W2 Uklady dynamiczne odcinkami liniowe
Transkrypt
W2 Uklady dynamiczne odcinkami liniowe
Dynamika Uk»adów Nieliniowych 2009 Wykład 2 1 Uk»ady dynamiczne Uk»adem dynamicznym b“dziemy nazywali deterministyczn recept“ na dokonanie ewolucji w czasie stanu danego uk»adu. Czas moóe byƒ albo dyskretny albo wielkoÑci cig»: - odwzorowania dyskretne (mapy) s przyk»adem uk»adów z dyskretnym czasem - autonomiczne równania róóniczkowe zwyczajne pierwszego rz“du - przyk»adem uk»adów z czasem jako zmienn cig» r dx r r = F [x (t) ] dt Uk»ady równa½ nieautonomicznych moóna zamieniƒ na równania autonomiczne poprzez dodanie odpowiedniego równania do uk»adu. Uwagi: a) W wi“kszoÑci podr“czników w cz“Ñci "teoretycznej" rozpatruje si“ albo odwzorowania dyskretne albo tylko równania róóniczkowe zwyczajne. Wynika to raczej z ogranicze½ matematyki nió realnej sytuacji w przyrodzie ! W tych samych podr“cznikach analizuje si“ wiele doÑwiadcze½, które ewidentnie nie mog byƒ opisane równania róóniczkowymi zwyczajnymi (konwekcja, przep»yw hydrodynamiczny, zmienność rytmu serca i inne). Dynamika Uk»adów Nieliniowych 2009 Wykład 2 2 b) óeby rozwizania by»y nieregularne w czasie (chaos deterministyczny) uk»ad dynamiczny musi byƒ odpowiednio wielowymiarowy: - w przypadku uk»adów dyskretnych - juó jednowymiarowe zagadnienia mog dawaƒ zachowania nieregularne (chaotyczne) - w przypadku uk»adów opisywanych uk»adem równa½ róóniczkowych liczba tych równa½ musi byƒ conajmniej 3 Pytanie: dlaczego w takim razie równanie róóniczkowe 2-giego rz“du dla wahad»a daje odpowiedï chaotyczn ? c) przestrze½ fazowa: przestrze½ wektorów x(t) - nie myliƒ z przestrzeni fazow z fizyki statystycznej: tam jest to przestrze½ {x(t), v(t)} co wynika z 2-giego rz“du równa½ ruchu - natomiast tu s one 1-szego rz“du. Dyskretne odwzorowania jednowymiarowe Odwzorowania odcinkami liniowe: Najprostszym odwzorowanie tego typu jest odwzorowanie Bernoulliego: n-krotne iterowanie odwzorowania jednowymiarowego: xn+1 = σ ( xn ) = 2 xn mod 1 poczynajc od warunku pocztkowego x0 daje cig wartoÑci x1 = σ(x0), x2 = σ(σ(x0)), .... , xn = σ(....σ(σ(x0)) Dynamika Uk»adów Nieliniowych 2009 Wykład 2 3 Wprowadzimy oznaczenie: n-krotne wykonanie odwzorowania (n-krotne złoŜenie odwzorowania) będzie oznaczone przez górny indeks n. Uwaga: n-krotne złoŜenie odwzorowania σ oznaczamy σn. Przykład: program Modmap; a) przyjąć parametry: parametr kontrolny 1.999999; warunek początkowy dowolny z zakresu (0,1); argument modulo 100; rząd złoŜenia 1 b) przyjąć parametry: parametr kontrolny 1.999999; warunek początkowy dowolny z zakresu (0,1); argument modulo 1; rząd złoŜenia 1 Definicja: Punkt x* jest punktem sta»»ym odwzorowania σ jeóeli x* = σ(x*) tzn. punkty sta»e leó na przeci“ciu wykresu σ(x) z dwusieczn kta prostego. Dynamika Uk»adów Nieliniowych 2009 4 Wykład 2 Przedstawimy teraz warunek pocztkowy w postaci binarnej: ∞ x0 = ∑aν 2 -ν ν =1 tzn w postaci: x0 = 0,a1a2a3a4... gdzie av przyjmuj wartoÑci 0 lub 1. Dla x0 < 0.5 mamy a1 = 0 Dla x0 > 0.5 mamy a1 = 1 Pierwsza iteracja odwzorowania σ(x0) oznacza przesuni“cie cigu reprezentacji binarnej o 1 miejsce w lewo (mnoóenie wielkoÑci binarnej przez 2) oraz usuni“ciu pierwszej cyfry cigu (modulo 1). tzn. x1 = 0,a2a3a4... Przy kaódej iteracji σ realizuje si“ wi“c przesuni“cie Bernoulliego Ma ono nast“pujce w»asnoÑci: 1) Czu»oу na warunki pocztkowe JeÑli dwa warunki pocztkowe róóni si“ od siebie tylko na n-tym miejscu po przecinku to róónica jest powi“kszana przez dzia»anie σ (2 krotnie z kaód iteracj) Dynamika Uk»adów Nieliniowych 2009 2) Wykład 2 5 Cig iteracji σn jest w takim samym stopniu cigiem losowym jak cig rzutów monet: zawsze moóna tak dobraƒ x0 aby 0 i 1 w zapisie binarnym odpowiada»y kolejnym or»om i reszkom rzutu monet (te cigi s wtedy izomorficzne) 3) chociaŜ badany uk»ad jest deterministyczny i rozpoczyna ruch się z warunku początkowego x0 ∈ [0,1] na skutek kolejnych iteracji odwzorowania dyskretnego stan jest ergodyczny. Oznacza to: obrazy dowolnego x0 ∈ [0,1] zblióaj si“ na odleg»oу ε = 2-n do kaódego punktu odcinka [0,1] niesko½czenie wiele razy. Przykład: program Modmap; przyjąć parametry: parametr kontrolny 1.999999; warunek początkowy dowolny z zakresu (0,1); argument modulo 1; rząd złoŜenia 1 a następnie 2, 4, 8,…… Dynamika Uk»adów Nieliniowych 2009 Wykład 2 6 Przesuni“cie Bernoulliego jest bezpoÑrednim powodem pojawiania si“ orbit periodycznych: Przyk»ad: x0 = 0.1010101010.... (= 2/3) x1 = σ(x0) = 0.0101010... (= 1/3) x2 = σ(x1) = 0.101010... (= 2/3) Mamy wi“c orbit“ periodyczn o okresie p gdy dobierzemy warunek pocztkowy tak aby jego zapis binarny x0 = 0,a1a2...apa1a2...apa1a2...apa1a2...ap itd. Przykład: program Modmap; przyjąć parametry: parametr kontrolny 1.999999; warunek początkowy 0.666666 a następnie 0.333333333 argument modulo 1; rząd złoŜenia 1 Punkt y na orbicie o okresie p jest równieó punktem sta»ym mapy p-krotnie z»oóonej tj. y = σp(y) Dynamika Uk»adów Nieliniowych 2009 Wykład 2 7 Mechanizm powstawania chaosu deterministycznego w postaci przesuni“cia Bernoulliego jest ca»kowicie uniwersalny: - we wszystkich nieliniowych uk»adach dynamicznych pojawia si“ rozciganie a nast“pnie sk»adanie Dla naszego jednowymiarowego odwzorowania σ: • Pocztkowo dla x0 < 0.5 odwzorowanie σ rozciga odcinek (0,x0] o czynnik 2 • Następnie, gdy n > n0 gdzie n0 takie, óe 2n0 x0 ≥ 1 zaczyna odgrywaƒ rol“ funkcja modulo: odwzorowuje ona x0 z powrotem w odcinek jednostkowy. Innych moóliwoÑci nie ma: bez modulo nie by»oby rozwiza½ ograniczonych do jakiegoÑ skończonego obszaru przestrzeni fazowej. Dynamika Uk»adów Nieliniowych 2009 8 Wykład 2 Wyk»adnik Lapunowa Rozciganie powoduje, óe blisko siebie leóące punkty pod wp»ywem odwzorowania nieliniowego f(xn) oddalaj si“ od siebie: gdzie λ jest wyk»adnikiem Lapunowa. N pełni rolę czasu o wartościach dyskretnych a więc λ jest (średnią prędkością oddalania się (zbliŜania) trajektorii. Jak widaƒ: ε exp( N λ ( x0 )) = | f N ( x0 + ε ) - f N ( x0 ) | W granicy otrzymuje si“ Ñcis»e wyraóenie na wykładnik Lapunowa λ(x0): N ( x0 + ε ) - f ( x0 ) F | λ ( x0 ) = lim lim ln | N N →∞ ε ε →0 N 1 df ( x0 ) = lim ln | | N N →∞ dx0 1 N -1 = lim ∑ ln | f (′ xi ) | N →∞ N i = 0 Dynamika Uk»adów Nieliniowych 2009 Wykład 2 9 Wykladnik Lapunowa mierzy Ñredni ubytek informacji o po»oóeniu punktu na odcinku [0,1) po jednej iteracji odwzorowania. Wyk»adnik Lapunowa a stabilnoу punktu sta»ego Definicja: Punkt sta»y x* jest lokalnie stabilny, jeśli wszystkie punkty x0 w pewnym otoczeniu x* s do niego przycigane: inaczej jeÑli cig iteracji x0,x1,x2,....,xn,.... → x* Analityczne kryterium lokalnej stabilnoÑci jest spe»nione dla warunku: | d * f(x*) | < 1 dx dlatego, óe odleg»oу od punktu sta»ego: δ n + 1 = | x n + 1 - x* |= | f( x* + δ n ) - x* | ≈ | d * f( x* ) | δ n dx Widzimy zwizek pomi“dzy wyk»adnikiem Lapunowa a stabilnoÑci punktu sta»ego odwzorowania. W»asnoу ta moóe byƒ uogólniona: dodatni wyk»adnik Lapunowa Ñwiadczy o niestabilnoÑci rozwizania (ale nie o braku rozwizania). Dynamika Uk»adów Nieliniowych 2009 Wykład 2 Przyk»ad: Odwzorowanie trójktne ("mapa namiotowa"): 1 ∆ (x) = a ( 1 - 2 | - x |) 2 * Dla a < 0.5 punkt sta»y x = 0 jest jedynym punktem stabilnym ca»ego odcinka [0,1) Dla a > 0.5 s dwa niestabilne punkty sta»e: 0 i 2a/(1+2a). Weïmy ∆n(xn) dla a=1. Jest ono teó kawa»kami liniowe. Przykład: program TentMap Przyjmując dowolny warunek początkowy obszaru basenu atrakcji (0,1) oraz rząd złoŜenia 1 Prześledzić zachowanie odwzorowania namiotowego dla 0< a < 0.5 oraz 0.5 <a < 0.99999999. Sprawdzić, Ŝe dla a = 0.9999999999 osiąga się punkt stały x* = 2/3. Dla 0.5 <a < 0.99999999 x* = 2a/(1+2a) 10 Dynamika Uk»adów Nieliniowych 2009 Wykład 2 11 Wsz“dzie poza przeliczalnym zbiorem punktów: j⋅2-n gdzie j=0,1,2,...,2n d | ∆ n (x) |= 2 n dx Pochodna ta jest miarą stabilności rozwiązania. Widzimy wi“c, óe odleg»oу (prawie) kaŜdej pary punktów x0, x0+ε roÑnie wyk»adniczo z n. Std wyk»adnik Lapunowa jest nie zaleŜny od warunku pocztkowego x0 λ = ln 2 Dla dowolnej wartoÑci parametru kontrolnego a λ = ln 2a i zmienia znak dla wartoÑci krytycznej ac = 1/2 Pokaz: Wykładnik Lagunowa w funkcji parametry kontrolnego dla róŜnych odwzorowań Analogia do zjawisk krytycznych fizyki statystycznej: W poblióu punktu krytycznego ac wyk»adnik Lapunowa zmienia si“ zgodnie z prawem: λ ∝ (r - rc ) Wyk»adnik Lapunowa spe»nia wi“c rol“ parametru porzdku w analogii do przejу fazowych fizyki statystycznej stanów równowagi. Dynamika Uk»adów Nieliniowych 2009 Wykład 2 12 Miara niezmiennicza Na pocztek: G“stoу niezmiennicza ρ(x) odwzorowania jednowymiarowego xn+1 = f(xn), dla xn ε [0,1], n=1,2,... okreÑla asymptotyczn g“stoу iteracji na odcinku jednostkowym (naturalna g“stoу niezmiennicza): 1 N ρ (x) ≡ lim ∑ δ [ x - f i ( x0 ) ] N → ∞ N i= 0 Uk»ad jest ergodyczny jeÑli ρ(x) nie zaleóy od warunku pocztkowego x0. Pokaz: Miara naturalna dla róŜnych odwzorowań jednowymiarowych W takim przypadku - podobnie jak w fizyce statystycznej - Ñrednie po czasie funkcji g(x) moóna wyraziƒ jako Ñrednie z g“stoÑci niezmiennicz: lim N →∞ 1 N 1 1 N i g[ f ( x0 ) ] = ∫ ρ (x) g(x) dx ∑ g( xi ) ≡ lim ∑ N → ∞ N i= 0 i=0 0 N Dynamika Uk»adów Nieliniowych 2009 Wykład 2 13 Jest to jednowymiarowy odpowiednik termodynamicznego uÑredniania z klasycznej fizyki statystycznej: 1T lim ∫ A[x ( t ) ] dt = ∫ ρ (x) A (x) dx T →∞ T 0 gdzie o x=[p(t),q(t)], o A(x) jest dowoln funkcj o wspó»rz“dne uogólnione q i p“dy uogólnione p spe»niaj równania Hamiltona. W klasycznej fizyce statystycznej operator Liouville'a L okreÑla ewolucj“ w czasie gęstoÑci prawdopodobie½stwa w wyraóeniu na Ñredni po zespole statystycznym: ρ& (x ,t ) = - i Lρ ( x,t ) gdzie operator Liouville’a: ∂H ∂ ∂H ∂ L=i ∂ p ∂ q ∂q ∂p Ewolucj“ w czasie g“stoÑci iteracji ρ(x) odwzorowania dyskretnego okreÑla operator Frobenius-Perona: ρ n+1 (x) = ∫ ρ n (y) δ [x - f (y) ] dy Dynamika Uk»adów Nieliniowych 2009 14 Wykład 2 Przyk»ad: Operator Frobeniusa-Perona dla odwzorowania namiotowego Dane jest odwzorowanie: 1 2x, 0 ≤ x < 2 ∆(x) = 2(1 - x), 1 ≤ x ≤ 1 2 tak, óe xi+1 = ∆(xi), i=0,1,2,.... ∆(x) 1 Zamiast analizowaƒ jak odwzorowanie ∆ dzia»a na pojedy½czy punkt odcinka (0,1), rozpatrzmy g“stoу pocztkow ρ. 0.8 0.6 X Gdy ∆ dzia»a na ρ otrzymujemy pewn nowa g“stoÑc Pρ. 0.4 U»amek g“stoÑci Pρ na odcinku [0,x] jest x 0.2 0 0 ∫ Pρ (s)ds Po jednej iteracji odwzorowania ∆: punkty w [0,x] pochodz odwzorowania z przeciwobrazu ∆ -1 ([0, x]) = {y : ∆(y) ∈ [0, x]} -1 ∆ ([0,x]) 0 0.2 0.4 0.6 xn ∆-1([0,x]) 0.8 1 Dynamika Uk»adów Nieliniowych 2009 15 Wykład 2 Łatwo obliczyƒ, óe 1 1 -1 ∆ ([0, x]) = [0, x] I [1 - x,1] 2 2 Std x x 2 0 0 1 ∫ Pρ (s)ds = ∫ ρ (s) ds + ∫ ρ (s) ds 1- x 2 JeÑli t funkcj“ górnej granicy ca»kowania zróŜniczkowaƒ po x otrzymuje si“ jawną postaƒ operatora Frobeniusa-Perona dla odwzorowania namiotowego: 1 x x Pρ (x) = [ ρ ( ) + ρ (1 - )] 2 2 2 G“stoу niezmiennicza ma t“ w»asnoу, óe: ρ (x) = ∫ ρ (y) δ [x - f (y) ] dy Rozwizaniem tego ostatniego równania s równieó niestabilne punkty sta»e odwzorowania. Jednakóe przy obliczeniach numerycznych (zaokrglenia) jak rówieó na skutek fluktuacji w uk»adach rzeczywistych prawdopodobie½stwo trafienia w taki niestabilny punkt sta»y jest nieistotne. Dynamika Uk»adów Nieliniowych 2009 16 Wykład 2 Przyk»ad: Dla odwzorowania "namiotowego" ∆(x) z parametrem a = 1 równanie na g“stoу niezmiennicz: 1 x ρ (x) = ρ + ρ 1 - 2 2 2 x i ma rozwizanie: ρ(x) = 1 a wi“c jest sta»a na ca»ym odcinku [0,1]. Odwzorowanie to jest wi“c ergodyczne. W wielu wypadkach naturalna g“stoу niezmiennicza nie istnieje. Np wtedy gdy w wyniku dzia»ania odwzorowania dyskretnego f(x) otrzymuje się asymptotycznie zbiór fraktalny (np. zbiór Cantora). Wtedy wprowadza się (ogólniejszą) gęstość iteracji µ posługując się pojęciem przeciwobrazu f-1(x) odwzorowania f(x). Podobnie postąpiliśmy w przykładzie wyprowadzenia operatora Frobeniusa-Perona dla odwzorowania namiotowego. Wtedy mówimy, óe miara µ jest niezmiennicza gdy µ(S) = µ(f-1(S)) gdzie S jest zbiorem, na który działa dane odwzorowanie. Dynamika Uk»adów Nieliniowych 2009 Wykład 2 17 Przykład: Dyfuzja deterministyczna. Program: dyfuzja Uwaga: program wymaga DOS-extendera DOS4GW.EXE w tym samym katalogu lub na ścieŜce. Parametry: Parametr kontrolny 1.05 Przyjmij warunek początkowy: x0 = 2.155 Iterując krok po kroku zaobserwuj, w którą stronę trajektoria opuści wykres. Zmień warunek początkowy (klawisz „i”) na 2.16 i zaobserwuj w którą stronę teraz trajektoria opuści wykres.