Desigualdades de Lyapunov precisas y la aparición del caos en sistemas fraccionarios discretos

Por qué los sistemas con memoria pueden volverse de repente indómitos

Muchos procesos a nuestro alrededor —desde materiales que se relajan lentamente hasta controladores digitales en ingeniería— no reaccionan solo a lo que ocurre ahora. “Recuerdan” su pasado. Este artículo muestra cómo ese tipo de memoria, descrito por una rama de las matemáticas llamada cálculo fraccionario, puede empujar discretamente a un sistema que parecía bien comportado hacia un movimiento impredecible, parecido al caos, y cómo reglas de control cuidadosamente elegidas pueden devolverlo desde el borde del abismo.

Añadiendo memoria a modelos paso a paso

La mayoría de los libros de texto describen el cambio usando curvas suaves y derivadas ordinarias. En contraste, los autores estudian sistemas que evolucionan en pasos discretos —como tic de reloj en un ordenador— pero donde cada nuevo valor depende de muchos valores anteriores, no solo del último. Esta influencia de largo alcance se maneja mediante operadores de diferencias “fraccionarias”, que mezclan el presente con una historia ponderada. El artículo se centra en una configuración particular con condiciones de contorno que relacionan el comportamiento al principio y al final de la ventana temporal, una situación común en modelos de ingeniería y física.

Una medida precisa para la estabilidad

Para entender cuándo tales sistemas ricos en memoria permanecen mansos, los autores se basan en una herramienta llamada función de Green. Esta actúa como la huella de cómo un impulso único resuena en el sistema a lo largo del tiempo. Al analizar esa huella en detalle, identifican exactamente cuán grande puede ser su respuesta máxima y cómo varía con parámetros clave. A partir de esto, derivan una versión precisa de una prueba clásica de estabilidad conocida como desigualdad de Lyapunov. En lugar de una pauta vaga, obtienen una cota inferior numérica explícita que involucra la intensidad de las fuerzas internas del sistema y el tamaño máximo de la función de Green. Si el “potencial” total en el sistema cae por debajo de esta cota, solo es posible el comportamiento trivial y estacionario; si la supera, deben existir comportamientos más complicados.

De la pérdida de equilibrio al caos

La historia resulta más llamativa cuando se viola la nueva desigualdad. Matemáticamente, esa violación significa que la solución simple nula pierde su unicidad y estabilidad, abriendo la puerta a otros movimientos más inquietos. Los autores exploran entonces una clase de sistemas fraccionarios discretos gobernados por una regla lineal por tramos, un terreno estándar para el caos. Demuestran que, bajo condiciones razonables sobre las pendientes y los saltos de esa regla, el sistema muestra dependencia sensible de las condiciones iniciales: si se inician dos trayectorias casi juntas, pronto se separan rápidamente. Experimentos por ordenador confirman este panorama, revelando caminos que divergen con rapidez y formas de atractores extraños cuando el orden fraccionario es pequeño y se ha superado el umbral de inestabilidad. De este modo, la desigualdad de Lyapunov se convierte en un marcador nítido para la aparición de dinámicas complejas, parecidas al caos.

Domar sistemas impredecibles con realimentación

El caos no es el final de la historia. Los autores convierten su medida teórica en una herramienta de diseño para el control. Consideran sistemas cuyos parámetros internos son inciertos, como es típico en dispositivos reales de ingeniería. Empleando sus cotas de la función de Green, derivan condiciones bajo las cuales una sencilla ley de realimentación lineal del estado —inyectar una versión escalada del estado actual del sistema en su entrada— puede garantizar que todas las trayectorias se hagan cada vez más pequeñas con el tiempo, a pesar de los efectos de memoria y las variaciones de parámetros. Ejemplos numéricos muestran cómo un sistema fraccionario inicialmente inestable o de decaimiento lento puede ser guiado para que sus variables clave converjan suavemente hacia cero, incluso frente a la incertidumbre.

Qué significa esto para modelos del mundo real

Para los no especialistas, el mensaje principal es que la “memoria” en modelos en tiempo discreto puede tanto enriquecer como poner en peligro el comportamiento del sistema. La nueva desigualdad que se propone aquí funciona como un indicador de advertencia: nos dice cuándo un diseño está seguramente en el régimen estable y cuándo coquetea con la inestabilidad y el posible caos. Al mismo tiempo, el trabajo demuestra que las ideas estándar de control, adaptadas con cuidado para tener en cuenta los efectos dependientes de la historia, pueden seguir ofreciendo un rendimiento robusto y fiable. Esta combinación de teoría precisa y diseño de control práctico abre un camino hacia modelos más seguros y exactos de fenómenos complejos en ciencia de materiales, procesamiento de señales y otros campos donde olvidar el pasado no es una opción.

Cita: Arab, M., Mohammed, P.O., Baleanu, D. et al. Sharp Lyapunov inequalities and the emergence of chaos in discrete fractional systems. Sci Rep 16, 8198 (2026). https://doi.org/10.1038/s41598-026-39364-z

Palabras clave: sistemas de diferencias fraccionarias, desigualdad de Lyapunov, caos, control robusto, función de Green