Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...
Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...
Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
64 KAPITEL 4. EXKURS: DYNAMISCHE SYSTEME<br />
..<br />
..<br />
regulare Bewegung chaotische Bewegung zufallige Bewegung<br />
M<br />
M<br />
M<br />
x<br />
0<br />
x 0<br />
x 0<br />
i<br />
i<br />
0 1 2 3 0 1 2 3 0 1 2<br />
3<br />
i<br />
Abbildung 4.1: Schematische Darstellung <strong>von</strong> regulärer, chaotischer <strong>und</strong> zufälliger<br />
Bewegung.<br />
verteilungen als Lebesque-Dichte lediglich Diracsche Delta-Distributionen besitzen.<br />
Solch eine Charakterisierung kann aber mit der <strong>von</strong> Kolmogorov eingeführten<br />
metrischen Entropie, die auch Kolmogorov-Sinai-Entropie genannt wird, erfolgen<br />
[Katok & Hasselblatt (1995), Ott (1993), Reitmann (1996), Walters (1981)].<br />
Der gr<strong>und</strong>legende Gedanke bei der Konstruktion der Kolmogorov-Sinai-<br />
Entropie ist folgender: Angenommen, der beschränkte Zustandsraum M ist in r<br />
beliebige, nichtleere Untermengen W i ∈ B(M), i = 1, . . . , r mit ∪ r i=1 W i = M <strong>und</strong><br />
W i ∩ W j = ∅ für i ≠ j partitioniert. Die Menge W = {W 1 , . . . , W r } wird Partition<br />
des Zustandsraums genannt. Dann kann jeder Produktabbildung X (n)<br />
n−1 (x 0) =<br />
(X 0 (x 0 ), . . . , X n−1 (x 0 )) die Symbolsequenz S (n)<br />
n−1(x 0 ) = (S 0 (x 0 ), . . . , S n−1 (x 0 )) ∈<br />
{1, . . . , r} n zugeordnet werden, wobei S i (x 0 ) = j falls X i (x 0 ) ∈ W j ist.<br />
Als Nächstes werden zwei Trajektorien eines Systems X i (x 0 ) <strong>und</strong> X i (x ′ 0) mit<br />
|x 0 − x ′ 0 | ≪ 1 betrachtet. Handelt es sich um Trajektorien eines chaotischen<br />
Systems, so werden diese bis zu einem ñ < ∞ die gleiche Symbolsequenz haben,<br />
bevor sie aufgr<strong>und</strong> des chaotischen Verhaltens so weit auseinander gelaufen<br />
sind, dass S (n)<br />
n−1 (x 0) = S (n)<br />
n−1 (x′ 0 ) für n ≤ ñ <strong>und</strong> S(n) n−1 (x 0) ≠ S (n)<br />
n−1 (x′ 0 ) für n > ñ<br />
gilt. Somit können chaotische Trajektorien für n → ∞ mittels Symbolsequenzen<br />
unterschieden werden.<br />
Ist P das invariante Wahrscheinlichkeitsmaß <strong>von</strong> X, dann ist die Verteilung<br />
der Symbolsequenzen aus n Zeitschritten durch<br />
P {S (n)<br />
n−1 = s (n)<br />
n−1} = P {X (n)<br />
n−1 ∈ n−1<br />
×<br />
i=0<br />
W ki }<br />
= P {W k0 ∩ X −1<br />
1 (W k 1<br />
) ∩ . . . ∩ X −1<br />
n−1 (W k n−1<br />
)} (4.4)<br />
gegeben, W k0 , . . . , W kn−1 ∈ W. Aus Gl. (2.13) folgt für die Übergangswahrschein-