↑ Stephen Coombes (2009). «The Geometry and Pigmentation of Seashells» (PDF). www.maths.nottingham.ac.uk. University of Nottingham. Ανακτήθηκε στις 10 Απριλίου 2013.  Unknown parameter |month= ignored (βοήθεια)
  56. ↑ Kyrtsou C., Labys W. (2006). «Evidence for chaotic dependence between US inflation and commodity prices». Journal of Macroeconomics 28 (1): 256–266. doi:10.1016/j.jmacro.2005.10.019. 
  57. ↑ Kyrtsou C., Labys W. (2007). «Detecting positive feedback in multivariate time series: the case of metal prices and US inflation». Physica A 377 (1): 227–229. doi:10.1016/j.physa.2006.11.002. 
  58. ↑ Kyrtsou, C.; Vorlow, C. (2005). «Complex dynamics in macroeconomics: A novel approach». Στο: Diebolt, C.; Kyrtsou, C. New Trends in Macroeconomics. Springer Verlag. CS1 maint: Πολλαπλές ονομασίες: authors list (link)
  59. ↑ Applying Chaos Theory to Embedded Applications
  60. ↑ Hristu-Varsakelis, D.; Kyrtsou, C. (2008). «Evidence for nonlinear asymmetric causality in US inflation, metal and stock returns». Discrete Dynamics in Nature and Society 2008: 1. doi:10.1155/2008/138547. 138547. 
  61. ↑ Kyrtsou, C. and M. Terraza, (2003). «Is it possible to study chaotic and ARCH behaviour jointly? Application of a noisy Mackey-Glass equation with heteroskedastic errors to the Paris Stock Exchange returns series». Computational Economics 21 (3): 257–276. doi:10.1023/A:1023939610962. 
  62. ↑ Williams, Bill Williams, Justine (2004). Trading chaos : maximize profits with proven technical techniques (2nd έκδοση). New York: Wiley. ISBN 9780471463085. 
  63. ↑ Peters, Edgar E. (1994). Fractal market analysis : applying chaos theory to investment and economics (2. print. έκδοση). New York u.a.: Wiley. ISBN 978-0471585244. 
  64. ↑ Peters, / Edgar E. (1996). Chaos and order in the capital markets : a new view of cycles, prices, and market volatility (2nd έκδοση). New York: John Wiley & Sons. ISBN 978-0471139386. 
  65. ↑ Dilão, R.; Domingos, T. (2001). «Periodic and Quasi-Periodic Behavior in Resource Dependent Age Structured Population Models». Bulletin of Mathematical Biology 63 (2): 207–230. doi:10.1006/bulm.2000.0213. PMID 11276524. 
  66. ↑ Cascais, J.; Dilão, R.; Noronha da Costa, A. (1983). «Chaos and Reverse Bifurcations in a RCL circuit». Physics Letters A 93 (5): 213–6. doi:10.1016/0375-9601(83)90799-5. Bibcode: 1983PhLA...93..213C. 
  67. ↑ Serletis, Apostolos; Gogas, Periklis (2000). «Purchasing Power Parity Nonlinearity and Chaos». Applied Financial Economics 10 (6): 615–622. doi:10.1080/096031000437962. http://www.informaworld.com/smpp/content~content=a713761243~db=all~order=page. 
  68. ↑ Serletis, Apostolos; Gogas, Periklis (1999). «The North American Gas Markets are Chaotic» (PDF). The Energy Journal 20: 83–103. doi:10.5547/ISSN0195-6574-EJ-Vol20-No1-5. http://mpra.ub.uni-muenchen.de/1576/01/MPRA_paper_1576.pdf. 
  69. ↑ Serletis, Apostolos; Gogas, Periklis (1997). «Chaos in East European Black Market Exchange Rates». Research in Economics 51 (4): 359–385. doi:10.1006/reec.1997.0050. http://ideas.repec.org/a/eee/reecon/v51y1997i4p359-385.html. 
  70. ↑ Victoria White, Office Of Public Information, University Of Florida Health Science Center. «Chaos Theory Helps To Predict Epileptic Seizures, U. Florida». CS1 maint: Πολλαπλές ονομασίες: authors list (link)
Ανακτήθηκε από "https://el.wikipedia.org/w/index.php?title=Θεωρία_του_χάους&oldid=4137757"