Бабочка и ураган

Глава 3. Но, господин математик, что такое этот ваш детерминированный хаос?

Бог и Дьявол сошлись в одном: способность человека предсказывать будущее безнадежно ограничена. Теория относительности Эйнштейна избавила ученых от иллюзий об относительном пространстве и времени, описанных в классической физике Ньютона, квантовая теория Бора, Планка и Гейзенберга, в свою очередь, покончила с мечтами о точных измерениях, а теория хаоса в одночасье уничтожила фантазии о возможностях предсказания будущего.

Самым важным ударом по традиционной мысли стало понимание того, что предсказать поведение многих систем на больших интервалах времени в принципе невозможно, так как решения уравнений, описывающих движение этих систем, крайне неустойчивы. Сложное поведение подобных систем вызвано не внешним воздействием, не обилием степеней свободы и не квантовыми эффектами. Уравнения, описывающие движение системы, детерминированы, однако их решения обладают стохастическими свойствами. Это явление называется детерминированным хаосом.

Попытаемся объяснить детерминированный хаос с точки зрения математики, ведь, как говорил Чарльз Дарвин, «математика наделяет человека новым, шестым чувством».

Хаотические и сложные системы на протяжении многих десятилетий были забыты официальной наукой. Наука XX века позволила понять, из какой ткани соткана Вселенная, познать относительность пространства-времени и микрокосм квантовой механики (его можно сравнить с игровым полем), а современная наука помогает лучше понять, как устроена наша реальность (то есть фишки на игровом поле). Однако подлинное величие науки в конечном итоге проявляется на практике, и лишь теперь, в начале XXI века, мы постепенно начинаем осознавать важность теории хаоса и наук о сложности.

В действительности теория хаоса — лишь одна из так называемых наук о сложности, так как хаотические системы — это всего одна из разновидностей сложных систем. Существуют и другие науки о сложности: фрактальная геометрия, теория катастроф, нечеткая логика и другие. Говорят, что описать класс систем, изучаемых в теории хаоса, сложно, потому что они находятся на полпути между порядком и беспорядком, словно между двух огней. Если крайне упорядоченные системы (например, хрусталь) или очень неупорядоченные системы (например, дым) просты и описать их несложно, то описать промежуточные системы сложнее всего. В частности, хаотические системы — это нелинейные детерминированные системы, обладающие непериодическим поведением, в силу которого они становятся непредсказуемыми. Согласно китайской пословице, взмах крыльев бабочки можно ощутить на другой стороне Земли. Или, как писал математик Блез Паскаль, будь нос Клеопатры чуть покороче, облик Земли стал бы иным: Октавиан влюбился бы в Клеопатру и не стал бы первым римским императором. Кроме того, как вы увидите чуть позже, хаотические системы вездесущи: их можно встретить в математике, физике, астрофизике, метеорологии, биологии и медицине. Иными словами, почти все (или даже все) реальные системы обладают хаотической динамикой.

Вы уже увидели, что хаос — это феномен, изучаемый в математической теории динамических систем. Динамическая система — это математическая модель, применяемая в естественных или общественных науках, которая представляет собой уравнение, описывающее изменение состояния системы с течением времени.

Существуют дискретные и непрерывные динамические системы. В дискретных системах время принимает набор фиксированных значений (t = 0, 1, 2, 3 …). Так, дискретная динамическая система формально задается уравнением в конечных разностях — формулой, которая описывает, как вычислить на основе исходного значения следующее, за ним — следующее, и так далее, до бесконечности. Уравнение в конечных разностях — это уравнение вида

где f — функция, описывающая, как вычисляется х_n+1 на основе х. Иными словами, эта функция указывает, как вычислить х₁ через x₀, х₂ через х₁, х₃ через х₂ и так далее.

Уравнение в конечных разностях — это формула, выражающая значение переменной на следующем шаге через ее значение на предыдущем шаге. Так, для данного начального условия x₀ решением динамической системы будет траектория {x₀, х₁, x₂, х₃ …}. Чтобы получить ее, нужно применить f к х₀ некоторое число раз.

В непрерывных динамических системах время не принимает набор фиксированных значений, а течет непрерывно, как и в реальном мире. Непрерывные динамические системы описываются дифференциальными уравнениями, подобными приведенным в предыдущих главах. Дифференциальные уравнения — это формулы, выражающие скорость измерения переменной в зависимости от ее текущего значения.

В математическом анализе хаоса мы для простоты будем рассматривать дискретные динамические системы, так как они позволят вам понять суть вопроса.

Существует теорема, согласно которой непрерывная динамическая система будет хаотической тогда и только тогда, когда существует такое сечение Пуанкаре, что в нем можно определить дискретную динамическую систему, которая также будет хаотической.

Существует особый класс дискретных динамических систем, обладающих очень важной характеристикой: эти системы являются нелинейными. Система называется линейной, если функция f является линейной, то есть функцией первой степени, следовательно, имеет вид f(х) = ах + Ь. Если же функция f нелинейная (то есть ее степень больше 1) и, к примеру, имеет вид f(х) = ах² + Ьх + с, то такая система считается нелинейной.

Несмотря на то что в нелинейных динамических системах значения величин, характеризующих систему, определяются значениями величин в предыдущий момент времени (такая система называется детерминированной), выходные значения непропорциональны входным. Микроскопические изменения в начальных условиях могут вызвать значительные изменения конечного состояния системы. Именно эта несоразмерность между причинами и следствиями объясняет, почему поведение подобных систем столь разнообразно: некоторые из них описывают фиксированные точки, периодические, квазипериодические и, наконец, хаотические орбиты.

Виды нелинейных динамических систем (стационарные, периодические и хаотические), соответствующие им представления временных рядов значений (слева) и графики траекторий на фазовой диаграмме (справа).

Настало время ответить на вопрос, вынесенный в название главы: что же такое детерминированный хаос? Сначала посмотрим, что мы узнали о работах Пуанкаре, Смэйла и Лоренца из предыдущих глав. Мы увидели, что геометрическая сущность хаоса заключается в растяжении и последующем складывании траекторий.

В результате последовательных растяжений и складываний траектории на фазовом пространстве становятся подобны тарелке спагетти, в которой каждая траектория переплетена с остальными. Следовательно, малейшая неточность при измерении начальных условий может привести к тому, что мы проследуем вдоль неверной траектории-спагетти, которая переплетена с той, что нас интересует, но ведет к совершенно другой части блюда. В результате наш прогноз в долгосрочном периоде будет ошибочным. Эффект бабочки в действии.

История появления теории хаоса показывает нам две структурные характеристики, связанные с хаосом и объясняющие его непредсказуемость. Во-первых, хаотические системы крайне чувствительны к начальным условиям (это показали Пуанкаре и Лоренц), во-вторых, траектории в хаотических системах, растягиваясь и складываясь пополам, переплетаются между собой (Пуанкаре, Смэйл). Мы продемонстрировали обе эти характеристики на примере задачи трех тел Пуанкаре, бильярда Адамара, подковы Смэйла, системы Лоренца и других.

Математическое определение хаоса, с одной стороны, отражает чувствительность к начальным условиям, или эффект бабочки, а с другой стороны — запутанную топологическую структуру, или эффект карточной колоды (он заключается в том, что траектории переплетаются между собой так, будто воображаемый пекарь месит воображаемое тесто).

ХАОС = ЭФФЕКТ БАБОЧКИ + ЭФФЕКТ КАРТОЧНОЙ КОЛОДЫ

Хаос представляет собой совокупность эффекта бабочки и эффекта карточной колоды. Недостаточно, чтобы близлежащие траектории со временем быстро отдалялись друг от друга — они также должны растягиваться, складываться и при этом переплетаться.

Существует множество классических примеров хаотических систем, большинство из которых мы уже упоминали. Если говорить о непрерывных динамических системах, то наиболее ярким примером системы, не сохраняющей энергию (диссипативной системы), будет система Лоренца — упрощенная модель земной атмосферы.

Система Эно — Хайлса, связанная с задачей трех тел, — это классическая модель хаотической системы без диссипации (такие системы называются гамильтоновыми).

Если говорить о дискретных динамических системах, то вам уже знакомы логистическое отображение Мэя (о нем мы подробнее поговорим далее) и двухмерное отображение Эно — две системы, по форме схожие с подковой Смэйла и, что более важно, обладающие символической динамикой. Примером символической динамики является сдвиг Бернулли — возможно, простейшая разновидность дискретной динамической хаотической системы.

Сдвиг Бернулли определяется следующим образом: для данного числа х на интервале от 0 до 1, записанного в виде десятичной дроби, нужно сдвинуть запятую на одно положение вправо и отбросить первую цифру (то есть целую часть полученного числа). Пример:

Мы сдвинули запятую на одну позицию вправо и стерли цифру 3. Аналогично,

Следовательно, орбита или траектория начального значения х = 0,324571 будет записываться так: {0,324571; 0,24571; 0,4571; 0,571; 0,71; 0,1; 0; 0; 0}. Эта орбита стремится к фиксированной точке 0 (точечному аттрактору, или фокусу).

Как вы узнаете позже, сдвиг Бернулли обладает хаотическим поведением, поскольку в нем присутствуют и эффект бабочки, и эффект карточной колоды. Чувствительность к начальным условиям несложно подтвердить экспериментально: допустим, что мы хотим проследовать вдоль траектории точки х = 1/3 = 0,3 = 0,33333. Так как результатом измерения может быть лишь конечное число десятичных знаков, рассмотрим у = 0,3333. Ошибка будет составлять менее одной тысячной. Изначально орбиты х и у будут располагаться поблизости, однако затем отдалятся друг от друга:

Подобно остальным периодическим десятичным дробям, х = 0,3 определяет периодическую орбиту для сдвига Бернулли. В нашем случае точка х имеет период, равный 1, то есть это фиксированная точка, так как она повторяется бесконечное число раз. И напротив, у = 0,3333, подобно всем остальным непериодическим десятичным дробям, — это точка, составляющая часть впадины аттрактора, расположенного в точке 0, так как в долгосрочном периоде ее орбита притягивается к точке 0. Ошибка измерения, которая изначально составляла менее одной тысячной (х — у = 0,3 — 0,3333 = 0,00003), значительно возрастет и будет иметь порядок нескольких десятых (после четвертой итерации ошибка будет равна 0,3 — 0 = 0,3).

Два начальных условия, близкие друг к другу, порождают две траектории, которые по прошествии определенного времени никак не связаны между собой.

Где в нашем случае проявляется эффект карточной колоды? Рассмотрим бесконечные непериодические десятичные дроби, то есть иррациональные числа. Построим орбиты чисел (2)^0,5 - 1 (= 0,41421356237…) и π — 3 (= 0,14159265358…):

Что вы видите? Полученные десятичные дроби абсолютно случайны! Они напоминают номера лотерейного тиража. Это случайность, порождаемая хаосом. Орбиты чисел (2)^0,5 -1, π — 3 или любого другого иррационального числа будут колебаться между 0 и 1. они будут приближаться к нулю столь же часто, как и к единице (или к 0,5). Знаки в десятичной записи иррациональных чисел не подчиняются какому-либо закону. Таким образом, если два рациональных числа — периодические десятичные дроби, значение которых точно известно, — порождают орбиты, которые рано или поздно будут периодическими (то есть начнут повторяться), то иррациональные числа (бесконечные непериодические десятичные дроби), напротив, порождают исключительно беспорядочные орбиты. Так как любое рациональное число бесконечно близко к некоторому иррациональному, периодические и непериодические орбиты неизбежно будут переплетаться между собой. В этом и заключается эффект карточной колоды.

Можно задаться вопросом: где в этом примере выполняются операции растяжения и складывания, которые порождают хаос? Чтобы обнаружить их, нужно посмотреть, какие математические действия мы совершаем при выполнении сдвига Бернулли. Мы уже говорили, что сдвиг Бернулли представляет собой сдвиг запятой в записи десятичной дроби на одну позицию вправо с последующим удалением первой цифры полученного числа. Когда мы сдвигаем запятую, в действительности мы умножаем число на 10, то есть «растягиваем» его, а когда мы стираем первую цифру, то уменьшаем, или «складываем, сгибаем» число. И вновь мы видим магический рецепт хаоса.

* * *

* * *

Рассмотрим теперь логистическое отображение Мэя, которое задается следующим уравнением в конечных разностях:

х_n+1 = kх_n (1 — х_n).

Иными словами, для данного начального условия х на интервале между 0 и 1 орбита х рассчитывается путем последовательного вычисления значений функции f(х) = kx (1 — х), где k — параметр, больший 1, но меньший 4. Поведение логистической системы, названной так потому, что она используется для моделирования динамики численности определенных популяций, удивительным образом зависит от значения k. Если k меньше некоторого критического значения, которое, по оценкам, составляет 3,569945…, то траектории будут иметь правильную форму. При превышении этого критического значения траектории будут стремиться к хаосу. Эта дискретная динамическая система четко показывает, что простые математические действия могут обладать неожиданно сложными свойствами.

Функция f(х) является функцией второй степени:

f(х) = kx (1 — х) = kx — kx².

Иными словами, f(х) — нелинейная функция, и именно эта нелинейность делает возможным хаотическое поведение: в силу нелинейности небольшие отклонения начальных условий могут приводить к значительным изменениям.

Изучим динамику логистического отображения для значений k, меньших критического, к примеру для k = 2. Примем в качестве начального условия x₀ = 0,8 и определим его орбиту с помощью калькулятора:

Теперь, когда мы знаем, как рассчитываются первые члены орбиты, вычислим

следующие члены напрямую:

Обратите внимание на полученные значения. Что вы видите? Они последовательно приближаются к 0,5. Рассматриваемая траектория четко приближается к пределу — точечному аттрактору, расположенному в точке 0,5. Ради любопытства вычислим орбиту точки 0,5: так как f (0,5) = 2∙0,5∙(1 — 0,5) = 22424∙0,5∙0,5 = = 0,5, орбита этой точки будет стационарной (значения функции всегда будут равны 0,5). Следовательно, орбита точки 0,8 сходится к точке равновесия.

Рассмотрим, как наша траектория сходится к этой фиксированной точке, геометрически. Используем компьютерную программу, чтобы показать, как изменяются значения орбиты (представленные на вертикальной оси) с ростом числа итераций (откладываются на горизонтальной оси).

Нетрудно видеть, что значения орбиты очень быстро стабилизируются в окрестности точки 0,5, что мы уже вычислили при помощи калькулятора.

Далее будем изображать орбиту точки на так называемой диаграмме-паутине.

Построив график f(х) = 2х (1 — х) (он будет представлять собой параболу, так как f(х) — функция второй степени), рассмотрим начальное условие x₀ = 0,8. Далее определим орбиту этой точки графически. Проведем вертикальную линию через точку с абсциссой x₀ = 0,8 до пересечения с параболой — графиком функции f(x).

Затем из точки пересечения этой линии с параболой проведем горизонтальную линию до пересечения с диагональю у = х. Полученная абсцисса (координата на горизонтальной оси) будет указывать положение точки пересечения построенной линии с диагональю и будет соответствовать х₁ Далее будем смещаться вертикально (вверх или вниз), пока вновь не пересечем график f(х). Повторив описанные выше действия, получим ломаную линию. Абсциссами ее вертикальных отрезков будут x₀, х₁, х₂, х₃. Эта ломаная линия укажет, куда будет стремиться орбита x₀.

На этом графике можно видеть, как «паутина» точки x₀ = 0,8 сходится к фиксированной точке, в которой пересекаются парабола — график функции f(х) — и прямая — график функции у = х. Как и следовало ожидать, этой фиксированной точкой будет точка 0,5.

Повторим описанные выше действия для другого значения параметра k. Примем его равным не 2, а 3,1. Орбита начальной точки x₀ = 0,8 будет выглядеть так.

При значениях k, больших 3, происходит нечто удивительное: хотя движение по-прежнему будет оставаться правильным, орбита точки 0,8 уже не будет стремиться к какой-то одной точке. Вместо этого она будет колебаться между значениями 0,56 и 0,76. Точечный аттрактор 0,5 словно бы разделился на две точки с координатами 0,56 и 0,76. По сути, это пример орбиты с периодом, равным 2, так называемого 2-цикла, так как мы видим два точечных аттрактора. Новая паутина, которая будет порождать уже не точку, а квадрат, выглядит так.

Продолжим увеличивать значения k и рассмотрим k = 3,5. Орбита x₀ = 0,8 будет выглядеть так.

Теперь орбита будет колебаться между четырьмя точками. Их координаты приблизительно равны 0,39, 0,51, 0,82 и 0,86. Это уже 4-цикл, так как одни и те же значения будут повторяться каждые четыре шага. Кажется, что с увеличением k периоды будут удваиваться: 1, 2, 4. Сначала мы наблюдали единственный точечный аттрактор, затем — два, теперь — четыре. Логично предположить, что далее их число будет равняться восьми, шестнадцати, тридцати двум и так далее. Наблюдаемая динамика уже не столь проста, однако ее по-прежнему можно назвать более или менее регулярной.

Позднее мы рассмотрим это необычное удвоение периода еще раз, а пока ограничимся тем, что изобразим новую паутину, образованную двумя основными квадратами.

И наконец, осмелимся превысить критическое значение 3,569945. Рассмотрим k = 3,9. Ситуация радикально изменится. Орбита x₀ = 0,8 будет выглядеть так.

Орбита стала хаотической! В ней больше не наблюдается никаких закономерностей. Она даже не является квазипериодической, а «прыгает» с одного места на другое и кажется случайной. А что, если мы рассмотрим k = 4?

То же самое хаотическое поведение! Диаграмма-паутина будет хаотической, а представленные на ней значения будут беспорядочно колебаться между 0 и 1.

Однако орбита и диаграмма-паутина точки х₀ = 0,8 — не исключение: все остальные возможные орбиты и диаграммы будут выглядеть точно так же. И вновь мы наблюдаем эффект карточной колоды.

На этом сюрпризы не заканчиваются: два различных начальных условия, близких друг к другу, определяют орбиты, которые по прошествии определенного времени будут выглядеть совершенно по-разному. Примем k = 4. Если мы хотим изучить орбиту точки а = 0,900 и по ошибке введем значение Ь = 0,901 (например, при измерении мы допустили ошибку, равную одной тысячной), то увидим, что орбиты а и b вскоре будут значительно отличаться, хотя изначально они были близки друг к другу. Орбита точки а будет образована значениями {0,900; 0,360; 0,9216; 0,2890; 0,8219; 0,5854; 0,9708…}, орбита точки b — значениями {0,901; 0,3568; 0,9180; 0,3012; 0,8419; 0,5324; 0,9958…}. Иными словами, исходная разница в одну тысячную через несколько итераций будет иметь порядок нескольких сотых. Всего за семь итераций разница увеличится в 20 раз! По прошествии определенного времени реальная и прогнозная траектории уже не будут иметь ничего общего.

И вновь мы наблюдаем эффект бабочки.

Подведем итог: изменяя значения параметра k в логистическом отображении от k = 2 до k = 4, мы показали, как система постепенно приближается к хаотическому состоянию. А где же операции растяжения и складывания, которые порождают хаос? Прямо у нас перед глазами. Логистическая функция f(х) = kx(1 — х) «растягивает» числовой интервал между 0 и 1 вследствие умножения х на k. Затем этот интервал «складывается пополам» в результате умножения kx на (1 — х) — число, меньшее единицы. Таким образом, числовой интервал растягивается и складывается, подобно подкове.

Хотя сегодня в математике не существует четкого определения детерминированного хаоса, он рассматривается как совокупность эффекта бабочки и эффекта карточной колоды, которые мы наблюдали и в сдвиге Бернулли, и в логистическом отображении Мэя.

От какого класса динамических систем стоит ожидать хаотического поведения?

Как вы уже знаете, хаос нужно искать среди нелинейных систем — только в них действие совокупности причин может не равняться совокупному действию этих причин по отдельности и приводить к совершенно неожиданным последствиям. Также (об этом мы не упоминали) нужно искать среди неинтегрируемых систем. Система называется интегрируемой, если ее траектории или решения можно явно выразить при помощи известных функций. Интегрируемые системы (линейные и нелинейные) предсказуемы, так как известна формула, позволяющая вычислить орбиту любой точки в любой момент времени. В неинтегрируемых системах, напротив, решение нельзя представить в виде формулы, поэтому для них нельзя составить прогноз на бесконечно большой период времени. Кроме того, если мы рассмотрим такие си¬стемы с точки зрения топологии, то увидим, что траектории будут тесно сплетаться между собой.

Если мы сведем две рассмотренные выше категории воедино, то увидим, что нелинейные и неинтегрируемые системы обладают беспорядочным, непредсказуемым поведением, указывающим на присутствие хаоса. Следует заметить: даже тогда, когда хаос требует нелинейности (чтобы небольшие изменения начальных условий могли вызывать значительные изменения) и неинтегрируемости (чтобы мы не могли делать прогнозы в долгосрочном периоде), нелинейная и неинтегрируемая динамика необязательно будет хаотической. Существуют нелинейные и неинтегрируемые системы, демонстрирующие равномерное и предсказуемое поведение. Математики говорят, что эти две характеристики — нелинейность и неинтегрируемость — являются необходимыми, но не достаточными.

С другой стороны, среди нелинейных и неинтегрируемых систем выделяют два подвида: гамильтоновы системы, сохраняющие энергию, и диссипативные, которые не сохраняют энергию. Этим двум видам систем соответствуют две разновидности детерминированного хаоса, известные сегодня.

Гамильтонов хаос наблюдается в системах, сохраняющих энергию, например в системе из трех тел, изученной Пуанкаре, в звездной системе, рассмотренной Эно и Хайлсом, в моделях бильярда, описанных Адамаром и Синаем. Как мы рассказали, это хаотическое поведение возникает в силу бесконечного числа пересечений сепаратрис седловой точки, в результате которого образуется запутанная сеть траекторий. Хотя такие системы обладают очень сложной динамикой, в них отсутствуют странные аттракторы. Существует знаменитая теорема Лиувилля, согласно которой сохранение энергии препятствует возникновению аттракторов. В самом деле аттракторы — это диссипативные структуры, в которых энергия рассеивается по мере приближения системы к аттрактору.

Негамильтонов хаос, напротив, наблюдается в системах, не сохраняющих энергию, к примеру, в системе Лоренца. Так как эти системы не сохраняют энергию, в них присутствуют аттракторы и возникают наиболее известные хаотические объекты — странные аттракторы, представляющие собой промежуточное звено между теорией хаоса и фрактальной геометрией.

Странный аттрактор — это аттрактор хаотической системы, которому свойственна фрактальная геометрия. Фрактал — это геометрический объект неправильной формы с бесконечным множеством деталей, обладающий самоподобием, и, скорее всего, имеющий дробную размерность. Странные аттракторы — сложные структуры, которые при последовательном увеличении демонстрируют самоподобие, свойственное фракталам: в них вновь и вновь проявляется одна и так же структура. Кроме того, многие из них имеют дробную размерность. Иными словами, если мы находимся на плоскости, то размерность нашего фрактального аттрактора будет больше 1, но меньше 2 и составит, к примеру, 1,5: аттрактор будет занимать больше пространства, чем кривая, но меньше, чем плоскость. Если мы находимся в пространстве, размерность фрактального аттрактора будет больше 2, но меньше 3 и составит, к примеру, 2,25: аттрактор будет занимать больше пространства, чем плоскость, но меньше, чем объемное тело. Таков смысл дробной размерности. К примеру, размерность аттрактора Лоренца примерно равна 2,06. Любопытно, что с момента открытия аттрактора Лоренца считалось, что он имеет «странный» характер (то есть является аттрактором хаотической системы и, возможно, имеет фрактальную геометрию), однако строгое математическое доказательство этого было найдено лишь в 2000 году. В 1998 году Стивен Смэйл предложил доказательство этого утверждения в качестве одной из открытых математических задач XXI столетия.

В 2002 году математик Уорвик Такер смог строго доказать существование аттрактора Лоренца в статье под названием «Аттрактор Лоренца существует». Аттрактор в форме бабочки, изображенный Лоренцем на экране компьютера, стал реальностью. Аналогичная ситуация произошла со странным аттрактором Эно, открытым с помощью компьютера в 1976 году: его существование было математически доказано лишь в 1987 году усилиями шведского математика Леннарта Карлесона, лауреата Абелевской премии 2006 года.

Странный аттрактор Уэды. Этот аттрактор, напоминающий водоворот, представляет собой сечение Пуанкаре для хаотической системы.

Слева направо и сверху вниз — последовательность увеличенных изображений аттрактора Эно. На всех иллюстрациях изображен один и тот же узор — складывающиеся кривые.

Судьба аттрактора Рёсслера, напротив, сложилась не столь удачно. Отто Рёсслер предложил ряд уравнений, описывающих химическую реакцию Белоусова — Жаботинского. Эта реакция протекает в колебательном режиме: участвующие в ней вещества непрерывно соединяются и распадаются, и в результате образуются удивительные узоры красно-синего цвета. Компьютерное моделирование решений системы дифференциальных уравнений обладало хаотическим поведением, подобным тому, что рассмотрел Аоренц при решении своей системы. Рёсслер, подобно Лоренцу, предположил, что в системе присутствует странный аттрактор — аттрактор Рёсслера, существование которого все еще не доказано. Никто до сих пор не знает, действительно ли посреди хитросплетения траекторий находится аттрактор Рёсслера или это всего лишь иллюзия, возникающая при компьютерном моделировании.

Странные аттракторы Лоренца (слева) и Рёсслера (справа). Существование последнего до сих пор математически не доказано.

Какое значение для динамики имеет фрактальная геометрия аттрактора? Можно предположить, что никакого, но это не так. Пуанкаре, Смэйл и Лоренц учат, что в основе любой динамики всегда лежит геометрия.

В классических аттракторах (фиксированных точках и предельных циклах — еще не так давно другие аттракторы были неизвестны) соседние орбиты всегда располагаются близко друг к другу, небольшие ошибки, как и предполагал Лаплас, заключены в определенных границах, таким образом, можно делать долгосрочные прогнозы. Если говорить о странных аттракторах, присущих хаотическим системам, то все обстоит иначе: две орбиты с близкими начальными условиями располагаются близко друг к другу лишь на коротком промежутке времени, после чего очень быстро отдаляются. Поведение соседних траекторий в странном аттракторе можно проиллюстрировать следующим экспериментом: если представить, что они действуют на маленькую каплю красящего вещества в жидкости, то капля постепенно примет форму очень длинной и тонкой нити, словно пронизывающей весь аттрактор.

Даже если точки, отмеченные красящим веществом, изначально будут находиться очень близко друг к другу, в конечном итоге они окажутся в произвольных частях аттрактора. Прогнозирование финального состояния любой из этих точек при сколь угодно малой ошибке измерения невозможно — в зависимости от допущенной ошибки финальные состояния точек могут располагаться в любой части странного аттрактора. Хаос перемешивает орбиты подобно тому, как пекарь замешивает тесто. Поведение орбит геометрически описывается посредством операций растяжения и складывания. Орбиты должны растягиваться, при этом будут возрастать ошибки (эффект бабочки), а также складываться и постепенно сплетаться по мере приближения к аттрактору (эффект карточной колоды). Растягивание увеличивает неопределенность, при складывании изначально далекие друг от друга траектории сближаются, а информация об исходном состоянии системы уничтожается. Траектории смешиваются, как смешиваются карты в колоде в руках умелого игрока. Так как операции растяжения и складывания повторяются бесконечное число раз, в аттракторах хаотических систем должно наблюдаться множество сгибов внутри каждого сгиба. Именно поэтому с геометрической точки зрения хаотические аттракторы намного сложнее классических. По мере увеличения масштаба хаотические аттракторы раскрывают всё новые и новые детали и проявляют свое самоподобие: структура хаотических аттракторов на микроуровне столь же сложна, как и на макроуровне. Одним словом, хаотические аттракторы — это фракталы.

Мы увидели, что существуют математические системы, обладающие хаотической динамикой. Но каково их практическое значение? Что такое хаос: правило или исключение?

Хаос вездесущ и проявляется повсеместно: и при движении небесных тел (задача трех тел), и при колебаниях двойных маятников, в потоках на грани турбулентности (поток Рэлея — Бенара), в некоторых химических реакциях (реакция Белоусова — Жаботинского), в определенных биологических популяциях и так далее. Открытие повсеместного присутствия хаоса стало третьей великой революцией в науке за последние 100 лет, после открытия теории относительности и квантовой механики.

Достойный упоминания пример хаотического движения в Солнечной системе — движение Гипериона, спутника Сатурна, по форме напоминающего картофелину, который, как может показаться, совершает случайные колебания. Гиперион движется вокруг Сатурна по орбите правильной формы, однако вращается вокруг себя совершенно беспорядочно: в результате быстрого хаотического движения он переворачивается каждые 6 часов и при вращении вокруг своей оси в буквальном смысле подскакивает.

* * *

Бифуркационная диаграмма, или диаграмма Фейгенбаума, для логистического отображения.

* * *

Кроме того, в 1988 году двое ученых из MIT, Джеральд Джей Сассман и Джек Уисдом, показали, что движение Плутона также является хаотическим. На самом деле траектория Плутона особенно интересна: его орбита пересекается с орбитой Нептуна, и, возможно, в не столь далеком будущем Нептун и Плутон столкнутся, и произойдет настоящая космическая катастрофа. С помощью суперкомпьютера Сассман и Уисдом рассчитали траекторию Плутона на ближайшие 845 млн лет и обнаружили, что в силу неопределенности исходных условий две изначально близкие траектории будут существенно различаться уже спустя всего 20 млн лет — совсем небольшой промежуток времени по сравнению с возрастом Солнечной системы, который составляет как минимум 4,5 млрд лет. К счастью, при движении нашей планеты хаос не столь заметен: неточности при определении положения Земли начинают наблюдаться только по прошествии 100 млн лет.

Гиперион — спутник Сатурна неправильной формы. Фотография сделана зондом Кассини-Гойгенс.

Есть и другие примеры, показывающие, как проявляется хаос в нашей Солнечной системе. Пояс астероидов между Марсом и Юпитером движется под действием силы притяжения Солнца, однако подвержен колебаниям, вызванным притяжением Юпитера. Таким образом, можно говорить о задаче трех тел (Солнце, Юпитер и пояс астероидов). Некоторые движения в этой системе будут равномерными, другие — хаотическими. Астероиды, движущиеся равномерно, остаются на своих орбитах, а те, что движутся по хаотическим траекториям, через некоторое время сходят с орбит и теряются в космосе. Следовательно, астероиды распределены неоднородно, между ними есть промежутки — щели Кирквуда, названные в честь американского астронома, который открыл их еще в 1860 году. Если при вращении вокруг Солнца астероид пересекает одну из этих зон, его период вращения входит в резонанс с периодом обращения Юпитера, и газовый гигант уводит астероид с орбиты. Если астероид, сойдя с орбиты, направится к Марсу или к Земле, то гармонии в Солнечной системе придет конец. Нечто похожее происходит с полосами между кольцами Сатурна: частицы, движущиеся в зоне резонанса, сходят с орбит, в результате чего образуются щели.

* * *

Хаотическая орбита в антиньютоновской задаче двух тел.

* * *

Но удивительнее всего хаотическое поведение не сложных систем (Солнечная система, погода, климат, атмосфера), а очень простых — оно свойственно, в частности, обычному маятнику. И действительно, если мы рассмотрим двойной маятник, который представляет собой обычный маятник, к концу которого подвешен еще один, то увидим, что при превышении определенного уровня энергии его движение становится хаотическим и абсолютно непредсказуемым.

Хаотическое движение двойного маятника.

* * *

* * *

В последние годы теория хаоса, нелинейная динамика и науки о сложности в целом играют важную роль в медицине, биологии и смежных областях. Слияние точных и гуманитарных наук всего за несколько лет доказало свою эффективность. До середины XX века медицину и физику, казалось, разделяла непреодолимая стена: единственным применением физики в медицине стало использование радиоволн для диагностики и лечения раковых заболеваний. Однако начиная с 1950-х годов в этой стене, к счастью для всех нас, стали возникать бреши: так, медицинская визуализация и получение изображений внутренних органов стали возможными только благо даря симбиозу математики, физики и медицины.

Теория хаоса также перестала быть наукой об абстрактных закономерностях и в руках специалистов превратилась в мощнейший инструмент. Применение теории хаоса в медицине не позволяет делать прогнозы и решать какие-либо частные задачи — оно скорее позволяет описывать некоторые аспекты поведения сложных биологических систем с помощью определенных «магических чисел», например экспонент Ляпунова, фрактальных размерностей и других. Иными словами, теория хаоса может использоваться при классификации состояний организма, наиболее ценным при этом будет не полученное числовое значение, а переформулирование медицинских задач, переход от наблюдений к моделированию и измерениям. Прекрасным примером этому служат кардиология, электроэнцефалография и магнитоэнцефалография. Через несколько лет исследования хаоса и фракталов в физиологии помогут получить важные показатели, позволяющие понять, что именно происходит в организме в ходе старения или во время болезни. Важнейшее открытие таково: организм здорового человека — сложная хаотическая система, организм больного человека, напротив, является строго упорядоченным.

Различные показатели работы сердца больного (в верхнем ряду) и здорового человека (в нижнем ряду). Периодичность и предсказуемость этих показателей свидетельствует о сердечных заболеваниях, в то время как у здорового человека показатели будут совершенно хаотическими.

С экспериментальной точки зрения эта проблема заключается в том, чтобы на основе временного ряда наблюдаемых или измеренных значений (пульса, ритмов мозговой активности) воссоздать развитие динамической системы (сердца или мозга соответственно) в фазовом пространстве, где мы сможем измерить и рассчитать магические числа хаоса: экспоненты Ляпунова, фрактальные размерности и так далее. Нам на помощь придет хитроумный прием, придуманный Давидом Рюэлем и Флорисом Такенсом: чтобы как-то воссоздать аттрактор системы, рассмотрим исходные значения с некоторым запаздыванием. Если мы имеем последовательность значений x₁, x₂, х₃, х₄ …, то можно образовать множество пар чисел (х₁, x₂), (x₂, x₃), (x₃, x₄). Эти точки определят некоторую траекторию на плоскости. Если мы сгруппируем числа в тройки, получим траекторию в пространстве. Таким образом, динамика нашей системы будет описываться динамикой этого множества точек, и мы сможем вычислить фрактальную размерность системы или ее экспоненты Ляпунова. Будем воссоздавать систему со все большим запаздыванием (то есть будем объединять данные не в пары или тройки, а в четверки, пятерки и так далее). Существует теорема, гласящая: если исходная система периодическая, то ее фрактальная размерность будет возрастать до определенного значения, после чего примет некоторое целое значение (то есть перестанет быть фрактальной, дробной) и будет оставаться неизменной. Если же исходная система хаотическая, то ее фрактальная размерность стабилизируется вблизи некоторого дробного значения и как минимум одна экспонента Ляпунова будет положительной.

Но нужна ли вся эта математика? Да, нужна, нравится вам это или нет. Как это ни парадоксально, простая динамика свидетельствует о заболевании, а сложная (хаотическая) динамика — синоним здоровья. Заболевание предполагает потерю сложности, а рост упорядоченности приближает нас к смерти. Появление упорядоченности сердечного или мозгового ритма у тяжелобольных пациентов — опасный симптом. Если измерить электрические сигналы мозга с помощью электродов, то полученная кривая будет казаться хаотической (непериодической) и фрактальной (то есть обладающей самоподобием). Если мы применим метод Рюэля — Такенса для восстановления аттрактора с запаздыванием, то увидим, что у здоровых пациентов в рассматриваемой системе будут наблюдаться странные аттракторы, у пациентов с заболеваниями головного мозга — квазипериодические циклы.

Наконец, следует отметить, что некоторые органы человека подобны фракталам.

Так, бронхи имеют практически фрактальную структуру со множеством ветвлений. Возможно, происходит это потому, что фракталы прекрасно позволяют перейти от одной размерности к другой в силу своей дробной размерности. Бронхи, имеющие фрактальную размерность, примерно равную двум, — идеальный переход от трехмерного дыхательного горла (его размерность равна 3) к плоскости диффузии (ее размерность равна 2), в ходе которого кислород из воздуха поступает в кровь.

Если ритмы мозговой активности беспорядочны и описывают странный аттрактор (слева), то человек здоров. Если же ритмы мозговой активности становятся периодическими и возникает предельный цикл (справа), это означает, что пациент испытывает приступ эпилепсии.

_{(источник: Корнелис Ян Стам, «Нелинейный динамический анализ ЭКГ и МЭГ: обзор новой области», журнал Clinical Neurophysiology 116/10, 2005).}

* * *

* * *

Пьер-Симон Лаплас был уверен, что система, описываемая законами Ньютона, должна быть предсказуемой. Однако оказалось, что динамическая система, подчиняющаяся законам Ньютона, может стать хаотической. Таким образом, одним из самых важных результатов теории хаоса стало опровержение тождества «детерминизм = предсказуемость».

Возможно, причина, по которой на протяжении трех столетий детерминизм отождествлялся с предсказуемостью, заключалась в том, что обычно рассматривались только линейные системы, а нелинейные оставались вне поля зрения ученых. Таким образом, вся Вселенная казалась подобной игрушечному механизму, столь же предсказуемому, как полет пушечного ядра или работа часового механизма.

Как это ни парадоксально, хаос детерминирован, он создается по строгим правилам, но накладывает фундаментальные ограничения на возможности составления прогнозов. Если мы допустим небольшую ошибку при измерении начального состояния системы (а это происходит постоянно, ведь в реальной жизни мы имеем дело с округленными и приближенными значениями), то в прогнозе, составленном по уравнению динамики, эта ошибка возрастет. Таким образом, прогнозированию препятствует сама реальность (любое измерение имеет конечную точность) и хаотическая структура уравнения динамики (изначальная ошибка возрастает экспоненциально).

Непредсказуемый хаос всегда остается детерминированным: если в две практически идентичные хаотические системы подать один и тот же входной сигнал, то выходной сигнал систем будет одинаковым, хотя и непредсказуемым. В качестве примера случайного и абсолютно детерминированного процесса можно привести бросок игральной кости. Сложно предсказать только одно — какой именно гранью вверх упадет кубик, поскольку любое незначительное изменение положения и скорости кубика повлияет на результат. Здесь источником случайности является выбор начальных условий. Если мы не можем полностью контролировать начальные условия, то и прогноз составить нельзя.

Две изначально близкие траектории в аттракторе Лоренца отдаляются друг от друга. Обе траектории берут начало в одной и той же окрестности (обведена кружочком), однако по прошествии определенного времени они окажутся в разных частях аттрактора.

Существование хаоса ставит очень серьезный философский вопрос. Верификация научной теории заключается в составлении прогнозов и их последующей проверке.

Но для хаотических явлений в принципе невозможно делать прогнозы в среднесрочном или долгосрочном периоде. Предположим, что математик описывает некий физический процесс с помощью уравнений, демонстрирующих хаотическую динамику, то есть динамику, чувствительную к начальным условиям, в которой существуют случайные траектории, сплетенные с периодическими. Если наш математик с помощью классических математических методов попытается предсказать, каким будет состояние системы для данных начальных условий по прошествии длительного промежутка времени, он придет к выводу: «Я могу составить прогноз только в случае, если вы укажете положение начальной точки с бесконечно большой точностью». Так как на практике это невозможно, определить поведение системы в долгосрочном периоде нельзя. Ни один физик не рискнет работать с подобными уравнениями, ведь полученные результаты будут абсолютно случайными. Именно это произошло с метеорологом Эдвардом Лоренцем и астрофизиком Мишелем Эно, работы которых изначально не были оценены другими учеными.

Философский смысл проблемы таков: поскольку хаос подразумевает чувствительность к начальным условиям, неизбежные ошибки при определении начальных условий будут возрастать экспоненциально, и в результате практические прогнозы, составленные на основе хаотической модели, обязательно будут ошибочными. Возникает вопрос: как можно использовать моделирование, если в общем случае ошибка будет очень велика?

Ответ таков: хаотические системы могут оказаться невероятно полезными при прогнозировании, однако сам хаос по своей природе накладывает серьезные ограничения на возможность составления прогнозов.

Однако динамику хаотических систем можно спрогнозировать в краткосрочном периоде. А после этого, сколь бы точно мы ни измерили начальные данные, мы неизбежно допустим ошибку, которая впоследствии существенно возрастет, и с определенного момента динамика хаотической системы станет непредсказуемой.

Но эта непредсказуемость не проявляется мгновенно. Если составить прогнозы в среднесрочном и долгосрочном периоде нельзя, то, получается, наука бесполезна? Вовсе нет, ведь помимо количественных оценок существуют и качественные. Процитируем Пуанкаре, который в свое время объяснил суть вопроса с присущей ему четкостью:

«Физик или инженер скажет нам: „Можете ли вы проинтегрировать это дифференциальное уравнение? Результат понадобится мне через восемь дней, чтобы закончить проект здания в срок". Мы ответим: „Это уравнение не относится ни к одному из интегрируемых типов, и вам прекрасно известно, что других типов не существует". „Да, это мне известно, но для чего же тогда нужны вы, господин математик?" Ранее уравнение считалось решенным только тогда, когда его решение можно было представить с помощью конечного числа известных функций, однако найти решение в таком виде можно едва ли для одного процента уравнений. Мы всегда можем решить любую задачу „качественно", то есть попытаться определить общий вид кривой, описывающей неизвестную функцию».

Хаос помогает увидеть взаимосвязи, формы и структуры там, где никто не подозревает. В хаосе присутствует порядок: случайность описывается геометрически.

При подтверждении научной теории следует придавать большее значение геометрии, а не результатам экспериментов, то есть не количественным, а качественным факторам. Актуальный пример этому мы приведем в следующих главах, где будем говорить о глобальном изменении климата: метеорологи и климатологи часто жертвуют точностью прогноза, чтобы понять общую картину. Они ежедневно сталкиваются с нелинейными задачами и вынуждены делать выбор: составить точную модель, позволяющую делать прогнозы (существование такой модели по определению невозможно), или предпочесть ей упрощенную модель, чтобы рассмотреть явление в общих чертах. Цель науки — не только прогнозирование, не только поиск набора эффективных рецептов, но и понимание природы вещей.

К примеру, Декарт своей теорией вихрей и движущейся материи объяснял всё, но не предсказывал ничего. Ньютон, напротив, своими законами и теорией тяготения рассчитал всё, но не объяснил ничего. История подтвердила правоту Ньютона, а измышления Декарта отошли в область фантазий. На протяжении многих веков на первый план выдвигалась именно возможность составления прогнозов. Ньютоновская теория тяготения одержала верх над декартовой теорией вихрей, низвергнув ее в небытие. С математическими моделями теории хаоса происходит то же самое, что и с теориями Декарта: они имеют качественный характер и не могут применяться для составления прогнозов или как руководство к действию, а служат скорее для описания и понимания явлений природы.

Если математика и физика прошлого изучали круги и часовые механизмы, то математика и физика наших дней интересуются фракталами и облаками.