Hiszterézises káoszgenerátor vizsgálata

Hasonló dokumentumok
HISZTERÉZISES KÁOSZGENERÁTOR

Autonóm egyenletek, dinamikai rendszerek

2007. június 8. XXVII. Magyar Operációkutatási Konferencia, Balatonőszöd 1/22. feladatok megoldásában. Csendes Tibor

Boros Zoltán február

1.7. Elsőrendű lineáris differenciálegyenlet-rendszerek

Hamilton rendszerek, Lyapunov függvények és Stabilitás. Hamilton rendszerek valós dinamikai rendszerek, konzerva3v mechanikai rendszerek

MATEMATIKAI PROBLÉMAMEGOLDÓ GYAKORLAT

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk

Lagrange és Hamilton mechanika

XII. MAGYAR MECHANIKAI KONFERENCIA MaMeK, 2015 Miskolc, augusztus

4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre

Differenciálegyenletek numerikus megoldása

sin x = cos x =? sin x = dx =? dx = cos x =? g) Adja meg a helyettesítéses integrálás szabályát határozott integrálokra vonatkozóan!

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

Eötvös Loránd Tudományegyetem Természettudományi Kar

Matematika A2 vizsga mgeoldása június 4.

Fraktálok. Hausdorff távolság. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék március 14.

Az elméleti mechanika alapjai

Arató Mátyás, Baran Sándor, Fazekas Gábor. Lineáris dinamikai rendszer négyzetes veszteséggel

Diszkrét matematika 2. estis képzés

Bevezetés a kaotikus rendszerekbe

Numerikus módszerek 1.

Matematika alapjai; Feladatok

Dinamikus modellek szerkezete, SDG modellek

DiMat II Végtelen halmazok

Adaptív dinamikus szegmentálás idősorok indexeléséhez

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei

ANALÍZIS III. ELMÉLETI KÉRDÉSEK

FRAKTÁLGEOMETRIA Feladatok. Czirbusz Sándor április 16. A feladatok végén zárójelben a feladat pontértéke található.

3. előadás Stabilitás

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Valószínűségi változók. Várható érték és szórás

Egész pontokról racionálisan

2012. október 2 és 4. Dr. Vincze Szilvia

Számrendszerek Feladat. Számrendszerek. Németh Bence május 13.

λx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j)

Relativisztikus pont-mechanika

Kalman-féle rendszermodell Méréselmélet PE MIK MI, VI BSc 1

Készítette: Fegyverneki Sándor

Lássuk be, hogy nem lehet a három pontot úgy elhelyezni, hogy egy inerciarendszerben


Diszkrét matematika 1. estis képzés

Descartes-féle, derékszögű koordináta-rendszer

Matematika II. 1 sin xdx =, 1 cos xdx =, 1 + x 2 dx =

Mechanika I-II. Példatár

A MATEMATIKA NÉHÁNY KIHÍVÁSA

Diszkrét matematika 2.C szakirány

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

Számsorok. 1. Definíció. Legyen adott valós számoknak egy (a n ) n=1 = (a 1, a 2,..., a n,...) végtelen sorozata. Az. a n

Diszkrét matematika 2. estis képzés

ANALÍZIS III. ELMÉLETI KÉRDÉSEK

Diszkrét Matematika MSc hallgatók számára. 4. Előadás

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

= e i1 e ik e j 1. tenzorok. A k = l = 0 speciális esetben e az R egységeleme. A. e q 1...q s. = e j 1...j l q 1...q s

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

PhD szigorlat Differenciálegyenletek és megoldásuk tárgyai

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor

"Flat" rendszerek. definíciók, példák, alkalmazások

Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0, 1, 2,..., N}, {0, 1, 2,... }.

Rend, rendezetlenség, szimmetriák (rövidített változat)

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles

Dinamikai rendszerek, 2017 tavasz

Matematika I. NÉV:... FELADATOK:

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

Kiterjesztések sek szemantikája

Egy késleltetett differenciálegyenlet vizsgálata megbízható számítógépes eljárással

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

KÉMIAI REAKCIÓRENDSZEREK

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Csempe átíró nyelvtanok

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

Folytonos görbék Hausdorff-metrika Mégegyszer a sztringtérről FRAKTÁLGEOMETRIA. Metrikus terek, Hausdorff-mérték. Czirbusz Sándor

Dinamikai rendszerek kaotikusságának és stabilitásának vizsgálata megbízható számítógépes módszerekkel

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Matematika MSc záróvizsgák (2015. június )

Fázisportrék. A Dinamikai rendszerek órákon bemutatott példarendszerek fázisportréi. Lineáris oszcillátor. v = ax bv

Modellezés Gregorics Tibor Mesterséges intelligencia

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

(Independence, dependence, random variables)

Differenciálegyenletek és dinamikai rendszerek

Mátrixok 2017 Mátrixok

Matematika II képletek. 1 sin xdx =, cos 2 x dx = sh 2 x dx = 1 + x 2 dx = 1 x. cos xdx =,

Irányítástechnika GÁSPÁR PÉTER. Prof. BOKOR JÓZSEF útmutatásai alapján

Nemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással

(!), {z C z z 0 < R} K (K: konv. tart.) lim cn+1

A Baire-tételről egy KöMaL feladat kapcsán

[Biomatematika 2] Orvosi biometria

Nagy Gábor compalg.inf.elte.hu/ nagy

Példa: Tartó lehajlásfüggvényének meghatározása a Rayleigh Ritz-féle módszer segítségével

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

NUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK

Morvai Anikó. Szakdolgozat

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

4. Fogyasztói preferenciák elmélete

1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1

Kalman-féle rendszer definíció

Átírás:

vizsgálata Csikja Rudolf 2007. november 14. 1 / 34

Smale-patkó Smale-patkó Smale-patkó Cantor-halmaz A végtelen sorozatok tere 2 / 34

Smale-patkó L S R L R T B 3 / 34

Smale-patkó f(x, y) = A [ ] [ ] x 1 + y 0.1 [ ] 10 0 A = 0 0.1 { 1, ha x L u(x) = 8, ha x R u(x) 0.9 0.8 L T R 0.2 0.1 B 0.1 0.2 0.8 0.9 4 / 34

Smale-patkó Smale-patkó Smale-patkó Smale-patkó Cantor-halmaz A végtelen sorozatok tere Minden (x, y) L R pont felírható a koordinátájával: [ ] x y = [ ] 0.a0 a 1 a 2... 0.b 1 b 2 b 3... Belátható, hogy ekkor [ ] 0.a1 a f(x, y) = 2 a 3... 0.a 0 b 1 b 2... a 0 {1, 8}. f(x, y) B T. Az f(z) leképezés mindkét irányban végtelen sokszor iterálható akkor és csak akkor, ha z koordinátás alakjában a i, b i {1, 8}. Milyen halmazba tartoznak ezek a pontok? 5 / 34

Cantor-halmaz Smale-patkó Smale-patkó Smale-patkó Cantor-halmaz A végtelen sorozatok tere x = + k=1 a k 1 10 k, y = + Diadikus Cantor-halmaz: { + C := k=1 k=1 b k 10 k (a k, b k {1, 8}). c k 10 k : c k {1, 8} így a z k+1 = f(z k ) diszkrét dinamikai rendszer trajektóriái a Λ := C C halmazban haladnak. f(λ) = Λ. }. 6 / 34

A végtelen sorozatok tere Smale-patkó Smale-patkó Smale-patkó Cantor-halmaz A végtelen sorozatok tere Definiáljuk a σ leképezést: σ: Λ Σ 2, ahol Σ 2 := {{... b 3, b 2, b 1 a 0, a 1, a 2... } : a i, b i {1, 8}}. Lássuk el Σ 2 -t a d F (s, s) = k Z 1 s k s k 2 k 1 + s k s k, Fréchet-távolsággal, ekkor σ homeomorfizmus. Így igazak az f S R f 1 S L izomorfizmusok, ahol S R és S L a jobbra-, illetve balra-tolás operátorok. Sikeresen átfogalmaztuk a problémát! 7 / 34

Kombinatorikus bonyolultság Kezdeti értéktől való érzékeny függés Sűrű pályák 8 / 34

Kombinatorikus bonyolultság Kombinatorikus bonyolultság Kezdeti értéktől való érzékeny függés Sűrű pályák A továbbiakban 1 L és 8 R. Tetszőleges, mindkét irányban végtelen L-R sorozathoz egyértelműen létezik olyan z Λ, hogy f k (z) L, vagy R a megadott sorrendben. Azaz z pályája az L és R halmazt a megadott sorrendben látogatja végig. Például:... LLLRLRLL RRRLLRRL... z = (0.88811881...,0.11818111...) 9 / 34

Kezdeti értéktől való érzékeny függés Kombinatorikus bonyolultság Kezdeti értéktől való érzékeny függés Sűrű pályák A kezdeti értéktől való érzékeny függés azt fejezi ki, hogy akármilyen z és z z pontból indított pályák egy idő után, adott távolságtól messzebb kerülnek egymástól. Létezik olyan η > 0 állandó, hogy tetszőleges két z, z Λ, z z pontra van olyan N Z, amire f N (z) f N ( z) > η. 10 / 34

Sűrű pályák Kombinatorikus bonyolultság Kezdeti értéktől való érzékeny függés Sűrű pályák Van olyan pálya, amely az összes többi pályát tetszőlegesen kis távolságra megközelíti. Például: {...;R, L; L, L; R; L L; R; L, L; L, R; R, L; R, R; L, L, L;... }. A periodikus pályák is sűrűek, olyan értelemben, hogy minden ponthoz tetszőlegesen közel van periodikus pálya, például: {...L,R,R,L,L,R,L,R L,L,L,R,R,L,R... } {...L, R, L, R, L, R, L,R L, R, L, R, L, R, L...} {... L, L, L, R, L, L,L,R L,L, L, R, L, L, L...} {...L, R, L, L, L,R,L,R L,L,L, R, L, R, L...} 11 / 34

Leképezési gráf A káosz elégséges feltétele 12 / 34

Leképezési gráf Leképezési gráf A káosz elégséges feltétele Legyen I := [0, 1] intervallum és f : I I folytonos függvény, ekkor f N tetszőleges N Z esetén értelmes. Legyen I 0,...,I M I diszjunkt, zárt intervallum, és definiáljuk a G f leképezési gráfot: V (G f ) := {0, 1,...,M}, E(G f ) := {(i, j) V (G f ) V (G f ) : f(i i ) I j }. i 0 i 1 i 2 i N 1 Ha a fenti gráf részgráfja G f gráfnak, akkor létezik x i I i minden i = 0,...,N 1 esetén, hogy x k+1 = f(x k ) k = 0,...,N N-periodusú pálya, azaz f N (x 0 ) = x 0. 13 / 34

A káosz elégséges feltétele Leképezési gráf A káosz elégséges feltétele Ha a G f leképezésgráfban van két egymást metsző irányított kör, akkor minden G f gráfbeli mindkét irányban végtelen irányított úthoz létezik őt követő trajektória. Például az alábbi gráfhoz tartozó dinamika pontosan úgy kaotikus, mint a Smale-patkó. L R 14 / 34

A vizsgált modell Hiszterézis Trajektória I. Trajektória II. 15 / 34

A vizsgált modell A vizsgált modell Hiszterézis Trajektória I. Trajektória II. A következő állapotvisszacsatolással rendelkező oszcillátort vizsgáljuk: ẋ = σx + ωy ẏ = ωx + σy + H x, ahol az instabilitás biztosításához legyen σ > 0, továbbá σ 2 + ω 2 = 1, illetve H hiszterézissel rendelkező szakaszonkét lineáris leképezés: H(p, η) = 1, ha p > 1 1, ha p < 1 η, ha 1 p 1, ahol η {1, 1}. 16 / 34

Hiszterézis H(x(t)) 1-1 x(t) 1-1 17 / 34

Trajektória I. 2 1-3 -2-1 1 2 3-1 -2 18 / 34

Trajektória II. 19 / 34

A koordináta-remdszer elforgatása Az új leképezés Poincaréleképezés I. Poincaréleképezés II. Poincaréleképezés Az eredeti és a diszkrét trajektóriák 20 / 34

A koordináta-remdszer elforgatása σ φ ω σ 2 +ω 2 =1 21 / 34

Az új leképezés A transzformált rendszer egyensúlyi pontjai (1, 0) ( 1, 0) A koordináta-remdszer elforgatása Az új leképezés Poincaréleképezés I. Poincaréleképezés II. Poincaréleképezés Az eredeti és a diszkrét trajektóriák A trajektóriák ezen pontok körül forognak: [ ] [ ][ ] x(t) a(t) b(t) x0 1 = y(t) b(t) a(t) ahol a(t) = e σt cos(ωt), b(t) = e σt sin(ωt). y 0 + [ ] ±1, 0 22 / 34

Poincaré-leképezés I. x k+1-1 x k 1 x k x k+1 23 / 34

Poincaré-leképezés II. -H(x k ) x k+1-1 1 x k y * 24 / 34

Poincaré-leképezés A koordináta-remdszer elforgatása Az új leképezés Poincaréleképezés I. Poincaréleképezés II. Poincaréleképezés Az eredeti és a diszkrét trajektóriák f(x k ) = m := exp(πσ/ω) 1 + m m 2 (x k + 1) 2 4 ha x k < 2 m 1 m(x k + 1) 1 ha 2 m 1 x k 1 m(x k 1) + 1 ha 1 x k 2 m + 1 1 m m 2 (x k 1) 2 4 ha x k > 2 m + 1 25 / 34

Az eredeti és a diszkrét trajektóriák 3 2 2 1 1 3 2 1 1 2 3 3 2 1 1 2 3 1 1 2 2 3 26 / 34

keresése Kereső kód Leképezési gráf Empirikus sűrűségfüggvény Köszönet Vége 27 / 34

keresése keresése Kereső kód Leképezési gráf Empirikus sűrűségfüggvény Köszönet Vége A Mathematica beépített függvényei: Interval[{min, max}] IntervalIntersection[...] IntervalUnion[...] IntervalMemberQ[...] Példa: Sin[Interval[π]] = Interval[{0, 0}] Sin[Interval[N[π]]] = Interval[{ 3.21625 10 16, 5.66554 10 16 }] 28 / 34

Kereső kód keresése Kereső kód Leképezési gráf Empirikus sűrűségfüggvény Köszönet Vége XX = Table[ NestList[ T, {Interval[{i, i + 0.01}], 1}, 20 ]/.{x_, y_}->x, {i, 0., 1.0, 0.01} ]/ Interval[]->0 /. T[_]->0; Table[ IntervalIntersection[XX[[j, 1]], XX[[j, i]]], {j, 1, Length[XX]}, {i, 1, 20} ]//TableForm Outer[IntervalIntersection, P1, P2]/.Interval[]->0 29 / 34

keresése Kereső kód Leképezési gráf Empirikus sűrűségfüggvény Köszönet Vége k I k H(x 1 k) J k H(x 2 k) 0 [0.28, 0.29] 1 [0.38, 0.39] 1 1 [1.83093, 1.84263] 1 [1.71389, 1.7256] 1 2 [0.0138545, 0.027551] 1 [0.150819, 0.164516] 1 3 [2.13808, 2.1541] 1 [1.97778, 1.99381] 1 4 [ 0.350671, 0.331911] 1 [ 0.163078, 0.144318] 1 5 [2.55876, 2.58072] 1 [2.33922, 2.36117] 1 6 [ 0.849942, 0.824248] 1 [ 0.593005, 0.567312] 1 7 [3.13495, 3.16502] 1 [2.83425, 2.86432] 1 8 [ 2.82058, 2.7527] -1 [ 2.02059, 1.91267] -1 9 [1.53308, 1.85977] 1 [0.0681149, 0.194413] -1 10 [ 0.00619975, 0.376123] 1 [ 2.39784, 2.25004] -1 11 [0.46294, 0.635923] -1 12 [ 2.91455, 2.71211] -1 13 [1.14264, 2.18223] 1 14 [ 0.383582, 0.833061] 1 30 / 34

Leképezési gráf I 0 I 1 I 2 I 3 I 4 I 8 I 9 J 0 J 1 J 2 J 3 J 11 J 12 J 13 31 / 34

Empirikus sűrűségfüggvény 0.35 0.30 0.25 0.20 0.15 0.10 0.05 3 2 1 1 2 3 32 / 34

Köszönet Garay Barnabás, Differenciálegyenletek Tanszék. Tóth János, Analízis Tanszék. OTKA: T047132, NK63066 keresése Kereső kód Leképezési gráf Empirikus sűrűségfüggvény Köszönet Vége 33 / 34

Vége keresése Kereső kód Leképezési gráf Empirikus sűrűségfüggvény Köszönet Vége [1] Csendes, T.; Bánhelyi. B.; Garay, B.: A verified optimization technique to locate chaotic regions of Hénon systems J. Global Optim., 35 (2006) 145 160. [2] Guckenheimer, J.; Holmes, P.: Nonlinear oscillations, dynamical systems, and bifurcations of vector fields, Springer, New York, Berlin, Heidelberg, Tokyo (1983). [3] Saito, T.; Mitsubori, K.: Control of chaos from a piecewise linear hysteresis circuit, Circuits and Systems I: Fundamental Theory and Applications, IEEE Transactions on, 42 (1995) 168 172. [4] Smale, S.: Finding a Horseshoe on the Beaches of Rio, Mathematical Intelligencer, 20 (1998) 39 44. 34 / 34