카오스(chaos)는 규칙 없는 ‘무작위’가 아니라, 결정론적(deterministic) 규칙을 따르면서도 초기조건에 극도로 민감하여 장기 예측이 사실상 불가능해지는 현상입니다. 핵심은 작은 오차가 시간이 지나며 지수적으로 증폭될 수 있다는 점입니다.
민감한 초기조건 의존성
두 궤적의 차이가 대략
|δx(t)| ≈ |δx(0)| e^{λ t}
λ > 0 (Lyapunov exponent)
처럼 커지는 경향이 있으면(양의 리아푸노프 지수), 초기 오차가 빠르게 증폭됩니다. 예측 가능 시간(리아푸노프 시간)은 대략 1/λ 규모입니다.
결정론인데 왜 예측이 어려운가
규칙이 결정론적이라도, 실제 계산/측정에는 항상 오차가 있습니다.
- 측정 오차(초기조건을 완벽히 알 수 없음)
- 수치 오차(유한 정밀도, 적분 오차)
카오스계에서는 이 작은 오차가 지수적으로 커지므로, 충분히 긴 시간 뒤의 상태는 사실상 ‘초기값을 아는 것과 같은 수준의 정밀도’를 요구하게 됩니다.
위상공간과 스트레인지 어트랙터
구동/감쇠가 있는 카오스계에서는 위상공간에서 궤적이 특정 집합으로 끌려가며(어트랙터), 그 구조가 프랙탈처럼 복잡한 경우가 있습니다. 포앙카레 절단면(Poincaré section)은 이런 구조를 관찰하는 대표 도구입니다.
간단한 예: 로지스틱 맵
연속시간 미분방정식이 아니어도 카오스가 나타납니다.
x_{n+1} = r x_n (1 - x_n)
r 값을 변화시키면 주기 배가(period doubling)로 분기가 반복되다가 카오스로 진입합니다.
자주 헷갈리는 점
- 카오스는 ‘완전한 무질서’가 아니라, 규칙은 있지만 장기 예측이 어렵다는 뜻입니다.
- 민감성은 “항상 예측 불가능”이 아니라, 유한 정밀도에서 예측 가능 시간이 제한된다는 의미입니다.