Vorwort Dynamische Systeme können durch mathematische Gleichungen modelliert werden, die eine eindeutige Vorschrift zur Berechnung der zeitlichen Entwicklung des Systemzustandes darstellen, so daß die Bewegung des Systems vollständig durch den Anfangszustand bestimmt ist Trotz dieser Determiniertheit stellt sich bei der numerischen Berechnung der Lösungskurven oder bei Beobachtungen in realen Experimenten häufig heraus, daß sich der Zustand des Systems in äußerst komplizierter und unregelmäßiger Weise mit der Zeit ändert und daß eng benachbarte Startbedingungen nach endlicher Zeit zu völlig unterschiedlichen Zuständen führen können Man spricht dann von chaotischen Bewegungen bzw nennt das betreffende System chaotisch In den letzten 10 bis 15 Jahren sind beträchtliche Fortschritte im Verständnis der Dynamik nichtlinearer deterministischer Systeme gemacht worden Das Konzept des chaotischen (oder seltsamen) Attraktors, verbunden mit den Vorstellungen von fraktaler Dimension, Entropie und universellen Bifurkationssequenzen auf dem Wege zum Chaos, hat zu einem neuen Denken bezüglich dieser Systeme geführt Dabei ist u a auch klar geworden, daß Chaos nicht einfach mit Unordnung oder Regellosigkeit gleichgesetzt werden kann An die Stelle von Gleichförmigkeit oder Periodizität treten andere Ordnungsbegriffe, die eng mit Selbstähnlichkeit, Skaleninvarianz und Universalität verbunden sind Einen wesentlichen Beitrag zu diesem neuen Verständnis hat die moderne Rechentechnik geleistet Da Chaos untrennbar mit Nichtlinearität verbunden ist, deren mathematische Behandlung sich in den meisten Fällen als außerordentlich schwierig erweist, konnten viele interessante Fragestellungen und teilweise sehr allgemeine Gesetzmäßigkeiten chaotischer Bewegungen erst auf der Basis ausgedehnter numerischer Rechnungen formuliert bzw erkannt

4 Vorwort werden Damit wird auch verständlich, warum die Forschungen auf diesem Gebiet erst in jüngster Zeit in großem Umfange durchgeführt werden, obwohl viele nichtlineare Systeme aus Mechanik, Hydrodynamik, Elektrotechnik und anderen Wissenschaftsgebieten schon seit langem bekannt sind Nichtlinearität ist fundamental für das gesamte Naturgeschehen Sämtliche Evolutionsgleichungen, ob sie nun aus der Liouville Gleichung zur Beschreibung der Vorgänge in Gasen, Flüssigkeiten oder Plasmen hergeleitet wurden, ob sie die Entwicklung eines Räuber Beute Systems charakterisieren oder die des Universums, enthalten notwendigerweise nichtlineare Terme Schon einfache Oszillatoren müssen durch nichtlineare Differentialgleichungen beschrieben werden, wenn die Auslenkung aus der Ruhelage groß genug ist In der von den linearen Maxwell Gleichungen regierten Elektrodynamik kommt die Nichtlinearität über die Materialgleichungen zum Tragen Nichtlinearität ist notwendig, aber nicht hinreichend für das Auftreten von Chaos Ob ein nichtlineares System chaotisches Verhalten zeigt, hängt weitgehend von den Parametern und den Anfangsbedingungen ab Nichtsdestoweniger hat man chaotische Bewegungsformen nicht nur in den verschiedensten physikalischen Systemen (inklusive Elektrotechnik/Elektronik) gefunden, sondern auch in der Chemie (Reaktionskinetik), in Biologie und Medizin (Biooszillatoren, Populationsdynamik, Nervenzellen, Gehirnfunktionen u a) Im vorliegenden Buch wird der Versuch unternommen, dem Leser einen Zugang zu wichtigen Bereichen der modernen Chaosforschung zu verschaffen Dabei wird neben der Darstellung einer Reihe von Phänomenen und Gesetzmäßigkeiten besonderer Wert auf die Vorstellung einiger Größen und Methoden gelegt, die eine quantitative Beschreibung chaotischer Prozesse sowohl im Computer als auch im realen Experiment ermöglichen In den nachfolgenden Kapiteln konzentrieren wir uns auf dissipative Systeme Sie sind für die meisten Prozesse in Naturwissenschaft und Technik relevant Die aus mathematischer Sicht weiter entwickelte Theorie der konservativen Systeme kann wegen des geringen Umfanges dieses Buches nicht berücksichtigt werden Aus demselben Grunde werden, auch wenn exakte Resultate vorliegen, die mathematischen Beweise in der Regel nicht vorgetragen Die interessante Frage, ob es in der Quantenphysik ein Analogon zum chaotischen Verhalten klassischer Systeme gibt, ist Gegenstand aktueller Forschung Sie wird aber hier ebenfalls nicht

Vorwort 5 behandelt Wir hoffen trotzdem, daß es uns gelingt, einen Einblick in die faszinierende Welt chaotischer Erscheinungen zu geben Das vorliegende Bändchen verdankt seine Entstehung der Anregung und Ermutigung durch Prof W Ebeling, dem die Autoren dafür ihren besonderen Dank aussprechen Darüber hinaus danken wir Dr C Bandt, Dr B Bruhn, Prof S Grossmann, Dr H Herzel, Dr J Kruscha, Dr J Kurths, Prof Lauterborn und Dr K R Schneider für zahlreiche interessante Diskussionen sowie Dr W van de Water, unter dessen aktiver Mitarbeit die Abb 511 entstand Greifswald, Juli 1987 Die Verfasser Vorwort zur 2, überarbeiteten Auf lage Die erfreulich positive Aufnahme des Buches hatte zur Folge, daß es nun schon seit geraumer Zeit vergriffen ist Die vorliegende Neuauflage ist eine weitgehende Überarbeitung und Ergänzung Unser Anliegen war es vor allem, die Lesbarkeit des Buches für einen breiteren Interessentenkreis durch weitere Erläuterungen, Beispiele und Abbildungen zu verbessern, ohne größere Abstriche an der Strenge der Darstellung zu machen Darüber hinaus haben wir uns bemüht, auf wesentliche Untersuchungsergebnisse der letzten fünf Jahre aufmerksam zu machen, um so weiterhin dem Anspruch gerecht zu werden, den Leser bis an die Schwelle der aktuellen Forschung zu führen Wir bedanken uns bei M Heilfort und V Pohlers für die Unterstützung bei der Anfertigung der Bilder und die vielen nützlichen Hinweise zum Satz des Manuskriptes mit dem Programmpaket L A TEX Herrn M Selent gilt unser Dank für seine Mitarbeit bei den Pendelexperimenten und Frau B Burmeister für die technische Hilfe bei der Erstellung des Textes Nicht zuletzt sei unserer Lektorin, Frau H Höpcke, für die freundliche Zusammenarbeit gedankt Greifswald, März 1994 Die Verfasser

Inhaltsverzeichnis 1 Einführung 11 11 Die logistische Abbildung 15 12 Das parametrisch erregte Pendel 23 13 Das Rayleigh Bénard Experiment 28 2 Grundbegriffe 33 21 Dynamisches System, Phasenraum, Phasenfluß 33 22 Darstellung von Trajektorien 35 23 Dissipation und Attraktoren 47 24 Maße auf Attraktoren 55 3 Quantitative Charakterisierung chaotischer Bewegungen 63 31 Ljapunov Exponenten 64 311 Ljapunov Exponent eindimensionaler zeitdiskreter Systeme 65 312 Spektrum der Ljapunov Exponenten 70 313 Probleme bei der experimentellen Bestimmung von Ljapunov Exponenten 75 314 Bestimmung der Ljapunov Exponenten im Computerexperiment 77 315 Ljapunov Exponenten aus experimentellen Zeitreihen 83 32 Fraktale Dimensionen 89 321 Kapazität und Hausdorff Dimension 91 322 Dimensionen des natürlichen Maßes 96 323 Rényi Dimensionen 98

8 Inhaltsverzeichnis 324 Experimentelle Bestimmung der Rényi Dimensionen 102 325 Ljapunov Dimension 108 33 Entropien 112 331 Transinformation 115 332 Kolmogorov Sinaj Entropie 120 333 Beziehungen zwischen Entropie, Ljapunov-Exponenten und Informationsdimensionen 128 334 Experimentelle Bestimmung der Entropien 131 4 Universalität auf dem Wege zum Chaos 139 41 Über Periodenverdopplungen zum Chaos 141 411 Einige numerische Resultate 143 412 Selbstähnlichkeit und Renormierung 145 413 Bestimmung der Feigenbaum Konstanten 146 414 Periodenverdopplung und Universalität in höherdimensionalen Systemen 149 42 Übergang von Quasiperiodizität zum Chaos 151 421 Periodisch angestoßener Rotator und Standardabbildung 151 422 Die Kreisabbildung 153 423 Periodische und quasiperiodische Lösungen 155 424 Irrationale Windungszahlen 158 425 Der Übergang von Quasiperiodizität zum Chaos aus experimenteller Sicht 164 5 Übergangsphänomene im chaotischen Regime 167 51 Die logistische Abbildung für r > r 167 511 Verschmelzen chaotischer Bänder 167 512 Periodische Fenster 168 52 Intermittenz 171 521 Länge der laminaren Abschnitte 173 522 Selbstähnlichkeitsbeziehungen 175 53 Krisen 176 531 Krisen bei der logistischen Abbildung 176

Inhaltsverzeichnis 9 532 Attraktorentwicklung bei der Standardabbildung 178 533 Transientes Chaos 183 534 Kriseninduzierte Intermittenz 185 54 Fraktale Einzugsgebietsgrenzen 188 6 Chaos und homokline Orbits 195 61 Smalesches Hufeisen und Smale Birkhoff Theorem 202 62 Die Melnikov Methode 212 63 Homokline Orbits von Fixpunkten autonomer Systeme 220 64 Kontrolliertes Chaos 225 641 Die Stabilisierung instabiler periodischer Orbits 226 642 Die Synchronisation zweier chaotischer Trajektorien 228 643 Die Ansteuerung eines vorgegebenen Zielgebietes im Phasenraum 230 7 Schlußbemerkungen 231 Literaturverzeichnis 235 Sachverzeichnis 251

Kapitel 1 Einführung Eine wichtige Aufgabe naturwissenschaftlicher Forschung ist es, Voraussagen über die zeitliche Entwicklung konkreter Systeme zu treffen Diese Aufgabe wird in Abhängigkeit vom untersuchten System mit unterschiedlichem Erfolg gemeistert Die Astronomen sagen Bewegungen von verschiedenen Himmelskörpern über mehrere Jahrhunderte hinweg recht präzise voraus Es gibt aber auch Erscheinungen, bei denen zumindest langfristige Prognosen nicht gelingen Die Wettervorhersagen demonstrieren das offenkundig Schon wesentlich einfachere Systeme verschließen sich ebenso unserem Bestreben um genaue Voraussagen Denken wir an Glücksspiele wie Würfel und Roulette, so haben wir uns daran gewöhnt, die Ungewißheit des Ausgangs von Versuchen zu akzeptieren Diesen Systemen ist gemeinsam, daß sie eine empfindliche Abhängigkeit von den Anfangsbedingungen besitzen, d h, sehr kleine Änderungen in den Anfangszuständen bewirken große Unterschiede im Endzustand, und da Zustände nur mit endlicher Genauigkeit gemessen werden können, sind somit der Voraussagbarkeit Grenzen gesetzt Solche Systeme werden heute chaotisch genannt Bereits Poincaré (1914) beschreibt derartige Erscheinungen in seinem Buch Wissenschaft und Methode in einem Kapitel über den Zufall: Eine sehr kleine Ursache, die für uns unbemerkbar bleibt, bewirkt einen beträchtlichen Effekt, den wir unbedingt bemerken müssen, und dann sagen wir, daß dieser Effekt vom Zufall abhänge Würden wir die Gesetze der Natur und den Zustand des Universums für einen gewissen Zeitpunkt genau kennen, so

12 1 Einführung könnten wir den Zustand dieses Universums für irgendeinen späteren Zeitpunkt genau voraussagen Aber selbst wenn die Naturgesetze für uns kein Geheimnis mehr enthielten, können wir doch den Anfangszustand immer nur näherungsweise kennen Wenn wir dadurch in den Stand gesetzt werden, den späteren Zustand mit demselben Näherungsgrade vorauszusagen, so ist das alles, was man verlangen kann; wir sagen dann: die Erscheinung wurde vorausgesagt, sie wird durch Gesetze bestimmt Aber so ist es nicht immer; es kann der Fall eintreten, daß kleine Unterschiede in den Anfangsbedingungen große Unterschiede in den späteren Erscheinungen bedingen; ein kleiner Irrtum in den ersteren kann einen außerordentlich großen Irrtum für die letzteren nach sich ziehen Die Vorhersage wird unmöglich und wir haben eine,zufällige Erscheinung Die intensiven Untersuchungen der letzten Jahre an nichtlinearen dynamischen Systemen in den verschiedenen naturwissenschaftlichen Bereichen ergaben, daß chaotisches Verhalten keine Ausnahme darstellt, sondern eher die Regel ist Es gibt keine naturwissenschaftliche Disziplin, in der nicht chaotisches Verhalten beobachtet worden wäre Eine repräsentative Auswahl von Pionierarbeiten zur Chaosproblematik findet man bei Hao (1984, 1990) (vgl z B auch Abraham et al, 1984) Neben den Untersuchungen an konkreten Systemen wird der Weg der mathematischen Modellierung beschritten, um Prognosen zu erhalten Die in diesem Buch beschriebenen Systeme werden als Differentialgleichungen oder Differenzengleichungen modelliert Alle verwendeten Modellgleichungen (Bewegungsgleichungen) besitzen die Eigenschaft, daß zu einer vorgegebenen Anfangsbedingung eine eindeutige Lösung existiert Diese Vorausbestimmtheit bedeutet jedoch nicht in jedem Fall Voraussagbarkeit Bei chaotischen Systemen kommt es zum Verstärken von Meßfehlern Weil jedoch auch im chaotischen Fall die zeitliche Entwicklung durch feste Vorschriften bestimmt wird, sprechen wir vom deterministischen Chaos Wenn schon eine präzise langfristige Voraussage über den zukünftigen Zustand nicht möglich ist, so erwarten wir doch, daß durch die Modellgleichung wesentliche Eigenschaften des konkreten Systems wiedergegeben werden Unter wesentlich soll verstanden werden, daß die Modellgleichung die gleichen qualitativen Eigenschaften wie das konkrete System besitzt, d h, bestimmte Bewegungsformen (Fixpunkte, periodische Lösungen, chaotische Lösungen) existieren für beide in gleichen Parameterbereichen Darüber hinaus sollten die im Kap 3 eingeführten charakteristischen Größen (Ljapunov Exponenten, Dimensionen, Entropien), die besonders zur Beschreibung chaoti-

1 Einführung 13 scher Systeme wichtig sind, bei der Modellgleichung etwa die gleichen Werte annehmen wie beim realen System Dabei muß man aber bedenken, daß die Beschreibung eines konkreten Systems durch eine Gleichung immer bestimmte Vernachlässigungen beinhaltet, es wird z B mit einer gewissen Willkür das System von seiner Umgebung getrennt Die Wechselwirkung mit der Umgebung kann jedoch so stark und kompliziert sein, daß die resultierende Bewegung nicht vorhersagbar ist und deshalb als zufällig oder stochastisch angesehen wird Diese Ursache zufälligen Verhaltens liegt z B bei der Brownschen Molekularbewegung vor Das sind Zitterbewegungen von suspendierten mikroskopischen Teilchen in Flüssigkeiten oder Gasen, die durch die thermischen Stöße der selbst nicht sichtbaren Moleküle des Mediums hervorgerufen werden Bei chaotischen Systemen wird keine komplizierte Wechselwirkung mit der Umgebung vorausgesetzt Die Quelle des zufälligen Verhaltens liegt im System selbst, es beruht auf den komplizierten instabilen Bahnkurven (Orbits, Trajektorien) Benachbarte Orbits laufen im Mittel mit exponentieller Zunahme des Abstands auseinander Natürlich wirken sich bei chaotischen Systemen auch noch so kleine Umwelteinflüsse entscheidend auf die konkreten Trajektorien aus Bei Verringerung des Rauschens, d h des Einflusses der Umgebung, bleibt das Verhalten jedoch zufällig Wegen der komplizierten Trajektorien ist die Angabe einer Lösung der Bewegungsgleichungen in geschlossener Form, d h einer Formel, die jeden zukünftigen Zustand als Funktion der Zeit und der Anfangsbedingung angibt, i allg nicht möglich Die Voraussage kann nur schrittweise z B mit Hilfe des Computers erfolgen Da jeder Computer nur mit einer endlichen Stellenzahl arbeitet, kommt es zu Rundungsfehlern, die durch das chaotische System noch verstärkt werden Die Voraussage wird auch deshalb immer unpräzis sein Die Antwort auf die Frage, was die berechneten mit den tatsächlichen Trajektorien verbindet, ist wichtig und nicht trivial Wir können in der Regel nur erwarten, daß die Computerlösung die charakteristischen Größen des chaotischen Systems richtig wiedergibt In Kap 3 und Kap 6 wird auf dieses Problem genauer eingegangen In diesem Buch behandeln wir vorrangig dissipative Systeme, bei denen sich das Volumen eines vorgegebenen Gebietes im Raum der Zustandsvariablen (Zustandsraum, Phasenraum) im zeitlichen Mittel verkleinert, wenn sich jeder Punkt gemäß den Bewegungsgleichungen verschiebt Chaotische Bewegungen können auch in

14 1 Einführung konservativen Systemen auftreten, bei denen das Phasenraumvolumen erhalten bleibt Solche Systeme werden jedoch in diesem Buch nicht betrachtet Eine ausführliche Behandlung der Dynamik konservativer Systeme erfolgt u a im Buch von Lichtenberg und Liebermann (1982, 1992) Dissipative Systeme besitzen Attraktoren Das sind Teilmengen des Zustandsraumes, die benachbarte Trajektorien anziehen und auf denen die asymptotische Bewegung des Systems stattfindet Einfache reguläre Attraktoren sind Punkte und geschlossene Kurven Neben diesen gibt es jedoch sogenannte chaotische Attraktoren, bei denen sich die erwähnte empfindliche Abhängigkeit von den Anfangsbedingungen zeigt Wegen der endlichen Ausdehnung des Attraktors können benachbarte Trajektorien jedoch nicht für immer exponentiell auseinanderlaufen Der chaotische Attraktor muß deshalb in komplizierter Weise gefaltet sein Strekkungen mit anschließender Faltung infolge der Nichtlinearität der Bewegungsgleichung sind typische Transformationen, die chaotisches Verhalten erzeugen Wie vom Bäcker beim Teigkneten die Zutaten kräftig durchmischt werden, so geschieht dasselbe mit den Gebieten im Zustandsraum Die Vorschrift über die Einzelheiten des Mischvorgangs wird von der Bewegungsgleichung geliefert Für die hier behandelten chaotischen Systeme existiert keine abgeschlossene mathematische Theorie Viele interessante Ergebnisse stammen aus Experimenten an konkreten Systemen bzw aus Modellrechnungen mit Hilfe von Computern Für die eindimensionalen nichtumkehrbaren Differenzengleichungen lassen sich eine Reihe von relevanten Sätzen streng beweisen Das ist auch ein Grund dafür, daß wir in den folgenden Kapiteln häufig auf sie zurückgreifen Viele höherdimensionale Systeme zeigen Phänomene, die schon bei den eindimensionalen Differenzengleichungen auftreten Wir lernen dabei aber noch nicht die ganze Vielfalt chaotischer Systeme kennen Die uns umgebende nichtlineare Welt läßt sich natürlich nicht aus einer eindimensionalen Abbildung verstehen! Im Kap 2 werden zum Lesen des Buches notwendige Grundbegriffe eingeführt Es ist günstig, wenn der Leser einige Kenntnisse aus der Theorie der gewöhnlichen Differentialgleichungen und der Maßtheorie besitzt Der Inhalt ist allerdings so angelegt, daß sich auch Leser mit weniger Voraussetzungen ohne weiteres an das Studium der folgenden Kapitel wagen können Im Kap 3 werden die chaotischen Bewegungen charakterisiert und wichtige Größen vorgestellt, die das Chaos auch quantitativ beschreiben Phänomene,

11 Logistische Abbildung 15 die auftreten können, wenn eine ursprünglich reguläre Bewegung durch Veränderung eines oder mehrerer Parameter in eine chaotische übergeht, behandeln wir im Kap 4 Auf dem Weg zum Chaos zeigen die unterschiedlichsten nichtlinearen Systeme ein ähnliches Verhalten Diese Universalität wird auch im Kap 5 deutlich, wo einige parameterabhängige Veränderungen chaotischer Attraktoren diskutiert werden Exakte mathematische Resultate liegen über Systeme mit invarianten hyperbolischen Mengen vor Mit einigen dieser Ergebnisse beschäftigen wir uns im Kap 6 Die dort vorgestellten Theoreme und Verfahren gestatten es, Parameterbereiche anzugeben, in denen sich ein konkretes dynamisches System chaotisch verhalten kann Um mit dem Begriff Chaos und den Erscheinungen, die in chaotischen Systemen auftreten, weiter vertraut zu machen, werden jedoch zunächst einige bekannte Systeme vorgestellt, die sowohl periodisches als auch chaotisches Verhalten zeigen 11 Die logistische Abbildung Einfache mathematische Modelle zur Beschreibung der Dynamik einer einzelnen Population werden in der Ökologie betrachtet Häufig verwendet man Differenzengleichungen der folgenden Form: x t+1 = f(x t ) mit t = 0, 1, 2, (11) Gleichung (11) beschreibt die Dichte x t+1 (= relative Anzahl der Individuen pro Flächen oder Volumeneinheit) der (t+1) ten Generation in Abhängigkeit von der Diche x t der vorherigen Generation Nur wenn die Generationen nicht überlappen, ist Gl (11) ein adäquates Modell Insekten, die zu Beginn der kalten Jahreszeit sterben und deren nächste Generation im folgenden Frühjahr aus den Eiern schlüpft, sind hierfür ein Beispiel Die Funktion f ist nicht beliebig Es ist angemessen zu fordern, daß f(0) = f(1) = 0 gilt, wenn x = 1 die maximal erreichbare Dichte ist Eine weitere plausible Annahme ist, daß f im Intervall [0, 1] genau ein Maximum besitzt Die Funktion f ist somit eine Abbildung des Einheitsintervalls auf sich, d h f : [0, 1] [0, 1] Ein wichtiges Beispiel, in dem die angegebenen Annahmen erfüllt sind, ist die logistische Abbildung f r (x t ) = rx t (1 x t ) mit 0 < r 4 (12)

16 1 Einführung Es ist das besondere Verdienst von May (1976), mit seinen Untersuchungen zur Abbildung (12) die Vielfalt periodischer und chaotischer Bewegungen an solch einfachen dynamischen Systemen einem breiten Publikum nahegebracht zu haben Für kleine Populationsdichten folgt aus Gl (12) ein nahezu exponentielles Wachstum Der quadratische Term verhindert jedoch ein unbegrenztes Anwachsen der Population Der Parameter r beschreibt den Einfluß der Umgebung auf die Population Ändert man ihn, so kann eine Änderung des qualitativen Verhaltens der Orbits von (12) die Folge sein Dabei ist der Orbit von x 0 die Folge der Werte, die man durch fortlaufende Iteration von (12) erhält: {x 0, x 1, x 2, } Ein Orbit heißt periodisch, wenn für ein m und alle t die Gleichung x t+m = x t erfüllt ist Die Periode des Orbits ist das kleinste m mit dieser Eigenschaft Ein Orbit mit der Periode 1 ist ein Fixpunkt Jeder Punkt eines periodischen Orbits der Periode m ist ein Fixpunkt der Abbildung fr m f r fr m 1, der m ten Iterierten von f r Die Fixpunkte x der Abbildung lassen sich einfach berechnen, für sie gilt x = rx(1 x) Diese Gleichung besitzt die Wurzeln 0 und 1 1/r Es ist leicht, zu einem vorgegebenen Parameterwert r den Orbit eines beliebigen Startwertes x 0 zu verfolgen Dazu reicht ein einfacher Taschenrechner aus Anschaulicher als die numerische Berechnung ist die geometrische Konstruktion des Orbits Abbildung 11 zeigt die Graphen y = 2x(1 x) und y = x Ihre Schnittpunkte liefern gerade die Fixpunkte der logistischen Abbildung Wie aus x 0 die Folgepunkte x 1 = f r (x 0 ), x 2 = f r (x 1 ) usw gefunden werden, wird auch aus Abb 11 deutlich Folgende Operationen müssen immer wieder durchgeführt werden: 1 vertikale Gerade an den Graphen von f r, 2 horizontale Gerade an den Graphen y = x usw Offensichtlich nähern sich alle Iterierten eines beliebigen Startpunktes aus dem Intervall (0, 1) dem zweiten Fixpunkt bei x = 1/2 Andererseits entfernen sich alle Iterierten vom Nullpunkt Das ist unabhängig davon, wie nahe x 0 beim Nullpunkt liegt Deshalb wird der Nullpunkt instabiler Fixpunkt genannt x = 1/2 heißt stabiler Fixpunkt Er ist ein Attraktor Wodurch entsteht nun die Stabilität von x = 1/2 und die Instabilität von x = 0? Man überzeugt sich leicht davon, daß x = 0 instabil ist, weil der Anstieg von f 2 bei x = 0 größer als 1 ist x = 1/2 ist stabil, weil f 2(1/2) < 1 Der Anstieg f r(x) = r(1 2x) an den Fixpunkten x entscheidet also über ihre Stabilität Folglich ist der Nullpunkt für

11 Logistische Abbildung 17 1 f 2 (x) 0,5 0 0 0,5 1 x Abb 11: Die Iterierten von x 0 = 0, 1 nach Gl (12) die Parameterwerte 0 < r < 1 stabil Für 1 < r < 3 ist der zweite Fixpunkt stabil Bei r = 3 entsteht ein stabiler Orbit der Periode 2, der ursprünglich stabile Fixpunkt wird instabil Diese Periodenverdopplung ist ein Beispiel für eine Bifurkation: Es ändern sich die qualitativen Eigenschaften der Bewegungen, bzw neue Typen von Orbits treten auf In der Abb 12 ist die entstandene Situation dargestellt Man kann sie auch so beschreiben: Für die zweite Iterierte fr 2 (r 3) sind zwei stabile Fixpunkte entstanden Am Bifurkationspunkt r = 3 fallen diese Fixpunkte zusammen Bei weiterer Vergrößerung von r verändert sich der Anstieg an den stabilen Fixpunkten von fr 2 und durchläuft den Bereich von +1 nach 1 Hier wird der Orbit instabil, und gleichzeitig entsteht ein stabiler Orbit der Periode 2, d h der Periode 4 von f r Diese periodenverdoppelnden Bifurkationen wiederholen sich nun Es entstehen stabile Orbits der Perioden 8, 16, 32, Alle werden schließlich wieder instabil Dabei verkürzen sich die Parameterintervalle, in denen die Periode 2 n stabil ist, mit steigendem n Der Prozeß der Periodenverdopplungen konvergiert für n bei einem kritischen Wert r = 3, 569 945 6 Jenseits von r ist das Verhalten des Systems sehr komplex Es gibt unendlich viele Parameterintervalle, in denen stabile periodische Orbits existieren Dabei ist bekannt, daß zu einem Pa-

18 1 Einführung 1 f r (x) 0,5 0 1 f 2 r (x) 0,5 0 0 0,5 1 x Abb 12: Die Iterierten von x 0 = 0, 1 und die zugehörige iterierte Abbildung f 2 r von Gl (12) für r = 3, 2 rameterwert höchstens eine stabile Periode vorhanden sein kann (Singer, 1978) Wie entstehen stabile periodische Orbits im Parameterintervall r < r < 4? Am Beispiel der Periode 3 ist das leicht zu verstehen In der Abb 13 ist dazu die dritte Iterierte f 3 r, eine Funktion mit vier Maxima, bei zwei verschiedenen r Werten dargestellt Zunächst sind nur zwei Schnittpunkte mit der Gera-

11 Logistische Abbildung 19 f 3 r (x) 1 0,5 0 0 0,5 1 x Abb 13: Die dreifach iterierte Abbildung fr 3 (x) von Gl (12) für r = 3, 75 (punktiert) und r = 3, 84 den y = x vorhanden Sie gehören zu den Fixpunkten von f r Höhere Werte von r führen zu steileren Flanken der Extrema Bei r = r c 1 + 8 = 3, 828 4 berühren die ersten beiden Minima und das letzte Maximum die Gerade y = x Drei Punkte der Periode 3 werden geboren Diese Bifurkation wird Tangentialbifurkation genannt Der Anstieg von fr 3 an diesen Punkten ist 1 Bei etwas größeren Werten von r existieren sechs Schnittpunkte Drei von ihnen entsprechen einem instabilen Orbit, und die anderen drei gehören zu einer stabilen Periode Bei weiterer Zunahme von r folgt wieder eine Kaskade von Periodenverdopplungen, die an einem weiteren Akkumulationspunkt beendet ist Solche Fenster stabilen periodischen Verhaltens auf der Parameterachse gibt es unendlich viele Das Fenster zur Periode drei ist am breitesten Bei höheren Grundperioden sind die Fenster sehr schmal Je höher die Grundperiode ist, desto mehr stabile Orbits dieser Periode gibt es Sie existieren natürlich bei unterschiedlichen r Werten Die Grundperioden 6 bzw 12 erscheinen z B 4 bzw 165mal Es gibt aber auch Parameterwerte, für die keine stabile Periode existiert Hier zeigt das System eine empfindliche Abhängigkeit von den Anfangsbedingungen, es verhält sich chaotisch Für r = 4