洛伦兹吸引子混沌可视化：1e-5 初值差，5 分钟快速跑通

洛伦兹吸引子混沌可视化1e-5 初值差5 分钟快速跑通【免费下载链接】videosCode for the manim-generated scenes used in 3blue1brown videos项目地址: https://gitcode.com/GitHub_Trending/vi/videosGitHub_Trending/vi/videos 项目的 _2024/manim_demo/lorenz.py 模块用不到百行代码完成了洛伦兹吸引子的混沌可视化 Manim 动画10 条几乎重合的轨迹随时间逐渐散开。这是蝴蝶效应最直观的一次代码实现。先看到什么跑完场景相机绕着三维坐标系缓缓转左上角写出三个微分方程接着十个深浅不同的蓝色光点出发各自拖着一条轨迹。相机不是静止的它带了一个 updater随时间缓慢自转所以你能从侧面看到翅膀的厚度。头几秒十条线几乎贴在一起——初始条件的差别只有 z 方向的 1e-5。十条线选得这么密是为了让几乎相同这个前提无可辩驳。再过十几秒线条开始各自转弯一捆线散成十种不同形状的轨迹像蝴蝶翅膀那样交织。整个过程没有任何随机因素。这是纯确定性方程分歧来自系统本身。十条轨迹也不是现成画好的代码先把数值解全部算出来动画里再用ShowCreation按真实时间比例画出来十个光点始终停在每条线的最前端。如何安装依赖并渲染第一帧先克隆仓库并装好依赖。Manim 是数学动画引擎scipy 负责数值求解git clone https://gitcode.com/GitHub_Trending/vi/videos cd videos pip install manim scipy numpy然后在项目根目录执行manim -pql _2024/manim_demo/lorenz.py LorenzAttractor-p渲染完成后自动播放-ql低分辨率、低帧率速度快适合调试想看清细节可换成-qh高质量或-4k4K 分辨率渲染好的视频在media目录里。完整视频约 30 多秒ShowCreation的时长被设成 30和演化时间一一对应。第一次稍慢因为要先完整积分十条 ODE 轨迹。为什么几乎相同的十条线最终会散开一句话这是初始条件的敏感依赖。洛伦兹方程组由气象学家 Lorenz 在 1963 年研究大气对流时提出Python 实现只有 6 行def lorenz_system(t, state, sigma10, rho28, beta8 / 3): x, y, z state dxdt sigma * (y - x) dydt x * (rho - z) - y dzdt x * y - beta * z return [dxdt, dydt, dzdt]当 ρ≈28 时系统进入混沌区轨迹有界绕着两个翅膀转这种几何结构叫吸引子但从不重复。1e-5 的起点差被指数级放大30 秒后两条线完全不同。换句话说误差哪怕再小只要落在吸引子上时间一长都会被放大到不可忽略。数值上靠 SciPy 的solve_ivp求解。方程组没有闭式解只能取小步长反复积分def ode_solution_points(function, state0, time, dt0.01): solution solve_ivp( function, t_span(0, time), y0state0, t_evalnp.arange(0, time, dt) ) return solution.y.Tt_eval按 dt0.01 取到 30 秒共约 3000 个采样点。返回数组形状为 (点数, 3)场景代码用axes.c2p映射到屏幕坐标再用set_points_smoothly画出平滑折线。 动手试试改 1 个参数看系统从混沌变有序这个场景的关键是扰动初始条件的构造epsilon 1e-5 states [[10, 10, 10 n * epsilon] for n in range(10)]最值得先改的是函数签名里的rho28改成rho5后轨迹不再扑翼而是逐渐衰减、最后停在原点附近。这正是系统从混沌回到有序的过程直接说明混沌存在参数门槛。还可以顺手试两个把epsilon改成1e-3十条线更早分开能看到扰动越大、分叉越快把evolution_time 30改成60轨迹多绕几圈翅膀线条间的差别更细把这段短模块拷到自己的脚本里改即可不用动仓库文件。下一步可以做什么把参数换成 Rössler 吸引子三个方程、只有一个非线性项看另一种单翼的混沌形态只画 x-y 平面投影看二维里的蝴蝶翅膀结构读 CLAUDE.md 熟悉仓库的场景开发流程再按这个仓库的动画风格加一个自己的吸引子【免费下载链接】videosCode for the manim-generated scenes used in 3blue1brown videos项目地址: https://gitcode.com/GitHub_Trending/vi/videos创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考