最近为了重拾一下曾经没学懂的部分,这里抄书抄笔记等附带一些个人想法留作记录。
Lyapunov直接法
首先我们为什么要用Lyapunov直接法,也就是Lyapunov第二方法?
在学习Lyapunov稳定性时,非线性系统零解稳定性判定的时候:
设
A
A
A为
n
n
n阶常矩阵,向量函数R(t,
x
⃗
\vec{x}
x)在区域
G
=
{
(
t
,
x
⃗
)
∈
R
n
+
1
:
t
≥
t
0
,
∣
∣
x
⃗
∣
∣
≤
M
}
G = \{(t,\vec{x}) \in R^{n+1}:t \ge t_0,|| \vec{x} || \le M \}
G={(t,x)∈Rn+1:t≥t0,∣∣x∣∣≤M}上连续,关于
x
⃗
\vec{x}
x满足Lipschitz条件且
∀
t
≥
t
0
\forall t \ge t_0
∀t≥t0满足:
R
(
t
,
x
⃗
)
≡
0
lim
∣
∣
x
∣
∣
→
0
∣
∣
R
(
t
,
x
⃗
)
∣
∣
∣
∣
x
⃗
∣
∣
=
0
(1)
R(t,\vec{x}) \equiv 0 \\ \lim\limits_{||x|| \to 0} \dfrac {||R(t,\vec{x})||} {||\vec{x}||} = 0 \tag{1}
R(t,x)≡0∣∣x∣∣→0lim∣∣x∣∣∣∣R(t,x)∣∣=0(1)
则
d
x
⃗
d
t
=
A
x
⃗
+
R
(
t
,
x
⃗
)
(2)
\dfrac {d\vec{x}} {dt} =A\vec{x} + R(t,\vec{x}) \tag{2}
dtdx=Ax+R(t,x)(2)
的零解:
1.当A全部特征根的实部都是负数时是渐近稳定的;
2.当A的特征根中至少有一个实部为正是不稳定的。
实际上,有一种临界情形,也就是矩阵
A
A
A具有实部为0的特征根的情形。上述由线性近似来判定稳定性的方法并没有回答这个问题。因为这个时候方程的零解稳定性可能不仅由其线性部分来决定,其高阶项的影响也是不可以简单忽略掉的。
那么这个时候就要请出我们的第二方法。
Lyapunov第二方法阐述如下:
设
x
∈
R
n
,
f
(
0
⃗
)
=
0
⃗
x \in R^n,\textbf{f} (\vec{0}) = \vec{0}
x∈Rn,f(0)=0且
f
(
x
⃗
)
\textbf{f}(\vec{x})
f(x)在区域
G
=
{
x
∈
R
n
:
∣
∣
x
⃗
∣
∣
≤
M
}
G = \{\textbf{x} \in R^n:||\vec{x}|| \le M\}
G={x∈Rn:∣∣x∣∣≤M}内连续可微。考虑:
d
x
⃗
d
t
=
f
(
x
⃗
)
(3)
\dfrac {d\vec{x}} {dt} = \textbf{f} (\vec{x}) \tag{3}
dtdx=f(x)(3)
由Picard定理,它的初值问题解存在唯一且有零解。
Lyapunov第二方法的基本想法
观察在零解附近任意一个解的 x ⃗ ( t ) \vec{x}(t) x(t)轨道是否随着 t t t的变化越来越接近零解或者始终不远离(渐进)。
如何观察?第二方法告诉了我们一个构造函数的方法。实际上,这个构造的函数为了达到上述想法,我们可以从“能量函数”(让我想起Hamilton系统),“位势函数”(divergence是自然的想法),“距离函数”(范数,衡量距离的工具)等方向思考入手,用来检测
x
⃗
(
t
)
\vec{x}(t)
x(t)与原点
O
O
O的位置关系。
那么这个函数,我们当然会想好一点。比如这个函数可以连续,可以可微,甚至可微性要很好,不要在某些点趋近病态变化。
那么第二方法给了我们一个方法如下:
对于定正的连续可微函数
V
(
x
⃗
)
V(\vec{x})
V(x)来观察轨道上动点
x
⃗
(
t
)
\vec{x}(t)
x(t)与原点
O
O
O的位置关系。
V
(
x
⃗
(
t
)
)
V(\vec{x} (t))
V(x(t))关于
t
t
t的增加或者减少可以反映出轨道运动的稳定性。
考虑将(3)中的解
x
⃗
(
t
)
\vec{x} (t)
x(t)代入
V
(
x
⃗
)
V(\vec{x})
V(x)并考虑对
t
t
t的导数:
d
V
d
t
∣
(
3
)
=
d
V
(
x
⃗
(
t
)
)
d
t
=
∑
i
=
1
n
∂
V
∂
x
i
d
x
i
d
t
=
∑
i
=
1
n
∂
V
∂
x
i
f
i
\dfrac {dV} {dt} | _{(3)} = \dfrac {dV(\vec{x}(t))} {dt} = \sum_{i=1}^n \dfrac {\partial V} {\partial x_i} \dfrac {d x_i} {dt} = \sum_{i=1}^n \dfrac {\partial V} {\partial x_i} f_i
dtdV∣(3)=dtdV(x(t))=i=1∑n∂xi∂Vdtdxi=i=1∑n∂xi∂Vfi
上述称为
V
(
x
⃗
)
V(\vec{x})
V(x)通过系统(3)的全导数
Lyapunov稳定性判据
1.若存在定正函数
V
(
x
⃗
)
V(\vec{x})
V(x),且通过系统(3)的全导数为常负的,则(3)零解稳定
2.若存在定正函数
V
(
x
⃗
)
V(\vec{x})
V(x),且通过系统(3)的全导数为定负的,则(3)零解渐进稳定
3.若存在定正函数
V
(
x
⃗
)
V(\vec{x})
V(x),且通过系统(3)的全导数为定正的,则(3)零解不稳定
证明可看张伟年第二版p174
那么接下来的问题就是如何构造这个Lyapunov函数
V
(
x
⃗
)
V(\vec{x})
V(x)。
很遗憾的是,没有一般方法构造这个函数。所以人们有时候寻求二次型构造,有时候把系统理解为质点的运动方程,用系统的总能量构造。
以二维来看,系统(3)的解可以看成平面上以
t
t
t为参数的轨道。若
V
V
V定正,当c充分小时,随着c逐渐增大,曲线族
V
(
x
1
,
x
2
)
=
c
(
c
>
0
)
V(x_1,x_2) = c(c>0)
V(x1,x2)=c(c>0)为包含原点在内但不相交的一个一个嵌套的曲线族如下:
上述的稳定性判据在二维的情况下,可以理解为:
若导数
V
˙
≤
0
\dot V \le 0
V˙≤0(常负),则
x
⃗
(
t
)
=
(
x
1
(
t
)
,
x
2
(
t
)
)
\vec{x}(t) = (x_1(t),x_2(t))
x(t)=(x1(t),x2(t))对
t
≥
t
0
t \ge t_0
t≥t0为不增函数,因此轨道要么随着
t
t
t的增加一层层进入闭曲线族,要么沿着这些曲线运动,但不会由这些曲线的内部走到外部去,从而零解稳定。
若导数
V
˙
\dot V
V˙定负,则任一轨道当
t
≥
t
0
t \ge t_0
t≥t0时只能随着
t
t
t的增加由外向内进入闭曲线族
V
(
x
1
,
x
2
)
=
c
V(x_1,x_2) = c
V(x1,x2)=c并渐进地趋于原点。
不稳定时,会走出去。
这里可以看出来渐近稳定(下面穿出去
δ
\delta
δ又穿回来的)是比稳定(上面穿出去
δ
\delta
δ不回来但是在
ϵ
\epsilon
ϵ代表的轨道里的)更强的条件,因为渐近稳定下系统会收敛到零解。
弱化稳定的情况
例:研究系统
{
x
˙
=
y
−
x
y
2
y
˙
=
−
x
3
\begin{cases} \dot x = y - xy^2 \\ \dot y = -x^3 \end{cases}
{x˙=y−xy2y˙=−x3
的稳定性。
这个时候取二次型是不行的。
二次型上有一个一般的定正函数:
V
(
x
,
y
)
=
a
x
2
m
+
b
y
2
n
m
,
n
∈
N
∗
V(x,y) = ax^{2m} + by^{2n} \\ m,n \in N^*
V(x,y)=ax2m+by2nm,n∈N∗
a
,
b
a,b
a,b待定。
计算对于系统的全导数后:
d
V
d
t
=
2
(
m
a
x
2
m
−
1
y
−
n
b
x
3
y
2
n
−
1
−
m
a
x
2
m
y
2
)
\dfrac {dV} {dt} = 2(max^{2m-1}y - nbx^3y^{2n-1} - max^{2m}y^2)
dtdV=2(max2m−1y−nbx3y2n−1−max2my2)
取
m
=
2
,
n
=
1
,
a
=
1
,
b
=
2
m=2,n=1,a=1,b=2
m=2,n=1,a=1,b=2,则有:
V
(
x
,
y
)
=
x
4
+
2
y
2
,
d
V
d
t
=
−
4
x
4
y
2
V(x,y) = x^4 + 2y^2,\dfrac {dV} {dt} = -4x^4y^2
V(x,y)=x4+2y2,dtdV=−4x4y2
这个时候的
V
˙
\dot V
V˙就很合意,因为它常负,
V
V
V定正,可以使用上述稳定性判据,于是零解稳定。但是零解是否是渐进稳定的呢?
巴尔巴欣-克拉索夫斯基定理
若存在定正函数
V
(
x
⃗
)
V(\vec{x})
V(x),其通过方程组(3)的全导数
d
V
d
t
\frac {dV} {dt}
dtdV为常负函数,但让
d
V
d
t
=
0
\frac {dV} {dt} = 0
dtdV=0的点
x
⃗
\vec{x}
x的集合中除(3)的零解外不包含(3)的整条正半轨(即
x
⃗
=
(
x
1
(
t
)
,
x
2
(
t
)
,
…
)
\vec{x} = (x_1(t),x_2(t),\dots)
x=(x1(t),x2(t),…)当
t
≥
t
0
t \ge t_0
t≥t0在平面上定义的曲线),则方程组(3)的零解是渐近稳定的。
那么上例中,显然
V
V
V是定正的,
d
V
d
t
\frac {dV} {dt}
dtdV是常负的,但是让
d
V
d
t
=
0
\frac {dV} {dt} = 0
dtdV=0的点集中除了零解(此处是
(
x
,
y
)
=
(
0
,
0
)
(x,y) = (0,0)
(x,y)=(0,0)外不包括整条正半轨),故由上述定理可以得知零解稳定。