分形、康托集与面包师映射

Views: --

分形是不同尺度下仍显现细节、通常具有非整数维数的集合。动力系统中的分形不是装饰图案,而是“拉伸、压缩、折叠”长期重复留下的几何记录。

康托集

[0,1][0,1] 出发,每次删去每个区间的中间三分之一。第 nn 步留下 2n2^n 个长度 3n3^{-n} 的小区间。

若取 ε=3n\varepsilon=3^{-n},覆盖数 N(ε)=2nN(\varepsilon)=2^n,所以

D=limnln2nln3n=ln2ln3.D=\lim_{n\to\infty} \frac{\ln2^n}{\ln3^n} =\frac{\ln2}{\ln3}.

它拓扑上由点组成,却比普通可数点集“厚”,维数介于 0 与 1。

盒维数

用边长 ε\varepsilon 的盒子覆盖集合,所需最少盒数记为 N(ε)N(\varepsilon)。盒维数是

DB=limε0lnN(ε)ln(1/ε)D_B=\lim_{\varepsilon\to0} \frac{\ln N(\varepsilon)}{\ln(1/\varepsilon)}

(若极限存在)。直觉上,若缩小观察尺度十倍,覆盖数约增长 10D10^D 倍。

自相似维数

若集合由 mm 个互不重叠的缩小副本组成,每份线性缩放比为 ss,则

msD=1D=lnmln(1/s).m s^D=1 \quad\Longrightarrow\quad D=\frac{\ln m}{\ln(1/s)}.

重叠严重或各方向缩放不同的集合不能机械套公式,要回到覆盖数。

面包师映射的几何动作

经典面包师映射像揉面:

  1. 沿一个方向拉伸;
  2. 沿另一方向压缩;
  3. 切开并折回原区域。

拉伸放大初值差异,折回保持轨道有界,两者结合形成复杂混合。

试卷中的耗散面包师映射

B(x,y)={(2x,ay),0x1/2,(2x1,ay+1/2),1/2<x1,B(x,y)= \begin{cases} (2x,ay),&0\le x\le1/2,\\ (2x-1,ay+1/2),&1/2<x\le1, \end{cases}

其中 0<a<1/20<a<1/2。每次迭代得到两条高度为 aa 的水平带;第 nn 次得到 2n2^n 条高度 ana^n 的带。极限集合

A=n0Bn(S)A=\bigcap_{n\ge0}B^n(S)

在水平方向填满区间,在竖直方向像一类康托集。

为什么它吸引所有轨道

Bn+1(S)Bn(S)B^{n+1}(S)\subset B^n(S),这些嵌套集合逐步收缩到 AA。任意初值的第 nn 次迭代都在 Bn(S)B^n(S) 中,而 Bn(S)B^n(S) 的条带厚度是 an0a^n\to0。所以轨道到 AA 的距离趋于零。

盒维数推导

ε=an\varepsilon=a^n。一条长度 1、高度 ana^n 的条带沿水平方向约需 ana^{-n} 个方盒;共有 2n2^n 条:

N(ε)2nan.N(\varepsilon)\asymp2^na^{-n}.

因此

DB=limnnln2nlnanlna=1+ln2ln(1/a).D_B =\lim_{n\to\infty} \frac{n\ln2-n\ln a}{-n\ln a} =1+\frac{\ln2}{\ln(1/a)}.

水平方向贡献 11,竖直康托方向贡献分数维。

维数与动力学

耗散系统把相空间体积压缩到低维吸引子;混沌拉伸又让这个集合不能退化成光滑曲线。于是奇怪吸引子通常具有分形维数。

Kaplan–Yorke 维数用 Lyapunov 指数估计吸引子维数。若 λ1λ2\lambda_1\ge\lambda_2\ge\cdots,取最大 jj 使前 jj 个指数和非负,则

DKY=j+λ1++λjλj+1.D_{KY}=j+ \frac{\lambda_1+\cdots+\lambda_j}{|\lambda_{j+1}|}.

它是动力学估计,不应和严格盒维数无条件等同。

考试要点

  • 分清“每步留下几份”和“每份缩小多少”。
  • 各向异性映射要分别考虑不同方向的覆盖数。
  • a<1/2a<1/2 保证两条带分开;若发生重叠,简单维数推导可能失效。
  • 分形吸引子既要是不变集合,也要真正吸引邻域轨道。

评论