58 votos

¿Este Fractal tiene un nombre?

enter image description here

Tenía curiosidad por saber si este fractal(?) se denomina/famosas, o es sólo otro fractal?

Yo estaba jugando con la idea de aleatoriedad con restricciones y el fractal se genera de la siguiente manera:

  1. Dibujar un punto en el centro de un cuadrado.
  2. Escoger al azar a dos esquinas de la plaza y calcular su centro.
  3. Calcular el centro de la última dibujado punto y este punto central de las esquinas.
  4. Dibujar un nuevo punto en esta ubicación.

No estoy seguro si esto va a ayudar, porque acabo de hacer estas reglas, mientras que en la ducha, pero lo siento no tenemos más información o una ecuación.

Gracias.

55voto

Mark McClure Puntos 14421

La imagen puede ser generada utilizando un promedio ponderado de iterada de la función del sistema o IFS. Específicamente, vamos a \begin{align} f_0(x,y) &= (x/2,y/2), \\ f_1(x,y) &= (x/2+1,y/2), \\ f_2(x,y) &= (x/2,y/2+1), \\ f_3(x,y) &= (x/2-1,y/2), \text{ and } \\ f_4(x,y) &= (x/2,y/2-1). \end{align} Deje $(x_0,y_0)$ ser el origen y definen $(x_n,y_n)$ por un azar, procedimiento recursivo: $$(x_n,y_n) = f_i(x_{n-1},y_{n-1}),$$ donde $i$ es seleccionado al azar de $(0,1,2,3,4)$ con probabilidades $p_0=1/3$$p_i=1/6$$i=1,2,3,4$.

Si repetimos el procedimiento $100,000$ de las veces, nos genera la siguiente imagen: enter image description here

Esta imagen es la de un cuadrado sólido, pero los puntos no están uniformemente distribuidos a lo largo de ese cuadrado. Técnicamente, este ejemplo ilustra una auto-similar medida en la plaza.

Para ser un poco más claro, un invariante de un IFS es un conjunto compacto $E\subset\mathbb R^2$ tal que $$E = \bigcup_{i=0}^4 f_i(E).$$ Es bastante fácil ver que el cuadrado con vértices en los puntos $(-2,0)$, $(0,-2)$, $(2,0)$, y $(0,2)$ es un conjunto invariante para este IFS. Se puede demostrar que un IFS de las contracciones siempre tiene un único invariante conjunto; por lo tanto, esta plaza es el único invariante se establece para este IFS.

Vamos a llamar a esta plaza,$E$, en honor a su estatus como un conjunto invariante. Se puede obtener un determinista de la comprensión de la distribución de puntos en $E$ por pensar en términos de una distribución de masas en la plaza (técnicamente, una medida). Comience con una uniforme distribución de la masa en toda la plaza. Generar una segunda distribución de la masa en $E$ mediante la distribución de $1/3$ de la masa de a $f_0(E)$ $1/6$ de la masa para cada uno de $f_i(E)$$i=1,2,3,4$. Podemos repetir este procedimiento. El paso de la distribución original a la siguiente y la siguiente podría verse así:

enter image description here

La evolución de los primeros 8 pasos parece

enter image description here

31voto

lowglider Puntos 562

Como otros han señalado, lo que usted describe es un iterada de la función del sistema — específicamente, un sistema de afín a la contracción de los mapas — que es una forma común de la construcción de la auto-similar fractales. En particular, puede ser escrito como un sistema que consta de los siguientes cinco mapas:

\begin{aligned} (x,y) &\mapsto \tfrac12 (x,y) \\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(0,1)\\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(0,-1) \\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(1,0) \\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(-1,0) \\ \end{aligned}

donde me he tomado el centro de la plaza para estar en el origen, y sus esquinas a ser a $(\pm 1, \pm 1)$.

Escrito como este, de hecho, puede usted ver que cada uno de estos mapas se representa tomando el promedio de la actual punto de $(x,y)$ y algunos fijos punto de destino. El primer mapa (donde el punto de destino es simplemente el origen) surge cuando las dos esquinas que usted elija en el paso 2 son opuestos, y es por lo tanto el doble de probabilidades de ser elegido en su estudio aleatorizado de iteración como los otros cuatro mapas, cada uno de los cuales los resultados de picking en dos esquinas que son adyacentes el uno al otro.


La primera, la pregunta obvia es, entonces, lo que el conjunto fijo de su iterada de la función de sistema (es decir, la única no-vacío compacto $S \subset \mathbb R^2$ tales que la aplicación de cada uno de sus afín mapas a $S$ y tomando la unión de los resultados de los rendimientos de la misma set$S$). Este conjunto fijo es el cierre del límite establecido obtenidos por infinitamente iteración de la función del sistema desde cualquier punto de partida, y por lo tanto, en cierto sentido, representa "el" límite de la forma obtenida por la iteración de su sistema.

Por desgracia, para el sistema, la respuesta es aburrido: el conjunto fijo es simplemente un (inclinado) el cuadrado con las esquinas en la parte superior, a la derecha, la izquierda y la parte inferior de la plaza exterior (es decir, a $(0,\pm1)$ $(\pm1,0)$ en la parametrización de la que he usado anteriormente).

La manera fácil de ver que es observar que los últimos cuatro mapas en el mapa del sistema de esta plaza en cuatro cuadrados más pequeños que, precisamente, el azulejo de la original de la plaza (y el primer mapa que sólo produce un cuadrado que forma redundante se superpone con las otras cuatro). Otro, más rigurosa es mostrar que cualquier punto dentro de esta plaza (y sólo dentro de esta plaza!) puede ser abordado de manera arbitraria cerca de cualquier punto de partida por la iteración de los mapas dado anteriormente en un orden adecuado.

Para esto, se ayuda a rotar, escalar y traducir las coordenadas para que el fijo de la plaza (con esquinas en$(0,\pm1)$$(\pm1,0)$) se asigna a la unidad de la plaza (con esquinas en $x,y \in \{0,1\}$). Con esta transformación de coordenadas, los mapas dado anterior se convierte en:

\begin{aligned} (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(\tfrac12, \tfrac12)\\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(0,0)\\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(0,1) \\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(1,0) \\ (x,y) &\mapsto \tfrac12 (x,y) + \tfrac12(1,1) \\ \end{aligned}

Podemos entonces interpretar los últimos cuatro mapas como un cambio en la representación binaria de las coordenadas $x$ $y$ a la derecha por un lugar, y el establecimiento de los primeros dígitos binarios después de la radix punto a una de las cuatro combinaciones posibles. Por lo tanto, a partir del origen (que podemos enfoque arbitrariamente cerca de cualquier punto de partida sólo por iteración en el segundo mapa de arriba), podemos llegar a cualquier punto con diádica racional coordenadas — es decir, las coordenadas cuya representación binaria termina — dentro de la unidad cuadrada con un número finito de pasos. Desde el diádica racionales son densos en la plaza de la unidad, de cualquier punto dentro de la plaza puede ser abordado de manera arbitraria estrechamente en este camino.

(Para la integridad, debemos también mostrar que ningún punto fuera de la unidad de la plaza puede ser un límite de la iteración de estos mapas. Una manera sencilla de hacerlo es mostrar que si el punto de $(x,y)$ se encuentra fuera de la unidad de square — es decir, de $x$ $y$ es negativo o mayor que $1$ — a continuación, la aplicación de cualquiera de estos mapas se mueve más cerca de la unidad de la plaza.)


Por lo tanto, si el límite de la iteración de su sistema es simplemente un cuadrado, ¿por qué estás viendo todas las que interesante fractal-en busca de la estructura, entonces?

La razón por la que es redundante primer mapa (el que acaba de tira de cada punto más cercano a la centro de la plaza), que hace que algunos puntos de la plaza para ser más propensos que otros a ocurrir durante la iteración. Por lo tanto, el invariante de la medida de su iterada de la función del sistema no será el uniforme de medida a lo largo de la plaza (como se obtendría si se quita el primer mapa del sistema). Más bien, se termina buscando como este (girado 45°, como en mi transformado sistema anterior):

$\hspace{64px}$Invariant measure

La imagen de arriba es una discretizado aproximación de la medida invariante, con la oscuridad de cada píxel de ser proporcional a la probabilidad de que el azar iterada punto de aterrizaje en ese píxel. Obtuve esta imagen simplemente iniciando con el uniforme de la medida en la unidad de la plaza, y en varias ocasiones la suma de escala y copias traducidas de la misma. Específicamente, he utilizado el siguiente código en Python para hacer esto:

import numpy as np
import scipy.ndimage
import scipy.misc

d = 9          # log2(image size)
s = 2**d / 4   # number of pixels to shift first map by
a = np.ones((2**d, 2**d))

# iteration should converge in about d steps; run for 2*d to make sure
for i in range(2*d):
    b = scipy.ndimage.zoom(a, 0.5, order=1) * (4/6.0)
    a = np.tile(b, (2, 2))  # last four maps just tile the square
    a[s:3*s, s:3*s] += 2*b  # add first map (twice, since it has higher weight)

scipy.misc.imsave('measure.png', -a)  # negate to invert colors

Por supuesto, tenga en cuenta que esto es sólo una aproximación real de la invariante de la medida, que parecen ser singular.

(Si alguien puede caracterizar a esta medida de forma más explícita, me gustaría mucho que ver; la aproximación numérica es sugerente, pero en realidad no dicen mucho acerca de lo que realmente sucede en el límite.)


Por CIERTO, existen reales fractales que se asemejan a su iterada de la función del sistema. Por ejemplo, el siguiente sistema:

\begin{aligned} (x,y) &\mapsto \tfrac13 (x,y) \\ (x,y) &\mapsto \tfrac13 (x,y) + \tfrac23(0,1)\\ (x,y) &\mapsto \tfrac13 (x,y) + \tfrac23(0,-1) \\ (x,y) &\mapsto \tfrac13 (x,y) + \tfrac23(1,0) \\ (x,y) &\mapsto \tfrac13 (x,y) + \tfrac23(-1,0) \\ \end{aligned}

lo que difiere de su original sistema, simplemente por el peso de los fijos puntos de esquina por dos veces como mucho en el medio, genera la Vicsek fractal como su conjunto fijo (de nuevo, se muestra girado 45° abajo):

$\hspace{200px}$Vicsek fractal

El Sierpiński que llena el espacio de la curva también tiene cierto parecido a su sistema: también tiene toda la plaza como su límite, pero en las etapas intermedias de la construcción muestran una similar fractal-como la estructura.

6voto

zyx Puntos 20965

Este es un "iterada de la función de sistema" o IFS, con $5$ funciones lineales y sus probabilidades correspondientes a los puntos medios de las $6$ igualmente probables opciones de pares de las esquinas de la plaza (los dos pares de las esquinas diagonalmente opuestas de plomo para la misma función). La foto es del atractor o invariante en la medida de que los fondos de inversión. Por tanto, la imagen fractal, probablemente no tiene un nombre, pero hay un nombre para el proceso por el que fue generada.

https://en.wikipedia.org/wiki/Iterated_function_system
https://en.wikipedia.org/wiki/Chaos_game

El gráfico se ve curiosamente similar a la imagen de la libre grupo en $2$ generadores.

https://en.wikipedia.org/wiki/Cayley_graph#/media/File:Cayley_graph_of_F2.svg

4voto

mcw0933 Puntos 113

Para describir mejor su distribución, voy a rotar y escalar de manera que el original de la plaza, tiene las esquinas $(0, \pm 2)$, $(\pm 2, 0)$. Deje $x_n$ ser el punto de la $n$-ésima iteración ($x_0 = (0, 0)$). Luego tenemos a $x_{n+1} = \frac{1}{2}(x_n + a_n)$ donde $a_n$ es una muestra aleatoria del conjunto múltiple $\{(0, 0), (0, 0), (+1, +1), (+1, -1), (-1, +1), (-1, -1)\}$.

Es entonces un simple ejercicio de inducción para demostrar que $x_n$ es $(0, 0)$ o de la forma $\frac{1}{2^m}(a, b)$ donde $m \leq n$, y $a$, $b$ son impares enteros con valor absoluto por debajo de $2^m$. En otras palabras, las coordenadas son diádica, con el mínimo común denominador, y dentro de la unidad de la plaza.

Una más que interesante ejercicio es mostrar que este es exactamente el apoyo de nuestra distribución.

De hecho, si nos limitamos a $a_n \neq (0, 0)$, cada coordinar con el mínimo común denominador $2^m$ puede ser alcanzado en exactamente un camino después de $m$ iteraciones (lo que daría una distribución uniforme en el apoyo, que converge a una distribución uniforme sobre la unidad de la plaza). Sugerencia: Trabajar hacia atrás a partir de $x_m$$x_0 = (0, 0)$.

Volviendo a nuestra situación original, después de la resolución de $x_n$: $$ x_n = \sum_{k=0}^{n-1} 2^{k-n} a_k, $$ podemos fácilmente calcular, aproximada y un bosquejo de su distribución.

De hecho, denotando por $\alpha$ la distribución de los $a_k$ y $\xi_n$ la distribución de los $x_n$, la ecuación anterior significa $$ \xi_n = \sum_{k=1}^n 2^{-k}\alpha, $$ donde la suma de las distribuciones representa la distribución de la suma de variables independientes.

Desde que llegamos a la propiedad esencial $$ \xi_{m+n} = \xi_m + 2^{-m}\xi_n.$$

Esta propiedad es útil en varios sentidos. Por ejemplo, podemos calcular iterativamente/croquis $\xi_8$$\xi_4$. También, se muestra que la $\xi_m$ aproxima $\xi_n$ arbitrariamente grande, $n$ precisión $2^{-m}$.

Por último, se muestra que la limitación de la distribución satisface $$ \xi = \alpha + \frac{1}{2}\xi, $$ lo que la caracteriza como la auto-similar con base patrón de $\alpha$.


Nota: el argumento original no es exactamente el resultado de forma independiente de muestreo de $\xi_n$, pero el camino de $x_N$ para algunos un gran $N$. Sin embargo, el resultado es casi el mismo.

De hecho, después de las primeras muestras, cada punto de distribución se aproxima a $\xi$, y, a partir de la ecuación de $x_n$, podemos ver que sólo el más reciente de los términos son relevantes, lo que significa que las muestras será de aproximadamente independiente a menos que estén muy cerca.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X