MathLabs

Phương trình vi phân và Hệ động lực

Hệ phương trình vi phân

Hệ phương trình liên kết x′=Ax\mathbf{x}'=A\mathbf{x} giải bằng trị riêng, cho biết tính ổn định của điểm cân bằng.

Trực giácTrực giác: hai đại lượng kéo lẫn nhau

Một phương trình vi phân đơn lẻ theo dõi một đại lượng thay đổi. Nhưng thỏ và cáo, điện áp và dòng điện trong mạch, hay hai tọa độ của con lắc dao động lại thay đổi cùng nhau — tốc độ thay đổi của mỗi đại lượng phụ thuộc vào giá trị của đại lượng kia. Viết các ẩn dưới dạng vectơ x=(x,y)\mathbf{x}=(x,y) và sự liên kết dưới dạng ma trận AA, mọi hệ tuyến tính như vậy có dạng gọn x′=Ax\mathbf{x}'=A\mathbf{x}. Ma trận AA có thể hình dung như một đồ thị có hướng nhỏ: mỗi biến một đỉnh, mỗi hệ số liên kết một cạnh có trọng số.

Đồ thị có hướng với hai đỉnh được tô đậm và các cạnh có trọng số thể hiện ma trận liên kết A.
Quỹ đạo trong mặt phẳng pha của hệ phương trình vi phân liên kết (chu trình thú săn – con mồi Lotka–Volterra và quỹ đạo xoắn ốc/tâm).

Phổ thôngPhát biểu chính xác: hệ tuyến tính và trị riêng

Định nghĩa: Hệ tuyến tính thuần nhất

Hệ tuyến tính cấp một x′=Ax\mathbf{x}'=A\mathbf{x} với ma trận hằng n×nn\times n là AA và hàm vectơ ẩn x(t)\mathbf{x}(t) được gọi là thuần nhất vì mọi số hạng đều tuyến tính theo các thành phần của x\mathbf{x}. Với n=2n=2, nó gói gọn hai phương trình vô hướng liên kết x′=a11x+a12yx'=a_{11}x+a_{12}y, y′=a21x+a22yy'=a_{21}x+a_{22}y thành một phương trình vectơ.

x′=Ax\mathbf{x}'=A\mathbf{x}

Giống như với một phương trình đơn, thử nghiệm dạng x=eλtv\mathbf{x}=e^{\lambda t}\mathbf{v} với vectơ hằng v≠0\mathbf{v}\neq \mathbf{0} và số vô hướng λ\lambda. Thay vào ta được λeλtv=Aeλtv\lambda e^{\lambda t}\mathbf{v}=Ae^{\lambda t}\mathbf{v}, tức Av=λvA\mathbf{v}=\lambda\mathbf{v}: v\mathbf{v} phải là vectơ riêng của AA với trị riêng λ\lambda. Các trị riêng là nghiệm của đa thức đặc trưng:

det⁡(A−λI)=0\det(A-\lambda I)=0
Bốn dạng định tính của điểm cân bằng phẳng, phân loại theo trị riêng của AA
Trị riêngChân dung phaTính ổn định
λ1,λ2\lambda_1,\lambda_2 thực, cùng dấuNútỔn định nếu cả hai âm, không ổn định nếu cả hai dương
λ1,λ2\lambda_1,\lambda_2 thực, trái dấuĐiểm yên ngựaLuôn không ổn định
Phức, phần thực khác 0Xoắn ốcỔn định nếu phần thực âm, không ổn định nếu dương
Thuần ảoTâmỔn định trung hòa (quỹ đạo kín)

Đại họcCấp đại học: định lý và chứng minh

Nếu AA có hai trị riêng thực phân biệt λ1≠λ2\lambda_1\neq\lambda_2 với vectơ riêng v1,v2\mathbf{v}_1,\mathbf{v}_2, thì v1,v2\mathbf{v}_1,\mathbf{v}_2 độc lập tuyến tính, và nghiệm tổng quát của x′=Ax\mathbf{x}'=A\mathbf{x} là x(t)=c1eλ1tv1+c2eλ2tv2\mathbf{x}(t)=c_1e^{\lambda_1t}\mathbf{v}_1+c_2e^{\lambda_2t}\mathbf{v}_2.

Vì sao đúng?

Vectơ riêng biến hệ liên kết thành hai phương trình vô hướng tách rời theo các hướng riêng: mỗi eλitvie^{\lambda_i t}\mathbf{v}_i di chuyển hoàn toàn dọc theo đường thẳng sinh bởi vi\mathbf{v}_i, tăng hoặc giảm với tốc độ λi\lambda_i, nên chuyển động toàn phần là sự pha trộn của hai chuyển động thẳng độc lập.

Chứng minh

Trước tiên kiểm tra eλitvie^{\lambda_i t}\mathbf{v}_i thỏa mãn hệ: đạo hàm của nó là λieλitvi\lambda_i e^{\lambda_i t}\mathbf{v}_i, còn A(eλitvi)=eλitAvi=eλitλiviA(e^{\lambda_i t}\mathbf{v}_i)=e^{\lambda_i t}A\mathbf{v}_i=e^{\lambda_i t}\lambda_i\mathbf{v}_i theo Av=λvA\mathbf{v}=\lambda\mathbf{v}; hai vế khớp nhau, nên đây đúng là nghiệm với i=1,2i=1,2.

Độc lập tuyến tính của v1,v2\mathbf{v}_1,\mathbf{v}_2: giả sử c1v1+c2v2=0c_1\mathbf{v}_1+c_2\mathbf{v}_2=\mathbf{0}. Nhân AA vào ta được c1λ1v1+c2λ2v2=0c_1\lambda_1\mathbf{v}_1+c_2\lambda_2\mathbf{v}_2=\mathbf{0}. Nhân hệ thức đầu với λ2\lambda_2 rồi trừ đi, ta được c1(λ1−λ2)v1=0c_1(\lambda_1-\lambda_2)\mathbf{v}_1=\mathbf{0}; vì λ1≠λ2\lambda_1\neq\lambda_2 và v1≠0\mathbf{v}_1\neq\mathbf{0} nên c1=0c_1=0, rồi c2=0c_2=0. Vậy v1,v2\mathbf{v}_1,\mathbf{v}_2 độc lập.

Theo tính tuyến tính của hệ (giống hệt trường hợp vô hướng), mọi tổ hợp c1eλ1tv1+c2eλ2tv2c_1e^{\lambda_1t}\mathbf{v}_1+c_2e^{\lambda_2t}\mathbf{v}_2 đều thỏa mãn hệ. Vì v1,v2\mathbf{v}_1,\mathbf{v}_2 độc lập, khớp với điều kiện đầu bất kỳ x(0)=x0\mathbf{x}(0)=\mathbf{x}_0 nghĩa là giải c1v1+c2v2=x0c_1\mathbf{v}_1+c_2\mathbf{v}_2=\mathbf{x}_0 theo (c1,c2)(c_1,c_2), có nghiệm duy nhất vì {v1,v2}\{\mathbf{v}_1,\mathbf{v}_2\} là cơ sở của mặt phẳng. Vậy mọi nghiệm đều được bao quát, cho nghiệm tổng quát x(t)=c1eλ1tv1+c2eλ2tv2\mathbf{x}(t)=c_1e^{\lambda_1t}\mathbf{v}_1+c_2e^{\lambda_2t}\mathbf{v}_2.

Với hệ 2×22\times 2 x′=Ax\mathbf{x}'=A\mathbf{x} có phương trình đặc trưng λ2−(tr A)λ+det⁡A=0\lambda^2-(\text{tr}\,A)\lambda+\det A=0, gốc tọa độ ổn định tiệm cận (mọi nghiệm tiến về 0\mathbf{0} khi t→∞t\to\infty) khi và chỉ khi tr A<0\text{tr}\,A<0 và det⁡A>0\det A>0; nó không ổn định nếu det⁡A<0\det A<0 (điểm yên ngựa) hoặc tr A>0\text{tr}\,A>0.

Vì sao đúng?

Vết và định thức của AA lần lượt là tổng và tích các trị riêng của nó — nên định lý này chuyển một phát biểu về nghiệm của phương trình bậc hai (cả hai đều có phần thực âm) thành phát biểu về hai con số dễ tính, mà không cần giải trị riêng tường minh.

Chứng minh

Theo định nghĩa đa thức đặc trưng, λ2−(tr A)λ+det⁡A=0\lambda^2-(\text{tr}\,A)\lambda+\det A=0 có nghiệm λ1,2=tr A±(tr A)2−4det⁡A2\lambda_{1,2}=\dfrac{\text{tr}\,A\pm\sqrt{(\text{tr}\,A)^2-4\det A}}{2}, và theo định lý Vieta λ1+λ2=tr A\lambda_1+\lambda_2=\text{tr}\,A và λ1λ2=det⁡A\lambda_1\lambda_2=\det A.

Nếu det⁡A<0\det A<0 thì λ1λ2<0\lambda_1\lambda_2<0, nên các trị riêng thực và trái dấu (điểm yên ngựa); nghiệm tăng vô hạn dọc theo hướng trị riêng dương, nên gốc tọa độ không ổn định.

Nếu det⁡A>0\det A>0 và tr A<0\text{tr}\,A<0: khi trị riêng thực, λ1λ2>0\lambda_1\lambda_2>0 nghĩa là cùng dấu, và λ1+λ2<0\lambda_1+\lambda_2<0 buộc dấu đó là âm, nên cả eλ1t→0e^{\lambda_1t}\to 0 và eλ2t→0e^{\lambda_2t}\to 0; khi trị riêng là số phức liên hợp α±iβ\alpha\pm i\beta, tr A=2α<0\text{tr}\,A=2\alpha<0 cho α<0\alpha<0, nên hệ số biên độ eαt→0e^{\alpha t}\to 0 trong khi cos⁡(βt),sin⁡(βt)\cos(\beta t),\sin(\beta t) vẫn bị chặn. Trong mọi trường hợp con, mọi nghiệm đều tắt dần về 0\mathbf{0}: ổn định tiệm cận.

Ngược lại nếu tr A>0\text{tr}\,A>0 (với det⁡A>0\det A>0, nên trị riêng thực cùng dấu với vết, hoặc phức với phần thực dương), ít nhất một thừa số mũ tăng, nên nghiệm xuất phát gần nhưng không tại gốc tọa độ sẽ di chuyển ra xa: không ổn định. Điều này bao quát mọi tổ hợp dấu, chứng minh sự tương đương.

Đại họcỨng dụng thực tiễn và Ví dụ minh họa

Mô hình sinh thái cổ điển về một loài săn mồi và con mồi của nó — phương trình Lotka–Volterra {x′=αx−βxyy′=δxy−γy\begin{cases}x'=\alpha x-\beta xy\\ y'=\delta xy-\gamma y\end{cases}, với con mồi xx, kẻ săn mồi yy, và các tốc độ dương α,β,γ,δ\alpha,\beta,\gamma,\delta — là phi tuyến, nhưng gần điểm cân bằng của nó nó hoạt động gần như hệt các hệ tuyến tính được nghiên cứu ở đây: tuyến tính hóa (thay các số hạng phi tuyến bằng xấp xỉ tuyến tính tốt nhất) quanh điểm cân bằng cùng tồn tại cho ra một ma trận có trị riêng thuần ảo, dự đoán các quỹ đạo tuần hoàn khép kín, lên xuống thất thường, thực sự được quan sát trong dữ liệu quần thể săn mồi-con mồi thật.

Ví dụ: Phân loại điểm cân bằng: nút ổn định

Phân loại điểm cân bằng tại gốc tọa độ của x′=Ax\mathbf{x}'=A\mathbf{x} với A=(3001)A=\begin{pmatrix}3&0\\0&1\end{pmatrix} và cho nghiệm tổng quát.

Lời giải

Vì AA là ma trận chéo, các trị riêng đọc trực tiếp: λ1=3\lambda_1=3, λ2=1\lambda_2=1, với vectơ riêng lần lượt là v1=(1,0)\mathbf{v}_1=(1,0) và v2=(0,1)\mathbf{v}_2=(0,1) (chính là các trục tọa độ).

Cả hai trị riêng đều thực và dương — cùng dấu — nên theo bảng phân loại đây là nút; vì tr A=4>0\text{tr}\,A=4>0, nó không ổn định (quỹ đạo di chuyển ra xa gốc tọa độ, nhanh hơn dọc trục xx vì λ1=3>λ2=1\lambda_1=3>\lambda_2=1).

Theo định lý trị riêng, nghiệm tổng quát là x(t)=c1e3t(1,0)+c2et(0,1)\mathbf{x}(t)=c_1e^{3t}(1,0)+c_2e^{t}(0,1), tức x(t)=c1e3tx(t)=c_1e^{3t}, y(t)=c2ety(t)=c_2e^{t}.

Ví dụ: Phân loại điểm cân bằng: điểm yên ngựa

Phân loại điểm cân bằng tại gốc tọa độ của x′=Ax\mathbf{x}'=A\mathbf{x} với A=(100−2)A=\begin{pmatrix}1&0\\0&-2\end{pmatrix}.

Lời giải

AA là ma trận chéo, nên λ1=1\lambda_1=1, λ2=−2\lambda_2=-2 với vectơ riêng v1=(1,0)\mathbf{v}_1=(1,0), v2=(0,1)\mathbf{v}_2=(0,1); tương đương, det⁡A=1⋅(−2)=−2<0\det A=1\cdot(-2)=-2<0, xác nhận trực tiếp trái dấu theo tiêu chuẩn vết-định thức.

Một trị riêng dương, trị riêng kia âm, nên quỹ đạo bị hút về gốc tọa độ dọc trục yy (vì λ2=−2<0\lambda_2=-2<0) nhưng bị đẩy ra dọc trục xx (vì λ1=1>0\lambda_1=1>0) — đây là điểm yên ngựa, và nó luôn không ổn định vì hầu như mọi quỹ đạo cuối cùng đều thoát ra theo hướng không ổn định.

Nghiệm tổng quát là x(t)=c1et(1,0)+c2e−2t(0,1)\mathbf{x}(t)=c_1e^{t}(1,0)+c_2e^{-2t}(0,1); chỉ quỹ đạo xuất phát đúng trên trục yy (c1=0c_1=0) mới tiến về gốc tọa độ, còn mọi quỹ đạo khác cuối cùng đều bị chi phối bởi số hạng ete^{t} đang tăng.

Với x′=Ax\mathbf{x}'=A\mathbf{x} và A=(3001)A=\begin{pmatrix}3&0\\0&1\end{pmatrix}, nghiệm tổng quát là gì?

Nếu tr A=−3\text{tr}\,A=-3 và det⁡A=2\det A=2, gốc tọa độ là loại điểm cân bằng nào?

Trong hệ Lotka–Volterra tuyến tính hóa {x′=αx−βxyy′=δxy−γy\begin{cases}x'=\alpha x-\beta xy\\ y'=\delta xy-\gamma y\end{cases} gần điểm cân bằng cùng tồn tại, ma trận có trị riêng thuần ảo. Điều này dự đoán gì về quần thể kẻ săn mồi và con mồi?

Điều kiện nào trên AA đảm bảo gốc tọa độ không ổn định, bất kể giá trị của tr A\text{tr}\,A?

Tài liệu tham khảo

  1. Morris W. Hirsch, Stephen Smale, Robert L. Devaney (2013). Differential Equations, Dynamical Systems, and an Introduction to Chaos
  2. Steven H. Strogatz (2015). Nonlinear Dynamics and Chaos