Текст книги "Паутина жизни. Новое научное понимание живых систем"

Автор книги: Фритьоф Капра

сообщить о нарушении

Текущая страница: 9 (всего у книги 22 страниц)

Применяя свою теорию к движению планет, Ньютон сам воспроизвел основные особенности Солнечной системы, правда, без учета некоторых тонкостей. Лаплас, однако, усовершенствовал вычисления Ньютона до такой степени, что ему удалось объяснить движение планет, их спутников и комет вплоть до мельчайших деталей, равно как и механизм приливов и других явлений, связанных с гравитацией.

Воодушевленные этими яркими успехами ньютоновской механики в астрономии, физики и математики распространили ее на движение жидкостей, на вибрацию струн, колоколов, других упругих тел – и она работала! Впечатляющие достижения заставили ученых начала XIX века поверить, что Вселенная на самом деле представляет собой гигантскую механическую систему, функционирующую в соответствии с ньютоновскими законами движения. Так ньютоновы дифференциальные уравнения стали математической основой механистической парадигмы. Мировая машина Ньютона казалась совершенно каузальной и детерминированной. Все, что происходит, обусловливается определенной причиной и вызывает определенный эффект, и будущее любой части этой системы можно – в принципе – предсказать с абсолютной достоверностью, если только в начальный момент времени ее состояние известно во всех подробностях.

На практике, конечно, вскоре стала очевидной ограниченность попыток моделирования Природы с помощью ньютоновых уравнений. Как замечает британский математик Ян Стюарт, «составлять уравнения – одно дело, решать их – совсем другое»3. Точные решения были ограничены небольшим количеством простых и устойчивых явлений; в то же время существовали обширные области Природы, которые, похоже, исключали всякое механистическое моделирование. Например, относительное движение двух тел, обусловленное силой их тяготения, могло быть вычислено точно; для трех тел соответствующие расчеты становились слишком сложными или неточными; а когда дело касалось газов с миллионами частиц, ситуация казалась безнадежной.

С другой стороны, физики и химики уже долгое время наблюдали в поведении газов некие регулярности, нашедшие свое отражение в формулировке так называемых газовых законов – простых математических связей между температурой, объемом и давлением газа. Каким образом эта явная простота могла быть выведена из исключительно сложного движения отдельных молекул?

В XIX веке великий физик Джеймс Кларк Максвелл нашел ответ. И хотя поведение молекул газа не могло быть определено абсолютно точно, ученый утверждал, что наблюдаемые регулярности могут быть обусловлены их усредненным поведением. И Максвелл предложил использовать статистические методы для определения законов движения для газов:

Мельчайшая порция вещества, которую мы можем подвергнуть эксперименту, состоит из миллионов молекул, ни одна из которых индивидуально нами не ощущается. Мы не можем поэтому установить реальное движение ни одной из этих молекул; следовательно, мы вынуждены отказаться от прямого исторического метода и принять статистический метод для работы с большими группами молекул4.

Метод Максвелла и в самом деле оказался весьма успешным и позволил физикам объяснить основные свойства газа на основе усредненного поведения его молекул. Например, стало ясно, что давление газа – это сила, вызванная усредненным напором молекул5; оказалось также, что температура пропорциональна усредненной энергии движения молекул. Статистика и теория вероятности, теоретическая основа метода, развивались начиная еще с XVII века и уже были готовы к применению в теории газов. Объединение статистических методов с ньютоновской механикой привело к возникновению новой области науки, которая, соответственно, была названа статистической механикой; она и стала теоретической основой термодинамики – теории тепла.

Нелинейность

Итак, к концу XIX века ученые разработали два различных математических инструмента для моделирования естественных явлений – точный (детерминистские уравнения движения для простых систем) и уравнения термодинамики, основанные на статистическом анализе усредненных величин для сложных систем.

И хотя эти два подхода совершенно различны, есть у них и общая черта: они используют линейные уравнения. Ньютоновы уравнения движения носят весьма общий характер и применимы как для линейных, так и для нелинейных явлений; в действительности же нелинейные уравнения получаются гораздо чаще, можно сказать на каждом шагу. Однако, поскольку они обычно слишком сложны для решения и связаны с хаотической, на первый взгляд, природой соответствующих физических явлений – например, с турбулентными потоками воды и воздуха, – ученые, как правило, избегают изучения нелинейных систем6.

Поэтому, как только нелинейные уравнения появлялись, их тут же «линеаризовали», т. е. заменяли линейными приближениями. В результате, вместо того чтобы описывать явления во всей их сложности, уравнения классической науки имели дело с малыми колебаниями, неглубокими волнами, небольшими изменениями температуры и т. д. Как заметил Ян Стюарт, эта привычка укоренилась настолько, что многие уравнения линеаризировались уже в ходе составления, поэтому в учебники даже не включались полные нелинейные версии. И даже у большинства ученых и инженеров сложилось убеждение, что фактически все природные явления можно описать с помощью линейных уравнений. «Как мир был подобен заводным часам в XVIII столетии, так он стал линейным в XIX и большей части XX столетия»7.

Решительная перемена за последние три десятилетия выразилась в осознании того, что Природа, по выражению Стюарта, «безжалостно нелинейна». Нелинейные процессы преобладают в неодушевленном мире в гораздо более значительной степени, чем мы предполагали. Они также являются существенным аспектом сетевых паттернов живых систем. Теория динамических систем – первая математическая система, позволяющая ученым работать со всем диапазоном сложности этих нелинейных феноменов.

Исследования нелинейных систем за последние десятилетия оказали значительное влияние на науку в целом, поскольку заставили нас заново оценить некоторые фундаментальные представления о взаимоотношениях между математической моделью и теми феноменами, которые она описывает. Одно из таких представлений касается нашего понимания простоты и сложности.

Пребывая в мире линейных уравнений, мы думали, что системы, описываемые простыми уравнениями, отличаются простым поведением, в то время как описываемые сложными уравнениями ведут себя гораздо сложнее. В нелинейном мире – который, как мы начинаем обнаруживать, составляет львиную долю реального мира – простые детерминистские уравнения могут таить в себе неожиданное богатство и разнообразие поведения. С другой стороны, сложное и кажущееся хаотичным поведение может породить упорядоченные структуры, тонкие и изящные паттерны. В теории хаоса сам термин хаос приобрел новое, техническое значение. Поведение хаотических систем не просто беспорядочно: оно проявляет более глубокий уровень паттернового порядка. Как мы увидим ниже, новый математический аппарат позволяет рассмотреть эти глубинные паттерны в явных и отчетливых формах.

Еще одно важное свойство нелинейных уравнений, которое всегда смущало ученых, заключается в том, что точное предсказание часто бывает неосуществимо, даже если уравнения строго детерминированы. Эта поразительная особенность нелинейности обусловила важный сдвиг акцента от количественного анализа к качественному.

Обратная связь и итерации

Третье важное свойство нелинейных систем вытекает из частого возникновения в них процессов с усиливающей обратной связью. В линейных системах малые изменения производят малые эффекты, а значительные эффекты являются следствием либо больших изменений, либо суммы множества мелких изменений. В нелинейных системах, напротив, мелкие изменения могут вызвать драматический эффект, если они многократно усиливаются через обратную связь. Такие нелинейные процессы с обратной связью лежат в основе неустойчивости и внезапного появления новых форм порядка, столь характерных для самоорганизации.

Математически петля обратной связи соответствует особому типу нелинейного процесса, известному как итерация (латинское «повторение»); в этом процессе функция многократно применяется к себе самой. Например, если функция состоит в умножении переменной на 3, т. е. f(x) = Зх, то итерация заключается в многократном умножении. В математике это записывается так:

х → Зх

Зх → 9х

9х → 27х

и т. д.

Каждый из этих шагов называется отображением. Если мы представим себе переменную х в виде числовой оси, то операция х – > Зх отображает каждое число на другое число на этой же оси. В более общем случае отображение, состоящее в умножении х на постоянное число /с, записывается в виде:

х → kх .

Часто встречаемой в нелинейных системах итерацией, очень простой и в то же время производящей огромную сложность, является отображение:

х → kх(1 – х),

где переменная х ограничена значениями от 0 до 1. Это отображение, известное математикам как логистическое, имеет много важных приложений. Его, например, используют экологи для описания роста населения при противоположных тенденциях, и поэтому оно также известно как уравнение роста8.

Исследование итераций разнообразных логистических отображений представляет собой увлекательное упражнение, которое можно легко осуществить с помощью карманного калькулятора9. Чтобы понять существенную особенность этих итераций, снова выберем значение k=3:

х → Зх(1 – х).

Переменную х можно представить в виде участка оси от 0 до 1, тогда очень просто вычислить отображения для нескольких точек, например

→ 0(1 – 0) =0

0.2 → 0.6 (1 – 0.2) = 0.48

0.4 → 1.2 (1 – 0.4) = 0.72

0.6 → 1.8 (1-0.6) = 0.72

0.8 → 2.4 (1 – 0.8) = 0.48

→ 3(1-1) =0.

Отметив эти числа на двух участках оси, можно увидеть, что величины от 0 до 0,5 отображаются числами от 0 до 0,75. Таким образом, 0,2 превращается в 0,48, а 0,4 становится 0,72. Числа от 0,5 до 1 отображаются на том же участке, но в обратном порядке. Так, 0,6 превращается в 0,72, а 0,8 становится 0,48. Общий эффект показан на рис. 6-6. Отображение растягивает отрезок от 0 до 1,5, а затем снова сворачивает его так, что значения пробегают от 0 до 0,75 и обратно.

Итерация этого отображения выльется в повторяющееся растягивание и сворачивание операций подобно тому, как пекарь вновь и вновь месит тесто, сворачивая и растягивая его. Эту итерацию очень удачно назвали преобразованием пекаря. По мере того как происходит растягивание и сжимание, соседние точки на отрезке будут все дальше и дальше расходиться, и предсказать, где окажется определенная точка после множества итераций, становится невозможно.

Даже самые мощные компьютеры округляют свои вычисления, ограничивая количество цифр после точки; и после большого количества итераций даже мелкие погрешности округления складываются в значительную неопределенность, исключая любые предсказания. 11реобра-зование пекаря есть прототип нелинейных сверхсложных непредсказуемых процессов, обозначаемых специальным термином «хаос».

Пуанкаре и следы хаоса

Теория динамических систем – математическая теория, позволившая внести порядок в хаос, – была разработана совсем недавно, однако ее основы были заложены в начале XX века одним из величайших математиков нового времени Анри Пуанкаре. Среди математиков своего века Пуанкаре был последним великим эрудитом. Ученый внес весомый вклад фактически во все разделы математики. Собрание его сочинений исчисляется несколькими сотнями томов.

В конце XX века нам не трудно оценивать достижения Пуанкаре: важнейшее из них состояло в том, что он вернул в математику визуальные образы10. Начиная с XVII века, стиль европейской математики постепенно смещался от геометрии (математики визуальных форм) к алгебре (математике формул). Так, например, Лаплас, один из великих формализаторов, гордился тем, что в его «Аналитической механике» нет ни одного рисунка. Пуанкаре развернул тенденцию в обратном направлении, ослабляя засилье анализа и формул, становившееся все более гнетущим, и возвращаясь к визуальным паттернам.

Визуальная математика Пуанкаре, однако, не равнозначна геометрии Евклида. Это геометрия нового типа, математика паттернов и взаимоотношений, известная как топология. Топология – это геометрия, в которой все длины, углы и площади могут деформироваться как угодно. Так, треугольник может быть постепенно трансформирован в прямоугольник, прямоугольник – в квадрат, квадрат – в окружность. Точно так же куб может превратиться в цилиндр, цилиндр – в конус, конус – в сферу. Благодаря этим непрерывным преобразованиям топологию часто называют «резиновой геометрией». Все фигуры, которые могут быть преобразованы друг в друга посредством непрерывного сгибания, растягивания и кручения, называются топологически эквивалентными.

Тем не менее не все можно осуществить через топологическую трансформацию. Фактически топология занимается как раз теми свойствами геометрических фигур, которые не изменяются при их трансформации. Пересечения линий, например, остаются пересечениями, а отверстие в торе (бублике) нельзя трансформировать так, чтобы оно пропало. Таким образом, бублик может быть топологически трансформирован в кофейную чашечку (отверстие превратится в отверстие ручки), но никак не в блин. Тогда топология оказывается действительно математикой взаимоотношений, неизменяемых, или инвариантных, паттернов.

Пуанкаре использовал топологическую концепцию для анализа качественных особенностей сложных динамических проблем – и тем самым заложил основы математики сложных систем, которая сформировалась лишь столетие спустя. Среди проблем, проанализированных Пуанкаре, была знаменитая проблема трех тел в небесной механике (относительное движение трех тел под влиянием их взаимного гравитационного притяжения), которую прежде никому не удавалось решить1'. Применив свой топологический метод к слегка упрощенной проблеме трех тел, Пуанкаре смог определить общую форму их траекторий, и нашел, что она отличается устрашающей сложностью:

Когда пытаешься представить фигуру, образуемую этими двумя кривыми и бесконечными их пересечениями... обнаруживаешь некую сеть, паутину, или бесконечно густую решетку; ни одна из этих кривых никогда не может пересечь саму себя, но должна загибаться очень сложным образом, чтобы пересечь нити паутины бесконечно много раз. Поражает сложность этой фигуры, которую я даже не пытаюсь нарисовать12.

То, что Пуанкаре изображал в уме, теперь называется странным аттрактором. По словам Яна Стюарта, «Пуанкаре видел отпечатки ступней хаоса»12. Показав, что простые детерминированные уравнения движения могут порождать невообразимую сложность, не поддающуюся никаким попыткам предсказания, Пуанкаре бросил вызов самим основам ньютоновской механики. Однако по очередной причуде истории, ученые начала века не приняли этот вызов. Через несколько лет после того, как Пуанкаре опубликовал свою работу по проблеме трех тел, Макс Планк открыл энергетические кванты, а Альберт Эйнштейн опубликовал свою специальную теорию относительности14. В течение второй половины века физики и математики были зачарованы революционными открытиями в квантовой физике, теории относительности, а важнейшее открытие Пуанкаре отошло на задний план. Так продолжалось до 60-х годов, когда ученые вновь столкнулись со сложностями хаоса.

Траектории в абстрактных пространствах

Математический аппарат, позволивший ученым в течение трех последних десятилетий обнаружить упорядоченные паттерны в хаотических системах, основан на топологическом подходе Пуанкаре и тесно связан с развитием компьютеров. С помощью современных высокоскоростных компьютеров ученые могут решать нелинейные уравнения такими методами, которые ранее были недоступны; легко могут вычерчивать сложные траектории, которые Пуанкаре даже не пытался изобразить.

Как большинство читателей помнят со школьной скамьи, уравнение решают посредством различных манипуляций с ним, пока не получают окончательную формулу – решение. Оно и называется «аналитическим» решением уравнения. Результатом всегда является формула. Большинство нелинейных уравнений, описывающих естественные явления, слишком сложны для того, чтобы их можно было решить аналитически. Однако есть еще один способ – так называемое «численное» решение уравнения. Оно включает в себя метод проб и ошибок. Вы пробуете разнообразные комбинации чисел для переменных, пока не найдете те, которые удовлетворяют уравнению. Была разработана специальная техника и специфические приемы для эффективного решения этой задачи, но для большинства уравнений подобный процесс оказывается слишком громоздким, занимает много времени и дает очень грубые, приблизительные решения.

Ситуация изменилась с появлением нового поколения компьютеров. Теперь у нас есть программы для исключительно быстрого и точного численного решения уравнений. Применяя новые методы, мы можем решать нелинейные уравнения с любой степенью точности. Тем не менее это решения совершенно иного плана. Результатом становится не формула, а огромное множество значений переменных, удовлетворяющих уравнению, и компьютер можно запрограммировать так, чтобы он графически вычерчивал решение в виде кривой или множества кривых. Такая технология позволила ученым решить сложные нелинейные уравнения, связанные с хаотическими феноменами, и обнаружить порядок в кажущемся хаосе.

Для того чтобы обнаружить эти упорядоченные паттерны, переменные сложной системы отображаются в абстрактном математическом пространстве – так называемом фазовом пространстве. Эта хорошо известная методика была разработана в термодинамике еще в начале века15. Каждой переменной в системе ставится в соответствие одна из координат абстрактного пространства. Проиллюстрируем это очень простым примером: шариком, раскачивающимся на маятнике. Чтобы полностью описать движение маятника, требуются две переменные: угол, который может быть положительным либо отрицательным, и скорость, которая также может быть положительной или отрицательной, в зависимости от направления отклонения маятника. С помощью этих двух переменных, угла и скорости, можно полностью описать состояние движения маятника в любой момент времени.

Рис. 6-7. Двухмерное фазовое пространство маятника

Если теперь мы начертим декартову систему координат, в которой одна ось соответствует углу, а другая – скорости (рис. 6-7), эта система координат представит двухмерное пространство, в котором каждая определенная точка соответствует возможному состоянию движения маятника. Посмотрим, где располагаются эти точки. В состоянии крайнего отклонения скорость равна нулю. Это дает нам две точки на горизонтальной оси. В центре, где угол равен нулю, скорость максимальна и либо положительна (когда маятник движется, например, вправо), либо отрицательна (когда маятник движется в противоположном направлении). Это дает нам две точки на вертикальной оси. Эти четыре точки в фазовом пространстве, которые мы обозначили на рис. 6-7, отражают крайние состояния маятника – максимальное отклонение и максимальную скорость. Точное расположение этих точек будет зависеть от выбранных нами единиц измерения.

Если мы продолжим наблюдения и отметим точки, соответствующие состояниям движения между крайними положениями, то обнаружим, что они лежат на замкнутой петле. Можно превратить петлю в окружность, должным образом выбрав единицы измерения, но, в общем случае, это будет нечто вроде эллипса (рис. 6-8).

Рис. 6-8. Траектория маятника в фазовом пространстве

Эта кривая называется траекторией маятника в фазовом пространстве и полностью описывает движение системы. Все переменные системы (в нашем простом случае – две) представлены единственной точкой, всегда расположенной где-то на этой кривой. С каждым полным циклом качания маятника точка в фазовом пространстве будет описывать петлю.

В любой момент мы можем измерить две координаты точки в фазовом пространстве и таким образом узнать точное состояние системы (угол и скорость). Заметим, что эта кривая никоим образом не является траекторией самого маятника. Это кривая, образованная двумя переменными системы в абстрактном математическом пространстве.

В этом и заключается методика фазового пространства. Переменные данной системы изображаются в абстрактном пространстве, причем одна точка описывает всю систему. По мере того как система изменяет свое состояние, точка вычерчивает в фазовом пространстве траекторию – в нашем случае замкнутую кривую. Когда система является не простым маятником, а гораздо более сложной структурой, у нее, соответственно, больше переменных, но метод остается прежним. Каждая переменная представлена координатой в отдельном измерении фазового пространства. Если в системе 16 переменных, мы получим 16-мерное пространство. Одна точка в этом пространстве будет полностью описывать состояние всей системы, поскольку эта точка имеет 16 координат, каждая из которых соответствует одной из 16 переменных системы.

Скорость

Рис. 6-9. Траектория маятника с трением в фазовом пространстве

Безусловно, мы не можем визуально воспринять фазовое пространство с 16 измерениями; потому его и называют абстрактным математическим пространством. Математики не испытывают никаких проблем с такими абстракциями. Они вполне комфортно чувствуют себя в пространствах, которые нельзя визуализировать. В любом случае, по мере изменения системы точка, определяющая ее состояние в фазовом пространстве, будет двигаться по этому пространству, вычерчивая некую траекторию. Различные начальные состояния системы соответствуют различным начальным точкам в фазовом пространстве, что, в общем случае, обусловливает различные траектории.

Странные аттракторы

Теперь вернемся к нашему маятнику и отметим, что это был идеализированный маятник без трения, раскачивающийся вправо-влево в бесконечном движении. Это типичный пример классической физики, где трением, как правило, пренебрегают. Реальный маятник всегда подвержен некоторому трению, замедляющему его ход, поэтому рано или поздно он остановится. В двухмерном фазовом пространстве это движение отображено кривой, закручивающейся к центру, как показано на рис. 6-9. Эта траектория называется аттрактором, поскольку математики говорят, что, в метафорическом смысле, фиксированная точка в центре системы координат притягивает (англ. «attract») эту траекторию. Метафору распространили и на замкнутые петли, подобные той, что представляет маятник без трения. Траектория в виде замкнутой петли получила название периодического аттрактора, в то время как траектория, закручивающаяся к центру, называется точечным аттрактором.

В течение последующих двадцати лет метод фазового пространства использовался для исследования множества сложных систем. Каждый раз ученые и математики составляют нелинейные уравнения, решают их численными методами, а компьютеры вычерчивают решения в виде траекторий в фазовом пространстве. К своему великому удивлению, исследователи обнаружили, что число различных аттракторов весьма ограничено. Их формы можно классифицировать топологически, а общие динамические свойства системы – вывести из формы ее аттрактора.

Существует три основных типа аттракторов: точечные, соответствующие системам, которые достигают устойчивого равновесия; периодические, соответствующие периодическим колебаниям; и так называемые странные аттракторы, соответствующие хаотическим системам. Типичный пример системы со странным аттрактором представляет собой «хаотический маятник», впервые исследованный японским математиком Йошисуке Уэда в конце 1970-х годов. Это нелинейная электронная схема с внешним питанием, относительно простая, но с исключительно сложным поведением16. Каждое колебание этого хаотического генератора колебаний уникально. Система никогда не повторяет себя, и каждый цикл открывает новую область фазового пространства. Тем не менее, несмотря на кажущуюся неустойчивость движения, точки в фазовом пространстве расположены отнюдь не беспорядочно. Вместе они формируют сложный высокоорганизованный паттерн – странный аттрактор, который теперь носит имя Уэда.

Рис. 6-10. Аттрактор Уэда. Из Ueda et al. (1993)

Аттрактор Уэда – это траектория в двухмерном фазовом пространстве, которая образует почти повторяющие друг друга паттерны. Это типичная особенность хаотических систем. Изображение на рис. 6-10 содержит более 1 000 000 точек. Ее можно представить в виде среза куска теста, который многократно растягивали и сворачивали. Это означает, что в основе аттрактора Уэда лежит математика преобразования пекаря.

Одно удивительное свойство странных аттракторов заключается в том, что они, как правило, ограничены малым числом измерений – даже в многомерном фазовом пространстве. Например, система может содержать 50 переменных, но ее движение при этом описывается трехмерным странным аттрактором – свернутой поверхностью в 50-мерном пространстве. Это, естественно, характеризует высокую степень порядка.

Таким образом, хаотичное поведение – в современном научном понимании этого термина – разительно отличается от беспорядочного, неустойчивого движения. С помощью странных аттракторов можно определить различие между обычной беспорядочностью, или шумом, и хаосом. Хаотичное поведение детерминировано и образует паттерны, а странные аттракторы позволяют преобразовывать на первый взгляд случайные данные в отчетливые визуальные формы.

«Эффект бабочки»

Как мы видели на примере преобразования пекаря, для хаотических систем характерна чрезвычайная чувствительность к начальным условиям. Мельчайшие изменения в начальном состоянии системы со временем приводят к крупномасштабным последствиям. В теории хаоса это называется «эффектом бабочки». Основой для названия послужило полушутливое утверждение, что бабочка, всколыхнув сегодня воздух в Пекине, может через месяц оказаться причиной бури в Нью-Йорке. Эффект бабочки был открыт в начале 1960-х годов метеорологом Эдвардом Лоренцом, разработавшим очень простую модель погодных условий, состоящую из трех связанных нелинейных уравнений. Он обнаружил, что решения его уравнений чрезвычайно чувствительны к начальным состояниям. Начинаясь практически в одной точке, две траектории будут развиваться совершенно по-разному, исключая возможность каких бы то ни было заблаговременных предсказаний17.

Это открытие привело в замешательство все мировое научное сообщество, поскольку ученые давно привыкли полагаться на детерминированные уравнения для предсказания с большой точностью таких феноменов, как солнечные затмения или появление комет. Казалось непостижимым, что четко детерминированные уравнения движения могут привести к непредсказуемым результатам. И все же именно это обнаружил Лоренц. По его собственным словам:

Обычный человек, видя, что мы достаточно эффективно предсказываем приливы на несколько месяцев вперед, спросит, почему мы не можем проделать то же самое в отношении атмосферы. Ведь это всего лишь другая система потоков и ее законы не более сложны. Но я понял, что любая физическая система, не проявляющая периодичности в поведении, непредсказуема18.

Модель Лоренца не представляет какого-то реального феномена погоды, но служит поразительным примером того, как простой набор нелинейных уравнений может привести к крайне сложному поведению.

Публикация этой модели в 1963 году знаменовала зарождение теории хаоса, и аттрактор, известный с тех пор как аттрактор Лоренца, стал самым известным и широко изучаемым из странных аттракторов. В то время как аттрактор Уэда двухмерен, аттрактор Лоренца расположен в трех измерениях (рис. 6-11). Вычерчивая его, точка в фазовом пространстве движется по видимости случайным образом и описывает несколько колебаний нарастающей амплитуды вокруг одного центра, затем следуют колебания вокруг второго центра, потом она внезапно возвращается и осциллирует вокруг первого центра и т. д.

Рис. 6-11. Аттрактор Лоренца. Из Mosekilde et al. (1994)

От количества к качеству

Невозможность предсказать, какую точку в фазовом пространстве пересечет траектория аттрактора Лоренца в определенный момент времени, являет собой общую для хаотических систем особенность. Однако это вовсе не означает, что теория хаоса не дает оснований никаким предсказаниям. Возможны чрезвычайно точные прогнозы относительно качественных особенностей поведения системы, а не точных значений ее переменных в определенный момент времени. Новая математика, таким образом, представляет сдвиг от количества к качеству, что характерно Для системного мышления вообще. В то время как традиционная математика имеет дело с количествами и формулами, теория динамических систем связана с качеством и паттерном.

Действительно, анализ нелинейных систем с помощью топологических характеристик их аттракторов известен как количественный анализ. У нелинейной системы может быть несколько аттракторов разных типов, как хаотичных, или «странных», так и нехаотичных. Все траектории, начинающиеся в определенной области фазового пространства, рано или поздно приводят к одному и тому же аттрактору. Эта область называется сферой притяжения данного аттрактора. Таким образом, фазовое пространство нелинейной системы разбивается на несколько сфер притяжения, каждой из которых соответствует ее отдельный аттрактор.

Количественный анализ динамической системы сводится к определению аттракторов системы и сфер их притяжения, а также классификации их в рамках топологических характеристик. Результатом является динамическая картина всей системы, называемая фазовым портретом. Математические методы анализа фазовых портретов основаны на новаторских трудах Пуанкаре; впоследствии они были развиты и усовершенствованы американским топологом Стивеном Смейлом в начале 60-х19. Смейл использовал свой метод не только для анализа систем, представленных определенным набором нелинейных уравнений, но также для изучения того, как ведут себя эти системы при небольших изменениях в их уравнениях. По мере того как параметры уравнений медленно меняются, фазовый портрет – т. е. формы его аттракторов и сферы притяжения – как правило, претерпевает соответствующие плавные изменения, не изменяя своих основных характеристик. Смейл использовал термин «структурно устойчивый» для описания таких систем, в которых небольшие отклонения в уравнениях не изменяют основного характера фазового портрета.

Во многих нелинейных системах, однако, малые изменения в определенных параметрах могут обусловить серьезные изменения основных характеристик фазового портрета. Аттракторы могут исчезнуть или превратиться из одного в другой, могут также внезапно появиться новые аттракторы. Говорят, что такие системы структурно неустойчивы, и критические точки неустойчивости называют точками бифуркации («разветвления»), поскольку в эволюции системы именно в этих местах внезапно появляется «вилка», и система отклоняется в том или ином новом направлении. В математическом смысле, точки бифуркации отмечают внезапные изменения фазового портрета системы. В физическом смысле, они соответствуют точкам неустойчивости, в которых система резко изменяется, и неожиданно появляются новые формы упорядоченности. Как показал Пригожий, такие неустойчивости случаются только в открытых системах, далеких от равновесия20.