奇怪吸引子与混沌判据

Views: --

奇怪吸引子同时具备两面：它是吸引子，长期把一批初值拉到附近；它又“奇怪”，在集合内部持续拉伸、折叠，具有初值敏感性和分形结构。

混沌不等于随机

混沌系统由确定方程控制，同一初值会得到同一轨道。但若初值误差为 δ0\delta_0，它可能按

δ(t)≈δ0eλt\delta(t)\approx\delta_0e^{\lambda t}

增长。即使模型完全确定，有限测量精度也会限制长期预测。

Lyapunov 指数

对连续系统 x˙=f(x)\dot{\boldsymbol x}=\boldsymbol f(\boldsymbol x)，无穷小扰动满足变分方程

δx˙=J(x(t))δx.\dot{\delta\boldsymbol x} =J(\boldsymbol x(t))\delta\boldsymbol x.

沿不同方向的平均指数增长率就是 Lyapunov 指数。三维连续系统通常排序为

λ1≥λ2≥λ3.\lambda_1\ge\lambda_2\ge\lambda_3.

对非平衡轨道，沿流方向常有一个零指数。典型组合：

  • 稳定不动点：三个都负；
  • 稳定极限环：一个零，其余负；
  • 混沌吸引子：一个正、一个零、一个负，且总和为负。

指数和与散度

在遍历条件下，Lyapunov 指数和的长期平均与散度平均有关：

∑iλi=lim⁡T→∞1T∫0T∇⋅f(x(t)) dt.\sum_i\lambda_i =\lim_{T\to\infty}\frac1T \int_0^T\nabla\cdot\boldsymbol f(\boldsymbol x(t))\,dt.

洛伦兹系统散度恒为 −(σ+1+β)-(\sigma+1+\beta)，所以三个指数和固定为该负数。正的最大指数必须由更负的收缩方向补偿。

最大指数怎样可靠计算

“同时积分两条相近轨道，最后取距离对数”很容易失效：距离会饱和到吸引子尺度，不能继续代表线性扰动。

可靠的最大指数算法至少要：

  1. 同时积分参考轨道和变分方程，或一条极近扰动轨道；
  2. 每隔短时间测量扰动增长；
  3. 把扰动重新归一化到很小长度；
  4. 累加各段对数增长率；
  5. 丢弃暂态并做步长、总时长收敛检查。

完整指数谱通常用多组扰动向量和 QR 正交化，不能把第二、第三指数凭经验填成常数。

分形维数

奇怪吸引子通常不是光滑曲面。盒维数直接从几何覆盖估计，Kaplan–Yorke 维数从 Lyapunov 指数估计：

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

对于典型洛伦兹吸引子，维数略大于 2，直观上像被无限折叠的薄片，而不是填满三维体积。

常见误判

相图很乱，所以是混沌

不充分。长周期、准周期、数值误差或长暂态都可能看起来杂乱。

最大指数短时间为正，所以是混沌

有限时间 Lyapunov 指数会波动；必须检验长时间收敛并排除暂态。

散度负，所以是混沌

散度负只说明体积收缩，稳定不动点也满足。

轨道不重复，所以是混沌

准周期轨道也不精确重复，但最大指数通常不为正。

分岔图有很多点，所以都是混沌

多初值、未去暂态、采样相位不一致都会制造点带。

建议的证据链

判断数值系统是否混沌，至少组合：

  1. 有界而非收敛的长期相图；
  2. 收敛的正最大 Lyapunov 指数；
  3. 对初值敏感的轨道分离；
  4. Poincaré 截面或返回映射呈复杂结构；
  5. 步长、积分器、暂态长度改变后结论稳健。

考试要点

  • 正最大 Lyapunov 指数是初值敏感的重要量化证据。
  • 连续自治流的一个零指数来自沿轨道的时间平移方向。
  • 指数和为负体现总体耗散，不排斥某一方向局部伸长。
  • 数值图必须配合解析或收敛检查，不能单图定性。

评论