李雅普诺夫指数的工具箱

① 李雅普诺夫指数的定义

考虑两个系统

设其初始值微小误差为
经过一次迭代后有

其中

第二次迭代得到

········
经过第n次迭代得

可见，两个系统对初始扰动的敏感度由导数|df/dx|在x0处的值决定，它与初始值x0有关。映射整体对初值敏感性需对全部初始条件平均，要进行n次迭代：

每次迭代平均分离值为

两个系统如果初始存在微小的差异，随着时间（或迭代次数）产生分离，分离程度常用李雅普诺夫（Lyapunov）指数来度量，它为几何平均值的对数

式中xn为第n次迭代值。令n趋于无穷，得到李雅普诺夫指数的计算公式：

② matlab做李雅普诺夫指数图

能不能不用图片, 而是用文字的形式来表达代码, 这样还需要我一个一个敲进MATLAB的编辑器里边...

③ 李亚普若夫指数

对初值敏感(即对混沌现象)的判断需要一个定量的指标, 这个指标就是李雅普诺夫指数,它表示相邻轨线间的平均发散(分离)率, 是一个统计平均量.

另附 李雅普诺夫 的简介.希望对你有帮助.

李雅普诺夫是俄国、力学家.1857年6月6日生于雅罗斯拉夫尔；1918年11月3日卒于敖德萨.

李雅普诺夫1876年中学毕业时，因成绩优秀获金质奖章，同年考入圣彼得堡大学系学习，当他听了著名数学家的讲座之后即被其渊博的学识深深吸引，从而转到切比雪夫所在的数学系学习，在切比雪夫、佐洛塔廖夫的影响下，他在大学四年级时就写出具有创见的论文，而获得金质奖章.1880年大学毕业后留校工作，1892年获博士学位并成为教授.1893年起任哈尔科夫大学教授，1900年初当选为圣彼得堡科学院通讯院士，1901年又当选为院士，并兼任应用数学学部主席.1909年当选为国立琴科学院外籍院士，1916年当选为巴黎科学院外籍院士.

李雅普诺夫是切比雪夫创立的彼得堡学派的杰出代表，他的建树涉及到多个领域，尤以、和最有名.

在概率论中，他创立了特征函数法，实现了概率论极限定理在研究方法上的突破，这个方法的特点在于能保留随机变量分布规律的全部信息，提供了特征函数的收敛性质与分布函数的收敛性质之间的一一对应关系，给出了比切比雪夫、马尔可夫关于中心极限定理更简单而严密的证明，他还利用这一定理第一次科学地解释了为什么实际中遇到的许多随机变量近似服从正态分布.他对概率论的建树主要发表在其1900年的《概率论的一个定理》和1901年的《概率论极限定理的新形式》论文中.他的方法已在现代概率论中得到广泛的应用.

李雅普诺夫是常微分方程运动稳定性理论的创始人，他1884年完成了《论一个旋转液体平衡之椭球面形状的稳定性》一文，1888年，他发表了《关于具有有限个自由度的力学系统的稳定性》.特别是他1892年的博士论文《运动稳定性的一般问题》是经典名著，在其中开创性地提出求解非线性常微分方程的李雅普诺夫法，亦称直接法，它把解的稳定性与否同具有特殊性质的函数（现称为李雅普诺夫函数）的存在性联系起来，这个函数沿着轨线关于时间的导数具有某些确定的性质.正是由于这个方法的明显的几何直观和简明的分析技巧，所以易于为实际和理论工作者所掌握，从而在技术的许多领域中得到广泛地应用和发展，并奠定了稳定性理论的基础，也是常微分方程定性理论的重要手段.

李雅普诺夫对位势理论的研究为数学物理方法的发展开辟了新的途径.他1898年发表的论文《关于狄利克雷问题的某些研究》也是一篇重要论文.该文首次对单层位势、双层位势的若干基本性质进行了严谨的探讨，指出了给定范围内的本问题有解的若干充要条件.他的研究成果奠定了解边值问题经典方法的基础.

在数学中以他的姓氏命名的有：李雅普诺夫第一方法，李雅普诺夫第二方法，李雅普诺夫定理，李雅普诺夫函数，李雅普诺夫变换，李雅普诺夫曲线，李雅普诺夫曲面，李雅普诺夫球面，李雅普诺夫数，李雅普诺夫随机函数，李雅普诺夫随机算子，李雅普诺夫特征指数，李雅普诺夫维数，李雅普诺夫系统，李雅普诺夫分式，李雅普诺夫稳定性等等，而其中以他的姓氏命名的定理、条件有多种.

④ 想有偿求一个计算李雅普诺夫指数的matlab程序~~ 输入文件是TXT里边的数据组~~

这个程序应该可以帮助你~
function lambda_1=lyapunov_wolf(data,N,m,tau,P)
% 该函数用来计算时间序列的最大Lyapunov 指数--Wolf 方法
% m: 嵌入维数
% tau:时间延迟
% data:时间序列
% N:时间序列长度
% P:时间序列的平均周期,选择演化相点距当前点的位置差，即若当前相点为I，则演化相点只能在|I－J|>P的相点中搜寻
% lambda_1:返回最大lyapunov指数值
min_point=1 ; %&&要求最少搜索到的点数
MAX_CISHU=5 ; %&&最大增加搜索范围次数
%FLYINGHAWK
% 求最大、最小和平均相点距离
max_d = 0; %最大相点距离
min_d = 1.0e+100; %最小相点距离
avg_dd = 0;
Y=reconstitution(data,N,m,tau); %相空间重构
M=N-(m-1)*tau; %重构相空间中相点的个数
for i = 1 : (M-1)
for j = i+1 : M
d = 0;
for k = 1 : m
d = d + (Y(k,i)-Y(k,j))*(Y(k,i)-Y(k,j));
end
d = sqrt(d);
if max_d < d
max_d = d;
end
if min_d > d
min_d = d;
end
avg_dd = avg_dd + d;
end
end
avg_d = 2*avg_dd/(M*(M-1)); %平均相点距离

dlt_eps = (avg_d - min_d) * 0.02 ; %若在min_eps～max_eps中找不到演化相点时，对max_eps的放宽幅度
min_eps = min_d + dlt_eps / 2 ; %演化相点与当前相点距离的最小限
max_eps = min_d + 2 * dlt_eps ; %&&演化相点与当前相点距离的最大限

% 从P+1～M-1个相点中找与第一个相点最近的相点位置(Loc_DK)及其最短距离DK
DK = 1.0e+100; %第i个相点到其最近距离点的距离
Loc_DK = 2; %第i个相点对应的最近距离点的下标
for i = (P+1):(M-1) %限制短暂分离，从点P+1开始搜索
d = 0;
for k = 1 : m
d = d + (Y(k,i)-Y(k,1))*(Y(k,i)-Y(k,1));
end
d = sqrt(d);
if (d < DK) & (d > min_eps)
DK = d;
Loc_DK = i;
end
end
% 以下计算各相点对应的李氏数保存到lmd()数组中
% i 为相点序号，从1到(M-1)，也是i-1点的演化点；Loc_DK为相点i-1对应最短距离的相点位置，DK为其对应的最短距离
% Loc_DK+1为Loc_DK的演化点，DK1为i点到Loc_DK+1点的距离，称为演化距离
% 前i个log2（DK1/DK）的累计和用于求i点的lambda值
sum_lmd = 0 ; % 存放前i个log2（DK1/DK）的累计和
for i = 2 : (M-1) % 计算演化距离
DK1 = 0;
for k = 1 : m
DK1 = DK1 + (Y(k,i)-Y(k,Loc_DK+1))*(Y(k,i)-Y(k,Loc_DK+1));
end
DK1 = sqrt(DK1);
old_Loc_DK = Loc_DK ; % 保存原最近位置相点
old_DK=DK;

% 计算前i个log2（DK1/DK）的累计和以及保存i点的李氏指数
if (DK1 ~= 0)&( DK ~= 0)
sum_lmd = sum_lmd + log(DK1/DK) /log(2);
end
lmd(i-1) = sum_lmd/(i-1);
% 以下寻找i点的最短距离：要求距离在指定距离范围内尽量短，与DK1的角度最小
point_num = 0 ; % &&在指定距离范围内找到的候选相点的个数
cos_sita = 0 ; %&&夹角余弦的比较初值 ——要求一定是锐角
zjfwcs=0 ;%&&增加范围次数
while (point_num == 0)
% * 搜索相点
for j = 1 : (M-1)
if abs(j-i) <=(P-1) %&&候选点距当前点太近，跳过！
continue;
end

%*计算候选点与当前点的距离
dnew = 0;
for k = 1 : m
dnew = dnew + (Y(k,i)-Y(k,j))*(Y(k,i)-Y(k,j));
end
dnew = sqrt(dnew);

if (dnew < min_eps)|( dnew > max_eps ) %&&不在距离范围，跳过！
continue;
end

%*计算夹角余弦及比较
DOT = 0;
for k = 1 : m
DOT = DOT+(Y(k,i)-Y(k,j))*(Y(k,i)-Y(k,old_Loc_DK+1));
end
CTH = DOT/(dnew*DK1);

if acos(CTH) > (3.14151926/4) %&&不是小于45度的角，跳过！
continue;
end

if CTH > cos_sita %&&新夹角小于过去已找到的相点的夹角，保留
cos_sita = CTH;
Loc_DK = j;
DK = dnew;
end

point_num = point_num +1;

end

if point_num <= min_point
max_eps = max_eps + dlt_eps;
zjfwcs =zjfwcs +1;
if zjfwcs > MAX_CISHU %&&超过最大放宽次数，改找最近的点
DK = 1.0e+100;
for ii = 1 : (M-1)
if abs(i-ii) <= (P-1) %&&候选点距当前点太近，跳过！
continue;
end
d = 0;
for k = 1 : m
d = d + (Y(k,i)-Y(k,ii))*(Y(k,i)-Y(k,ii));
end
d = sqrt(d);

if (d < DK) & (d > min_eps)
DK = d;
Loc_DK = ii;
end
end
break;
end
point_num = 0 ; %&&扩大距离范围后重新搜索
cos_sita = 0;
end
end
end

%取平均得到最大李雅普诺夫指数
lambda_1=sum(lmd)/length(lmd);

⑤ 李雅普诺夫指数的介绍

1961年冬季的一天，为了考察一条更长的序列，洛伦兹走了一条捷径。他在进行天气模式计算时没有从头开始运行，而是从中途开始。作为计算的初值，他直接输入了上次运算的输出结果，然后他穿过大厅下楼，清净的去喝一杯咖啡。一个小时之后他回来时，看到了出乎意料的事。从几乎相同出发点开始，洛伦兹看到他的计算机产生的天气模式差别愈来愈大，终至毫无相似之处。就是这件事播下了一门新科学的种子。

⑥ 怎样计算常微分方程组的李雅普诺夫指数

你让
李雅普诺夫指数1
恒为正。再使得它对t的导数为定号即可。你会画出它的轨线关于奇异点的逼近方式（可以远离。）

事实上，要掌握的是图像，而不仅仅是具体方法。

⑦ 李雅普诺夫指数的应用

利用李雅普诺夫指数λ，相空间内初始时刻的两点距离将随时间（迭代次数）作指数分离：

在一维映射中只有一个λ值，而在多位相空间情况下一般就有多个λ，而且沿着相空间的不同方向，λ值一般也不同。
设ε0为多维相空间中两点的初始距离，经过n次迭代以后两点间的距离为：

式中指数λi可正可负，当其为正时表示沿该方向扩展，为负数时表示沿该方向收缩。在经过一段时间（数次迭代）以后，两个不同李雅普诺夫指数将使相空间中原来的圆演变为椭圆。 稳定体系的相轨线相应于趋向某个平衡点，如果出现越来越远离平衡点，则系统是不稳定的。系统只要有一个正值就会出现混沌运动。
判断一个非线性系统是否存在混沌运动时，需要检查它的李雅普诺夫指数λ是否为正值。
在高维相空间中大于零的李雅普诺夫指数可能不止一个，这样体系的运动将更为复杂。人们称高维相空间中有多个正值指数的混沌为超混沌。推广到高维空间后，有指数（λ1，λ2，λ3，···）的值决定的各种类型的吸引子可以归纳为： （λ1，λ2，λ3，···） 吸引子的类型 维数 （-，-，-，···） 不动点 D=0 （0，-，-，···） 极限环 D=1 （0，0，-，-，···） 二维环面 D=2 （0，0，0，-，···） 三维环面 D=3 （+，0，-，-，···） 奇怪吸引子（混沌） D=2~3（非整数） （+，+，0，-，···） 超混沌 D=高于3的非整数