Characterization of nonlinear dynamical systems

based on time series

Capitolul 1
Noiuni generale privind sistemele dinamice neliniare

1.1 Introducere
Un sistem dinamic determinist este un sistem fizic, artificial sau natural, modelat
matematic printr-o lege care determin n mod univoc starea sistemului la un moment
arbitrar t>t0, presupunnd c se cunoate starea lui la momentul iniial t0.
Majoritatea sistemelor dinamice sunt modelate prin sisteme de ecuaii difereniale
de ordinul nti,
o

x 1 = f 1 ( x1 , x 2 , ..., x n ; t )
o

x 2 = f 2 ( x1 , x 2 , ..., x n ; t )

.
o

x n = f n ( x1 , x 2 , ..., x n ; t ) ,
o

unde x dx / dt .
Dac variabila independent t nu apare explicit n membrul drept, sistemul se
numete autonom; n caz contrar, sistemul este neautonom. Prin introducerea unei noi

variabile xn+1=t, sistemul neautonom se transform n unul autonom, de ordin mai mare cu
o unitate.
Dac funciile fk din membrul drept nu sunt combinaii liniare ale variabilelor xk,
atunci sistemul se numete neliniar.
Un exemplu simplu de sistem dinamic descris de un sistem de ecuaii difereniale
de ordinul nti l reprezint oscilatorului armonic liniar. Ecuaia de micare
m

d2x
dx2

= kx ,

cu notaiile x1=x, x2=dx/dt=dx1/dt, poate fi scris ca un sistem de dou ecuaii difereniale

de ordinul nti:

x1 = x 2

x2 =

k
x1 .
m

Soluia este de forma:

x1 (t)=x0cost+

x0

sin t ,

x2 (t)=-x0sint+v0cost,
unde x0=x1 (0) i v0 =x2 (0) sunt condiiile iniiale, iar =

k
este frecvena oscilaiilor.
m

Cele dou variabile, x1(t) i x2(t), determin complet starea sistemului la momentul arbitrar
t. Ele reprezint variabilele de stare ale sistemului, sau gradele lui de libertate. Numrul lor
reprezint dimensiunea dinamic a sistemului.
Ne putem imagina un plan determinat de variabilele de stare, numit planul fazelor
sau, dac sistemul este de dimensiune >2, spaiul fazelor sau spaiul strilor. Atunci,
valorile lui x1 i x2, de la un moment arbitrar t, reprezint coordonatele unui punct din acest
planul, iar evoluia temporal a sistemului dinamic este reprezentat prin traiectoria
descris de acest punct.
Traiectoria pornete din punctul corespunztor condiiilor iniiale i evolueaz ctre
un obiect geometric care corespunde regimului permanent, i care se numete atractor.
Spre exemplu, regimului staionar i corespunde un punct, numit punct fix (sau punct de
echilibru). Dac sistemul evolueaz ctre un regim periodic, traiectoria respectiv tinde s
se nfoare pe o curb nchis, numit orbit periodic. O mulime de traiectorii care

reflect clar diferitele tipuri de evoluie ale sistemului dinamic formeaz portretul de faz
al sistemului respectiv.
n timp ce pentru sistemele de ecuaii difereniale ordinare liniare exist o metod
general de rezolvare, soluia fiind o superpoziie de funcii exponeniale, pentru sistemele
neliniare se cunosc soluii analitice doar pentru cteva cazuri particulare. Analiza lor se
bazeaz n principal pe structura topologic a portretului de faz, respectiv pe rezolvarea
prin metode numerice a ecuaiilor.
Sistemele dinamice descrise prin ecuaii difereniale se mai numesc i sisteme
dinamice n timp continuu. Foarte multe sisteme tehnice intr n aceast categorie. Dac ne
referim numai la sistemele electrice, orice sistem care conine cel puin o bobin sau un
condensator, este un astfel de sistem: diferite tipuri de maini electrice, convertoarele
statice, reelele electrice, .a. De aici rezult i importana studierii metodelor generale de
analiz a sistemelor dinamice neliniare.
O alt clas de sisteme dinamice se obine prin aplicarea repetat, la momente
discrete de timp, a unei reguli definit printr-o funcie matematic. Dac x este o variabil
de stare a sistemului, care la momentul tk are valoarea xk, atunci valoarea ei la un moment
ulterior tk+1, xk+1, rezult din relaia
x k +1 = f ( x k ) .

Acest tip de sistem dinamic se mai numete i sistem dinamic n timp discret, sau
aplicaie iterat (aici termenul de aplicaie se refer la funcia f). Traiectoria n spaiul
strilor este format de irul de puncte determinat de valorile x0, x1, x2, xn,
Aplicaiile iterate prezint importan n special datorit faptului c printr-o tehnic
de strobare, unui sistem dinamic n timp continuu i se poate asocia o aplicaie iterat, care
conine toate caracteristicile sistemului continuu, i care este mai uor de studiat dect
sistemul continuu.

1.2 Sisteme dinamice de dimensiune 1 i 2

Sistemele dinamice 1D sunt descrise printr-o singur variabil de stare, respectiv o
singur ecuaie de stare,
o

x = f ( x)

f(x)

x<0
x0+x
x0
rad

Punctele fixe ale sistemului se obin ca soluii ale ecuaiei algebrice f(x)=0. n
spaiul strilor 1D exist trei tipuri de puncte fixe:
1. noduri atractoare: punctul fix atrage o traiectorie care pornete dintr-un punct vecin
lui;
2. noduri repulsive: este opusul punctul fix atractor;
3. ei: punctul fix care atrage unele traiectorii, iar pe altele le respinge.
Fie x0 un punct fix, adic :
o

x = x0

f(x)

= f ( x0 ) = 0

x>0

S consideram o traiectorie care a ajuns ntr-un

punct X=X0+x situat la dreapta lui X0(x>0). Dac
o

f(X0+x)>0 (pentru x>0), atunci i x = f ( X o + x) > 0 i

x0+x
X0

traiectoria va evolua ctre X mai pozitivi deci se va

o

x
(respingtor)

deprta de X0. n caz contrar, adic f(X0+x)<0 x < 0

i traiectoria va evolua ctre X.

Un raionament similar se poate face dac punctul de pe traiectorie este undeva n
o

stnga punctului fix X0. Dac f(X0-x)= x >0, punctul se deplaseaz spre punctual fix, iar
o

dac f(X0-x)= x <0, punctul se deplaseaz pe punctul fix. n ambele situaii:

df ( x)
dx

df ( x)
dx

x = x0

<0,

pentru un nod atractor i

x = x0

>0,

pentru un repulsor.

Valoarea acestei derivate o numim valoare proprie . Dac =0, pentru a decide
tipul de puncte fixe trebuie s evolum i derivata a doua a lui f(x) n X0:
d 2 f ( x)
, schimb semnul cnd trece printr-un nod sau un respingtor,
dx 2
respectiv nu schimb semnul cnd trece printr-un punct a.

v
Punctele fixe pentru care =0 atrag, respectiv resping, traiectoriile mai lent dect
cele cu 0. Punctele fixe cu =0 sunt relativ rare.
O informaie important privind evoluia unei traiectorii n jurul unui punct fix se
obine descompunnd f(x) n serie Taylor n jurul punctului fix:
f ( x ) = f ( x0 ) + ( x x0 )

df
dx

x = x0

d2 f
1
+ ( x x0 )2
2
dx 2

x = x0

+ ...

Pe baza ecuaiilor dinamice ale sistemului i neglijnd termenii de ordin 2,

obinem:

x = f ( x ) f ( x0 ) + ( x x0 )

df
dx

x x0

= ( x x0 )

df
dx

x x0

Introducem variabila x1 =x-x0, pentru a msura distana dintre traiectorie i

punctul fix:
o
df
x1 = x1
= x x1 ,
dx x = x0

unde
df

.
dx x = x0

Soluia acestei ecuaii difereniale liniare, omogene, este :

x=x(0)et
Dac <0, atunci distana dintre punctul curent al traiectoriei i punctul fix scade
exponenial, deci punctul fix este un atractor; dac >0, atunci traiectoria se deprteaz
exponenial de el, punctul fix fiind acum un repulsor. Valoarea proprie , al crei semn
determin apropierea sau ndeprtarea traiectoriei de punctul fix, se mai numete exponent
Liapunov. Aceast mrime joac un rol important n cuantificarea comportamentelor
complexe ale sistemelor dinamice neliniare.
Un concept important privind proprietile topologice ale traiectoriilor l reprezint
stabilitatea structural. Dac un punct fix i pstreaz caracterul cnd ecuaia dinamic i
modific uor structura, atunci spunem c punctul fix este structural stabil. Dac din
contra, punctul fix i schimb caracterul sau chiar dispare la astfel de modificri, el este
structural instabil. Tranziia de la un tip de portret de faz la altul este studiat de teoria
bifurcaiei. Aceast problem apare atunci cnd studiem influena unui parametru din
regula care definete sistemul dinamic, asupra topologiei portretului de faz.

P unc t fix

Ce fel de traiectorii putem avea n spaiul strilor 1D? Trebuie s notm, c discuia
de pn acum ne spune doar ce se ntmpl n vecintatea punctului fix, adic comportarea
local a sistemului. Pentru a obine o imagine pe un interval mai mare al traiectoriilor,
trebuie s lum n considerare relaia dintre poziiile diferitelor tipuri de puncte fixe.
Aceast relaie este puternic strns de funcia f(x), n cazul 1D: dou puncte fixe vecine
nu pot fi ambele noduri atractoare sau repulsoare; nu poate unul s fie punct a de tipul
unu, iar cellalt punct a de tipul doi. De exemplu, ntre dou noduri X0 i X1 trebuie s fie
un punct fix respingtor R. Fiind cunoscute tipurile i poziiile punctelor fixe pentru un

sistem, putem asambla un portret de faz global, o imagine a modului n care traiectoria
trebuie s cltoreasc prin spaiul strilor. Pentru cazul 1D acest lucru este destul de
simplu.
Alte cazuri sunt mai jos:

Dac traiectoriile trebuie s stea ntr-o

regiune finit a spaiului strilor pentru orice
(traiectorii

mrginite),

atunci

punctele

fixe

exterioare de pe axa x, trebuie s fie noduri.

Aadar, fiind cunoscute tipurile i poziiile
punctelor fixe pentru un sistem, putem asambla un
portret de faz global, o imagine a nodului n care
traiectoria trebuie s cltoreasc prin spaiul strilor. Pentru cazul 1D acest lucru este
destul de simplu.
Pentru un sistem dinamic de ordinul doi,
o

x1 = f 1 ( x1 , x 2 )
o

x 2 = f 2 ( x1 , x 2 )
portretul de faz poate fi mai complex.
Punctele fixe (x10, x20) ale sistemului se obin rezolvnd ecuaiile

f1 ( x1 , x 2 ) = 0
f 2 ( x1 , x ) = 0
Caracterul punctelor fixe i comportarea traiectoriilor n vecintatea lor sunt
determinate de derivatele pariale ale funciilor f1 i f2, evaluate n punctul fix considerat:

f 1 f 1
:
;
x1 x 2

f 2 f 2
,
.
x1 x 2

Pentru nceput s examinm cazul special cnd numai dou din cele patru derivate
sunt diferite de zero. n particular, s presupunem c n punctele fixe (x10, x20) derivatele au
valorile:

f 1
= 1
x1

f 1
=0
x 2

f 2
=0
x1

f 2
= 2
x 2

n acest caz special, ce se ntmpl dup direcia x1, n vecintatea punctului fix,
depinde numai de 1, i ceea ce se ntmpl n lungul direciei x2, depinde de 2. Spunem c
x1 i x2 sunt direciile caracteristice cu valorile asociate lui 1 i 2.
Putem acum construi un catalog de tipuri de puncte fixe n spaiul strilor 2D,
combinnd tipurile din spaiul strilor 1D. Ne vom limita deocamdat la cazul cel mai
simplu: 1, 2, numere reale nenule. n acest caz, tipurile posibile de puncte fixe sunt:
1. 1<0.

2<0 nod atractor

2. 1>0

2>0 nod repulsor

3. 1>0

2<0 punct a
4. 1<0

2>0 punct a

Nod atractor

Punct a

repusor

Punct a

Traiectoria se comport n vecintatea unui punct a ca o bil care se rostogolete

sub aciunea gravitii pe o suprafa tip a. Mai formal, putem defini o funcie g(x,y) astfel
nct

f 1 ( x, y ) =

g ( x, y )
g ( x, y )
, f 2 ( x, y ) =
.
x
y

Funciile f1 i f2 se obin aadar ca gradientul funciei poteniale g(x,y). ntr-un

punct fix al sistemului f1=f2=0, deci g are un extrem. ntr-un punct a g are un minim dup
axa x i un maxim dup axa y. Pentru un sistem mecanic, funcia g(x,y) poate fi de
exemplu energia potenial a sistemului.
Mulimea punctelor care formeaz traiectoriile ce se ndreapt ctre un punct a,
apropiindu-se de el pe msur ce t , poart numele de varietate invariant asociat
acelui punct a. Traiectoriile care se ndreapt spre punctul a formeaz o varietate stabil
(pentru c <0 n lungul acestor traiectorii); traiectoriile care se deprteaz de punctul a
formeaz o varietate instabil. Aceste varieti se mai numesc in-sets respectiv out-sets.
Punctele a joac un rol important n organizarea comportrii tuturor traiectoriilor
posibile n spaiul strilor. Fie de exemplu un sistem cu un singur punct fix. Dac acesta
este un punct a i dac 0, atunci in-seturile i out-seturile punctelor mpart spaiul

strilor n patru cadrane. O traiectorie care nu este un in-set sau out-set este continu n
cadranul din care pornete. n acest sens, in-setul si out-setul organizeaz spaiul strilor.
Pentru acest tip de punct a, traiectoriile n vecintatea punctului a arat ca poriunea de
hiperbol, de unde i denumirea de punct hiperbolic, pentru acest punct a. De fapt
denumirea de hiperbolic se folosete pentru orice punct fix ale crui valori caracteristice

0.
Pentru a stabili caracterul unui punct fix, trebuie s determinm valorile
caracteristice. Ne vom rentoarce la ecuaiile de stare generale n 2D, pe care le dezvoltm
n serie Taylor n jurul punctelor fixe (x10, x20):

X 1 = f 1 ( x1 , x 2 ) = f ( x10 , x 20 ) + ( x1 x10 )
o

f
f 1
+ ( x 2 x 20 ) 1 + ...
x1
x 2

X 2 = f 2 ( x1 , x 2 ) = f ( x10 , x 20 ) + ( x1 x10 )

f 2
f
+ ( x 2 x 20 ) 2 + ...
x1
x 2

derivate fiind evoluate n (x10, x20). Introducem noile variabile x1=X1-X10 i x2=X2-X20 care
o

indic abaterea fa de punctul fix (x10,x20), observnd c x1 = x 1 , x 2 = x 2 i neglijnd

derivatele de ordin superior, obinem:

f 1
f
+ x2 1
x1
x 2

f 2
f
+ x2 2
x1
x 2

x1 = x1
x 2 = x1

sau, n form matricial,

f 1

x
1 = x1
f 2
x 2 x
1

f 1
x 2 x1

f 2 x
2
x 2

Acesta este un sistem de ecuaii difereniale liniare de ordin 1 cu coeficieni

constani. Matricea ptrat a derivatelor pariale se numete matricea Jacobi, J(f).
Rdcinile ecuaiei caracteristice

det( J ( f ) .1 ) = 0

sunt valorile proprii ale sistemului, n punctul fix n jurul cruia s-a efectuat dezvoltarea
n serie Taylor. Ca i la sistemul 1D, semnul acestor valori proprii determin stabilitatea,
deci tipul punctului fix.

1.3 Sisteme disipative

Sistemele disipative sunt sisteme n care are loc o disipare de energie. Aceste au o
caracteristic distinctiv: comportarea lor pe termen lung este n mare msur
independent de modul n care pornim sistemul. Putem aadar ignora regimul tranzitoriu,
focalizndu-ne atenia asupra comportrii pe termen lung.
Pe msur ce sistemul disipativ evolueaz n timp, traiectoria se va ndrepta ctre
un obiect geometric, numit atractor.
Proprietile
atractorului

geometrice
determin

ale

proprietile

dinamice ale comportrii pe termen

lung

sistemului.

Acest

obiect

geometric final l vom numi atractor

Bazin de
atracie
atractor

pentru c un numr de traiectorii

distincte, se vor apropia (vor fi atrase)
de aceast mulime de puncte din
spaiul

strilor.

disipative,
atractori

Pentru

sistemele

proprietile

acestor

determin

proprietile

separatice

dinamice ale comportrii pe termen

lung a sistemului. Mulimea punctelor iniiale din care pornesc traiectorii care aterizeaz
pe un anumit atractor formeaz bazinul de atracie al acelui atractor.
Un sistem dinamic dx i / dt = f k ( xi ), i , k = 1, 2 este disipativ dac divf k < 0 . In
adevr, s urmrim evoluia unei grup de puncte iniiale care ocup, n spaiul strilor,
suprafaa delimitat de coordonatele (X1A,X2A) si (X1B,X2B). Vom calcula viteza de variaie
a ariei :
A = ( X 1B X 1 A )( X 2 B X 2 A )

dA
= ( X 1B X 1 A )[ f 1 ( X 1 A , X 2 B ) f 2 ( X 1 A , X 2 A ) ] + ( X 2 B X 2 A )[ f 1 ( X 1B , X 2 A ) f 1 ( X 1 A , X 2 A )]
dt
o

x1 = f1 ( X 1 , X 2 ) ;

x2 = f2 ( X1, X 2 )

Folosind din nou descompunerea n serie

Taylor:

f 1 ( X 1 B , X 2 A ) = f ( X 1 A , X 2 A ) + ( X 1B X 1 A )

f 1
x1

X1 A X 2 A

+ ...

i similar f 2 . Obinem atunci:

1 dA f 1 f 2
=
+
.
A dt x1 x 2
Dac derivatele din membrul drept sunt negative, domeniul de puncte iniiale se
contract pn la zero, pe msur ce timpul evolueaz, iar sistemul este disipativ. Toate
traiectoriile se prbuesc ntr-un atractor a crui dimensiune geometric este mai mic
dect a spaiului strilor. n cazul spaiului strilor n-D, evoluia unui volum ndimensional de puncte iniiale este dictat de:
N
f
1 dV
= 1 = divf
V dt
i =1 x1

Dac n medie pe spaiul strilor divf < 0 , atunci volumul iniial de puncte se va
contracta ctre o regiune geometric a crui dimensiune este NA N.
Dac modelm un sistem fizic real, disipaia apare datorit frecrii, vscozitii, i
aa mai departe. Putem decide pe baze fizice, dac disipaia este prezent sau nu n
ecuaiile modelului. Este nsa util s avem o unealt matematic pe care s-o putem folosi
pentru a identifica un sistem disipativ pe baza ecuaiilor dinamice.
Pentru a estima disipaia, vom folosi o unealt conceptual important: un grup de
condiii iniiale. n 1D acest grup este un mic segment al axei x, de exemplu, cel cuprins
ntre X1 i XB>XA, de lungime XB-XA.
Vrem s vedem ce se ntmpl cu
lungimea acestui segment de lungime, pe
msur ce

timpul evolueaz

segmentului

descriu

strilor.

traiectorii

i
n

punctele
spaiul

xA

xB

Viteza de variaie a lungimii segmentului este data de:

o
0
d
(X B X A) = X B X A = f (X B ) f (X A)
dt

Astfel, dac f(XB)<f(XA), lungimea segmentului se va micora n timp. Dac

lungimea segmentului este suficient de mic, putem folosi dezvoltarea n serie Taylor:
f (X B ) = f (X A) + (X B X A)

df
dx

x= X A

+ ...

cu notaia L=XB-XA i neglijnd termenii de ordin 2, obinem:

dL
df
=L
dt
dx
Aadar, dac

df
< 0 , lungimea segmentului de condiii iniiale se va reduce.
dx

Aceast condiie este satisfcut dac traiectoriile se apropie de un nod (deoarece un nod

df
< 0 , i prin continuitate, inegalitatea este valabil i n vecintatea nodului).
dx
O aglomerare de condiii iniiale se expandeaz, dac prsete regiunea unui
respingtor, ca mai apoi s se contracte pe msur ce se apropie de un nod. n medie, pe
ntreaga istorie a traiectoriei, grupul de puncte evoluante vor suferi o condiie pentru un
sistem disipativ mrginit.

1.4 Cicluri limit. Aplicaia Poincar

n spaiul strilor cu dim 2 este posibil o comportare oscilatorie, periodic
(ciclic). Traiectoriile n spaiul strilor sunt atunci curbe nchise, cicluri. Dac traiectoriile
din vecintatea ciclului sunt atrase de el, atunci l numim ciclu limit. Comportarea
oscilatorie este de important foarte mare n multe aplicaii. Legat de ciclurile limit se pun
dou probleme importante: (i). cnd apar ciclurile limit; (ii) cum putem aprecia
stabilitatea unui ciclu limit. Fr a intra n detalii, rspunsul la prima problem este dat,
pentru sisteme 2D, de ctre teorema lui Poincar-Bendixson.
Stabilitatea unui ciclu limit este mai dificil de evaluat dect a unui punct fix.
Poincar a introdus o metod, bazat pe aceea ce acum se numete seciune Poincar,
prin care problema se reduce, n cazul 2D, la aceea a stabilitii unui punct fix.

Pentru un spaiu al strilor 2D, seciunea Poincar

se construiete astfel:
n spaiul strilor tragem un segment de linie care
taie ciclul limit ntr-un punct P. Pornim acum o
traiectorie ntr-un punct aproape de ciclul limit, Pe
msur ce traiectoria evolueaz, ea va intersecta
segmental ntr-un punct P1, apoi n P2 i asa mai departe.
Dac aceste puncte se apropie de P, pe msur ce timpul
evolueaz, oricare ar fi punctul de plecare din vecintatea ciclului limit, spunem c avem
un ciclu limit atractor, sau echivalent, un ciclu limit stabil. Cu alte cuvinte, ciclul limit
este un atractor pentru sistem. Dac din contra, secvena se deprteaz de P, avem un ciclu
limit repulsor, adic un ciclu limit instabil. Alt posibilitate este ca secvena de puncte s
se apropie de P, dintr-o parte i s se deprteze din cealalt: ciclu a.
Stabilitatea
limit

se

poate

unui
determina

ciclu
cu

ajutorul aplicaiei Poincar.

Ideea de baz este urmtoarea:
fiind dat un punct P1, unde
traiectoria intersecteaz segmentul
Poincar, putem n principiu s
determinm urmtorul punct de pe
intersecie, P2 integrnd ecuaiile
difereniale care descriu sistemul.
Astfel, trebuie s existe o funcie,
s-i spunem F, care l leag pe P1 de P2.
P2=F(P1)
Gsirea funciei F este echivalent cu rezolvarea sistemului original de ecuaii
difereniale, ceea ce poate fi sau chiar este imposibil. n general putem scrie:
Pn+1=F(Pn)
n general funcia F depinde numai de ecuaiile dinamice ale sistemului, dar i de
modul de alegere al seciunii Poincar.
S observm c punctul P de pe ciclul limit satisface P=F(P), orice punct P care
satisface:

P = F (P )
este numit punct fix al aplicaiei F. Putem tii ce se ntmpl cu un punct P1 din apropierea
lui P , mai exact cu distana dintre cele dou puncte pe msur ce sistemul evolueaz:

P2 P = F ( P1 ) F ( P ) = F ( P ) +

dF
dP

( P1 P ) + ...} F ( P )

Dac notm d i = P P atunci obinem c:

d2 =

dF
dP

* d1

Prin definiie, M =

dF
dP

se numete multiplicatorul caracteristic al aplicaiei

Poincar. Vom gsi c n general:

d n +1 = M n d1

Dac M<1, atunci d2<d1, d3<d2 i aa mai departe, deci punctul de intersecie se
apropie de punctul fix ciclul atractor.

Dac M>1, avem un ciclu repulsor.

Dac M=1, dar derivata aplicaiei este >1 de-o parte a ciclului i <1 de cealalt,
avem un ciclu a (rar n 2D).
Mai putem defini i un exponent caracteristic asociat ciclului:
M = e

= ln M

El joac rolul exponenialului Liapunov, unitatea de timp fiind intervalul dintre

dou intersecii succesive ale seciunii Poincar.

1.5 Sisteme dinamice de dimensiune 3 sau mai mare

Spaiul strilor unui sistem dinamic cu mai mult de dou grade de libertate permite
existena unor atractori mai complexi din punct de vedere geometric. Spre exemplu, n
spaiul strilor 3D poate aprea o micare n care traiectoriile evolueaz pe suprafaa unui
tor.
Ecuaiile micrii sunt:

x1 = ( R + r sin r t ) * cos R t
x 2 = r cos r t

x3 = ( R + r sin r t ) * sin R t
unde

R raza mare a torului;

r raza mic a torului;

R -viteza unghiular
corespunztoare relaiei n jurul circumferinei mari a torului, cu perioada TR =

2
;
R

-viteza ungiular corespunztoare rotaiei n jurul seciunii transversale, cu

perioada Tr =

Un tor general are seciunea transversal eliptic, iar axele de coordonat pot fi
transformate ntr-un tor circular.
Acest atractor corespunde unui regim cvasiperiodic al sistemului dinamic, care
apare de regul atunci cnd sunt prezente dou
oscilaii de frecvene diferite, f1, f2.
Seciunea Poincar se obine tind torul cu
un plan ce trece prin axa de simetrie a torului.
Configuraia punctelor de intersecie a traiectoriilor
cu acest plan depinde de raportul f1/f2 . Dac
raportul este un numr raional, atunci seciunea
Poincar va fi format dintr-un numr discret de puncte aezate uniform pe periferia unui
cerc. Acest tip de micare se mai numete
frequency-locked sau mode locking. Dac
raportul este un numr iraional, atunci punctele
aplicaiei Poincar vor umple pn la urm
periferia cercului, dnd senzaia de curb continu n
planul

Poincar,

iar

micarea

se

numete

cvasiperiodic (sau nc aproape periodic) fiindc

ea nu se repet niciodat exact.
Cele trei tipuri de atractori,

puncte fixe (dimensiune 0);

cicluri limit (dimensiune 1);

atractori cvasiperiodici (dimensiune 2),

corespund unui comportament asimptotic (adic pe termen lung) fie staionar, fie periodic
sau cvasiperiodic. Din punct de vedere geometric, atractorii respectivi sunt obiecte cu
dimensiune ntreag. S-a constatat ns c atractorii unor sisteme dinamice pot fi obiecte
geometrice deosebit de complexe, ca de exemplu ceva ntre un punct i o linie, sau ntre o
linie sau o suprafa, sau ntre o suprafa i un volum, etc. Generaliznd procedura de
stabilire a dimensiunii geometrice a unui obiect, s-a ajuns la concluzia c aceti atractori au
dimensiuni fracionare (fractali), primind denumirea de atractori stranii. Corespunztor,
variaia n timp a variabilelor de stare nu mai este periodic, avnd un aspect aleator. O
traiectorie care evolueaz pe un atractor straniu are schimbri de direcie imprevizibile,
avnd un comportament aparent haotic (din acest motiv se folosete i denumirea de
atractor haotic pentru un atractor straniu, dei atributele nu sunt ntotdeauna echivalente).
n mod informal, un sistem dinamic determinist, neliniar, prezint un
comportament haotic dac:
1

atractorul ocup un domeniu finit n spaiul strilor;

este straniu;

exist cel puin o traiectorie dens (adic ale crei puncte trec arbitrar de aproape
de orice punct al atractorului );

exist o dependen sensibil a traiectoriilor de condiiile iniiale (prin

dependen sensibil de condiiile iniiale se nelege faptul c distana dintre
dou traiectorii, n spaiul strilor, crete exponenial n timp).

Regimul haotic poate apare n sistemele dinamice neliniare n timp continuu numai
dac dimensiunea spaiului strilor este cel puin 3. n schimb, aplicaiile iterate neliniare
pot avea regimuri haotice chiar dac dimensiunea lor este 1. Regimul haotic nu apare n
orice sistem dinamic neliniar. Chiar i n sistemele n care apare, el nu este singurul tip de
comportament posibil, ci apare atunci cnd se modific un anumit parametru al sistemului.
Tranziia de la un regim regulat, periodic, la un regim neregulat, neperiodic, ntr-un sistem
dinamic determinist, este studiat de teoria bifurcaiilor. Rutele spre haos cunoscute pot fi
clasificate n dou mari grupe.
n prima categorie (bifurcaii locale), pentru un anumit interval de valori al
parametrului, apare un ciclu limit. Pe msur ce un anumit parametru de control al
sistemului este modificat, ciclul limit dispare i apare comportarea haotic.
n a doua categorie (bifurcaii globale), comportarea pe termen lung a sistemului
este influenat de punctele fixe instabile sau cicluri instabile, ca i de un atractor (sau
atractorii).

 -dublri de perioad

-guasiperiodicitate
-via bifurcaii locale -cvasiperiodicitate

-intermiten

Tanziii
ctre
haos

-via bifurcaii globale

-tip 1 (bifurcaie
tangent)
-tip 2 (bifurcaie Hopf)
-tip 3 (dubl
periodicitate)

-tranziente haotice

-crize

Cele dou categorii de tranziii nu sunt aa de distincte cum apar la prima vedere.
Bifurcaiile globale sunt influenate de poziiile i proprietile punctelor fixe locale.

Capitolul 2
Cuantificatori ai dinamicii neliniare complexe

2.1 Introducere
Pentru analiza comportamentului unui sistem dinamic liniar exist instrumente
matematice generale, deosebit de eficiente, cum ar fi de exemplu analiza Laplace sau
Fourier. Aceste metode, fiind bazate pe principiul superpoziiei, nu mai pot fi aplicate
sistemelor neliniare deoarece aceste nu satisfac acest principiu. Metodele folosite n
dinamica neliniar se bazeaz pe topologia spaiului strilor i pe folosirea extensiv a
metodelor numerice. Pe de alt parte trebuie definite mrimi care s caracterizeze n mod
relevant comportamentele complexe care pot apare n sistemele dinamice neliniare, cel
puin din urmtoarele motive:
1. Pentru a putea distinge comportarea aparent aleatorie a mrimilor de stare n
regim haotic de un proces aleator real;
2. Pentru a identifica unele caracteristici universale, valabile pentru o anumit
clas de sisteme;
3. Pentru a putea gsi unele corelri ntre valoarea unei anumite mrimi i
modificrile n comportarea fizic a sistemului.
Pentru cuantificarea regimurilor complexe (haosului) dintr-un sistem dinamic ne vom
referi la cele dou moduri complementare de descriere a unui sistem dinamic:
1. Prima descriere se refer la dinamica (dependen de timp) unei traiectorii
generice, cnd aceasta evolueaz pe un atractor, n relaie cu traiectoriile vecine
ei.
2. A doua descriere se refer la proprietile geometrice ale atractorului.
De precizat c ne vom limita la sisteme disipative, adic la sisteme la care regimul
tranzitoriu se stinge. Ne intereseaz comportarea pe termen lung, asimptotic (t),
respectiv n regim permanent, care este restrns la regiunea atractorului din spaiul
strilor. Ne vom ocupa numai de traiectorii care sunt pe atractori. Regimurile tranzitorii,
adic traiectoriile care pornesc departe de atractor, dar evolueaz ctre el, pot da informaii
utile privind dinamica sistemului, dar sunt adesea dificil de tratat, att experimental, dar si
in simulri. Vom introduce urmtorii cuantificatori ai dinamicii neliniare:

1. Exponentul Liapunov, care va msura evoluia unei traiectorii generice pe atractor;

2. Dimensiunea corelaie, care caracterizeaz dimensiunea geometric a atractorului.
Exist i alte mrimi care cuantific dinamica neliniar complex, dar cele menionate mai
sus sunt cele mai uzuale i mai importante.

2.2 Exponentul Liapunov

Comportarea haotic este caracterizat prin divergena traiectoriilor vecine n
spaiul strilor. Separarea dintre doua traiectorii vecine crete exponenial n timp, cel
puin pentru intervale scurte de timp. Ultima restricie este necesar deoarece ne ocupm
de sisteme a cror traiectorie rmne ntr-o anumit regiune mrginit a spaiului strilor,
sistemul nu explodeaz.
Divergena traiectoriilor vecine este descris prin exponentul Liapunov: dac dou
traiectorii vecine de pe atractorul haotic pornesc (la t=0) separate ntre ele cu d0, atunci
traiectoriile diverg astfel c la momentul t sunt separate prin:
- exponentul Liapunov al traiectoriilor. Dac >0, atunci traiectoriile chiar diverg
exponenial i comportarea este haotic.
Noiunea de dependen sensibil, de condiie iniial si divergena
traiectoriilor vecine au sens i sunt utile numai pentru acele sisteme care au o comportare
mrginit.
n acest paragraf ne vom ocupa de exponentul Liapunov pentru un sistem descris de
un set de ecuaii difereniale ordinale.
Aa cum am vzut n capitolul 1, exponentul Liapunov este o msur a vitezei de
atracie sau repulsie din partea unui punct fix din spaiul strilor. Putem utiliza acest
concept pentru a caracteriza divergena traiectoriilor vecine n general, n oricare puncte
din spaiul strilor.
Ne referim mai nti la un spaiu al strilor 1D. Fie x0 un punct iniial i x un punct
iniial vecin; fie x0(t) si x(t) traiectoriile care se dezvolt din aceste puncte iniiale. Vom
arta c distana dintre traiectorii crete sau scade exponenial cu timpul.
Ecuaia dinamic a sistemului este:
o

x = f (x)
Cum x este aproape de x0, dezvoltm f(x) n serie Taylor:

f ( x ) = f ( x0 ) + ( x x0 )

df
dx

x0

+ ...

Dac inem cont c de viteza de variaie a distanei r este:

o

s = x x 0 = f ( x) f ( x 0 )
obinem
o
df
s = s
dx x0

sau

s(t ) = s (0) * e t
unde

df

dx x0

df
Dac > 0 , traiectoriile diverg ; dac < 0 , ele converg. n general variaz
dx
cu x, deci se modific n lungul traiectoriei, deoarece se modific punctul iniial n
care-l evolum, va cuta deci o valoare medie a lui pe toat istoria traiectoriei.
n spaiul strilor cu dou sau mai multe dimensiuni, putem asocial un exponent
Liapunov vitezei de expansiune sau contraciei cu traiectoria, dup fiecare coordonat
(direcie) respective, spaiul strilor. n particular, pentru un spaiu al strilor 3D avem:
1 =

f1
x1

; 2 =

f 2
,
x2

3 =

f 3
x3

derivatele pariale fiind evaluate n puncte din spaiul strilor considerat.

Definiie: Vom spune c un sistem dinamic este haotic, dac cel puin un exponent
Liapunov mediu, este pozitiv.
Pentru a putea da o interpretare geometric exponentului Liapunov, s considerm
n spaiul strilor un paralelipiped de laturi S1, S2, S3, dirijate dup axele de coordonate,
centrat pe punctul considerat. Volumul paralelipipedului va evolua n timp dup legea:
v( t ) = S1 S 2 S 3 * e ( 1 + 2 + 3 )t .

Dac

inem

cont

cum

am

definit

exponenii

Liapunov,

vedem

c.

1 + 2 + 2 = divf ( x ) Din nou, n particular suntem interesai de valorile medii pe istoria

unei traiectorii, ale acestor exponeni. Pentru un sistem disipativ valoarea medie a sumei
exponenilor Liapunov trebuie s fie negativa. Pentru sistemele disipative, cel puin unul
din exponenii Liapunov medii, va rmne i trebuie s fie negativ.

Dac sistemule este haotic, cel mult unul din exponenii Liapunov este pozitiv. n
spaiul strilor cu D=3, putem avea mai mult de un exponent Liapunov mediu pozitiv. n
aceste cazuri vorbim de hiperhaos.
Tipul atractorului

Semnele lui
(-, -, -)

Punct fix

(0, -, -)

Ciclu limita

(0, 0, -)

Tor

(+, 0 ,-)

Straniu( haotic)

Tabel: Spectrele exponenilor Liapunov i atractorii asociai

n spaiul strilor 3D
S considerm un sistem disipativ, care pornete dintr-un punct iniial, lsnd
traiectoria s evolueze pn ajunge n regiunea de atracie din spaiul strilor. Apoi lum un
punct al traiectoriei i construim aceste sfere. n general, sfera va suferi o ntindere dup o
direcie i o contracie dup alta; devine un elipsoid. Pentru sistemele disipative volumul
tinde la 0.
Dac evolum vitezele exponeniale de ntindere comprimate pentru diferite axe ale
elipsoidului, putem s gsim exponentul Liapunov pentru acea regiune a atractorului.
Repetnd procedura n lungul traiectoriei, putem determina setul de exponeni Liapunov
medii ai sistemului. Acest set este denumit spectru exponenial Liapunov. Dac cel puin
unul din exponenii Liapunov medii este >0, atunci sistemul prezint, n medie, divergena
traiectoriilor vecine i este realmente haotic.
n practic, calculul acestor exponeni Liapunov medii este complicat, deoarece
elipsoidul se rotete i se deformeaz pe msur ce traiectoria evolueaz. Dac ecuaiile
de evoluie n timp sunt cunoscute, se cunosc diferii algoritmi numerici de calcul.
Divergena traiectoriilor vecine produce ntinderea i plierea unui grup de condiii
iniiale, adic, pn la urm, comportare haotic.

2.3 Dimensiunea corelaie

Ne vom concentra atenia asupra aspectelor geometrice legate de atractori, n
special de atractorii stranii (fractali), care apar n comportamentul haotic al unui sistem

dinamic. Exist mai multe definiii ale dimensiunii unui obiect fractal, numit generic
dimensiune fractal. Ele dau valori diferite pentru dimensiunea aceluiai obiect, dei in
unele cazuri valorile sunt apropiate. n studiul atractorilor care apar n sistemele dinamice,
se folosete o dimensiune uor de calculat, numit dimensiunea corelaie, care folosete
direct punctele unei traiectorii.
Procedura este urmtoarea:

lsm o traiectorie s evolueze pe un atractor un interval de timp suficient de lung

si colecionm ca date valorile a N puncte traiectoriei;

pentru fiecare punct i al traiectoriei calculm numrul de puncte Ni(R) a cror

distan fa de punctual i este R (punctul i este evident exclus), R fiind o
constant aleas convenabil; calculm apoi valoarea relativ a acestui numr,
p1=Ni(R)/(N-i)

Calculm acum suma de corelaie

N

C(R)=1/N*( pi(R))
i =1

Obs. 1. Dac toate cele N puncte ale traiectoriei sunt la o distan R atunci
C(R)=1/N*( N-1/N-1)=1/N*N=1

Obs. 2. Dac numai dou puncte sunt la distana R, atunci C(R) are valoarea
minim nenul, 2/[N(N-1)]; dac mai multe puncte au aceeai distan datorit, de
exemplu, rotunjirilor, atunci C(R)min=2N*/[N(N-1)], N* fiind numrul de puncte care se
suprapun.
Obs. 3. Exist un avantaj de calcul numeric prin excluderea din Pi, a punctului
propriu ei.

Pi poate fi scris in mod formal cu ajutorul funciei treapt a lui Heaviside :

N

Pi(R)=1/N-1* (R-xj-xi) iar

j =1
j i

C(R)=1/N(N-1)*

i =1

j =1
j i

(R-xj-xi)

pentru a acoperi tot atractorul, impunem N;

dimensiunea corelaiei este definit ca fiind numrul c care satisface relaia:
C(R)=lim KRc

sau, dup logaritmare,

c= lim *logC(R)/logR
R 0

O denumire mai potrivit pentru c ar fi aceea de indice de scalare al corelaiei,

pentru c el ne arat cum scaleaz C(R) cu R. O dificultate evident a formulei de mai sus
este c practic nu putem face R0, irul datelor de care dispunem are un numr finit de
puncte traiectorie si deci exist o distan minim intre puncte, dac R<dmin, C(R)=0 i nu
mai scaleaz cu R. In practic se calculeaz C(R) pentru un interval de valori ale lui R i se
reprezint grafic log C(R) in funcie de log R.
Vedem deci c numai ntr-o regiune intermediar pentru R, C(R) satisface legea de
scalare de mai sus. n aceast regiune de scalare panta dreptei de interpolare (panta
determinat cu metod celor mai mici ptrate) ne va da pe C(R).
Din pcate, pentru multe iteraii experimentale, determinarea regiunii de scalare
este destul de selectiva, deoarece dependena log C(R) log R nu este o dreapt pe un
domeniu suficient de larg al lui R. Pentru date lipsite (neafectate) de zgomot, regimul de
scalare poate fi extins ctre valori mici ale lui R folosind un numr mai mare de puncte
traiectorie. Practic, se poate lucra cu un numr N de puncte traiectorie mare (~103), dar s
calculm Pi(R) numai pentru o serie eantion, s zicem, 50 de puncte din cele N. Dac
punctele i sunt alese la ntmplare din cele N, atunci suma de corelaie pare a fi aproape
egal cu cea pentru eantionare. Aceast metod de calcul ne duce la dimensiunea
punctual.
Factorii care afecteaz negativ calculul dimensiunii corelaie sunt:

numrul finit de puncte traiectorie disponibile practic;

efectul zgomotului, ne referim att la zgomotul real din datele experimentale, ct

i la cel introdus prin rotunjire din calcule numerice;

reprezentarea in calculator a numerelor printr-un numr finit de cifre;

Capitolul 3
Reconstrucia dinamicii pe baza unei serii temporale
generate de o singur variabil de stare
n acest capitol ne vom concentra pe utilizarea unui serii de valori generate de o
variabil de stare x(t), numit i serie temporal, pentru a cuantifica comportarea
sistemului dinamic.
Vom presupune c avem nregistrate o secven de valori x(t0), x(t1),
x(t2)t0<t1<t2ale acestei variabile. Aceasta poate fi o serie de valori eantionate n timp
ale variabilei, sau poate fi o serie de valori ntr-o seciune Poincar ale variabilei.
Nu este deloc evident c un astfel de ir de valori eantionate ale unui singure
variabile ar fi suficient pentru a capta caracteristicile sistemului dinamic care a generat
irul de valori. Cu toate acestea, acest lucru este posibil, aa cum demonstreaz o teorem
enunat de Takens i Mane, numit teorema scufundrii. Vom descrie metoda n cele ce
urmeaz.
Fie x(t0+nt)x(n), n=0, 1, una din mrimile de stare ale sistemului, sau o
mrime exprimabil n funcie de mrimile de stare ale sistemului, eantionat la intervale
de timp t. Cu ajutorul acestor valori se construiesc vectorii
x( n )

x( n +
, n = 0 ,1, ...
Y( n ) =

...

x( n + (De 1) )

unde este numit timp de ntrziere, iar De este un numr ntreg, numit dimensiunea
spaiului de scufundare. Conform teoremei lui Takens i Mane, dac DeDA, unde DA este
dimensiunea atractorului care a generat seria temporal, atunci traiectoria generat de
vectorii Y(n), n=0, 1, 2, se aeaz pe un atractor care are aceleai proprieti topologice
ca i atractorul original. Acest atractor apare corect reprezentat numai dac timpul de
ntrziere are o valoare potrivit, nici prea mare, nici prea mic.

Vom exemplifica aceast metod prin referire la un sistem dinamic cunoscut drept
modelul Lorentz de evoluie a unei celule atmosferice, n care deplasarea aerului are loc
prin convecie termic. Ecuaiile modelului sunt:

x = x + y ,

y = rx y xz ,

z = bz + xy .

unde , r i b sunt constante determinate de fizica procedeului. Pentru =10, r=28 i b=8/3,
modelul are comportare haotic, atractorul avnd o geometrie particular.
Ecuaiile modelului au fost rezolvate prin simulare numeric n Simulink (Fig. 1).

Figura 1

n figura 2 este reprezentat variaia n timp a variabilei y(t). Se poate observa

neperiodicitatea acestei variaii i asemnarea ei cu o variabil aleatoare. Atractorul este un
obiect geometric cu o structur complex, care are nevoie de un spaiu al strilor 3-D
pentru a putea exista, dimensiunea lui proprie fiind fractal. n figura 3 sunt prezentate
proieciile acestui atractor pe planele x-y, y-z, respectiv x-z.

Fig. 2

Fig. 3

Reconstrucia atractorului Lorentz, n baza teoremei lui Takens i Mane, se poate

face pornind de la una din variabilele de stare, spre exemplu y(t), construind irurile de
valori y(t+) i y(t+2) i reprezentnd valorile succesive din cele trei iruri n spaiul de
reconstrucie y(t),

y(t+) i y(t+2). n acest exemplu ne vom limita la a reconstrui

proiecia atractorului pe planul y(t)-y(t+). n figurile 4 6 sunt prezentate rezultatele

pentru trei valori ale timpului de ntrziere; n stnga este reprezentat de fiecare dat
atractorul original, pentru comparaie.

Fig. 4: =0,01

Fig. 5: =0,05

Fig. 6: =0,5
Se observ c pentru timpi de ntrziere mici, punctele atractorului reconstruit sunt
prea nghesuite unele n altele, atractorul neavnd spaiu s se desfoare. Pe de alt parte,
dac timpii de ntrziere sunt prea mari, punctele succesive pierd contactul informatic
dintre ele, devenind din ce n ce mai slab intercorelate.
Dac exist un numr suficient de mare de valori ale seriei temporale folosit
pentru reconstrucie, sau, altfel spus, dac eantionarea are loc la intervale de timp suficient
de mici, atunci putem reconstrui caracteristicile eseniale ale dinamicii din spaiul
strilor, n ipoteza c am ales un timp de ntrziere corespunztor.
Valorile eantionate ale unei singure variabile nu ne va spune ce fac celelalte
variabile (dect dac avem o teorie complet a sistemului). Dac ne limitm obiectivele
doar a determina dac comportarea este haotic sau nu, respectiv ct de haotic, atunci se
dovedete c secvena discret a doar unei variabile este suficient.
Ar fi tentant sa ne bazm analiza sistemului pe traiectorii continue n timp, x(t),
vectorul reprezentnd un set complet de variabile dinamice ale sistemului (un set complet
este numrul minim de variabile necesare pentru a specifica uneia, starea sistemului).
Experimentele reale ns implic eantionri la momente discrete de timp ale variabilelor
msurate, calculele numerice, absolut necesare pentru studiul majoritii sistemului
neliniar, de asemenea lucreaz cu pai finii de timp. Din aceste motive trebuie s pornim
de la aceste secvene discrete in timp. Alegerea pasului t adecvat, este delicat. Dac avem
la dispoziie un ir infinit de valori neafectate de zgomote, atunci aproape orice t este bun
n irul real, cnd dispunem doar de un ir finit de valori, i acestea contaminate de
zgomot.

Vom discuta unele detalii practice privind implementarea calculelor de scufundare

din seciunea precedenta. Vom ncerca s justificm unele reguli de mn privind
alegerea numrului de puncte traiectorie, ntrzierea temporal intre componentele
vectorilor, dimensiunea spaiului de scufundare si saltul temporal intre vectorii succesivi.
Viteza de calcul a calculatorului i capacitatea memoriei ne impun s facem un compromis
intre timpul de calcul necesar i precizia rezultatelor. Dorim s nu efectum mai multe
calcule dect sunt necesare pentru a obine un nivel de precizie specificat.
Vom presupune, c i pn acum, c lucrm cu nregistrarea temporala a valorilor
unei singure variabile dinamice a sistemului. S presupunem c intervalul de timp t intre
dou eantioane succesive, este un parametru pe care-l putem controla. Dac folosim o
tehnic de eantionare bazat pe seciunea Poincar, atuncit este determinat de dinamica
sistemului. n acest caz trebuie s folosim mai multe seciuni Poincar pentru sisteme,
pentru a vedea dac rezultatele noastre depind de localizarea seciunii in spaiul strilor.
O scar temporal fundamental pentru comportarea sistemului este intervalul de
timp numit timp de autocorelare, definit cu ajutorul funciei autocorelaie
g(n)= xk*xk+n/ xk2
k

g(n) compar o valoare din seria temporal cu o valoare localizat n uniti de timp mai
departe. Dac in medie, aceste valori sunt corelate atunci, g(n)=0. Dac sunt aproape
aceleai, atunci g(n)=1. Pentru date provenite de la sisteme haotice, ne ateptm ca funcia
autocorelaie s scad exponenial in timp: g(n)=ae-nc, c fiind timpul de autocorelaie.
Acest timp va determina scara in care vom alege mai muli parametrii ai schemei de
scufundare.
Un alt interval de timp pe care l controlm, este intervalul intre componentele
succesive ale fiecruia din vectorii spaiului de scufundare. Nu este necesar s luam
eantioane succesive, s zicem (x4,x5,x6,). Putem alege, de exemplu, (x4,x9,x14,),
componentele succesive fiind acum separate prin cinci intervale de eantionare. Vom numi
intervalul de timp tL, intre componentele succesive ale unui vector din spaiu de
scufundare, de faz j (decalaj) temporal. Aceasta este un multiplu al timpului de
eantionare: tL=Lt, cu L=1,2,.
Experiena a artat c ceea ce pare a fi crucial este intervalul total de timp (terestra
temporala) acoperit de vector, (d-1)tL. Dac el este prea scurt sau prea lung, atunci
regiunea de scalare pentru suma de corelaie pare s devin foarte restrnsa. S-a sugerat c
alegnd acest interval de timp de cca. (23) se obine regiunea de scalare cea mai extins.

De asemenea, putem alege intervalul de timp tj dintre vectorii succesivi, numit

timp de salt. Dorim un tj mic pentru a putea reprezenta majoritatea detaliilor geometrice ale
atractorului. Adesea alegem tj astfel nct vectorii folosii s fie uniform reprezentai in
timp, pe setul de date.
Un al patrulea interval temporal pe care-l putem alege este un timp minim de
separaie dintre vectorii de comparat in suma de corelaie. Adic, vom compara xi si xj
numai dac componentele corespunztoare sunt separate in timp printr-un interval de cel
puin tc, pe care l vom numi timp de comparare. Acest criteriu va evita o corelare excesiv
datorat numai faptului c eantioanele apar aproape in timp. Aceast problem nu apare
dac folosim date obinute prin seciunea Poincar. Apar probleme dac tc este prea mic
pentru seturi de date autocorelate, adic eantioane care nu se modific semnificativ pe
un interval larg de timp. Putem evita aceste probleme dac alegem tc>.
In final, numrul total de puncte date, N, este bine s fie mare, dar timpul de calcul
creste rapid cu N si trebuie s facem un compromis.
Pentru alegerea lui ts, tL, tJ si N avem nevoie cel puin de unele estimri grosiere ale
caracteristicii atractorului. In majoritatea cazurilor, acestea pot fi estimate din seria
temporala nregistrat.
1. Trebuie s cunoatem intervalul de timp necesar unei traiectorii s nconjoare
atractorul. Acesta este, grosso-modo, echivalent cu intervalul de timp intre
intersecii succesive ale seciunii Poincar, dac ar fi utilizat o eantionare prin
seciunea Poincar. Notm acest interval de timp cu tp (timpul Poincar). Dac
datele nregistrate sunt chiar eantioane prin seciunea Poincar, atunci ts=tp.
2. Avem nevoie de o estimare a mrimii atractorului. Din nregistrarea variabilei
x, avem intervalul de valori ale lui x vizitate de date. S notm mrimea
acestui interval cu A. Atunci, ntr-o scufundare De-dimensional, volumul
ocupat de atractor va fi aproximativ ADe, pentru De<c, c fiind dimensiunea
corelaie a atractorului. Pentru De>c, volumul real al atractorului va fi
determinat de c.
3. n sfrit, avem nevoie de o estimare a timpului de autocorelaie i a vitezei de
divergena a punctului traiectoriei vecine. Aceast vitez se poate estima
calculnd exponentul Liapunov pentru setul de date 1D.
n plus mai trebuie s lum in consideraie i precizia cu care au fost nregistrate
datele. n mod obinuit specificm aceast precizie prin numrul de bii folosii pentru
reprezentarea datelor. Dac datele sunt prelevate experimental, acest numr este de regul

determinat de convertorul A/D (controlat prin computer). Dac datele sunt generate prin
rezolvare numeric de ctre computer a unor ecuaii, atunci numrul de bii este determinat
de softul utilizat. nregistrarea experimentala a datelor se face cu o rezoluie de minim 8
bii. n msurtori de precizie mai mare se face CA/D pe 14 sau 16 bii. n simulare
numeric pe PC simpla precizie nseamn apte cifre zecimale, iar dubla-precizie, 15
sau 16 cifre.
Preocuparea fundamental cnd se aplic tehnica scufundrii este de a folosi
suficiente date pentru a caracteriza in mod rezonabil atractorul, alegnd corect timpul de
ntrziere i cel de salt pentru a evita corelaii false.
Mai concret, vrem s avem suficiente date astfel nct n vecintatea fiecrui vector
dintr-un spaiu de scufundare De-dimensional s fie un numr suficient de vectori pentru a
obine o estimare precis a sumei de corelaie. Vrem totui, ca aceti vectori s consiste din
puncte date separate rezonabil in timp astfel nct compararea s se refere la punctele
traiectoriei care are trecut printr-o regiune particular din spaiul strilor la momente de
timp destul de distincte.
S ncepem analiza cu timpul de eantionare. In general, dorim ca timpul dintre
eantioane succesive s fie mult mai mic dect tp, timpul necesar nconjurrii
atractorului. Vom culege astfel eantioane din aproape toat regiunea atractorului. Desigur,
acest lucru este discutabil dac folosim o schem de eantionare prin seciunea Poincar.
Totui, n multe cazuri timpul de eantionare a fost deja fixat printr-un criteriu
experimental i trebuie s acceptm datele pe care le avem.
Referitor la timpul de decalaj tL ntre componentele succesive ale unui vector,ni-l
dorim suficient de mare astfel nct componentele succesive s fie independente. Timpul
necesar pentru independena este dat, grosso-modo, de reciprocul exponentului Liapunov
pozitiv pe setul de date, adic de 1/. Ca o regul grosier de mn, alegem tL astfel nct
intervalul total de timp pe care se ntinde un vector De-dimensional dat, adic (De-1) tL,
s fie mai mare dect, s zicem de trei ori, timpul de autocorelaie , adic
(De-1)tL>3/.

Dac alegem (De-1)tL<1/ (sare dect timpul de autocorelaie) atunci vectorii de

scufundare vor tinde s se aglomereze in jurul unei linii de 45, trecnd prin originea
spaiului de scufundare, fiindc toate componentele vor tinde s aib aproape aceleai
valori numerice.

Xi+2

n acest caz vectorii nu vor da

o

bun

reprezentare

geometriei

atractorului

in

spaiul strilor original. Dac

am avea la dispoziie, ipotetic
vorbind, o mare cantitate de
date pentru o precizie extrem

Xi+1

de ridicat, am putea nct

extrage dimensiunea relativ i
din aceti vectori. n realitate
ns, zgomotul experimental

X1

sau erorile de rotunjire din calcule, pot masca detaliile finale.

Timpul de salt tj dintre vectorii de scufundare succesivi este de dorit s fie
suficient de mic astfel nct s putem vedea traiectoria pe msur ce ea evolueaz pe
atractor. Un tj prea mic duce ns la un numr de puncte-date necesar prea mare. Mai mult,
dac vectorii sunt mai apropiai in timp dect, grosso-modo, timpul de autocorelaie, atunci
nu aflm nimic nou comparnd vectorii fiindc ei sunt aproape identici. De aceea, in
general, alegem tJ mai mare de cteva ori dect timpul de autocorelaie.
Numrul total de puncte-date necesar trebuie s asigure un numr suficent de
vectori in vecintatea fiecrui vector, pentru a obine o caracteristic rezonabil a
atractorului. Pentru o scufundare De-dimensional, volumul atractorului este aproximativ
ADe, A fiind o estimare a razei atractorului. Dac folosim un numr total de M vectori,
atunci vom avea m=M/ADe vectori (sau puncte traiectorie) pe unitatea de volum din spaiul
de scufundare.
n sfera de raz R, folosit de calculatorul sumei de corelaie, centrat pe un puncttraiectorie dat, ne ateptm s avem, in medie, mRDe=(R/A)dM puncte-traiectorie. Dac am
colectat datele cu o rezoluie de b bii, atunci cel mai mic Rmin=A/2b. n practic vom folosi
un Rmin ceva mai mare, s zicem A/2b-2, pentru a evita efectele datorate rotunjirilor
numerice. S presupunem acum, c pentru a obine n interiorul vecintii de raz Rmin.
atunci

N=(Rmin/A)d*M=(1/2b-2)d*M

De exemplu, dac alegem N=2 (doar dou puncte ntr-o vecintate) o rezoluie pe
b=8 bii i un spaiu de scufundare De=3 dimensional, rezulta M=16.384 de vectori
necesari. Deci, chiar i pentru acest caz modest, avem nevoie de un numr mare de punctedate. Ce este mai ru, numrul necesar de puncte-date crete exponenial cu dimensiunea
de scufundare.
O alt filozofie n alegerea numrului de puncte-date este de al face pe M att de
mare astfel nct s fie cam tot attea puncte-traiectorie intr-un plan tranversal la o
traiectorie dat. Astfel vom fi siguri c vor exista suficiente puncte traiectorie in
vecintatea unui punct traiectorie dat, si deci vom putea calcula proprietile geometrice
ale atractorului, rezonabil de bine.
n general, am dorit s avem ct de multe puncte posibile pentru a calcula
dimensiunea entropii si aa mai departe. n practic, numrul de puncte-date este limitat fie
de capacitatea de nregistrare a echipamentului (unele osciloscoape digitale pot nregistra
numai 1000 sau 2000 de eantioane succesive) sau de timpul de calcul necesar, calcului
mrimilor de interes. n multe cazuri dorim s vedem cum, de exemplu, dimensiunea
corelaiei se modific datorit modificrii unui parametru de control sau intr-o instalaie
medical dorim s folosim o caracteristic a unei nregistrri EKG pentru a monitoriza, in
timp mai multe sau mai puin real, starea unui pacient. Este necesar deci un compromis
intre precizie (care necesit numrul de puncte-date pe care le putem folosi). Practic,
cteva mii de puncte-date par a fi suficiente pentru o estimare rezonabil a dimensiunii
corelaiei pentru sistemele cu o dinamic, avnd un numr mic de dimensiuni.
Dac sistemul este condus de o fora extern periodic, perioada T acestuia impune
un interval natural pentru eantionarea dinamicii sistemului. n acest caz, eantionarea unei
variabile a sistemului o efectum la o faz particulara a forei exterioare, obinnd o
eantionare prin seciunea Poincar. n acest caz ts=tp=T. Este rezonabil s alegem i
tl=tJ=ts, deoarece eantioanele de variabil sunt deja rezonabil separate in timp. n
concluzie, trebuie doar s ne asigurm c avem un numr suficient de puncte-date. Totui,
analiza trebuie repetat pentru diferite valori ale fazei pentru a vedea dac rezultatele
depind de faza. Diferitele faze aeaz seciune Poincar in diferite pri ale atractorului i
nu exist un motiv general ca s credem c dimensiunea corelaiei, de exemplu, trebuie s
fie exact aceiai peste tot pe atractor.

n concluzie, paii de parcurs sunt urmtorii:

1. Pornind de la seria temporal a unei singure variabile, se stimeaz mrimea A, a
atractorului, cel mai mare exponent Liapunov , timpul de autocorelaie , timpul
Poincar tp (timpul necesar pentru a nconjura atractorul).
2. Se alege apoi timpul de eantionare ts<<tp. Dac eantionarea se face cu vectorul
Poincar, atunci ts=tp.
3. Se alege tL (timpul de ntrziere ntre componentele succesive ale unui vector din
spaiul de scufundare) astfel nct ntreaga ntindere temporala a unui vector, (De-1)tL,
s ndeplineasc condiia: (De-1)tL>3x-1.
4. Se alege timpul de salt tJ (timpul dintre vectorii succesivi) astfel nct vectorii s
acopere atractorul in mod uniform, cu intervale temporale suficient de mari pentru a
putea culege detalii ale atractorului. Pentru datele obinute prin seciunea Poincar,
alegem tJ=tp.
5. Alegem un numr total de puncte-date pentru a satisface ecuaia N=(Rmin/A)d*M=(1/2b2 d

) *M.

6. Rezultatele obinute trebuie verificate privind dependena lor de ts,tJ,tL i un numr total
de puncte-date. Pentru datele obinute prin seciunea Poincar, se repet calculele
pentru alte poziii ale seciunii Poincar n spaiul strilor. Aceast verificare va furniza
estimri privind incertitudinile asociate rezultatelor.

Capitolul 4
Reconstrucia dinamicii pe baza unei serii temporale
obinut experimental
4.1 Introducere
O problem de importan practic const n a reconstrui dinamica, adic atractorul
unui sistem dinamic, atunci cnd avem la dispoziie un ir finit de valori, determinate
experimental, pentru o mrime care nu este neaprat o variabil de stare. n principiu,
metoda prezentat n capitolul precedent este aplicabil, dar apar complicaii suplimentare
datorit numrului finit de valori eantionate, care de regul este mic. n plus, valorile sunt
afectate de erori inerente de msur (zgomot).Algoritmii numerici trebuie s compenseze
aceste cauze. n cele ce urmeaz se vor prezenta unii din algoritmi folosii n acest scop.
Se presupune c valorile eantionate sunt uniform distribuite n timp. Astfel, la
fiecare interval t apare un nou vector, iar t e constant. Un asemenea set de date va fi
referit ca o serie de M vectori X 0, X 1,, X

M-1,

unde fiecare vector e N-dimensional:

X i=(Xi0, Xi1,, Xin-1). Dac datele sunt dintr-un singur canal de msur, vectorii devin

cantiti scalare: X i=Xi0. Alternativ, datele pot proveni din N canale: X 0, X 1,, X

N-1

unde fiecare canal consist din M eantioane consecutive, X j=(X0j, X1j,, XM-1j).
Seturile de date vin n dou forme distincte ce trebuie a fi deosebite la
implementarea metodei de analiz. Prima e reprezentat de datele multidimensionale
provenite din canale multiple, ca de exemplu tensiunea i curentul nregistrate simultan
dintr-un circuit. A doua form e reprezentat de datele scalare provenite dintr-un singur
canal, unde la fiecare pas se face o singur msurtoare. n acest caz celelalte dimensiuni
pot fi construite prin manipularea datelor originale. Dac o singur variabil a sistemului
poate fi observat X(t), atunci (n+1) vectori dimensionali sunt construii n forma (X(t),
X(t+T),., X(t+nT)). Aceasta e metoda ce permite reconstruirea dinamicii n spaiul
strilor pornind de la o singur coordonat, fundamentat de Takens i Mane. Aplicarea ei
la datele de provenien experimental a fost fcut pentru prima dat de ctre Packard.
Eckmann i Ruelle au perfecionat metoda lui Packard, i va fi prezentat n continuare.
Se considera o serie de date X1j, X2j,., Xnptsj. Pentru reconstrucie sunt utilizai doi
parametri, o ntrziere d i o dimensiune de mbinare D .D descrie dimensionalitatea

vectorilor, iar d descrie separaia dintre punctele de date. Alegerile potrivite pentru aceti
parametri pot fi fcute prin analizarea seriilor de date. Astfel urmtorii vectori sunt creai:
Y 0=(X0j, Xdj, X2dj,.., Xj(D-1)d)
Y 1=(X1j, X1+dj, X1+2dj,.., Xj1+(D-1)d)

Y M-1-(D-1)d=(XjM-1-(D-1)d, XjM-1-(D-2)d,.., XjM-1)

Relaia dintre componenta a a vectorului b cu datele originale e data de:
Yab=Xjb+(a-1)d
Se observ c seria reconstruita conine (D-1)*d mai puini vectori dect originalul.
Acest lucru se ntmpl deoarece fiecare vector reconstruit se ntinde de-a lungul a D*d
vectori consecutivi de date.

4.2 Nestaionaritatea irului de valori experimentale.

Identificarea nestaionaritii e o sarcin foarte importanta nainte de a ncerca o
analiz cantitativ. Nici o metod nu poate spune 100% sigur c nu a aprut o deviaie a
parametrilor, deoarece unii cuantificatori statistici pot rmne constani pe setul de date
chiar dac unele proprieti ale sistemului care genereaz datele se schimb rapid.
Pentru a identifica deviaiile aprute n parametrii sistemului, se analizeaz cum se
modific mediana i deviaia standard atunci cnd sunt vizualizate la trecerea ferestrelor de
date.
Principalii parametrii ce intereseaz sunt lungimea ferestrei i statistica
discriminant. O bun alegere a statisticii e mediana, deoarece o median fluctuant indic
faptul c datele fluctueaz gradat de-a lungul timpului. Cu fereastra potrivit, msurarea
medianei poate fi folositoare n identificarea variaiilor de mici dimensiuni.
Presupunem c cineva se uit la median cu un set de date de lungime n prin o
fereastra w. Astfel lui X1 i se atribuie mediana calculat a punctelor de la X1 la Xw, lui X2
mediana punctelor de la X2 la Xw+1 ajungnd n final c lui Xn-w s i se atribuie mediana
valorilor de la Xn-w la Xn. Astfel se poate observa cum valoarea medie se schimb de-a
lungul timpului.

Alegerea unei ferestre potrivite e foarte important. O fereastr prea mic ascunde
dinamica, iar o fereastr prea mare duce la o median mare a fluctuaiilor. De aceea se
recomand ncercarea a cteva ferestre

4.3 Alegerea timpului de ntrziere

Pentru alegerea timpului de ntrziere se folosesc dou mrimi: autocorelaia,
respectiv informaia mutual.
Autocorelaia
Autocorelaia e definit pentru o serie de date x astfel:
x= ( x x)

Corelaia r dintre dou date x si y e urmtoarea:

r= ( x x)( y y )

x y

Autocorelaia r e dat de corelaia seriei cu ea nsi.

O alegere bun a timpului de ntrziere corespunde primei intersecii a
autocorelaiei cu zero. Aceast reprezint cea mai mic valoare a ntrzierii pentru care x i
y sunt necorelate. ns, deoarece funcia autocorelaie e o msur liniar, ea nu e utilizabil
la eficiena maxim n toate situaiile.
Informaia mutual
Informaia mutual pentru dou variabile aleatoare continue X i Y, cu o funcie
comun de densitate f(x,y), e dat de relaia:
I=I(X;Y)=f(x,y)log

f ( x, y )
dxdy
f ( x) f ( y )

O alegere bun a timpului de ntrziere T e atunci cnd pentru un X(t) dat ofer noi
informaii cu msurtoarea X(T+t). Un grafic I(T) ncepe de sus, iar cu ct T crete I(T)
descrete, apoi crete din nou. Fraser i Swinney au sugerat folosirea primului minim din
I(T) pentru selectarea lui T, artnd astfel prima instana cnd data original ofer nite
informaii despre forma sa temporal ntrziat. O valoare rezonabil a timpului de
ntrziere corespunde deci primului minim al informaiei mutuale. Acest criteriu este
preferabil autocorelaiei, deoarece informaia mutuala poate msura corelaii nonliniare.

Nici unul din cele dou criterii nu conduce ntotdeauna la valori corecte pentru timpul de
ntrziere,astfel c este recomandat utilizarea ambelor.

4.4 Alegerea dimensiunii spaiului de scufundare

Dimensiunea Corelaie
Dimensiunea corelaie se determin utiliznd algoritmul Grassberger-Procaccia.
Ideea e aceea de a construi o funcie C() ce reprezint probabilitatea ca distana dintre
dou puncte arbitrare de pe o orbit s fie mai mic dect un ales arbitrar. Pentru aceasta
se calculeaz separaia dintre fiecare pereche de N puncte i apoi se sorteaz n lungimi d
proporional cu . Dimensiunea corelaie e data de: D=

d log(C )
, cu 0 i N; ea
d log( )

corespunde pantei curbei C(), n sistem de coordonate log-log.

Algoritmul de calcul este de ordinul n2, deci trebuie nceput cu serii de date mici.
Prin selecia unei estimri aproximative se poate grbi procesul. Dac valoarea pasului e
crescut la n, atunci doar al n-lea punct va fi folosit n estimarea dimensiunii corelaiei.
Astfel un pas de dimensiunea patru va face ca programul s ruleze de patru ori mai repede.
Punctele apropiate n timp pot avea o corelaie mare ce s duc la distorsionarea estimrii
dimensiunii corelaiei. Aceast problem poate fi rezolvat fie prin reducerea vitezeide
eantionare, fie prin folosirea unui numr mai mare de orbite relativ la mrimea setului de
date.

Metoda falilor vecini (FNN)

Aceast metod gsete cel mai apropiat vecin al oricrui punct al traiectoriei,
presupus a se dezvolta ntr-un spaiu al strilor de dimensiune aleas, apoi verific dac
aceste puncte rmn vecine i dac se mrete dimensiunea spaiului cu o unitate. Dac
punctele nu mai sunt vecine, atunci n spaiul anterior ele erau fali vecini (FNN- False
Nearerst Neighbours). Procentajul de vecini fali tind spre zero cu ct ne apropiem mai
mult de dimensiunea corespunztoare a spaiului de scufundare. Practic, se consider o
bun alegere a dimensiunii spaiului de scufundare atunci cnd procentul de fali vecini nu
depete o valoare impus.
Un vecin dintr-un spaiu n-dimensional e considerat fals dac distana dintre punct

i vecinul su ntr-un spaiu (n+1) dimensional este mai mare dect distana medie dintre
punct i vecinul su n fiecare din dimensiunile anterioare. Concret, pentru fiecare vector

X=(X1, X2,.,Xn) din serie se caut cel mai apropiat vecin Y=(Y1, Y2,.,Yn) ntr-un
spaiu n-dimensional. Se calculeaz apoi distana ||X-Y||, se itereaz ambele puncte i apoi
se calculeaz
Rn=

X n+1 Yn +1
X Y

Primul criteriu considerat e acela c dac Rn depete un anumit prag stabilit de

utilizator atunci acest punct e considerat un vecin fals. Falii vecini pot fi identificai i prin
un al doilea criteriu dac ||X-Y||>Tolerana unde tolerana este una specificat de

utilizator, multiplicat de mrimea atractorului. Dimensiunea cutat e aceea n care

procentajul vecinilor fali e foarte aproape de zero.

4.5. Determinarea exponentul Liapunov

Determinarea exponentului Liapunov din date experimentale afectate de zgomot
este un lucru dificil de realizat. Dei se cunosc multe metode, nu exist o siguran deplin
c aceste metode dau rezultate corecte n toate situaiile. Un test al corectitudinii const n
a verifica dac suma tuturor exponenilor este negativ, aa cum trebuie s fie pentru un
sistem dinamic disipativ.
Vom prezenta modul de calcul al exponentului Liapunov pe baza unei serii
temporale de date 1D. Pentru simplificare vom nota x(t)=x0, x(t1)=x1,.Vom presupune
c intervalele de timp la care se face eantionarea sunt egale. Din seria temporal selectm
dou valori apropiate, de exemplu xi i xj, dup care calculm irul

d0=xj-xi

d1=xj+1xi+1
...
dn=xj+n-xi+n
Va crete exponenial, cel puin in medie, pe msur ce n crete.
Aproximm termenii irului printr-o lege exponenial,
dn=d0*en,
de unde
=1/n*ln*dn/d0.
Aceasta este relaia de definiie a exponentului Liapunov. Dac comportarea
sistemului este haotic, atunci dn>d0 respectiv >0. De fapt, am localizat dou puncte

vecine de pe traiectorie si am urmrit diferenele dintre dou traiectorii care evolueaz de

pe fiecare din cele dou puncte iniiale.
Unele precizri tehnice:
1. Am presupus o vitez exponenial de separare a celor dou traiectorii. Pentru o
serie temporal dat, aceast presupunere trebuie verificat atent: se reprezint grafic
ln(dn), in funcie de indicele n; daca separarea este exponenial, punctele cad aproape pe o
dreapt, a crei pant este chiar . O fitare prin metoda celor mai mici ptrate va da
dreapta, i o msur a calitii acestei fitri.
2. Valoarea lui depinde in general de valoarea xi aleas ca valoare iniial i deci
calculul trebuie repetat pentru un numr N (cca.30-40) de valori iniiale xi distribuite pe
atractor. Atunci valoarea medie a lui pentru atractor este data de relaia
N

=1/N* (xi)
i =1

Din valorile (xi) putem calcula o deviaie standard pe care o putem folosi ca un
estimator al incertitudinii asociate cu acea valoare medie.
Vrem ca s reflecte faptul c unii xi apar mai frecvent dect alii, adic
traiectoriile viziteaz unele pri ale spaiului strilor
3. Pentru sistemele mrginite de care ne ocupm , numrul de n pai nu poate fi
prea mare , x(t) este mrginit dimax(xn)-max(xn), iar creterea exponeniala a lui d nu
merge la nesfrit. Trebuie deci s-l limitm pe n. Pentru aceasta este util s reprezentm
grafic secvena di pentru a vedea la ce n apare saturaia. Valoarea lui n depinde i de
valoarea lui si a lui d0. Dac d0 este fcut mic, alegndu-l pe xj mai aproape de xi, atunci
creterea exponenial va continua pn la valori mai mari ale lui n.
4. Dac secvena de valori a lui x corespunde unui componente periodice, valorile
lui dn trebuie s fie foarte mici sau zero, deoarece traiectoria se rentoarce la exact acelai
set de valori. Astfel, metoda se va da =0 reflectnd faptul c dn nici nu crete, nici nu
descrete. Punctele traiectoriei de pe o orbit periodic nu diverg. Pentru o direcie din
spaiul strilor transversala unei traiectorii vecine este atras de ctre orbita stabil. Seria
temporal de valori, de pe traiectorie nu poate spune cum sunt atrase. Sunt necesare
metodele mai generale.
5. Sunt restricii privind valoarea lui j pe care o folosim la un xi dat. Dac seria
temporal se obine dintr-o eantionare a unei cantiti care variaz neted, atunci nu vom
alege j prea aproape de i, deoarece aceste doua valori sunt apropiate in timp. Ne ateptm

ca si cele doua traiectorii, construite pe xi si xj ca puncte iniiale, vor rmne apropiate si

deci vom obine valori anormal de mici pentru (xi).
6. Exist o limit practic a valorii minime a lui d0. Numrul de zecimale cu care s-au
calculat xi, ori s-au msurat, pune o limita inferioar pentru d0. De exemplu, dac datele au
fost nregistrate cu trei zecimale, atunci nu putem cere ca d0 s fie mai mic. Precizia finita
face ca intr-o secvena lung s apar valori identice.

Capitolul 5
Un test simplu pentru identificarea haosului
n sisteme dinamice deterministe
5.1 Introducere
Metoda reconstruciei dinamicii pe baza unei serii temporale generate de sistemul
dinamic, prezentat n capitolele 3 i 4, are dezavantajul c presupune multe calcule i
alegeri de parametrii pe baza unor criterii a cror efect nu este ntotdeauna controlabil.
Rezultatul ns recompenseaz acest efort deoarece se obin multe informaii privind
sistemul dinamic care a generat seria temporal. Acest lucru este deosebit de important
dac dinamica este complex i dac regulile care guverneaz evoluia sistemului nu sunt
cunoscute.
n aceast situaie ne intereseaz n primul rnd dac neperiodicitatea prezentat de
datele experimentale este datorat unei dinamici haotice a unui sistem determinist, dac
este rezultatul unui proces pur aleator sau se datoreaz contaminrii cu zgomot aleator a
unui semnal periodic. Rspunsul la aceast ntrebare l ofer semnul celui mai mare
exponent Liapunov, determinat cu ajutorul seriei temporale.
n al doilea rnd, dac am stabilit c sursa seriei de date experimentale este
activitatea complex a unui sistem dinamic determinist, ne intereseaz cte grade de
libertate are sistemul. Mai concret, este aspectul neperiodic al datelor prelevate rezultatul
evoluiei unui numr extrem de mare de variabile ( ca de exemplu n cazul unui gaz), sau
se datoreaz unui numr relativ mic de variabile (ca n cazul modelului Lorentz).
Dimensiunea spaiului de scufundare ne ofer o msur a numrului de grade de libertate
active, sau dominante, ale sistemului. Spre exemplu, modelul Lorentz privind dinamica
unei celule atmosferice, n prezena conveciei termice, avea iniial 27 de variabile de stare.
Simplificri succesive, bine motivate, au redus modelul la doar 3 variabile, care sunt cele
dominante, adic impun carecterisicile distinctive ale dinamicii sistemului fizic.
n multe situaii practice, suntem interesai doar de a tii dac seria temporal
generat de o cutie neagr, despre care tim doar c conine un sistem determinist,
corespunde unei dinamici periodice, regulate, sau unei dinamici haotice (n sensul n care
am definit acest termen). n astfel de cazuri se dovedete util un test care s fie simplu de
efectuat, aciunea lui s fie controlabil, i el s poat fi efectuat n timp real, dac seria

temporal este achiziionat experimental. Testul trebuie s funcioneze bine n condiiile

unui numr relativ redus de termeni ai seriei i n prezena zgomotului datorat preciziei
limitate a sistemului de msur i de achiziii de date.
n cele ce urmeaz vom prezenta un astfel de test, pe care l vom verifica folosind
date generate de sisteme dinamice cu dinamic cunoscut. Acest test are dou avantaje
majore fa de metoda bazat pe calculul exponentului Liapunov maxim:
(i) Testul se aplic direct datelor experimentale, astfel nct reconstrucia spaiului
strilor, care precede calculul exponentului Liapunov, nu mai este necesar. Testul se
aplic la fel de bine att la sistemele n timp continuu, ct i la cele n timp discret, modelul
matematic concret prin care poate fi descris sistemul dinamic ne-avnd nici o relevan
(poate fi de tipul ecuaii difereniale ordinare sau de alt tip, aplicaii iterate, etc.);
(ii) Este un test binar n esen, n sensul c o valoare final 0 nseamn
comportament regulat, periodic, iar o valoare sensibil mai mare dect 0, teoretic 1,
nseamn comportament neregulat, adic haotic. Acesta este un mare avantaj fa de
metoda bazat pe calcului celui mai mare exponent Liapunov, cnd o valoare, de exemplu
0.01 trebuie interpretat ca un comportament haotic, dei ea ar putea rezulta prin efectul
unor imprecizii de calcul, valoarea real fiind, de exemplu, -0,01, ceea ce nseamn regim
periodic, concluzie total diferit de cea precedent. n testul care va fi prezentat, valoarea
0,01 de exemplu, este asimilat valorii 0, adic regimul este periodic.

5.2 Descrierea testului

Presupunem c dispunem de o serie de valori (n), n=1,2,3,..., ale unei mrimi
observabile (t). Cazul de interes practic este acela cnd (n) rezult n urma unei
achiziii de date, printr-un senzor conectat la un sistem dinamic determinist. Spre exemplu,
poate fi curentul absorbit de un motor, sau o alt mrime msurabil.
Se alege n mod aleator o constant cR i apoi se calculeaz mrimea

p(n)= ( j ) cos( jc ) ,

n=1,2,3,...

j =1

care reprezint o medie a valorilor (n), funcia de probabilitate fiind cos(nc).

Calculm apoi distana medie ptratic dintre dou puncte ale irului p(n), cu
ajutorul relaiei

1
M(n)= lim
n N

[ p ( j + n) p ( j ) ]

n=1,2,3,

j =1

Dac dinamica sistemului este periodic (sau cvasiperiodic), atunci cu

probabilitatea 1, M(n) e o funcie dependent de n. Dac ns dinamic este haotic, atunci
cu probabilitatea 1, M(n)=Vn+O(1) pentru V>0 .
Definim creterea asimptotic a irului M(n), ntr-un sistem de coordonate log-log,
prin :
K= lim
n

log M (n)
.
log n

innd cont de precizarea de mai sus,

1. K=0 nseamn dinamic normal (regulat, periodic);
2. K=1 nseamn dinamic haotic.

irul de date fiind colectat experimental, el este finit, adic 1 n N, unde N este
numrul de valori pentru .
Pentru irul finit de valori (n),distana ptratic medie este dat de relaia
2

1 N n
M(n)=
[ p ( j + n) p ( j )] .
N n j =1
Avnd n<<N este normal s ne ateptm ca M(n) s scaleze cu n ntr-un mod
similar cu n cazul seriei.
Practic, pentru calculul lui K vom reprezenta valorile log(M(n)+1)) n funcie de
log n, pentru 1 n N1, unde 1NN (termenul 1 a fost adugat pentru a evita logaritmii
unor numere negative). Este convenabil s alegem N1=N\10. n aceste condiii K
reprezint panta dreptei obinut ca regresie, prin metoda celor mai mici ptrate, a funciei
log(M(n)+1))-log n. Dac panta K este aproape de zero, atunci dinamica este periodic, iar
dac panta K este aproape de 1, atunci dinamica este haotic.
Pentru serii scurte de date, cu sau fr zgomot suprapus, poate apare un efecte de
rezonan ntre anumite valori ale lui c i frecventele din dinamica dominant a sistemului.
Pentru a evita acest fenomen, se repet calculul lui K pentru diferite valori ale lui c. Apoi
se determin valoarea median a lui K, care reprezint mrimea de ieire a testului.
Vom exemplifica acest text pentru aplicaia
xn+1=xn(1-xn),

considernd c parametrul variaz ntre 3,5 i 4 cu pasul 0.001. ncepnd cu condiia

iniial 0.0001, utilizm N=1000 iteraii, dup un transient de 20.000 de iteraii. Facem

(n)=xn.
n figura 1 se vede cum metoda veche se compar cu testul modificat, unde pentru
testul modificat se consider mediana a 100 de valori diferite ale lui c. Este evident o
mbuntire dramatic n testul nostru. O critica evidenta e aceea c K e ntotdeauna
departe de 1 pentru serii de date scurte. Mai ncolo vom demonstra c aceast problem are
o importana neglijabil comparativ cu metoda tradiional. Singurul scop n aceast parte
e de a compara cele doua teste.

Figura 1
n figura 2 vom compara efectele utilizrii a 1,10 de valori diferite ale lui c. Este
evident c o singur alegere a lui c nu este eficient i c utilizarea a 10 valori pentru c
reprezint o mbuntire semnificativ, cu toate c unele ferestre sunt slab definite. Acest
lucru e remediat folosind 100 de valori ale lui c; creterea la 1000 de valori nu aduce o
mbuntire semnificativ. Pe parcursul lucrrii se vor utiliza 100 de valori.

Figura 2

5.2.1 SCHEMA BLOC A ALGORITMULUI

5.2.2 Implemantarea programului pe baza cruia se realizeaz testul

N=1000;
tran=20000;
N1=N/10;
C=100
k=0;
for i=1:C
r=0;
c=rand+1;
for u=3.5:0.001:4
%Initializare
p=zeros(1,N);
M=zeros(1,N1);
m=zeros(1,N);
logn=zeros(1,N1);
logM=zeros(1,N1);
x=zeros(1,N+tran);
r=r+1;
U(r)=u;
%Calculam pe x(n)
x(1)=0.0001;
for n=1:N+tran-1
x(n+1)=u*x(n)*(1-x(n));
end
%Calculam p(n)
for n=1:N
for j=1:n
p(n)=p(n)+x(j+tran)*cos(c*j);
end
end
%Calculam M(n)
for n=1:N1
for j=1:N-n
m(n)=m(n)+(p(j+n)-p(j))^2;
end
M(n)=1/(N-n)*m(n);
end
% Calculam logaritmi
for n=1:N1
logn(n)=log(n);
logM(n)=log(M(n)+1);
end
kn=polyfit(logn,logM,1);
k(r,i)=kn(1);
end
end
K=median(k,2);
plot(U,K), grid on

Figura 3. Reprezint graficul pentru o singur valoarea a lui c

Figura 4. Reprezint graficul pentru 10 valori ale lui c

Figura 5. Reprezentarea lui c pentru 100 valori

Figura 6. Folosind metoda celor mai mici ptrate se realizeaz regresia liniar dup
valoarea median a lui K, log (M(n)+1) funcie de log n, adic n funcie
de valoarea de mijloc, K=0.44

Figura 7. Reprezint diagrama de bifurcaie cu ajutorul creia ne putem ghida n

verificarea concludenei testului

Figura 8. Reprezint diagrama de bifurcaie cu zoom, unde se poate observa foarte bine c
anumite poriuni, n anumite valori de pe garfic (aprox. 3,85)ale lui K, acesta are 3 valori,
ce se poate observa i n rezultatele obinute din testul de mai sus <0, iar n alte
valori (aprox. 3,95), K nu are nici o valoare <0, se pot observ ferestrele
de ordine. Astfel putem afirma c testul este corect.

5.2.3 Implementarea programului n prezena zgomotului

%Zgomot
N=10000;
tran=0;
N1=N/10;
c=1.68
t=0;
a=-0,1;
b=0,1;
A=10;
T=zeros(1,N);
% Calculam f1(n)
for i=0.01:0.01:N*0.01
t=t+1;
f1(t)=A*sin(i);
f2(t)=a + (b-a) * rand;
T(t)=i;
end
% Calculam pe x(n)
x=zeros(1,N+tran);
for n=1:N+tran
x(n)=f1(n)+f2(n);
end
% Initializare
p=zeros(1,N);
M=zeros(1,N1);
m=zeros(1,N);
logn=zeros(1,N1);
logM=zeros(1,N1);
% Calculam p(n)
for n=1:N
for j=1:n
p(n)=p(n)+x(j+tran)*cos(c*j);
end
end
% Calculam M(n)
for n=1:N1
for j=1:N-n
m(n)=m(n)+(p(j+n)-p(j))^2;
end
M(n)=1/(N-n)*m(n);
end
% Calculam logaritmi
for n=1:N1
logn(n)=log(n);
logM(n)=log(M(n)+1);
end
kn=polyfit(logn,logM,1);
K=kn(1)
plot(logn,logM,'.'), grid on
plot(T,x), grid on

Figura 9. Semnalul zgomotului din acest test este cuprins ntre -1 i 1, se observ destul de
bine din diagram alura zgomotului

Figura 10. Fitarea lui K (folosind metoda celor mai mici ptrate), log (M(n)+1 funcie
de log n n prezena zgomotului. Se alege valoare median a lui K, K=0,45.

Detaliu

Figura 11. Reprezint semnalul random cuprins ntre 0.1 i 0.1, se observ c zgomotul
este mai mic dect n precedentul caz

Figura 12. O mai bun vedere a prezenei zgomotului din figura 11

Figura 13. Regresia liniar a lui K (intervalul 0,1; 0,1), log (M(n)+1) funcie de log n, iar
valoare lui este aproape de zero, K=0.02, reprezint o dinamic haotic.

BIBLIOGRAFIE

[1] JOSHUA D. REISS The analysis of chaotic time series.

Georgia Institute of Technology (2001)

[2] GEORG A. GOTTWALD, IAN MELGOURNE A new test

for chaos in deterministic systems. Proc. R. Soc. London A 460

(2004)

[3] J. P. Echmann, S. O. Kamphorst, D. Ruelle and S. Ciliberto

Liapunov exponents from time series. Phys. Rev. A 34 (1986)