鞍结点分岔

鞍结点分岔（Saddle-Node Bifurcation），又称折叠分岔（Fold Bifurcation）、切线分岔（Tangent Bifurcation）或蓝天分岔（Blue Sky Bifurcation），是非线性系统中相对简单且常见的不稳定性机制之一。

历史

鞍结点分岔的早期研究可追溯到庞加莱（Jules Henri Poincaré）时期。庞加莱最早提出了“分岔”的概念。他重点研究了这样一种现象：当外部条件（即参数）发生改变时，系统原本可能存在的几种不同状态（即方程不同的解的分支）会逐渐靠近、合并，并最终完全消失。他当时描绘的这一过程，与鞍结点分岔的情况非常相似。

鞍结点分岔的名称最早由苏联学者安德罗诺夫（A. A. Andronov）与列昂托维奇（E. A. Leontovich）给出，并且在他们的研究中，系统地讨论了参数变化对系统不动点的影响。

标准型和性质

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），鞍结点分岔的最简微分方程形式（标准型）如下

[math]\displaystyle{ \dot{x} = r \pm x^2 }[/math]

(1)

• 其中[math]\displaystyle{ x \in \mathcal{R} }[/math]是状态变量，[math]\displaystyle{ r \in \mathcal{R} }[/math]为诱导分岔产生的外部参数。

• 对于实际研究中的更复杂的系统，如[math]\displaystyle{ \dot{x} = r - x - \mathrm{e}^{-x} }[/math]，为了将原系统简化为标准型（即忽略高阶项（如 [math]\displaystyle{ O(x^3, r^2) }[/math] 等）的影响），状态变量 [math]\displaystyle{ x }[/math] 和参数 [math]\displaystyle{ r }[/math] 必须限制在局部范围内：
  • [math]\displaystyle{ x }[/math] 的取值范围应为不动点 [math]\displaystyle{ x^* }[/math] 的 [math]\displaystyle{ \varepsilon }[/math]-邻域：[math]\displaystyle{ x \in (x^* - \varepsilon, x^* + \varepsilon) }[/math]，其中 [math]\displaystyle{ \varepsilon \gt 0 }[/math] 且充分小。
  • [math]\displaystyle{ r }[/math] 的取值范围应为临界值 [math]\displaystyle{ r_c }[/math] 的 [math]\displaystyle{ \delta }[/math]-邻域：[math]\displaystyle{ r \in (r_c - \delta, r_c + \delta) }[/math]，其中 [math]\displaystyle{ \delta \gt 0 }[/math] 且充分小。
  • 只有在此微小邻域内，泰勒展开后的低阶项才能主导系统的定性行为。具体可参见下文中的推广形式。

鞍结点分岔的关键性质在于，随着系统参数[math]\displaystyle{ r }[/math]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、碰撞并最终相互抵消而消失，导致系统原本的稳定状态不复存在。也可反过来看待，原本状态不稳定的系统因系统参数[math]\displaystyle{ r }[/math]的改变，使其先出现了一个半稳定不动点，最终出现了两个不动点（一个稳定，一个不稳定）。

不动点和稳定性分析

以[math]\displaystyle{ \dot{x} = r - x^2 }[/math] 为例

求解不动点

令[math]\displaystyle{ \dot{x}=f(x)=r-x^2 }[/math]，不动点意味着变化率为0，即[math]\displaystyle{ f(x)=0 }[/math]。

• 当[math]\displaystyle{ r\lt 0 }[/math]时，[math]\displaystyle{ x^* }[/math]无解，也就没有不动点。
• [math]\displaystyle{ r }[/math]的范围在[math]\displaystyle{ \left [ 0,+ \infty \right ) }[/math]时，解[math]\displaystyle{ x^*=\pm \sqrt{r} }[/math]有实际意义。
  • 当[math]\displaystyle{ r=0 }[/math]时，有一个不动点[math]\displaystyle{ x^*=0 }[/math]
  • 当[math]\displaystyle{ r\gt 0 }[/math]时，有两个不动点。[math]\displaystyle{ x^*=\pm \sqrt{r} }[/math]

不动点稳定性分析

需要通过计算系统的雅可比矩阵（在一维情况下即为一阶导数）来判断局部稳定性，因此有[math]\displaystyle{ f'(x^*)=-2x^* }[/math]。

当[math]\displaystyle{ r\gt 0 }[/math]时，

• 分支[math]\displaystyle{ x^*=\sqrt{r} }[/math]，有特征值[math]\displaystyle{ f'(x^*)=-2r\lt 0 }[/math]，微小扰动会不断衰减，是稳定不动点；
• 分支[math]\displaystyle{ x^*=-\sqrt{r} }[/math]，有[math]\displaystyle{ f'(x^*)=2r\gt 0 }[/math]，微小扰动会被放大，是不稳定不动点。

当 [math]\displaystyle{ r=0 }[/math]，有[math]\displaystyle{ f'(x^*)=0 }[/math]，此处为分岔点。

相图与分岔图

根据以上求解和分析，对于[math]\displaystyle{ \dot{x} = r - x^2 }[/math]这个系统，我们已经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。

相图即[math]\displaystyle{ \dot{x}=f(x) }[/math]的图像，纵坐标为[math]\displaystyle{ \dot{x} }[/math]，横坐标为[math]\displaystyle{ x }[/math]。

根据不动点的求解，我们可以给出三种不同参数[math]r[/math]情形下的相图。根据对不动点稳定性的分析，可以进一步得出不动点的类型。

图中实心点为稳定不动点，空心点为不稳定不动点，半空心点为半稳定不动点。

下面，我们绘制出分岔图。

分岔图是以参数[math]\displaystyle{ r }[/math]为自变量，系统不动点[math]\displaystyle{ x^* }[/math]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。

根据求解出的不动点[math]\displaystyle{ x^*=\sqrt{r} }[/math]和[math]\displaystyle{ x^*=-\sqrt{r} }[/math]可知图像是比较简单的开方幂函数。不动点稳定性类型用虚线和实线分别表示不稳定和稳定。

对于[math]\displaystyle{ \dot{x} = r + x^2 }[/math] 情况类似，只是方向发生了调转。

分岔图如下：

推广形式

为了更好地发现在复杂的动力系统中，常以局部分岔的方式出现的鞍结点分岔，我们需要了解它的推广形式。

[math]\displaystyle{ \dot{x} = a(r-r_c)+b(x-x^*)^2 }[/math]

(1)

可以看作是一阶参数与二阶自变量的线性组合。

推导过程

之所以上式是鞍结点分岔的一般形式，是由于对于任意的动力系统[math]\dot x=f(x,r)[/math]：

将[math]\displaystyle{ \dot x=f(x,r) }[/math]视为关于[math]\displaystyle{ x }[/math]与[math]\displaystyle{ r }[/math]的函数[math]\displaystyle{ f(x,r) }[/math]，对[math]\displaystyle{ x }[/math]，[math]\displaystyle{ r }[/math]在[math]\displaystyle{ x^* }[/math]与[math]\displaystyle{ r_c }[/math]处分别进行泰勒展开得到（其中[math]\displaystyle{ r_c }[/math]是临界状态时的[math]\displaystyle{ r }[/math]值）

[math]\displaystyle{ \dot{x} = f(x,r) =f\left(x^{*}, r_{c}\right)+\left.\left(x-x^{*}\right) \frac{\partial f}{\partial x}\right|_{\left(x^{*} ; r_{c}\right)}+\left.\left(r-r_{c}\right) \frac{\partial f}{\partial r}\right|_{\left(x ; r_{c}\right)}+\left.\frac{1}{2}\left(x-x^{*}\right)^{2} \frac{\partial^{2} f}{\partial x^{2}}\right|_{\left(x ; r_{c}\right)}+\cdots }[/math]

(1)

其中[math]\displaystyle{ f\left(x^{*}, r_{c}\right)=0 }[/math]。又由于鞍结点分岔在分岔点[math]\displaystyle{ (x^*, r_c) }[/math]处有[math]\displaystyle{ \left. \frac {\partial f}{\partial x}\right|_{\left(x^{*} ; r_{c}\right)}=0 }[/math]，再将[math]\displaystyle{ \left. \frac {\partial f}{\partial r}\right|_{\left(x ; r_{c}\right)} }[/math]视为常数[math]\displaystyle{ a }[/math]，将[math]\displaystyle{ \left. \frac {1}{2} \frac{\partial^{2} f}{\partial x^{2}}\right|_{\left(x ; r_{c}\right)} }[/math]视为常数[math]\displaystyle{ b }[/math]。忽略后面的高阶项，即可得到[math]\displaystyle{ \dot{x} = a(r-r_c)+b(x-x^*)^2 }[/math]

例子

以[math]\displaystyle{ \dot{x} = r - x - \mathrm{e}^{-x} }[/math]为例

令[math]\displaystyle{ \dot x = 0 }[/math]，有[math]\displaystyle{ r-x=\mathrm{e}^{-x} }[/math]，找到[math]\displaystyle{ r-x }[/math]和[math]\displaystyle{ \mathrm{e}^{-x} }[/math]两曲线相切的点即可得到我们需要的分岔点[math]\displaystyle{ (x^*, r_c) }[/math]，其中半稳定不动点[math]\displaystyle{ x^*=0 }[/math]，临界值[math]\displaystyle{ r_c = 1 }[/math]。

在[math]\displaystyle{ x^*=0 }[/math]，[math]\displaystyle{ r_c = 1 }[/math]附近，将[math]\displaystyle{ \mathrm{e}^{-x} }[/math]在[math]\displaystyle{ x=0 }[/math]处进行泰勒展开，得到

[math]\displaystyle{ \begin{aligned} \dot{x} & =r-x-\mathrm{e}^{-x} \\ & =r-x-\left[1-x+\frac{x^{2}}{2!}+\cdots\right] \\ & =(r-1)-\frac{x^{2}}{2}+\cdots \end{aligned} }[/math]

可见该动力系统符合鞍结点分岔的推广形式，其包含鞍结点分岔。

案例：云杉蚜虫爆发模型

下面给出鞍结点分岔在生物界中的具体例子，即云杉蚜虫的爆发生长现象。这个问题的背景是，云杉蚜虫是一种会吃森林树叶的虫子，同时也会被鸟类等动物捕食。

当环境参数（如森林承载力、蚜虫增长率）发生微小变化时，系统可能会穿过一个鞍结分岔点。原本被有效控制的低数量的蚜虫种群，会转换到持续爆发的高数量状态。

模型方程

[math]\displaystyle{ \frac{dN}{dt} = RN(1 - \frac{N}{K}) - P(N) }[/math]

• [math]\displaystyle{ R }[/math]为蚜虫的内在增长率，[math]\displaystyle{ K }[/math]为森林的环境承载能力。其中[math]\displaystyle{ K }[/math]是一个变化较慢的参数。
• [math]\displaystyle{ RN(1 - N/K) }[/math] 是描述虫子的逻辑斯谛增长（参考一维动力学）（Logistic Growth）。
• [math]\displaystyle{ P(N) }[/math] 是被捕食曲线，例如 [math]\displaystyle{ P(N) = \frac{BN^2}{A^2 + N^2} }[/math]。其中[math]\displaystyle{ A }[/math]是捕食者的半饱和常数，即捕食速率达到最大值一半时所需的虫子数量。[math]\displaystyle{ B }[/math]是捕食者的最大捕食速率。

无量纲公式化处理

以[math]\displaystyle{ \frac{dN}{dt} = RN(1 - \frac{N}{K}) - \frac{BN^2}{A^2 + N^2} }[/math]为例,

由于式中出现了四个参数[math]\displaystyle{ R }[/math]、[math]\displaystyle{ K }[/math]、[math]\displaystyle{ A }[/math]、[math]\displaystyle{ B }[/math]，需要通过无量纲化减少参数数量，同时将参数集中到逻辑斯谛方程的部分，消除被捕食曲线中的参数来便于我们分析。

1. 式子两边除以[math]\displaystyle{ B }[/math]，令[math]\displaystyle{ x=N/A }[/math]。得到[math]\displaystyle{ \frac{A \mathrm{~d} x}{B \mathrm{~d} t}=\frac{R}{B} A x\left(1-\frac{A x}{K}\right)-\frac{x^{2}}{1+x^{2}} }[/math]
2. 引入无量纲时间[math]\displaystyle{ \tau=\frac{B t}{A} }[/math]，无量纲参数[math]\displaystyle{ r=\frac{R A}{B} }[/math]与[math]\displaystyle{ k=\frac{K}{A} }[/math]。再根据链式微分法则可到最终的化简方程：[math]\displaystyle{ \frac{\mathrm{d} x}{\mathrm{d} \tau } = rx(1-\frac{x}{k}) - \frac{x^2}{1+x^2} }[/math]

分析过程

[math]\displaystyle{ \frac{\mathrm{d} x}{\mathrm{d} \tau } = rx(1-\frac{x}{k}) - \frac{x^2}{1+x^2} }[/math]

• [math]\displaystyle{ r }[/math]是接下来主要调整的参数。它虽然是无量纲的，但从表达式上[math]\displaystyle{ r=\frac{R A}{B} }[/math]可以理解为“物种自身的繁殖潜能”与“环境压制能力”的比值。生态学背景下，一般假设[math]\displaystyle{ r\gt 0 }[/math]。
• 令[math]\displaystyle{ \frac{\mathrm{d} x}{\mathrm{d} \tau } =0 }[/math]。此时[math]\displaystyle{ x^*=0 }[/math]通常为不稳定不动点，因此分析实际问题时一般关注[math]\displaystyle{ x^*\gt 0 }[/math]的不动点的情况，即

[math]\displaystyle{ r(1-\frac{x}{k}) = \frac{x}{1+x^2} }[/math]

对该方程可转化为求解两条曲线的交点问题。

• 左侧[math]\displaystyle{ y_1(x) = r(1 - \frac{x}{k}) }[/math]是一条穿过[math]\displaystyle{ (0, r) }[/math] 和 [math]\displaystyle{ (k, 0) }[/math] 的直线，斜率为负。

• 右侧[math]\displaystyle{ y_2(x) = \frac{x}{1+x^2} }[/math]从原点出发，先上升后下降，呈单峰状，与参数[math]\displaystyle{ r }[/math]，[math]\displaystyle{ k }[/math]无关。

因[math]\displaystyle{ k }[/math]是一个慢变量，所以将其视为一个常数（上图中[math]\displaystyle{ k=10 }[/math]），将[math]\displaystyle{ r }[/math]（上图纵坐标）视为主要控制参数。

• 当[math]\displaystyle{ r }[/math]很小时，可看到两条曲线仅有一个交点，且为一个稳定不动点，记为不动点1。

• 令[math]\displaystyle{ r }[/math]逐渐增大到第一个临界值[math]\displaystyle{ r_1 }[/math]时（约为[math]\displaystyle{ 0.384 }[/math]），[math]\displaystyle{ y_1(x) }[/math]与[math]\displaystyle{ y_2(x) }[/math]的下降段相切，出现了半稳定不动点。

• 继续增大[math]\displaystyle{ r }[/math]，[math]\displaystyle{ y_1(x) }[/math]与[math]\displaystyle{ y_2(x) }[/math]的下降段出现了两个不动点（一个不稳定，一个稳定），记为不动点2、不动点3。以上是该系统第一个鞍结点分岔。

• 再接着增大[math]\displaystyle{ r }[/math]到第二个临界值[math]\displaystyle{ r_2 }[/math](约为[math]\displaystyle{ 0.56 }[/math])，[math]\displaystyle{ y_1(x) }[/math]与[math]\displaystyle{ y_2(x) }[/math]在单峰附近相切，原本不动点1与不动点2相遇出现了一个半稳定不动点。

• 继续增大[math]\displaystyle{ r }[/math]，[math]\displaystyle{ y_1(x) }[/math]与[math]\displaystyle{ y_2(x) }[/math]只剩下不动点3。以上是该系统的第二个鞍结点分岔。

相图和分岔图如下。

实心点为稳定不动点，空心点为不稳定不动点，半空心点为半稳定不动点

物理意义

上面的相图和分岔图描述了当外部环境条件（参数[math]\displaystyle{ r }[/math]）发生缓慢且连续的变化时，系统的最终归宿（稳定不动点的位置和数量）会发生怎样的改变。

• 当参数[math]\displaystyle{ r }[/math]在较小数值范围内变动（[math]\displaystyle{ 0\lt r\lt 0.384 }[/math]）：系统只有一个不动点，环境的改变只引起系统状态的微小调整。比如气温稍微升高，蚜虫数量只是略微增加，依然会被捕食者维持在较低数量的稳定态。
• 当参数[math]\displaystyle{ r }[/math]在有三个不动点区间内变动（[math]\displaystyle{ 0.384\lt r\lt 0.56 }[/math]）：此时环境能提供不错的生存资源。
  • 对于第一个稳定不动点，虽然蚜虫有着不错的发展环境，但捕食者的效率也相当高，因此蚜虫数量依然维持在低水平。
  • 对于系统中的不稳定不动点，可看作一个“爆发指标”：
    • 比如因为对流天气为当地系统带来了额外的蚜虫，导致蚜虫数量超过了该不动点对应的值，蚜虫数量增长的正反馈机制被激活，导致系统走向蚜虫爆发的稳定状态。
    • 又比如通过农药等方式将蚜虫数量压制到小于该不动点对应的值，那么系统中的捕食者即可接管剩下的蚜虫数量控制工作。
  • 对于第二个稳定不动点，蚜虫数量突破了捕食者所能消耗的上限，保持爆发式增长，最终数量只受环境因素影响。
• 当参数[math]\displaystyle{ r }[/math]在较大区间内变动（[math]\displaystyle{ r\gt 0.56 }[/math]）：此时环境资源极其丰富，系统的负反馈调节机制完全失效，只剩下爆发式繁殖的正反馈机制。捕食者所消灭的蚜虫数量已经微不足道，最终数量只受环境因素影响。此时若要干预蚜虫数量，只能从环境因素着手才有效。

二维系统（以上）

与一维动力系统中的鞍结点分岔类似，二维及以上的鞍结点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相互靠近、碰撞并最终同时消失的过程。

二维标准型

[math]\displaystyle{ \begin{cases} \dot x = \mu - x^2 \\ \dot y = -\lambda y \end{cases} }[/math]

• [math]\displaystyle{ x }[/math]与[math]\displaystyle{ y }[/math]为状态变量。
• [math]\displaystyle{ \mu }[/math]为分岔参数。
• 一式描述了系统在[math]\displaystyle{ x }[/math]维度上的分岔行为。
• 二式描述了系统在[math]\displaystyle{ y }[/math]维度上的收缩行为（其中[math]\displaystyle{ \lambda\gt 0 }[/math]，通常取[math]\displaystyle{ \lambda=1 }[/math]来简化讨论），表明系统在非分岔方向上是稳定的。

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[math]\displaystyle{ \dot x = \mu - x^2 }[/math]），系统在其余维度上稳定（均为类似[math]\displaystyle{ \dot y=ay }[/math]的形式，其中参数[math]\displaystyle{ a\lt 0 }[/math]）。

稳定性分析

x方向的不动点分析与一维情况完全类似。随着参数 [math]\displaystyle{ \mu }[/math] 的变化，二维相平面上的拓扑结构经历以下三个阶段：

1. 双不动点共存阶段 ([math]\displaystyle{ \mu \gt 0 }[/math])：

• 稳定不动点 [math]\displaystyle{ (\sqrt{\mu}, 0) }[/math]：在两个特征方向上均表现为吸引，对应系统的一个稳态。
• 不稳定不动点 [math]\displaystyle{ (-\sqrt{\mu}, 0) }[/math]：在 [math]\displaystyle{ y }[/math] 方向吸引，在 [math]\displaystyle{ x }[/math] 方向排斥。

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。

2. 临界分岔点 ([math]\displaystyle{ \mu = 0 }[/math])： 两个不动点在原点 [math]\displaystyle{ (0,0) }[/math] 处发生碰撞并融合。

3. 不动点消失与幽灵吸引子 ([math]\displaystyle{ \mu \lt 0 }[/math])： 方程在实数域内无解，所有不动点消失。

• 幽灵吸引子 (Ghost Attractor)：虽然不动点不再存在，但在原点附近区域，向量场流速极慢（[math]\displaystyle{ \dot{x} \approx 0 }[/math]）。系统状态在穿过该区域时会发生显著的临界迟滞现象，形成所谓的“瓶颈效应”。

相关概念

鞍结点分岔的形式在所有分岔现象里是最为普遍的一种。其在系统中常作为一种局部分岔（Local Bifurcation）出现。高维系统会有环上的鞍结点分岔、无限周期分岔等其他更复杂的分岔类型，而在某些局部上可以将其看成是一维的鞍结点分岔来进行分析，所以掌握一维鞍结点分岔的性质是非常基本和重要的。

从突变论（catastrophe theory）的角度看，鞍结点分岔实际上是折叠突变（fold catastrophe）在动力系统中的具体表现形式。突变论由 René Thom 建立，其核心思想是用奇点理论研究系统状态随控制参数连续变化而发生的不连续跃迁。在 Thom 的七种基本突变类型中，折叠突变是最简单的一类，通常由一个状态变量和一个控制参数描述。

因此，在奇点理论框架下，折叠突变描述的是平衡解集合几何结构的折叠奇点，而鞍结点分岔则是该几何结构在动力系统中的动力学实现。二者在数学结构上由相同的奇点类型控制，只是描述视角分别来自突变论的势函数几何和分岔理论的相空间动力学。这种对应关系揭示了分岔理论与突变论之间的深层联系：许多基本分岔都可以理解为 Thom 基本突变在动力系统中的具体体现。