Dyskretne układy dynamiczne
11 grudnia 2017
Stabilność równań rekurencyjnych w dyskretnych modelach jednej populacji
Opis dyskretny jest dobry dla populacji dla których nie ma zachodzenia pokoleń na siebie.
Będziemy analizować między innymi modele opisywane równaniami różnicowymi typu:
xn+1= f (xn), w szczególności
xn+1= xng (xn).
Dla określonych funkcji f : R → R, g : R → R (czasem też f : C → C).
Asymptotyczna stabilność stanu stacjonarnego
Niech ¯x ∈ R taki, że ¯x = f (¯x ) (stan stacjonarny).
Jeśli
∃ε>0∀x ∈R|x − ¯x | < ⇒ lim
n→∞|fn(x ) − ¯x | = 0 to punkt ¯x jest asymptotycznie stabilny (atraktor, zlew).
asymptotyczna stabilność
Pajęczynki - graficzna metoda badania równań różnicowych
Stany stacjonarne
Niech f : [0, 1] → [0, 1], f (x ) = xg (x ),gdzie g : [0, 1] → R.
Badamy układ xn+1= xng (xn).
Zatem ¯x = f (¯x ) gdy ¯x = 0 lub g (¯x ) = 1, w tym przypadku stany stacjonarne można znaleźć graficznie.
Zachowanie w pobliżu punktu stacjonarnego zależy od sposobu przeciecia się wykresów y = x , y = f (x ).
Ponieważ prosta y = x ma stały kąt nachylenia wystarczy rozważyć lokalne nachylenie krzywej y = f (x )
w punkcie stacjonarnym ¯x . Czyli pochodną y = f0(¯x ).
Rozważmy odwzorowanie logistyczne f (x ) = ax (1 − x ), f : R → R, a ∈ R\{0}.
i układ dynamiczny
xn+1= axn(1 − xn), gdzie xn∈ R dla n ∈ N0.
W tym przypadku punkt stacjonarny ¯x ∈ {0, 1 −1a}.
Na wykresie rysujemy parabolę y = ax (1 − x ) i prostą y = x . Wtedy wyliczenie kolejnych iteracji x0, x1, x2, . . .
polega na rzutowaniu punktów na prostą (poziomo) i parabole (pionowo).
Kolejne otrzymywane punkty mają współrzędne (xn, xn+1) dla n ∈ N0. Zobaczmy jak wygląda przykładowa orbita kilku punktów startowych dla parametru a = 3.55.
Dla parametru a = 3.55
orbita periodyczna o okresie 8
Dla parametru a = 3.569
orbita periodyczna o okresie 20
Dla parametru a = 3.7
brak orbit skończonych
Asymptotyczna stabilność analitycznie
Równanie logistyczne bifurkacja
Rozważmy odwzorowanie logistyczne
(∗) f (x ) = rx (1 − x ) gdzie f : R → R, r ∈ R\{0}.
i układ dynamiczny
xn+1= rxn(1 − xn), gdzie xn∈ R dla n ∈ N0.
Znajdziemy stany stacjonarne dla odwzorowania f2(x ) = r (rx (1 − x ))(1 − rx (1 − x )).
Charakterystyka ruchu chaotycznego
Wykładnik Lapunowa
Definicja Dla odwzorowania
xn+1= f (xn)
wykładnikiem Lapunowa dla układu dynamicznego nazywamy liczbę λ(x0) = lim
n→∞
1 nlog
dfn(x ) dx |x =x0
. Czyli inaczej
λ(x0) = lim
n→∞lim
ε→0 1 nlog
fn(x0+ε)−fn(x0) ε
Wykładniki Lapunowa
Współczynnik Lapunowa układu dynamicznego jest miarą,
która charakteryzuje tempo separacji bliskich trajektorii. Podstawy matematycznej teorii stabilności ruchu stworzył A.M.Lapunow, który rozpatrywał, jak szybko wzrasta w czasie ewolucji odleglość pomiędzy dwiema bliskimi trajektoriami. Jeżeli uklad dynamiczny jest chaotyczny, odległość rośnie w czasie n wykładniczo enλ, gdzie współczynnik λ zwany wykładnikiem Lapunowa jest dodatni.
Okazuje się, że dla szerokiej klasy odwzorowań f granica
n→∞lim
1 nlog
dfn(x ) dx |x =x0
. nie zależe od x0dla prawie wszystkich x0. Czyli nie zależy od warunku początkowego.
Wówczas λ jest miarą zmian warunków początkowych i jeśli błąd określenia warunków początkowych wyniósł ∆(x0) , to po n-tej iteracji będzie on wynosił
∆(xn) ≈ eλn∆(x0).
Chaos deterministyczny
Zgodnie z zasada Maxa Bohra, każdy stan realnego układu fizycznego może być wyznaczony jedynie z pewną dokładnością i określa się raczej poprzez rozkład prawdopodobieństwa zamiast przez liczbę. Jeśli rozpatrywana trajektoria jest stabilna to błąd początkowy z czasem maleje, natomiast jeśli jest niestabilna, to narasta on ze wzrostem iteracji powodując nieprzewidywalność jej zachowania, tj. chaotycznosc w układzie zdeterminowanym.
Wykładnik Lapunowa
Korzystając z różniczkowania funkcji złożonej:
d
dxf (x )|x =x0= f0(x0)
d
dxf2(x )|x =x0= f0(f (x0))f0(x0) = f0(x1)f0(x0)
d
dxf3(x )|x =x0 = f0(f2(x0))f0(f (x0))f0(x0) = f0(x2)f0(x1)f0(x0)...
możemy napisać
λ(x0) = lim
n→∞
1 n
n−1
X
i =0
log |f0(xi)|.
Wykładnik Lapunowa
Przykład Niech a ∈ R ustalone.
Rozważmy odwzorowanie logistyczne f (x ) = ax (1 − x ), f : R → R.
i układ dynamiczny
xn+1= axn(1 − xn), gdzie xn∈ R dla n ∈ N0.
W tej sytuacji f0(x ) = a − 2ax .
Wykładnikiem Lapunowa dla powyższego układu dynamicznego jest
λ(x0) = lim
n→∞
1 n
n−1
X
i =1
log |a − 2axi|.
Wykładnik Lapunowa dla odwzorowania
logistycznego
Wykładnik Lapunowa
Przykład Dla odwzorowania
xn+1= xn, gdzie xn∈ R dla n ∈ N0.
W tej sytuacji f : R → R, f (x) = x, dxdfn(x ) =dxdx = 1.
Wykładnikiem Lapunowa dla powyższego układu dynamicznego jest λ(x0) = lim
n→∞
1 nlog
dfn(x ) dx |x =x0
=
n→∞lim
1
nlog 1 = 0.
Współczynnik ten jest również miarą utraty informacji o układzie w jednym przekształceniu.
Mogą zaistnieć trzy możliwości:
a) λ(x0) < 0 Orbita zmierza do stabilnego punktu lub staje sie orbitą periodyczną.
b) λ(x0) = 0 Orbita zmierza do stałego punktu.
b) λ(x0) > 0 Orbita jest niestabilna i chaotyczna. Dwa bliskie stany początkowe oddalają się wykładniczo od siebie z upływem czasu.
Czas Lapunowa
Przedział czasu (u nas zmienna n), w granicach którego możliwe jest precyzyjne przewidywanie trajektorii specyficznego procesu
(fizycznego, mechanicznego, kwantowego czy biologicznego).
Po tym okresie proces staje sie chaotyczny.
Jest to odwrotność wykładnika Lapunowa.
Uwaga: Porównaj z równaniem ∆(xn) ≈ eλn∆(x0).