从一条轨道到一族轨道
初值问题产生一条轨道,但很多问题需要比较相近的轨道:初始状态有微小偏差时,稍后的状态改变多少?测量系数有误差时,预测有什么一阶变化?答案是解对数据的导数。这些导数不是对时间求导,但它们本身满足另一个以时间为自变量的微分方程。
首先必须确定附近的解都存在于比较的时刻。例如 、 的解 只存在到 之前。只有当相关初值的解都到达 ,讨论 时刻的灵敏度才有意义。我们先建立共同的有限区间,然后再求导。
定理与两条灵敏度方程
以下设 、 和 为开集, 及偏导数 均连续。固定 、,并设
有解 ,定义在紧致区间 上,且图像位于 内。若 ,反转时间后以下各结论同样成立。
定义 1.10.1
(变分方程与灵敏度矩阵)
沿参考解记
沿方向 的变分方程是线性初值问题
状态灵敏度 是满足 、 的 矩阵;参数灵敏度 是满足 、 的 矩阵。
两个系数矩阵都沿整条参考轨道取值,所以即使 不含 ,它们一般仍随 变化。方程 (1) 是系数连续的线性方程,其解存在于整个 ;真正的问题是它能否描述非线性问题。
定理 1.10.2
(对初值及参数的可微依赖)
在上述假设下, 有一邻域 ,使每组 都给出 、 的唯一解 ,且它定义在整个 上。映射 作为到带上确界范数的 的映射是连续可微的;它在 沿方向 的导数就是 (1) 的解 。因此
其中 、,并且
对 一致成立。
的零初值表示改变 时保持起始状态不变。如果 ,链式法则将初值换成 。
为何附近的解都到达终点
定理的第一个结论,即解存在于整个 ,恰恰是稍不小心就会失效的部分,因此单独列出。
引理 1.10.3
(附近的解在整个区间上留在管内)
存在 、 的邻域 及常数 ,使得对 ,解 存在于 上,在 上满足 ,并且 。
证明
(管状邻域、Grönwall 估计与首次离开)
参考解在 上的图像是紧致集,且位于开定义域内。因此可取其周围半径为 的足够细的闭管状邻域,以及 周围足够小的闭参数球,使两者的乘积仍在定义域内。 在此紧致集上有界,而 的范数有有限上界 。各时刻的状态截面是球,故中值不等式给出共同的状态 Lipschitz 常数 。
只要附近的解留在管内,就将积分方程相减;利用参数方向的一致连续性,可取 ,使 时
Grönwall 不等式给出距离不超过 。选取足够小的初值差及参数差,使此上界小于管半径的一半 。若解在 之前离开管,就有第一个时刻使它与 的距离等于 ;估计直到该时刻仍成立,给出距离小于 ,矛盾。局部存在唯一性允许在需要时重新启动解;只要图像留在这个紧致管内,紧致集延拓定理就排除在 之前出现有限的最大终点。由于 连续,它在该紧致集上有上界 ,于是参数球内的中值不等式给出 ;若对数据对取范数 ,便得线性上界,其中 。这是相对于一条参考轨道及一个固定区间的局部结论,并非全局存在定理。
可微性的证明
证明
(将增广方程线性化)
将状态和参数合并为 ,增广方程为 。它对 连续可微。令 为参考解, 由 出发。对充分小的 ,引理给出 ,其中 固定;这里利用管内有界的 ,将参数差也线性控制。
令 满足 、。 在参考图像的紧致邻域上一致连续,因此
将两条积分方程相减,再用 Grönwall 不等式,可得 。线性解 连续且线性地依赖 ,故这证明了上确界范数下的 Fréchet 导数,而不只是形式上计算坐标方向导数。 的参数分量是常数 ,状态分量恰好满足 (1)。
为证导数连续,让基准数据变化。相应轨道在 上一致收敛,所以沿轨道的矩阵 也一致收敛。将相应的线性积分方程相减,再用 Grönwall 不等式,便得导数算子按范数收敛,证明完毕。
证明透视
紧致性在三个不同位置的作用
证明分两层,每个假设都在确定的位置使用。参考图像的紧致性用了三次:在开定义域内放入一个闭管;在管上给 一个上界,这就是 Grönwall 一步中的 Lipschitz 常数 ,它使附近解无法逃离;以及使 在管上一致连续,从而 Taylor 余项 对 一致地小,而不只是逐点地小。
关键一步是增广 :它把参数变成速度为零的初值,使同一论证同时处理两类数据,而线性解的状态分量正是变分方程 (1)。论证以同一个 Grönwall 不等式的两次使用而收尾:一次用于非线性差,一次用于非线性扰动与其线性预测之差。若 不连续,第二次使用就会失效,下面的反例正说明这一点。
变分方程还有一种完全不提扰动的描述。
概念视角结构
灵敏度矩阵是流映射的导数
对不含参数的向量场,记 为在时刻 由 出发的解在时刻 的状态。唯一性给出复合规则 ,而定理说 。链式法则于是给出 :长区间上的灵敏度是各段灵敏度的乘积。在这个描述中, 是线性系统 的主基解矩阵,它的每一列是初始状态某一个坐标扰动的一阶像。
例题
例题 1.10.4
(Logistic 方程的灵敏度与显式解对照)
考虑 、,其中 。分离变量并直接验证,可得对所有实数 ,
记 、。则 ;利用 ,又有 ,因为 ,它等于 。
当 时, 而 。这里 、,所以变分方程是 和 ;对以上公式求导可验证两式。正时间时 ,即增大增长参数会使状态产生正的一阶变化。这依赖于初值位于 及 ,并非对所有 logistic 初值的断言。
例题 1.10.5
(在平衡点附近线性化)
取同一方程而 ,则对每个 ,参考解都是平衡解 。此时 为常数,。灵敏度方程变成
两者与 时的显式公式一致:、。解释也自洽: 时初始状态的扰动按 衰减,而改变 不移动平衡点,所以参数的一阶效应为零。在这个边界情形,定理化为熟悉的常数解线性化。
例题 1.10.6
(爆破限制了比较的区间)
对 、,解为 ,。对 求导,
验算:,而 ,且 。给定 ,解能到达 的初值恰为 。对每个这样的 ,定理在 上适用,但当 从下方趋近 时, 趋于 。当参考初值接近这个集合的边界时,定理中的邻域 必须收缩;定理是局部的,不保证跨过边界仍有共同区间。
反例模式
Lipschitz 向量场不一定产生可微流
断言:若解存在、唯一并连续依赖初始状态,则它可微地依赖初始状态。对 、,向量场全局 Lipschitz,所有解都对全部时间存在。在任何固定 ,解映射在 时是 (此时 ,),在 时是 (此时 ,)。它在零点的两个单侧导数分别为 和 ,并不相同。因此存在、唯一及连续依赖本身并不保证可微依赖;失效的假设是 的连续性,因为 在零点不可微。
常见错误
常见错误
(把系数冻结在初始点)
常见的做法是把 换成常数 ,写 。系数必须沿参考轨道取值。在 logistic 例子中, 在 越过 时变号;除非 是平衡解,常系数的猜测 并不是灵敏度。
常见错误
(起点依赖参数时仍用零初值)
只有在 变化而初始状态固定时, 才正确。若题目规定 ,总参数灵敏度满足同一方程 ,但初值为 ;等价地,它等于固定起点的 加上 。
练习
快速检查
(对 、,求 和 ,并验证它们的初值及方程。)
这里 、。
解答 · 答案
解为 ,故 、。它们满足 、,以及 、,正如 (2) 所要求。
快速检查
(对 、,不先求 ,直接解灵敏度方程 (2),再与显式解对照。)
系数是 、。
解答 · 答案
由 、 得 ;由 、 得 。显式解为 ,其偏导数 、,两者一致。
快速检查
(若 logistic 例子的初值改为 、,总参数灵敏度的初值是多少?为何不是零?)
在 使用链式法则。
解答 · 答案
初值为 。改变参数也改变指定的初始状态,所以总导数除含 的驱动项外,还包含初值的变化。