1) El documento habla sobre la teoría del caos y cómo pequeños cambios en las condiciones iniciales pueden conducir a resultados muy diferentes, un fenómeno conocido como el efecto mariposa.
2) Explica que debido a la imposibilidad de conocer las condiciones iniciales exactas, los sistemas caóticos son impredecibles a largo plazo.
3) Señala que Lorenz transmitió la idea de que el caos debía buscarse en lugar de evitarse.
1. LA TEORIADEL CAOS
CAPITULO II: EL NACIMIENTO DE UNANUEVA DISCIPLINA
Dos situaciones iniciales climatológicas prácticamente similares, y que sólo difieran en el
aleteo de una delicada mariposa, pueden evolucionar, al cabo del tiempo, de modos tan
distintos que se diferencien entre sí en algo tan grande como un tornado. Esta es la
esencia del efecto mariposa: la extrema sensibilidad a las condiciones iniciales. Y esta es
una característica definitoria de los sistemas caóticos desde entonces: la existencia del
efecto mariposa o sensibilidad a las condiciones iniciales, fenómeno que ya fue intuido por
el gran matemático francés de finales del siglo XIX Henri Poincaré
Si a la sensibilidad a las condiciones iniciales añadimos la imposibilidad del conocimiento
exacto de las propias condiciones iniciales (principio de incertidumbre de Heidelberg)
tenemos como consecuencia la impredecibilidad del sistema a un largo plazo.
A modo de conclusión debemos entender que, la idea más importante por Lorenz
transmitida entonces fue “Que el caos era algo que había que buscar en lugar de algo que
había que eludir”
DINÁMICA DE SISTEMAAPLICADO
CAPITULO II: ANALISIS DE SISTEMAS DE REALIMENTACION
Un sistema de realimentación es uno o más bucles de realimentación conectados entre sí.
Un modelo es una representación simplificada de ciertos aspectos de un sistema real. Un
modelo matemático es un modelo creado en el que se utilizan conceptos matemáticos,
como funciones y ecuaciones, Cuando creamos modelos matemáticos, dejamos tras
nosotros el mundo real para adentrarnos en un mundo abstracto de conceptos
matemáticos donde se construye el modelo. Entonces manipulamos el modelo con
técnicas matemáticas o por medio de cálculos numéricos por ordenador, Finalmente,
volvemos al mundo real con la solución del problema matemático, que posteriormente se
2. convierte en una solución útil al problema real. Es importante recalcar que el principio y el
fin del proceso se sitúan en el mundo real.
En consonancia con nuestra definición de ingeniería de sistemas aplicada, es importante
comprender desde el principio que el desarrollo de modelos matemáticos se Ileva a cabo
para resolver problemas. Sin embargo, hay que señalar que la resolución de problemas
supone la resolución de modelos de Ios sistemas, cuyo comportamiento es aproximado al
de Ios problemas. Puesto que el comportamiento está dado por la evolución de Ias
variables del sistema a 10 Iargo del tiempo, resolver un problema implica la determinación
de Ios valores de Ias variables del sistema a 10 Iargo del tiempo. Esta solución, no tiene
nada que ver con un resultado deseable. Además, existe una diferencia importante entre
la solución de problemas, tal como la hemos definido, y Ias predicciones de
comportamiento.
Cualquier modelo debe tener un objetivo definido que tiene que indicarse con claridad,
implícita o explícitamente, desde el principio. Tanto el punto de vista del que hace el
modelo como et objetivo del modelo influirán en su contenido. Al construir modelos, sin
embargo, se busca una nueva percepción, como la comprensión de Ias consecuencias de
líneas de acción alternativas, y no una previsión relativa al futuro. La ingeniera de
sistemas aplicada es el arte y la ciencia del desarrollo de modelos matemáticos y su
solución analítica, y/o la utilización de la simulación para Ilegar a conclusiones fiables
acerca del comportamiento, a través de una comprensión cada vez mayor de la estructura
de realimentación subyacente.
Es bien conocido que ciertos tipos de sistemas de realimentación crean ciertos tipos de
comportamiento de sistemas. Por consiguiente, si se conoce el modo de comportamiento
de referencia existente, debería ser posible inferir la estructura del sistema de
realimentación, como el número y la estructura de Ios bucles de realimentación, su
polaridad y orden. En Ias siguientes Secciones se analizara el comportamiento de diez
estructuras básicas de sistemas de realimentación usando para ello distintas aplicaciones.
a) Realimentación positiva de primer orden
Una variable, en un bucle de realimentación positiva se realimenta a si misma
continuamente para reforzar su propio crecimiento o colapso. Un cambio inducido en
3. cualquier variable del bucle solo puede conllevar el refuerzo o aceleración del cambio
inicial. Expresiones tan familiares como el “efecto de arrastre”, el ”efecto bola de
nieve” y “circulo vicioso” que se utilizan para describir el crecimiento de un
movimiento político, la extensión de una moda y la carrera de armamento nuclear,
son características y sinónimos del fenómeno de realimentación positiva.
b) Realimentación negativa de primer orden
Los bucles de realimentación negativa tienen una mayor variabilidad en sus
posibilidades de comportamiento que Ios bucles positivos. En todos Ios cases, un
bucle negativo actúa para contrarrestar la dirección del cambio inicial en cualquiera
de sus variables, pero se observan formas diferentes de fluctuación o
comportamientos tendentes al equilibrio, cuando se pasa de sistemas de primer
orden a sistemas de segundo orden.
4. La realimentación negativa de primer orden en un sistema depende de un objetivo,
este proceso ara que el sistema se oriente o dirija hacia el objetivo.
En el caso de Dinámica de sistemas la finalidad de la retroalimentación negativa de
primer orden es hacer que la magnitud del nivel se aproxime hacia el objetivo
planteado.
Asumiendo que la mayoría de los niveles cuentan con unidades que no admiten
valores negativos, se pueden plantear 2 tipos de objetivos.
El Primero “META CERO” Intentará hacer desaparecer la magnitud del nivel.
El Segundo “META DISTINTA DE CERO” Hará que la magnitud del nivel se
dirija y aproxime a un valor mayor que cero.
- Retroalimentación Negativa Meta Cero