分岔与混沌

把 r 从 1 慢慢推到 4，蛛网图会依次走过四种形态。r < 1：轨道掉到 0，种群灭绝。1 < r < 3：收敛到不动点 1 − 1/r，蛛网螺旋着收进去。r = 3 处不动点失稳（此时 |f′| = 1），出现周期 2；之后 3.449、3.544、3.564…… 一路倍周期下去。r > 3.5699 进入混沌，蛛网图变成一团永不重复的折线。不动点稳不稳定，判据是 |f′(x*)| 是否小于 1。对逻辑斯蒂映射 f′(x*) = 2 − r，所以 |2 − r| < 1 即 1 < r < 3——这条不等式就是上面那个 r = 3 的来历，可以在读数里核对。最后看李雅普诺夫指数这个读数：它在周期区是负的，在混沌区是正的，在分岔点恰好为零。这是判断"是不是混沌"最干净的量化标准，比肉眼看曲线乱不乱可靠得多。

把 r 的左右端拖到 3.54 和 3.575 之间，你会看到一张和整体极其相似的图。再放大一次，还是相似。倍周期级联是自相似的——这是分形和混沌之间最直接的一条纽带。读数里算出的 (r₂−r₁)/(r₃−r₂) 应该接近 4.669，这就是 Feigenbaum 常数 δ。它的惊人之处在于普适性：不只是逻辑斯蒂映射，任何单峰映射（只要峰是二次的）走倍周期路线进入混沌时，这个比值都趋于同一个 4.6692…这个数和圆周率一样，是一个由结构而非由具体方程决定的常数。再把范围拖到 3.82 到 3.86。混沌区里会突然冒出一条干净的周期 3 轨道——这就是周期窗口。而"周期 3 意味着混沌"是一条著名定理（Li–Yorke，1975）：一个连续映射只要存在周期 3 的点，就必然存在所有周期的点。

两条轨道的初始差异是 10⁻⁶，也就是百万分之一。右下那张图的纵轴是它们距离的对数：前一段是一条漂亮的直线，说明距离在指数增长，斜率就是最大李雅普诺夫指数（洛伦兹经典参数下约 0.9）；等距离涨到吸引子本身的尺度就饱和了，因为两条轨道再怎么分也不会跑出吸引子。这条直线给出一个极其实用的估计：可预测时间 ≈ ln(1/ε)/λ。把初始误差缩小 1000 倍（ε 从 10⁻⁶ 到 10⁻⁹），可预测时间只从 15.5 延长到 25.8，多了十个时间单位左右（理论上是 ln(1000)/λ ≈ 7.7，实测略多，因为分离在最初几步比渐近速率慢一些）。这就是天气预报为什么不会因为测量精度提高而能预报三个月：精度和可预测时长之间是对数关系，不是线性关系。再把 ρ 从 28 调到 14：吸引子消失，轨道收敛到一个定点，李雅普诺夫指数变负。混沌不是洛伦兹方程的固有属性，是某些参数下的属性。

上下两张图的横轴是同一个 r，请上下对照着看。每一次倍周期分岔，λ 都会碰一下零然后掉回负值；进入混沌区之后 λ 翻到正的；而那些混沌区里的白色竖条（周期窗口），对应着 λ 又掉回负值。两张图的每一个细节都严丝合缝——这不是巧合，因为 λ 的定义就是"相邻轨道的平均分离速率"，而周期轨道不分离、混沌轨道指数分离。λ 的实用价值在于它是一个数：面对一段实测数据，你没法用肉眼判断它是混沌还是噪声，但可以估计它的最大李雅普诺夫指数。（真实数据上这件事相当难，需要相空间重构、而且对噪声很敏感——但思路就是这一条。）顺带一提：λ > 0 只说明对初值敏感，还要加上"有界"和"非周期"两条，才构成通常意义上的混沌。