我们再举个例子看一下:
x
˙
1
(
t
)
=
x
2
+
x
1
(
2
−
x
1
2
−
x
2
2
)
x
˙
2
(
t
)
=
−
x
1
+
x
2
(
2
−
x
1
2
−
x
2
2
)
\begin{equation} \begin{aligned} \dot x_1(t)&=x_2+x_1(2-x_1^2-x_2^2)\\ \dot x_2(t)&=-x_1+x_2(2-x_1^2-x_2^2) \end{aligned} \end{equation}
x˙1(t)x˙2(t)=x2+x1(2−x12−x22)=−x1+x2(2−x12−x22)
求解稍微复杂一点,我们直接画出轨迹图如下:
显然
[
0
0
]
\begin{bmatrix} {0}\\ {0}\end{bmatrix}
[00] 是其平衡点。从轨迹图中可以看出,无论是小扰动(初始点在平衡零点附近),还是大扰动,状态轨迹最终都趋向一个固定的圆。我们套用一下李雅普诺夫稳定定义看一下,该系统是否稳定。我们不妨取
ϵ
=
1
\epsilon=1
ϵ=1 ,即在零点周围画个半径为
1
1
1的圆,看看能否存在
δ
\delta
δ ,使得
∥
x
(
0
)
−
x
e
∥
<
δ
{\displaystyle \|x(0)-x_e \|< \delta}
∥x(0)−xe∥<δ ,则对于所有的
t
>
0
t>0
t>0 ,都有
∥
x
(
t
)
−
x
e
∥
<
1
{\displaystyle \|x(t)-x_e \|<1}
∥x(t)−xe∥<1。显然,
δ
\delta
δ 是不存在的,因此,该系统是不稳定的。
如何理解这句话:我们不妨取 ϵ = 1 \epsilon=1 ϵ=1 ,即在零点周围画个半径为 1 1 1的圆,看看能否存在 δ \delta δ ,使得 ∥ x ( 0 ) − x e ∥ < δ {\displaystyle \|x(0)-x_e \|< \delta} ∥x(0)−xe∥<δ ,则对于所有的 t > 0 t>0 t>0 ,都有 ∥ x ( t ) − x e ∥ < 1 {\displaystyle \|x(t)-x_e \|<1} ∥x(t)−xe∥<1。显然, δ \delta δ 是不存在的,因此,该系统是不稳定的。
这句话的内在逻辑是用来判断一个系统是否稳定的。系统稳定的定义是,当系统受到扰动时,它能否恢复到原来或者新的平衡状态1。为了检验系统是否稳定,我们可以用极限法2,即给定一个任意小的正数 ϵ \epsilon ϵ ,看看是否存在另一个正数 δ \delta δ ,使得当初始状态 x ( 0 ) x(0) x(0) 和平衡状态 x e x_e xe 的距离小于 δ \delta δ 时,对于所有的时间 t > 0 t>0 t>0 ,系统状态 x ( t ) x(t) x(t) 和平衡状态 x e x_e xe 的距离都小于 ϵ \epsilon ϵ 。如果存在这样的 δ \delta δ ,则系统是稳定的;如果不存在,则系统是不稳定的。
这句话中,我们不妨取 ϵ = 1 \epsilon=1 ϵ=1 ,即在零点周围画个半径为 1 1 1 的圆,看看能否存在 δ \delta δ ,使得 ∣ x ( 0 ) − x e ∣ < δ {\displaystyle |x(0)-x_e |< \delta} ∣x(0)−xe∣<δ ,则对于所有的 t > 0 t>0 t>0 ,都有 ∣ x ( t ) − x e ∣ < 1 {\displaystyle |x(t)-x_e |<1} ∣x(t)−xe∣<1 。显然, δ \delta δ 是不存在的,因此,该系统是不稳定的。**这就意味着,无论我们把初始状态选得多么接近平衡状态(只要不完全相等),只要时间足够长,系统状态都会偏离平衡状态超过一个单位。**这样的系统是不能恢复到原来或者新的平衡状态的。