Efekt motyla (ang. butterfly effect) – anegdotyczne przedstawienie chaosu deterministycznego. W tytułowej anegdocie trzepot skrzydeł motyla, np. w Ohio, może po trzech dniach spowodować w Teksasie burzę piaskową. Przykładami efektu motyla są zjawiska meteorologiczne.

W roku 1960 Edward Lorenz pracował nad komputerowym prognozowaniem pogody. Stworzył do tego celu układ 12 równań wyrażających relacje między temperaturą, ciśnieniem, prędkością wiatru itd. Sądził, jak większość ówczesnych naukowców, że prawie dokładne dane wejściowe dają prawie dokładne wyliczenia. To przekonanie okazało się jednak błędne.

Kiedy Lorenz wprowadził do komputera dwie liczby wejściowe – najpierw 0,506127, a później 0,506 – otrzymał w rezultacie dwa wykresy coraz bardziej różniące się od siebie w miarę upływu symulowanego czasu. Różnica wartości liczb na wejściu programu rzędu 0,025% okazała się bardzo znacząca na wyjściu. Takie zachowanie jakiegoś układu nazywa się wrażliwością na warunki początkowe lub efektem motyla.

Prawidłowe prognozowanie pogody na więcej niż kilka kolejnych dni jest niemożliwe ze względu na nieznajomość chwilowych warunków pogodowych na tyle dokładnie, aby błąd w długookresowych obliczeniach był niezauważalny.

Teoria chaosu – w matematyce i fizyce, własność równań lub układów równań, polegająca na dużej wrażliwości rozwiązań na dowolnie małe zaburzenie parametrów. Dotyczy to zwykle nieliniowych równań różniczkowych i różnicowych, opisujących układy dynamiczne.

Przesłankę prowadzącą do sformułowania teorii chaosu były badania Edwarda Lorenza nad modelami prognozowania pogody. Zgodnie z ówczesnym, deterministycznym rozumieniem rzeczywistości minimalna zmiana warunków początkowych powinna prowadzić do proporcjonalnie niewielkich zmian wyniku modelu. W trakcie pracy nad modelem, z natury dynamicznym (dane z iteracji wcześniejszych są danymi wejściowymi dla iteracji następujących), w celu ułatwienia pracy wprowadził zaokrąglone wartości wyjściowe. Okazało się, że wynik modelu diametralnie odbiegał od tego co przewidywał ten sam model przy danych wprowadzonych z większą dokładnością.