3.1 logistic映射完整复盘：一只虫口的四种命运

3.1 logistic映射完整复盘：一只虫口的四种命运

本节摘要：logistic 映射只有一行——下一代的虫口等于增长率乘以当前虫口再乘以剩余空间因子，却是混沌研究里最重要的方程。本节从生态建模的动机讲到迭代的手算与机算，推导不动点及其稳定性条件，复盘四种参数区间对应的四种长期命运，并用蛛网图把抽象迭代变成可看的几何。读完后，"参数一改变，命运就改写"这句话将变成你亲手算出的经验。

上一章的判据需要靶子，最合适的靶子就是本节的主角。它在二十世纪七十年代被生态学家罗伯特·梅引入大众视野——一篇发表在顶级期刊的文章标题直白得像宣言：简单数学模型可以有复杂动力学。这句话当时听起来近乎挑衅：一个变量、一个非线性项，能有多复杂？本节的任务就是把这个"多复杂"亲手算出来。

学习目标

阅读完本节，你应当能够：

1. 写出 logistic 映射并解释每个因子的生态含义；
2. 对给定参数手算迭代序列，判断长期行为属于四种命运中的哪一种；
3. 推导不动点公式与稳定性条件，说明参数三处发生的事情；
4. 绘制并解读蛛网图，把迭代几何化；
5. 说明为什么这个一维模型成了混沌研究的"果蝇"。

一、模型动机：一年一数代的虫口

模型要回答的问题很朴素：一个孤立的种群，一代一代繁衍，数量怎么走？把世代间隔当作时间步（昆虫一年数代，正好离散计数），当前虫口记为 x，取值归一化到零与一之间（一表示环境能养活的上限）。下一代的虫口由两个因素决定：增长——虫口越多，下一代基数越大，按比例正贡献；拥挤——虫口越接近上限，资源争夺越凶，按剩余空间的比例负贡献。两个因素写在一起就是：x 的新值等于 r 乘 x 乘以一减 x。增长率 r 控制前者的强度，一减 x 这一项执行后者的刹车。就这么一行，没有第二个变量，没有延迟，没有噪声。

值得强调的是这个模型的"不自然"之处恰好是它的优点：真实种群有年龄结构、有天敌、有迁徙，全被砍掉，只留最纯粹的非线性反馈。砍得越干净，产生的任何复杂行为就越无可推诿——复杂性不可能赖给外部因素，只能来自迭代本身。这正是梅那篇文章的论点：连最简单的非线性模型都能翻脸不认人，真实世界更没有理由温顺。

二、手算复盘：参数不同，命运不同

取定增长率 r，从一个初值出发反复代入。先手算感受再上代码。以 r 等于二点六、初值零点四为例：第一步得零点六二四，第二步约零点六零九，第三步约零点六一八，第四步约零点六一四——数值在一根轴上来回蹭，越蹭越贴近约零点六一五的一个定值。再以 r 等于三点二、同一初值：数值不再趋于定值，而是分裂成两个交替出现的值，约零点五一与零点八零轮流坐庄——翻一倍周期。r 等于三点五：分裂成四个值轮转——周期四。r 等于三点九：迭代几十步后你看不出任何规律，数值在区间里毫无章法地蹦跳，且再算一遍，只要初值差一点点，蹦跳的顺序就完全不同——混沌。

四种参数区间、四种命运，列表如下：

建议真的拿计算器按几分钟：手算的价值在于让你看见"分裂"是渐变的——r 越靠近临界点，收敛越拖沓（临界慢化），到临界点上干脆永远不落定。这种"越靠近分水岭越犹豫"的现象，第 7.2 节讲临界慢化在神经系统中的信号时还会重逢。

三、定性与定量：不动点与稳定性推导

手算给出印象，推导给出边界。不动点指代进去不再变出的值：x 星等于 r 乘 x 星乘以一减 x 星，非零解为 x 星等于一减一比 r——r 越大，平衡虫口越高，符合直觉。但它稳不稳？看不动点附近的迭代是否把偏差缩小。在不动点附近做线性化：偏差按导数的绝对值缩放，logistic 映射的导数在不动点处等于二减 r。绝对值小于一则偏差逐轮缩小（稳定），大于一则逐轮放大（不稳定）。于是零当 r 小于一（不动点零稳定，种群灭绝），一减 r 的绝对值小于一给出当 r 在一到三之间时正不动点稳定。r 越过三的那一刻，稳定判据翻转——不动点失稳，但系统不会飞走，而是落进一个两步循环：这就是周期二诞生的时刻，也是分岔图（下一节主角）上第一根枝杈的出生证明。

同样的判据向下套用：周期二的环在 r 越过约三点四四九后失稳，让位给周期四；周期四在约三点五四四处失稳让位给周期八。把这一串临界点记作 r1、r2、r3……下一节你会看到，它们的间距以一个近乎神秘的比率收缩——费根鲍姆常数。而全部周期翻倍累积到约三点五六九九，之后区间进入混沌，但在混沌区内部还嵌着一扇扇周期窗口（比如周期三窗口），路线图并不单调。

图 3-1 蛛网图：把迭代画成折线阶梯

四、变式实验：把代码跑起来并对照手算

手算与推导之后，交给代码做完整的参数扫描验证。下面是自包含的迭代复盘脚本（伪代码风格，任何语言可直接翻译）：

# logistic 映射命运判定实验
设定: n_transient = 200 (抛弃前 200 步暂态)
      n_sample    = 300 (记录后续 300 步)
对 r in [2.0, 3.9] 每隔 0.1:
    x = 0.4  (统一初值, 便于横向对比)
    重复 n_transient 次: x = r * x * (1 - x)
    收集后续 n_sample 步的 x 值, 去重(容差 1e-3)

    r = 2.0 -> 去重后剩 1 个值 (0.5)          稳定
    r = 2.6 -> 剩 1 个值 (约 0.615)            稳定
    r = 3.2 -> 剩 2 个值 (约 0.513 与 0.799)   周期二
    r = 3.5 -> 剩 4 个值                       周期四
    r = 3.9 -> 剩约 300 个互异值               混沌
​

这份数值清单与前文手算、推导完全对账：不动点公式预言的稳定边界 r 等于三，在实验里正好是"一个值变两个值"的位置。三个独立途径（手算、线性化、机算）咬合在同一结论上，这就是数值实验复盘追求的三角验证。变式建议两个：其一，把初值从零点四换成零点八重跑，你会发现在稳定与周期区里结论不变（殊途同归），而在混沌区里逐点数值完全不同（路径各异）——同一实验顺手验证了初值敏感性；其二，把 r 调到三点八二八附近，观察去重后剩三个值——你偶然路过了著名的周期三窗口，它也是下一篇要请出的"混沌宣言"的主角。

给两个常见疑问留个位置。其一，logistic 映射对真实虫口是否适用？严格说它是“一维理想化”——世代不重叠、无时滞、参数恒定，真实种群常要引入时滞或年龄结构；它的价值在于用最少的假设展示动力学可能性，而不是精确预报虫口。其二，参数三点九与四只差零点一，结果差别大吗？轨道形态上都是混沌，但不变分布与周期窗口的位置不同——在分岔图上这不是同一根竖线，而是两根。参数位置本身就是命运的一部分，这正是下一节的主题。

本节要点回顾

• 一行方程：增长率与拥挤刹车的组合足以产生全部复杂行为，复杂性来自迭代本身而非外部因素。
• 四种命运：灭绝、稳定、周期、混沌，分别对应参数区间零到一、一到三、三到约三点五六九九、以上到四。
• 稳定性判据：不动点处导数绝对值小于一则稳；logistic 的判据一二减 r 的绝对值，翻转过三即周期二诞生。
• 蛛网图读法：竖走取值、横走回归，阶梯收紧是稳定，折返跳跃不停驻是混沌。
• 三角验证：手算、线性化、机算三途同归，是数值实验复盘的标准自检方式。

单点参数的命运已经清楚，下一节把整条参数轴一次扫完——画出那棵著名的分岔树，并测量藏在分裂间距里的普适常数。