稳定性分析与相图分析

一、直观理解：小扰动后会不会回来

稳定性分析回答的是：系统若处在某个“静止状态”（平衡点），受到一点小扰动后，会回到原处、附近徘徊，还是越偏越远。

可以把平衡点想象成山谷和山顶上的小球：

• 放在谷底，轻推一下会滚回来——稳定；
• 放在山顶，轻推就会滑下——不稳定；
• 放在碗沿上水平滑动、既不靠近也不远离——介于二者之间的临界情形。

相图则把“状态本身”当作坐标轴。对二维系统 $(x,y)$，横轴是 $x$、纵轴是 $y$，每条曲线是某组初值随时间走出的轨迹。时间不再显式画在图上，但箭头方向表示时间前进。一张相图能同时展示：

• 有哪些平衡点；
• 附近轨迹是螺旋靠近、节点靠近，还是鞍点分离；
• 是否存在极限环（持续振荡的闭轨）；
• 不同初值最终会落入哪些吸引域。

在数学建模中，稳定性与相图往往比“再画一条时间曲线”更有决策价值：它说明长期结构，而不是某一参数下的单次模拟。

二、适用场景与优缺点

类型	说明
适用场景	需要判断系统长期是否趋于稳态、灭绝、爆发或周期振荡；比较不同政策/参数下平衡点是否改变类型；解释捕食—被捕食、SIR、资源竞争等二维系统的定性行为；为数值仿真选择合理时间尺度与初值范围。
核心优点	不依赖某一条特定时间序列即可得到结构性结论；Jacobian 线性化计算成本低；相图对二维系统非常直观；可与 Lyapunov 函数、数值轨迹相互印证。
局限与缺点	线性化只保证局部结论；高维系统相图难画；非双曲平衡点（特征值实部为 0）需更高阶工具；数值相图受步长与积分时间影响，可能把慢漂移误判为极限环。

使用前应先确认：

1. 状态变量与方程右端 $f$ 已明确，且量纲一致；
2. 关心的是自治系统，或已通过扩展状态写成自治形式；
3. 平衡点求解可靠（解析或数值求根并回代检验）；
4. 若做政策比较，参数变化路径要说明，不能只看一个点。

三、核心原理：平衡点、Jacobian 与相平面

考虑自治系统

$$\mathbf{x}'=f(\mathbf{x}),\qquad \mathbf{x}\in\mathbb{R}^n.$$

1. 平衡点

满足 $f(\mathbf{x}^*)=\mathbf{0}$ 的点称为平衡点（定常解）。在平衡点处系统“看起来静止”，但稳定性取决于扰动后的行为。

2. 线性化

在 $\mathbf{x}^*$ 附近令 $\mathbf{x}=\mathbf{x}^*+\mathbf{u}$，当 $f$ 足够光滑时，

$$\mathbf{u}'\approx J\mathbf{u},\qquad J=Df(\mathbf{x}^*)=\left.\frac{\partial f}{\partial \mathbf{x}}\right|_{\mathbf{x}^*}.$$

$J$ 的特征值决定局部定性行为（双曲平衡点情形）：

特征值特征（二维）	相图类型	稳定性
两负实特征值	稳定节点	渐近稳定
两正实特征值	不稳定节点	不稳定
异号实特征值	鞍点	不稳定
共轭复根，实部为负	稳定焦点（螺旋汇入）	渐近稳定
共轭复根，实部为正	不稳定焦点	不稳定
纯虚根	中心（线性层面）	临界，需非线性项判定

更一般地：若全部特征值实部严格小于 0，则局部渐近稳定；若存在实部大于 0 的特征值，则不稳定。

3. 相图的几何要素

• 向量场：每点画出 $f(\mathbf{x})$ 方向（quiver）；
• 零倾线：$x'=0$ 与 $y'=0$ 的曲线，交点即平衡点；
• 轨线：数值积分得到的状态轨迹；
• 分界线：鞍点稳定/不稳定流形，常分隔不同吸引域。

4. 全局工具（需要时）

• Lyapunov 函数：构造 $V>0$、$V'\le 0$ 可证明稳定或吸引，不限于局部；
• Dulac / Poincaré–Bendixson：二维系统中用于排除或证明周期轨；
• 分支：参数变化时平衡点数目或类型突变（跨临界、Hopf 等）。

四、关键决策：从计算到表述

1. 先求全体平衡点，再逐个分类
   遗漏鞍点或边界平衡（如种群为 0）会导致相图解释不完整。

2. 区分局部与全局
   “局部渐近稳定”不等于“从任意初值都能到达”。报告中应写清吸引域是否已知。

3. 非双曲情形不要硬套特征值表
   有零实部特征值时，线性化 inconclusive，需中心流形、Lyapunov 或数值精细积分。

4. 相图时间长度要足够
   过短会看不出慢螺旋；过长且步长粗可能数值耗散伪造“收敛”。

5. 与机制语言对齐
   例如 SIR 中无病平衡点稳定 $\Leftrightarrow R_0<1$，应把数学判据翻译回流行病学指标。

五、MATLAB 示例

下面以线性系统与非线性阻尼摆为例：先用特征值判断，再画向量场与轨线。

%% 1) 线性系统：x' = A x
% 例：稳定焦点
A = [ -0.5,  -1;
       1,   -0.3];

lam = eig(A);
disp("特征值：");
disp(lam);
disp("最大实部：");
disp(max(real(lam)));

% 向量场
[x1, x2] = meshgrid(linspace(-2, 2, 21));
u = A(1,1)*x1 + A(1,2)*x2;
v = A(2,1)*x1 + A(2,2)*x2;

figure;
quiver(x1, x2, u, v, 1.2);
hold on;
axis equal; grid on;
xlabel("x_1"); ylabel("x_2");
title("线性系统相平面向量场");

% 几条数值轨线
fA = @(t, x) A * x;
tspan = [0 30];
ics = [1.5 1.2; -1.5 1; 1 -1.5; -1 -1];
for k = 1:size(ics, 1)
    [~, Y] = ode45(fA, tspan, ics(k, :)');
    plot(Y(:,1), Y(:,2), "LineWidth", 1.2);
    plot(ics(k,1), ics(k,2), "ko", "MarkerFaceColor", "k");
end
plot(0, 0, "r*", "MarkerSize", 12);

%% 2) 非线性例子：阻尼摆 theta'' + b theta' + sin(theta) = 0
% 写成一阶系统：y1 = theta, y2 = omega
b = 0.3;
fPend = @(t, y) [ y(2);
                  -b*y(2) - sin(y(1)) ];

% 平衡点附近线性化：在 (0,0)
% J = [0 1; -cos(0)  -b] = [0 1; -1 -b]
J0 = [0 1; -1 -b];
disp("阻尼摆在 (0,0) 的特征值：");
disp(eig(J0));

figure;
hold on; grid on; axis equal;
xlabel("\theta"); ylabel("\omega");
title("阻尼摆相图（数值轨线）");

theta0 = [-2*pi, -pi, -1, 0.5, pi, 2*pi];
omega0 = [ 0,     1.5, 2, -2,  0,  -1];
for k = 1:numel(theta0)
    [~, Y] = ode45(fPend, [0 40], [theta0(k); omega0(k)]);
    plot(Y(:,1), Y(:,2), "LineWidth", 1.1);
end
% 标出若干平衡点 k*pi
for k = -2:2
    plot(k*pi, 0, "r*", "MarkerSize", 10);
end
xlim([-2.5*pi, 2.5*pi]);

对一般非线性 $f$，可用符号或数值差分构造 Jacobian：

% 数值 Jacobian（中心差分）
f = @(x) [ x(1) - x(1)*x(2);
           x(1)*x(2) - x(2) ];  % 简化 LV 右端示例
xstar = [1; 1];
epsJ = 1e-6;
n = numel(xstar);
J = zeros(n);
f0 = f(xstar);
for j = 1:n
    e = zeros(n,1); e(j) = 1;
    J(:, j) = (f(xstar + epsJ*e) - f(xstar - epsJ*e)) / (2*epsJ);
end
disp(J);
disp(eig(J));

六、如何解释结果

完整报告通常包括：

1. 方程与假设（是否自治、变量含义）；
2. 全部平衡点及其实际含义（如“无病平衡”“共存平衡”）；
3. 各点 Jacobian 特征值或迹—行列式判据；
4. 相图：向量场 + 代表性轨线 + 平衡点标注；
5. 局部稳定性结论，以及是否有全局吸引的证据；
6. 参数变化时类型是否改变（若做情景分析）；
7. 与时间序列仿真的对照：稳定焦点应对应衰减振荡等。

解释时避免把“图上看着转圈”直接说成极限环：可能是中心附近的慢螺旋，也可能是数值误差。应结合散度、Poincaré 截面或长时间能量/振幅是否恒定来判断。

七、常见误区

1. 把局部稳定写成“系统一定稳定”

局部结论只在平衡点邻域成立。大扰动仍可能逃逸到其他吸引子或无穷远。

2. 只算一个“看起来合理”的平衡点

边界平衡（变量为 0）和多稳态是竞争、传染病模型的关键部分，必须全部列出。

3. 特征值实部接近 0 时仍下硬结论

接近虚轴时，数值误差与高阶项可能改变判断，应做参数扰动与非线性分析。

4. 相图坐标混用未无量纲变量

数量级相差过大时，轨线会挤成一条线，难以观察结构；宜先无量纲化或分别缩放。

5. 用过粗步长的 Euler 画相图

低阶方法的数值耗散可能把中心变成螺旋。定性相图优先 ode45 并收紧容差。

八、小结

稳定性分析与相图分析的核心思想可以概括为：

先找到系统可能停留的平衡状态，再用线性化判断小扰动后的命运，并用相平面几何展示全局结构。

它特别适合回答“长期会怎样”和“参数阈值是否改变定性行为”。使用时务必区分局部与全局、双曲与非双曲，并把数学分类翻译回建模对象的语言。数值相图是辅助，不是取代严格判据的借口；二者互相印证，结论才站得住。