李雅普诺夫指数:衡量一个系统因微小初值误差,随时间(迭代)产生分离的程度。当李雅普诺夫指数大于0,可以作为混沌行为的判据。
我们先从简单由最经典的Logistic映射的入手、
Logistic映射:
定理:,其中
,
为李雅普诺夫指数。
我们可以作简单的推导,我们从上述概念中来看,李雅普诺夫指数(以下简称李数)为衡量系统因微小初值误差,后面迭代产生分离的程度,也就是说当 ,显然如果
随着n的增大而越来越大,那么
也越来越大(就可以说明这个伪随机序列有着良好的混沌性,就是李雅普诺夫指数大于0所指的情况),似乎这个
跟我们的李雅普诺夫指数是有关联的。
我们先来进行的计算
类似的我们看
从这里可以看出当初始误差很小时,,上面我们说到我们希望
随着n的增大而越来越大,也就是说不收敛,那么
,两边取对数,
,这就是李雅普诺夫指数的简单推导。
代码实现
clear;clc;close all;
hold on
a1=2.5:0.001:4;n=2000;
for j=1:length(a1)
a=a1(j);
x0=0.2;e=0;
for i=1:n
d=a-2*a*x0;
e=e+log(abs(d));
x0=a*x0*(1-x0);
end
l(j)=e/n;
end
plot(a1,l,'b')