| 第1行: |
第1行: |
| | + | |
| | 直线上的流”是一维自治动力系统的几何理论,它将微分方程的解转化为相空间中的轨迹流,为理解系统的长期行为提供了强大的定性分析框架。其核心在于通过向量场、不动点和稳定性分析,取代复杂的解析求解,并揭示了一维系统单调性的根本约束 | | 直线上的流”是一维自治动力系统的几何理论,它将微分方程的解转化为相空间中的轨迹流,为理解系统的长期行为提供了强大的定性分析框架。其核心在于通过向量场、不动点和稳定性分析,取代复杂的解析求解,并揭示了一维系统单调性的根本约束 |
| | | | |
| 第67行: |
第68行: |
| | :<math>\dot{x} = f(x)</math> | | :<math>\dot{x} = f(x)</math> |
| | 其中,<math>\dot{x}</math> 表示状态变量 <math>x</math> 关于时间 <math>t</math> 的导数,<math>f(x)</math> 为系统的速度函数或流函数。该方程描述了系统在相空间(一维情况下为实数轴)中的时间演化规律。 | | 其中,<math>\dot{x}</math> 表示状态变量 <math>x</math> 关于时间 <math>t</math> 的导数,<math>f(x)</math> 为系统的速度函数或流函数。该方程描述了系统在相空间(一维情况下为实数轴)中的时间演化规律。 |
| − | [[文件:向量场表示示例.png|缩略图|thumb|向量场表示示例<math>\dot{x} = \frac{x}{2}\,\hat{\mathbf{i}} + \frac{y}{2}\,\hat{\mathbf{j}}</math>]] | + | [[文件:向量场表示示例.png|缩略图|thumb|向量场表示示例<math>\dot{x} = \frac{x}{2}\,\hat{\mathbf{i}} + \frac{y}{2}\,\hat{\mathbf{j}}</math> <br> |
| | + | 图片来源:https://math.libretexts.org/Bookshelves/Calculus/Calculus_(OpenStax)/16%3A_Vector_Calculus/16.01%3A_Vector_Fields]] |
| | ===几何诠释=== | | ===几何诠释=== |
| | 在几何视角下,时间 <math>t</math> 被视为系统演化的参数,<math>x</math> 表示位置或状态,而 <math>\dot{x}</math> 则代表相点沿相线运动的速度。通过绘制 <math>f(x)</math> 相对于 <math>x</math> 的图像,并在 <math>x</math>-轴上以箭头指示运动方向及相对大小,可以获得系统的'''相图'''(phase portrait)或'''方向场'''(direction field)。 | | 在几何视角下,时间 <math>t</math> 被视为系统演化的参数,<math>x</math> 表示位置或状态,而 <math>\dot{x}</math> 则代表相点沿相线运动的速度。通过绘制 <math>f(x)</math> 相对于 <math>x</math> 的图像,并在 <math>x</math>-轴上以箭头指示运动方向及相对大小,可以获得系统的'''相图'''(phase portrait)或'''方向场'''(direction field)。 |
| 第227行: |
第229行: |
| | * <math>N(t)</math>:时间 <math>t</math> 的种群数量; | | * <math>N(t)</math>:时间 <math>t</math> 的种群数量; |
| | * <math>r</math>:内禀增长率; | | * <math>r</math>:内禀增长率; |
| − | * <math>K</math>:环境承载量。 | + | * <math>K</math>:环境承载量(carrying capacity)。 |
| | | | |
| | 方程包含两个核心因素:指数增长项 <math>rN</math> 与抑制增长的非线性项 <math>1 - N/K</math>。 | | 方程包含两个核心因素:指数增长项 <math>rN</math> 与抑制增长的非线性项 <math>1 - N/K</math>。 |
| 第233行: |
第235行: |
| | | | |
| | ==== 解的形式 ==== | | ==== 解的形式 ==== |
| | + | [[文件:Logistics Equation - Graph.png|缩略图|逻辑斯谛方程 <br> |
| | + | 图片来源: https://byjus.com/maths/logistic-function/]] |
| | 逻辑斯谛方程的解析解为: | | 逻辑斯谛方程的解析解为: |
| | <math> | | <math> |