MathLabs

微分方程与动力系统

微分方程组

耦合方程 x′=Ax\mathbf{x}'=A\mathbf{x} 通过特征值求解,揭示平衡点的稳定性。

直观直觉:相互牵引的两个变量

单个微分方程只追踪一个变化的量。但兔子与狐狸、电路中的电压与电流,或摆的两个坐标却是一起变化的——每个量的变化率都依赖于另一个量的值。把未知量写成向量 x=(x,y)\mathbf{x}=(x,y),把耦合写成矩阵 AA,这样的线性系统都可以写成紧凑形式 x′=Ax\mathbf{x}'=A\mathbf{x}。矩阵 AA 可以看作一个小型有向图:每个变量一个节点,每个耦合系数一条带权边。

带有两个高亮节点和表示耦合矩阵A的加权边的有向图。
耦合微分方程组的相平面轨迹(洛特卡–沃尔泰拉捕食周期轨与螺旋/中心轨道)。

中学精确表述:线性系统与特征值

定义: 齐次线性系统

具有常数 n×nn\times n 矩阵 AA 和未知向量值函数 x(t)\mathbf{x}(t) 的一阶线性系统 x′=Ax\mathbf{x}'=A\mathbf{x} 称为齐次的,因为每一项对 x\mathbf{x} 的分量都是线性的。当 n=2n=2 时,它把两个耦合的标量方程 x′=a11x+a12yx'=a_{11}x+a_{12}y、y′=a21x+a22yy'=a_{21}x+a_{22}y 打包成一个向量方程。

x′=Ax\mathbf{x}'=A\mathbf{x}

与单个方程类似,尝试试探解 x=eλtv\mathbf{x}=e^{\lambda t}\mathbf{v},其中 v≠0\mathbf{v}\neq \mathbf{0} 为常数向量,λ\lambda 为标量。代入得 λeλtv=Aeλtv\lambda e^{\lambda t}\mathbf{v}=Ae^{\lambda t}\mathbf{v},即 Av=λvA\mathbf{v}=\lambda\mathbf{v}:v\mathbf{v} 必须是 AA 的特征向量,其特征值为 λ\lambda。特征值是特征多项式的根:

det⁡(A−λI)=0\det(A-\lambda I)=0
由 AA 的特征值分类的平面平衡点四种定性类型
特征值相图稳定性
λ1,λ2\lambda_1,\lambda_2 为实数,同号结点两者均为负则稳定,均为正则不稳定
λ1,λ2\lambda_1,\lambda_2 为实数,异号鞍点总是不稳定
复数,实部非零螺旋点实部为负则稳定,为正则不稳定
纯虚数中心中性稳定(闭合轨道)

大学大学阶段:定理与证明

若 AA 有两个不同的实特征值 λ1≠λ2\lambda_1\neq\lambda_2,对应特征向量为 v1,v2\mathbf{v}_1,\mathbf{v}_2,则 v1,v2\mathbf{v}_1,\mathbf{v}_2 线性无关,且 x′=Ax\mathbf{x}'=A\mathbf{x} 的通解为 x(t)=c1eλ1tv1+c2eλ2tv2\mathbf{x}(t)=c_1e^{\lambda_1t}\mathbf{v}_1+c_2e^{\lambda_2t}\mathbf{v}_2。

为什么成立?

特征向量把耦合系统变成沿特征方向的两个非耦合标量方程:每个 eλitvie^{\lambda_i t}\mathbf{v}_i 完全沿 vi\mathbf{v}_i 张成的直线运动,以速率 λi\lambda_i 增长或衰减,所以整体运动是两个独立直线运动的混合。

证明

首先验证 eλitvie^{\lambda_i t}\mathbf{v}_i 满足该系统:其导数为 λieλitvi\lambda_i e^{\lambda_i t}\mathbf{v}_i,而由 Av=λvA\mathbf{v}=\lambda\mathbf{v} 得 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;两边相符,故对 i=1,2i=1,2 它确实是解。

v1,v2\mathbf{v}_1,\mathbf{v}_2 的线性无关性:设 c1v1+c2v2=0c_1\mathbf{v}_1+c_2\mathbf{v}_2=\mathbf{0}。两边作用 AA 得 c1λ1v1+c2λ2v2=0c_1\lambda_1\mathbf{v}_1+c_2\lambda_2\mathbf{v}_2=\mathbf{0}。将第一式乘以 λ2\lambda_2 后相减,得 c1(λ1−λ2)v1=0c_1(\lambda_1-\lambda_2)\mathbf{v}_1=\mathbf{0};由于 λ1≠λ2\lambda_1\neq\lambda_2 且 v1≠0\mathbf{v}_1\neq\mathbf{0},故 c1=0c_1=0,进而 c2=0c_2=0。因此 v1,v2\mathbf{v}_1,\mathbf{v}_2 线性无关。

由系统的线性性(与标量情形完全相同),任意组合 c1eλ1tv1+c2eλ2tv2c_1e^{\lambda_1t}\mathbf{v}_1+c_2e^{\lambda_2t}\mathbf{v}_2 都满足该系统。由于 v1,v2\mathbf{v}_1,\mathbf{v}_2 线性无关,匹配任意初始条件 x(0)=x0\mathbf{x}(0)=\mathbf{x}_0 等价于求解 (c1,c2)(c_1,c_2) 使 c1v1+c2v2=x0c_1\mathbf{v}_1+c_2\mathbf{v}_2=\mathbf{x}_0,由于 {v1,v2}\{\mathbf{v}_1,\mathbf{v}_2\} 是平面的一组基,该方程有唯一解。因此每个解都被涵盖,通解为 x(t)=c1eλ1tv1+c2eλ2tv2\mathbf{x}(t)=c_1e^{\lambda_1t}\mathbf{v}_1+c_2e^{\lambda_2t}\mathbf{v}_2。

对于特征方程为 λ2−(tr A)λ+det⁡A=0\lambda^2-(\text{tr}\,A)\lambda+\det A=0 的 2×22\times 2 系统 x′=Ax\mathbf{x}'=A\mathbf{x},原点渐近稳定(所有解在 t→∞t\to\infty 时趋于 0\mathbf{0})当且仅当 tr A<0\text{tr}\,A<0 且 det⁡A>0\det A>0;若 det⁡A<0\det A<0(鞍点)或 tr A>0\text{tr}\,A>0,则不稳定。

为什么成立?

AA 的迹与行列式分别是其特征值之和与之积——因此该定理把关于二次方程根的命题(两根实部均为负)转化为关于两个易于计算的数的命题,而无需显式求解特征值。

证明

由特征多项式的定义,λ2−(tr A)λ+det⁡A=0\lambda^2-(\text{tr}\,A)\lambda+\det A=0 的根为 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},由韦达定理 λ1+λ2=tr A\lambda_1+\lambda_2=\text{tr}\,A,λ1λ2=det⁡A\lambda_1\lambda_2=\det A。

若 det⁡A<0\det A<0,则 λ1λ2<0\lambda_1\lambda_2<0,故特征值为实数且异号(鞍点);解沿正特征值方向无限增长,故原点不稳定。

若 det⁡A>0\det A>0 且 tr A<0\text{tr}\,A<0:当特征值为实数时,λ1λ2>0\lambda_1\lambda_2>0 意味着同号,而 λ1+λ2<0\lambda_1+\lambda_2<0 迫使该符号为负,故 eλ1t→0e^{\lambda_1t}\to 0 与 eλ2t→0e^{\lambda_2t}\to 0 均成立;当特征值为共轭复数 α±iβ\alpha\pm i\beta 时,tr A=2α<0\text{tr}\,A=2\alpha<0 给出 α<0\alpha<0,故振幅因子 eαt→0e^{\alpha t}\to 0,而 cos⁡(βt),sin⁡(βt)\cos(\beta t),\sin(\beta t) 保持有界。在每种子情形下,每个解都衰减到 0\mathbf{0}:渐近稳定。

反之若 tr A>0\text{tr}\,A>0(此时 det⁡A>0\det A>0,实特征值与迹同号,或复特征值实部为正),则至少一个指数因子增长,从接近但不在原点的地方出发的解会远离原点:不稳定。这涵盖了所有符号组合,证明了该等价性。

大学实际应用与典型例题

关于捕食者与猎物的经典生态学模型——Lotka–Volterra方程 {x′=αx−βxyy′=δxy−γy\begin{cases}x'=\alpha x-\beta xy\\ y'=\delta xy-\gamma y\end{cases}(猎物 xx、捕食者 yy,正的速率 α,β,γ,δ\alpha,\beta,\gamma,\delta)是非线性的,但在其平衡点附近的行为几乎与这里研究的线性系统完全相同:在共存平衡点附近线性化(用最佳线性近似替换非线性项)会得到一个特征值为纯虚数的矩阵,预测出真实捕食者-猎物种群数据中实际观察到的闭合周期性盛衰轨道。

例题: 分类平衡点:稳定结点

对 x′=Ax\mathbf{x}'=A\mathbf{x}、A=(3001)A=\begin{pmatrix}3&0\\0&1\end{pmatrix} 分类原点处的平衡点,并给出通解。

解答

由于 AA 是对角矩阵,可直接读出特征值:λ1=3\lambda_1=3,λ2=1\lambda_2=1,对应特征向量分别为 v1=(1,0)\mathbf{v}_1=(1,0) 与 v2=(0,1)\mathbf{v}_2=(0,1)(即坐标轴本身)。

两个特征值均为实数且为正——同号——故按分类表这是结点;由于 tr A=4>0\text{tr}\,A=4>0,它是不稳定的(轨迹远离原点,沿 xx 轴方向更快,因为 λ1=3>λ2=1\lambda_1=3>\lambda_2=1)。

由特征值定理,通解为 x(t)=c1e3t(1,0)+c2et(0,1)\mathbf{x}(t)=c_1e^{3t}(1,0)+c_2e^{t}(0,1),即 x(t)=c1e3tx(t)=c_1e^{3t},y(t)=c2ety(t)=c_2e^{t}。

例题: 分类平衡点:鞍点

对 x′=Ax\mathbf{x}'=A\mathbf{x}、A=(100−2)A=\begin{pmatrix}1&0\\0&-2\end{pmatrix} 分类原点处的平衡点。

解答

AA 为对角矩阵,故 λ1=1\lambda_1=1,λ2=−2\lambda_2=-2,特征向量为 v1=(1,0)\mathbf{v}_1=(1,0),v2=(0,1)\mathbf{v}_2=(0,1);等价地,det⁡A=1⋅(−2)=−2<0\det A=1\cdot(-2)=-2<0,由迹-行列式判据直接确认异号。

一个特征值为正,另一个为负,故轨迹沿 yy 轴被吸引向原点(因 λ2=−2<0\lambda_2=-2<0),但沿 xx 轴被排斥(因 λ1=1>0\lambda_1=1>0)——这是鞍点,且总是不稳定的,因为几乎每条轨迹最终都会沿不稳定方向逃逸。

通解为 x(t)=c1et(1,0)+c2e−2t(0,1)\mathbf{x}(t)=c_1e^{t}(1,0)+c_2e^{-2t}(0,1);只有恰好从 yy 轴出发的轨迹(c1=0c_1=0)才会趋近原点,其余所有轨迹最终都由增长的 ete^{t} 项主导。

对于 x′=Ax\mathbf{x}'=A\mathbf{x}、A=(3001)A=\begin{pmatrix}3&0\\0&1\end{pmatrix},通解是什么?

若 tr A=−3\text{tr}\,A=-3 且 det⁡A=2\det A=2,原点是哪种类型的平衡点?

在共存平衡点附近线性化的Lotka–Volterra系统 {x′=αx−βxyy′=δxy−γy\begin{cases}x'=\alpha x-\beta xy\\ y'=\delta xy-\gamma y\end{cases} 中,矩阵的特征值为纯虚数。这对捕食者与猎物种群预测了什么?

无论 tr A\text{tr}\,A 的值如何,哪个关于 AA 的条件保证原点不稳定?

参考文献

  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