1. Теория хаоса (общая характеристика) Введение. Во введении нужно рассказать о: 1. Теме а. 2. Актуальности а. 3. Особенностях именно твоего а. 4. Для кого предназначен . 5. Использованной литературе. Написать общее содержание того, что ты накропал, пока не понятно, к чему идем, т.е. общее содержание работы. Обо всем рассказать невозможно, а 22 страницы только на первую главу – многовато. 1.Теория хаоса (общая характеристика). Теория хаоса в последнее время является одним из самых модных подходов к исследованию рынка. К сожалению, точного математического определения понятия хаос пока не существует. Сейчас зачастую хаос определяют как крайнюю непредсказуемость постоянного нелинейного и нерегулярного сложного движения, возникающую в динамической системе. Следует отметить, что хаос не случаен, несмотря на свойство непредсказуемости. Более того, хаос динамически детерминирован. На первый взгляд непредсказуемость граничит со случайностью - ведь мы, как правило, не можем предсказать как раз случайные явления. И если относиться к рынку как к случайным блужданиям, то это как раз тот самый случай. Однако хаос не случаен, он подчиняется своим закономерностям. Согласно теории хаоса, если вы говорите о хаотичном движении цены, то вы должны иметь ввиду не случайное движение цены, а другое, особенно упорядоченное движение. Если динамика рынка хаотична, то она не случайна, хотя и по-прежнему непредсказуема. Непредсказуемость хаоса объясняется в основном существенной зависимостью от начальных условий. Такая зависимость указывает на то, что даже самые малые ошибки при измерении параметров исследуемого объекта могут привести к абсолютно неверным предсказаниям. Эти ошибки могут возникать вследствие элементарного незнания всех начальных условий. Что-то обязательно ускользнет от нашего внимания, а значит, уже в самой постановке задачи будет заложена внутренняя ошибка, которая приведет к существенным погрешностям в предсказаниях. Применительно к невозможности делать долгосрочные прогнозы погоды существенную зависимость от начальных условий иногда называют "эффектом бабочки". "Эффект бабочки" указывает на существование вероятности того, что взмах крыла бабочки в Бразилии приведет к появлению торнадо в Техасе. Дополнительные неточности в результат исследований и расчетов могут вносить самые на первый взгляд незаметные факторы воздействия на систему, которые появляются в период ее существования с начального момента до появления фактического и окончательного результата. При этом факторы воздействия могут быть как экзогенные (внешние), так и эндогенные (внутренние). Ярким примером хаотического поведения является движение бильярдного шара. Если вы когда-либо играли в бильярд, то знаете, что от начальной точности удара, его силы, положения кия относительно шара, оценка месторасположения шара, по которому наносится удар, а также расположения других шаров, находящихся на столе, зависит конечный результат. Малейшая неточность в одном из этих факторов приводит к самым непредсказуемым последствиям - шар может покатиться совсем не туда, куда ожидал бильярдист. Более того, даже если бильярдист все сделал правильно, попробуйте предсказать движения шара после пяти-шести столкновений. Рассмотрим еще один пример влияния начальных условий на конечный результат. Представим себе, например, камень на вершине горы. Стоит его чуть-чуть подтолкнуть, и он покатится вниз до самого подножия горы. Понятно, что совсем малое изменение силы толчка и его направления может привести к очень значительному изменению места остановки камня у подножия. Есть, правда, одна очень существенная разница между примером с камнем и хаотической системой. В первом факторы воздействия на камень во время его падения с горы (ветер, препятствия, изменения внутренней структуры вследствие столкновений и т.п.) уже не оказывают сильного воздействия на конечный результат по сравнению с начальными условиями. В хаотических системах малые изменения оказывают значительное воздействие на результат не только в начальных условиях, но и прочих факторах. Один из главных выводов теории хаоса, таким образом, заключается в следующем - будущее предсказать невозможно, так как всегда будут ошибки измерения, порожденные, в том числе незнанием всех факторов и условий. То же самое по-простому - малые изменения и/или ошибки могут порождать большие последствия (см. рис.1). Рисунок 1. Существенная зависимость результата от начальных условий и факторов воздействия Рисунок 2. Экспоненциальное снижение достоверности прогнозов Еще одним из основных свойств хаоса является экспоненциальное накопление ошибки. Согласно квантовой механике начальные условия всегда неопределенны (что имеется ввиду?), а согласно теории хаоса - эти неопределенности будут быстро прирастать и превысят допустимые пределы предсказуемости. Второй вывод теории хаоса - достоверность прогнозов со временем быстро падает. Данный вывод является существенным ограничением для применимости фундаментального анализа (что это такое?), оперирующего, как правило, именно долгосрочными категориями (см. рис.2). Обычно говорят, что хаос является более высокой формой порядка, однако более правильно считать хаос другой формой порядка - с неизбежностью в любой динамической системе за порядком в обычном его понимании следует хаос, а за хаосом порядок. Если мы определим хаос как беспорядок, то в таком беспорядке мы обязательно сможем увидеть свою, особенную форму порядка. Например, дым от сигарет сначала поднимающийся в виде упорядоченного столба под влиянием внешней среды принимает все более причудливые очертания, а его движения становятся хаотичными. Еще один пример хаотичности в природе - лист с любого дерева. Можно утверждать, что вы найдете много похожих листьев, например дуба, однако ни одной пары одинаковых листьев. Разница предопределена температурой, ветром, влажностью и многими другими внешними факторами, кроме чисто внутренних причин (например, генетической разницей). Движение от порядка к хаосу и обратно, по всей видимости, является сущностью вселенной, какие бы проявления ее мы не изучали. Даже в человеческом мозгу одновременно присутствует упорядоченное и хаотическое начала. Первое соответствует левому полушарию мозга, а второе - правому. Левое полушарие отвечает сознательное поведение человека, за выработку линейных правил и стратегий в поведении человека, где четко определяется "если…, то…". В правом же полушарии царит нелинейность и хаотичность. Интуиция является одним из проявлений правого полушария мозга. Теория хаоса изучает порядок хаотической системы, которая выглядит случайной, беспорядочной. При этом теория хаоса помогает построить модель такой системы, не ставя задачу точного предсказания поведения хаотической системы в будущем. 2.Немного истории Первые элементы теории хаоса появились еще в XIX веке, однако подлинное научное развитие эта теория получила во второй половине XX века, вместе с работами Эдварда Лоренца из Массачусетского технологического института и франко-американского математика Бенуа Б. Мандельброта. Эдвард Лоренц в свое время рассматривал, в чем возникает трудность при прогнозировании погоды. До работы Лоренца в мире науки господствовало два мнения относительно возможности точного прогнозирования погоды на бесконечно длительный срок. Первый подход сформулировал еще в 1776 году французский математик Пьер Симон Лаплас. Лаплас заявил, что "…если мы представим себе разум, который в данное мгновение постиг все связи между объектами во Вселенной, то он сможет установить соответствующее положение, движения и общие воздействия всех этих объектов в любое время в прошлом или в будущем". Этот его подход был очень похож на известные слова Архимеда: "Дайте мне точку опоры, и я переверну весь мир". Таким образом, Лаплас и его сторонники говорили, что для точного прогнозирования погоды необходимо только собрать больше информации обо всех частицах во Вселенной, их местоположении, скорости, массе, направлении движения, ускорении и т.п. Лаплас думал, чем больше человек будет знать, тем точнее будет его прогноз относительно будущего. Второй подход к возможности прогнозирования погоды раньше всех наиболее четко сформулировал другой французский математик, Жюль Анри Пуанкаре. В 1903 году он сказал: " Если бы мы точно знали законы природы и положение Вселенной в начальный момент, мы могли бы точно предсказать положение той же Вселенной в последующий момент. Но даже если бы законы природы открыли нам все свои тайны, мы и тогда могли бы знать начальное положение только приближенно. Если бы это позволило нам предсказать последующее положение с тем же приближением, это было бы все, что нам требуется, и мы могли бы сказать, что явление было предсказано, что оно управляется законами. Но это не всегда так; может случиться, что малые различия в начальных условиях вызовут очень большие различия в конечном явлении. Малая ошибка в первых породит огромную ошибку в последнем. Предсказание становится невозможным, и мы имеем дело с явлением, которое развивается по воле случая". В этих словах Пуанкаре мы находим постулат теории хаоса о зависимости от начальных условий. Последующее развитие науки, особенно квантовой механики, опровергло детерминизм Лапласа. В 1927 году немецкий физик Вернер Гейзенберг открыл и сформулировал принцип неопределенности. Этот принцип объясняет, почему некоторые случайные явления не подчиняются лапласовому детерминизму. Гейзенберг показал принцип неопределенности на примере радиоактивного распада ядра. Так, из-за очень малых размеров ядра невозможно знать все процессы, происходящие внутри него. Поэтому, сколько бы информации мы не собирали о ядре, точно предсказать, когда это ядро распадется невозможно. Какими же инструментами располагает теория хаоса? В первую очередь это аттракторы и фракталы. Аттрактор (от англ. to attract - притягивать) - геометрическая структура, характеризующая поведение в фазовом пространстве по прошествии длительного времени. Здесь возникает необходимость определить понятие фазового пространства. Итак, фазовое пространство - это абстрактное пространство, координатами которого являются степени свободы системы. Например, у движения маятника две степени свободы. Это движение полностью определено начальной скоростью маятника и положением. Если движению маятника не оказывается сопротивления, то фазовым пространством будет замкнутая кривая. В реальности на Земле на движение маятника влияет сила трения. В этом случае фазовым пространством будет спираль По простому, аттрактор - это то, к чему стремится прийти система, к чему она притягивается. Самым простым типом аттрактора является точка. Такой аттрактор характерен для маятника при наличии трения. Независимо от начальной скорости и положения, такой маятник всегда придет в состояние покоя, т.е. в точку. Следующим типом аттрактора является предельный цикл, который имеет вид замкнутой кривой линии. Примером такого аттрактора является маятник, на который не влияет сила трения. Еще одним примером предельного цикла является биение сердца. Частота биения может снижаться и возрастать, однако она всегда стремится к своему аттрактору, своей замкнутой кривой. Третий тип аттрактора - тор (см. приложение рис.4). (Где каринка?) – пример, когда тор? Несмотря на сложность поведения хаотических аттракторов, иногда называемых странными аттракторами, знание фазового пространства позволяет представить поведение системы в геометрической форме и соответственно предсказывать его. И хотя нахождение системы в конкретный момент времени в конкретной точке фазового пространства практически невозможно, область нахождения объекта и его стремление к аттрактору предсказуемы. Первым хаотическим аттрактором стал аттрактор Лоренца. Аттрактор Лоренца рассчитан на основе всего трех степеней свободы - три обыкновенных дифференциальных уравнения, три константы и три начальных условия (что имеется ввиду? Какая физическая система лежит в основе?). Однако, несмотря на свою простоту, система Лоренца ведет себя псевдослучайным (хаотическим) образом. Смоделировав свою систему на компьютере, Лоренц выявил причину ее хаотического поведения - разницу в начальных условиях. Даже микроскопическое отклонение двух систем в самом начале в процессе эволюции приводило к экспоненциальному накоплению ошибок и соответственно их расхождению. Вместе с тем, любой аттрактор имеет граничные размеры, поэтому экспоненциальная расходимость двух траекторий разных систем не может продолжаться бесконечно (не понятно?). Рано или поздно орбиты вновь сойдутся и пройдут рядом друг с другом или даже совпадут, хотя последнее очень маловероятно. Кстати, совпадение траекторий является правилом поведения простых предсказуемых аттракторов. Сходимость-расходимость (говорят также, складывание и вытягивание соответственно) хаотического аттрактора систематически устраняет начальную информацию и заменяет ее новой. При схождении траектории сближаются и начинает проявляться эффект близорукости - возрастает неопределенность крупномасштабной информации. При расхождении траекторий наоборот, они расходятся и проявляется эффект дальнозоркости, когда возрастает неопределенность мелкомасштабной информации. (всё вышенаписанное не понятно!) В результате постоянной сходимости-расходимости хаотичного аттрактора неопределенность стремительно нарастает, что с каждым моментом времени лишает нас возможности делать точные прогнозы. То, чем так гордится наука - способностью устанавливать связи между причинами и следствиями - в хаотических системах невозможно. Причинно-следственной связи между прошлым и будущем в хаосе нет. Здесь же необходимо отметить, что скорость схождения-расхождения является мерой хаоса, т.е. численным выражением того, насколько система хаотична. Другой статистической мерой хаоса служит размерность аттрактора. Таким образом, можно отметить, что основным свойством хаотических аттракторов является Сходимость-расходимость траекторий разных систем, которые случайным образом постепенно и бесконечно перемешиваются. Здесь проявляется пересечение фрактальной геометрии и теории хаоса. И, хотя одним из инструментов теории хаоса является фрактальная геометрия, фрактал - это противоположность хаоса. Главное различие между хаосом и фракталом заключается в том, что первый является динамическим явлением, а фрактал статическим. Под динамическим свойством хаоса понимается непостоянное и непериодическое изменение траекторий. Фрактал. Это геометрическая фигура, определенная часть которой повторяется снова и снова, отсюда проявляется одно из свойств фрактала - самоподобие. Другое свойство фрактала - дробность. Дробность фрактала является математическим отражением меры неправильности фрактала. Фактически все, что кажется случайным и неправильным может быть фракталом, например, облака, деревья, изгибы рек, биения сердца, популяции и миграции животных или языки пламени. Фракталы находятся везде, наиболее заметны в графических программах как например очень успешная серия продуктов Fractal Design Painter. Техники фрактального сжатия данных все еще разрабатываются, но обещают удивительные результаты как например коэффициента сжатия 600: 1. Индустрия специальных эффектов в кино, имела бы горазда менее реалистичные элементы ландшафта (облака, скалы и тени) без технологии фрактальной графики. И, конечно, теория хаоса дает людям удивительно интересный способ того, как приобрести интерес к математике, одной из наиболее мало-популярной области познания на сегодняшний день. (?) Броуновское движение и его применение Броуновское движение - это, например, случайное и хаотическое движение частичек пыли, взвешенных в воде. Этот тип движения, возможно, является аспектом фрактальной геометрии, имеющий с наибольшее практическое использование. Случайное Броуновское движение производит частотную диаграмму (что это такое?), которая может быть использована для предсказания вещей, включающих большие количества данных и статистики. Хорошим примером являются цены на шерсть, которые Мандельброт предсказал при помощи Броуновского движения. Рисунок 2. Частотная диаграмма. Частотные диаграммы, созданные при построении графика на основе Броуновских чисел так же можно преобразовать в музыку. Конечно этот тип фрактальной музыки совсем не музыкален и может действительно утомить слушателя. Занося на график случайно Броуновские числа, можно получить Пылевой Фрактал наподобие того, что приведен здесь в качестве примера. Кроме применения Броуновского движения для получения фракталов из фракталов, оно может использоваться и для создания ландшафтов. Во многих фантастических фильмах, как например Star Trek техника Броуновского движения была использована для создания инопланетных ландшафтов таких, как холмы и топологические картины высокогорных плато. Эти техники очень эффективны, и их можно найти в книге Мандельброта Фрактальная геометрия природы. Мандельброт использовал Броуновские линии для создания фрактальных линий побережья и карт островов (которые на самом деле были просто в случайном порядке изображенные точки) с высоты птичьего полета. Рисунок 3. Рельеф. Интеграция детерминированных фракталов и хаос (это не понятно звучит) Из рассмотренных примеров детерминистских фракталов можно увидеть, что они не проявляют никакого хаотического поведения и что они на самом деле очень даже предсказуемы. Как известно, теория хаоса использует фрактал для того, чтобы воссоздать или найти закономерности с целью предсказания поведения многих систем в природе, таких как, например, проблема миграции птиц. Теперь давайте посмотрим, как это в действительности происходит. Используя фрактал, называемый Деревом Пифагора, не рассматриваемого здесь (который, кстати, не изобретен Пифагором и никак не связан с теоремой Пифагора) и Броуновского движения (которое хаотично), давайте попытаемся сделать имитацию реального дерева. Упорядочение листьев и веток на дереве довольно сложно и случайно и, вероятно не является чем-то достаточно простым, что может эмулировать короткая программа из 12 строк. Для начала нужно сгенерировать Дерево Пифагора (Рисунок 4). Результат напоминает те старые детсадовские рисунки… (когда тыришь текст, его надо редактировать!) Так что давайте сделаем ствол толще. На этой стадии Броуновское движение не используется. Вместо этого, каждый отрезок линии теперь стал линией симметрии прямоугольника, который становится стволом, и веток снаружи. Рисунок 4. Дерево Пифагора Но результат все еще выглядит слишком формальным и упорядоченным. Дерево еще не смотрится как живое. Попробуем применить некоторые из тех знаний в области детерминированных фракталов, которые мы только что приобрели. Рисунок 5. Теперь можно использовать Броуновское движение для создания некоторой случайной беспорядочности, которая изменяет числа, округляя их до двух разрядов. В оригинале были использованы 39 разрядные десятичные числа. Результат (слева) не выглядит как дерево. Вместо этого, он выглядит как хитроумный рыболовный крючок! Рисунок 6. Может быть округление до 2 разрядов было слишком уж много? Снова применяем Броуновское движение, округленное на этот раз до 7 разрядов. Результат по-прежнему выглядит как рыболовный крючок, но на этот раз в форме логарифмической спирали! Рисунок 7. Так как левая сторона (содержащая все нечетные числа) не производит эффект крючка, случайные беспорядочности, произведенные Броуновским движением применяются дважды ко всем числам с левой стороны и только один раз к числам справа. Может быть этого будет достаточно чтобы исключить или уменьшить эффект логарифмической спирали. Итак, числа округляются до 24 разрядов. На этот раз, результат - приятно выглядящая компьютеризированная хаотическая эмуляция реального дерева. Рисунок 8. Виды фракталов Решётка Серпинского. Это один из фракталов, с которыми экспериментировал Мандельброт, когда разрабатывал концепции фрактальных размерностей и итераций. Треугольники, сформированные соединением средних точек большего треугольника вырезаны из главного треугольника, образовывая треугольник, с большим количеством дырочек. В этом случае инициатор - большой треугольник а шаблон - операция вырезания треугольников, подобных большему. Так же можно получить и трехмерную версию треугольника, используя обыкновенный тетраэдр и вырезая маленькие тетраэдры. Размерность такого фрактала ln3/ln2 = 1.584962501. Чтобы получить ковер Серпинского, возьмем квадрат, разделим его на девять квадратов, а средний вырежем. То же сделаем и с остальными, меньшими квадратами. В конце концов образуется плоская фрактальная сетка, не имеющая площади, но с бесконечными связями. В своей пространственной форме, губка Серпинского преобразуется в систему сквозных форм, в которой каждый сквозной элемент постоянно заменяется себе подобным. Эта структура очень похожа на разрез костной ткани. Когда-нибудь такие повторяющиеся структуры станут элементом строительных конструкций. Их статика и динамика, считает Мандельброт, заслуживает пристального изучения. Рисунок 9. Решётка Серпинского. Рисунок 10. Губка Серпинского. Треугольник Серпинского. Не перепутайте этот фрактал с решеткой Серпинского. Это два абсолютно разных объекта. В этом фрактале, инициатор и генератор одинаковы. При каждой итерации, добавляется уменьшенная копия инициатора к каждому углу генератора и так далее. Если при создании этого фрактала произвести бесконечное число итераций, он бы занял всю плоскость, не оставив ни одной дырочки. Поэтому его фрактальная размерность ln9/ln3 = 2.0. Рисунок 11. Треугольник Серпинского. Кривая Коха. Кривая Коха один из самых типичных детерминированных фракталов. Она была изобретена в девятнадцатом веке немецким математиком по имени Хельге фон Кох, который, изучая работы Георга Контора и Карла Вейерштрассе, натолкнулся на описания некоторых странных кривых с необычным поведением. Инициатор - прямая линия. Генератор - равносторонний треугольник, стороны которого равны трети длины большего отрезка. Эти треугольники добавляются к середине каждого сегмента снова и снова. В своем исследовании, Мандельброт много экспериментировал с кривыми Коха, и получил фигуры такие как Острова Коха, Кресты Коха, Снежинки Коха и даже трехмерные представления кривой Коха, используя тетраэдр и прибавляя меньшие по размерам тетраэдры к каждой его грани. Кривая Коха имеет размерность ln4/ln3 = 1.261859507. Рисунок 12. Кривая Коха. Фрактал Мандельброта. Это НЕ множество Мандельброта, которое можно достаточно часто видеть. Множество Мандельброта основано на нелинейных уравнениях и является комплексным фракталом. Это тоже вариант кривой Коха несмотря на то, что этот объект не похож на нее. Инициатор и генератор так же отличны от использованных для создания фракталов, основанных на принципе кривой Коха, но идея остается той же. Вместо того, чтобы присоединять равносторонние треугольники к отрезку кривой, квадраты присоединяются к квадрату. Благодаря тому, что этот фрактал занимает точно половину отведенного пространства при каждой итерации, он имеет простую фрактальную размерность 3/2 = 1.5 Рисунок 13. Фрактал Мандельброта. Кривая Дракона. Изобретенная итальянским математиком Джузеппе Пеано, Кривая Дракона или Взмах Дракона, как он назвал его, очень похож на колбасу Минковского. Использован более простой инициатор, а генератор тот же самый. Мандельброт назвал этот фрактал Река Двойного Дракона. Его фрактальная размерность приблизительно равна 1.5236. Рисунок 14. Дракон Джузеппе Пеано. Множество Мандельброта. Множества Мандельброта и Жюлиа, вероятно, два наиболее распространенных среди сложных фракталов. Их можно найти во многих научных журналах, обложках книг, открытках, и в компьютерных хранителях экрана. Множество Мандельброта, которое было построено Бенуа Мандельбротом, наверное первая ассоциация, возникающая у людей, когда они слышат слово фрактал. Этот фрактал, напоминающий чесальную машину с прикрепленными к ней пылающими древовидными и круглыми областями, генерируется простой формулой : Zn+1=Zna+C, где Z и C - комплексные числа и а - положительное число. Множество Мандельброта, которое чаще всего можно увидеть - это множество Мандельброта 2й степени, то есть а=2. Тот факт, что множество Мандельброта не только Zn+1=ZnІ+C, а фрактал, показатель в формуле которого может быть любым положительным числом ввел в заблуждение многих. На этой странице вы видите пример множества Мандельброта для различных значений показателя а. Также популярен процесс Z=Z*tg (Z+C). Благодаря включению функции тангенса, получается множество Мандельброта, окруженное областью, напоминающей яблоко. При использовании функции косинуса, получаются эффекты воздушных пузырьков. Короче говоря, существует бесконечное количество способов настройки множества Мандельброта для получения различных красивых картинок. Рисунок 15. Множество Мандельброта. Рисунок 16. Множество Мандельброта при а=3,5. Множество Жюлиа. Удивительно, но множества Жюлиа образуются по той же самой формуле, что и множество Мандельброта. Множество Жюлиа было изобретено французским математиком Гастоном Жюлиа, по имени которого и было названо множество. Первый вопрос, возникающий после визуального знакомства с множествами Мандельброта и Жюлиа это “если оба фрактала сгенерированы по одной формуле, почему они такие разные? ” Сначала посмотрите на картинки множества Жюлиа. Достаточно странно, но существуют разные типы множеств Жюлиа. При рисовании фрактала с использованием различных начальных точек (чтобы начать процесс итераций), генерируются различные изображения. Это применимо только ко множеству Жюлиа. Хотя это нельзя увидеть на картинке, фрактал Мандельброта - это, на самом деле, множество фракталов Жюлиа, соединенных вместе. Каждая точка (или координата) множества Мандельброта соответствует фракталу Жюлиа. Множества Жюлиа можно сгенерировать используя эти точки в качестве начальных значений в уравнении Z=ZІ+C. Но это не значит, что если выбрать точку на фрактале Мандельброта и увеличить ее, можно получить фрактал Жюлиа. Эти две точки идентичны, но только в математическом смысле. Если взять эту точку и просчитать ее по данной формуле, можно получить фрактал Жюлиа, соответствующий определенной точке фрактала Мандельброта. Рисунок 17. Множество Жюлиа. Дерево Фейгенбаума. Логистическое уравнение - это формула, над которой, в основном, работал Митчелл Фейгенбаум при создании своей теории о фракталах. Эта формула должна описывать динамику развития популяции: f (x) = (1 - x) rx Простейшая модель - это пропорциональное соотношение численности с прошлым годом. Допустим в прошлом году у нас было x животных. В этом году их должно быть rx животных. Но это не выполняется в реальных условиях. Лучшее соответствие с реальностью получится если добавить фактор, зависящий от того какой потенциал существует у популяции для дальнейшего развития, и пусть x - коэффициент полноты, который меняется от 0 до 1. Потом добавляется фактор 1 - x, так что территория почти полностью заполнена, популяция не возрастет выше верхнего предела. Расширяя логистическое выражение, получаем: f (x) = аx - ах2 Формула, использующаяся в программе LT Bifurcator для объяснения сущности фрактала Фейгенбаума - (1 + r) x - rx2 не сильно отличается от формулы, приведенной выше. В принципе, для изучения теории можно было использовать любую формулу, например самую простую из формул данного вида - xІ - r. Единственными различиями являются различия в координатах окон на картинке и несколько измененный внешний вид изображения. Рисунок 18. Дерево Фейгенбаума. Дерево Фейгенбаума и Множество Мандельброта Если вы когда-либо видели формулу множетсва Мандельброта z=z2 + x, вы могли бы заметить схожесть между этой формулой и самой простой из формул для построения дерева Фейгенбаума x2 - r. И это действительно так. Сходство существует. Но фейгенбаумово дерево растет в другую сторону. Измените формулу Фейгенбаума на x2 + r и вы увидите сходство. Что касается множества Мандельброта, вам нужно смотреть вдоль горизонтальной оси, так как это единственная позиция в которой комплексная часть числа Мандельброта равна нулю. Вы увидите, что основное тело фигуры Мандельброта находится там, где функция в дереве Фейгенбаума принимает лишь одно значение. Когда происходит первое разделение линии (бифуркация) появляется новое тело на фигуре Мандельброта и т.д. Обратите также внимание на то, что когда в дереве открывается главное окно, на фигуре Мандельброта появляется дочернее тело. Рисунок 19. Дерево Фейгенбаума и Множество Мандельброта. Первое – вычитай текст, он явно скопирован и звучит слишком самоуверенно для ученика – иначе нарвешься на вопросы. Второе, зачем так много фракталов ?