跳到主要内容

稳定性与李雅普诺夫方法

李雅普诺夫方法可以先用“小球找谷底”来理解:碗底是希望保持的平衡点,球受到小扰动后若不跑远,称为稳定;若还会回到底部,称为渐近稳定;若以指数速度回去,则是指数稳定。倒扣的碗不稳定,完全水平的桌面则说明“留在附近”与“回到原处”并不是一回事。

严格分析时不能只凭图像。第一方法(间接法)在平衡点附近线性化;第二方法(直接法)寻找类似能量的标量函数,不必显式求出状态轨迹。下文把直觉、定义和可计算判据连起来。

5.1 平衡点与稳定性的严格定义​

考虑自治系统

x˙=f(x),x∈Rn,f(0)=0.\dot{x}=f(x),\qquad x\in\mathbb{R}^n,\qquad f(0)=0.

满足 f(xe)=0f(x_e)=0 的 xex_e 称为平衡点。通过坐标平移 z=x−xez=x-x_e,总可把所研究的平衡点移到原点。以下定义均针对原点,∥⋅∥\|\cdot\| 可取任意等价范数。

  • Lyapunov 稳定:对任意 ε>0\varepsilon>0,存在 δ(ε)>0\delta(\varepsilon)>0,使得 ∥x(0)∥<δ\|x(0)\|<\delta 时,对所有 t≥0t\geq 0 都有 ∥x(t)∥<ε\|x(t)\|<\varepsilon。
  • 渐近稳定:原点 Lyapunov 稳定,并且存在 r>0r>0,使 ∥x(0)∥<r\|x(0)\|<r 时有 lim⁡t→∞x(t)=0\lim_{t\to\infty}x(t)=0。
  • 指数稳定:存在 c>0,λ>0,r>0c>0,\lambda>0,r>0,使 ∥x(0)∥<r\|x(0)\|<r 时 ∥x(t)∥≤ce−λt∥x(0)∥\|x(t)\|\leq c e^{-\lambda t}\|x(0)\|。指数稳定蕴含渐近稳定。
  • 全局渐近稳定:上述稳定性和收敛性对任意初值成立。若指数估计对所有初值成立,则称全局指数稳定。

“稳定”只保证不离开,“吸引”只保证最终趋近;渐近稳定要求两者同时成立。“全局稳定”若未说明吸引性,通常只指定义域为全空间的 Lyapunov 稳定,考试中应写明“全局渐近稳定”以免歧义。

x₁x₂ε 邻域:轨迹始终不越界δ 邻域:允许的初值平衡点

5.2 第一方法:线性化间接法​

设 ff 在原点附近连续可微,其 Jacobian 为

A=∂f∂x∣x=0,x˙=Ax+g(x),lim⁡∥x∥→0∥g(x)∥∥x∥=0.A=\left.\frac{\partial f}{\partial x}\right|_{x=0},\qquad \dot{x}=Ax+g(x),\qquad \lim_{\|x\|\to 0}\frac{\|g(x)\|}{\|x\|}=0.

间接法的结论是:

  1. 若 AA 的全部特征值实部严格小于零,则非线性系统原点局部渐近稳定(事实上局部指数稳定)。
  2. 若 AA 至少有一个特征值实部严格大于零,则原点不稳定。
  3. 若没有正实部特征值、但存在零实部特征值,线性化不能下结论;高阶项可能使系统稳定,也可能不稳定。例如 x˙=−x3\dot{x}=-x^3 渐近稳定,而 x˙=x3\dot{x}=x^3 不稳定,两者线性化均为 x˙=0\dot{x}=0。

因此“线性化系统临界稳定,所以原非线性系统也稳定”是错误推理。

5.3 正定性与二次型判别​

连续函数 V(x)V(x) 若满足 V(0)=0V(0)=0,并在某邻域内对 x≠0x\neq0 有 V(x)>0V(x)>0,称为正定;若仅有 V(x)≥0V(x)\geq0,称半正定。负定、半负定分别对 −V-V 定义。

对实对称二次型 V=xTPxV=x^\mathsf{T}Px:

  • P>0P>0 当且仅当所有特征值为正;
  • 也可用 Sylvester 判据:PP 的各阶顺序主子式均为正;
  • 若特征值有正有负,则二次型不定;
  • 非对称矩阵只需取对称部分,因为 xTPx=xT(P+PT)x/2x^\mathsf{T}Px=x^\mathsf{T}(P+P^\mathsf{T})x/2。

例如

P=[2112],Δ1=2>0,Δ2=3>0,P=\begin{bmatrix}2&1\\1&2\end{bmatrix},\qquad \Delta_1=2>0,\quad \Delta_2=3>0,

所以 V=2x12+2x1x2+2x22V=2x_1^2+2x_1x_2+2x_2^2 正定。

5.4 第二方法:直接法​

沿系统轨迹,VV 的导数为

V˙(x)=∇V(x)Tf(x).\dot{V}(x)=\nabla V(x)^\mathsf{T}f(x).

在原点某邻域内:

  • 若 VV 正定且 V˙≤0\dot V\leq0,则原点 Lyapunov 稳定;
  • 若 VV 正定且 V˙<0\dot V<0,则原点局部渐近稳定;
  • 若还有常数 c1,c2,c3>0c_1,c_2,c_3>0 使 c1∥x∥2≤V(x)≤c2∥x∥2c_1\|x\|^2\leq V(x)\leq c_2\|x\|^2、V˙≤−c3∥x∥2\dot V\leq-c_3\|x\|^2,则局部指数稳定;
  • 若这些条件在全空间成立,且 V(x)→∞V(x)\to\infty 当 ∥x∥→∞\|x\|\to\infty(径向无界),则相应结论为全局结论。

注意 V˙<0\dot V<0 是充分条件而非必要条件;一次猜测失败不代表系统不稳定。

LaSalle 不变性原理​

当只能得到 V˙≤0\dot V\leq0 时,不能直接声称渐近稳定。设紧集 Ω\Omega 正不变,VV 在 Ω\Omega 上连续可微且 V˙≤0\dot V\leq0。令

E={x∈Ω:V˙(x)=0}.E=\{x\in\Omega:\dot V(x)=0\}.

则 Ω\Omega 中每条轨迹都趋向 EE 内的最大不变集 MM。若 M={0}M=\{0\},便可推出原点渐近稳定。关键不是解方程 V˙=0\dot V=0 后只看到原点,而是检查在该集合上能否一直运动。

x₁x₂V 较大V 较小轨迹穿越等值线,V 单调下降

5.5 Lyapunov 函数怎样构造​

没有万能公式,常用策略包括:

  1. 物理能量:机械系统取动能加势能,电路取电容与电感储能。
  2. 二次型:在线性系统或局部线性化附近试 V=xTPxV=x^\mathsf{T}Px。
  3. 消交叉项:从 x12+x22x_1^2+x_2^2 出发,根据 V˙\dot V 中的混合项调整权重或加入 x1x2x_1x_2。
  4. 积分构造:标量系统 x˙=−ϕ(x)\dot x=-\phi(x) 可试 V(x)=∫0xϕ(s) dsV(x)=\int_0^x\phi(s)\,ds。
  5. 反推法:先指定希望得到的负定 V˙\dot V,再匹配 VV 的系数。

完整例题:非线性系统与 LaSalle​

判断

x˙1=x2,x˙2=−x1−x23\dot x_1=x_2,\qquad \dot x_2=-x_1-x_2^3

的原点稳定性。取总能量

V(x)=12x12+12x22.V(x)=\frac{1}{2}x_1^2+\frac{1}{2}x_2^2.

VV 正定且径向无界,并且

V˙=x1x2+x2(−x1−x23)=−x24≤0.\dot V=x_1x_2+x_2(-x_1-x_2^3)=-x_2^4\leq0.

此时 V˙\dot V 只是半负定。集合 E={x:x2=0}E=\{x:x_2=0\} 上有 x˙2=−x1\dot x_2=-x_1;除原点外,轨迹会立即离开 EE,故 EE 中最大不变集只有 {0}\{0\}。由 LaSalle 原理,原点全局渐近稳定。这里不能由 V˙≤0\dot V\leq0 直接得到渐近稳定,LaSalle 的不变集检查是不可省略的一步。

5.6 线性系统的 Lyapunov 方程​

对 x˙=Ax\dot x=Ax 取 V=xTPxV=x^\mathsf{T}Px,则

V˙=xT(ATP+PA)x.\dot V=x^\mathsf{T}(A^\mathsf{T}P+PA)x.

连续时间 Lyapunov 定理:AA 为 Hurwitz 矩阵,当且仅当对任意给定 Q=QT>0Q=Q^\mathsf{T}>0,方程

ATP+PA=−QA^\mathsf{T}P+PA=-Q

存在唯一对称正定解 PP。因此通常先选简单的 QQ(如单位阵),再解线性方程得到 PP,而不是盲猜 PP。

可核算例题​

设

A=[01−2−3],Q=I,P=[p11p12p12p22].A=\begin{bmatrix}0&1\\-2&-3\end{bmatrix},\qquad Q=I,\qquad P=\begin{bmatrix}p_{11}&p_{12}\\p_{12}&p_{22}\end{bmatrix}.

代入方程并比较元素得

−4p12=−1,p11−3p12−2p22=0,2p12−6p22=−1.-4p_{12}=-1,\qquad p_{11}-3p_{12}-2p_{22}=0,\qquad 2p_{12}-6p_{22}=-1.

解得

P=[5/41/41/41/4].P=\begin{bmatrix}5/4&1/4\\1/4&1/4\end{bmatrix}.

其顺序主子式为 5/4>05/4>0 与 1/4>01/4>0,故 P>0P>0;又有 V˙=−xTx<0\dot V=-x^\mathsf{T}x<0,所以原点全局指数稳定。

5.7 离散时间情形​

对 xk+1=f(xk)x_{k+1}=f(x_k),用差分代替导数:

ΔV(xk)=V(xk+1)−V(xk).\Delta V(x_k)=V(x_{k+1})-V(x_k).

V>0,ΔV≤0V>0,\Delta V\leq0 给出稳定性;V>0,ΔV<0V>0,\Delta V<0 给出渐近稳定性。对线性系统 xk+1=Axkx_{k+1}=Ax_k,

ATPA−P=−Q.A^\mathsf{T}PA-P=-Q.

AA 为 Schur 矩阵(全部特征值满足 ∣λi∣<1|\lambda_i|<1)当且仅当对任意 Q>0Q>0,上式存在唯一 P>0P>0。连续系统看特征值实部,离散系统看单位圆,二者不可混用。

5.8 复习清单与常见误区​

  • 先求平衡点,再说明讨论的是局部还是全局性质。
  • 稳定、吸引、渐近稳定、指数稳定不是同义词。
  • V˙≤0\dot V\leq0 一般只能推出稳定;要收敛需负定性或 LaSalle。
  • 全局结论通常需要条件在全空间成立,并检查 VV 径向无界。
  • 线性化出现零实部特征值时结论未定。
  • VV 必须对状态正定;“随时间为正”不是正定性的定义。
  • 离散系统使用 ΔV\Delta V 和 Schur 条件,不使用连续时间的 Hurwitz 判据。