랴푸노프 지수

편집 역사 토론
물리 수치해석 계산물리 마지막 수정: 2026-07-27 04:51:05

1. 개요[편집]

랴푸노프 지수(Lyapunov exponent, λ\lambda)는 위상공간에서 무한히 가까웠던 두 궤도가 시간이 지남에 따라 벌어지는 평균 지수 증가율로, 결정론적 계가 카오스인지 아닌지를 판정하는 정량적 지표다. 정의는 잔인할 정도로 단순하다.

λ=lim⁡t→∞ lim⁡∣δx0∣→0 1t ln⁡∣δx(t)∣∣δx0∣\lambda = \lim_{t\to\infty}\ \lim_{|\delta x_0|\to 0}\ \frac{1}{t}\,\ln \frac{|\delta x(t)|}{|\delta x_0|}

λ>0\lambda > 0 이면 초기조건의 미세한 차이가 지수적으로 증폭된다 — 이게 “나비 효과”의 수학적 정의다. λ<0\lambda < 0 이면 궤도가 서로 수렴하므로 고정점이나 주기 끌개다. λ=0\lambda = 0 은 준주기(토러스)나 분기점 같은 경계 상황이다. 중요한 건 λ\lambda 가 단순한 정성적 라벨이 아니라 시간의 역수 차원을 갖는 물리량이라는 점이다. 1/λ1/\lambda 는 예측이 무너지는 특성 시간이고, 그 값을 알면 “이 계를 며칠까지 예보할 수 있는가”를 숫자로 답할 수 있다.1

분기 이론이 파라미터를 바꿀 때 해의 구조가 어떻게 갈라지는지를 다룬다면, 랴푸노프 지수는 그렇게 만들어진 끌개 위에서 궤도가 얼마나 빨리 정보를 잃는지를 잰다. 아래 임베드는 그 이격 속도를 로렌츠-63 위에서 직접 재는 과정이다.

로렌츠-63 기준 궤도와 δ₀만큼 떨어뜨린 이웃 궤도를 RK4(dt=0.005)로 동시에 적분한다. 위 그림에서 두 궤도는 한동안 하나로 겹쳐 보이다가 어느 순간 완전히 갈라진다. 아래는 log10‖δ(t)‖ 그래프로, 파란 곡선은 실제 이격이고 초록 직선은 0.6 시간마다 분리 벡터를 δ₀ 길이로 되돌리며 로그 신장률을 누적한 벤티틴 추정이다. 눈금이 재규격화 시점이고, 그 직선의 기울기가 곧 λ/ln10 이다. ρ=28에서 λ는 0.906 부근으로 수렴하며, ρ을 24 아래로 내리면 부호가 뒤집혀 두 궤도가 도로 합쳐진다. 파란 곡선이 Δ=1 을 지나는 시각이 예측 가능성 지평이며 머리말의 이론값과 나란히 표시된다.

2. 정의를 조금 더 정직하게[편집]

위 정의에는 함정이 두 개 숨어 있다. 첫째, ∣δx0∣→0|\delta x_0| \to 0 극한을 먼저 잡아야 한다. 유한한 크기의 섭동을 그냥 오래 적분하면 끌개 지름에서 포화(saturate)해버려서 증가율이 0으로 수렴한다. 그래서 실제 계산은 궤도를 따라가는 접선 공간(tangent space)의 선형화된 방정식을 함께 푼다.

x˙=F(x),δ˙=J(x(t)) δ,J=∂F∂x\dot{\mathbf{x}} = \mathbf{F}(\mathbf{x}), \qquad \dot{\boldsymbol{\delta}} = \mathbf{J}(\mathbf{x}(t))\,\boldsymbol{\delta}, \qquad \mathbf{J} = \frac{\partial \mathbf{F}}{\partial \mathbf{x}}

즉 자코비안 행렬을 궤도를 따라 계속 재평가하며 변분방정식을 동시에 적분하는 것이다. 야코비안을 손으로 유도하기 싫으면 자동 미분에 맡기면 된다.

둘째, λ\lambda 는 방향에 따라 다르다. nn 차원 계에는 nn 개의 지수 λ1≥λ2≥⋯≥λn\lambda_1 \ge \lambda_2 \ge \cdots \ge \lambda_n 가 있고 이를 랴푸노프 스펙트럼이라 부른다. 무작위로 고른 섭동 벡터는 거의 확실히 λ1\lambda_1 방향 성분을 갖기 때문에, 순진하게 하나만 적분하면 언제나 최대 지수 λ1\lambda_1 만 얻는다. 오셀레데츠의 곱셈 에르고딕 정리가 이 스펙트럼의 존재와, (에르고딕한 끌개 위에서) 초기점에 무관하다는 사실을 보장해 준다.

연속 시간 흐름에서 고정점이 아닌 궤도라면 흐름 방향으로는 항상 λ=0\lambda = 0 이다. 궤도를 따라 살짝 앞뒤로 민 섭동은 커지지도 작아지지도 않기 때문. 그러니 3차원 연속계의 스펙트럼이 (+,0,−)(+,0,-) 이면 카오스, (0,−,−)(0,-,-) 이면 극한 순환이다. 해밀토니안 역학 계는 심플렉틱 구조 때문에 스펙트럼이 ±λ\pm\lambda 쌍으로 대칭이고 총합이 0이다. 반면 소산계는 총합이 음수이며, 그 값은 위상공간 부피 수축률과 같다(리우빌 정리 참고).

3. 1차원 사상 — 로지스틱 사상이 교과서인 이유[편집]

이산 사상 xn+1=f(xn)x_{n+1}=f(x_n) 에서는 연쇄법칙 덕분에 정의가 아주 깔끔한 시간 평균으로 축약된다.

λ=lim⁡N→∞1N∑n=0N−1ln⁡∣f′(xn)∣  =  ⟨ln⁡∣f′∣⟩\lambda = \lim_{N\to\infty}\frac{1}{N}\sum_{n=0}^{N-1}\ln\left|f'(x_n)\right| \;=\; \big\langle \ln|f'| \big\rangle

로지스틱 사상 f(x)=rx(1−x)f(x)=rx(1-x) 이면 f′(x)=r(1−2x)f'(x)=r(1-2x) 이므로, 궤도를 돌리면서 ln⁡∣r(1−2xn)∣\ln|r(1-2x_n)| 을 누적 평균만 하면 끝이다. 재규격화도 접선 방정식도 필요 없다 — 1차원 사상에서는 위 임베드가 로렌츠계에서 하는 일이 이 한 줄 합으로 줄어든다. 분기 이론 쪽에 이 λ(r)\lambda(r) 곡선을 rr 전 구간에 걸쳐 그린 그림이 있다. 알아둘 만한 값들.

rr거동λ\lambda
r<3r<3고정점<0<0
r=3, 3.449…r=3,\ 3.449\ldots주기배가 분기00
r∞=3.5699456…r_\infty = 3.5699456\ldots파이겐바움 축적점00
r=1+8≈3.8284r = 1+\sqrt{8} \approx 3.8284주기-3 창 시작<0<0
r=4r=4완전 카오스ln⁡2\ln 2 (정확)

r=4r=4 에서 λ=ln⁡2\lambda=\ln 2 가 정확히 나오는 건 이 사상이 텐트 사상과 위상 켤레(conjugate)이기 때문이다. 반복 한 번마다 정보 1비트가 날아간다는 뜻 — 초기조건을 소수점 아래 50비트까지 알고 있어도 50번 반복하면 아무것도 모르는 상태가 된다.

주기 창에서 λ\lambda 가 0 아래로 급락하는 현상이 특히 교육적이다. 카오스 영역 한복판에 규칙적인 섬이 박혀 있다는 뜻이고, 파라미터를 아주 조금만 잘못 재도 예측 가능성이 정반대로 뒤집힌다. 실험 데이터로 λ\lambda 를 추정할 때 오차 막대를 크게 잡아야 하는 이유다.

4. 스펙트럼 계산 — 벤티틴 알고리즘[편집]

λ1\lambda_1 만이 아니라 스펙트럼 전체를 원하면, 접선 벡터 kk 개를 동시에 적분하되 주기적으로 그람-슈미트 재직교화를 해줘야 한다. 그냥 두면 모든 벡터가 λ1\lambda_1 방향으로 정렬되어 버리고, 노름은 오버플로한다. 벤티틴(Benettin) 알고리즘의 뼈대는 이렇다.

  1. δ(1),…,δ(k)\boldsymbol{\delta}^{(1)},\ldots,\boldsymbol{\delta}^{(k)} 를 정규직교로 초기화한다.
  2. 시간 τ\tau 동안 궤도와 변분방정식을 함께 적분한다(룽게-쿠타법 4차면 충분).
  3. 벡터들을 그람-슈미트로 재직교화한다. 즉 QR\mathbf{Q}\mathbf{R} 분해를 한다.
  4. ln⁡Rii\ln R_{ii} 를 각 ii 에 대해 누적하고, Q\mathbf{Q} 를 새 접선 벡터로 삼는다.
  5. 총 시간 TT 로 나눈다: λi=1T∑ln⁡Rii\lambda_i = \frac{1}{T}\sum \ln R_{ii}.

3단계가 사실상 QR 분해라서, 이 방법을 그냥 “QR 방법”이라 부르기도 한다. 재직교화 간격 τ\tau 는 너무 길면 수치적으로 정렬이 진행되어 하위 지수가 오염되고, 너무 짧으면 비용만 든다. 보통 최대 지수의 특성 시간 1/λ11/\lambda_1 보다 짧게 잡는다.

대표적인 검산 대상이 로렌츠-63(σ=10, ρ=28, β=8/3\sigma=10,\ \rho=28,\ \beta=8/3)이다.

(λ1,λ2,λ3)≈(0.906, 0, −14.572)(\lambda_1,\lambda_2,\lambda_3) \approx (0.906,\ 0,\ -14.572)

세 값의 합이 −(σ+1+β)=−13.667-(\sigma+1+\beta) = -13.667 과 일치해야 한다는 것이 훌륭한 검증 조건이다. 발산항의 대각합이 상수이기 때문에 이건 이론적으로 정확히 성립한다 — 코드가 틀리면 여기서 바로 걸린다.2

5. 엔트로피, 차원, 그리고 예보 가능 기간[편집]

랴푸노프 스펙트럼은 그 자체로 두 개의 다른 양을 낳는다.

콜모고로프-시나이 엔트로피는 계가 단위 시간당 생산하는 정보량(=잃어버리는 정보량)이다. 페신 정리에 따르면 (SRB 측도를 갖는 계에서) 양의 지수들의 합과 같다.

hKS=∑λi>0λih_{KS} = \sum_{\lambda_i > 0} \lambda_i

카플란-요크 차원은 스펙트럼에서 끌개의 프랙탈 차원을 추정한다. 누적합 ∑i=1jλi\sum_{i=1}^{j}\lambda_i 가 아직 양수인 최대 jj 를 잡고,

DKY=j+∑i=1jλi∣λj+1∣D_{KY} = j + \frac{\sum_{i=1}^{j}\lambda_i}{|\lambda_{j+1}|}

로렌츠-63에 넣으면 DKY≈2+0.906/14.572≈2.06D_{KY} \approx 2 + 0.906/14.572 \approx 2.06 이다. 3차원 공간에 있지만 부피는 0이고 면적은 무한한, 전형적인 이상한 끌개다.

가장 실무적인 결과는 예측 가능성 지평이다. 초기 오차 δ0\delta_0 가 허용 오차 Δ\Delta 에 도달하는 시간은

Tpred≈1λ1ln⁡Δδ0T_{\text{pred}} \approx \frac{1}{\lambda_1}\ln\frac{\Delta}{\delta_0}

로그가 붙어 있다는 게 핵심이다. 초기 관측 정밀도를 1000배 개선해도 예보 기간은 ln⁡1000/λ1\ln 1000/\lambda_1, 즉 겨우 7배 정도가 아니라 덧셈으로만 늘어난다. 대기 대순환의 오차 배가 시간이 대략 1.5~2일이라는 관측에서 나오는 “2주 벽”3이 바로 이 로그의 결과이고, 수치기상예보가 결정론적 단일 예보를 포기하고 앙상블 예보와 자료동화로 방향을 튼 이유다. 컴퓨터를 아무리 갈아넣어도 이 벽은 안 밀린다.

6. 수치 계산에서 조심할 것[편집]

  • 과도응답을 버려라. 끌개에 안착하기 전 구간을 평균에 넣으면 값이 오염된다. 보통 앞부분 수천 스텝은 버린다.
  • 유한 시간 지수(FTLE)와 구분하라. 짧은 구간에서 잰 λ\lambda 는 궤도 위치에 따라 크게 요동친다. 이 요동 자체가 정보이며, 유체에서 FTLE 장의 능선을 뽑으면 라그랑주 결맞음 구조(LCS)가 되어 난류 천이나 혼합 해석에 쓰인다. 다만 그건 점근적 λ\lambda 와는 다른 물건이다.
  • 적분기의 인공 소산을 의심하라. 저차 적분기나 큰 시간 간격은 궤도에 수치 감쇠를 넣어 λ1\lambda_1 을 실제보다 작게 만든다. 시간 간격을 반으로 줄여도 값이 유지되는지 확인하는 게 최소한의 예의다.
  • 시계열 하나뿐이라면 야코비안이 없으므로 지연 좌표 임베딩 후 이웃 궤도의 이격을 추적하는 로젠슈타인/울프 방법을 쓴다. 잡음에 매우 취약하고, 데이터가 짧으면 있지도 않은 양의 λ\lambda 를 만들어내기로 악명 높다.4

7. 관련 문서[편집]

8. Footnotes[편집]

  1. 알렉산드르 랴푸노프(1857~1918)는 카오스를 본 적이 없다. 그는 1892년 박사논문에서 상미분방정식 해의 안정성을 다루며 이 지수를 도입했고, 60여 년 뒤 이상한 끌개를 만난 사람들이 그 도구를 그대로 꺼내 썼다. 이름을 남기는 가장 좋은 방법은 아주 일반적인 정의를 만들어 두는 것이다. ↩

  2. ∇⋅F=−σ−1−β\nabla\cdot\mathbf{F} = -\sigma - 1 - \beta 가 상태와 무관한 상수라, 로렌츠계는 위상공간 부피를 균일한 비율로 수축시킨다. 스펙트럼 합이 이 값과 안 맞으면 재직교화 간격이나 야코비안 구현을 의심하면 된다. 세상에 이렇게 친절한 단위 테스트가 흔치 않다. ↩

  3. 로렌츠 본인은 1963년 논문에서 λ\lambda 라는 단어를 쓰지 않았고, 대신 “두 상태의 차이가 8일마다 두 배”라는 식으로 배가 시간을 말했다. λ1=ln⁡2/Tdouble\lambda_1 = \ln 2/T_{\text{double}} 이니 결국 같은 이야기인데, 실무자에게는 배가 시간 쪽이 훨씬 직관적이다. ↩

  4. 순수한 붉은 잡음(1차 자기회귀 과정)에 로젠슈타인 방법을 돌려도 그럴싸한 양의 기울기가 나온다. 그래서 실험 시계열에서 “카오스를 발견했다”는 주장에는 대조군(서로게이트 데이터) 검정이 필수다. 1990년대에 이 검정을 안 거치고 나온 논문들이 지금은 조용히 인용되지 않는다. ↩