152
个编辑
更改
无编辑摘要
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
=历史=
=历史=
'''起源（19世纪末至20世纪中期）'''
'''起源（19世纪末至20世纪中期）'''
[[动力系统理论]]起源于19世纪末期的亨利·庞加莱（Henri Poincaré）的研究，他在《''天体力学新方法''》（1892）中提出了对[[微分方程]]定性研究的方法，确立了相空间、轨道与稳定性等核心概念<ref name="Poincare1892">Poincaré, H. (1892). ''Les Méthodes Nouvelles de la Mécanique Céleste.'' Paris: Gauthier-Villars.</ref>。
此时期的一维动力学研究主要集中在平衡点的稳定性与相图的定性结构上。
此时期的一维动力学研究主要集中在平衡点的稳定性与相图的定性结构上。
'''数值探索与理论形成（1950年代至1970年代）'''
'''数值探索与理论形成（1950年代至1970年代）'''
随着电子计算机的普及，研究者得以直接观察非线性方程的数值行为。
随着电子计算机的普及，研究者得以直接观察非线性方程的数值行为。
1975年，数学家李天岩（T.Y. Li）与约克（J.A. Yorke）发表论文《''周期三意味着混沌''》，首次形式化了“混沌”这一概念<ref name="LiYorke1975">Li, T.Y. & Yorke, J.A. (1975). Period three implies chaos. ''The American Mathematical Monthly'', 82(10), 985–992.</ref>。
1975年，数学家李天岩（T.Y. Li）与约克（J.A. Yorke）发表论文《''周期三意味着混沌''》，首次形式化了“[[混沌]]”这一概念<ref name="LiYorke1975">Li, T.Y. & Yorke, J.A. (1975). Period three implies chaos. ''The American Mathematical Monthly'', 82(10), 985–992.</ref>。
几乎同时，生态学家罗伯特·梅（Robert May）在研究种群模型时发现，一维 logistic 映射
:<math>x_{n+1} = r x_n (1 - x_n)</math>
:<math>x_{n+1} = r x_n (1 - x_n)</math>
在参数变化时表现出极其复杂的动力学结构，成为[[混沌理论]]的经典案例<ref name="May1976">May, R.M. (1976). Simple mathematical models with very complicated dynamics. ''Nature'', 261(5560), 459–467.</ref>。
''' 混沌的发现与普适性（1970年代后期至1980年代） '''
''' 混沌的发现与普适性（1970年代后期至1980年代） '''
Feigenbaum 通过数值与分析研究发现，不同非线性映射在分岔过程中呈现出相同的比例常数（即费根鲍姆常数 δ ≈ 4.6692…），揭示了普适性（universality）原理<ref name="Feigenbaum1978">Feigenbaum, M.J. (1978). Quantitative universality for a class of nonlinear transformations. ''Journal of Statistical Physics'', 19(1), 25–52.</ref>。
Feigenbaum 通过数值与分析研究发现，不同非线性映射在分岔过程中呈现出相同的比例常数（即费根鲍姆常数 δ ≈ 4.6692…），揭示了普适性（universality）原理<ref name="Feigenbaum1978">Feigenbaum, M.J. (1978). Quantitative universality for a class of nonlinear transformations. ''Journal of Statistical Physics'', 19(1), 25–52.</ref>。
这些成果标志着[[混沌理论]]的建立，使一维系统成为理解复杂动力学的核心模型。
此后，Devaney（1986）的教材推动了混沌理论在数学与工程教育中的传播<ref name="Devaney1986">Devaney, R.L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>。
此后，Devaney（1986）的教材推动了混沌理论在数学与工程教育中的传播<ref name="Devaney1986">Devaney, R.L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>。
''' 理论成熟与现代发展（1990年代至今） '''
''' 理论成熟与现代发展（1990年代至今） '''
进入1990年代后，一维[[动力系统]]的研究与测度论、遍历理论及[[信息论]]进一步结合，出现了如不变测度、拓扑熵等概念的深入研究。
现代教材如 Strogatz（1994）与 Katok & Hasselblatt（1995）将一维系统视为复杂系统与混沌理论的基础模型，并拓展到多维系统与应用领域<ref name="Strogatz1994">Strogatz, S.H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref><ref name="Katok1995">Katok, A. & Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.</ref>。
现代教材如 Strogatz（1994）与 Katok & Hasselblatt（1995）将一维系统视为[[复杂系统]]与[[混沌理论]]的基础模型，并拓展到多维系统与应用领域<ref name="Strogatz1994">Strogatz, S.H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref><ref name="Katok1995">Katok, A. & Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.</ref>。
如今，一维动力系统的思想被广泛应用于生物种群动力学、金融[[时间序列分析]]与神经网络模型等领域<ref name="Ott2002">Ott, E. (2002). ''Chaos in Dynamical Systems.'' 2nd ed. Cambridge University Press.</ref>。
''' 现代定位 '''
''' 现代定位 '''
随着[[动力系统理论]]在20世纪的发展，一维系统及其几何分析方法成为理解低维非线性动力学的基础。
该理论为分析'''稳定性'''、'''分岔'''与'''混沌现象'''提供了标准框架，是研究高维系统、复杂网络以及随机动力学的重要教学与理论起点。
该理论为分析'''稳定性'''、'''分岔'''与'''混沌现象'''提供了标准框架，是研究高维系统、[[复杂网络]]以及随机动力学的重要教学与理论起点。
在现代数学教育与物理建模中，一维动力系统常作为入门模型，用于展示[[非线性系统]]的典型特征和定性分析思路<ref name="Strogatz1994">Strogatz, S.H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>。
=简介=
=简介=
* 核心问题: 如何理解一阶自治微分方程<math>\dot{x}=f(x)</math>定义的系统之所有可能长期行为？
* 核心问题: 如何理解一阶自治[[微分方程]]<math>\dot{x}=f(x)</math>定义的系统之所有可能长期行为？
* 范式转变: 倡导从寻求解析解的“公式导向”思维，转向基于向量场的“几何导向”定性思维。
* 范式转变: 倡导从寻求解析解的“公式导向”思维，转向基于向量场的“几何导向”定性思维。
:<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><ref>https://math.libretexts.org/Bookshelves/Calculus/Calculus_(OpenStax)/16%3A_Vector_Calculus/16.01%3A_Vector_Fields</ref>]]
[[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>__PROTECTED_9__]]
===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）。
这种几何化方法能清晰地揭示平衡点的位置与稳定性：在 <math>f(x)=0</math> 处系统静止，箭头方向的变化可用于判断该点是吸引子、排斥子还是半稳定点<ref name="Strogatz1994">Strogatz, S.H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>。
这种几何化方法能清晰地揭示平衡点的位置与稳定性：在 <math>f(x)=0</math> 处系统静止，箭头方向的变化可用于判断该点是[[吸引子]]、排斥子还是半稳定点<ref name="Strogatz1994">Strogatz, S.H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.</ref>。
===方法优势===
===方法优势===
与依赖解析解或符号运算的传统分析相比，向量场方法提供了对[[系统动力学]]的全局可视化理解。它能够在无需显式求解方程的情况下揭示系统的长期行为，对[[非线性系统]]、分岔与[[混沌]]等复杂现象的教学与研究尤为有效。
在现代[[动力系统理论]]中，这种几何化分析被视为理解低维[[系统动力学]]的基础，也是进一步研究高维系统与非线性动力学现象的出发点<ref name="Devaney1986">Devaney, R.L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.</ref>。
==不动点及其稳定性==
==不动点及其稳定性==
===图形化稳定性判据===
===图形化稳定性判据===
* 稳定不动点（吸引子/汇）： 向量场箭头从两边指向该点。
* 稳定不动点（[[吸引子]]/汇）： 向量场箭头从两边指向该点。
* 不稳定不动点（排斥子/源）： 向量场箭头从该点指向两边。
* 不稳定不动点（排斥子/源）： 向量场箭头从该点指向两边。
如图所示，左侧的不动点是稳定的，当 x 位于左侧不动点的左侧少许时，其速度向右；当 x 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。
如图所示，左侧的不动点是稳定的，当 x 位于左侧不动点的左侧少许时，其速度向右；当 x 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|400px|thumb|right|稳定不动点和不稳定不动点，引自<ref name='非线性动力学与混沌读书会：直线上的流'>https://pattern.swarma.org/study_group_issue/998</ref>]]
[[File:fixed_point_1.png|400px|thumb|right|稳定不动点和不稳定不动点，引自__PROTECTED_12__]]
===线性稳定性分析（定量方法）===
===线性稳定性分析（定量方法）===
==数值积分方法==
==数值积分方法==
'''数值积分方法'''（numerical integration methods）是通过将时间离散化，把常微分方程
'''数值积分方法'''（numerical integration methods）是通过将时间离散化，把常[[微分方程]]
<math>\frac{dx}{dt} = f(x,t)</math>
<math>\frac{dx}{dt} = f(x,t)</math>
转化为代数更新步骤的技术，用于近似求解轨道与模拟系统随时间的变化。在解析解难以获得时，这类方法是[[动力系统]]研究中最常用的工具之一<ref name="Burden2011">Burden, R. L., & Faires, J. D. (2011). ''Numerical Analysis'' (9th ed.). Brooks Cole.</ref>。
数值积分方法通常可分为以下类别：
数值积分方法通常可分为以下类别：
本条目介绍的 '''欧拉法'''、'''改进欧拉法''' 与 '''四阶龙格–库塔法（RK4）''' 均属于
本条目介绍的 '''欧拉法'''、'''改进欧拉法''' 与 '''四阶龙格–库塔法（RK4）''' 均属于
'''显式单步数值积分方法'''，是常微分方程数值求解中最常见、最基础的一类方法。
'''显式单步数值积分方法'''，是常[[微分方程]]数值求解中最常见、最基础的一类方法。
<math>\frac{dx}{dt} = f(x,t)</math>。
<math>\frac{dx}{dt} = f(x,t)</math>。
=== 目的与应用 ===
=== 目的与应用 ===
数值积分方法主要用于：
数值积分方法主要用于：
* 近似求解微分方程的数值轨道；
* 近似求解[[微分方程]]的数值轨道；
* 绘制相图、吸引子与时间序列；
* 绘制相图、[[吸引子]]与时间序列；
* 辅助研究稳定点、周期解与分岔；
* 辅助研究稳定点、周期解与分岔；
* 探索混沌行为及敏感依赖性。
* 探索[[混沌]]行为及敏感依赖性。
相关方法在[[动力系统]]与非线性科学中具有基础作用<ref name="Strogatz2015">Strogatz, S. H. (2015). ''Nonlinear Dynamics and Chaos'' (2nd ed.). Westview Press.</ref>。
=== 欧拉方法（Euler Method）===
=== 欧拉方法（Euler Method）===
</math>
</math>
==== 离散形式：[[逻辑斯谛映射]] ====
==== 离散形式：[[逻辑斯谛映射]] ====
逻辑斯谛方程的著名离散版本为 '''[[逻辑斯谛映射]]'''（logistic map）：
<math>
<math>
x_{n+1} = r x_n (1 - x_n)
x_{n+1} = r x_n (1 - x_n)
</math>
</math>
这是一个典型的一阶惯性环节，电容开始无电量，电压恒定的情况相当于系统的阶跃响应，而一阶惯性系统的阶跃响应总是稳定、无震荡的。其响应值达到稳态值的约 <math>63.2\%</math> 所需时间为时间常数 <math>\tau</math>。由控制论的工具出发，还可以分析 RC 电路在不同输入电压（如脉冲、交流电）下的不同响应（输出电压）。
这是一个典型的一阶惯性环节，电容开始无电量，电压恒定的情况相当于系统的阶跃响应，而一阶惯性系统的阶跃响应总是稳定、无震荡的。其响应值达到稳态值的约 <math>63.2\%</math> 所需时间为时间常数 <math>\tau</math>。由[[控制论]]的工具出发，还可以分析 RC 电路在不同输入电压（如脉冲、交流电）下的不同响应（输出电压）。
====频率特性====
====频率特性====
===企业生长模型===
===企业生长模型===
'''企业生长模型'''是张江团队提出的、基于企业规模标度律和企业财务平衡方程构建的企业资产变化的微分方程，刻画企业的平均生长动力学
'''企业生长模型'''是[[张江]]团队提出的、基于企业[[规模标度律]]和企业财务平衡方程构建的企业资产变化的[[微分方程]]，刻画企业的平均生长动力学
==== 数学形式 ====
==== 数学形式 ====
对奇异点进行稳定性分析，即判断 <math>\left.\frac{d^2t}{dA^2}\right|_{A=A^*}=\frac{(A^*)^{-\beta_I-1}}{c_I}(1-\beta_L)</math>的正负。我们得到两种情况：
对奇异点进行稳定性分析，即判断 <math>\left.\frac{d^2t}{dA^2}\right|_{A=A^*}=\frac{(A^*)^{-\beta_I-1}}{c_I}(1-\beta_L)</math>的正负。我们得到两种情况：
* 当<math>\beta_L > 1</math>时，<math> \frac{d^2t}{dA^2}< 0</math>，意味着此时奇异点是一个吸引子，企业生长靠近该点。
* 当<math>\beta_L > 1</math>时，<math> \frac{d^2t}{dA^2}< 0</math>，意味着此时奇异点是一个[[吸引子]]，企业生长靠近该点。
* 当<math>\beta_L < 1</math>时，<math> \frac{d^2t}{dA^2}< 0</math>，意味着此时奇异点是一个排斥子，企业规模远离该点。
* 当<math>\beta_L < 1</math>时，<math> \frac{d^2t}{dA^2}< 0</math>，意味着此时奇异点是一个排斥子，企业规模远离该点。
对应到企业生长行为，也可以分成对应两种类型的生长阈值
对应到企业生长行为，也可以分成对应两种类型的生长阈值
* 当<math>\beta_L > 1</math>时，由于此时奇点是一个吸引子，意味着小于规模奇点<math>A^*</math>的企业可以持续增长，而大于规模奇点<math>A^*</math>的企业则表现为衰退，此时奇点<math>A^*</math>是一个生长上限。
* 当<math>\beta_L > 1</math>时，由于此时[[奇点]]是一个[[吸引子]]，意味着小于规模[[奇点]]<math>A^*</math>的企业可以持续增长，而大于规模[[奇点]]<math>A^*</math>的企业则表现为衰退，此时[[奇点]]<math>A^*</math>是一个生长上限。
* 而当<math>\beta_L <1</math>时，由于此时奇点是一个排斥子，意味着大于规模奇点<math>A^*</math>的企业可以持续增长，而小于规模奇点<math>A^*</math>的企业则表现为衰退，此时奇点<math>A^*</math>是一个生长门槛。
* 而当<math>\beta_L <1</math>时，由于此时[[奇点]]是一个排斥子，意味着大于规模[[奇点]]<math>A^*</math>的企业可以持续增长，而小于规模[[奇点]]<math>A^*</math>的企业则表现为衰退，此时[[奇点]]<math>A^*</math>是一个生长门槛。
= 参考文献 =
= 参考文献 =
<references />
<references />