logo

1차원 맵의 랴푸노프 수 📂동역학

1차원 맵의 랴푸노프 수

정의1

스무스11차원 f:RRf : \mathbb{R} \to \mathbb{R} 의 한 오빗 {x1,x2,x3,}\left\{ x_{1} , x_{2} , x_{3} , \cdots \right\} 이 주어져 있다고 하자.

랴푸노프 수

다음을 랴푸노프 수Lyapunov number라 한다. L(x1):=limn(i=1nf(xi))1/nL ( x_{1} ) : = \lim_{ n \to \infty } \left( \prod_{i = 1}^{n} | f ' (x_{i} ) | \right)^{1/n}

랴푸노프 지수

다음을 랴푸노프 지수Lyapunov exponent라 한다. h(x1):=limn1ni=1nlnf(xi)h ( x_{1} ) := \lim_{n \to \infty } {{1} \over {n}} \sum_{i=1}^{n} \ln | f ' (x_{i} ) | 랴푸노프 지수는 흔히 λ\lambda 로도 많이 나타낸다.

설명

직관적 정의 2

랴푸노프 수의 직관적인 개념은 ‘초기 조건의 작은 차이가 먼 미래에 얼마나 큰 영향을 미쳤는가’라고 볼 수 있다. 초기 조건 x1x_{1} 와 아주 조금의 거리 δ10\delta_{1} \approx 0 만큼 떨어진 x1+δ1x_{1} + \delta_{1} 에서 각각 nn 만큼의 시간이 흐른 후의 거리를 δn:=fn(x1+δ1)fn(x1) \delta_{n} := f^{n} \left( x_{1} + \delta_{1} \right) - f^{n} \left( x_{1} \right) 라고 나타내자. 여기서 δnδ1enλ\left| \delta_{n} \right| \approx \left| \delta_{1} \right| e^{n \lambda} 일 때, λ\lambda 를 랴푸노프 지수라 정의할 수도 있다. 랴푸노프 지수가 00 이상이라면 그 값이 클수록 δ1\left| \delta_{1} \right|δn\left| \delta_{n} \right| 의 차이가 커서 초기 조건의 차이가 먼 미래에 큰 영향을 미치는 것이고, 00 보다 작다면 그 값이 작을수록 두 값이 비슷해서 초기 조건의 차이가 먼 미래에 영향을 덜 미치는 것으로 해석할 수 있다. λ\lambda 에 대해서 다시 수식을 전개해보자면, 양변에 로그를 취해서 δnδ1enλ    lnδnlnδ1nλ \left| \delta_{n} \right| \approx \left| \delta_{1} \right| e^{n \lambda} \implies \ln \left| \delta_{n} \right| \approx \ln \left| \delta_{1} \right| n \lambda 이고, λ1nlnδnδ1=1nlnfn(x1+δ1)fn(x1)δ11nln(fn)(x1) \begin{align*} \lambda \approx& {\frac{ 1 }{ n }} \ln \left| {\frac{ \delta_{n} }{ \delta_{1} }} \right| \\ =& {\frac{ 1 }{ n }} \ln \left| {\frac{ f^{n} \left( x_{1} + \delta_{1} \right) - f^{n} \left( x_{1} \right) }{ \delta_{1} }} \right| \\ \approx& {\frac{ 1 }{ n }} \ln \left| \left( f^{n} \right) ' \left( x_{1} \right) \right| \end{align*} 다. 한편 (fn)(x1)\left( f^{n} \right) ' \left( x_{1} \right)체인룰에 따라 (fn)(x1)=[f(fn1)(x1)]=(fn1)(x1)f(fn1(x1))=(fn1)(x1)f(xn)=(fn2)(x1)f(fn2(x1))f(xn)=(fn2)(x1)f(xn1)f(xn)=k=1nf(xk) \begin{align*} \left( f^{n} \right) ' \left( x_{1} \right) =& \left[ f \left( f^{n-1} \right) \left( x_{1} \right) \right] ' \\ =& \left( f^{n-1} \right) ' \left( x_{1} \right) \cdot f ' \left( f^{n-1} \left( x_{1} \right) \right) \\ =& \left( f^{n-1} \right) ' \left( x_{1} \right) f ' \left( x_{n} \right) \\ =& \left( f^{n-2} \right) ' \left( x_{1} \right) \cdot f ' \left( f^{n-2} \left( x_{1} \right) \right) f ' \left( x_{n} \right) \\ =& \left( f^{n-2} \right) ' \left( x_{1} \right) \cdot f ' \left( x_{n-1} \right) f ' \left( x_{n} \right) \\ & \vdots \\ =& \prod_{k=1}^{n} f ' \left( x_{k} \right) \end{align*} 이라서 λ1nln(fn)(x1)=1nlnk=1nf(xk)=1nk=1nlnf(xk) \begin{align*} \lambda \approx& {\frac{ 1 }{ n }} \ln \left| \left( f^{n} \right) ' \left( x_{1} \right) \right| \\ =& {\frac{ 1 }{ n }} \ln \left| \prod_{k=1}^{n} f ' \left( x_{k} \right) \right| \\ =& {\frac{ 1 }{ n }} \sum_{k=1}^{n} \ln \left| f ' \left( x_{k} \right) \right| \end{align*} 이므로, 충분히 큰 nNn \in \mathbb{N} 에 대해 다음과 같은 근사를 유도할 수 있다. λ1nk=1nlnf(xk)limN1Nk=1Nlnf(xk)=h(x1) \lambda \approx {{1} \over {n}} \sum_{k=1}^{n} \ln | f ' (x_{k} ) | \approx \lim_{N \to \infty} {{1} \over {N}} \sum_{k=1}^{N} \ln | f ' (x_{k} ) | = h \left( x_{1} \right)

카오스 이론

싱크와 소스의 개념을 다시금 생각해보면 싱크란 가까운 곳의 점이 모여드는 일종의 ‘수렴점’, 소스란 가까웠던 점들이 점점 멀어지는 일종의 ‘발산점’이라고 볼 수 있다. 이것은 프리어딕 오빗에 대해서도 비슷하게 확장시킬 수 있었다.

오빗의 싱크와 소스 판정법: > ff 의 피리어딕-kk 오빗을 {p1,p2,,pk}\left\{ p_{1} , p_{2} , \cdots , p_{k} \right\} 라고 하자. f(p1)f(pk)<1\left| f '(p_{1}) \cdots f '(p_{k}) \right| < 1 이면 {p1,p2,,pk}\left\{ p_{1} , p_{2} , \cdots , p_{k} \right\} 은 싱크고, f(p1)f(pk)>1\left| f '(p_{1}) \cdots f '(p_{k}) \right| > 1 이면 {p1,p2,,pk}\left\{ p_{1} , p_{2} , \cdots , p_{k} \right\} 은 소스다.

랴푸노프 수는 이러한 개념을 피리어딕한 오빗 이상으로 확장하기 위해 도입되었다고 볼 수 있다. 싱크가 안정적인 경향을 나타내고 소스가 요동치는 확산을 나타낸다고 보았을 때 미분계수의 무한곱들로 표현된 L(x1)L ( x_{1} )11 보다 더 크다면 사실상 x1x_{1} 의 오빗이 소스임을 암시한다. 그러한 점에서 랴푸노프 지수는 어심토티컬리 피리어딕과 함께 카오스이라는 개념을 정의하거나, 아래의 정리를 준다.

정리3

스무스한 맵 f:RRf : \mathbb{R} \to \mathbb{R} 의 오빗 중 f(xi)0f ' (x_{i} ) \ne 0 을 만족하는 {x1,x2,}\left\{ x_{1} , x_{2} , \cdots \right\} 이 피리어딕-kk 오빗 {y1,y2,,yk,}\left\{ y_{1} , y_{2} , \cdots , y_{k} , \cdots \right\} 에 어심토티컬리 피리어딕하다고 하자. 그러면 두 오빗은 같은 랴푸노프 지수를 갖는다.

증명

Part 1. 수열의 평균은 원래 수열의 극한으로 수렴한다.

간단한 팩트로써, limnsn=s\displaystyle \lim_{n \to \infty} s_{n} = s 라고 한다면 mZm \in \mathbb{Z} 에 대해 limnsn+m=s\displaystyle \lim_{n \to \infty} s_{n+m} = s 이 성립한다.

그러면 그 평균 역시 ss 로 수렴하고, 수식으로 나타내면 limn1ni=1nsi=s\displaystyle \lim_{n \to \infty} {{1} \over {n}} \sum_{i=1}^{n} s_{i} = s


Part 2.

k=1k=1 이라고 하면 y1y_{1}ff 의 고정점이 된다. limnxn=y1\displaystyle \lim_{ n \to \infty } x_{n} = y_{1} 이고 ff 가 스무스하므로

limnf(xn)=f(limnxn)=f(y1) \lim_{n \to \infty } f ' (x_{n}) = f ' \left( \lim_{n \to \infty} x_{n} \right) = f ' ( y_{1} )

한편 ln\ln | \cdot | 역시 연속함수이므로

limnlnf(xn)=lnlimnf(xn)=lnf(y1) \lim_{n \to \infty } \ln | f ' (x_{n}) | = \ln \left| \lim_{n \to \infty} f ' ( x_{n} ) \right| = \ln | f ' ( y_{1} ) |

따라서 Part 1.에 의해

h(x1)=limn1ni=1nlnf(xn)=limnlnf(xn)=11lnf(y1)=h(y1) \begin{align*} h ( x_{1} ) =& \lim_{n \to \infty } {{1} \over {n} } \sum_{i=1}^{n} \ln | f ' (x_{n}) | \\ =& \lim_{n \to \infty } \ln | f ' (x_{n}) | \\ =& {{1} \over {1}} \ln | f ' (y_{1} ) | \\ =& h (y_{1} ) \end{align*}


Part 3.

ff 하에서 x1x_{1} 의 랴푸노프 수가 L:=limn(f(x1)f(xn))1/n\displaystyle L := \lim_{ n \to \infty } \left( | f ' ( x_{1} ) | \cdots | f ' ( x_{n} ) | \right)^{1/n} 이라고 하자. 체인 룰에 의해 i=1,,ki = 1, \cdots , k 에 대해서는 (fk)(xi)=f(x1)f(xk)( f^{k} )' ( x_{i} ) = f ' ( x_{1} ) \cdots f ' ( x_{k} ) 이므로, fkf^{k} 하에서 x1x_{1} 의 랴푸노프 수는

limn((fk)(x1)(fk)(xn))1/n=limn(f(x1)f(xn))k/n=Lk \begin{align*} & \lim_{ n \to \infty } \left( \left| (f^{k})' ( x_{1} ) \right| \cdots \left| (f^{k}) ’ ( x_{n} ) \right| \right)^{1/n} \\ =& \lim_{ n \to \infty } \left( | f ' ( x_{1} ) | \cdots | f ' ( x_{n} ) | \right)^{k/n} \\ =& L^{k} \end{align*}

계산과정을 보면 자연스럽게 역도 성립하고, ff 하에서 x1x_{1} 랴푸노프 지수가 h=fk h = f^{k} 하에서 x1x_{1} 랴푸노프 지수가 khkh 이다.


Part 4.

k>1k > 1 이라고 하면 y1y_{1}fkf^{k} 의 고정점이고 {x1,x2,}\left\{ x_{1} , x_{2} , \cdots \right\}{y1,y2,,yk,}\left\{ y_{1} , y_{2} , \cdots , y_{k}, \cdots \right\} 에 어심토티컬리 피리어딕하다.

h(x1)=limn1n(lnf(x1)++lnf(xn))=limn1nln(f(x1)f(xn))=limn1knln(f(x1)kf(xn)k)=1klimnln((fk)(xn))=1kln(fk)(y1) \begin{align*} h(x_{1} ) =& \lim_{ n \to \infty } {{1} \over {n}} \left( \ln | f ' ( x_{1} ) | + \cdots + \ln | f ' ( x_{n} ) | \right) \\ =& \lim_{ n \to \infty } {{1} \over {n}} \ln \left( | f ' ( x_{1} ) | \cdots | f ' ( x_{n} ) | \right) \\ =& \lim_{ n \to \infty } {{1} \over {k \cdot n}} \ln \left( | f ' ( x_{1} ) |^{k} \cdots | f ' ( x_{n} ) |^{k} \right) \\ =& {{1} \over {k}} \lim_{ n \to \infty } \ln \left( | (f^{k} ) ’ ( x_{n} ) | \right) = {{1} \over {k}} \ln \left| ( f^{k} )' ( y_{1} ) \right| \end{align*}

Part 2.에 의해 fkf^{k} 하에서 x1x_{1} 의 랴푸노프 지수는

ln(fk)(y1) \ln \left| (f^{k})' (y_{1}) \right|

Part 3.에 의해 ff 하에서 x1x_{1} 의 랴푸노프 지수는

h(x1)=1kln(fk)(y1)=h(y1) h( x_{1} ) = {{1} \over {k}} \ln \left| ( f^{k} )' ( y_{1} ) \right| = h ( y_{1} )

같이보기

다차원 맵의 랴푸노프 수


  1. Yorke. (1996). CHAOS: An Introduction to Dynamical Systems: p107. ↩︎

  2. Strogatz. (2015). Nonlinear Dynamics And Chaos: With Applications To Physics, Biology, Chemistry, And Engineering(2nd Edition): p366. ↩︎

  3. Yorke. (1996). CHAOS: An Introduction to Dynamical Systems: p108. ↩︎