CHAOS
Heinz Horner
Institut f¨ur Theoretische Physik Ruprecht-Karls-Universit¨at Heidelberg
WS 1999/2000
Inhalt
1 Literatur 2
2 Einige Beispiele 2
2.1 Logistische Abbildung . . . 2
2.2 R¨ossler Oszillator . . . 5
2.3 Periodisch angetriebenes Pendel . . . 7
2.4 Vorl¨aufige Charakterisierung von Chaos . . . 8
3 Eindimensionale Abbildungen 9 3.1 Fixpunkte, periodische Orbits . . . 9
3.2 Vollst¨andiges Chaos . . . 12
3.3 Logistische Abbildung mit a <4 . . . 14
3.4 Fenster im chaotischen Bereich . . . 16
3.5 Periodenverdopplung . . . 19
4 Attraktoren in dynamischen Systemen 22 4.1 Poincar´e Abbildungen . . . 22
4.2 B¨acker Transformation . . . 23
4.3 Fraktale Dimension . . . 25
4.4 Lyapunov Exponenten und Dimensionen . . . 26
4.5 Entropie . . . 28
5 Hamiltonsche Systeme 31 5.1 Periodisch angestoßener Rotator . . . 31
1 Literatur
E. Ott Chaos in Dynamical Systems Cambridge University Press 1993
K.T. Alligood, T.D. Sauer, J.A. Yorke Chaos, an Introduction to Dynamical Systems Springer New York Berlin Heidelberg 1996
J. Briggs, F.D. Peat Die Entdeckung des Chaos Carl Hansen M¨unchen Wien 1990
2 Einige Beispiele
2.1 Logistische Abbildung
Einfaches Beispiel eines Marktes:
Preis am Tag n : xn
Preis am Tag n+ 1 : xn+1
Gesch¨atzter Wert : x¯
Falls xn<x¯ : xn+1 > xn
Falls xn>x¯ : xn+1 < xn
xn+1 =a xn−(a−1)x2n x¯:= 1 (2.1)
Logistische Abbildung: verschiedene Werte von a
Station¨ar Station¨ar
Periode 2 Periode 8
Chaos Periode 3
Chaos Chaos
Sensitive Abh¨angigkeit von Anfangsbedingungen
Verteilung der Startwerte:
xo = 10−4±10−8
2.2 R¨ ossler Oszillator
Teig kneten:
Den Teig drehen:
Oszillator mit konstanter Amplitude:
˙
x=y y˙ =−x (2.2)
Den Teig ausbreiten:
Oszillator mit wachsender Amplitude:
˙
x=y y˙ =−x+a y (2.3)
Den Teig zur¨uckfalten:
Anharmonischer Oszillator in drei Variablen:
˙
x=y−z y˙ =−x+a y (2.4)
˙
z :=b+z(x−c) (2.5)
R¨ossler Oszillator: b = 1 c= 4 verschiedene Werte von a Farbkodierung: z
Periode 1 Periode 2
R¨ossler Oszillator: b = 1 c= 4 verschiedene Werte von a
Periode 8 Chaos 2 Band
Chaos Periode 3
Chaos 3 Band Chaos
2.3 Periodisch angetriebenes Pendel
Masse m= 1
H = 12p2−cosϕ + a sinϕ cosωt (2.6)
˙
x=p p˙ =−sin(x) +a cosϕ cos(ω t) (2.7)
E(t) = H(t) − H(0) (2.8)
Phasenraum-Trajektorien p(t) chaotisch / quasiperiodisch
2.4 Vorl¨ aufige Charakterisierung von Chaos
Empfindliche Abh¨angigkeit von Anfangswerten:
Ungenauigkeit in der Anfangsbedingung: ∆x(0)
tlim→∞ lim
∆x(0) ∆x(t)/∆x(0) ∼ eλt (2.9)
mit λ >0 ?
Kontinuierliches Spektrum, keine periodische oder quasiperiodische Bewegung:
Spektrum
P(ω) = lim
t→∞
1 t
t
0
dtx(t) cosωt (2.10) oder
P(ω) = lim
n→∞
1 n
n m=0
xm cosωm (2.11)
Dimension der Trajektorie x(t) Station¨ar x(t)−→
t→∞x∞ Periodisch x(t+τ) = x(t)
Quasiperiodisch,m-Torus x(t) = f(cosω1t , cosω2t,· · ·,cosωmt) Fraktal ?
Attraktoren, konservative Systeme:
Infinitisimales Volumen im Phasenraum ∆V(t) Konservativ, Liouville-Satz: d ∆V(t)/dt= 0 Dissipativ, Attraktor: d ∆V(t)/dt <0 Ergodizit¨at, Entropie
25.10.99
3 Eindimensionale Abbildungen
3.1 Fixpunkte, periodische Orbits
x
xn
n+1
Eindimensionale Abbildung
xn+1 =f(xn) (3.1)
Fixpunkte
x∗ =f(x∗) (3.2) Linearisierte Abbildung in der N¨ahe eines Fixpunktes
x=x∗+δx δxn+1 =f(x∗)δxn (3.3)
Attraktiver (stabiler) Fixpunkt: |f(x∗)|<1 Repulsiver (instabiler) Fixpunkt: |f(x∗)|>1
Periode p-Orbit:
x∗p =fp(x∗p) (3.5)
Beispiel logistische Abbildung:
f(x) =a x(1−x) f2(x) = a2x(1−x) − a3x2(1−x)2 (3.6)
0 1
0 1
x f (x) f 2(x) f 3(x)
f n(x)
x
Logistische Abbildung
f(x) =a x(1−x) (3.7) a = 4
2 instabile Fixpunkte x∗ = 0 x∗ = 3/4 1 instabiler Periode 2 Orbit 2 instabile Periode 3 Orbits Zahl der Periode p Orbits f¨ur eine unimodulare Abbildung eines Intervalls, z.B.
[0· · ·1] auf sich selbst: f(0) = 0 f(x0) = 1 f(1) = 0
Die Abbildung fp(x) hat 2p−1 Maxima mit Wert fp(xmax) = 1 und 2p−1 + 1 Minima mit Wert fp(xmin) = 1. Damit hat fp(x) 2p Fixpunkte. Falls p Primzahl ist, existieren 2 Fixpunkte und mindestens
Np = 1 p
2p−2 (3.8)
Orbits der Periode p.
F¨ur unimodulare Abbildungen mit negativer Schwarz’scher Ableitung Sf(x) = f(x)f(x)− 32f(x)2
f(x)2 <0 (3.9)
existiert maximal ein stabiler periodischen Orbits und ein attraktiver Fixpunkt.
Charakteristikum von Chaos ?
Exponentell mitp wachsende Zahl von istabilen Orbits der Periode p ?
3.2 Vollst¨ andiges Chaos
Zelt Abbildung:
0 1
1
0 x
f(x)
0 1 2 3
Abbildung: Strecken und falten
Lyapunov Exponent:
∆xn+1 = 2 ∆xn λ = ln 2 >0 (3.10) Invariante Dichte:
Verteilung von Startwerten ρ0(x) Verteilung nach n Iterationen ρn(x)
Abbildung xn+1 =f(xn) : Frobenius Peron Gleichung ρn+1(x) =
dy ρn(y)δx−f(y) (3.11) Invariante Dichte:
nlim→∞ρn(x) = µ(x) µ(x) =
dy µ(y)δx−f(y) (3.12) Invariante Dichte der Zelt-Abbildung: µ(x) = 1
Invertierbare Transformation:
x=X(y) Inverse Transformation y =Y(x) mitX(0) = 0 und X(1) = 1 yn+1 =f(yn) xn+1 =F(xn) =Xf(Y(xn)) (3.13) Invariande Dichte M(x)
M(x)|dx|=µ(y)|dy| M(x) =µY(x) dY(x) dx
(3.14)
Beispiel: X(y) = sin2πy f(y): Zelt Abbildung F¨ur y < 12 f(y) = 2y
F(x) = Xf(Y(x))= sin22πy= 4 sin2πy1−sin2πy= 4x(1−x) (3.15) Entsprechend f¨ury > 12: F(x) = 4x(1−x)
Invariante Dichte der logistischen Abbildung mit a= 4: µ(y) = 1 M(x) = 1
dX(y)/dy = 1
πx(1−x) (3.16)
Lyapunov Exponent:
Linearisierte Abbildung f¨ur ∆x→0
∆xn+1 =f(xn) ∆xn=
n l=0
f(xl) ∆x0 (3.17)
λ= lim
n→∞
1 n
n l=0
ln|f(xl)|=
dx µ(x) ln|f(x)| (3.18) Transformation x=X(y): Mit FX(y)=Xf(y)
Λ =
dxM(x) ln|F(x)|=
dy µ(y) ln|F(X(y))|
=
dy µ(y) ln|f(y)|+ ln|X(f(y))| −ln|X(y)|
=
dy µ(y) ln|f(y)|=λ (3.19)
Beispiel: Λ =λ= ln 2 = 0.6912· · · 8.11.99
3.3 Logistische Abbildung mit a < 4
Logistische Abbildung:
xn+1 =a xn(1−xn) (3.20)
Fixpunkt x∗ = 0 f¨ur a <1 Fixpunkt x∗ >0 f¨ur 1< a <3 Perode 2n f¨ur 3< a <3.57· · ·
Chaos, Fenster· · · f¨ur 3.57· · ·< a <4
Bifurkationsdiagramm Ausschnitt
Ausschnitt Lyapunov Exponent
Invariante Dichte µ(x) =
dy µ(y)δx−f(y)= lim
n→∞
1 n
n l=0
δ(x−xl) (3.21)
Periode 8 2 Band Chaos
Chaos Vollst¨andiges Chaos
Singularit¨aten in µ(x) f¨urn-fach Iterierte von x0 = 12
Falls x0 Teil eines instabilen periodischen Orbits oder instabiler Fixpunkt (logis- tische Abbildung mit a= 4) ist, existieren endlich viele Singularit¨aten
3.4 Fenster im chaotischen Bereich
Logistische Abbildung:
Periode 3 Fenster f¨ur 3.829< a <3.856
0 1
0 1
x f (x) f 3(x) f n(x)
x a=3.8
Chaos
0 1
0 1
x f (x) f 3(x)
f n(x)
x a=3.835
Periode 3
0 1
0 1
x f (x) f 3(x) f n(x)
x a=3.855
3 Band Chaos
0 1
0 1
x f (x) f 3(x) f n(x)
x a=3.865
Chaos
Offnen eines Fensters mit Periode¨ p :
Neuer entarteter Fixpunkt infp(x) mit fp(x∗p) =x∗p und fnp(x∗p) = 1 f¨ur a =a(p)0
Intermittentes Chaos kurz vor dem ¨Offnen eines Fensters oder vor dem Entstehen eines neuen Fixpunktes
Intermittenz Logistische Abbildung
Krise kurz nach dem Schließen eines Fensters
Krise Logistische Abbildung
15.11.99
Absch¨atzung der Periode p Fenster:
p sei Primzahl. F¨ur vollst¨andiges Chaos, a = 4 , hat fp(x) 2p−1 Maxima mit f = 1 und 2p−1−1 Minima mit f = 0 und damit 2p Fixpunkte.
F¨ur a → 4 entstehen an jedem Fenster 2p neue Fixpunkte. Damit ist die Gesamtzahl der Fenster
ZF ensterp = 2p−1 −1
p (3.22)
Damit ist die Zahl der Fenster ¨uberabz¨ahlbar.
Zu jedem Fenster geh¨ort ein Wert von a mit vollst¨andigem Chaos.
Absch¨atzung des Anteils von a-Werten mit Fenster:
Breite des i-ten Fensters mit Periode p: ∆pi
p,i
∆pi <0.43 (3.23)
Superstabiler Fixpunkt von fp(x) bei a(p)0 : fp(12) = 12 F¨ur x= 12 +δ:
fp(12 +δ)−fp(12)∼apδ2 (3.24) Vollst¨andiges p-Band Chaos bei a(p)1 so da
fp(12 +δ)−fp(12)∼δ δ∼a−p (3.25) Mit ∆∼a(p)1 −a(p)0 und p ap−1∆ = δ:
∆∼a−2p (3.26)
und
p,i
∆pi ∼ 1
ln12a (3.27)
Diese Summe erh¨alt Haubtbeitrag von kleinen p. Die zugeh¨origen Fenster f¨ullen nur einen kleinen Teil des Intervalls 3.57< a <4.
Ubrigbleibende¨ a-Werte:
Keine endlichen Intervalle, da in der N¨ahe jeden Wertes von a ein periodisches Fenster existiert. Das Lebesque-Maß dieser Werte ist endlich.
Uberabz¨¨ ahlbarkeit der Fenster:
Betrachte die ersten n Fenster der Periode p mit p Primzahl, z.B. f¨ur n= 10
k: 0 1 2 3 4 5 6 7 8 9
pk: 3 5 5 5 7 7 7 7 7 7
Betrachte reelle Zahl zur Basis n: 0.k1k2k3k4· · ·
Zuordnung: Fenster mit Periode pk1, darin Fenster mit Periode pk2, darin Fenster mit Periode pk3, · · ·
Diese Zuordnung erfaßt nur eine Teilmenge aller Fenster, da pn endlich ist.
3.5 Periodenverdopplung
Feigenbaum (1978), May,Großmann (1977)
Logistische Abbildung; (n = 2k)-fach iterierte Abbildung;
Superstabiler Fixpunkt von fn: ak so daß
fn(12) = 12 fn(12) = 0 (3.28)
1
x f (x) f 2(x)
∆1 f n(x)
a=3.2361
1
x f (x) f 2(x)
∆2 f n(x)
a=3.2361
f 4(x)
Mit ∆k =fn/2(12)−12
αk= ∆k−1
∆k
δk= ak−1−ak−2
ak−ak−1
(3.29)
k n ak δk αk
0 1 2.000000 1 2 3.236068
2 4 3.498562 4.708943 2.654744 3 8 3.554640 4.680771 2.531838 4 16 3.566667 4.662960 2.508718 5 32 3.569243 4.668404 2.504113
· · · · · · · · · · · · ·
∞ ∞ 3.569946 4.669201 2.502908
22.11.99
Renormierungsgruppenrechnung
Vergleich der Abbildungen fn mit fn/2 f¨ur a =ak mit n= 2k. Mit ak→a∗ und εk =a∗−ak und
F(y, ε) =f(y+12)− 12 (3.30) Ubergang von¨ ak−1 nach ak, fn/2 nach fn und Reskalierung um Faktor
∆k/∆k−1 liefert ¨ahnliche Abbildung:
Fn(y, εk) = (−1)k 1
∆k
fn(∆ky+ 12)− 12
≈ − ∆k
∆k−1
Fn/2− ∆k−1
∆k
y, εk−1
≈ − 1 αk
Fn/2−αky, δkεk
(3.31) Fixpunkt f¨ur k → ∞: Fn(y, ε)→F∗(y, ε), αk →α und δk →δ
F∗(y, ε) = −αF∗2− y α,ε
δ
(3.32)
Approximative Rechnung
f(x) = (a∗−ε)x(1−x) F(y, ε) = 1
4(a∗−ε−2)−(a∗−ε)y2 (3.33) F2(y, ε) = 1
4(a∗−ε−2)−(a∗−ε)1
4(a∗−ε−2)−(a∗−ε)y22
= 1
4(a∗−ε−2)1− 1
4(a∗−ε)(a∗ −ε−2) +1
2(a∗−ε−2)(a∗−ε)2y2−(a∗−ε)3y4 Vernachl¨assigung von Termen ∼y4 e.t.c. Mit (3.32)
F2(y, ε) =−1
αF(αy, δε) =− 1
4α(a∗−δε−2) +α(a∗−δε)y2 (3.34) Koeffizientenvergleich f¨ur kleine y und ε :
O(ε0, y2) :
α= 12a∗(a∗−2) (3.35)
O(ε0, y0) :
1
α = a∗(a∗−2)
4 −1 (3.36)
α = 1 +√
3 = 2.732· · · a∗ = 1 +
3 + 2√
3 = 3.542· · · (3.37)
O(ε1, y2) :
δ= a∗(3a∗−4)
2α = 4.297· · · (3.38)
Exakt
a∗ = 3.5699· · · α= 2.5029· · · δ= 4.6692· · · (3.39)
4 Attraktoren in dynamischen Systemen
4.1 Poincar´ e Abbildungen
Dynamisches System mit N Variablen:
dxk
dt =fk(x1· · ·xN) (4.1) z.B. R¨ossler Oszillator:
dx
dt =y−z dy
dt =−x+a y (4.2)
dz
dt =b+z(x−c)
Poincar´e Abbildung:
xk(tn+1) = Fk
x1(tn)· · ·xN(tn) (4.3)
Beispiel: R¨ossler Oszillator
mit Schnittfl¨ache x(tn) = 0 y(tn)>0 yn =y(tn) =f(yn−1, zn−1) (4.4) zn =z(tn) = g(yn−1, zn−1)
R¨ossler Oszillator: a= 0.33 Detail: yn−1 = 3.00· · ·3.05
Farbkodierung: blau: yn−2 < ymax rot: yn−2 > ymax
Die resultierende Abbilung ist n¨aherungsweise eindimensional. Bei st¨arkerer Aufl¨osung w¨urde man bl¨attrige Struktur erkennen.
29.11.99
4.2 B¨ acker Transformation
0 1
0 1
00 01
10 11
α 1−α
γ0 γ1
0 1
0 1
Charakterisierung eines Bereichs nach n Schrit- ten durch n-stellige Bin¨arzahl bn
Anfangspunkt → n-stellige Bin¨arzahl mit n0 mal 0 und n1 mal 1
n=n0 +n1
Bereich: 0 1
Breite: γ0 γ1
L¨ange: α γ0
1−α γ1
Gesamtbreite: γ0n0γ1n1
Gesamtl¨ange: α−n0(1−α)−n1
Dichte: αn0γ0−n0(1−α)n1γ1−n1 Zahl der Bin¨arzahlen: Z(n0, n1) = (n0+n1)!
n0!n1! Stirling Formel: ln n!≈n lnn−n Mit n0 =βn und n1 = (1−β)n : lnZ(n0, n1) = n βlnα
β + (1−β) ln1−α 1−β
Wahrscheinlichkeit f¨ur Bin¨arzahl: Pn0,n1 =αn0(1−α)n1Z(n0, n1)
≈en{βlnαβ+ (1−β) ln1−α1−β} Wahrscheinlichster Wert: ∂P
∂β = 0 : lnα(1−β)
(1−α)β = 0 β =α L¨ange, Lyapunov Exponent λ1 : e−n{αlnα+(1−α) ln(1−α)} =en λ1
Breite, Lyapunov Exponent λ2 : en{αlnγ0+(1−α) lnγ1} = en λ2 Volumen: en{αlnγα0+(1−α) ln1−αγ1 } =en(λ1+λ2)
λ1 = −αlnα−(1−α) ln(1−α)≥0
λ2 = αlnγ0+ (1−α) lnγ1 ≤0 (4.5) λ1 + λ2 ≤0
4.3 Fraktale Dimension
Hausdorff Dimension, Mandelbrot Geometrisches Objekt M
Wieviele Kugeln mit Radius ε sind n¨otig um das Objekt zu bedecken?
•
Punkt: N(ε) =ε0 Linie: N(ε) = ε−1 Fl¨ache: N(ε) = ε−2 Fraktale Dimension:
N(ε)∼ε−df r df r = lim
ε→0
lnN(ε)
ln 1/ε (4.6)
Beispiel:
n-te Generation:
Zahl der Kanten: Nn =N04n L¨ange einer Kante: ln =cn mit 14 < c < 12
Bedeckung mit Kugeln
des Radius ε=cn
ln 4 <2
B¨acker Transformation:
Nach n Schritten: Breite =ε=en λ2 L¨ange =ε N(ε) =en λ1
df r = 1− λ1
λ2
(4.8) Beispiel: α = 12 γ0 = 14 γ1 = 12
λ1 = ln 2 λ2 =−32ln 2 df r = 53
6.12.99
4.4 Lyapunov Exponenten und Dimensionen
Zeitliche Entwicklung von kleinen Abweichungen
Autonomes dynamisches System x(t) ={x1(t),· · ·, xn(t)} dx(t)
dt =fx(t) (4.9)
oder
x+1 =fx
(4.10) Betrachte Trajektorie x(t) und benachbarte Trajektorie x(t) = x(t) +δx(t) Linearisierte Bewegungsgleichung f¨ur infinitesimale δx(t)
dδxi(t)
dt =
j
∂fi
x(t)
∂xj(t) δxj(t) =
j
Aij
x(t)δxj(t) (4.11)
Helmholtzscher Fundamentalsatz:
Aij =Sij + Ωij mit Sij =Sji und Ωij =−Ωji (4.12) Sij beschreibt lokale Verzerrung, Ωij beschreibt lokale Drehung
Zeitliche Entwicklung des Fehlers
∆2(t) =δx2i(t) (4.13)
d∆2(t)
dt = 2
i,j
δxi(t)Sij
x(t)δxj(t) (4.14)
Integrierte zeitliche Entwicklung δxi(t) =
j
Lij
x(0), tδxj(0) (4.15) d
dtLij
x(0), t=
k
Aik
x(t)Lkj
x(0), t mit Lij
x(0),0=δi,j (4.16)
Mit
Λij(x, t) = Λji(x, t) =
k
Lki(x, t)Lkj(x, t) (4.17)
∆2(t) =
i,j
δxi(0)Λij(x, t)δxj(0) (4.18)
Eigenwerte von Λij
x(0), t:
j
Λij(x, t)ηj,(x, t) = e2λ(x,t)tηi,(x, t) (4.19) Lyapunov Exponenten
λ= lim
t→∞λ(x, t) (4.20)
Es existiert ein λm = 0: Betrachte δx(t) =x(t+δt)−x(t)
Chaotisches System mit n Variablen: Numerierung so daß λ ≥λ−1
λ1· · ·λm−1 >0 λm = 0 λm+1· · ·λn <0 Attraktor:
n
=0
λ <0 Lokale Struktur:
m-dimensionale Manigfaltigkeit
Der Attraktor sei beschr¨ankt auf ein Gebiet mit linearer Ausdehnung∼1 Anfangskonfiguration: Fl¨ache F(t = 0)∼1
F(t)∼etm−1=1 λ (4.21)
Zahl der Bl¨atter: N(t)∼F(t)
Dicke der Bl¨atter in k-Richtung: δk(0)∼1 δk(t)∼et λk
Wahl: ε(t) =δk(t) f¨ur k ≥m+ 1
εk−1N(ε) =etk−1=1λ (4.22) Fraktale Dimension:
Optimale Wahl von k ≥m+ 1 so daß N(ε) minimal ist
df r = max
k
(k−1)λk−k−1
=1
λ
λk
(4.23)
20.12.99
4.5 Entropie
Ereignisse i mit Wahrscheinlichkeit Pi mit
i
Pi = 1 Shannon-Information:
I =−
i
Pi log2Pi (4.24)
Entropie und fraktale Dimension:
Einteilung in Zellen Vi(ε) der Gr¨oße ε Pi =
0 falls Zellei leer ist
¯
p sonst (4.25)
N(ε) Zellen sind nicht leer:
i
Pi =N(ε) ¯p= 1 Mit (4.6)
If r(ε) =−df r log2ε (4.26)
Entropie und Wahrscheinlichkeit:
Pi = lim
τ→∞
1 τ
τ
0 dtΘi(x(t)) mit Θi(x) = 1 falls x∈Vi(ε) 0 sonst
=
Vi(ε)
dµ(x) (4.27)
Iµ(ε) =
i
Pi log2 Pi =−dµ log2ε≤If r (4.28) Korrelationsfunktion und Dimension
(Grassberger, Procaccia) Korrelationsfunktion:
c(r) = lim
τ→∞
1 τ2
τ
0 dtdtδ(r− |x(t)−x(t)|)
=
dµ(x)dµ(x)δ(r− |x−x|) (4.29) Korrelationsintegral
C(ε) =
ε
0 dnr c(r)≈
i
Vi(ε)dµ(x)dµ(x) =
i
Pi2(ε) =εν
≥p¯2N(ε) =εdf r (4.30)
Genauere Absch¨atzung: ν ≤dµ≤df r
Beispiele:
Logistische Abbildung mit a= 3.5699.. ν = 0.5 dµ = 0.517 df r = 0.538
Lorenz-Gleichung mit σ = 16, b = 4 und r= 40
λ= (1.37, 0, −22.37) ν = 2.05±0.01 df r = 2.06±0.01
und mit (4.22) df r = 2.061
Analyse von Zeitreihen
Gegeben sei y(t), z.b. aus Experiment.
Konstruiere Trajektorie in einem k-dimensionalen Parameterraum
x(t) = y(t), y(t−τ), y(t−2τ),· · ·, y(t−(k−1)τ) (4.31) Bestimme ν oder d... f¨ur verschiedene Werte von k
k ν
mit Rauschen
ideal
kmin
Zur Rekonstruktion der dynamischen Gleichungen, F(· · ·) dy(t−8 τ)
dt =F
y(t),· · ·, y(t−(k−1)τ) (4.32)
ist k ≥kmin notwendig. 10.1.00
5 Hamiltonsche Systeme
5.1 Periodisch angestoßener Rotator
Koordinaten: Winkel ϕ(t), Impuls ψ(t) Periodische Kraft F(t) =f cos(ϕ(t))δ(tmodτ)
Bewegungsgleichungen: f¨ur t=n τ +t mit 0≤t < τ
ϕ(n τ +t) = ϕ(n τ) +ψ(n τ)t
ψ(n τ +t) = ψ(n τ) (5.1)
ψ((n+ 1)τ) = ψ(n τ) +f cos(ϕ((n+ 1)τ))
Abbildung: {ϕ(n τ), ψ(n τ)} → {ϕ((n+ 1)τ), ψ((n+ 1)τ)} Mit ϕn=ϕ(n τ) und ψn =ψ(n τ)
ϕn+1 =ϕn+τ ψn (5.2)
ψn+1 =ψn+f cosϕn+1
Abbildung:
{ψn cos(ϕn);ψn sin(ϕn)} Tori, ψ irrational (blau)
Geschlossene Tra- jektorien, ψ rational (rot)
Abbildung:
{ψn cos(ϕn);ψn sin(ϕn)}
Tori (blau)
Mehrfache Tori (gr¨un) Chaotische Bereiche (rot)
Zusammenwachsen vorher getrennter chaotischer Bereiche bei st¨arkerer St¨orung
Zusammenwachsen vorher getrennter chaotischer Bereiche bei st¨arkerer St¨orung
5.2 Hamiltonsche Mechanik
Hamilton Funktion: H(p,q) mit p={p1· · ·pN} und q ={q1· · ·qN}. Hamiltonsche Gleichungen
∂tpi =−∂H
∂qi
∂tqi = ∂H
∂pi
(5.3) L¨osung mit Anfangsbedingung:
Trajektorien {pi(t)· · ·pN(t)q1(t)· · ·qN(t)} im 2N-dimensionalen Phasenraum.
Frage: Dimension der Trajektorie?
Beispiel: Kepler-Bewegung, geschlossene Bahnen: d= 1 Periheldrehung, Rosettenbahnen: d= 2
Poisson Klammern: A(p,q), B(p,q) A(p,q), B(p,q)=
∂A(p,q)
∂q
∂B(p,q)
∂p − ∂B(p,q)
∂q
∂A(p,q)
∂p
(5.4) Hamiltonsche Gleichungen
Liouville Satz
Betrachte Volumelement
δV =
N i=1
δpiδqi (5.7)
mit
∂tδqi = ∂2H
∂qi∂pi
δqi ∂tδpi =− ∂2H
∂pi∂qi
δpi (5.8)
dδV
dt =
i
∂tδqi
δqi
+ ∂tδpi
δpi
δV = 0 (5.9)
Lyapunov Exponenten: allgemein
∂tδV =
λδV (5.10)
in Hamiltonschen Systemen
2N
=1
λ = 0 (5.11)
17.1.00
Kanonische Transformationen
Neue Variable Pi(p,q) und Qi(p,q) so daß Qi, Qj
= 0 Pi, Pj
= 0 Qi, Pj
=δij (5.12) mit neuer Hamiltonfunktion K(P,Q) so daß
∂tPi = Pi, K=−∂K
∂Qi
∂tQi = Qi, K= ∂K
∂Pi
(5.13) Explizite Konstruktion: Finde erzeugende Funktion S(q,P, t) so daß
pi = ∂S(q,P, t)
∂qi
Qi = ∂S(q,P, t)
∂Pi
(5.14)
K(P,Q, t) =H(p,q) + ∂S(q,P, t)
∂t (5.15)
5.3 Integrable Systeme
Erhaltungsgr¨oßen Fn(p,q) so daß
∂tFn = Fn, H= 0 Fn
p(t),q(t)=fn (5.16) Integrables System:
Es existieren N unabh¨angige Erhaltungsgr¨oßen F1· · ·Fn so daß {Fn, Fm}= 0 Beispiel: Eindimensionale Bewegung in einem zeitunabh¨angigen Potential:
H(p, q) = p2
2m +V(q) = E (5.17)
Beispiel: Dreidimensionale Bewegung in einem zeitunabh¨angigen Zentralpotential:
H(p,q) = p2
2m +V(|q|) =E
Lz(p,q) = pxqy−pyqx =8z (5.18) L2(p,q) = (p×q)2 =82
Trajektorie [p(t)q(t)] mit Anfangsbedingungen f1· · ·fn im 2N-dimensionalen Phasenraum: auf Manigfaltigkeit (N-Torus)
M(f) = {F1(p q) =f1} ∩ {F2(p q) = f2} · · · ∩ {FN(p q) =fN} (5.19) Wirkungs- und Winkelvariable
Kanonische Transformation auf neue Variable:
Wirkungsvariable I=I
F(p,q)
und Winkelvariable Θ = Θ(p,q) so daß K =K(I).
Mit I =I(f)
∂tΘ = ∂K(I)
∂I
=ω(f) Θ(t) =ϑ+ωt (5.20) Es existiert eine erzeugende Funktion S(q,I) so daß (5.14)
p = ∂S(q,I)
Θ = ∂S(q,I)
(5.21)
Es seien q und q0 Punkte auf M(f) und C und C Verbindungen dieser Punkte, ebenfalls auf M(f). Falls C stetig nach C verformbar ist, ist
S(q,I) =
q q0
i
pidqi (5.22)
unabh¨angig vom gew¨ahlten Weg.
W¨ahle N Wege C (nicht stetig ineinander oder auf einen Punkt verformbar)
C1111
C2222 C’2222 C0000
und
I = 1 2π
C
i
pidqi = 1 2π
C
i
pidqi =I(f) (5.23)
Dann ist S(q,I) mehrdeutig: d.h. falls der Integrationsweg um C erweitert wird, gilt S(q,I)→S(q,I) + 2π I
Urspr¨ungliche Variable
qi =qi(Θ,I) =qi(Θ+ 2πn,I) pi =pi(Θ,I) = pi(Θ+ 2πn,I) (5.24) mit n={n1 · · · nN} und n ganzzahlig, d.h. qi und pi sind periodisch.
Fourierdarstellung qi(t) =
n
ai,nei
nωt
pi(t) =
n
bi,nei
nωt
(5.25) Nicht entartet: alle ωk/ω irrational: Trajektorie belegt M(f) dicht
Vollst¨andig entartet: Trajektorie ist geschlossene Kurve auf M(f)
Bemerkung zur Quantenmechanik:
Bohr-Sommerfeld Quantisierung: I muß ganzzahliges Vielfaches von ¯h sein.
Freier Rotator
Erhaltungsgr¨oße f =ψ, Ortsvariable ϕ.
Erzeugende Funktion, (5.22): S(ϕ, I(f)) = ϕ f Mit (5.23) I =f =ψ und K(I) = 12I2
Ebenes Pendel
Ortsvariable ϕ Impulsvariable ψ =m 82ϕ˙ H(ϕ, ψ) = ψ2
2m 82 −m g 8 cosϕ (5.26) W¨ahle Einheiten so daß m82 =mg8= 1.
Erhaltungsgr¨oße H(ϕ, ψ) = 12ψ2−cosϕ =E Impuls ψ =ψ(ϕ, E) = ±2(E+ cosϕ) Erzeugende Funktion mit ϕ0 = 0
S(ϕ, I(E)) = ± ϕ
0 dα
2(E+ cosα) (5.27)
=±22(E+ 1) Esin(12ϕ),
2 E+ 1
wobei E(x, y) ein unvollst¨andiges elliptisches Integral 2. Gattung ist.
Schwingungen: −1< E < 1 Umkehrpunkte: ϕ± =±ϕ¯=±arc cos(−E) I = 2
π
ϕ¯
0 dϕ
2(E+ cosϕ) = 4 π
2(E+ 1) E
E+ 1 2 ,
2 E+ 1
(5.28) Uberschl¨¨ age: e >1
I = 1 π
π
0 dϕ
2(E+ cosϕ) = 2 π
2(E+ 1) E1,
2 E + 1
(5.29)
31.1.00
5.4 Schwach gest¨ orte Systeme, Resonanzschichten
Es sei
K(Io,Θ) =o Ko (I) +o λ K(Io,Θ)o
= Ko (I) +o λ
m
Km (Io)eim
o
Θ (5.30)
mit m={m1· · ·mN} und m ganzzahlig.
Kanonische Transformation auf neue Variable I und Θmit erzeugender Funktion S(Θ,o I) =
o
Θ I+λ
m
Sm(I)eim
o
Θ (5.31)
wobei, (5.14),
Θi = Θoi +λ
m
∂Sm(I)
∂Ii
eim
o
Θ
o
Ii = Ii+i λ
m
miSm(I)ei
mΘo (5.32)
Mit (5.30) und (5.20) in Ordnung λ
K(I,Θ) =Ko (I) +λ
m
i
m
ωo (I)Sm(I) +Km (I)ei
mΘo (5.33) Falls m
ωo (I)= 0 w¨ahle
Sm(I) = i Km (I)
m
ωo (I) (5.34)
Bedingung f¨ur m
ωo (I)= 0:
Alle Verh¨altnisse ωk(I)/ω(I) m¨ussen irrational sein.
Entartung: ωk(I)/ω(I) =nk/n ist rational.
m¯
ωo (I) = 0 f¨ur ¯mk=±n, ¯m =∓nk und ¯mn= 0 sonst.