<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-Hans-CN">
	<id>https://wiki.swarma.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=%E9%BB%84%E8%8A%B8</id>
	<title>集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织 - 用户贡献 [zh-cn]</title>
	<link rel="self" type="application/atom+xml" href="https://wiki.swarma.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=%E9%BB%84%E8%8A%B8"/>
	<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php/%E7%89%B9%E6%AE%8A:%E7%94%A8%E6%88%B7%E8%B4%A1%E7%8C%AE/%E9%BB%84%E8%8A%B8"/>
	<updated>2026-11-04T09:01:56Z</updated>
	<subtitle>用户贡献</subtitle>
	<generator>MediaWiki 1.35.0</generator>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51612</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51612"/>
		<updated>2026-10-27T00:26:52Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。 基本思想是构造这样一个分解： 第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt; 此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质： $$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$ （其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。） 这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序： $$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$ 并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。 如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND（逻辑与）&lt;br /&gt;
&lt;br /&gt;
表 1. AND 例子的联合概率及选定熵的对应值。&lt;br /&gt;
&lt;br /&gt;
X	Y	S	p&lt;br /&gt;
0	0	0	$\frac{1}{4}$&lt;br /&gt;
0	1	0	$\frac{1}{4}$&lt;br /&gt;
1	0	0	$\frac{1}{4}$&lt;br /&gt;
1	1	1	$\frac{1}{4}$&lt;br /&gt;
&lt;br /&gt;
$$\begin{aligned}&lt;br /&gt;
H(S) &amp;amp;= 2 \log 2 - \frac{3}{4} \log 3 \\&lt;br /&gt;
H(S, X) &amp;amp;= \frac{3}{2} \log 2 \\&lt;br /&gt;
H(S, X, Y) &amp;amp;= 2 \log 2 \\&lt;br /&gt;
MI(S : X) &amp;amp;= \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \\&lt;br /&gt;
MI(S : X | Y) &amp;amp;= \frac{1}{2} \log 2&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
$$\begin{aligned}&lt;br /&gt;
H(S) &amp;amp;= 2 \log 2 - \frac{3}{4} \log 3 \\&lt;br /&gt;
H(S, X) &amp;amp;= \frac{3}{2} \log 2 \\&lt;br /&gt;
H(S, X, Y) &amp;amp;= 2 \log 2 \\&lt;br /&gt;
MI(S : X) &amp;amp;= \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \\&lt;br /&gt;
MI(S : X | Y) &amp;amp;= \frac{1}{2} \log 2&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
设 $X$ 和 $Y$ 为独立的二元随机变量，满足 $p(0) = p(1) = \frac{1}{2}$，且 $S = X \text{ AND } Y$。由于对 $(S, X)$ 和 $(S, Y)$ 的边缘分布是相同的（由对称性可知），在这个例子中没有唯一信息 [8]（推论 8），因此，根据公式 (5)，&lt;br /&gt;
$$\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}$$&lt;br /&gt;
在这个例子中，共信息（co-information）为：&lt;br /&gt;
$$\begin{aligned}&lt;br /&gt;
CoI(S; X; Y) &amp;amp;= SI(S : X; Y) - CI(S : X; Y) \quad (10) \\&lt;br /&gt;
&amp;amp;= MI(S : X) - MI(S : X | Y) \\&lt;br /&gt;
&amp;amp;= \log 2 - \frac{3}{4} \log 3 \approx -0.1887 \text{ bit}&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
因此，共享信息（shared information）为 $\widetilde{SI}(S : X; Y) = \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \approx 0.3113 \text{ bit}$，WMS 协同作用（synergy）为 $S_{WMS}(S : X; Y) \approx 0.1887 \text{ bit}$。另一方面，在 AND 情况下，联合概率分布 $p(s, x, y)$ 已经完全由边缘分布 $p(x, y)$, $p(s, y)$ 和 $p(s, x)$ 确定；也就是说，$\Delta_p^{(2)} = \{p\}$（参见例如 [10]）。因此，&lt;br /&gt;
$$S^{(2)}(S : X; Y) = 0$$&lt;br /&gt;
&lt;br /&gt;
——————————————————&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上&amp;quot;2.1等式（5）&amp;quot;&lt;br /&gt;
&lt;br /&gt;
在文献[8]中，有人提出使用如下函数作为协同作用的度量：&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X; Y) - \min_{q \in \Delta_p} MI_q(S : X; Y) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{9} &amp;lt;/math&amp;gt;&lt;br /&gt;
其中：&lt;br /&gt;
&amp;lt;math&amp;gt;\Delta_p = \left\{ q(s,x,y) \mid q(s,x) = p(s,x) \land q(s,y) = p(s,y) \right\} &amp;lt;/math&amp;gt;&lt;br /&gt;
表示所有满足“对$(S,X)$和$(S,Y)$的边缘分布与$p$相同”的$S,X,Y$的联合分布构成的集合。&lt;br /&gt;
&lt;br /&gt;
&amp;quot;2.1等式（5）&amp;quot;如下&lt;br /&gt;
&amp;lt;math&amp;gt;MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{5}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
__________________&lt;br /&gt;
&lt;br /&gt;
共享信息（shared information）为 &amp;lt;math&amp;gt;\widetilde{SI}(S : X; Y) = \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \approx 0.3113 \text{ bit}&amp;lt;/math&amp;gt;，WMS 协同作用（synergy）为 &amp;lt;math&amp;gt;S_{WMS}(S : X; Y) \approx 0.1887 \text{ bit}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
____________&lt;br /&gt;
&lt;br /&gt;
另一方面，在 AND 情况下，联合概率分布 $p(s, x, y)$ 已经完全由边缘分布 $p(x, y)$, $p(s, y)$ 和 $p(s, x)$ 确定；也就是说，$\Delta_p^{(2)} = \{p\}$（参见例如 [10]）。因此，&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(S : X; Y) = 0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
这里&amp;lt;math&amp;gt;S^{(2)} &amp;lt;/math&amp;gt;出现在&amp;quot;2.2 Interaction Space&amp;quot;&lt;br /&gt;
(基于“协同作用应该包含所有超越两两交互的信息”这一想法，我们定义：&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(X_0; ...; X_n) := D(p \| q^{(2)}) = D(p \| q^{(n)}) + D(q^{(n)} \| q^{(n-1)}) + ... + D(q^{(3)} \| q^{(2)})&amp;lt;/math&amp;gt;&lt;br /&gt;
作为协同作用的度量。&lt;br /&gt;
&lt;br /&gt;
+“3.3 Synergy from Maxisum Entropy Arguments&amp;quot;&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51611</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51611"/>
		<updated>2026-10-27T00:05:43Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 信息分解框架下的分析 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。 基本思想是构造这样一个分解： 第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt; 此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质： $$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$ （其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。） 这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序： $$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$ 并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。 如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上&amp;quot;2.1等式（5）&amp;quot;&lt;br /&gt;
&lt;br /&gt;
在文献[8]中，有人提出使用如下函数作为协同作用的度量：&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X; Y) - \min_{q \in \Delta_p} MI_q(S : X; Y) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{9} &amp;lt;/math&amp;gt;&lt;br /&gt;
其中：&lt;br /&gt;
&amp;lt;math&amp;gt;\Delta_p = \left\{ q(s,x,y) \mid q(s,x) = p(s,x) \land q(s,y) = p(s,y) \right\} &amp;lt;/math&amp;gt;&lt;br /&gt;
表示所有满足“对$(S,X)$和$(S,Y)$的边缘分布与$p$相同”的$S,X,Y$的联合分布构成的集合。&lt;br /&gt;
&lt;br /&gt;
&amp;quot;2.1等式（5）&amp;quot;如下&lt;br /&gt;
&amp;lt;math&amp;gt;MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{5}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
__________________&lt;br /&gt;
&lt;br /&gt;
共享信息（shared information）为 &amp;lt;math&amp;gt;\widetilde{SI}(S : X; Y) = \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \approx 0.3113 \text{ bit}&amp;lt;/math&amp;gt;，WMS 协同作用（synergy）为 &amp;lt;math&amp;gt;S_{WMS}(S : X; Y) \approx 0.1887 \text{ bit}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
____________&lt;br /&gt;
&lt;br /&gt;
另一方面，在 AND 情况下，联合概率分布 $p(s, x, y)$ 已经完全由边缘分布 $p(x, y)$, $p(s, y)$ 和 $p(s, x)$ 确定；也就是说，$\Delta_p^{(2)} = \{p\}$（参见例如 [10]）。因此，&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(S : X; Y) = 0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
这里&amp;lt;math&amp;gt;S^{(2)} &amp;lt;/math&amp;gt;出现在&amp;quot;2.2 Interaction Space&amp;quot;&lt;br /&gt;
(基于“协同作用应该包含所有超越两两交互的信息”这一想法，我们定义：&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(X_0; ...; X_n) := D(p \| q^{(2)}) = D(p \| q^{(n)}) + D(q^{(n)} \| q^{(n-1)}) + ... + D(q^{(3)} \| q^{(2)})&amp;lt;/math&amp;gt;&lt;br /&gt;
作为协同作用的度量。&lt;br /&gt;
&lt;br /&gt;
+“3.3 Synergy from Maxisum Entropy Arguments&amp;quot;&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51491</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51491"/>
		<updated>2026-10-12T09:18:21Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上&amp;quot;2.1等式（5）&amp;quot;&lt;br /&gt;
&lt;br /&gt;
在文献[8]中，有人提出使用如下函数作为协同作用的度量：&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X; Y) - \min_{q \in \Delta_p} MI_q(S : X; Y) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{9} &amp;lt;/math&amp;gt;&lt;br /&gt;
其中：&lt;br /&gt;
&amp;lt;math&amp;gt;\Delta_p = \left\{ q(s,x,y) \mid q(s,x) = p(s,x) \land q(s,y) = p(s,y) \right\} &amp;lt;/math&amp;gt;&lt;br /&gt;
表示所有满足“对$(S,X)$和$(S,Y)$的边缘分布与$p$相同”的$S,X,Y$的联合分布构成的集合。&lt;br /&gt;
&lt;br /&gt;
&amp;quot;2.1等式（5）&amp;quot;如下&lt;br /&gt;
&amp;lt;math&amp;gt;MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{5}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
__________________&lt;br /&gt;
&lt;br /&gt;
共享信息（shared information）为 &amp;lt;math&amp;gt;\widetilde{SI}(S : X; Y) = \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \approx 0.3113 \text{ bit}&amp;lt;/math&amp;gt;，WMS 协同作用（synergy）为 &amp;lt;math&amp;gt;S_{WMS}(S : X; Y) \approx 0.1887 \text{ bit}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
____________&lt;br /&gt;
&lt;br /&gt;
另一方面，在 AND 情况下，联合概率分布 $p(s, x, y)$ 已经完全由边缘分布 $p(x, y)$, $p(s, y)$ 和 $p(s, x)$ 确定；也就是说，$\Delta_p^{(2)} = \{p\}$（参见例如 [10]）。因此，&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(S : X; Y) = 0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
这里&amp;lt;math&amp;gt;S^{(2)} &amp;lt;/math&amp;gt;出现在&amp;quot;2.2 Interaction Space&amp;quot;&lt;br /&gt;
(基于“协同作用应该包含所有超越两两交互的信息”这一想法，我们定义：&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(X_0; ...; X_n) := D(p \| q^{(2)}) = D(p \| q^{(n)}) + D(q^{(n)} \| q^{(n-1)}) + ... + D(q^{(3)} \| q^{(2)})&amp;lt;/math&amp;gt;&lt;br /&gt;
作为协同作用的度量。&lt;br /&gt;
&lt;br /&gt;
+“3.3 Synergy from Maxisum Entropy Arguments&amp;quot;&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51490</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51490"/>
		<updated>2026-10-12T09:16:02Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上&amp;quot;2.1等式（5）&amp;quot;&lt;br /&gt;
&lt;br /&gt;
在文献[8]中，有人提出使用如下函数作为协同作用的度量：&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X; Y) - \min_{q \in \Delta_p} MI_q(S : X; Y) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{9} &amp;lt;/math&amp;gt;&lt;br /&gt;
其中：&lt;br /&gt;
&amp;lt;math&amp;gt;\Delta_p = \left\{ q(s,x,y) \mid q(s,x) = p(s,x) \land q(s,y) = p(s,y) \right\} &amp;lt;/math&amp;gt;&lt;br /&gt;
表示所有满足“对$(S,X)$和$(S,Y)$的边缘分布与$p$相同”的$S,X,Y$的联合分布构成的集合。&lt;br /&gt;
&lt;br /&gt;
&amp;quot;2.1等式（5）&amp;quot;如下&lt;br /&gt;
&amp;lt;math&amp;gt;MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{5}&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
共享信息（shared information）为 &amp;lt;math&amp;gt;\widetilde{SI}(S : X; Y) = \frac{3}{2} \log 2 - \frac{3}{4} \log 3 \approx 0.3113 \text{ bit}&amp;lt;/math&amp;gt;，WMS 协同作用（synergy）为 &amp;lt;math&amp;gt;S_{WMS}(S : X; Y) \approx 0.1887 \text{ bit}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
另一方面，在 AND 情况下，联合概率分布 $p(s, x, y)$ 已经完全由边缘分布 $p(x, y)$, $p(s, y)$ 和 $p(s, x)$ 确定；也就是说，$\Delta_p^{(2)} = \{p\}$（参见例如 [10]）。因此，&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(S : X; Y) = 0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
这里&amp;lt;math&amp;gt;S^{(2)} &amp;lt;/math&amp;gt;出现在&amp;quot;2.2 Interaction Space&amp;quot;&lt;br /&gt;
(基于“协同作用应该包含所有超越两两交互的信息”这一想法，我们定义：&lt;br /&gt;
&amp;lt;math&amp;gt;S^{(2)}(X_0; ...; X_n) := D(p \| q^{(2)}) = D(p \| q^{(n)}) + D(q^{(n)} \| q^{(n-1)}) + ... + D(q^{(3)} \| q^{(2)})&amp;lt;/math&amp;gt;&lt;br /&gt;
作为协同作用的度量。&lt;br /&gt;
&lt;br /&gt;
+“3.3 Synergy from Maxisum Entropy Arguments&amp;quot;&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51489</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51489"/>
		<updated>2026-10-12T09:02:43Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上&amp;quot;2.1等式（5）&amp;quot;&lt;br /&gt;
&lt;br /&gt;
在文献[8]中，有人提出使用如下函数作为协同作用的度量：&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X; Y) - \min_{q \in \Delta_p} MI_q(S : X; Y) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{9} &amp;lt;/math&amp;gt;&lt;br /&gt;
其中：&lt;br /&gt;
&amp;lt;math&amp;gt;\Delta_p = \left\{ q(s,x,y) \mid q(s,x) = p(s,x) \land q(s,y) = p(s,y) \right\} &amp;lt;/math&amp;gt;&lt;br /&gt;
表示所有满足“对$(S,X)$和$(S,Y)$的边缘分布与$p$相同”的$S,X,Y$的联合分布构成的集合。&lt;br /&gt;
&lt;br /&gt;
&amp;quot;2.1等式（5）&amp;quot;如下&lt;br /&gt;
&amp;lt;math&amp;gt;MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{5}&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51488</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51488"/>
		<updated>2026-10-12T08:58:41Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上&amp;quot;2.2等式（5）&amp;quot;&lt;br /&gt;
&lt;br /&gt;
在文献[8]中，有人提出使用如下函数作为协同作用的度量：&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X; Y) - \min_{q \in \Delta_p} MI_q(S : X; Y) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{9} &amp;lt;/math&amp;gt;&lt;br /&gt;
其中：&lt;br /&gt;
&amp;lt;math&amp;gt;\Delta_p = \left\{ q(s,x,y) \mid q(s,x) = p(s,x) \land q(s,y) = p(s,y) \right\} &amp;lt;/math&amp;gt;&lt;br /&gt;
表示所有满足“对$(S,X)$和$(S,Y)$的边缘分布与$p$相同”的$S,X,Y$的联合分布构成的集合。&lt;br /&gt;
&lt;br /&gt;
&amp;quot;2.2等式（5）&amp;quot;如下&lt;br /&gt;
&amp;lt;math&amp;gt;MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) &amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;\tag{5}&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51487</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51487"/>
		<updated>2026-10-12T08:50:56Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中&amp;lt;math&amp;gt;\widetilde{CI}&amp;lt;/math&amp;gt; 出现在 （“3.2 Synergy from unique information“，来自【8】如下），再加上等式（5）&lt;br /&gt;
it was proposed to use the following function as a measure of synergy:&lt;br /&gt;
CI(S : X; Y) = MI(S : X; Y)−min&lt;br /&gt;
MIq(S : X; Y) (9)&lt;br /&gt;
q∈∆p&lt;br /&gt;
where:&lt;br /&gt;
∆p = {q(s,x,y) |q(s,x) = p(s,x) ∧q(s,y) = p(s,y)}&lt;br /&gt;
denotes the set of all joint distribut&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51486</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51486"/>
		<updated>2026-10-12T08:41:18Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 应用案例 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
AND&lt;br /&gt;
&lt;br /&gt;
CI(S : X; Y)&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\widetilde{CI}(S : X; Y) = MI(S : X | Y) = \frac{1}{2} \log 2 = 0.5 \text{ bit}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51485</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51485"/>
		<updated>2026-10-12T08:21:34Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
节点 4：{X₁; X₂}（两个单独变量）&lt;br /&gt;
&lt;br /&gt;
这个节点表示“X₁ 和 X₂ 各自单独提供的信息中，重复的那部分”，也就是冗余信息：&lt;br /&gt;
$$I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
&lt;br /&gt;
最底层：{X₁; X₂}&lt;br /&gt;
&lt;br /&gt;
这个节点下面没有别的节点了，所以：&lt;br /&gt;
$$I_\partial(S : X_1; X_2) = I_\cap(S : X_1; X_2) = SI(S : X_1; X_2)$$&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51484</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51484"/>
		<updated>2026-10-12T08:10:31Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
！！！！！！I∩ 是“总共多少”，I∂ 是“独有多少”。$I_\partial$ 由 $I_\cap$ 通过莫比乌斯变换反推得到，就像从累计里程算出每天跑量。&lt;br /&gt;
&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51483</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51483"/>
		<updated>2026-10-12T07:47:08Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
——————————————&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
 2.1&lt;br /&gt;
 In Shannon’s theory of information, the total amount of information about S&lt;br /&gt;
contained in X1,...,Xn is quantified by the mutual information:&lt;br /&gt;
MI(S : X1,...,Xn) &lt;br /&gt;
&lt;br /&gt;
the total synergy of X1,...,Xn in terms of a&lt;br /&gt;
function Synergy(S : X1;...; Xn). &lt;br /&gt;
&lt;br /&gt;
The basic idea is to construct such a&lt;br /&gt;
decomposition purely in terms of a function for shared information I∩(S : X1;...; Xn) that measures the&lt;br /&gt;
redundant information about S contained in X1,...,Xn. &lt;br /&gt;
&lt;br /&gt;
I∩(S : (X1,X2)) = MI(S : X1,X2)&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51482</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51482"/>
		<updated>2026-10-12T07:16:26Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&amp;lt;/math&amp;gt;&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 提出了部分信息框架（partial information framework）。&lt;br /&gt;
基本思想是构造这样一个分解：&lt;br /&gt;
第一步：纯粹用一个测量共享信息的函数 &amp;lt;math&amp;gt;$I_\cap(S : X_1; \ldots ; X_n)$&amp;lt;/math&amp;gt; 来测量包含在&amp;lt;math&amp;gt; $X_1, \ldots, X_n$ 中关于 $S$ &amp;lt;/math&amp;gt;的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。&lt;br /&gt;
&lt;br /&gt;
第二步：&amp;lt;math&amp;gt;$I_\cap$&amp;lt;/math&amp;gt; 也被用来测量包含在原始随机变量的组合 &amp;lt;math&amp;gt;$A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。&amp;lt;/math&amp;gt;&lt;br /&gt;
此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。&lt;br /&gt;
&lt;br /&gt;
Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。&lt;br /&gt;
&lt;br /&gt;
因此，第三步是将：&lt;br /&gt;
&amp;lt;math&amp;gt;$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
其中函数 &amp;lt;math&amp;gt;$I_\partial$&amp;lt;/math&amp;gt; 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
&amp;lt;math&amp;gt;$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&amp;lt;math&amp;gt;\tag{4}$$ &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&amp;lt;/math&amp;gt;&lt;br /&gt;
立即得出：&lt;br /&gt;
&amp;lt;math&amp;gt;$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51481</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51481"/>
		<updated>2026-10-12T07:08:16Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
$$MI(S : X_1, X_2) = SI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) + UI(S : X_2 \setminus X_1) + CI(S : X_1; X_2) \tag{3}$$&lt;br /&gt;
分解为四项，分别对应于冗余信息（或共享信息）$SI(S : X_1; X_2)$，$X_1$ 和 $X_2$ 各自的唯一信息（unique information）$UI(S : X_1 \setminus X_2)$ 和 $UI(S : X_2 \setminus X_1)$，以及协同信息（或互补信息）$CI(S : X_1; X_2)$。&lt;br /&gt;
然而，当 $n &amp;gt; 2$ 时，就不太清楚 $X_1, \ldots, X_n$ 可能以哪些不同的方式相互作用，结合冗余、唯一和协同效应。&lt;br /&gt;
作为解决方案，Williams 和 Beer 提出了部分信息框架（partial information framework）。我们在这里简要解释这个思想，并参考 [4] 了解更详细的解释。基本思想是构造这样一个分解：纯粹用一个测量共享信息的函数 $I_\cap(S : X_1; \ldots ; X_n)$ 来测量包含在 $X_1, \ldots, X_n$ 中关于 $S$ 的冗余信息。显然，这样的函数应该对 $X_1, \ldots, X_n$ 的排列是对称的。第二步，$I_\cap$ 也被用来测量包含在原始随机变量的组合 $A_1, \ldots, A_k$（即，$A_1, \ldots, A_k$ 是分量在 $\{X_1, \ldots, X_n\}$ 中的随机向量）中关于 $S$ 的冗余信息。此外，Williams 和 Beer 提出 $I_\cap$ 应该满足以下单调性性质：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k; A_{k+1}) \leq I_\cap(S : A_1; \ldots ; A_k) \text{，如果存在某个 } i \leq k \text{ 使得 } A_i \subseteq A_{k+1} \text{，则取等号}$$&lt;br /&gt;
（其中包含关系 $A_i \subseteq A_{k+1}$ 意味着 $A_i$ 的任何分量也是 $A_{k+1}$ 的分量。）&lt;br /&gt;
这个单调性性质表明，只需考虑 $A_1, \ldots, A_k$ 构成一个反链（antichain）的情况；即对所有 $i \neq j$，$A_i \not\subseteq A_j$。反链的集合按照以下关系被偏序：&lt;br /&gt;
$$(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k) \quad \Longleftrightarrow \quad \text{对于每个 } j = 1, \ldots, k \text{，存在 } i \leq l \text{ 使得 } B_i \subseteq A_j$$&lt;br /&gt;
并且，再次根据单调性性质，$I_\cap$ 是关于这个偏序的一个单调函数。这个偏序实际上使反链的集合成为一个格（lattice）。&lt;br /&gt;
如果 $(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)$，那么差值 $I_\cap(S : A_1; \ldots ; A_k) - I_\cap(S : B_1; \ldots ; B_l)$ 量化了包含在某个 $A_i$ 中但不包含在任何 $B_l$ 中的信息。Williams 和 Beer 的思想可以总结为：所有信息都可以根据其包含在哪个反链内来进行分类。因此，第三步是将：&lt;br /&gt;
$$I_\cap(S : A_1; \ldots ; A_k) = \sum_{(B_1, \ldots, B_l) \preceq (A_1, \ldots, A_k)} I_\partial(S : B_1; \ldots ; B_l)$$&lt;br /&gt;
其中函数 $I_\partial$ 被唯一地定义为 $I_\cap$ 在反链格上的莫比乌斯变换（Möbius transform）。&lt;br /&gt;
例如，$n = 2$ 和 $n = 3$ 的部分信息格（PI lattices）如图 1 所示。对于 $n = 2$，很容易与公式 (3) 联系起来：部分测度是：&lt;br /&gt;
$$\begin{aligned}&lt;br /&gt;
I_\partial(S : (X_1, X_2)) &amp;amp;= CI(S : X_1; X_2) \\&lt;br /&gt;
I_\partial(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
I_\partial(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) \\&lt;br /&gt;
I_\partial(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned}$$&lt;br /&gt;
并且冗余度量满足：&lt;br /&gt;
$$\begin{aligned}&lt;br /&gt;
I_\cap(S : (X_1, X_2)) = MI(S : X_1, X_2) &amp;amp;= CI(S : X_1; X_2) + UI(S : X_1 \setminus X_2) \\&lt;br /&gt;
&amp;amp;\quad + UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1) = MI(S : X_1) &amp;amp;= UI(S : X_1 \setminus X_2) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_2) = MI(S : X_2) &amp;amp;= UI(S : X_2 \setminus X_1) + SI(S : X_1; X_2) \\&lt;br /&gt;
I_\cap(S : X_1; X_2) &amp;amp;= SI(S : X_1; X_2)&lt;br /&gt;
\end{aligned} \tag{4}$$&lt;br /&gt;
从 (4) 和互信息的链式法则：&lt;br /&gt;
$$MI(S : X_1, X_2) = MI(S : X_2) + MI(S : X_1|X_2)$$&lt;br /&gt;
立即得出：&lt;br /&gt;
$$MI(S : X_1|X_2) = UI(S : X_1 \setminus X_2) + CI(S : X_1; X_2) \tag{5}$$&lt;br /&gt;
即使 $I_\cap$ 是非负的（作为信息量应该如此），函数 $I_\partial$ 也是非负的可能并不明显。这个额外的要求在 [5] 中被称为局部正性（local positivity）。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51480</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51480"/>
		<updated>2026-10-12T07:07:09Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
————————————————&lt;br /&gt;
CI和SI 来自“2.1 Partial Infromarion Lattice”&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51479</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51479"/>
		<updated>2026-10-12T07:05:38Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）来自【6】2014year，page7-8 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)  来自【21】2003year，【22】1954year&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51478</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51478"/>
		<updated>2026-10-12T04:50:04Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log |\Sigma_X|&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;|\Sigma_X| &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + \log|A|&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{|\Sigma_X|\cdot |\Sigma_Y| }{ |\Sigma_{X,Y}|&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51477</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51477"/>
		<updated>2026-10-12T04:42:30Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
离散随机变量的互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的条件互信息 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量的熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量的微分熵 定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵 定义为：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log ｜\Sigma_X｜&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;｜\Sigma_X｜ &amp;lt;/math&amp;gt;表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。&lt;br /&gt;
&lt;br /&gt;
这种熵在坐标变换下不是不变的。&lt;br /&gt;
&lt;br /&gt;
事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX)= H(X) + ｜\log A｜&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{｜\Sigma_X｜\cdot｜\Sigma_Y｜ }{ ｜\Sigma_{X,Y}｜&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51476</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51476"/>
		<updated>2026-10-12T04:31:35Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;          = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
两个离散随机变量的互信息为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
条件互信息相应地定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量 X 的熵定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量 X 的微分熵定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
其中 p 现在表示 X 相对于 &amp;lt;math&amp;gt;\mathrm{d}x &amp;lt;/math&amp;gt;的概率密度。&lt;br /&gt;
&lt;br /&gt;
取勒贝格测度，具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的 m 维高斯随机向量的熵由下式给出：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = \frac{1}{2} \log \Sigma_X&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
其中 &amp;lt;math&amp;gt;$\Sigma_X &amp;lt;/math&amp;gt;&lt;br /&gt;
表示 &amp;lt;math&amp;gt;\Sigma_X&amp;lt;/math&amp;gt; 的行列式。这种熵在坐标变换下不是不变的。事实上，如果 &amp;lt;math&amp;gt;A \in \mathbb{R}^{m \times m}&amp;lt;/math&amp;gt;，那么 AX 的协方差矩阵由 &amp;lt;math&amp;gt;A\Sigma_X A^t &amp;lt;/math&amp;gt;给出，因此 AX$ 的熵为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(AX) = H(X) + \log A&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。&lt;br /&gt;
关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 &amp;lt;math&amp;gt;\Sigma_X、\Sigma_Y&amp;lt;/math&amp;gt; 且联合多元高斯分布的联合协方差矩阵为 &amp;lt;math&amp;gt;\Sigma_{X,Y}&amp;lt;/math&amp;gt; 的高斯随机向量，&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{\Sigma_X \cdot \Sigma_Y }{ \Sigma_{X,Y}&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51475</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51475"/>
		<updated>2026-10-12T04:23:23Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math           = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H = - \sum_{i} p_i \log_2 (p_i)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
两个离散随机变量的互信息为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
条件互信息相应地定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y|Z) = \sum_{x,y,z} p(x,y|z)p(z) \log \frac{p(x,y|z)}{p(x|z)p(y|z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量 X 的熵定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
连续随机变量 X 的微分熵定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
其中 p 现在表示 X 相对于 \mathrm{d}x 的概率密度。取勒贝格测度，具有协方差矩阵 \Sigma_X 的 m 维高斯随机向量的熵由下式给出：&lt;br /&gt;
H(X) = \frac{1}{2} \log \Sigma_X&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&lt;br /&gt;
其中 $\Sigma_X&lt;br /&gt;
 表示 \Sigma_X 的行列式。这种熵在坐标变换下不是不变的。事实上，如果 A \in \mathbb{R}^{m \times m}，那么 AX 的协方差矩阵由 A\Sigma_X A^t 给出，因此 AX$ 的熵为：&lt;br /&gt;
H(AX) = H(X) + \log A&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 \Sigma_X、\Sigma_Y 且联合多元高斯分布的联合协方差矩阵为 \Sigma_{X,Y} 的高斯随机向量，&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{\Sigma_X \cdot \Sigma_Y }{ \Sigma_{X,Y}&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51474</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51474"/>
		<updated>2026-10-12T04:16:22Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               &lt;br /&gt;
               = -CoI(S,X,Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;H = - \sum_{i} p_i \log_2 (p_i)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
两个离散随机变量的互信息为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:Y) = \sum_{x,y} p(x,y) \log \frac{p(x,y)}{p(x)p(y)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
条件互信息相应地定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;MI(X:YZ) = \sum_{x,y,z} p(x,y z)p(z) \log \frac{p(x,y z)}{p(x z)p(y&lt;br /&gt;
z)}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
离散随机变量 X 的熵定义为：&lt;br /&gt;
&amp;lt;math&amp;gt;H(X) = -\sum_x p(x) \log p(x) &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
对于连续随机变量，没有规范的熵函数。取而代之的是微分熵，它是相对于某个参考测度 \mathrm{d}x 计算的：&lt;br /&gt;
H(X) = -\int_x p(x) \log p(x) \mathrm{d}x&lt;br /&gt;
&lt;br /&gt;
其中 p 现在表示 X 相对于 \mathrm{d}x 的概率密度。取勒贝格测度，具有协方差矩阵 \Sigma_X 的 m 维高斯随机向量的熵由下式给出：&lt;br /&gt;
H(X) = \frac{1}{2} \log \Sigma_X&lt;br /&gt;
 + \frac{1}{2} m \log(2\pi e)&lt;br /&gt;
&lt;br /&gt;
其中 $\Sigma_X&lt;br /&gt;
 表示 \Sigma_X 的行列式。这种熵在坐标变换下不是不变的。事实上，如果 A \in \mathbb{R}^{m \times m}，那么 AX 的协方差矩阵由 A\Sigma_X A^t 给出，因此 AX$ 的熵为：&lt;br /&gt;
H(AX) = H(X) + \log A&lt;br /&gt;
&lt;br /&gt;
相比之下，连续随机变量的互信息不依赖于参考测度的选择。关系 MI(X:Y) = H(X) + H(Y) - H(X,Y) 表明，对于具有协方差矩阵 \Sigma_X、\Sigma_Y 且联合多元高斯分布的联合协方差矩阵为 \Sigma_{X,Y} 的高斯随机向量，&lt;br /&gt;
MI(X:Y) = \frac{1}{2} \log \frac{\Sigma_X \cdot \Sigma_Y }{ \Sigma_{X,Y}&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
并且很容易直接验证，这与 X 和 Y 的线性变换无关（当然，在这里，不应该对混合了 X 和 Y 分量的总向量 (X,Y) 应用线性变换）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51473</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51473"/>
		<updated>2026-10-12T03:41:44Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义）&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
               = MI(S: Y|X) - MI(S:Y)&lt;br /&gt;
               = -H(S,Y,X) + H(X,Y) + H(S,X) + H(S,Y)- H(S) - H(X) - H(Y)&lt;br /&gt;
               = -CoI(S,X,Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
MI(S:X,Y)：两个变量X、Y合在一起对目标S的联合互信息&lt;br /&gt;
MI(S:X)：X单独对S的互信息 &lt;br /&gt;
MI(S:Y)：Y单独对S的互信息 &lt;br /&gt;
&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51472</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51472"/>
		<updated>2026-10-12T03:32:38Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
&amp;lt;/math&amp;gt; &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51471</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=51471"/>
		<updated>2026-10-12T01:23:55Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：(互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
 &lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
 &lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
 &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50528</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50528"/>
		<updated>2026-07-06T20:41:13Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 历史溯源 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
WMS（WholeMinusSum）协同度&lt;br /&gt;
&lt;br /&gt;
一、最早理论源头：三篇奠基文献 [18–20]&lt;br /&gt;
&lt;br /&gt;
1. 最先提出多变量联合互信息减去单变量互信息和的数学结构，用来刻画**多个变量组合后新增的高阶交互信息量**，最初命名为**三阶交互信息（3-way interaction information）**； 2. 当时研究初衷：打破二元互信息局限，量化**两个变量共同作用**和**各自独立作用**的信息差值，用来判断变量间是协同增益还是冗余重叠； 3. 该阶段仅停留在纯信息论数学推导，没有命名为WholeMinusSum，只是一个基础数学表达式。 ##&lt;br /&gt;
&lt;br /&gt;
二、正式定名与规范梳理：Griffith &amp;amp; Koch 文献 ### 关键节点：&lt;br /&gt;
&lt;br /&gt;
Griffith 和 Koch 在论文[6]中完成溯源与标准化定义 1. **命名确立**：正式将 $S_{WMS}=MI(S;X,Y)-MI(S;X)-MI(S;Y)$ 这个指标命名为 **WholeMinusSum（整体减总和）协同度**，字面含义：整体联合信息 减去 各部分单独信息之和； 2. **溯源归档**：明确标注该公式的原始数学构思来自早期三篇文献[18–20]，把零散的高阶交互公式整合为统一的协同度量指标； 3. **等价关系绑定**：严格证明 WMS 协同度与**共信息 CoI（Co-information，参考文献21）、交互信息Interaction Information（参考文献22）**互为相反数： $$S_{WMS} = -CoI(S,X,Y)$$ 把WMS归入高阶多元信息交互理论体系，打通了协同度、共信息、条件互信息三者等价转换（文中 $MI(S:Y|X)-MI(S:Y)$ 等价变形）。&lt;br /&gt;
&lt;br /&gt;
三、落地应用拓展：文献[1] 神经编码领域落地 1. 理论成熟后，该指标首次在**神经群体编码**场景实用化（参考文献[1]）； 2. 应用场景：衡量多个神经元组合起来编码外界信号时的协同作用——判断一群神经元共同放电携带的信息量，是否大于单个神经元携带信息量之和，量化神经集群的协同编码增益； 3. 从此WMS从纯数学信息论指标，变为**神经科学、机器学习、特征筛选**通用的协同冗余判断工具。&lt;br /&gt;
&lt;br /&gt;
四、后续框架延伸：互补信息/共享信息分解（式8） 后续信息分解理论完善后，进一步推导出第二层释义： $$S_{WMS}=CI(\text{互补信息})-SI(\text{共享信息})$$ 将WMS从高阶交互信息，拓展到**信息分解范式**：用来区分变量间是互补增效（协同）、还是重复冗余，成为现代信息论特征选择、多源数据融合的经典基准指标。 ### 极简时间线总结 1. 初代雏形：[18–20] → 提出三阶交互信息数学结构（未命名） 2. 标准化定名：Griffith &amp;amp; Koch[6] → 定名WholeMinusSum，绑定共信息CoI，完善数学等价式 3. 工程落地：文献[1] → 神经种群编码实证应用 4. 理论扩容：信息分解体系 → 拆解为互补信息−共享信息，适用更广场景&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：原始基础定义（互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
 &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50477</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50477"/>
		<updated>2026-07-03T04:10:54Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=历史溯源=&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：原始基础定义（互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
 &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50476</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50476"/>
		<updated>2026-07-03T04:10:04Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;WholeMinusSum（WMS协同度）两种通俗定义&lt;br /&gt;
 &lt;br /&gt;
定义1：原始基础定义（互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
 &lt;br /&gt;
补充小白直观理解&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=历史溯源=&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
WholeMinusSum（WMS协同度）两种通俗定义：&lt;br /&gt;
 &lt;br /&gt;
定义1：原始基础定义（互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
 &lt;br /&gt;
补充：&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50475</id>
		<title>WholeMinusSum</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=WholeMinusSum&amp;diff=50475"/>
		<updated>2026-07-03T04:09:01Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;WholeMinusSum（WMS协同度）两种通俗定义&lt;br /&gt;
 &lt;br /&gt;
定义1：原始基础定义（互信息差值定义，公式7）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
WMS协同度 = 两个变量X、Y合在一起对目标S的联合互信息 − X单独对S的互信息 − Y单独对S的互信息。&lt;br /&gt;
简单说：把X、Y打包在一起能给S提供的总信息量，减去两个变量各自单独能给S提供的信息量之和，多出来的部分就是协同值。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = MI(S:X,Y) - MI(S:X) - MI(S:Y)&lt;br /&gt;
补充等价关系：这个值刚好等于负的共信息CoI(S,X,Y)，即 S_{WMS} = -CoI(S,X,Y)。&lt;br /&gt;
 &lt;br /&gt;
定义2：信息分解定义（互补信息−共享信息，公式8）&lt;br /&gt;
 &lt;br /&gt;
文字解释&lt;br /&gt;
 &lt;br /&gt;
从信息分解框架来看，WMS协同度 = 互补信息CI − 共享信息SI。&lt;br /&gt;
 &lt;br /&gt;
- 共享信息SI：X、Y不用配合，各自都单独拥有、重复能解释S的重叠信息；&lt;br /&gt;
- 互补信息CI：必须X、Y搭配在一起，组合起来才能挖掘出、单独一方没有的新增信息；&lt;br /&gt;
二者相减，就是WMS协同指标。&lt;br /&gt;
 &lt;br /&gt;
对应公式&lt;br /&gt;
 &lt;br /&gt;
S_{WMS}(S:X;Y) = CI(S:X;Y) - SI(S:X;Y)&lt;br /&gt;
 &lt;br /&gt;
补充小白直观理解&lt;br /&gt;
 &lt;br /&gt;
1. 若 S_{WMS}&amp;gt;0：互补信息 &amp;gt; 共享信息，X和Y存在协同效应，两者搭配能产生单独没有的新信息；&lt;br /&gt;
2. 若 S_{WMS}&amp;lt;0：共享信息 &amp;gt; 互补信息，X和Y高度冗余，大部分信息重复，几乎无协同；&lt;br /&gt;
3. 若 S_{WMS}=0：互补信息和重叠共享信息持平。&lt;br /&gt;
&lt;br /&gt;
=历史溯源=&lt;br /&gt;
&lt;br /&gt;
=定义=&lt;br /&gt;
&lt;br /&gt;
=信息分解框架下的分析=&lt;br /&gt;
&lt;br /&gt;
=应用案例=&lt;br /&gt;
&lt;br /&gt;
=其他相关指标=&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49742</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49742"/>
		<updated>2026-04-16T23:55:50Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[分岔]]图是以导致分岔的参数&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;F(x)&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的关系，如下图。&lt;br /&gt;
[[文件:3目录前分岔图.png|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49741</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49741"/>
		<updated>2026-04-16T23:54:47Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[分岔]]图是以导致分岔的参数&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;F(x)&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的关系，如下图。&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
[[文件:3目录前分岔图.png|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49740</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49740"/>
		<updated>2026-04-16T23:47:13Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:3目录前分岔图.png|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49739</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49739"/>
		<updated>2026-04-16T23:46:25Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:3目录前分岔图.npg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49738</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49738"/>
		<updated>2026-04-16T23:45:35Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:3目录前分岔图.n|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49737</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49737"/>
		<updated>2026-04-16T23:41:48Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:3目录前分岔图.png|缩略图]|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49736</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49736"/>
		<updated>2026-04-16T23:40:21Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:3目录前分岔图.png|缩略图]]缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:3%E7%9B%AE%E5%BD%95%E5%89%8D%E5%88%86%E5%B2%94%E5%9B%BE.png&amp;diff=49735</id>
		<title>文件:3目录前分岔图.png</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:3%E7%9B%AE%E5%BD%95%E5%89%8D%E5%88%86%E5%B2%94%E5%9B%BE.png&amp;diff=49735"/>
		<updated>2026-04-16T23:39:27Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;3目录前分岔图&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49713</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49713"/>
		<updated>2026-04-12T22:42:24Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:2目录前分岔图.png|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:2%E7%9B%AE%E5%BD%95%E5%89%8D%E5%88%86%E5%B2%94%E5%9B%BE.png&amp;diff=49712</id>
		<title>文件:2目录前分岔图.png</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:2%E7%9B%AE%E5%BD%95%E5%89%8D%E5%88%86%E5%B2%94%E5%9B%BE.png&amp;diff=49712"/>
		<updated>2026-04-12T22:41:41Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;2目录前分岔图&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49711</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49711"/>
		<updated>2026-04-12T22:15:41Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:1目录前分岔图.png|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49710</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49710"/>
		<updated>2026-04-12T22:13:08Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:1目录前分岔图.png|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 案例：约瑟夫森效应 ==&lt;br /&gt;
&lt;br /&gt;
[[约瑟夫森效应]]是超导中的量子隧穿现象。在约瑟夫森结中，当偏置电流超过临界值时，系统从零电压态(超流态)(稳定不动点)跃迁到有限电压态(电阻态(新的稳定不动点)，原来的零电压态变成不稳定点，呈现出跨临界分岔形态，这正是约瑟夫森效应中重要的非线性动力学特征。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49709</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49709"/>
		<updated>2026-04-12T22:11:45Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
[[文件:1目录前分岔图.png|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 案例：约瑟夫森效应 ==&lt;br /&gt;
&lt;br /&gt;
[[约瑟夫森效应]]是超导中的量子隧穿现象。在约瑟夫森结中，当偏置电流超过临界值时，系统从零电压态(超流态)(稳定不动点)跃迁到有限电压态(电阻态(新的稳定不动点)，原来的零电压态变成不稳定点，呈现出跨临界分岔形态，这正是约瑟夫森效应中重要的非线性动力学特征。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:1%E7%9B%AE%E5%BD%95%E5%89%8D%E5%88%86%E5%B2%94%E5%9B%BE.png&amp;diff=49708</id>
		<title>文件:1目录前分岔图.png</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:1%E7%9B%AE%E5%BD%95%E5%89%8D%E5%88%86%E5%B2%94%E5%9B%BE.png&amp;diff=49708"/>
		<updated>2026-04-12T22:10:47Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;1目录前分岔图&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49707</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49707"/>
		<updated>2026-04-10T14:59:42Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 案例：约瑟夫森效应 ==&lt;br /&gt;
&lt;br /&gt;
[[约瑟夫森效应]]是超导中的量子隧穿现象。在约瑟夫森结中，当偏置电流超过临界值时，系统从零电压态(超流态)(稳定不动点)跃迁到有限电压态(电阻态(新的稳定不动点)，原来的零电压态变成不稳定点，呈现出跨临界分岔形态，这正是约瑟夫森效应中重要的非线性动力学特征。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49706</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49706"/>
		<updated>2026-04-10T14:54:42Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 案例：约瑟夫森效应 ==&lt;br /&gt;
&lt;br /&gt;
[[约瑟夫森效应]]是超导中的量子隧穿现象。在约瑟夫森结中，当偏置电流超过临界值时，系统从零电压态(超流态)(稳定不动点)跃迁到有限电压态(电阻态(新的稳定不动点)，原来的零电压态变成不稳定点，呈现出跨临界分岔形态。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49688</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49688"/>
		<updated>2026-04-09T00:41:44Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49687</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49687"/>
		<updated>2026-04-09T00:40:45Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49591</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49591"/>
		<updated>2026-03-31T02:59:53Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 分岔点 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，[[稳定不动点]]是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49590</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49590"/>
		<updated>2026-03-31T02:58:44Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（[[激光]]），表明它的[[不稳定不动点]]是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，稳定不动点是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49589</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49589"/>
		<updated>2026-03-31T02:50:09Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（激光），表明它的不稳定不动点是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，稳定不动点是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49588</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49588"/>
		<updated>2026-03-31T02:47:09Z</updated>

		<summary type="html">&lt;p&gt;黄芸：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（激光），表明它的不稳定不动点是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，稳定不动点是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;，形如下面的分叉图:&lt;br /&gt;
&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49587</id>
		<title>跨临界分岔</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%B7%A8%E4%B8%B4%E7%95%8C%E5%88%86%E5%B2%94&amp;diff=49587"/>
		<updated>2026-03-31T02:45:26Z</updated>

		<summary type="html">&lt;p&gt;黄芸：/* 分岔点 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;'''跨临界分岔'''（transcritical bifurcation）是[[动力系统]]中一类典型的局部[[分岔]]现象，其特征是两条[[平衡点]]分支在[[临界点]]处相交，并在参数穿过临界值时交换稳定性。与[[鞍结点分岔]]所对应的平衡点产生或湮灭不同，跨临界分岔描述的是原有状态之间的阈值切换，因此常见于生态、传播和激光等具有“平凡状态—非平凡状态”竞争关系的模型中。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 历史溯源 ==&lt;br /&gt;
&lt;br /&gt;
跨[[临界]][[分岔]]（transcritical bifurcation）并不是在[[分岔理论]]早期就以独立术语被明确提出的，而是在现代[[分岔理论]]逐步形成的过程中，从一类“平衡分支相交并交换稳定性”的现象中被识别出来的。就概念史而言，[[庞加莱]]在1885年讨论“[[分岔]]平衡”（''Équilibre de bifurcation''）时，已经把“参数变化引起平衡结构改变”的问题纳入定性研究视野，但当时的讨论仍停留在一般性的[[分岔]]现象层面，尚未把跨[[临界]][[分岔]]与后来所说的[[鞍结点分岔]]等局部[[分岔]]类型明确区分&amp;lt;ref name=&amp;quot;Poincare1885_hist&amp;quot;&amp;gt;Poincaré, H. (1885). ''Sur l'équilibre d'une masse fluide animée d'un mouvement de rotation''. ''Acta Mathematica'', 7, 259–380.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
20世纪30年代，安德罗诺夫学派围绕“粗糙系统”和“[[结构稳定性]]”建立了现代[[分岔理论]]的早期框架。Andronov 与 Pontryagin 在1937年的工作把“系统在小扰动下是否保持其定性结构”变成核心问题；随后，这一研究传统又从相平面[[拓扑结构]]改变、非粗糙性和[[分岔]][[集合]]等角度，逐步推动了对局部[[分岔]]机制的系统分类。在这一背景下，人们开始更清楚地区分不同的零[[特征值]][[分岔]]：有的对应[[平衡点]]的产生与湮灭，有的则对应两条平衡分支在[[临界点]]相遇后继续穿越&amp;lt;ref name=&amp;quot;AndronovPontryagin1937_hist&amp;quot;&amp;gt;Andronov, A. A.; Pontryagin, L. S. (1937). ''Systèmes grossiers''. ''Doklady Akademii Nauk SSSR'', 14, 247–251.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Andronov1973_hist&amp;quot;&amp;gt;Andronov, A. A.; Leontovich, E. A.; Gordon, I. I.; Maier, A. G. (1973). ''Theory of Bifurcations of Dynamic Systems on a Plane''. Jerusalem: Israel Program for Scientific Translations; New York: Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从术语和理论定型的角度看，跨[[临界]][[分岔]]的历史特殊性在于：这种现象并不是一开始就以“跨[[临界]][[分岔]]”之名被单独提出，而是在20世纪下半叶[[中心流形]]、正规形和[[奇点理论]]逐步成熟之后，才在现代教材和综述中被固定为一种独立的局部[[分岔]]类型。与[[鞍结点分岔]]相比，它的核心并不是[[平衡点]]“出现—消失”，而是两个平衡分支在[[临界点]]相交，并交换稳定性。也正因为如此，现代文献通常强调跨[[临界]][[分岔]]往往不是最一般的一参数泛型情形，而常常依赖某种附加结构，例如平凡分支对所有参数始终存在、不变子空间、守恒约束或对称性等&amp;lt;ref name=&amp;quot;GuckenheimerHolmes1983_hist&amp;quot;&amp;gt;Guckenheimer, J.; Holmes, P. (1983). ''Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;GolubitskySchaeffer1985_hist&amp;quot;&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot;&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot;&amp;gt;Arnold, V. I.; Afraimovich, V. S.; Ilyashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot;&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
因此，从历史脉络上看，跨[[临界]][[分岔]]并不是“先有清晰命名、后有统一理论”的对象，而是先在早期定性研究中以几何现象的形式出现，再在[[结构稳定性]]与局部[[分岔]]分类的框架中逐步被识别，最终才在现代[[非线性动力学]]中被确立为一种具有明确判别特征和广泛应用背景的基本[[分岔]]类型&amp;lt;ref name=&amp;quot;Crawford1991_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Arnold1994_hist&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Uecker2022_hist&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 标准型及其性质 ==&lt;br /&gt;
在数学上，我们可以通过标准型来研究[[分岔]]的本质特征。对于一维[[动力系统]]（参考[[一维动力学]]），跨临界分岔的最简[[微分方程]]形式（标准型）如下&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = rx \pm x^2&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
* 其中&amp;lt;math&amp;gt;x \in \mathcal{R}&amp;lt;/math&amp;gt;是[[状态变量]]，&amp;lt;math&amp;gt;r \in \mathcal{R}&amp;lt;/math&amp;gt;为诱导[[分岔]]产生的外部参数。&lt;br /&gt;
&lt;br /&gt;
跨临界[[分岔]]的关键性质在于，随着系统参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;的改变，[[相空间]]中原本存在的两个[[不动点]]（一个稳定，一个不稳定）相互靠近、碰撞并最终互换：稳定变不稳定，不稳定变稳定。&lt;br /&gt;
&lt;br /&gt;
===求解[[不动点]]===&lt;br /&gt;
不动点意味着变化率为0，以&amp;lt;math&amp;gt;\dot{x}=rx-x^2&amp;lt;/math&amp;gt;为例，就是&amp;lt;math&amp;gt;\dot{x}=rx-x^2=x(r-x)=0&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这个一元二次方程有两个解： &lt;br /&gt;
&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x^*=r &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 不动点及其稳定性 ===&lt;br /&gt;
要分析不动点的稳定性，可以通过计算不动点的一阶导数。这里就是&amp;lt;math&amp;gt;f'(x^*)=r-2x^*&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;lt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点；&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;r=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=0&amp;lt;/math&amp;gt;，此处为[[分岔]]点。&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;r&amp;gt;0&amp;lt;/math&amp;gt;时，&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2*0=r&amp;gt;0&amp;lt;/math&amp;gt;，微小扰动会放大，是不稳定不动点。&lt;br /&gt;
* 不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，有&amp;lt;math&amp;gt;f'(x^*)=r-2r=-r&amp;lt;0&amp;lt;/math&amp;gt;，微小扰动会衰减，是稳定不动点；&lt;br /&gt;
&lt;br /&gt;
===[[相图]]与[[分岔]]图===&lt;br /&gt;
&lt;br /&gt;
根据以上求解和分析，对于&amp;lt;math&amp;gt;\dot{x} = rx- x^2&amp;lt;/math&amp;gt;这个系统，可以画出相图和分岔图来直观展示参数变化对系统的影响。&lt;br /&gt;
&lt;br /&gt;
[[相图]]即&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;的图像，纵坐标为&amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，横坐标为&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，展示了系统在参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;取不同值时可分为三种不同的状态。&lt;br /&gt;
*实心点为稳定[[不动点]]，空心点为不稳定[[不动点]]，半空心点为[[临界]]半[[稳定不动点]]，箭头为演化方向。&lt;br /&gt;
[[文件:书中跨临界分岔相图.jpg|缩略图]|替代=|无]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
分岔图如下：[[分岔]]图是以参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为自变量，系统不动点&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;为因变量，能直观展示参数的取值与不动点的数量和性质的关系。&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当&amp;lt;math&amp;gt;r＜0&amp;lt;/math&amp;gt;时，该系统的稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;，不稳定不动点&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;；&lt;br /&gt;
而当&amp;lt;math&amp;gt;r＞0&amp;lt;/math&amp;gt;时，该系统的稳定不动点是&amp;lt;math&amp;gt;x^*=r&amp;lt;/math&amp;gt;，不稳定不动点一直是&amp;lt;math&amp;gt;x^*=0&amp;lt;/math&amp;gt;；&lt;br /&gt;
据此，可以画出如下的跨临界分岔图&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[文件:跨临界分岔图.jpg|无|缩略图|替代=|500x500像素]]&lt;br /&gt;
&lt;br /&gt;
== 案例：激光模型 ==&lt;br /&gt;
&lt;br /&gt;
=== 模型描述 ===&lt;br /&gt;
&lt;br /&gt;
这里介绍哈肯在1983年研究的激光模型的简化版&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
哈肯是协同学的创始人，他起初从事激光研究。&lt;br /&gt;
[[文件:激光泵.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如上图所示：外面是泵，里面有很多高能级的活跃的原子束，这些原子受激辐射会产生新的光子。泵两边都是镜子，用于反射光子。右边这个镜子中间有一个小孔，用来释放满足条件后可溢出的激光。&lt;br /&gt;
&lt;br /&gt;
这个模型主要描述的是光子数的动力学变化。数学表述为：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} =  gain - loss&lt;br /&gt;
= GnN - kn&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t) = N_{0} - an&lt;br /&gt;
&amp;lt;/math&amp;gt;，代入后就是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
说明：&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt; 光子数，&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;高能级原子数，&amp;lt;math&amp;gt;G&amp;lt;/math&amp;gt;增益系数，&amp;lt;math&amp;gt;kn&amp;lt;/math&amp;gt;光子逸出或被吸收的损耗，&amp;lt;math&amp;gt;an&amp;lt;/math&amp;gt;受激辐射损失的高能级原子。&lt;br /&gt;
&lt;br /&gt;
=== 分岔点 ===&lt;br /&gt;
对这个系统&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{n} = Gn (N_{0}-an) - kn&lt;br /&gt;
= (GN_{0} - k)n-(aG)n^2 &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
，开始时，光强为0（无序）。当泵中能量增加，光强从0开始增长，当阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中原子开始“觉醒”，齐步协同，才出现可溢出的频率、相位、方向都高度一致的光子数（激光），这时可以求出它的两个不动点：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0（不稳定）&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
和&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^*= \frac{GN_{0} - k}{aG} &lt;br /&gt;
&amp;lt;/math&amp;gt;（稳定）。据此可以画出这个系统的相图，如下：&lt;br /&gt;
&lt;br /&gt;
[[文件:书中激光相图.jpg|替代=|无框|800x800px]]&lt;br /&gt;
&lt;br /&gt;
从上面的相图可以看出：当泵中光强随着能量从0（无序）开始增长到阈值(即初始高能量原子数)[math]\displaystyle{ N_{0}=\frac{k}{G}\gt 0 }[/math]时，泵中才出现可溢出的频率、相位、方向都高度一致的光子数（激光），表明它的不稳定不动点是：&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
n^* = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;，稳定不动点是&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;，形如下面的分叉图:&lt;br /&gt;
&lt;br /&gt;
[[文件:激光分岔图.jpg|无|缩略图]]&lt;br /&gt;
&lt;br /&gt;
=== 物理意义 ===&lt;br /&gt;
&lt;br /&gt;
[[哈肯]]提出的“[[激光]]模型”，本质上是一种跨学科的“范式转移”：它并非具体的工程设计，而是借助[[激光]]这一物理系统，来解释“无序如何产生有序”的思维框架。&lt;br /&gt;
&lt;br /&gt;
该模型表明，在外部能量驱动下（如[[激光]]器中的泵浦过程），系统内部的微观粒子（原子）会自发地由无序的随机运动转变为协同一致的[[集体行为]]，从而在宏观上[[涌现]]出一种全新的高度有序状态（[[激光]]）。换言之，它用“光”的机制揭示了自然界中普遍存在的[[自组织]]现象。&lt;br /&gt;
&lt;br /&gt;
具体而言，这一过程可以理解为：在普通光（如灯泡）中，原子各自独立、随机发光，其相位与方向杂乱无章；而当外部驱动达到某一[[临界阈值]]后，系统发生质变，原子开始“协同”，发出[[频率]]、相位和方向高度一致的光，即形成[[激光]]。这一跃迁揭示了从非相干（incoherent）到相干（coherent）的本质转变。&lt;br /&gt;
&lt;br /&gt;
其核心机制在于“协同”与“[[序参量]]”。原子之间并非直接[[相互作用]]，而是通过其产生的电[[磁场]]（光场）这一“中介”实现协调，这个光场即为[[序参量]]。在初始阶段，光强接近于零（无序）；随着能量输入增加，光强逐渐增长，并反过来“役使”所有原子，使其服从统一的[[振荡]]节奏（即“役使原理”）。由此形成一个从微观到宏观、再由宏观反过来支配微观的[[反馈]]闭环。&lt;br /&gt;
&lt;br /&gt;
更重要的是，这一模型具有高度的普适性：[[激光]]中的“原子”可以类比为任意系统的微观单元（如[[神经元]]、[[细胞]]或个体），而“光场”则对应于宏观的集体模式（如脑电波、人群共识或市场趋势）。因此，它不仅解释了[[激光]]的产生机制，更提供了一个普适的理论框架，用以说明宏观秩序如何从微观[[混沌]]中[[涌现]]，并体现出“整体大于部分之和”的普遍规律。&lt;br /&gt;
&lt;br /&gt;
总的来说，[[哈肯]]的[[激光]]模型从物理层面揭示了：协同作用如何使原本混乱的个体自发形成相干、有序的[[集体行为]]，是[[协同学]]理论最经典、最具代表性的物理基础。&lt;br /&gt;
&lt;br /&gt;
== 二维系统及以上 ==&lt;br /&gt;
与一维[[动力系统]]中的跨临界[[分岔]]类似，二维及以上的跨临界[[分岔]]同样描述了一个稳定不动点和一个不稳定不动点随参数变化而互换稳定性的过程。&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===二维标准型===&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
*&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;与&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;为状态变量。&lt;br /&gt;
*&amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt;为分岔参数。&lt;br /&gt;
* 一式描述了系统在&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;维度上的[[分岔]]行为。&lt;br /&gt;
* 二式描述了系统在&amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt;维度上的收缩行为（其中&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;，通常取&amp;lt;math&amp;gt;\lambda=1&amp;lt;/math&amp;gt;来简化讨论），表明系统在非[[分岔]]方向上是稳定的。&lt;br /&gt;
&lt;br /&gt;
三维以上的标准型与二维类似，仅在某个维度有[[分岔]]行为（类似&amp;lt;math&amp;gt;\dot x = \mu x - x^2&amp;lt;/math&amp;gt;），系统在其余维度上稳定（均为类似&amp;lt;math&amp;gt;\dot y=-\lambda y&amp;lt;/math&amp;gt;的形式，其中参数&amp;lt;math&amp;gt;\lambda&amp;gt;0&amp;lt;/math&amp;gt;）。&lt;br /&gt;
&lt;br /&gt;
=== 稳定性分析 ===&lt;br /&gt;
这个二维系统&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
\begin{cases} \dot x = \mu x - x^2 \\ \dot y = -\lambda y \end{cases}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
相图如下：&lt;br /&gt;
[[文件:Hy2二维跨临界分岔.jpg|无|缩略图|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;方向的[[不动点]]分析与一维情况完全类似。随着参数 &amp;lt;math&amp;gt;\mu&amp;lt;/math&amp;gt; 的变化，二维相平面上的[[拓扑结构]]经历以下三个阶段：&lt;br /&gt;
&lt;br /&gt;
1. 双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;lt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(0，0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
2. [[临界]][[分岔]]点 (&amp;lt;math&amp;gt;\mu = 0&amp;lt;/math&amp;gt;)： 两个[[不动点]]在原点 &amp;lt;math&amp;gt;(0,0)&amp;lt;/math&amp;gt; 处发生碰撞并融合。&lt;br /&gt;
&lt;br /&gt;
3. 互换稳定性后的双[[不动点]]共存阶段 (&amp;lt;math&amp;gt;\mu &amp;gt; 0&amp;lt;/math&amp;gt;)：&lt;br /&gt;
*不稳定[[不动点]] &amp;lt;math&amp;gt;(0, 0)&amp;lt;/math&amp;gt;：在 &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; 方向吸引，在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 方向排斥。&lt;br /&gt;
*稳定[[不动点]] &amp;lt;math&amp;gt;(\mu, 0)&amp;lt;/math&amp;gt;：在两个特征方向上均表现为吸引，对应系统的一个[[稳态]]。&lt;br /&gt;
[[动力学]]特征：[[相空间]]被不稳定[[不动点]]分割，大部分轨线最终收敛于稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
== 相关概念 ==&lt;br /&gt;
&lt;br /&gt;
从[[奇点理论]]与[[突变论]]的角度看，[[鞍结点分岔]]与[[折叠突变]]（fold catastrophe）的对应关系最为直接：二者都体现为平衡解分支在临界点附近发生折叠，并导致平衡点的产生或湮灭。[[突变论]]由 [[René Thom]] 建立，其核心思想是用奇点理论研究控制参数连续变化时系统临界点结构的类型变化&amp;lt;ref&amp;gt;Arnold, V. I.; Afrajmovich, V. S.; Il’yashenko, Yu. S.; Shilnikov, L. P. (1994). ''Dynamical Systems V: Bifurcation Theory and Catastrophe Theory''. Berlin: Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
相比之下，[[跨临界分岔]]不宜简单地与折叠突变直接等同。更准确地说，它是一类与折叠型奇点密切相关的零特征值局部分岔，但通常需要额外结构——例如平凡平衡分支对所有参数始终存在、不变子空间、守恒约束或对称性——才能稳定出现。它的典型特征不是平衡点的产生或消失，而是两条平衡分支在临界点相交，并在参数穿过临界值时交换稳定性&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Crawford, J. D. (1991). Introduction to bifurcation theory. ''Reviews of Modern Physics'', 63(4), 991–1037.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
这也解释了跨临界分岔为何在历史上常与[[鞍结点分岔]]相混淆：两者在线性化层面都以零特征值为信号，但若进一步考察平衡分支的几何结构，前者表现为“分支相交并交换稳定性”，后者则表现为“分支折叠并导致平衡点成对产生或湮灭”。因此，在现代[[分岔理论]]中，鞍结点分岔通常被视为更泛型的情形，而跨临界分岔则常与[[叉式分岔]]一起，被视为需要特殊结构支持的非泛型分支点分岔&amp;lt;ref&amp;gt;Golubitsky, M.; Schaeffer, D. G. (1985). ''Singularities and Groups in Bifurcation Theory. Volume I''. New York: Springer-Verlag.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Uecker, H. (2022). Continuation and Bifurcation in Nonlinear PDEs: Algorithms, Applications, and Experiments. ''Jahresbericht der Deutschen Mathematiker-Vereinigung'', 124, 43–80.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>黄芸</name></author>
	</entry>
</feed>