备注
单击 here 要下载完整的示例代码,请执行以下操作
迭代动力系统#
整值迭代函数的有向图
3N上立方块的和#
153这个数字有一个奇怪的性质。
设3n=3,6,9,12,…为3的正倍数集。定义一个迭代过程f:3n->3n如下:对于给定的n,取n的每一位(以10为底),将其立方体,然后求和得到f(n)。
当这个过程被重复时,产生的序列n,f(n),f(f(n)),…在有限的迭代次数后在153终止(过程结束是因为153=1 3+5 3±3**3)。
在离散动力系统的语言中,153是迭代映射f的全局吸引子,限制在集合3n上。
例如:取108
F(108)=1 3+0 3 + 8 ** 3=513
和
F(513)=5 3+1 3 + 3 ** 3=153
因此,从108开始,我们在两个迭代中达到153,表示为:
108>513>153
计算3n到10*5的所有轨道表明吸引子153在最多14次迭代中达到。在这段代码中,我们展示了13个循环是所有小于10000的整数(3N)所需要的最大值。
需要13次迭代才能达到153的最小数字是177,即,
177->687->1071->345->216->225->141->66->432->99->1458->702->351->153
所得的大有向图对测试网络软件很有用。
一般问题#
给定数字n,a次方p和基数b,将f(n;p,b)定义为n(在基数b中)的位数与幂p之和。上面的例子对应于f(n)=f(n;3,10),f(n;p,b)以下的数字实现为函数power sum(n,p,b)。由上面(3n以上)的映射n:->f(n)定义的迭代动力系统收敛到一个固定点;153。将映射应用于所有正整数n,得到一个具有5个不动点的离散动态过程:1,153,370,371,407。模3这些数字是1,0,1,2,2。上面的函数f有一个附加属性,它将3的倍数映射到3的另一个倍数;也就是说,它在子集3n上是不变的。
数字的平方(以10为底)导致循环和单固定点1。也就是说,从某一点开始,这个过程就开始重复。
关键词:“循环数字不变量”、“自恋数”、“快乐数”
3N+1问题#
离散动力系统的数学再现有着丰富的历史。最著名的是Collatz 3n+1问题。请参阅下面的函数collatz_problem_有向图。Collatz猜想——每个轨道在有限时间内返回到不动点1——仍然没有得到证实。就连伟大的保罗•埃尔多斯(Paul Erdos)也说“数学还没有为解决这些问题做好准备”,并提出500美元的解决方案。
关键词:“3n+1”,“3x+1”,“collatz问题”,“thwaite猜想”
出:
Building cubing_153_digraph(10000)
Resulting digraph has 10000 nodes and 10000 edges
Shortest path from 177 to 153 is:
[177, 687, 1071, 345, 216, 225, 141, 66, 432, 99, 1458, 702, 351, 153]
fixed points are []
import networkx as nx
nmax = 10000
p = 3
def digitsrep(n, b=10):
"""Return list of digits comprising n represented in base b.
n must be a nonnegative integer"""
if n <= 0:
return [0]
dlist = []
while n > 0:
# Prepend next least-significant digit
dlist = [n % b] + dlist
# Floor-division
n = n // b
return dlist
def powersum(n, p, b=10):
"""Return sum of digits of n (in base b) raised to the power p."""
dlist = digitsrep(n, b)
sum = 0
for k in dlist:
sum += k**p
return sum
def attractor153_graph(n, p, multiple=3, b=10):
"""Return digraph of iterations of powersum(n,3,10)."""
G = nx.DiGraph()
for k in range(1, n + 1):
if k % multiple == 0 and k not in G:
k1 = k
knext = powersum(k1, p, b)
while k1 != knext:
G.add_edge(k1, knext)
k1 = knext
knext = powersum(k1, p, b)
return G
def squaring_cycle_graph_old(n, b=10):
"""Return digraph of iterations of powersum(n,2,10)."""
G = nx.DiGraph()
for k in range(1, n + 1):
k1 = k
G.add_node(k1) # case k1==knext, at least add node
knext = powersum(k1, 2, b)
G.add_edge(k1, knext)
while k1 != knext: # stop if fixed point
k1 = knext
knext = powersum(k1, 2, b)
G.add_edge(k1, knext)
if G.out_degree(knext) >= 1:
# knext has already been iterated in and out
break
return G
def sum_of_digits_graph(nmax, b=10):
def f(n):
return powersum(n, 1, b)
return discrete_dynamics_digraph(nmax, f)
def squaring_cycle_digraph(nmax, b=10):
def f(n):
return powersum(n, 2, b)
return discrete_dynamics_digraph(nmax, f)
def cubing_153_digraph(nmax):
def f(n):
return powersum(n, 3, 10)
return discrete_dynamics_digraph(nmax, f)
def discrete_dynamics_digraph(nmax, f, itermax=50000):
G = nx.DiGraph()
for k in range(1, nmax + 1):
kold = k
G.add_node(kold)
knew = f(kold)
G.add_edge(kold, knew)
while kold != knew and kold << itermax:
# iterate until fixed point reached or itermax is exceeded
kold = knew
knew = f(kold)
G.add_edge(kold, knew)
if G.out_degree(knew) >= 1:
# knew has already been iterated in and out
break
return G
def collatz_problem_digraph(nmax):
def f(n):
if n % 2 == 0:
return n // 2
else:
return 3 * n + 1
return discrete_dynamics_digraph(nmax, f)
def fixed_points(G):
"""Return a list of fixed points for the discrete dynamical
system represented by the digraph G.
"""
return [n for n in G if G.out_degree(n) == 0]
nmax = 10000
print(f"Building cubing_153_digraph({nmax})")
G = cubing_153_digraph(nmax)
print("Resulting digraph has", len(G), "nodes and", G.size(), " edges")
print("Shortest path from 177 to 153 is:")
print(nx.shortest_path(G, 177, 153))
print(f"fixed points are {fixed_points(G)}")
Total running time of the script: ( 0 minutes 0.090 seconds)