7 李雅普诺夫指数.docxVIP

7 李雅普诺夫指数 7李雅普诺夫指数 第七阶段；李雅普诺夫指数 李雅普诺夫指数与奇怪吸引子 1.李雅普诺夫指数2 Feigenbaum常数吸引子奇怪吸引子3奇怪吸引子 混沌的描述性定义 如果一个函数（或映射）构成一个迭代，混沌在迭代过程中具有以下三个特征：1。它对初始条件敏感；2.非周期性；3.有奇怪的吸引子。然后说该函数（或映射）具有混沌特性，迭代轨迹称为近似混沌吸引子或奇异（奇异）吸引子。注1。它不是一个严格的数学定义，并在不断发展；2.迭代轨迹是一个近似混沌吸引子，是一组极限点。删除初始点。 1.李雅普诺夫指数 吸引子能量耗散系统最终收缩到稳定状态。这是一个与时间无关的动态系统的稳态→∞, 无论选择什么初始值，最终值只有一个稳定状态，即最终值独立于初始值。这种吸引子也称为平庸吸引子。例如，阻尼单摆有一个不动点吸引子，范德波尔方程有一个极限环吸引子，等等。与一般吸引子相比，它们的一个特点是最终状态值与初值密切相关，或者对初值极为敏感；初始值的微小差异可能导致完全不同的结果。此时，吸引子没有周期，即所谓的混沌。 1.李雅普诺夫指数 1.李雅普诺夫指数 考察平方映射的两个迭代运算 ?xn+1=μxn（1?xn）??yn+1=μyn（1?（yn） 取μ=4，并取有一点微小的差别的两个初始值x0=0.370与y0=0.380。运算结果如表所列，经过前第四次迭代,两个运算结果还没有显出太大差别，但是从第五次开始迭代结果的差别就非常显著了。 00.3700.380 10.9320.942 20.2520.217 30.7540.680 40.7410.870 50.7670.451 60.7150.990 70.8140.038 80.6050.147 90.9560.501 100.1670.999 1.李雅普诺夫指数 取μ=2.1，取三个差值很大的初始值X01=0.08，X02=0.12。三个操作结果趋于一致，X03=0.16。运算结果如左图所示。经过五次迭代后，三个运算结果趋于一致，~045取μ=3.7，取两个初始值，相差很小X01=0.04和X02=0.05。操作结果如右图所示。第二次迭代中的差异已显示。虽然它在第七次迭代中非常接近，但稍后会很快分离。 1.李雅普诺夫指数 李雅普诺夫指数公式 xn+1=f(xn), 将其初始值设置为小误差 yn+1=f(yn) X0? Y0，一次迭代后： f(x0)?f(y0)dfx0?y0≈x0?y0dxx0?y0 x1?y1=f（x0）?f（y0）= x0→y0 f（x0）?f（y0）x0?y0 由第二次迭代得：x?y≈df22 x1?y1≈ x0?y0 第n次迭代后：xn? 伊恩≈ πDF（xn，μ） n-1n=0 x0?y0 ∏为多重乘号。 1.李雅普诺夫指数 李雅普诺夫指数公式 可以看出，两个系统对初始扰动的灵敏度由导数DF/DXX确定，这与初始值x0不同 有关。映射整体对初值敏感性需对全部初始条件平均，要进行 xn?伊恩≈ df(xn,μ)dx x0?y0 n-1每次迭代平??∏df均分离值为：??n=0dx ???? 两个系统如初始存在微小误差，随时间(或迭代)产生分离，分离程度常(lyapunov)指数来度量,它为几何平均值的对数：用李雅普诺夫李雅普诺夫(lyapunov)(lyapunov)指数 n-1df（xμ）1?N? λ=ln∏N?n=0dxxn? ???? 其中xn是第n个迭代值。拿n→∞ ，得李雅普诺夫指数计算公式： 1n?1df（xn，μ）λ=lim∑lnn→∞ndxn=0 1.李雅普诺夫指数 李雅普诺夫指数及其应用 利用李雅普诺夫指数λ，相空间内初始时刻的两点距离将随时间(迭代次数)作指数分离： xn?伊恩≈x0?y0?exp（n? λ) 在一维映射中λ只有一个值，而在多维相空间情况下一般就有多个λi，而且沿相空间的不同方向，其λi(i=1,2,…)值一般也不同。设ε0为多维相空间中两点的初始距离，经n次迭代后两点的距离为：ε(t)?ε0eλit式中指数λi值可正可负。λi0表示沿该λi 1.李雅普诺夫指数 吸引子与李雅普诺夫指数 稳定系统的相