Teoria chaosu — równanie logistyczne

Co się właśnie stało?

Uruchomiłeś ten sam wzór dla dwóch niemal identycznych startów: $x_0 = 0{,}500$ i $x_0 = 0{,}501$. Przy małym $r$ oba przebiegi się pokrywają. Ale w obszarze chaosu ($r \gtrsim 3{,}57$) po kilku krokach rozjeżdżają się zupełnie — mimo że różnica startu była mikroskopijna. To słynny efekt motyla: trzepot skrzydeł motyla może zmienić pogodę tysiące kilometrów dalej.

Równanie logistyczne:

To prosty model wzrostu populacji: $x_n \in [0,1]$ to zagęszczenie populacji w kroku $n$, a parametr $r$ (tempo rozrodu) decyduje o zachowaniu układu.

Od stabilności przez podwajanie okresów do chaosu:

Zwiększając $r$, obserwujemy przejście: dla $r < 3$ układ jest STABILNY — zbiega do jednej wartości. Powyżej zaczyna OSCYLOWAĆ, podwajając okresy (2, 4, 8, 16… wartości) — tę kaskadę bifurkacji zbadał w 1978 r. Mitchell Feigenbaum. W końcu przy $r \approx 3{,}57$ wpada w CHAOS: wartości skaczą nieregularnie, bez powtarzalnego wzorca.

Chaos to nie losowość:

Układ jest w pełni DETERMINISTYCZNY — żadnej losowości, ten sam $x_0$ zawsze daje ten sam przebieg. A mimo to jest praktycznie NIEPRZEWIDYWALNY na dłuższą metę, bo dowolnie mała niepewność co do $x_0$ rośnie wykładniczo. Tak samo jak pogoda, podwójne wahadło czy ruch trzech ciał. Odkrył to (przypadkiem, badając model pogody) meteorolog Edward Lorenz w 1963 r.

Po co Ci to na maturze:

Równanie logistyczne to koronny przykład na to, że prosty ciąg rekurencyjny może zachowywać się stabilnie, okresowo albo chaotycznie — zależnie od jednego parametru. Idea „wrażliwości na warunki początkowe" pokazuje, że prostota reguł nie gwarantuje przewidywalności. Teoria chaosu zrewolucjonizowała rozumienie przyrody.

Zapamiętaj: chaos jest deterministyczny, ale nieprzewidywalny — $x_{n+1} = r\,x_n(1-x_n)$ pokazuje to na jednym wzorze.