Stała Feigenbauma

Stała Feigenbauma δ opisuje zbieżność bifurkacji ciągu i pochodzi od nazwiska jej odkrywcy Mitchella Feigenbauma. Została odkryta w 1978 roku.

Rozpatrzmy ciąg iteracji pewnej funkcji mnożonej każdorazowo przez stałą

Dla niektórych wartości przy ustalonym ciąg ten posiada granicę. Okazuje się, że dla wielu funkcji liczba takich skończonych granic rośnie skokowo wraz ze wzrostem (występują tzw. bifurkacje). Oznaczmy przez rosnący ciąg wartości dla których zwiększyła się liczba granic ciągu

Okazuje się, że istnieje wtedy granica ciągu

Feigenbaum ze zdumieniem odkrył, że granica ta jest identyczna dla szerokiej klasy funkcji i równa (ciąg publikacja w otwartym dostępie – możesz ją przeczytać A006890 w OEIS)

Zbieżność bifurkacji dla odwzorowania logistycznego

Stała ta jest uniwersalna i pojawia się w wielu różnych sytuacjach w otaczającym nas świecie np.: w przepływach turbulentnych, oscylacjach w rezonatorach kwarcowych, reakcjach chemicznych, czy w zbiorach fraktalnych.

Stała Feigenbauma występuje we wszystkich funkcjach ściśle wklęsłych na pewnym przedziale A z jednym maksimum w tym przedziale, odwzorowujących ten przedział w siebie. Ponieważ wiele zjawisk przyrodniczych jest opisanych takimi funkcjami, stąd popularność stałej w przyrodzie.

Na wykresie obok przedstawiono atraktory dla różnych wartości parametru. Istnieje nigdziegęsty podzbiór parametrów dla których atraktor odwzorowania staje się chaotyczny. Podzbiór ten poprzecinany jest przedziałami parametru (np. ), dla których wraz ze wzrostem wartości dochodzi do kolejnych bifurkacji podwojeń okresu, aż do granicy w której znajduje się atraktor chaotyczny. Jest to tzw. przejście do chaosu poprzez kaskadę bifurkacji podwojeń okresu.

Media użyte na tej stronie

LogisticMap BifurcationDiagram.png
A bifurcation diagram for the Logistic map:
The horizontal axis is the r parameter, the vertical axis is the x variable. The image was created by forming a 1601 x 1001 array representing increments of 0.001 in r and x. A starting value of x=0.25 was used, and the map was iterated 1000 times in order to stabilize the values of x. 100,000 x -values were then calculated for each value of r and for each x value, the corresponding (x,r) pixel in the image was incremented by one. All values in a column (corresponding to a particular value of r) were then multiplied by the number of non-zero pixels in that column, in order to even out the intensities. Values above 250,000 were set to 250,000, and then the entire image was normalized to 0-255. Finally, pixels for values of r below 3.57 were darkened to increase visibility.