常微分方程考研讲义 第六章 非线性微分方程与稳定性

常微分方程考研讲义第六章非线性微分方程与稳定性第六章非线性微分方程与稳定性一、核心概念与基本定义1.非线性微分方程的一般形式考研重点考察n阶非线性自治系统，标准形式为：\dot{x}=f(x)其中x=(x_1,x_2,\dots,x_n)^T为n维状态向量，f(x)=(f_1(x),f_2(x),\dots,f_n(x))^T为非线性向量函数，满足解的存在唯一性条件（如李普希茨条件）。2.平衡状态与受扰运动平衡状态（奇点）：满足f(x_e)=0的点x_e，考研中常通过坐标变换将x_e转化为原点O(0,0,\dots,0)，简化分析。受扰运动：初始状态偏离平衡状态后的运动，记为\varphi(t;x_0,t_0)，表示初始时刻t_0从x_0出发的解轨线。3.李雅普诺夫意义下的稳定性（考研核心定义）设平衡状态为原点x_e=0，定义如下四类稳定性（必考考点）：稳定性类型数学定义几何意义稳定对任意\varepsilon>0，存在\delta(\varepsilon,t_0)>0，当\|x_0\|时，对所有t\geqt_0，有|\varphi(t;x_0,t_0)|受扰轨线始终局限在原点附近的小邻域内渐近稳定1.稳定；2.当t\to+\infty时，\varphi(t;x_0,t_0)\to0受扰轨线最终收敛到原点大范围渐近稳定（全局渐近稳定）对任意x_0\in\mathbb{R}^n，均满足渐近稳定所有初始扰动下轨线都收敛到原点（必要条件：仅一个平衡状态）不稳定存在\varepsilon_0>0，对任意\delta>0，存在x_0满足\|x_0\|存在t_1>t_0时|\varphi(t_1;x_0,t_0)|\geq\varepsilon_0$存在任意小的初始扰动，导致轨线偏离原点邻域二、稳定性分析的核心方法（考研重中之重）1.李雅普诺夫第一方法（间接法）——线性化方法适用于非线性系统在平衡状态附近的局部稳定性分析，步骤如下：线性化处理：将非线性函数f(x)在原点展开为泰勒级数，忽略高阶无穷小：f(x)=Ax+o(\|x\|)其中A=\left.\frac{\partialf}{\partialx}\right|_{x=0}为雅可比矩阵（考研高频计算点）。稳定性判定（基于线性系统特征值）：若A的所有特征值实部均小于0→原非线性系统原点局部渐近稳定；若A存在实部大于0的特征值→原非线性系统原点不稳定；若A的特征值实部非正，但存在零实部特征值→线性化方法失效，需用第二方法。2.李雅普诺夫第二方法（直接法）——构造李雅普诺夫函数考研核心方法，无需求解方程直接判定稳定性，核心是构造“能量函数”V(x)，满足以下判定定理（必考）：（1）基本定理（渐近稳定判定）设V(x)是定义在原点邻域D内的连续可微函数，满足：V(0)=0；对任意x\inD\setminus\{0\}，V(x)>0（正定）；对任意x\inD\setminus\{0\}，\dot{V}(x)=\frac{dV}{dt}=\sum_{i=1}^n\frac{\partialV}{\partialx_i}f_i(x)<0（负定）；则原点是渐近稳定的。若D=\mathbb{R}^n且当\|x\|\to+\infty时V(x)\to+\infty，则原点是大范围渐近稳定的。（2）常见李雅普诺夫函数构造（考研技巧）二次型函数：V(x)=x^TPx（P为正定对称矩阵），适用于线性系统及弱非线性系统；幂函数型：V(x)=a_1x_1^2+a_2x_2^2+\dots+a_nx_n^2（a_i>0），适用于低阶非线性系统；结合方程结构构造：利用非线性项的齐次性、对称性设计V(x)（如单摆方程常用V(x)=\frac{1}{2}\dot{x}_1^2+g(1-\cosx_2)）。3.特殊非线性系统的稳定性（考研常考题型）平面非线性系统：通过分析奇点类型（结点、焦点、鞍点、中心）判定稳定性，结合极限环存在性（庞加莱-本迪克松定理）；扰动系统：形如\dot{x}=Ax+g(x)（g(x)为高阶小扰动），若A渐近稳定且g(x)满足\lim_{\|x\|\to0}\frac{\|g(x)\|}{\|x\|}=0，则原点渐近稳定。三、考研高频考点与题型解析1.核心考点清单考点类型考察频率题型形式李雅普诺夫稳定性定义辨析★★★选择题、判断题雅可比矩阵计算与线性化稳定性判定★★★★计算题、证明题李雅普诺夫函数构造与稳定性证明★★★★★大题、压轴题平面非线性系统奇点分类与稳定性★★★★计算题、画图题2.典型例题（考研真题风格）例题1：线性化方法判定稳定性求系统\dot{x}_1=-x_1+x_2+x_1^2，\dot{x}_2=x_1-x_2-x_2^3的平衡状态并判定稳定性。解：求平衡状态：令\dot{x}_1=\dot{x}_2=0，解得原点(0,0)为平衡状态；计算雅可比矩阵：A=\begin{pmatrix}\frac{\partialf_1}{\partialx_1}&\frac{\partialf_1}{\partialx_2}\\\frac{\partialf_2}{\partialx_1}&\frac{\partialf_2}{\partialx_2}\end{pmatrix}_{(0,0)}=\begin{pmatrix}-1&1\\1&-1\end{pmatrix}特征值分析：\det(A-\lambdaI)=\lambda^2+2\lambda=0，得\lambda_1=0，\lambda_2=-2（存在零实部特征值）；结论：线性化方法失效，需构造李雅普诺夫函数（如V(x)=\frac{1}{2}x_1^2+\frac{1}{2}x_2^2，计算得\dot{V}(x)=-x_1^2-x_2^2+x_1^3-x_2^4，在原点邻域内负定，故原点渐近稳定）。例题2：李雅普诺夫函数构造证明系统\dot{x}_1=-x_1+x_1x_2^2，\dot{x}_2=-x_2^3的原点是大范围渐近稳定的。证明：构造李雅普诺夫函数V(x)=\frac{1}{2}x_1^2+\frac{1}{4}x_2^4（正定，且\|x\|\to+\infty时V(x)\to+\infty）；计算导数：\dot{V}(x)=x_1\dot{x}_1+x_2^3\dot{x}_2=x_1(-x_1+x_1x_2^2)+x_2^3(-x_2^3)=-x_1^2(1-x_2^2)-x_2^6；判定负定：在原点邻域|x_2|1-x_2^2>0，故\dot{V}(x)\|x\|\to+\infty时，若|x_2|\geq1，则-x_1^2(1-x_2^2)=-x_1^2(-(x_2^2-1))=x_1^2(x_2^2-1)，但-x_2^6主导，仍有\dot{V}(x)；结论：原点大范围渐近稳定。四、复习策略与易错点提醒易错点：混淆“稳定”与“渐近稳定”：稳定仅要求轨线不偏离，渐近稳定需额外收敛；线性化方法