2026年06月03日 第7回
非周期性は，
カオスの三大特徴の中でも特に“感覚的に捉えにくい”部分だけど，
授業を通して 数学的な美しさと不思議さが同時に味わえるテーマだと感じた．
確かに美しいですね．そして不思議ですね．
今日はテント写像について勉強した．
初期値によって振る舞いが変わることにな得できた
よろしいと思います．
今回の講義ではロジスティック写像などの決定論的系列が確率論的系列と対応がつくということがよく理解できました．
決定論的系列から確率論的系列への変換だけでなく確率論的系列から決定論的系列への変換も可能かつ，
確率論的系列への変換の際に情報がが落ちる(講義の例では0.6も0.8も1に変換される)ことから逆変換の計算が困難(に見える)なことから，
暗号分野にも応用ができそうだと思い調べてみると，
非線形変換を用いた暗号について既に多くの研究があり実用されているものもあるということでした．
非線形ダイナミクスの有用性を感じました．
良いコメントですね．次回触れましょう．
無理数の非周期性と，
テント写像がビットシフト演算に帰着することから，
[0, 1]における2進数を考えていることがやっと理解できた．
個人的に，
無理数の非周期性がカオスのように扱うことができることを意識できていなかった．
理解はしてくれたようでとても良かったと思います．
「カオスは，
実数が有する複雑さを時間の経過とともにマクロスケールに拡大する」という言葉にとても納得がいった．
テント写像は伸ばす処理と折りたたむ処理から成り，
伸ばす処理(≒左シフト)は小さい桁の値にもマクロな影響力を与えるため，
折りたたむ処理は有界性のためのものだと理解できた．
納得してくれましたか！
rが増加するにつれて周期が2・4・8…と倍々に増える分岐構造が生じ，
最終的にカオス的な振る舞いへ移行することがわかった．
また，
テント写像では初期値のごくわずかな差が写像を繰り返すうちに急速に拡大され，
1000回後には全く異なる値になることが印象的だった．
カオス系では方程式がわかっていても初期値を完全に正確に測定できない以上，
長期的な予測は原理的に不可能であるということが理解できた．
理解してくれましたね．
パイこね変換の引き延ばし，
折りたたみの考えは素晴らしいと思った．
そこからテント写像へのもって行き方を身につけたい．
色々と考えてくれているようで良かったです．
理解してくれているようですね．
台風の進路など身近にカオスが紛れ込んでいることを実感しました．
溢れていますね．一番は，トントコ飴ですが．
非線形ダイナミクスは思ってるより身近にあるんだって思った
そうなのです．身近に存在しますね．
そばや飴などに非線形ダイナミクスが関係していたり，
台風の進路予測にカオスが関係していたりと気づいていないだけで身の回りにカオスがたくさんあることに気付かされ，
面白かった．
身の回りのカオスについて意識的に注目していきたいと今日の講義を受けて感じた．
ぜひ探してみてください．
ちょうど情報工学実験3の課題1で取り組んだ内容とかぶっているので，
実験でつくった図にどういう意味があるのかを考えられてよかったです．
直感的に決定論から確率論はイメージ的に可能かなと思いましたが，
逆も成り立つことに驚きました．
2進数の表示になれてなくて少し戸惑う部分もあったので，
よく復習しておきます．
わからないところは質問して下さい．
今回の講義を通して，
決定論的な系列から確率論的な系列への対応とその逆が存在することが分かり，
カオスに秩序があることがとても面白いと感じた．
また，
飴の製造方法を見て，
初期値鋭敏依存性と有界性について具体的にどのようなものかイメージすることができた．
イメージしてくれたのであれば，動画を紹介して良かったです．
一見すると無秩序に思えるカオスの振る舞いに，
分岐構造などの規則性や秩序を持ったカオスがあることを学び，
大変興味深かった．
規則性，秩序もありますね．
本日の講義では，
カオスの持つ「有界性」と「初期値鋭敏依存性」を中心に学びました．
パイこね変換における「引き伸ばし」と「折り畳み」によって状態が有限空間に留まる仕組みや，
決定論的なロジスティック写像が確率論的ランダム列と完全に対応づけられるという事実には非常に驚かされました．
特に印象に残ったのは，
方程式が完全に決定論的であっても，
我々の観測精度が有限である以上，
初期値の微小な誤差が指数関数的に拡大して長期予測が不可能になるという点です．
コンピュータ上のデジタル計算における限界も含め，
今後のシミュレーションやシステム構築において常に意識すべき重要な視点だと感じました．
よいコメントですね．次回触れましょう．
ロジスティックは写像での乱数列を考えてみたが，
完全ランダムで初期値敏感性があるのはいいものの，
悪い点として複数の点を知られてしまうとそこから式の導出->次の解が導出されてしまうことが考えられた．
ランダム性はあるが，
相手に厳密な数値がバレない場合は有効だと思った．
こちらも良いコメントですね．次回触れましょう．
本講義ではカオスの世界においてほんの小さな初期値の違いが大きな値の違いを与える理由と，
決定論的な分野(差分方程式)と確率論的な分野において繋がりがある事について学んだ．
今回の講義で気になった点として，
テント写像の初期点が無理数ならカオスになるという部分について，
コンピュータの数値計算では無理数を扱えず，
必ず有限小数となってしまうが，
この分野の研究では数値計算で無理数を扱うためのアプローチがあるのか興味を持った．
こちらも良いコメントですね．次回触れましょう．
決定論的な法則に従うにもかかわらず, 初期値のわずかな違いで長期的な予測が不能になるというカオスの本質がよく理解できました. コンピュータシミュレーションにおけるデジタル計算の限界を考える上でも, 大変興味深い内容でした.
良いコメントが続きますね．次回触れましょう．
非周期性は単に不規則という意味ではなく, 決定論的な式から同じ状態が繰り返されない複雑な振る舞いが生じる点が面白いと感じました. 有界なのに予測が難しい点も印象的でした.
そうですね．限られた空間内であっても予測できないのですね．
ランダムな無限記号列に対応するロジスティック写像の初期値が必ず存在するというのは驚きだった．
非線形ダイナミクスは確かに面白いと思った．
そう．面白いでしょう？
観測精度が有限であり，
初期値におけるたった2^-1000の誤差が，
例えば1000回写像後には1/2まで大きくなるため，
カオスは決定論的でありながら我々には予測不能であることが分かった．
また授業内で言及された，
もし「精度が無限でも予測可能になるかどうかは別」について，
無限の情報を処理するための計算時間も無限に必要になるのであれば，
結局予測不能と同じ事だからではないかと考えた．
いいコメントですね．
確率論的な系列から決定論的な系列が導くだせて，
その逆も成り立つということは驚いた．
確かに驚きですね．
写像を繰り返しても有限な空間に存在するという，
有界性について学んだ．
また，
決定論的と確率論の関係性についても学んだ．
確率論の方が想像がしやすいので，
この二つが結びつくことでもう少し非線形ダイナミクスの理解が深まったと思う．
世界の食文化の話が出てきたときは驚いた．
色々と結びつきますね．
パイコネ変換の飴の具体例によって，
混合性が深く理解できた．
また，
確率論的な系列が決定論的な系列によってきまる話はとても興味深かった．
うまく繋がっていますよね．
ランダムとカオスの違いは背後の秩序の有無，
観測精度が有限であるがゆえに決定論的であるのに予測不能であるとわかった．
その通りです．よろしいと思います．
カオス的振る舞いにおいて，
初期値における非常に小さな誤差と1000回目の大きな誤差の例として挙げられた台風の進路はとても分かりやすく理解が深まりました．
また，
とんとこ飴について，
実際に現地に赴いて自分で写真，
素材を取ることの重要性を知れました．
そうですね．1次情報は重要ですね．自分で取材する．大切ですね．
現実世界においてランダムに見えるものは，
初期値鋭敏依存性のある非線形ダイナミクスの場合もあることを学んだ．
理解できましたか．
カオス的振る舞いに関して，
観測精度が無限にあったとしても予測できない問題があるというのはとても気になった．
また，
ぱいこね変換とテント写像に関してはどちらも伸ばして畳むという動きをしていることが分かった．
ぱいこねの方は2次元，
テントの方は1次元という風に考えると理解しやすかった．
論文を紹介しましょうかね．
天気予報が決定論的であり秩序があるにも関わらず予測不能なカオスであるということや飴の話を聞いて，
私たちは常にカオスと共に過ごしているんだなと感じました．
上手いこと言いますね．素晴らしい．
決定論と確率論の結びつきについてとても興味を持った．
例にあったロジスティック写像とコイントスの関係づけでは x_t が 0.5 以下になる確率とコインが表になる確率が結びつけられていた．
これは逆説的にロジスティック写像の値が n 以上 m 以下となる確率を求めることが理論的には可能ということを意味する．
これはカオスの中でも値のとり方に分布があることを示すと思われこの分布と初期点に何か共通点があるのではないかと考えた．
いいコメントですね．次回触れましょう．
状態が無限に発散しない有界性の仕組みが，
パイこね変換の例えですごくイメージしやすかったです．
引き延ばして折りたたむのを繰り返すことで複雑な動きが生まれるんだなと納得できました．
納得してくれたようで良かったと思います．
麺の生地や飴をこねる話から，
カオス理論が身近な食文化にも関係していると分かった．
こねるという単純そうな動きでも，
材料の中では引き伸ばしや折りたたみが起きていて，
カオス理論の話に繋がるのが面白かった．
そうなのです．使われているのですよ．
今日の講義では，
カオスの有界性や振る舞いの予測について学んだ．
個人的に，
折り畳み効果に関しておもしろいと感じた．
非周期性という特性の上で，
解が無限に発散せず我々はカオスを観測できるということが，
初めは理解でいていなかったが，
前回と今回の講義を通して想像は出来るようになった．
いいコメントですね．次回触れましょう．
本日の講義は前回に引き続き実数の濃度について考えた後，
テント写像からパイこね変換とその効果，
決定論と確率論，
初期値鋭敏依存性へと繋がっていく内容であった．
パイこね変換については，
以前から料理をする際に生地をこねたり液体を混合するときにどれくらい混ぜればどのくらい混ざったといえるのかが個人的に気になっていたので，
意外なタイミングでその日常的な疑問について考えることとなり面白かった．
決定論と確率論に関する話を聞いていて，
個人的にプログラミング工学で学んだrand()関数を思い出した．
C言語のrand()関数は擬似乱数生成器でありその出力は内部状態とアルゴリズムによって一意に決定されるため，
本質的には決定論的であるものの，
我々からは出力がランダムに見え，
統計的には確率変数のように扱えるため，
ある種の確率論的な手法に利用することもできた記憶があるからである．
今回の講義で非線形ダイナミクスと私の知識との関わりを実感しその面白さを認識することができたと思う．
良いコメントですね．次回触れましょう．
カオスは完全にランダムな現象だと思っていましたが，
決まった法則に従いながら非周期的な振る舞いを示すことが分かり興味深かったです．
今後の講義で他の特徴についても学ぶのが楽しみです．
楽しみにしていて下さい．
カオスにおける分岐構造など，
ランダムに見える現象の中にも秩序が存在するという概念が，
矛盾しているようで興味深かった．
確かに相反するように思えますね．でも両方ありますね．
テント写像とパイこね変換の関係が個人的にはすごく面白かった．
均一に混ぜるという事象を写像という数学的観点から見直すということができるような視点を養うために，
普段様々な勉強している意味なのかもしれないと感じた．
いいコメントですね．
カオスの特徴のうち，
有界性が最も興味深かった．
また，
例として挙げられた台風が，
タイムリーでかつ理解が深まる例で印象的であった．
確かにちょうど来ていましたからね．
実験で時系列関数のパラメータを変化させるとたびたび値が発散してカオスの性質がわからなくなりましたので，
カオスを観測するうえで有界性は重要な性質だと思いました．
やはりカオスは面白いと実感しました．
そうなのです．面白いのです．
面白かったです
よろしいと思います．
実験などでも実際にロジスティック写像の状態値をplotしてみてカオスの振る舞いはランダムになるように見えたがその振る舞いの背景には秩序があることを知れてより興味深く感じた．
そうなのです．秩序があるのです．
非線形ダイナミクスにおける折り畳みや引き伸ばしが実際に食品業界において使用されているのが興味深いと感じた．
食品業界というよりも，我々がこれらをよく混ぜるためには引き伸ばし，折りたたみを使っていたということですね．
ロジスティック写像のような決定論的な力学系から，
コイントスのようなランダムな系列と対応する振る舞いが現れることに驚いた．
そうなのです．うまく繋がるのです．
今回の講義では，
決定論的であるロジスティック写像の系列が確率的な系列を再現できる，
ということについて理解することができた．
よろしいと思います．
今日の講義では驚くことばかりであった．
非線形ダイナミクスが決定論と確率論という真逆のものを対応づけてしまう点や食文化に非線形ダイナミクスがつながっている点などがとても面白いなと思った．
理解してくれたようで良かったです．うまく繋がっていますね．
今回の講義で，
カオスの特徴である「非周期性」が生まれる背景を論理的に理解することができました．
一見ランダムに見える振る舞いが，
初期値を2進数のビット列として捉えることや，
有理数と無理数の濃度の違いから必然的に導き出されるというプロセスが非常に新鮮で，
数学的な美しさを感じました．
確かに美しいですね．
カオスから確率的な系列に対応できること，
また逆に確率からカオスを考えることができるという話が興味深かったです．
ただ，
私の中では確率は有限回の試行を扱うイメージがある一方で，
カオスは無限に続く力学系というイメージがあり，
この二つが対応するという点に少し違和感を覚えました．
今後はその関係についてもう少し理解を深めたいと思いました．
ぜひ深めて下さい．議論しましょう．
今日の講義を受けて，
初期値が10^-8ずれるだけでこの微小な誤差が指数関数的に変化することに衝撃を受け，
グラフでも視覚的に理解することができました．
そうなのです．微小な差が拡大するのです．
カオスというのは無数の要因が絡み合うことで予測不能になると考えていたが，
本講義をうけて，
変数が少ないシンプルな数式でも非線形性さえあれば予測不能なふるまいを生み出すことを学んだ．
また，
我々の観測精度は有限とあり，
ビット列のわずかなズレが致命的になるとなっていました．
ここで疑問なのですが，
私たちが普段使うPCの浮動小数点数は高々64ビット程度の有限な精度しかないということは，
計算機上でどれだけ複雑なカオスをシミュレーションしようとしても，
必ず丸め誤差によって理論上のカオスとは異なる挙動に陥ったり，
どこかで周期性を持ってしまったりするのではないかという点が気になりました．
良いコメントですね．次回触れましょう．
情報工学実験のシミュレーションで，
初期値によって振る舞いが多く変わったが，
その初期値に対する説明があまりなかったので，
今回の講義で理解を深められたと思います．
理解してくれたようで良かったと思います．
今回の講義では, カオスの特徴である有界性や初期値鋭敏依存性について理解が深まった. 特に, パイこね変換の「引き伸ばし」と「折り畳み」によって状態が複雑に混ざり合いながらも有限な範囲に保たれるというのが分かりやすかった.
そうでしたか．それなら良かった．