W matematyce , A sekwencja logistyczna jest prosta sekwencja , ale nawrót który nie jest liniowa. Jego relacja powtarzania jest
W zależności od wartości parametru μ (w [0; 4], aby zapewnić, że x pozostaje w [0; 1]), generuje sekwencję zbieżną, sekwencję poddaną oscylacjom lub sekwencję chaotyczną .
Ta kontynuacja, często cytowana jako przykład złożoności behawioralnej, która może wynikać z prostej nieliniowej zależności, została spopularyzowana przez biologa Roberta Maya w 1976 roku . Jednym z zastosowań pakietu logistycznego jest modelowanie wielkości populacji biologicznej na przestrzeni pokoleń.
To rozwiązanie w dyskretnym czasie od modelu Verhulst . Termin „logistyka” pochodzi z pracy Pierre'a François Verhulsta, który nazywa krzywą logistyczną ciągłym rozwiązaniem czasowym swojego modelu. W swojej pracy poświęconej temu zjawisku pisał w 1845 roku: „Tej krzywej damy termin logistyka” . Autor nie wyjaśnia swojego wyboru, ale „logistyka” ma ten sam pierwiastek co logarytm, a logistikos oznacza po grecku „obliczenie”.
W modelu logistycznym weźmiemy pod uwagę, że zanotowana tutaj zmienna x n oznacza stosunek populacji gatunku do maksymalnej populacji tego gatunku (jest to liczba od 0 do 1). Zmieniając parametr μ obserwuje się kilka różnych zachowań:
Przypadek 0 ≤ µ ≤ 1 ludność wygasła.W końcu gatunek umrze, niezależnie od populacji wyjściowej. Tj .
Przypadek 1 ≤ µ ≤ 3 wielkość populacji stabilizuje się.Opisane powyżej okresy oscylacji spełniają następującą zasadę. Rozważmy porządek Charkovskiego zdefiniowany na ściśle dodatnich liczbach całkowitych w następujący sposób:
Innymi słowy, najpierw umieszczamy nieparzyste, zaczynając od 3, w porządku rosnącym, potem nieparzyste pomnożone przez 2, potem przez 4 itd. a kończymy potęgami 2 w kolejności malejącej. Jeżeli wartość parametru µ odpowiada okresowi oscylacji n , to wszystkie liczby całkowite następujące po n w kolejności Charkowskiego odpowiadają okresom oscylacji, które już wystąpiły dla wartości parametru mniejszych niż µ . Zatem, ponieważ µ = 3,82 odpowiada okresowi 3, wszystkie możliwe okresy oscylacji wystąpiły już dla wartości µ między 0 a 3,82.
Schemat rozwidlenie (w) stosuje się graficznie Podsumowując różne przypadki:
Kilka prostych argumentów i kilka wykresów częściowo rzuca światło na powyższe wyniki.
Ewolucję sekwencji logistycznej można przedstawić na płaszczyźnie ( x n , x n +1 ).
Podstawowe równanie przedstawia parabolę przechodzącą przez punkty odciętych 0 i 1 na osi poziomej. Aby wartości x n +1 nie stały się ujemne, konieczne jest zachowanie tylko łuku zawartego między tymi dwoma punktami; Stanowi to dla x n = 1 / 2 , o maksymalnej wartości μ / 4 . Ta wartość również musi zawierać się w przedziale od 0 do 1, stąd μ <4.
Jeśli sekwencja jest zbieżna, jej granica spełnia równanie granice x n +1 = granice x n . Ta możliwa granica, oznaczona przez x , jest rozwiązaniem równania kwadratowego
i dlatego może przyjąć jedną lub drugą z wartości
Aby opisać zachowanie ciągu, należy zacząć od odciętej x 0 , określić na paraboli wartość x 1, która jest następnie przekształcona w nową odciętą przechodzącą przez dwusieczną x n +1 = x n i powtórzyć te dwie operacje.
Dla pewnych wartości parametru μ sekwencja zachowuje się jak sekwencja klasyczna i zbliża się do jednej z dwóch możliwych granic. Podstawowe równanie można przepisać w postaci
Jeśli ciąg jest ograniczony ciągiem geometrycznym, który zmierza w kierunku 0.
Aby zobaczyć zachowanie w odniesieniu do drugiej możliwej granicy, wystarczy przeprowadzić zmianę zmiennej x n = u n + 1 - 1 / μ. Formuła wygląda następująco:
W tym przypadku, warunki zbieżności wymaga, aby drugi człon jest od -1 do +1: .
Sprawdzamy, czy jeśli u n jest bliskie granicy 1 - 1 / μ, to 1-μ u n jest bliskie 2 - μ, a u n dąży do swojej granicy zwiększając wartości, jeśli μ jest mniejsze niż 2, o naprzemienne wartości, jeśli jest większe niż 2.
![]() |
![]() |
![]() |
W poprzednim akapicie wzór powtarzalności postaci x n +1 = f ( x n ) umożliwił uzyskanie pierwszych atraktorów poprzez poszukiwanie możliwej granicy zgodnej z równaniem x = f ( x ).
Kiedy μ staje się większe niż 3, musimy poszukać rozwiązania równania x = f ( f ( x )). Prowadzi to do równania czwartego stopnia, które naturalnie ma już znane korzenie - ale nie są one już atraktorami - i parę nowych korzeni.
Nie ma już zbieżności: pojawia się cykl graniczny. Wynik iteracji na przemian przełącza się z jednego z dwóch ostatnich pierwiastków na drugi: u n + 1 = u n-1, podczas gdy u n + 2 = u n . Dla μ = 3,4 pojawiają się kolejne przybliżone wartości 0,84, 0,45, 0,84, 0,45, 0,84 ...
Poza granicą stabilności tego cyklu, √6 + 1, pojawiają się dwa nowe bifurkacje, które zależą od rozwiązań x = f (f (f (f (x)))). Dla μ = 3,47 kolejne wartości są rzędu 0,47, 0,86, 0,40, 0,84, 0,47 ...
![]() |
![]() |
Od bifurkacji do bifurkacji, ewolucje stają się coraz bardziej złożone. Proces prowadzi do około μ> 3,57 w układach, w których generalnie nie ma już widocznych atraktorów. Grafika przedstawia zatem „chaotyczną” ewolucję w zwykłym znaczeniu tego terminu.
Jednak w języku matematyków słowo chaos reprezentuje silną wrażliwość na warunki początkowe. Dwa wykresy odpowiadające μ = 3,9 z wartościami początkowymi u 0 0,100 i 0,101 pokazują, że trajektorie oddalają się od siebie, aż szybko się rozróżnią. W konkretnym problemie warunki początkowe nigdy nie są dokładnie znane: po pewnym czasie chaotyczne zjawisko stało się nieprzewidywalne, mimo że definiujące je prawo jest całkowicie deterministyczne.
![]() |
![]() |