108
个编辑
更改
跳到导航
跳到搜索
第7行：
第7行： + + + + + 第44行：
第49行： + + + + + + 第59行：
第70行： + + 第72行：
第85行： + 第78行：
第92行： + + 第88行：
第104行： + 第94行：
第111行： + 第104行：
第122行： + + 第115行：
第135行： + 第125行：
第146行： + 第134行：
第156行： + 第165行：
第188行： + 第178行：
第202行： + 第214行：
第239行： + 第234行：
第260行： + 第244行：
第271行： + 第264行：
第292行： + 第292行：
第321行： + + 第302行：
第333行： + 第312行：
第344行： +
增加空行
<math>\frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math>
<math>\frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math>
为基本形式，其研究重点集中于[[平衡点]]的存在性、稳定性及解的定性结构。这些思想构成了低维动力系统理论的基础<ref name="Katok1995">Katok, A. & Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.</ref>。
为基本形式，其研究重点集中于[[平衡点]]的存在性、稳定性及解的定性结构。这些思想构成了低维动力系统理论的基础<ref name="Katok1995">Katok, A. & Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.</ref>。
随着[[动力系统]]理论的发展，一维连续系统逐渐成为研究[[非线性]]现象的重要模型。研究者系统地建立了相图、[[线性化]]方法以及稳定性判据，使得在不求显式解的情况下，也能够判断系统的长期行为。一维动力系统因此被广泛用于阐释非线性常[[微分方程]]的基本定性，并成为更高维系统研究的入门模型<ref name="Strogatz1994">Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>。
随着[[动力系统]]理论的发展，一维连续系统逐渐成为研究[[非线性]]现象的重要模型。研究者系统地建立了相图、[[线性化]]方法以及稳定性判据，使得在不求显式解的情况下，也能够判断系统的长期行为。一维动力系统因此被广泛用于阐释非线性常[[微分方程]]的基本定性，并成为更高维系统研究的入门模型<ref name="Strogatz1994">Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>。
在研究含参数的一维连续动力系统时，人们发现系统的定性结构可能随参数变化而发生突变，例如[[平衡点]]的产生、消失或稳定性的改变。这类现象被统一描述为[[分岔]]（bifurcation）。一维系统在[[分岔]]理论的发展中起到了核心作用，典型分岔类型包括[[鞍结分岔]]、[[跨临界分岔]]和[[叉形分岔]]，一维[[动力系统]]由此成为研究[[非线性系统]]结构变化的标准模型<ref name="Katok1995" /><ref name="Strogatz1994" />。
在研究含参数的一维连续动力系统时，人们发现系统的定性结构可能随参数变化而发生突变，例如[[平衡点]]的产生、消失或稳定性的改变。这类现象被统一描述为[[分岔]]（bifurcation）。一维系统在[[分岔]]理论的发展中起到了核心作用，典型分岔类型包括[[鞍结分岔]]、[[跨临界分岔]]和[[叉形分岔]]，一维[[动力系统]]由此成为研究[[非线性系统]]结构变化的标准模型<ref name="Katok1995" /><ref name="Strogatz1994" />。
除连续时间模型外，一维离散[[动力系统]]作为相关研究方向逐渐发展。典型例子包括 [[逻辑斯谛映射]]
除连续时间模型外，一维离散[[动力系统]]作为相关研究方向逐渐发展。典型例子包括 [[逻辑斯谛映射]]
<math>x_{n+1} = r x_n(1 - x_n)</math>，
<math>x_{n+1} = r x_n(1 - x_n)</math>，
其在参数变化下可表现出倍周期分岔与[[混沌]]行为<ref name="May1976">May, R. M. (1976). Simple mathematical models with very complicated dynamics. ''Nature'', 261(5560), 459–467.</ref>。 尽管离散系统与连续一维动力系统在数学结构与[[动力学]]性质上存在显著差异，但二者在[[分岔]][[机制]]、[[非线性]]分析思想以及复杂行为的产生方式上具有重要联系，离散一维系统通常被视为连续动力系统理论的补充研究方向<ref name="Devaney1986">Devaney, R. L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>。
其在参数变化下可表现出倍周期分岔与[[混沌]]行为<ref name="May1976">May, R. M. (1976). Simple mathematical models with very complicated dynamics. ''Nature'', 261(5560), 459–467.</ref>。 尽管离散系统与连续一维动力系统在数学结构与[[动力学]]性质上存在显著差异，但二者在[[分岔]][[机制]]、[[非线性]]分析思想以及复杂行为的产生方式上具有重要联系，离散一维系统通常被视为连续动力系统理论的补充研究方向<ref name="Devaney1986">Devaney, R. L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>。
在现代[[动力系统]]理论中，一维连续动力系统被视为理解[[非线性动力学]]与定性分析方法的基础。其简单的[[相空间]]结构使系统行为能够被完整刻画，为研究稳定性、[[分岔]]以及更高维[[复杂系统]]提供了直观的理论起点，并在数学教育、物理建模和生物动力学等领域中被广泛作为[[非线性系统]]分析的典型示例<ref name="Strogatz1994" /><ref name="Katok1995" />。
在现代[[动力系统]]理论中，一维连续动力系统被视为理解[[非线性动力学]]与定性分析方法的基础。其简单的[[相空间]]结构使系统行为能够被完整刻画，为研究稳定性、[[分岔]]以及更高维[[复杂系统]]提供了直观的理论起点，并在数学教育、物理建模和生物动力学等领域中被广泛作为[[非线性系统]]分析的典型示例<ref name="Strogatz1994" /><ref name="Katok1995" />。
=主要内容=
=主要内容=
|access-date=2025-12-21
|access-date=2025-12-21
}}</ref>。]]
}}</ref>。]]
==不动点及其稳定性==
==不动点及其稳定性==
===不动点的定义===
===不动点的定义===
对于一般的映射 <math>g</math>, 满足 <math>g(x^*)=0</math> 的点 <math>x^*</math> 成为 <math>g</math> 的[[不动点]]。
对于一般的映射 <math>g</math>, 满足 <math>g(x^*)=0</math> 的点 <math>x^*</math> 成为 <math>g</math> 的[[不动点]]。
可以验证对[[不动点]] <math>x^*</math>，有 <math>g(g(x^*)) = g(x^*) = x^*</math>。直观上看，这个点在系统的映射下一直保持不动，因此也称其为系统的平衡解。在一维[[动力学]] <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math> 中，如果系统处在[[不动点]]的位置，那么[[系统状态]]将不再改变，也即 <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = 0 = f(x)</math>，因此我们只需研究 <math>f(x)</math> 的零点即可。
可以验证对[[不动点]] <math>x^*</math>，有 <math>g(g(x^*)) = g(x^*) = x^*</math>。直观上看，这个点在系统的映射下一直保持不动，因此也称其为系统的平衡解。在一维[[动力学]] <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)</math> 中，如果系统处在[[不动点]]的位置，那么[[系统状态]]将不再改变，也即 <math>\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = 0 = f(x)</math>，因此我们只需研究 <math>f(x)</math> 的零点即可。
===图形化稳定性判据===
===图形化稳定性判据===
如果画出 <math>f(x)</math> 的图像，可以注意到有三种零点。前两种中 <math>f(x)</math> 的图像穿过实轴，在零点两侧函数值异号；第三种零点两侧的函数值同号。根据 <math>f(x)</math> 的几何意义，可以得出下面的三种[[不动点]]：
如果画出 <math>f(x)</math> 的图像，可以注意到有三种零点。前两种中 <math>f(x)</math> 的图像穿过实轴，在零点两侧函数值异号；第三种零点两侧的函数值同号。根据 <math>f(x)</math> 的几何意义，可以得出下面的三种[[不动点]]：
* 不稳定[[不动点]]（排斥子/源）： 零点右侧为正，左侧为负；[[向量场]]箭头从该点指向两边。
* 不稳定[[不动点]]（排斥子/源）： 零点右侧为正，左侧为负；[[向量场]]箭头从该点指向两边。
* 半稳定[[不动点]]： 零点的两侧同号；从一侧吸引，从另一侧排斥。
* 半稳定[[不动点]]： 零点的两侧同号；从一侧吸引，从另一侧排斥。
下图给出了一个一维[[自治系统]]的[[相图]]，横轴的箭头表示相流的流向。如图所示，函数 <math>f(x)</math> 有两个零点，这意味着系统有两个[[不动点]]。左侧的[[不动点]]是稳定的，当 <math>x</math> 位于左侧[[不动点]]的左侧少许时，其速度向右；当 <math>x</math> 位于它的右侧少许时，其速度向左。右侧[[不动点]]和左侧相反：向左侧或右侧扰动都会使[[系统状态]]远离右侧的不[[稳定不动点]]。
下图给出了一个一维[[自治系统]]的[[相图]]，横轴的箭头表示相流的流向。如图所示，函数 <math>f(x)</math> 有两个零点，这意味着系统有两个[[不动点]]。左侧的[[不动点]]是稳定的，当 <math>x</math> 位于左侧[[不动点]]的左侧少许时，其速度向右；当 <math>x</math> 位于它的右侧少许时，其速度向左。右侧[[不动点]]和左侧相反：向左侧或右侧扰动都会使[[系统状态]]远离右侧的不[[稳定不动点]]。
[[File:fixed_point_1.png|300px|none|缩略图|某个一维自治系统的相图。其稳定[[不动点]]和不稳定[[不动点]]分别使用实心圆点和空心圆点表示，箭头方向指示相流的方向。]]
[[File:fixed_point_1.png|300px|none|缩略图|某个一维自治系统的相图。其稳定[[不动点]]和不稳定[[不动点]]分别使用实心圆点和空心圆点表示，箭头方向指示相流的方向。]]
===线性稳定性分析（定量方法）===
===线性稳定性分析（定量方法）===
定义特征时间尺度<math>\displaystyle \frac{1}{|f'(x^*)|}</math> 为 <math>x(t)</math> 在[[不动点]] <math>x^*</math> 邻域内发生显著变化的时间。
定义特征时间尺度<math>\displaystyle \frac{1}{|f'(x^*)|}</math> 为 <math>x(t)</math> 在[[不动点]] <math>x^*</math> 邻域内发生显著变化的时间。
===势函数===
===势函数===
通过该定义，系统行为等价于一个过阻尼粒子在[[势能]]景观<math>V(x)</math>中的运动。粒子总是向[[势能]]减小 (<math>\frac{\mathrm{d} V}{\mathrm{d} t}\leq 0</math>) 的方向运动。其中系统的稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极小值（[[势能]]谷），而不稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极大值（[[势能]]峰）
通过该定义，系统行为等价于一个过阻尼粒子在[[势能]]景观<math>V(x)</math>中的运动。粒子总是向[[势能]]减小 (<math>\frac{\mathrm{d} V}{\mathrm{d} t}\leq 0</math>) 的方向运动。其中系统的稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极小值（[[势能]]谷），而不稳定[[不动点]] <math>\leftrightarrow</math> <math>V(x)</math>的局部极大值（[[势能]]峰）
==解的性质==
==解的性质==
===单调性与振荡的不可能性===
===单调性与振荡的不可能性===
作为单调性的直接推论，一维系统不可能出现周期解、[[超调]]或[[阻尼振荡]]。这是由实线的[[拓扑]]结构所决定的，假设某个一维[[自治系统]]的解是周期或存在超调，那么一定会存在某个状态，对应这两个不同的 <math>\dot{x}</math>，这和 <math>f</math> 是一个函数矛盾。因此一维[[自治系统]]的解一定是单调的。
作为单调性的直接推论，一维系统不可能出现周期解、[[超调]]或[[阻尼振荡]]。这是由实线的[[拓扑]]结构所决定的，假设某个一维[[自治系统]]的解是周期或存在超调，那么一定会存在某个状态，对应这两个不同的 <math>\dot{x}</math>，这和 <math>f</math> 是一个函数矛盾。因此一维[[自治系统]]的解一定是单调的。
===存在性与唯一性===
===存在性与唯一性===
下面给出了保证解存在性和唯一性的条件。
下面给出了保证解存在性和唯一性的条件。
'''一维自治系统解的存在性与唯一性定理'''
'''一维自治系统解的存在性与唯一性定理'''
''的解<math>x(t)</math>在<math>t=0</math>的某个邻域<math>(-\tau, \tau)</math>内存在且唯一。''
''的解<math>x(t)</math>在<math>t=0</math>的某个邻域<math>(-\tau, \tau)</math>内存在且唯一。''
* 考虑<math>\dot{x} = x^{1/3}, x(0) = 0</math> 这一例子中的 <math>f(x)</math> 在 <math>x=0</math> 处有无穷间断点，因此不满足存在性和唯一性定理的条件。'''注意该定理只是说解在初始时间的某个邻域内存在，而不是说解对所有时间都有存在'''。
* 考虑<math>\dot{x} = x^{1/3}, x(0) = 0</math> 这一例子中的 <math>f(x)</math> 在 <math>x=0</math> 处有无穷间断点，因此不满足存在性和唯一性定理的条件。'''注意该定理只是说解在初始时间的某个邻域内存在，而不是说解对所有时间都有存在'''。
* 考虑系统 <math>\dot{x}=1+x^2, x(0) = x_0</math> 可以检查该系统符合上述定理的条件，在 <math>t=0</math> 的一个邻域内存在唯一解。解上述[[微分方程]]可得 <math>x(t) = \tan(t)</math>，可知只有当 <math>t \in (-\pi/2, \pi/2)</math> 时才有解。
* 考虑系统 <math>\dot{x}=1+x^2, x(0) = x_0</math> 可以检查该系统符合上述定理的条件，在 <math>t=0</math> 的一个邻域内存在唯一解。解上述[[微分方程]]可得 <math>x(t) = \tan(t)</math>，可知只有当 <math>t \in (-\pi/2, \pi/2)</math> 时才有解。
==数值积分方法==
==数值积分方法==
从几何直觉上看，数值积分等价于在[[状态空间]]中用有限的时间步长 <math>h</math> 逐步逼近真实轨道：步长越小，局部逼近通常越好，但计算量也随之增加；步长过大则可能引入显著的截断误差，甚至导致数值轨道在定性行为上偏离真实解（例如出现错误的发散或虚假的稳定性）<ref name="Hairer1993" />。因此实际计算常需要在精度、稳定性与计算成本之间进行权衡<ref name="Burden2011" />。
从几何直觉上看，数值积分等价于在[[状态空间]]中用有限的时间步长 <math>h</math> 逐步逼近真实轨道：步长越小，局部逼近通常越好，但计算量也随之增加；步长过大则可能引入显著的截断误差，甚至导致数值轨道在定性行为上偏离真实解（例如出现错误的发散或虚假的稳定性）<ref name="Hairer1993" />。因此实际计算常需要在精度、稳定性与计算成本之间进行权衡<ref name="Burden2011" />。
数值积分方法可按更新结构与稳定性特征粗略分为以下类别：
数值积分方法可按更新结构与稳定性特征粗略分为以下类别：
关于具体算法形式与误差阶数，通常在各方法的独立条目中详细讨论，如[[欧拉方法]]、[[Runge–Kutta 方法]]等<ref name="Burden2011" /><ref name="Butcher2016" />。
关于具体算法形式与误差阶数，通常在各方法的独立条目中详细讨论，如[[欧拉方法]]、[[Runge–Kutta 方法]]等<ref name="Burden2011" /><ref name="Butcher2016" />。
=典型实例=
=典型实例=
从[[动力学]]角度看，[[逻辑斯谛方程]]刻画了种群数量在规模较小时近似呈指数增长，而随着资源竞争加剧，增长速度逐渐减慢并最终趋向某一稳定上限（环境承载量）的典型过程。这种由[[正反馈]]与[[负反馈]]共同作用所产生的 S 型增长行为，使该模型成为理解[[非线性]][[反馈]]如何改变增长规律的入门范例，并在生态学、[[流行病学]]以及更一般的生物动力学建模中得到广泛应用<ref name="Murray2002">Murray, J. D. (2002). ''Mathematical Biology I: An Introduction'' (3rd ed.). Springer.</ref>。
从[[动力学]]角度看，[[逻辑斯谛方程]]刻画了种群数量在规模较小时近似呈指数增长，而随着资源竞争加剧，增长速度逐渐减慢并最终趋向某一稳定上限（环境承载量）的典型过程。这种由[[正反馈]]与[[负反馈]]共同作用所产生的 S 型增长行为，使该模型成为理解[[非线性]][[反馈]]如何改变增长规律的入门范例，并在生态学、[[流行病学]]以及更一般的生物动力学建模中得到广泛应用<ref name="Murray2002">Murray, J. D. (2002). ''Mathematical Biology I: An Introduction'' (3rd ed.). Springer.</ref>。
=== 连续时间模型 ===
=== 连续时间模型 ===
|access-date=2025-12-19
|access-date=2025-12-19
}}</ref>。]]
}}</ref>。]]
=== 离散模型与应用拓展 ===
=== 离散模型与应用拓展 ===
逻辑斯谛模型及其变体广泛用于生态学中的种群增长描述，也常作为更复杂模型（例如加入时间延迟、空间扩散或[[随机]]扰动）的基准框架；此外，其 S 型增长形态也被借用到[[社会科学]]中的技术扩散与增长过程刻画中，并在形式上与[[统计学]]中的[[逻辑斯谛回归]]等方法产生联系<ref name="Murray2002" />。
逻辑斯谛模型及其变体广泛用于生态学中的种群增长描述，也常作为更复杂模型（例如加入时间延迟、空间扩散或[[随机]]扰动）的基准框架；此外，其 S 型增长形态也被借用到[[社会科学]]中的技术扩散与增长过程刻画中，并在形式上与[[统计学]]中的[[逻辑斯谛回归]]等方法产生联系<ref name="Murray2002" />。
==RC电路分析==
==RC电路分析==
</math>
</math>
|{{EquationRef|8}}}}
|{{EquationRef|8}}}}
===模型的解===
===模型的解===
</math>
</math>
其中 <math>\tau = RC</math> 称为[[时间常数]]，它决定电容器充电的快慢。
其中 <math>\tau = RC</math> 称为[[时间常数]]，它决定电容器充电的快慢。
===相图视角===
===相图视角===
[[File:微信图片_20251231123651_61031_78.png|250px|thumb|none|RC 电路系统的相图。横轴为电容器的电量<math>Q</math>，纵轴为电容器电量的变化率<math>\dot{Q}</math>。该系统的相图为一斜率为负的直线，和横轴的交点为 <math>Q=V_0 C</math>，即为系统的稳定不动点。]]
[[File:微信图片_20251231123651_61031_78.png|250px|thumb|none|RC 电路系统的相图。横轴为电容器的电量<math>Q</math>，纵轴为电容器电量的变化率<math>\dot{Q}</math>。该系统的相图为一斜率为负的直线，和横轴的交点为 <math>Q=V_0 C</math>，即为系统的稳定不动点。]]
==企业生长模型==
==企业生长模型==
上式被称为企业普适生长方程（General growth equation)
上式被称为企业普适生长方程（General growth equation)
=== 解的形式 ===
=== 解的形式 ===
* <math>\gamma \approx [1-\left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right)]/(1-\beta_I)</math>
* <math>\gamma \approx [1-\left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right)]/(1-\beta_I)</math>
* <math> c = \exp \left\{ \frac{1}{1-\beta_I} \left[ \ln \frac{(1-\beta_I)c_I}{(1-c_L)}\right] \left[ 1- \left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right) \right] + \frac{\beta_{I}(1-\beta_L)}{(1-\beta_I)^2}\left(\frac{c_L}{1-c_L}\right) \right\}</math>
* <math> c = \exp \left\{ \frac{1}{1-\beta_I} \left[ \ln \frac{(1-\beta_I)c_I}{(1-c_L)}\right] \left[ 1- \left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right) \right] + \frac{\beta_{I}(1-\beta_L)}{(1-\beta_I)^2}\left(\frac{c_L}{1-c_L}\right) \right\}</math>
===不动点分析===
===不动点分析===
分析企业生长方程的[[动力学]]性质，我们可知，方程只有一个[[不动点]]<math>A = 0</math>，该点意味着企业的资产为0，考虑到企业资产往往不会出现为0的情况，该点并无实际的经济意义。
分析企业生长方程的[[动力学]]性质，我们可知，方程只有一个[[不动点]]<math>A = 0</math>，该点意味着企业的资产为0，考虑到企业资产往往不会出现为0的情况，该点并无实际的经济意义。
===奇异点分析===
===奇异点分析===
令分母<math>D(x) = 1-c_L\beta_LA^{\beta_L-1} = 0</math>，得到奇异点<math>A^*=\left(c_L\beta_L\right)^{1/(1-\beta_L)}</math>
令分母<math>D(x) = 1-c_L\beta_LA^{\beta_L-1} = 0</math>，得到奇异点<math>A^*=\left(c_L\beta_L\right)^{1/(1-\beta_L)}</math>
====稳定性====
====稳定性====
[[文件:Singularity.png|600px|none|缩略图|企业生长轨迹及其变化率和不同参数的关系]]
[[文件:Singularity.png|600px|none|缩略图|企业生长轨迹及其变化率和不同参数的关系]]
====经济含义====
====经济含义====