“线性系统”的版本间的差异
（→向量场与相平面： 修改小标题） |
（修改了子标题，区分词条 二维线性动力系统） |
||
| 第16行： | 第16行： | ||
其中，x(0) 为初始状态，[math]\displaystyle{ e^{At} }[/math] 为矩阵指数。通过分析矩阵 A 的特征值和特征向量，可以进一步研究系统的稳定性、振荡行为、相轨迹结构以及长期演化趋势<ref name=":3" />。 | 其中，x(0) 为初始状态，[math]\displaystyle{ e^{At} }[/math] 为矩阵指数。通过分析矩阵 A 的特征值和特征向量，可以进一步研究系统的稳定性、振荡行为、相轨迹结构以及长期演化趋势<ref name=":3" />。 | ||
== '''性质''' == | == '''性质''' == | ||
| − | + | ||
| − | === | + | === 状态空间中的向量场 === |
线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，每一个状态点 \mathbf{x}\in\mathbb{R}^n 都通过矩阵 A 对应一个速度向量 \dot{\mathbf{x}}，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的<nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<ref name=":4">S. H. Strogatz, 非线性动力学与混沌, 孙梅, 译. 北京, 中国: 机械工业出版社, 2016.</ref>。 | 线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，每一个状态点 \mathbf{x}\in\mathbb{R}^n 都通过矩阵 A 对应一个速度向量 \dot{\mathbf{x}}，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的<nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<ref name=":4">S. H. Strogatz, 非线性动力学与混沌, 孙梅, 译. 北京, 中国: 机械工业出版社, 2016.</ref>。 | ||
| − | === | + | === 状态空间与相轨迹 === |
由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>。给定初始状态 \mathbf{x}(0)=\mathbf{x}_0 后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>。<ref name=":4" /> | 由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>。给定初始状态 \mathbf{x}(0)=\mathbf{x}_0 后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>。<ref name=":4" /> | ||
| − | === | + | === 线性系统的定性行为 === |
在线性动力系统的研究中，分析重点不仅在于求出显式解 \mathbf{x}(t)，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" /> | 在线性动力系统的研究中，分析重点不仅在于求出显式解 \mathbf{x}(t)，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" /> | ||
| − | === | + | === 平衡点与稳定性 === |
在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，若某一状态 \mathbf{x}^\ast 满足 A\mathbf{x}^\ast=\mathbf{0}，则称其为系统的<nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>。在齐次线性系统中，原点 \mathbf{x}=\mathbf{0} 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" /> | 在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，若某一状态 \mathbf{x}^\ast 满足 A\mathbf{x}^\ast=\mathbf{0}，则称其为系统的<nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>。在齐次线性系统中，原点 \mathbf{x}=\mathbf{0} 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" /> | ||
| − | === | + | === 稳定性概念的层级 === |
在线性系统中，常用的稳定性概念包括： | 在线性系统中，常用的稳定性概念包括： | ||
* 吸引的 (Attracting)：若从不动点附近出发的轨迹在 [math]\displaystyle{ t\to\infty }[/math] 时都收敛到该点。 | * 吸引的 (Attracting)：若从不动点附近出发的轨迹在 [math]\displaystyle{ t\to\infty }[/math] 时都收敛到该点。 | ||
2026年6月12日 (五) 11:49的版本
在数学中，线性系统（Linear System）是指系统的输出变化与输入变化成比例，并且系统内部各要素之间满足叠加原理（Superposition Principle）[1][2]的系统。叠加原理包括两个基本性质：齐次性和可加性。也就是说，如果某一输入产生某一响应，那么该输入按比例放大或缩小后，系统响应也会按相同比例变化；如果多个输入同时作用于系统，则系统的总响应等于各个输入单独作用时响应的代数和。因此，线性系统的整体行为可以由局部行为组合得到，通常比非线性系统更加直观、规则且易于分析和控制。
当这种线性关系进一步用于描述系统状态随时间的演化时，就得到线性动力系统（Linear Dynamical System）。与一般线性系统相比，线性动力系统更强调“状态如何变化”以及“当前状态如何决定未来状态”。因此，线性动力系统可以看作线性系统在时间演化问题中的具体形式[1][3]。
定义
在动力学语境下，线性系统通常是研究多维连续动力系统的基本起点。一般地，n 维线性常系数微分方程组可以写成如下矩阵形式[4]：
[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=A\mathbf{x} }[/math]
其中，[math]\displaystyle{ \mathbf{x}\in\mathbb{R}^n }[/math]表示系统的状态向量，A 为常数矩阵，用于描述系统内部各状态变量之间的线性耦合关系。该方程表明，系统状态的变化率由当前状态经过矩阵 A 的线性变换决定。
线性系统的一个核心优势在于，它们往往存在解析解。例如，对于上述常系数线性系统，其解可以形式化地写为
[math]\displaystyle{ \mathbf{x}(t)=e^{At}\mathbf{x}(0) }[/math]
其中，x(0) 为初始状态，[math]\displaystyle{ e^{At} }[/math] 为矩阵指数。通过分析矩阵 A 的特征值和特征向量，可以进一步研究系统的稳定性、振荡行为、相轨迹结构以及长期演化趋势[4]。
性质
状态空间中的向量场
线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，每一个状态点 \mathbf{x}\in\mathbb{R}^n 都通过矩阵 A 对应一个速度向量 \dot{\mathbf{x}}，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的'''向量场'''，用于描述系统在状态空间中的整体流动趋势。[5]。
状态空间与相轨迹
由系统全部状态变量构成的几何空间称为'''相空间'''。给定初始状态 \mathbf{x}(0)=\mathbf{x}_0 后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为'''相轨迹'''。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为'''相平面'''。[5]
线性系统的定性行为
在线性动力系统的研究中，分析重点不仅在于求出显式解 \mathbf{x}(t)，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。[5]
平衡点与稳定性
在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，若某一状态 \mathbf{x}^\ast 满足 A\mathbf{x}^\ast=\mathbf{0}，则称其为系统的'''不动点'''或'''平衡点'''。在齐次线性系统中，原点 \mathbf{x}=\mathbf{0} 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。[5]
稳定性概念的层级
在线性系统中，常用的稳定性概念包括：
- 吸引的 (Attracting)：若从不动点附近出发的轨迹在 [math]\displaystyle{ t\to\infty }[/math] 时都收敛到该点。
- 李雅普诺夫稳定 (Lyapunov stable)：若任意足够靠近不动点的初始条件产生的轨迹，在未来始终保持在给定的较小邻域内。
- 渐近稳定 (Asymptotically stable)：若一个不动点同时满足上述两个条件。
- 中性稳定 (Neutrally stable)：轨迹始终保持在平衡点附近但不向其收敛（如无阻尼谐振子的闭合椭圆）。
- 不稳定 (Unstable)：无论扰动多么微小，轨迹都可能逐渐远离平衡点。
在线性化和非线性系统分析中的作用
尽管现实世界中的许多系统具有非线性特征，但线性系统在非线性系统分析中仍然具有基础性作用。一个重要原因是，许多非线性动力系统在平衡点或不动点附近的局部行为，可以通过相应的线性动力系统近似描述。
设一个连续时间非线性动力系统[5]为
[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=\mathbf{F}(\mathbf{x}) }[/math]
其中，[math]\displaystyle{ \mathbf{x}\in\mathbb{R}^n }[/math] 为状态向量，[math]\displaystyle{ \mathbf{F}(\mathbf{x}) }[/math] 为非线性向量场。若 [math]\displaystyle{ \mathbf{x}^\ast }[/math] 是系统的不动点，即
[math]\displaystyle{ \mathbf{F}(\mathbf{x}^\ast)=\mathbf{0} }[/math]
则在该点附近可令
[math]\displaystyle{ \boldsymbol{\xi}=\mathbf{x}-\mathbf{x}^\ast }[/math]
通过泰勒展开，系统可近似为
[math]\displaystyle{ \frac{d\boldsymbol{\xi}}{dt}=J(\mathbf{x}^\ast)\boldsymbol{\xi} }[/math]
其中
[math]\displaystyle{ J(\mathbf{x}^\ast)=\left.\frac{\partial \mathbf{F}}{\partial \mathbf{x}}\right|_{\mathbf{x}=\mathbf{x}^\ast} }[/math]
称为该非线性系统在不动点处的'''雅可比矩阵'''（Jacobian matrix）。因此，非线性系统在不动点附近的局部行为，通常可以由一个线性常系数系统来近似刻画。
这种方法称为线性化。通过分析雅可比矩阵的特征值，可以判断不动点附近的局部稳定性。例如，若所有特征值的实部均小于零，则该不动点通常是局部稳定的；若存在特征值的实部大于零，则该不动点通常是不稳定的。若特征值为复数，则系统可能表现出振荡、螺旋收敛或螺旋发散等相空间行为。
因此，线性系统不仅本身具有独立的研究价值，也构成了研究非线性动力系统的重要基础。特别是在二维及更高维相空间中，线性系统可以用于刻画稳定节点、鞍点、焦点、中心等典型局部结构。这些结构为理解更复杂的非线性现象，如分岔、极限环和混沌等，提供了基本分析框架[3][5]。
参考文献
- ↑ 1.0 1.1 Alan V. Oppenheim, Alan S. Willsky, and S. Hamid Nawab, Signals and Systems, 2nd ed., Prentice Hall, 1997.
- ↑ S. Axler, Linear Algebra Done Right, 3rd ed. Cham, Switzerland: Springer, 2015.
- ↑ 3.0 3.1 H. K. Khalil, Nonlinear Systems, 3rd ed. Upper Saddle River, NJ, USA: Prentice Hall, 2002.
- ↑ 4.0 4.1 W. E. Boyce, R. C. DiPrima, and D. B. Meade, Elementary Differential Equations and Boundary Value Problems, 11th ed. Hoboken, NJ, USA: Wiley, 2017.
- ↑ 5.0 5.1 5.2 5.3 5.4 5.5 S. H. Strogatz, 非线性动力学与混沌, 孙梅, 译. 北京, 中国: 机械工业出版社, 2016.