Главная > РЕГУЛЯРНАЯ И СТОХАСТИЧЕСКАЯ ДИНАМИКА (Лихтенберг А., Либерман)
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

Предельные циклы занимают конечную часть интервала по параметру. Для остальных значений параметра движение неустойчиво и плотно покрывает конечный интервал по $x$ при почти всех началь-

Рис. 7.16. Показатель Ляпунова равен среднему значению $\ln |d f / d x|$ вдоль траектории.

ных $x_{0}$, а близкие траектории расходятся экспоненциально. Такое движение получило название хаотического (см., например, [261, 297 1). При его исследовании мсжно использовать некоторые методы, описанные в гл. 5 для гамильтоновых отображений. Особое значение имеет показатель Ляпунова $\sigma$ и равновесное инвариантное распределение $P(x)$.

Показатель Ллпунова. Для одномерного отображения имеется единственный показатель Ляпунова см. (5.2.8) ]:
\[
\sigma\left(x_{0}\right)=\lim _{N \rightarrow \infty} \frac{1}{N} \sum_{i=1}^{N} \ln \left|\frac{d f}{d x_{i}}\right| .
\]

Значение $\sigma$ положительно (см. рис. 7.16), если среднее по траектории от $\left|f^{\prime}\right|$ больше 1. За исключением множества меры нуль, не зависит от выбора начального значения $x_{0}$. При $\sigma>0$ движение хаотическое, а при $\sigma<0$ существует предельный цикл. Зависимость о от параметра $C$ является обычно сложной. На рис. 7.17 представ-

Рис. 7.17. Зависимость показателя Ляпунова о от параметра $C$ для квадра, тичного отображения (по данным работы [368]).
Для $\sigma>0$ движение хаотическое, а для $\sigma<0$ – периодическое. Сглаженная криная построена по 300 точкам с равномерным шагом по $C$.

лен пример такой зависимости [368], полученной численным пу тем для квадратичного отображения. Значения $\sigma$ определя.тись по формуле (7.2.46) с $N=10^{5}$ (число итераций) для каждой нз 300 равномерно расположенных по $C$ точек. Ясно видны относительно широкие интервалы по $C$ с $\sigma<0$, которые отвечают периодическим движениям с небольшим периодом. Для движения с большим периодом соответствующие им интервалы по $C$ становятся меньше расстояния между точками на рисунке и потому не видны. Хьюберман и Рудник [204] показали, что вблизи критического значения $C_{x}$ для хаотического движения $\sigma \propto\left|C-C_{\infty}\right|^{\eta}$, где $\eta=\ln 2 / \ln \delta \approx$ $\approx 0,4498$.

Показатель Ляпунова не зависит от (обратимой) замены переменных [323]. Действительно, пусть
\[
\bar{x}=g(x),
\]

где $g^{\prime}
eq 0$. Тогда исходное отображение
\[
x_{n+1}=i\left(x_{n}\right)
\]

перейдет в отображение
\[
\bar{x}_{n+1}=\bar{f}\left(\bar{x}_{n}\right)
\]

с показателем Ляпунова
\[
\bar{\sigma}=\lim _{N \rightarrow \infty} \frac{1}{N} \sum_{i=1}^{N} \ln \left|\frac{d \bar{x}_{i+1}}{d \bar{x}_{i}}\right| .
\]

Согласно (7.2.47), получим
\[
\frac{d \bar{x}_{i+1}}{d \bar{x}_{i}}=\frac{\left(d g / d x_{i+1}\right) d x_{i+1}}{\left(d g / d x_{i}\right) d x_{i}},
\]

откуда $\vec{\sigma}=\sigma$.
Инвариантные распределения. Будем говорить, что $P(x)$ является инвариантным распределением для отображения $T$, если
\[
P(x)=T P(x) .
\]

Другие названия – инвариантная мера ${ }^{1}$ ) или распределение вероятности. Примем, далее, что $P(x)$ нормировано на единицу:
\[
\int P(x) d x=1 .
\]

В общем случае отображение имеет много инвариантных распределений. Из них выделенным является равновесное распределение, которое получается итерированием отображения и для которого среднее по времени равно фазовому среднему. Для предельного цикла периода $n$ распределение дискретно и представляет собой сумму $\delta$-функций в неподвижных точках с коэффициентом $1 / n$. Для хаотического движения распределение $P(x)$ может быть разрывным, однако в типичном случае имеются конечные интервалы по $x$ с ненулевым $P(x)$.

Численно $P(x)$ можно получить из (7.2.52). Для отображения с одним максимумом в силу сохранения «числа траекторий» имеем
\[
P(x) d x=P\left(x_{1}\right) d x_{1}+P\left(x_{2}\right) d x_{2},
\]

где точки $x_{1}, x_{2}$ – прообразы точки $x$ (рис. 7.18). Записывая $d x d x_{1}=|d f d x|_{x_{1}}$ и т. д., получаем
\[
P(x)=\frac{P\left(x_{1}\right)}{|d f / d x|_{1_{1}}}+\frac{P\left(x_{2}\right)}{|d f / d x|_{x_{2}}} .
\]
1) Существование инвариантной иеры (сосредоточенной на аттракторе), позволяющее распространить эргодическую теорию на диссипативные системы, было доказано для широкого класса динамических систем Боголюбовым и Крыловым (см. [447], т. 1, с. 411 ). Инвариантная мера единственна, ес.ли существует только один аттрантор (одна «эргодическая компонента» движения (ср. п. 5.2a), или «строгая эргодичность» [486], с. 43). Равновесным распределением ниже в основном тексте называется инвариантное распределение, сосредоточенное на одном аттракторе. Для него временные и фазовые средние совпадают в пределах области притяжения этого аттрактора.-Прим. ред.

Аналитически это функциональное уравнение решается в редких случаях. Однако его можно решить численно по следующей схеме:
a) выбираем некоторое начальное $P_{i}=P_{1}(x)$;
б) вычисляем $P_{i+1}$ по (7.2.55) с $P_{i}$ в правой части;
в) повторяем «б» до получения достаточной сходимости.
Этот метод иллюстрируется на рис. 7.19 [368] для отображения $(7.2 .5)$ с $\mu=4$. Показаны первые три итерации $P_{i}$ с начальным распределением $P_{1}(x)=1$. В данном случае имеет место быстрая сходимость к инвариантному распределению
\[
P(x)=\frac{1}{\pi}[x(1-x)]^{-12},
\]

Рис. 7.18. Построение инвариантного распределения $P(x)$. «Число траекторий» на отрезке $d x$ равно числу траекторий, прищедиих из «прообразов» $d x_{1}$ in $d x_{2}$.

которое будет получено аналитически ниже. Для $\mu=3,8$ и $\mu=$ 3,825 описанный метод дает ннвариантные распределения, показанные на рис. 7.20. В этих случаях движение, по-видимому, также является хаотическим в некотором интервале по $x$. Знание инвариантного распределения позволяет заменять усреднение по времени усреднением по $x$. Например, можно вычислять показатель Ляпунова по формуле:
\[
\sigma=-\int d x P(x) \ln \left|\frac{d f}{d x}\right| .
\]

При обратимой замене переменной $\vec{x}=g(x)$ новое инвариантное распределение получается из условия
\[
\bar{P}(\bar{x}) \overline{d x}=P(x) d x .
\]

Рис. 7.19. Численное определение инвариантного распределения $P(x)$ для отображения (7.2.5) с $\mu=4$ (по данным работы [368]).
Показано начальное распределение (1) и его первые три итерацин.

Pıс. 7.20. Численно найденное инвариантное распределение $P(x)$ для двух значений $\mu$ отображения (7.2.5) (по данным работы [368]).
Выдиы разрыны функцип $P(x)$ и обратные бифуркацни при уветичении $\mu$.

Треуго.гное отображение $^{\mathbf{1}}$ ). В качестве примера рассмотрим простое «треугольное» отображение (рис. 7.21). Оно имеет единственный максимум $f(1 / 2)=a$, но не относится к квадратичным. Производная $f^{\prime}$ равна $+2 a$ в левой части и $-2 a$ в правой части отображения. Ясно, что движение является хаотическим для $a>1 / 2$, поскольку все траектории расходятся экспоненциально (см. рис. 7.16), Инвариантное распределение находится из (7.2.55):

Рис. 7.21. Симметричное треугольноє отображение.

Для $a=1$ имеется очевидное решение $P(x)=1$. Показатель Ляпунова равен (7.2.56):
\[
\sigma=\int_{0}^{1} d x \ln 2=\ln 2 .
\]

Поскольку $\sigma>0$, движение является хаотическим. Рассмотрим теперь отображение
\[
f(x)=4 x(1-x) .
\]

Введем новую переменную
\[
\vec{x}=\left(\frac{2}{\pi}\right) \arcsin (\sqrt{x}),
\]
1) В оригинале – tent map (отображение, похожее на палатку).- Прим. перев.

тогда (7.2.58) перейдет в треугольное отображение с $a=1$ :
\[
\bar{f}(\vec{x})=\left\{\begin{array}{ll}
\overline{2 x}, & 0<\bar{x}<\frac{1}{2}, \\
2-2 \bar{x}, & \frac{1}{2}<\bar{x}<1 .
\end{array}\right.
\]

Из (7.2.57) с $\bar{P}(\bar{x})=1$ получим инвариантное распределение для отображения (7.2.58):
\[
P(x)=\frac{d \bar{x}}{d x}=\frac{1}{\pi}[x(1-x)]^{-12},
\]

которое можно сравнить с численными данными на рис. 7.19. Показатель Ляпунова для отображения (7.2.58) равен
\[
\sigma=\frac{1}{\pi} \int_{0}^{1} \frac{\ln |4(1-2 x)|}{[x(1-x)]^{1 \cdot 2}} d x=\ln 2 .
\]

Отметим, что отображения (7.2.58) и (7.2.60) имеют одинаковую величину $\sigma$, поскольку она инвариантна относительно преобразования переменной. Соответственно любое обратимое преобразование квадратичного отображения (7.2.4) сохраняет функцию $\sigma(C)$, показанную на рис. 7.17 .

Для отображения (7.2.58) [и «зеркального» квадратичного отображения (7.2.4) с $C=-1$ ] точное решение имеет вид
\[
x_{n}=\frac{1}{2}-\frac{1}{2} \cos \left(2^{n+1} \varphi_{0}\right)=\sin ^{2}\left(2^{n} \varphi_{0}\right),
\]

где $\varphi_{0}$ определяется начальным условием $x_{0}$. Статистические свойства отображения (7.2.58) исследовались в работе [416]. Было показано также, что движение является эргодическим и перемешивающим с экспоненциальной расходимостью близких траекторий ${ }^{1}$ ).

Обратные бифуркации хаотического движения. При изменении параметра $C$ квадратичного отображения (7.2.4) от $C_{0}=1 / 2$ до $C_{\infty}=$ $=-0,78497 \ldots$ возникает «дерево» бифуркаций, показанное на рис. 7.14. Какова природа движения для $C<C_{\infty}$ ?

Эта область исследовалась Лоренцем [284], Колле и Экманом [82] и Хеллеманом [182 ], ее качественная структура представлена на рис. 7.22. Точки показываюг $x_{n}$ в стационарном режиме $(1000<n<4000)$ для разных значений параметра $C$. Ясно видны полосы с хаотическим движением (при $C<C_{\infty}$ ). При уменьшении $C$ от значения $C=C_{\infty}$ эти полосы сливаются и испытывают обратные бифуркации в точках $C=C_{n}^{*}$. Видны также бифуркации предель-
1) Это вытекает, в частности, из свойств более простого отображения $\varphi_{n+1}=2 \varphi_{n}, \bmod 2 \pi$ для фазы в (7.2.62) (см, конец п. 5.2в),-Прия. ред.

ных циклов более длинного основного периода 6,5 и 3 , «разрезающие» хаотическую область. Для обратных бифуркаций хаотических полос выполняется закон подобия с теми же константами $\delta$ и $\alpha$, что и для бифуркаций предельных циклов при $C>C_{\infty}$. Эти результаты Гроссмана и Томае [170] можно получить также из описанной в п. 7.26 приближенной теории ренормализации [182].

Рис. 7.22. Численное моделирование последовательности обратных бифуркаций удвоення для квадратичного огображения (по данным работы [82]). Для каждого значения $C$ отложены 3000 значений $x_{n}(1000<n<4000)$. Видны полосы хаотического движения для $C<C_{\infty}$, которыс сливаются при $C=C_{k}^{*}$, Отмечены интервалы (по $C$ ) предельных циклов: 1 – периода 3; 2- периода $5: 3$ – пернода 6.

Спектр мощности. «Шумовое» движение в хаотическом режиме можно охарактеризовать его спектром мощности $P(\omega, C)$, где $\omega-$ частота, а $C$ – параметр. В отличие от таких свойств хаотического движения, как показатели Ляпунова, спектр мощности легко измерять экспериментально. В частности, представляет интерес вид спектра при бифуркационных знатениях $C_{k}^{*}$ вблизи критического $C_{\infty}$, где происходит слияние полос хаотического движения. Движение в этих полосах представляет собой суперпозицию периодических колебаний и шума:
\[
x_{n}=\sum_{j} A_{j} e^{i \omega_{j} n}+r(n) .
\]

Определим фурье-амплитуду посредством формулы
\[
X_{N}(\omega, C)=\frac{1}{N} \sum_{n=1}^{N} x_{n} e^{-i \omega n} .
\]

Тогда спектр мощности равен $(\omega>0)^{1}$ )
\[
P(\omega, C)=\lim _{N \rightarrow \infty} \frac{N}{2 \pi}\left|X_{N}(\omega, C)\right|^{2}=\sum_{j}\left|A_{j}\right|^{2} \delta\left(\omega-\omega_{j}\right)+|r(\omega, C)|^{2} .
\]

Он состоит из острых пиков (периодические переходы между полосами, аналогичные движению на предельном цикле при $C>C_{\infty}$ ) и широкополосного шума (хаотическое движение внутри полос). Следуя Хьюберману и Зисоку [205], получим сначала универсальный закон подобия для полной мощности в непрерывном спектре (7.2.68) для $\mathscr{N}(C)$. При $C=-1$ (см. рис. 7.22) движение обладает перемешиванием ${ }^{2}$ ). Болеє того, как показано в работе $[170]$, корреляционная функция
\[
\mathscr{E}(n)=\lim _{N \rightarrow \infty} \frac{1}{N} \sum_{i=1}^{N}\left(x_{i}-\langle x\rangle\right)\left(x_{i+n}-\langle x\rangle\right),
\]

где
\[
\langle x\rangle=\lim _{N \rightarrow \infty} \frac{1}{N} \sum_{i=1}^{N} x_{i}
\]

является в этом случае «б-функцией», т. е.
\[
\mathscr{C}(n)=\left\{\begin{array}{ll}
W^{2}, & n=0, \\
0, & n
eq 0 .
\end{array}\right.
\]

Это очень сильное статистическое свойство, означающее полное ${ }^{3}$ )
1) Спектр «мощности» (точнее спектральная плотность), он же спектр корреляционной функции б’ ( $n$ ) (см. ниже), или просто спектр (в эргодической теории) определяется как преобразование Фурье от $\mathscr{C}(n)$ :
\[
P(\omega)=\frac{1}{2 \pi} \sum_{n=-\infty}^{\infty} \mathscr{C}(n) \cos (\omega n) .
\]

Для дискретного времени спектр определен по модулю $2 \pi$ и обладает зеркальной симметрией $P(\omega)=P(2 \pi-\omega)$. Переход к непрерывному времени соответствует только интервалу частоты $(0, \pi)$ с независимыми фурье-компонентами. Простое изложение спектрального анализа случайных процессов см., например, в работе [519]. – Прим. ред.
2) Это следует из положительности КС-энтропии (см. выше).- Прим. ред.
3) Равенство нулю конкретной корреляционной функции не означает «полное отсутствие корреляций. Существование определенных корреляций следует просто из функциональной зависимости $x_{n+1}=f\left(x_{n}\right)$. – Прим. ред.

отсутствие корреляций уже через одну итерацию отображения1). Величина $W$ в (7.2.66) есть срєднеквадратичный размер единой полосы хаотического движения при $C=-1$. Қаждая обратная бифуркация удваивает число полос и уменьшает их ширину. В соответствии с законом подобия (7.2.36) и (7.2.37) для половины полос ширина уменьшается в $\alpha$ раз, а для остальных – в $\alpha^{2}$ раз. Среднеквадратичная ширина одной полосы удовлетворяет закону
\[
W_{k+1}=\left(\frac{1}{2 \alpha^{2}}+\frac{1}{2 \alpha^{4}}\right)^{1.2} W_{k}
\]
( $k$ – номер бифуркации), или
\[
W_{k}=W_{0} \beta^{-k},
\]

где
\[
\beta=\frac{\sqrt{2} \alpha^{2}}{\sqrt{\alpha^{2}+1}} \approx 3,29 .
\]

Заметим, что $2 \beta=\gamma$ [см. (7.2.45)]. Полная мощность в пределах основной частоты отображения $2 \pi$ равна
\[
\mathcal{P}(C)=\int_{0}^{2 \pi} d \omega|r(\omega, C)|^{2}=\mathscr{C}_{r}(0),
\]

где корреляционная функция $\mathscr{C}_{r}$ определяется только хаотической частью движения $\left[x_{n} \rightarrow r_{n}\right.$, см. (7.2.63)]. Поэтому $\mathscr{C}_{r}(0)=W_{k}^{2}$ и
\[
\mathscr{N}\left(C_{k}^{*}\right)=\mathscr{N}_{0} \beta^{-2 k} .
\]

Но бифуркационные значения $C_{k}^{*}$ сами удовлетворяют закону подобия
\[
C_{k}^{*}-C_{\infty}=\left(C_{0}^{*}-C_{\infty}\right) \delta^{-k} .
\]

Исключая $k$, приходим к новому закону подобия
\[
\mathcal{P}(C) \propto\left(C_{\infty}-C\right)^{\sigma},
\]

где
\[
\sigma=\frac{2 \ln \beta}{\ln \delta} \approx 1,544
\]
– универсальная постоянная. Хьюберман и Зисок [205] проверили этот результат путем численного моделирования отображения (7.2.5) и получили прекрасное согласие.
1) Заметим, что для многих систем с хаотическим движением корреляции убывают совсем не так быстро, иногда только как степень $n$ [60]. [В указанной работе исследовались полностью интегрируемые системы и «убывание» коррелящий связано не с динамикой системы, а с методом вычисления корреляций. По поводу медленного убывания корреляций см. предисловие редактора перевода и цитированную там литературу.- Прим. ред.]

Спектральная плотность хаотического движения была найдена в работе [434], следуя методу Фейгенбаума [123] (см. п. 7.2б). Полученный результат можно представить в виде
\[
r\left(\omega, C_{k}^{*}\right)=g_{k}(\omega) \tilde{r}\left(2^{k} \omega\right) .
\]

Здесь $|\tilde{r}(\omega)|^{2}$ – спектр движения при $C \leftrightharpoons-1$, который можно приближенно считать однородным (белый шум)¹). Фурье-амплитуды
\[
g_{k}(\omega)=\sum_{j=1}^{2^{k}} W_{j k} e^{-i \omega j}
\]

Рис. 7.23. Спектр мощности при трех значениях $C$ в обратной последовательности бифуркаций для квадратичного отображения (по данным работы [434]).
Ломиная кривая – численные данныс; илавпая кривая, смещенная для удобства вниз,тсория без учета дискретного спектра.

характеризуют систему хаотических полос шириной $W_{j k}(j=1$, $2, \ldots 2^{k}$ ) и находятся из рекуррентного соотношения ${ }^{2}$ )
\[
g_{k+1}(\omega)=\frac{1}{\sqrt{2} \alpha}\left(1-\frac{e^{i \omega}}{\alpha}\right) g_{k}(2 \omega),
\]
1) См. (7.2.66); заметим также, что значение частоты $2^{k} \omega$ (в 7.2.72) берется по модулю $2 \pi$ [см. (7.2.68)].- Прим. ред.
2) При $C \rightarrow C_{\infty}$ этот закон подобия определяет масштабно-инвариантную структуру как непрерывного (с $\left|g_{0}\right|^{2}=1$ ), так и дискретного (с $\left|g_{0}\right|^{2}=$ $\left.=\left|A_{0}\right|^{2} \delta(\omega)\right)$ спектра [кроме $\omega=\pi$ (см. [520]), для которого справедливо соотношение (7.2.40) ]. При переходе от спектральной плотности к амплитудам гармоник $\left(g_{k} \rightarrow X^{(k)}\right)$ правую часть (7.2.74) нужно разделить на $\sqrt{2}$ (интеграл от $\delta(2 \omega)$ равен $1 / 2$ ). Обратим внимание, что законы подобия (7.2.40), (7.2.44) и (7.2.74) разные: в первом фиксирована частота, а во втором – номер гармонике колебаний. Из (7.2.74) следует также, что масштабный мно-

причем, согласно (7.2.72), $g_{0}=1$. На рис. 7.23 показаны численные данные для спектра мощности при трех значениях параметра $C$. Соответствующий универсальный спектр $\left|g_{k}\right|^{2}$, полученный с помощью (7.2.74), представлен сплошными линиями, которые сдвинуты по вертикали для удобства сравнения. Согласие с численными данными весьма хорошее. Напомним, что дискретный спектр в теорию не включен.

Categories

1
Оглавление
email@scask.ru