Note
Go to the end to download the full example code.
迭代动力系统#
整数值迭代函数的有向图
3N上的立方和#
数字153有一个奇特的性质。
设3N={3,6,9,12,…}为3的正倍数集合。定义一个迭代过程f:3N->3N如下:对于给定的n,取n的每一位数字(以10为基数),将其立方,然后求立方和得到f(n)。
当这个过程重复进行时,得到的序列n, f(n), f(f(n)),…在有限次迭代后终止于153(因为153 = 1**3 + 5**3 + 3**3,过程结束)。
在离散动力系统的语言中,153是迭代映射f在集合3N上的全局吸引子。
例如:取数字108
f(108) = 1**3 + 0**3 + 8**3 = 513
并且
f(513) = 5**3 + 1**3 + 3**3 = 153
所以,从108开始,我们在两次迭代后到达153,表示为:
108->513->153
计算3N中所有轨道的上限为10**5,发现吸引子153在最多次数为14次迭代后达到。在这个代码中,我们展示了对于所有小于10,000的整数(在3N中),最多需要13次迭代。
需要13次迭代才能到达153的最小数字是177,即,
177->687->1071->345->216->225->141->66->432->99->1458->702->351->153
由此产生的大型有向图对于测试网络软件很有用。
一般问题#
给定数字n、幂p和基数b,定义F(n; p, b)为n的各位数字(以b为基数)的p次幂之和。上述例子对应于f(n)=F(n; 3,10),下面F(n; p, b)实现为函数powersum(n,p,b)。由上述映射n:->f(n)定义的迭代动力系统(在3N上)收敛到一个固定点;153。将映射应用于所有正整数N,导致一个具有5个固定点的离散动力过程:1, 153, 370, 371, 407。模3这些数字是1, 0, 1, 2, 2。上述函数f具有将3的倍数映射到另一个3的倍数的附加性质;即它在子集3N上是不变的。
数字的平方(以10为基数)导致循环和单个固定点1。即,从某个点开始,过程开始重复自身。
关键词:“循环数字不变量”,“自恋数”,“快乐数”
3n+1问题#
与离散动力系统相关的数学娱乐有着丰富的历史。最著名的是科拉茨3n+1问题。参见下面的函数collatz_problem_digraph。科拉茨猜想——每个轨道在有限时间内返回到固定点1——尚未被证明。即使是伟大的保罗·埃尔德什也说“数学还没有准备好解决这样的问题”,并为它的解决方案提供了500美元。
关键词:“3n+1”,“3x+1”,“科拉茨问题”,“斯威特猜想”
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):
"""返回以基数b表示的非负整数n的数字列表。
"""
if n <= 0:
return [0]
dlist = []
while n > 0:
# 前置下一个次低位数字
dlist = [n % b] + dlist
# Floor-division
n = n // b
return dlist
def powersum(n, p, b=10):
"""返回数字 n(以 b 为基数)的 p 次幂的各位数字之和。"""
dlist = digitsrep(n, b)
sum = 0
for k in dlist:
sum += k**p
return sum
def attractor153_graph(n, p, multiple=3, b=10):
"""返回 powersum(n,3,10) 迭代的有向图。"""
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):
"""返回 powersum(n,2,10) 迭代的有向图。"""
G = nx.DiGraph()
for k in range(1, n + 1):
k1 = k
G.add_node(k1) # 当k1等于knext时,至少添加节点
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 已经进行了迭代输入和输出
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:
# 迭代直到达到固定点或超过itermax
kold = knew
knew = f(kold)
G.add_edge(kold, knew)
if G.out_degree(knew) >= 1:
# 已经迭代进出过
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):
"""返回由有向图G表示的离散动力系统的不动点列表。
"""
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 0.034 seconds)