18.5 Sensitivität gegenüber Anfangsbedingungen
18.5 Sensitivität gegenüber Anfangsbedingungen
Abschnitt betitelt „18.5 Sensitivität gegenüber Anfangsbedingungen“Das Nahrungskettenmodell hat gezeigt, dass deterministisches Chaos auf natürliche Weise aus einfachen biologischen Wechselwirkungen entstehen kann. Die resultierenden Trajektorien wirkten stark irregulär, obwohl im Modell keinerlei Zufall vorhanden war.
Diese Beobachtung wirft unmittelbar eine grundlegende Frage auf.
Warum werden deterministisch-chaotische Systeme unvorhersagbar?
Die Antwort liegt in einer der definierenden Eigenschaften des Chaos:
der Sensitivität gegenüber Anfangsbedingungen.
Benachbarte Trajektorien
Abschnitt betitelt „Benachbarte Trajektorien“Betrachten wir zwei Simulationen exakt desselben dynamischen Systems.
Beide Simulationen verwenden
- dieselben mathematischen Gleichungen,
- dieselben Parameterwerte
- und unterscheiden sich nur durch eine äußerst kleine Änderung einer Anfangsbedingung.
Anfangs sind die beiden Trajektorien nahezu identisch.
Wenn man sie im selben Diagramm darstellen würde, wären sie möglicherweise gar nicht zu unterscheiden.
Mit fortschreitender Zeit geschieht jedoch etwas Bemerkenswertes.
Der Abstand zwischen den beiden Trajektorien wächst allmählich.
Schließlich folgen sie vollständig unterschiedlichen Bahnen durch den Zustandsraum.
Das System hat einen nahezu unmerklichen Unterschied zu einem makroskopischen Unterschied im Verhalten verstärkt.
Exponentielle Divergenz
Abschnitt betitelt „Exponentielle Divergenz“Die Divergenz benachbarter Trajektorien verläuft nicht linear.
Stattdessen wächst ihre Trennung typischerweise exponentiell.
Bezeichnet man den anfänglichen Unterschied mit
dann folgt der Abstand nach einer Zeit (t) näherungsweise
wobei (\lambda) als Lyapunov-Exponent bezeichnet wird.
Solange die Trajektorien nahe beieinander liegen, liefert diese Gleichung eine ausgezeichnete Approximation ihrer Divergenz.
Ein positiver Lyapunov-Exponent bedeutet, dass benachbarte Trajektorien sich exponentiell schnell voneinander entfernen.
Gerade diese exponentielle Verstärkung ist die mathematische Signatur deterministischen Chaos.
Warum Vorhersage schließlich scheitert
Abschnitt betitelt „Warum Vorhersage schließlich scheitert“Jede experimentelle Messung enthält eine gewisse Unsicherheit.
Keine biologische Größe kann mit unendlicher Präzision gemessen werden.
Angenommen, wir kennen die Anfangskonzentration eines Proteins nur auf sechs Dezimalstellen genau.
Anfangs ist diese Unsicherheit vernachlässigbar.
In einem chaotischen System wächst jedoch die Unsicherheit selbst exponentiell an.
Nach hinreichend langer Zeit wird sie mit dem gesamten Bereich möglicher Systemzustände vergleichbar.
Ab diesem Punkt hat die Vorhersage ihren praktischen Wert verloren.
Wichtig ist dabei: Das mathematische Modell hat nicht versagt.
Die Gleichungen bleiben vollständig deterministisch.
Die Begrenzung entsteht vielmehr daraus, dass unser Wissen über den Anfangszustand niemals unendlich präzise sein kann.
Der Schmetterlingseffekt
Abschnitt betitelt „Der Schmetterlingseffekt“Dieses Phänomen ist unter dem Namen Schmetterlingseffekt bekannt.
Die Bezeichnung geht auf den Meteorologen Edward Lorenz zurück, der berühmterweise anmerkte, der Flügelschlag eines Schmetterlings in Brasilien könne letztlich die Entstehung eines Tornados in Texas beeinflussen.
Diese Aussage wird oft missverstanden.
Sie bedeutet nicht, dass Schmetterlinge Tornados erzeugen.
Vielmehr veranschaulicht sie eine sehr viel subtilere Idee.
Winzige Störungen können sich durch ein nichtlineares dynamisches System fortpflanzen und schließlich zu dramatisch unterschiedlichen Ergebnissen führen.
Der Schmetterling selbst ist dabei unwichtig.
Jede hinreichend kleine Störung hätte denselben Effekt.
Der Schmetterling dient lediglich als einprägsame Metapher für die Verstärkung mikroskopischer Unterschiede.
Vorhersagbarkeit hat einen Horizont
Abschnitt betitelt „Vorhersagbarkeit hat einen Horizont“Die Sensitivität gegenüber Anfangsbedingungen hat eine wichtige praktische Konsequenz.
Chaotische Systeme bleiben vorhersagbar, aber nur für eine begrenzte Zeit.
Anfangs sind Vorhersagen sehr genau, weil benachbarte Trajektorien noch dicht beieinander liegen.
Mit zunehmender Divergenz werden die Vorhersagen immer unzuverlässiger.
Schließlich wird die Unsicherheit so groß, dass keine brauchbare Langzeitvorhersage mehr möglich ist.
Dies definiert den Vorhersagehorizont des Systems.
Verschiedene chaotische Systeme besitzen unterschiedliche Vorhersagehorizonte.
Manche Wettersysteme bleiben über mehrere Tage vorhersagbar.
Bestimmte ökologische Systeme können über viele Generationen hinweg vorhersagbar sein.
Die Länge dieses Horizonts hängt direkt davon ab, wie schnell benachbarte Trajektorien divergieren.
Deterministisch, aber unvorhersagbar
Abschnitt betitelt „Deterministisch, aber unvorhersagbar“Auf den ersten Blick scheint diese Schlussfolgerung widersprüchlich.
Wie kann ein System zugleich deterministisch und unvorhersagbar sein?
Die Antwort liegt in der Unterscheidung zwischen dem mathematischen Modell und unserem Wissen über die Anfangsbedingungen.
Das Modell selbst enthält keinen Zufall.
Wenn die Anfangsbedingungen mit unendlicher Präzision bekannt wären, ließe sich die Zukunft prinzipiell exakt berechnen.
In der Realität ist unendliche Präzision jedoch unmöglich.
Chaotische Dynamik verstärkt diese unvermeidbaren Unsicherheiten fortlaufend, bis präzise Langzeitvorhersage grundsätzlich unmöglich wird.
Chaos stellt daher eine tiefgreifende Grenze der Vorhersage dar, nicht weil die Natur zufällig wäre, sondern weil nichtlineare Systeme selbst die kleinsten Unsicherheiten verstärken.
Zentrale Konzepte
Abschnitt betitelt „Zentrale Konzepte“- Chaotische Systeme zeigen Sensitivität gegenüber Anfangsbedingungen.
- Benachbarte Trajektorien divergieren mit der Zeit exponentiell.
- Der Lyapunov-Exponent quantifiziert die Geschwindigkeit dieser Divergenz.
- Experimentelle Unsicherheiten werden in chaotischen Systemen unvermeidlich verstärkt.
- Chaotische Systeme besitzen einen endlichen Vorhersagehorizont.
- Langfristige Unvorhersagbarkeit entsteht aus nichtlinearer Dynamik und nicht aus Zufälligkeit.
Zusammenfassung
Abschnitt betitelt „Zusammenfassung“Das definierende Merkmal des deterministischen Chaos ist die exponentielle Divergenz benachbarter Trajektorien. Obwohl die zugrunde liegenden Gleichungen vollständig deterministisch bleiben, wachsen unvermeidbare Unsicherheiten in den Anfangsbedingungen exponentiell an und machen langfristige Vorhersagen schließlich unmöglich. Dieses Phänomen, das als Schmetterlingseffekt bekannt ist, erklärt, warum deterministische Systeme grundsätzlich nur begrenzt vorhersagbar sein können.
Verständnisfragen
Abschnitt betitelt „Verständnisfragen“- Was versteht man unter Sensitivität gegenüber Anfangsbedingungen?
- Warum divergieren benachbarte Trajektorien in chaotischen Systemen?
- Was misst der Lyapunov-Exponent?
- Warum begrenzt exponentielle Divergenz die langfristige Vorhersage?
- Was veranschaulicht der Schmetterlingseffekt tatsächlich?
- Warum sind chaotische Systeme trotz ihrer Unvorhersagbarkeit deterministisch?