Nichtlineare Dynamik und Chaos (Apr.

2011)

Heinz Horner

Nichtlineare Dynamik und Chaos

Heinz Horner
Institut fr Theoretische Physik der Ruprecht-Karls-Universitt Heidelberg
Philosophenweg 19 69120 Heidelberg
April 2011

Inhaltsverzeichnis
1 Dynamische Systeme

2 Logistische Abbildung als Prototyp dynamischer Systeme

2.1 berblick: Fixpunkte, periodische Lsungen und Chaos . . . .
2.2 Stabilitt von Fixpunkten, Lyapunov Exponent . . . . . . . .
2.3 Periodische Orbits . . . . . . . . . . . . . . . . . . . . . . . .
2.4 Voll entwickeltes Chaos . . . . . . . . . . . . . . . . . . . . .
2.5 Bifurkationen . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6 Bifurkationsdiagramm der logistischen Abbildung . . . . . . .
2.7 Lyapunov Exponent . . . . . . . . . . . . . . . . . . . . . . .
2.8 Selbsthnliches Verhalten . . . . . . . . . . . . . . . . . . . .
2.9 Abschtzung der Zahl der Fenster . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

2
3
6
7
8
9
10
11
12
12

3 Systeme gewhnlicher Differentialgleichungen

3.1 Attraktoren in kontrahierenden Systemen . . . .
3.2 Fixpunkte und Grenzzyklen . . . . . . . . . . . .
3.3 Lotka-Volterra-Modell . . . . . . . . . . . . . . .
3.4 Dreidimensionaler Phasenraum, Rssler-Attraktor
3.5 Bcker Abbildung . . . . . . . . . . . . . . . . . .
3.6 Fraktale Dimension . . . . . . . . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

14
15
15
16
18
20
21

4 Konservative Systeme
4.1 Hamiltonsche Mechanik . . . . . . . . . . . . . . . . .
4.2 Integrable Systeme . . . . . . . . . . . . . . . . . . . .
4.3 Periodisch angestoener Rotator, Standard-Abbildung
4.4 Asteroiden, Ringsysteme . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

22
22
22
23
25

5 Literatur

.
.
.
.
.
.

.
.
.
.
.
.

25

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

Dynamische Systeme

Dynamische Systeme sind mathematische Modelle zeitabhngiger Prozesse. Beispiele finden sich nicht
nur in Mathematik und Physik, sondern auch in biologischer Modellbildung und in vielen Bereichen
der Wirtschaftswissenschaften. Im Allgemeinen betrachtet man autonome Systeme, i.e. Systeme ohne
von Aussen aufgeprgte Zeitabhngigkeit, derer zeitliche Entwicklung nur von der Anfangsbedingung
abhngt.
Der Zustand des Systems sei durch einen Punkt s in einem Zustandsraum S gegeben. Der Zustandsraum
kann diskret oder kontinuierlich sein, oder auch ein Raum von Funktionen sein.
Diskreter Zustandsraum:
Beispiel: Menge von natrlichen Zahlen {n1 , n2 nk }, die die Anzahl von Individuen verschiedener
Spezien angeben.
Beispiel: ni = {0, 1}: System von binren Eigenschaften, z.B. Besetzung von Gitterpunkten,
Kontinuierlicher Zustandsraum:
Beispiel: Punkt s in einem k-dimensionalen Raum S = Rk mit Koordinaten {s1 , s2 sk }.

Raum von Fuktionen:

Beispiel: Funktionen (x), wobei x ein Vektor in einem d-dimensionalen Raum ist.
Die (zeitliche) Entwicklung des Systems kann durch eine Abbildung gegeben sein:


s(tn+1 ) = F s(tn )

(1.1)

wobei wir uns auf autonome Systeme beschrnken wollen, also auf Systeme bei denen F s nicht
explizit von der Zeit tn abhngt. Im Fall eines diskreten Zustandsraums spricht man von zellulren
Automaten.
Im Fall eines kontinuierlichen Zustandsraums kann die (zeitliche) Entwicklung auch durch einen Satz
von gewhnlichen Differentialgleichungen erster Ordnung gegeben sein


d
s(t) = F s(t)
(1.2)
dt

Die zeitliche Entwicklung im Fall eines Zustandsraums von Funktionen ist im allgemeinen durch partielle Differentialgleichungen oder Integralgleichungen gegeben.
Im folgenden werden wir uns weitgehend auf Abbildungen und Systeme von gewhnlichen Differentialgleichungen in einem k-dimensionalen kontinuierlichem Zustandsraum beschrnken.

Logistische Abbildung als Prototyp dynamischer Systeme

Ein sehr einfaches nichtlineares dynamisches System mit nur einem Freiheitsgrad ist die logistische
Abbildung, die aber wesentliche Aspekte dynamischer Systeme und chaotischen Verhaltens zeigt. Sie
ist gegeben durch
xn+1 = F (xn )

F (x) = a x (1 x)

(2.1)

Sie wurde zunchst als Modell fr die Entwicklung von Populationen formuliert, in dem nicht nur
die Reproduktionsrate, sondern auch eine beschrnkte Nahrungsresource bercksichtigt wird. In einem
gegebenen Zeitraum, z.B. einem Jahr, wchst die Population durch Reproduktion um einen Faktor fr .
Die Sterberate hngt vom Verhltnis von Population zu Resource ab, also fs = fo + f 0 N/R. Damit
erhlt man




f0
Nn+1 = 1 + fr fs Nn = 1 + fr fo Nn Nn2
(2.2)
R

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

Die obige Form (2.1) erhlt man durch die Substitution

a = 1 + fr fo

x=

f0
N
1 + fr fo R

(2.3)

Ganz hnlich kann der Lebenszyklus eines neu eingefhrten Produkts modelliert werden. Die Verkaufsrate des neuen Produkts hngt von seinem Bekanntheitsgrad, also von der Zahl der schon verkauften
Produkte ab. Eine Sttigung tritt ein, wenn schon jeder potentielle Konsument das Produkt gekauft
hat. Die Zahl der in einer bestimmten Periode verkauften Produkte folgt z.B.
Nn+1 Nn = c Nn (1 Nn /N )

(2.4)

Auch hier erhlt man (2.1) mit

a=1+c

x=

c N
1+c N

(2.5)

Auch manche Regelungsprozesse knnen auf die logistische Abbildung zurckgefhrt werden. Dabei
hat man eine zu regelnde Gre r, die von einer Stellgre s abhngt
r = R(s)

(2.6)

Der Sollwert sei r und bei Abweichung von diesem Sollwert werde die Stellgre proportional zu dieser
Abweichung gendert, also


(2.7)
sn+1 sn = c R(sn ) r
Der Sollwert r werde bei einem Stellwert s erreicht, wobei
R(s) = r

(2.8)

Nhert man die Funktion R(s) durch eine Parabel an

R(s) = r + R1 (s s) + R2 (s s)2

(2.9)

liefert die Substitution

a = 1 + c R1

x=

c R2
(s s)
1 + c R1

(2.10)

wieder die Standardform (2.1) der logistischen Abbildung. Der Kontrollparameter a der logistischen
Abbildung ist damit durch die Strke c der Rckkopplung gegeben.

2.1

berblick: Fixpunkte, periodische Lsungen und Chaos

f (x)
x2
Eine grafische Darstellung der Iterationsschritte der Abbildung, wie in der Figur gezeigt, ist fr qualitative Diskussionen ntzlich.

x1
x3

x0

x3 x1

x2 x

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

Attraktiver Fixpunkt x = 0
fr 0 < a < 1
xo = 0.5

a = 0.9

Repulsiver Fixpunkt x = 0
Attraktiver Fixpunkt x > 0
fr 1 < a < 2
Monotone Annherung.
xo = 0.9

a = 1.5

Repulsiver Fixpunkt x = 0
Attraktiver Fixpunkt x > 0
fr 2 < a < 3
Oszillierende Annherung.
Superstabiler Orbit fr a = 2
xo = 0.9

xo = 0.7

a = 2.9

a = 3.5

Repulsive Fixpunkte x = 0 und x > 0

Attraktiver Periode 2 Orbit
fr 3 < a < 3.447
Fr 3.447 < a < 3.560 Periode 4, 8, 16

Repulsive Fixpunkte x = 0 und x > 0

Chaos und periodische Orbits
fr 3.560 < a < 4.0
xo = 0.7

a = 3.7

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

Fr a = 4 voll entwickeltes chaotisches

Verhalten im Bereich 0 < x < 1
xo = 0.7

a = 3.99

Fr a > 4 kann die Trajektorie den

Bereich 0 < x < 1 verlassen (Krise)
xo = 0.7

a = 4.01

0
1

a = 04

a = 34

Bifurkationsdiagramm:

Fr jeden Wert von a werden zunchst ca.

1000 Iterationen zur Bercksichtigung von
Einschwingvorgngen durchgefhrt. Die Nchsten ca. 200 Iterationswerte werden als Punkt
eingezeichnet. Fr a > 3.569945672 zeigt sich
chaotisches Verhalten mit eingebetteten periodische Fenstern. Diese zeigen selbsthnliche
Strukturen.
a = 3.8 3.9

Nichtlineare Dynamik und Chaos (Apr. 2011)

2.2

Heinz Horner

Stabilitt von Fixpunkten, Lyapunov Exponent

Ein Fixpunkt x ist definiert durch

f (x ) = x

(2.11)

In der Nhe des Fixpunktes kann die Abbildung nach = x x entwickelt werden
xn+1 = x + n+1 = f (x ) + f 0 (x ) n

n+1 = f 0 (x ) n

(2.12)

Man erhlt als Lsung

e = |f 0 (x )|

n = e n 0

= sign f 0 (x )

und

(2.13)

n2 = e2 n 02

(2.14)

Den Exponenten bezeichnet man als Lyapunov Exponent. Fr einen stabilen Fixpunkt ist |f 0 (x )| < 1
und damit < 0. Betrachtet man zwei benachbarte Trajektorien mit Anfangswerten x0 und
y0 = x0 + 0 , so gilt fr kleine entsprechend
2n = e2 n 20

(2.15)

Superstabiler Fixpunkt: f 0 (x ) = 0 und

n+1 = 12 f 00 (x ) n2 =

1 00 n+1 2n+1
0
2 f (x )

(2.16)

Hier ist die Konvergenz sehr viel schneller.

f (x)

f ! (x ) > 0

f (x)

x
instabil

f ! (x ) > 0

f (x)

x
stabil

f ! (x ) = 0

f (x)

x
superstabil

f ! (x ) < 0

f (x)

x
stabil

f ! (x ) < 0

x
instabil

Nichtlineare Dynamik und Chaos (Apr. 2011)

2.3

Heinz Horner

Periodische Orbits

Einem n-periodischem Orbit einer Abbildung f (x) entsprechen n Fixpunkte in der n-fach iterierten
Abbildung fn (x).
Beispiele:

2-periodischer Orbit
f2 (x)

a = 3.4

4-periodischer Orbit
f4 (x)

a = 3.5

8-periodischer Orbit
f8 (x)

a = 3.56

3-periodischer Orbit
f3 (x)

a = 3.86

Nichtlineare Dynamik und Chaos (Apr. 2011)

2.4

Heinz Horner

Voll entwickeltes Chaos

Fr a = 4 wird sowohl der Bereich x = 0 12 , wie auch der Bereich x = 12 1 auf den vollen
Bereich f (x) = 0 1 abgebildet. Damit kann aus einem Bildpunkt f (x) nicht mehr eindeutig auf den
Ausgangspunkt geschlossen werden. Die Abbildung ist damit nicht invertierbar.
Betrachtet man Ausgangspunkte mit einer Dichte p(x), ist die Dichte der Bildpunkte
Z 1


d y p(y) f (y) x
pf (x) =

(2.17)

Fr eine sogenannte invariante

Dichte (x) gilt f (x) = (x).
Fr die logistische Abbildung mit
a = 4 existiert eine kontinuierliche invariante Dichte
(x) =

1
p
x (1 x)

(2.18)

Die Existenz einer kontinuierlichen invarianten Dichte ist ganz

allgemein ein mgliches Kriterium fr chaotisches Verhalten.

a=4

a = 3.6

Betrachtet man zwei benachbarte Trajektorien mit Anfangspunkt x0 und x0 + 0 , dann ist, fr kleine
o nach einer Iteration (siehe (2.13))
1 = f (x0 + 0 ) f (x0 ) = f 0 (x) o = e(x) o

(2.19)

Nach n Iterationen ist

n =

n
Y

e(xn1 ) 0 = e

l=1

(xn1 )

0 en 0

(2.20)

o 0
n

Die Werte xn durchlaufen fr n alle Punkte mit einer Rate, die durch die invariante Dichte
gegeben ist. Damit ist der Lyapunov gegeben durch
Z



= dx (x) ln f 0 (x)
(2.21)

Diese Definition gilt auch fr Fixpunkte oder periodische Orbits, wobei hier die invariante Dichte durch
eine Summe von -Funktionen gegeben ist.
Fr die logistische Abbildung mit a = 4 erhlt man = ln(2) = 0.6931...
Fr a = 4 verdoppelt sich damit
die Abweichung im Mittel pro
Schritt. Bei einem Anfangswert
o = 1015 ist nach ca. 50
Schritten ein Wert 1 erreicht.
hnliches Verhalten zeigt sich
auch fr andere Werte des Kontrollparameters.
a=4

o = 1015

a = 3.6

o = 1015

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

Dies zeigt, dass auch bei extrem genauer Kenntnis der Anfangswerte in einem chaotischen System,
eine Vorhersage nur ber krzere Zeiten mglich ist. Ein positiver Lyapunov Exponent ist, neben
der Existenz einer kontinuierlichen invarianten Dichte, eine alternative Charakterisierung chaotischer
Dynamik.

2.5

Bifurkationen

Falls f (x) von einem Parameter abhngt, kann sich die Existenz oder Stabilitt von Fixpunkten an
speziellen Werten des Parameters, sogenannten Bifurkationen, ndern.

transkritische Bifurkation

Sattel-Knoten

Heugabel-Bifurkation

Hopf-Bifurkation

Fixpunkt Periode 2 Orbit

Bei einer transkritischen Bifurkation

vertauschen zwei Fixpunkte, ein attraktiver und ein repulsiver, ihre Stabilitt.

An einem Sattel-Knoten entsteht ein Paar

von Fixpunkten, von denen einer attraktiv
und der andere repulsiv ist.

An einer Heugabel-Bifurkation (Pitchfork)

entsteht aus einem attraktiven Fixpunkt
ein Paar von attraktiven Fixpunkten und
ein dazwischenliegender repulsiver Fixpunkt. Bei einer invertierten HeugabelBifurkation ist die Rolle von attraktiv und
repulsiv vertauscht.

An einer Hopf-Bifurkation entsteht aus

einem attraktiven Fixpunkt ein repulsiver
Fixpunkt und ein attraktiver Periode
2 Orbit. Auch hier gibt es die inverse
Verzweigung.

Nichtlineare Dynamik und Chaos (Apr. 2011)

2.6

10

Heinz Horner

Bifurkationsdiagramm der logistischen Abbildung

a) Transkritische Bifurkation
x = 0 x > 0 fr a = 1

e
b

c) Hopf-Bifurkation zu Periode 4 fr
a = 3.446

c
d

b) Hopf-Bifurkation
(HeugabelBifurkation) zu Periode 2 fr
a=3

d) Ende der Periodenverdopplungskaskade a = 3.569945672

e) Bandverschmelzungspunkt von
Zweiband- zu Einbandchaos fr
a = 3.68

a
a = 04

f ) Sattel-Knoten-Bifurkation zu Periode 3 fr a = 3.828

g) Hopf-Bifurkation zu Periode 6 fr
a = 3.842

f
0

h) Krise-Bifurkation von Dreibandzu Einbandchaos fr a = 3.857

a = 3.8 3.9

Zwischen a = 3 und a = 3.569945672 findet man eine Kaskade von

Periodeverdopplungen.

1
f2 (x)

Im Folgendem Intervall bis a = 3.68 findet sich eine inverse Kaskade von Bandverschmelzungen chaotischer Bnder. An den Bandverschmelzungspunkten wird ein Teilbereich wieder vollstndig auf sich
selbst abgebildet. Die invariante Dichte ist, wie auch bei a = 4 kontinuierlich.
Eingebettet in chaotische Bereiche finden sich Fenster mit periodischen Orbits, Periodenverdopplung und Bndern chaotischer Dynamik.

a = 3.68

Nichtlineare Dynamik und Chaos (Apr. 2011)

2.7

11

Heinz Horner

Lyapunov Exponent

1
x

3
1

3.9

-2

Der Lyapunov Exponent ist im Bereich

der Periodenverdopplung 0, wobei
an den Hopf-Bifurkationspunkten = 0
ist. An den superstabilen Punkten geht
. Im chaotischen Bereich sind
periodische Fenster mit < 0 eingebettet,
wobei allerdings nur Fenster mit nicht
allzu groer Periode aufgelst werden.
Die Bereiche, in denen > 0 gefunden
wird, enthalten sehr enge Fenster mit
hoher Periode. Dabei findet man sehr
lange Transienten, die bei numerischen
Rechnungen einen effektiven Lyapunov
Exponenten > 0 vortuschen.

1
x

0
3.8
1

Der Ausschnitt zeigt den Lyapunov

Exponenten im Bereich des Periode 3
Fensters. Das Bifurkationsdiegramm und
der Lyapunov Exponenten hnelt dem
Verlauf im gesamten Bereich a = 0 4.
Am bergang von Dreiband- zu Einbandchaos (Krise) springt der Lyapunov
Exponent.

-2
3.8

3.9

Nichtlineare Dynamik und Chaos (Apr. 2011)

2.8

Selbsthnliches Verhalten
Durch Skalennderung (und
Spiegelung) kann man Teile
des Bifurkationsdiagramms in
guter Nherung auf den gesamten Bereich abbilden. Entsprechend kann bei geeigneter Skalierung und geeigneter
Wahl von an und a2n die Abbildung fn mit einem Ausschnitt der Abbildung f2n zur
Deckung gebracht werden.

1
x

12

Heinz Horner

a = 34

f4 (x)

a = 3.5

f8 (x) a = 3.56

Dieses selbsthnliche Verhalten kann quantifiziert werden und fhrt zu Skalengesetzen in

Form von Potenzen und kritischen Exponenten. Die in der Periodenverdopplungskaskade auftretenden Perioden sind n = 2k . Die Parameterwerte an den
f2k (x)
jeweiligen superstabilen Punkte seien ak , und die Skalierung ist
durch den Abstand k zwischen dem superstabilem Fixpunkt
x2k = 12 und dem nchsten instabilen Fixpunkt der Abbildung
f2k gegeben (siehe Figur). Man definiert die Gren
k = a ak

k =

k1
k

und k =

a ak1
a ak

(2.22)

wobei und im Grenzfall k gegen feste Werte konvergiert.

Damit wird a ak k und k k .
k
0
1
2
3
4
5
6
7
8
9
10

n
1
2
4
8
16
32
64
128
256
512
1024

ak
2
3.236067978
3.498561699
3.554640863
3.566667380
3.569243531
3.569795294
3.569913465
3.569938774
3.569944195
3.569945355

1.5699457
0.3338777
0.0713839
0.0153048
0.0032789
0.0007021
0.0001503
0.0000322
0.0000069
0.0000015
0.0000003

4.708943
4.680771
4.662960
4.668404
4.668953
4.669157
4.669191
4.669199
4.669201

2.654744
2.531838
2.508718
2.504113
2.503161
2.502961
2.502919
2.502910
2.502908

3.569945672

4.669202

2.502908

2.9

x
In der Tabelle sind die entsprechenden Werte aufgelistet. und
sind universelle Gren. Die gleichen Werte findet man auch in den
Fenstern oder in anderen dynamischen Systemen, die eine Periodenverdoppelungskaskade zeigen. Die nfach iterierte Abbildung konvergiert
gegen eine Abbildung, die
f (y; ) = f2 ( y ; )

(2.23)

erfllt.

Abschtzung der Zahl der Fenster

Fr die Zahl der Fenster lsst sich eine untere Schranke angeben.

Betrachten wir zunchst a = 4. Durch f (x) wird der Bereich

x = 0 1 zweifach auf sich selbst abgebildet, durch f2 (x) vierfach und allgemein durch fn (x) 2n -fach. Damit enthlt die Abbildung fn (x) fr a = 4 2n instabile Fixpunkte. Falls n = p eine
Primzahl ist, entsprechen diese Fixpunkte den Fixpunkten x = 0
und f (x ) = x > 0 der ursprnglichen Abbildung f (x), sowie
(2p 2)/p instabilen p-periodischen Orbits.

f (x)

f2 (x)
f3 (x)
a=4

Nichtlineare Dynamik und Chaos (Apr. 2011)

Fr a < 4 wird der Bereich x = 0 1 nicht mehr vollstndig 2p -fach auf sich selbst abgebildet, und bei bestimmten
Werten von a verschwinden jeweils zwei p-periodische Orbits in Form einer Sattel-Knoten Bifurkation. In einem endlichen Bereich oberhalb dieses Wertes findet sich ein stabiler
p-periodischer Orbit, Periodenverdopplung und n-Band Chaos. Das Fenster ist nach oben durch eine Krise-Bifurkation
begrenzt. In diesen Punkten hat die Abbildung eine invariante Dichte, die aus p kontinuierlichen Stcken besteht.

1
f5 (x)

13

Heinz Horner

a=4
a = 3.9903
a = 3.98

Dies wiederholt sich bei kleineren a-Werten, und es existieren

insgesamt
Zp = (2p 2)/2p

(2.24)

Fenster der Periode p. Mit wachsendem p nimmt also die Zahl der Fenster rasch zu: Z3 = 1, Z5 =
3, Z7 = 9, Z11 = 93, Z13 = 315, Z17 = 3855, Z19 = 13797. Die Zahl der p-periodischen Fenster
ist damit berabzhlbar. Jedes derartige Fenster beansprucht einen, wenn auch kleinen, Wertebereich
von a-Werten. p-periodischen Fenster knnen nur fr a > 3.68, dem Wert der letzten Bandverschmelzung, auftreten. Genauere Abschtzungen liefern, dass diese Fenster das Intervall 3.68 < a < 4 nicht
vollstndig ausschpfen.
Innerhalb jedes Fensters findet sich wieder chaotische Bereiche mit Fenstern. Damit finden sich Fenster mit beliebiger Periode n. Zerlegt man n in seine Primfaktoren n = p1 p2 , findet man ein
n-periodische Fenster in einem p1 -periodischen primren Fenster, dort innerhalb eines p2 -periodischen
Fensters innerhalb der chaotischen p1 -periodischen Bnder, . Damit erhlt man eine noch viel grere Zahl von Fenstern. An den oberen Grenzen jedes dieser Fensters findet man Chaos mit stckweise
stetiger invarianter Dichte und positivem Lyapunov Exponenten. Diese Punkte, obwohl es berabzhlbar viele sind, haben ein verschwindendes Lebesque-Ma.
Die verbleibenden a-Werte besitzen keine endlichen Umgebungen. Jeder Wert von a ist entweder innerhalb eines Fensters, oder es existiert ein Fenster in jeder beliebig kleinen Umgebung. Trotzdem haben
diese Werte ein endliches Lebesque-Ma.
Diese Strukturen sind allerdings in numerischen Simulationen kaum sichtbar, da die Fenster sehr schmal sein knnen, und da bei Fenstern mit hherer Periode lange Transienten auftreten (siehe Figur). Das Periode 5 Fenster bei
a = 3.99027 hat beispielsweise eine Breite von 104 .

a = 3.99027

Nichtlineare Dynamik und Chaos (Apr. 2011)

14

Heinz Horner

Systeme gewhnlicher Differentialgleichungen

In der Physik, aber auch in vielen anderen Bereichen findet man Gesetzmigkeiten fr die zeitliche
Entwicklung, die durch gekoppelte gewhnlicher Differentialgleichungen gegeben sind. Die Zustandsvariablen des betrachteten Systems seien x1 , x2 , xk . Sie bilden der k-dimensionalen Zustandsraum.
Sie gengen Bewegungsgleichungen der Form


d
xi (t) = Fi x1 (t), x2 (t) xk (t)
dt

d
x(t) = F x(t)
dt

(3.1)

wobei F(x) stetig differenzierbar sei und nicht explizit von der Zeit abhngen soll. Letzteres ist keine
wesentliche Einschrnkung, da eine explizite Zeitabhngigkeit oft durch Hinzunahme weiterer Freiheitsgrade bercksichtigt werden kann.
In der Physik hat man es oft mit dissipativen Systemen zu tun, deren Phasenraum kontrahierend ist.
Betrachten wir ein infinitesimales Volumen im Phasenraum
Y
V =
xi
(3.2)
i

Dessen zeitliche nderung ist

X d
Y
d
V =
xi
xj
dt
dt
i

(3.3)

j6=i

Dabei ist





Fi (x)
d
d
d
xi =
xi + xi xi = Fi xi + xi Fi xi =
xi
dt
dt
dt
xi

(3.4)

und

X Fi (x)
d
V =
V = divF(x) V
dt
xi

(3.5)

In dissipativen Systemen (Systemen mit kontrahierendem Phasenraum) ist div F(x) < 0 fr alle x,
fr konservative Systeme ist divF(x) = 0.
Der Phasenraum eines mechanischen Systems ist durch die Impulse p und Orte q aller Teilchen gegeben.
Die Hamiltonfunktion sei H(p, q). Falls auch Reibung vorhanden ist, sind die Bewegungsgleichungen
d
H(p, q) X
pi =

Aij pj
dt
qi
j

d
H(p, q)
qi =
dt
pi

(3.6)

wobei die Reibung durch eine positiv definite Matrix A mit Elementen Aij gegeben ist. Damit wird

X
2H
2H
div F =

Aii +
= TrA < 0
(3.7)
pi qi
qi pi
i

d
Fr konservative Systeme ohne Reibung, i.e. A = 0, ist
V = 0. Derartige Systeme werden wir
dt
spter diskutieren.

Nichtlineare Dynamik und Chaos (Apr. 2011)

3.1

15

Heinz Horner

Attraktoren in kontrahierenden Systemen

Die Dynamik kann als kontrahierende Strmung im Phasenraum aufgefasst werden, beschrieben als
zeitabhngige Abbildung T (t) des Phasenraums auf sich selbst, so dass x(t) = T (t) x(0). Falls ein
Teilvolumen Vo existiert, so dass T (t) Vo ganz in Vo liegt, also T (t) x Vo fr alle x Vo , dann hat
der Teilbereich
Y = lim T (t) Vo

(3.8)

verschwindendes Volumen. Weder Vo noch Y mssen kompakt sein.

Ein Attraktor ist ein Teilbereich X von Y , der unter der Dynamik invariant ist, also
T (t) X = X

(3.9)

und der eine attraktive Umgebung besitzt.

Als Domne oder Attraktionsbereich eines Attraktors bezeichnet man den Bereich BX so dass
T (t) x X fr alle x BX . Falls mehrere Attraktoren X1 , X2 Km existieren, berlappen sich
deren Domnen nicht, fast jeder Anfangspunkt konvergiert aber gegen einen der Attraktoren.
Beispiele fr Attraktoren sind Fixpunkte, Grenzzyklen und seltsame Attraktoren, die wir im Zusammenhang mit chaotischem Verhalten diskutieren werden.

3.2

Fixpunkte und Grenzzyklen

Ein Fixpunkt ist ein Punkt x im Phasenraum so dass T (t) x = x . Zur Untersuchung der Stabilitt
betrachten wir Anfangspunkte x = x + x und linearisieren die Bewegungsgleichungen:

X Fi (x) 
X
d
xi (t) =
Mij xj (t)
(3.10)
 xj (t) =
dt
xj 

x=x

wobei die Stabilittsmatrix M im allgemeinen nicht symmetrisch ist. Ihre Eigenwerte , definiert durch
M e = e

(3.11)

sind reell oder paarweise konjugiert komplex. Entwickelt man x nach

den Eigenvektoren e
X
x =
x e
(3.12)

erhlt man
X
x(t) =
et x e

(3.13)

In Fall eines zweidimensionalen Phasenraums sind

attraktive Fixpunkte entweder Knoten, falls beide
Eigenwerte reell < 0 sind, oder vom Typ Fokus,
falls die beiden Eigenwerte konjugiert komplex sind
und < < 0 ist.
Knoten

F okus

Nichtlineare Dynamik und Chaos (Apr. 2011)

16

Heinz Horner

Grenzzyklen, also geschlossene Orbits mit kontrahierender Umgebung sind

weitere mgliche Attraktoren. In Systemen mit zweidimensionalen Phasenraum
sind Knoten, Fokus und Genzzyklus die einzigen mglichen Attraktoren.
Grenzzyklus

Sattel-Knoten

3.3

Daneben gibt es instabile Fixpunkte, z.B. Sattel-Knoten

oder instabilen Fokus. Betrachtet man nderungen von
Kontollparametern, kann ein zunchst stabiler Fokus instabil werden, und zustzlich taucht ein stabiler Grenzzyklus auf. Dies ist eine Hopf-Bifurkation. Das simultane
Auftauchen eines stabilen und eines instabilen Grenzzyklus entspricht der Sattel-Knoten-Bifurkation. Ein weiterer Mechanismus ist das Entstehen eines Grenzzyklus aus
einem homoklinen Orbit, wie in der rechten Figur angedeutet.

HomoklinerOrbit

Lotka-Volterra-Modell

Als Beispiel fr ein System mit zweidimensionalen Phasenraum betrachten wir das Lotka-VolterraModell. Es beschreibt die Populationen von Rubern R und Beutetieren B.
d
d
B = a B b R B + G(B)
R = c B R d R + H(R)
(3.14)
dt
dt
Dabei ist a die Reproduktionsrate der Beute, und b ist die Rate, mit der ein Ruber ein Beutetier
erlegt. Die Reproduktionsrate der Ruber ist proportional zum Nahrungsangebot, mit Koeffizient c,
und d ist die Sterberate der Ruber. Zustzliche Effekte, beispielsweise beschrnkte Ressourcen fr die
Beutetiere, knnen in den Funktionen G(B) und H(R) bercksichtigt werden.
Alternativ beschreibt das Lotka-Volterra-Modell das Zusammenspiel von Preis P und Angebot Q einer
Ware. Es seien P und Q Mittelwerte von Preis und Angebot. Liegt der Preis ber dem Mittelwert,
wird die Produktion der Ware gesteigert, andererseits dmpft ein berangebot den Preis.
d
P =
dt

1
P

QQ
P + G(P )
Q

d
Q=
dt

1
Q

P P
Q + H(Q)
P

(3.15)

P und Q sind Zeitkonstanten fr die Anpassung von Preis und Produktion. Auch hier knnen
zustzliche Effekte durch G(P ) und H(Q) bercksichtigt werden.
Durch Wahl geeigneter Variablen, z.B. x = P/P und y = Q/Q, erhlt man die Gleichungen


d
x = 1 y x + g(x)
dt

d
y = x 1 y + h(y)
dt

(3.16)

Betrachten wir zunchst die ursprnglichen Gleichungen mit g(x) = 0

und h(x) = 0.
Hier hat man einen Fixpunkt xo = 0 und yo = 0. Die zugehrige Stabilittsmatrix ist


1 0
Mo =
(3.17)
0 1
mit Eigenwerten 1 = 1 und 2 = 1. Damit ist dieser Fixpunkt ein
Sattelknoten.

Sattel-Knoten

Nichtlineare Dynamik und Chaos (Apr. 2011)

17

Heinz Horner

Ein weiterer Fixpunkt ist x = 1 und y = 1 mit einer Stabilittsmatrix

M=

0 1
1 0

(3.18)

Die zugehrigen Eigenwerte sind = i und damit ist dieser Fixpunkt

ein Zentrum.

Zentrum

Die Figur zeigt Lsungen von (3.16) fr

g = h = 0 mit verschiedenen Anfangswerten. Die Tatache, dass hier geschlossene
Orbits dicht liegen, ist nicht typisch. Die
Gre C = x ln(x) + y ln(y) ist eine
Erhaltungsgre, i.e. C ist auf jedem Orbit
konstant. Eine kleine Strung der Gleichungen gengt um diese Entartung auf zu heben.

xy
y

Betrachten wir als Beispiel einer Strung

g(x) = a x (x 1) (2 x)

h(y) = b y (1 y),

ist x = 1 und y = 1 immer noch Fixpunkt, mit Stabilittsmatrix



q
a 1
1
M=
und Eigenwerten
= 2 (a b) i 1 41 (a + b)2
1 b
xy

(3.20)

Fr a < b ist dieser Fixpunkt ein (anziehender) Fokus, fr a > b ein abstoender
Fokus. In diesem Fall existiert als Attraktor
ein geschlossener Orbit, ein sogenannter
Grenzzyklus. Die nebenstehende Figur zeigt
Lsungen mit a = 0.3 und b = 0.1 und
unterschiedlichen Anfangswerten.

(3.19)

Das Phnomen periodisch schwankender Marktpreise und Angebote wurde zunchst anhand von
Schweinepreisen in den USA beobachtet. Der Begriff Schweinezyklus wird heute allgemein auf
periodische Schwankungen von Angebot und Nachfrage in allen mglichen Mrkten angewandt.

1896

1914

Nichtlineare Dynamik und Chaos (Apr. 2011)

3.4

18

Heinz Horner

Dreidimensionaler Phasenraum, Rssler-Attraktor

In Systemen mit kontinuierlicher Dynamik und zweidimensionalem Phasenraum

sind als Attraktoren nur Fixpunkte und Grenzzyklen mglich. Die wesentliche
Einschrnkung in zweidimensionalen Systemen besteht darin, dass sich Trajektorien nicht kreuzen knnen. Ein Periode 2 Grenzzyklus, wie hier gezeigt, ist in
einem zweidimensionalen System nicht mglich. In drei oder mehr Dimensionen
kann ein Kreuzen der Trajektorien durch Ausweichen in die dritte Dimension
verhindert werden. In Systemen mit drei- oder mehrdimensionalem Phasenraum
knnen damit kompliziertere Attraktoren auftreten, z.B. seltsamer Attraktoren,
die chaotisches Verhalten zeigen.

P eriode 2 Grenzzyklus

Ein vergleichsweise einfaches dreidimensionales Modellsystem wurde von O. Rssler angegeben. Es ist
durch zwei lineare und eine nichtlineare Differentialgleichung gegeben
dx
=yz
dt

dy
= x + ay
dt

dz
= b + z x c)
dt

(3.21)

wobei a, b und c Kontrollparameter des Modells sind.

Betrachen wir zunchst b = 0. Fr Anfangswerte mit z = 0 bleibt die Bewegung auf die x-y Ebene
beschrnkt und man findet die Lsung
q
q


x = 1 + t et
= 12 a i 1 14 a2
= i 1 41 a2
(3.22)

Fr a < 0 ist damit x = y = 0 ein attraktiver Fokus, fr a > 0 wird dieser Fokus instabil und die
Trajektorien sind auswrts gerichtete Spiralen in der x-y-Ebene.

Fr b > 0 berlagert sich dieser Spiralbewegung eine Bewegung in z-Richtung, die fr x > c die
Trajektorie anhebt. Dies bewirkt aber, dass x wieder kleiner wird und damit auch z wieder abnimmt.
Die Trajektorie wird also zurckgefaltet. Der rotierenden Bewegung in der x-y-Ebene berlagert sich
ein Prozess der Dehnung und Zurckfaltung, wie bei der logistischen Abbildung. Damit sollte auch
der Rssler-Attraktor Grenzzyklen aufweisen, die sich erst nach mehreren Umlufen Schlieen, und
auch chaotisches Verhalten aufweisen.
Die folgenden Beispiele mit verschiedenen Werten von a sind mit b = 1 und c = 4 gerechnet.

a = 0.2

Grenzzyklus

a = 0.25

Periode 2 Grenzzyklus

a = 0.284

Periode 16 Grenzzyklus

a = 0.285

4 Band Chaos

Nichtlineare Dynamik und Chaos (Apr. 2011)

19

Heinz Horner

a = 0.288

2 Band Chaos

a = 0.290

Periode 6 Grenzzyklus

a = 0.292

2 Band Chaos

a = 0.294

1 Band Chaos

a = 0.313

Periode 3 Grenzzyklus

a = 0.330

1 Band Chaos

3 Band Chaos

a = 0.350

Periode 6 Grenzzyklus

a = 0.40

2 Band Chaos

a = 0.324

a = 0.42

1 Band Chaos

dxk

xN ) Horner
= f2011)
k (x1 Heinz
Nichtlineare Dynamik und Chaosdt(Apr.

(4.1)

20

z.B. Rossler Oszillator:

dx
=yz
dt
In der nebenstehenden Figur wurden Anfangsdy
+ a y y = z = 0)
punkte auf einer Geradendt(x==x7..0,
gewhlt. Die Figur zeigtdz diese Punkte zur Zeit
= entspricht.
b + z (x c)
t = 36, was etwa 12 Umlufen
dt

(4.2)

a = 0.33 t/to = 12

Poincare Abbildung:
!
"
Schneidet
Phasenraum
xk (tn+1 ) = man
Fk x1 (tden
(4.3) durch eine Ebene (Hyperebene),
n ) xN (tn )
bilden aufeinanderfolgende Durchstopunkte eine Abbildung, die
sogenannte Poincar Abbildung.

Fr den Rssler-Attraktor whlen wir die Halbebene x = 0, y < 0.

Beispiel: Rossler Oszillator

mit Schnittflache x(tn ) = 0

y(tn ) > 0

yn = y(tn ) = f (yn1 , zn1 ) (4.4)

zn = z(tn ) = g(yn1 , zn1 )
a = 0.42

a = 0.33

Gezeigt ist yn+1 und zn+1 als Funktion von yn . Die Werte von yn+1 liegen mit mit nur geringfgigen
Abweichungen auf einer Kurve f (y), die der logistischen Abbildung hnelt. Auch bei den Werte von
zn+1 , die 30-fach berhht sind, sind nur minimale Abweichungen von einer Linie zu beobachten.

3.5

Bcker Abbildung

22

Bei genauerer Auflsung wrde man eine blttrige Feinstruktur erkennen. Diese kann man anhand
eines einfachen Modells, der sogenannten Bcker-Transformation, verstehen.

Die hier gezeigte Version entspricht einem kontrahierendem System. Zunchst wird die linke und
rechte Hlfte in x-Richtung mit einem Faktor 0
b.z.w. 1 kontrahiert. Danach wird in y-Richtung
gedehnt und im Verhltnis (1 )/) geschnitten.
Der untere Teil wird links an den oberen Teil
angesetzt und so verzerrt, dass das ursprngliche
Quadrat ausgefllt wird. Dieser Vorgang wird
iterier und fhrt zu einer blttrigen Struktur, die in
x-Richtung einer Cantor Menge entspricht.
Der Trajektorie eines Punktes kann eine Binrzahl
zugeordnet werden. Wenn der Punkt beim Schneiden im oberen Teil liegt, wird eine 1 notiert, wen
er im unteren Teil liegt, wird eine 0 geschrieben.
Entsprechend liegt er nach der Teilung und dem
Zusammenkleben in der linken b.z.w. rechten Hlfte.

Nichtlineare Dynamik und Chaos (Apr. 2011)

21

Heinz Horner

Betrachtet man n Iterationen, wird jedem Anfangswert eine n-stellige Binrzahl zugeordnet. Damit ist
auch jeder Streifen in der n-fach iterierten Abbildung durch eine n-stellige Binrzahl charakterisiert.
Falls eine Binrzahl n0 -mal eine 0 und n1 -mal eine 1 enthlt, ist die gesamte Breite der zugehrigen
Streifen 0n0 1n1 und die Gesamte Lnge n0 0n0 (1 )n1 1n1 .
Zur Berechnung der Lyapunov-Exponenten muss man die Dehnung in y-Richtung und Stauchung in xRichtung ber alle Trajektorien, b.z.w. alle Binrzahlen mitteln. Die hchste Wahrscheinlichkeit haben
Binrzahlen mit n0 = n1 = n/2. Nimmt man diesen Wert erhlt man
1 = ln (1 ) ln(1 ) 0

2 = ln 0 + (1 ) ln 1 0

(3.23)

Die Bcker Transformation zeigt also empfindliche Abhngigkeit von Anfangswerten und damit chaotisches Verhalten.

3.6

Fraktale Dimension

Zur Bestimmung der Dimension eines geometrischen

Objekts kann man sich fragen, wie viele Kugeln mit
Durchmesser sind notwendig um das Objekt vollstndig zu bedecken. Fr einen Punkt ist N () = 1 = 0 ,
fr eine Linie der Lnge L ist N () = L 1 und
fr eine Flche F ist N () = F 2 . Die sogenannte
Hausdorff- oder fraktale Dimension ist definiert als

ln N ()
(3.24)
N () df
0 ln 1/
Damit kann man dem Attraktor der Bcker-Transformation eine fraktale Dimension zuordnen. Nach n
Schritten ist die typische Breite der Streifen e2 n , deren Gesamtlnge e1 n . Benutzt man Kugeln
der Gre Breite der Streifen, erhlt man
df = lim

Breite e2 n =

Lnge e1 n = N ()

df = 1

1
2

(3.25)

Fr = 1/2, 0 = 1/4 und 1 = 1/2 erhlt man beispielsweise df = 5/3, also einen Wert > 1 und < 2.

Nichtlineare Dynamik und Chaos (Apr. 2011)

22

Heinz Horner

Konservative Systeme

4.1

Hamiltonsche Mechanik

Es existiert eine Hamiltonfunktion H(p, q) mit p = {p1 pk } und q = {q1 qk }. Die Hamiltonschen
Bewegungsgleichungen lauten
dpi
H(p, q)
=
dt
qi

dqi
H(p, q)
=
dt
pi

Die Stabilittsmatrix ist

2 H(p, q)
2 H(p, q)

q p
q q

M=
2 H(p, q)
2 H(p, q)
p p
p q

(4.1)

(4.2)

und Tr M = 0. Dies ist der Liouville-Satz, der besagt, dass die Dichte im Phasenraum erhalten ist.

Zur Vereinfachung der Notation fhren wir Poisson Klammern ein

n
o X  A(p, q) B(p, q) B(p, q) A(p, q) 

A(p, q), B(p, q) =

q`
p`
q`
p`

(4.3)

Damit werden die Hamiltonschen Bewegungsgleichungen

o
o
pi n
qi n
= pi , H
= qi , H
t
t

(4.4)

n
o
pi , pj = 0

(4.5)

und
n
o
qi , qj = 0

n
o
qi , pj = ij

Unter einer kanonischen Transformation versteht man die Einfhrung neuer verallgemeinerter Ortsund Impulsvariablen Pi (p, q) und Qi (p, q) so da
n
o
n
o
n
o
Qi , Qj = 0
Pi , Pj = 0
Qi , Pj = ij
(4.6)
und einer neuen Hamilton Funktion K(P, Q) so dass
o
Pi n
K
= Pi , K =
t
Qi

4.2

o K
Qi n
= Qi , K =
t
Pi

(4.7)

Integrable Systeme

Erhaltungsgren sind Funktionen Fi (p, q), die Konstanten der Bewegung sind, also
o
Fi n
= Fi , H = 0
t

Falls mehrere Erhaltungsgren vorhanden sind sei {Fi , Fj } = 0.

(4.8)

Man kann kanonische Transformationen finden, so dass die neuen Impulse Erhaltungsgren sind,
also Pi (p, q) = Fi (p, q). Falls die Zahl der Erhaltungsgren gleich k ist, sind alle neuen Impulse
Erhaltungsgren, und ihr Wert ist durch die Anfangsbedingungen bestimmt Pi (t) = fi = Fi (t = 0).

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

23

Ein derartiges System ist integrabel.

Da Funktionen von Erhaltungsgren auch Erhaltungsgren sind, kann man es in einem integablen
System erreichen, dass K(P, Q) = K(P) ist, also nur von den generalisierten Impulsen P abhngt.
Die Bewegungsgleichung fr die neuen Ortsvariablen ist dann
Qi
K(P)
=
t
Pi

(4.9)

Bercksichtigt man, dass die Werte der Impulse Pi = fi durch die Anfangsbedingungen gegeben sind,
ist
Qi
K(f )
= i (f )
=
t
fi

Qi (t) = i (f ) t + i

(4.10)

Falls das System in den ursprngliche Variablen beschrnkt bleibt, mssen die Trajektorien quasiperiodische Funktionen der neuen Ortskoordinaten Q sein. Die Perioden sind durch die Frequenzen i (f )
gegeben, und die Bewegung findet au einem Torus im k-dimensionalem Raum statt. Die Ortskoordinaten Q bezeichnet man dann als Winkelvariable.

4.3

Periodisch angestoener Rotator, Standard-Abbildung

In einem System mit einem Freiheitsgrad k = 1 hat dieses die Form eines freien Rotators, beschrieben
durch einen Winkel (t) und einen Impuls (t), gebracht werden. Die Lsung ist dann
(t) = (0)

(t) = (0) + (0) t

(4.11)

Das System werde durch eine periodisch wirkende Kraft f (t) = a cos (t) (t mod ) gestrt, und
damit ist


d(t)
= f (t) = a cos (t) (t mod )
dt

Eine Poincar Abbildung, die die Koordinaten in Zeitschritten aufeinander abbildet, liefert


n+1 = n + n
n+1 = n + a cos n + n

(4.12)

(4.13)

Diese Gleichungen sind als Standard-Abbildung bekannt.

Die zugehrige Stabilittsmatrix ist


1
1
M =
a sin( + ) 1 a sin( + )

(4.14)

und wegen det M = 1 ist auch die Abbildung volumenerhaltend.

In der Figur sind die Resultate von Iterationen in Polardarstellung
xn = n cos(n )
gezeigt.

yn = n sin(n )

(4.15)

Nichtlineare Dynamik und Chaos (Apr. 2011)

Heinz Horner

24

a=0
a = 0.07

Fr a = 0 existieren periodische Orbits fr rationale

Werte vom und Tori fr irrationale Werte.

a = 0.15

Fr schwache Strungen a werden Orbits mit rationalem Frequenzverhltnis R = 2 zu sogenannten Resonanzschichten erweitert. Dies sind schmale
chaotische Bnder (in der Figur rot gezeihnet) mit
eingebetteten Tori (grn), die selbst zu Resonanzschichten erweitert sind. Schreibt man R = Z/N ,
ist die Breite fr kleine N gro, und nimmt mit
wachsendem N rasch ab. In der Figur mit a = 0.07
sind Bnder mit N = 1, N = 2 und N = 3 zu sehen.
Bnder mit N > 3 sind nicht aufgelst. Dazwischen
bleiben Tori (blau) mit ursprnglich irrationalem
Frequenzverhltnis erhalten (KAM-Tori, Kolmogorov, Arnold Moser), sind aber praktisch nicht von
Resonanzbndern mit groem N zu unterscheiden.

Bei greren Strungen, wie in der Figur mit a = 0.15 gezeigt, werden die Bnder breiter und verschmelzen. Zum Beispiel sind die bei a = 0.07 getrennten Bnder mit N = 3, N = 1 und N = 3 zu einem
chaotischen Bereich geworden, whrend die angrenzenden Bnder mit N = 2 durch KAM-Tori und
Resonanzschichten hoher Ordnung getrennt sind. Die bei a = 0.07 noch vorhandenen Resonanzschichten zwischen dem N = 1 und den benachbarten N = 3 Resonanzschichten bei a = 0.15 sind bei a = 0.15
aufgelst.
Es zeigt sich also, dass sich eine periodische Strungen mit Frequenz s besonders stark auf Trajektorien auswirkt, deren ungestrte Frequenz in Resonanz ist, also wenn /s = Z/N eine rationale
Zahl mit kleinen Z und N ist.

!"#$%&'(&)'*+%&),"(&Nichtlineare Dynamik und Chaos (Apr. 2011)

4.4

25

Heinz Horner

Asteroiden, Ringsysteme

Asteroidenverteilung, Resonanzen mit Jupiterbahn

Tr
oja
ne

Im Planetensystem hat Jupiter den grten

Einfluss auf die Bahnen anderer Planeten.
Dies ist beispielsweise an der Verteilung von
Asteroiden, die sich zwischen Mars und Ju1 /Jupiterpiter befinden, sichtbar. Auf Bahnen, die mit
dem Umlauf des Jupiters in Resonanz sind,
sind weit weniger Asteroiden als in nicht
resonanten Bereichen zu finden. Ausnahme
sind die Trojaner, die sich in der Nhe von
Lagrange-Punkten L4 und L5 auf stabilen
1 /
Bahnen um diese bewegen.

!"#$%&'(&)'*+%&),"(&-

7/2

5/2

3/2

Tr
oja
ne

7/2

5/2

3/2

Saturnringe und Saturnmonde

A-Ring

Jupiter

Roche Grenze: Gezeitenkrfte = Gravitation

B-Ring
Saturnringe und Saturnmonde

2)&3&

Saturn

5+
9-#
&:5(
6+

45-6
+

3J 2J 2 2
3 3

7"8

2)&3&

Saturn

5+

45-6
+

B-Ring

3J 2J 2 2
3 3

Literatur

9-#
&:5(
6+

Roche Grenze: Gezeitenkrfte = Gravitation

7"8

A-Ring

Insgesamt ist das Sonnensystem sehr stabil.

Seit seinem Bestehen hat Jupiter etwa 4 108
Umlufe gemacht.
Resonanzen spielen auch in den Ringsytemen
der groen Planeten eine Rolle. Ausgeprgte
Lcken in den Saturnringen sind durch Resonanzen mit Saturnmonden, vorwiegend Mimas, bedingt.
Die Vermeidung von Resonanzen zwischen
Umlauffrequenz und Schwingungen um die
Sollbahn ist bei Speicherringen, beispielsweise dem LHC am CERN, entscheidend. Hier ist
die Zahl der geforderten Umlufe eines Teilchens etwa 4 109 .
14.2.00

S
14.2.00

45
P. Cvitanovi, R. Artuso, P. Dahlqvist,
R. Mainieri, G. Tanner, G. Vattay: Chaos: classical and
quantum http://ChaosBook.org/
45
H. Strogatz: Nonlinear Dynamics
and Chaos, Perseus Books Publishing (1994)

H. G. Schuster: Deterministic Chaos, VCH Weinheim (1995)

P. Collet, J.P. Eckmann: Iterated Maps on the Interval as Dynamical System, Birkhuser (1980 /
2009)