Lyapunov vektör - Lyapunov vector

Bu makale gibi yazılmıştır araştırma makalesi veya bilimsel dergi bu kullanabilir aşırı teknik terimler veya yazılmayabilir ansiklopedik bir makale gibi. Lütfen geliştirmeye yardım et yeniden yazarak ansiklopedik tarz. (Aralık 2015) (Bu şablon mesajını nasıl ve ne zaman kaldıracağınızı öğrenin)

Uygulamalı matematikte ve dinamik sistem teori Lyapunov vektörleri, adını Aleksandr Lyapunov, dinamik bir sistemin karakteristik genişleme ve daralma yönlerini tanımlayın. Öngörülebilirlik analizinde ve ilk karışıklıklar olarak kullanılmışlardır. topluluk tahmini içinde sayısal hava tahmini.^[1] Modern uygulamada bunların yerini genellikle yetiştirilmiş vektörler bu amaç için.^[2]

Matematiksel açıklama

Evrimleşmiş bir yörünge boyunca tedirginliklerin asimetrik büyümesinin tasviri.

Lyapunov vektörleri, dinamik bir sistemin yörüngeleri boyunca tanımlanır. Sistem d boyutlu bir durum vektörü ile tanımlanabiliyorsa ${ displaystyle x in mathbb {R} ^ {d}}$ Lyapunov vektörleri ${ displaystyle v ^ {(k)} (x)}$, ${ displaystyle (k = 1 nokta d)}$ Sonsuz küçük bir tedirginliğin asimptotik olarak büyüyeceği yönlerde, üssel olarak, tarafından verilen ortalama bir oranda Lyapunov üsleri ${ displaystyle lambda _ {k}}$.

• Lyapunov vektörleri açısından genişletildiğinde, bir pertürbasyon asimptotik olarak Lyapunov vektörü ile en büyük Lyapunov üssüne karşılık gelen bu genişlemede hizalanır, çünkü bu yön diğerlerinin tümünü aşar. Bu nedenle, neredeyse tüm pertürbasyonlar, sistemdeki en büyük Lyapunov üssüne karşılık gelen Lyapunov vektörü ile asimptotik olarak hizalanır.^[3]
• Bazı durumlarda Lyapunov vektörleri mevcut olmayabilir.^[4]
• Lyapunov vektörleri mutlaka ortogonal değildir.
• Lyapunov vektörleri, yerel ana genişleme ve büzülme yönleriyle, yani özvektörlerle özdeş değildir. Jacobian. İkincisi sistem hakkında yalnızca yerel bilgi gerektirse de, Lyapunov vektörleri bir yörünge boyunca tüm Jakobenler tarafından etkilenir.
• Periyodik bir yörünge için Lyapunov vektörleri, Floquet vektörleri bu yörüngenin.

Sayısal yöntem

Bu bölüm genişlemeye ihtiyacı var. Yardımcı olabilirsiniz ona eklemek. (Aralık 2015)

Dinamik sistem türevlenebilirse ve Lyapunov vektörleri mevcutsa, bir yörünge boyunca doğrusallaştırılmış sistemin ileri ve geri yinelemeleri ile bulunabilirler.^[5][6] İzin Vermek ${ displaystyle x_ {n + 1} = M_ {t_ {n} - t_ {n + 1}} (x_ {n})}$ sistemi durum vektörüyle eşleştir ${ displaystyle x_ {n}}$ zamanda ${ displaystyle t_ {n}}$ devlete ${ displaystyle x_ {n + 1}}$ zamanda ${ displaystyle t_ {n + 1}}$. Bu haritanın doğrusallaştırılması, yani Jacobian matrisi ${ displaystyle ~ J_ {n}}$ sonsuz küçük bir tedirginliğin değişimini tanımlar ${ displaystyle h_ {n}}$. Yani

${ displaystyle M_ {t_ {n} ila t_ {n + 1}} (x_ {n} + h_ {n}) yaklaşık M_ {t_ {n} ila t_ {n + 1}} (x_ {n }) + J_ {n} h_ {n} = x_ {n + 1} + h_ {n + 1}}$

Bir kimlik matrisiyle başlamak ${ displaystyle Q_ {0} = mathbb {I} ~}$ yinelemeler

${ displaystyle Q_ {n + 1} R_ {n + 1} = J_ {n} Q_ {n}}$

nerede ${ displaystyle Q_ {n + 1} R_ {n + 1}}$ tarafından verilir Gram-Schmidt QR ayrışması nın-nin ${ displaystyle J_ {n} Q_ {n}}$, asimptotik olarak yalnızca noktalara bağlı olan matrislere yakınsar ${ displaystyle x_ {n}}$ bir yörünge, ancak ilk seçimde değil ${ displaystyle Q_ {0}}$. Ortogonal matrislerin satırları ${ displaystyle Q_ {n}}$ her noktada ve birinci noktada yerel bir ortogonal referans çerçevesi tanımlayın ${ displaystyle k}$ satırlar Lyapunov vektörleri ile aynı alanı kaplar. ${ displaystyle k}$ en büyük Lyapunov üsleri. Üst üçgen matrisler ${ displaystyle R_ {n}}$ Sonsuz küçük bir pertürbasyonun bir yerel ortogonal çerçeveden diğerine değişimini betimler. Çapraz girişler ${ displaystyle r_ {kk} ^ {(n)}}$ nın-nin ${ displaystyle R_ {n}}$ Lyapunov vektörlerinin yönlerindeki yerel büyüme faktörleridir. Lyapunov üsleri ortalama büyüme oranları ile verilmektedir.

${ displaystyle lambda _ {k} = lim _ {m ila infty} { frac {1} {t_ {n + m} -t_ {n}}} toplam _ {l = 1} ^ { m} log r_ {kk} ^ {(n + l)}}$

ve germe, döndürme ve Gram-Schmidt ortogonalizasyonu sayesinde Lyapunov üsleri şu şekilde sıralanır: ${ displaystyle lambda _ {1} geq lambda _ {2} geq dots geq lambda _ {d}}$. Zaman içinde ileriye doğru yinelendiğinde, ilk tarafından kapsanan alanda bulunan rastgele bir vektör ${ displaystyle k}$ sütunları ${ displaystyle Q_ {n}}$ neredeyse kesinlikle en büyük Lyapunov üssü ile asimptotik olarak büyüyecek ve karşılık gelen Lyapunov vektörü ile hizalanacaktır. Özellikle, ilk sütun ${ displaystyle Q_ {n}}$ en büyük Lyapunov üslü Lyapunov vektörünün yönünü gösterecektir. ${ displaystyle n}$ yeterince büyük. Zamanda geriye doğru yinelendiğinde, ilk tarafından kapsanan uzayda bulunan rastgele bir vektör ${ displaystyle k}$ sütunları ${ displaystyle Q_ {n + m}}$ hemen hemen kesinlikle, asimptotik olarak karşılık gelen Lyapunov vektörü ile hizalanacaktır. ${ displaystyle k}$en büyük Lyapunov üssü, eğer ${ displaystyle n}$ ve ${ displaystyle m}$ yeterince büyük. Tanımlama ${ displaystyle c_ {n} = Q_ {n} ^ {T} h_ {n}}$ bulduk ${ displaystyle c_ {n-1} = R_ {n} ^ {- 1} c_ {n}}$. İlkini seçmek ${ displaystyle k}$ girişleri ${ displaystyle c_ {n + m}}$ rastgele ve diğer girişler sıfır ve bu vektörü zamanda geriye doğru yineleyerek, vektör ${ displaystyle Q_ {n} c_ {n}}$ Lyapunov vektörü ile neredeyse kesin olarak aynı hizaya gelir ${ displaystyle v ^ {(k)} (x_ {n})}$ karşılık gelen ${ displaystyle k}$en büyük Lyapunov üssü ${ displaystyle m}$ ve ${ displaystyle n}$ yeterince büyük. Yinelemeler bir vektörü üssel olarak patlatacağından veya küçülteceğinden, yön değiştirmeden herhangi bir yineleme noktasında yeniden normalleştirilebilir.

Referanslar