{
  "id": "lyapunov-function",
  "title": "李雅普诺夫函数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "李雅普诺夫函数是一种标量函数，通过考察沿动力系统轨迹不增的量来判定系统的稳定性或收敛性。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "李亚普诺夫函数",
    "李雅普诺夫稳定性函数"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/lyapunov-function/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/lyapunov-function/",
      "json": "https://aiwiki.page/en/lyapunov-function.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "李雅普诺夫函数是一种标量值函数，用于研究动力系统平衡点的稳定性，而无须显式求解系统的运动方程。它通常在平衡点以外取正值，并沿系统轨迹单调不增，其作用类似于广义的能量度量或偏离平衡点的距离度量。在适当的附加条件下，还可以证明系统收敛到平衡点、确定收敛速率，或估计趋于该平衡点的初始状态集合的范围。这一方法以亚历山大·李雅普诺夫命名；他在1892年关于运动稳定性的著作中奠定了直接法的基础。"
    },
    {
      "heading": "连续时间系统中的定义",
      "text": "考虑由常微分方程构成的自治系统\n\n\\[\\dot{x}=f(x),\\qquad x\\in D\\subseteq\\mathbb{R}^n,\\]\n\n其中，\\(D\\) 是原点的一个开邻域，且 \\(f(0)=0\\)。假设 \\(f\\) 具有局部利普希茨连续性，从而每个初始状态都对应唯一的局部解。位于其他位置的平衡点可以通过坐标变换移至原点。\n\n按照一种常见约定，若连续可微函数 \\(V:D\\to\\mathbb{R}\\) 满足以下条件，则称其为原点的李雅普诺夫函数：\n\n- \\(V(0)=0\\)；\n- 对每个非零的 \\(x\\in D\\)，都有 \\(V(x)>0\\)；\n- 它沿系统轨迹的导数满足\n\n\\[\\dot{V}(x)\\leq 0.\\]\n\n前两个条件表示 \\(V\\) 相对于该平衡点是正定的。这一术语适用于标量函数，并不要求 \\(V\\) 是二次表达式。\n\n沿轨迹的导数为\n\n\\[\\dot{V}(x) =\\nabla V(x)^{\\mathsf T}f(x) =\\sum_{i=1}^{n}\\frac{\\partial V}{\\partial x_i}(x)f_i(x),\\]\n\n其中，\\(\\nabla V\\) 是 \\(V\\) 的梯度。根据链式法则，这一表达式等于\n\n\\[\\frac{d}{dt}V(x(t)).\\]\n\n因此，\\(\\dot V\\) 衡量的是沿实际运动的变化，而不是沿任意方向的变化。\n\n若\n\n\\[\\dot V(x)<0\\qquad\\text{for }x\\neq0,\\]\n\n则该函数通常称为严格李雅普诺夫函数。不同文献的术语有所区别：有些作者仅在这一严格情形下使用“李雅普诺夫函数”一词，而将非严格情形称为弱李雅普诺夫函数。对于一个拟用于检验、但尚未证明具备所需性质的函数，称其为候选李雅普诺夫函数。"
    },
    {
      "heading": "关于稳定性的结论",
      "text": "李雅普诺夫函数为多种不同形式的稳定性提供了充分条件。\n\n李雅普诺夫意义下的稳定性\n\n如果对每个 \\(\\varepsilon>0\\)，都存在 \\(\\delta>0\\)，使得\n\n\\[\\|x(0)\\|<\\delta \\quad\\Longrightarrow\\quad \\|x(t)\\|<\\varepsilon \\quad\\text{for all }t\\geq0,\\]\n\n则称原点在李雅普诺夫意义下稳定。这里，\\(\\|\\cdot\\|\\) 表示一种范数。稳定性意味着足够小的初始扰动始终保持很小；它本身并不意味着扰动会衰减。\n\n若正定函数 \\(V\\) 满足 \\(\\dot V\\leq0\\)，就能证明这种稳定性。其几何原因在于，轨迹无法离开 \\(V\\) 的某个适当的小次水平集：若要离开，就必须使 \\(V\\) 的值增大。\n\n渐近稳定性\n\n如果一个平衡点是稳定的，并且所有从其充分近处出发的轨迹都满足\n\n\\[\\lim_{t\\to\\infty}x(t)=0,\\]\n\n则称该平衡点是渐近稳定的。\n\n对于满足上述正则性假设的自治系统，若存在正定函数 \\(V\\)，且其导数负定，就能证明局部渐近稳定性。\n\n仅有导数半负定还不够。轨迹可能无限期地停留在 \\(V\\) 的某个等值集上，无阻尼振子就是如此。\n\n全局渐近稳定性\n\n局部李雅普诺夫论证只涉及平衡点某个邻域内的初始状态。要证明 \\(\\mathbb{R}^n\\) 上的全局渐近稳定性，一组标准的充分条件是：\\(V\\) 处处正定、其导数负定，并且 \\(V\\) 径向无界，即\n\n\\[V(x)\\longrightarrow\\infty \\qquad\\text{as }\\|x\\|\\longrightarrow\\infty.\\]\n\n对于 \\(\\mathbb{R}^n\\) 上的连续函数，径向无界性保证其次水平集是紧的。被限制在这种集合内的轨迹不可能在有限时间内逃向无穷远；再结合 \\(f\\) 的局部利普希茨连续性，其解便可延拓至所有未来时刻。\n\n全局定义的正定函数未必径向无界。因此，一般不能仅凭验证函数处处为正且严格递减，就推断出全局收敛性。\n\n指数稳定性\n\n定量不等式可以给出收敛速率。假设在原点的某个邻域内，\n\n\\[c_1\\|x\\|^2\\leq V(x)\\leq c_2\\|x\\|^2, \\qquad \\dot V(x)\\leq-c_3\\|x\\|^2,\\]\n\n其中 \\(c_1,c_2,c_3>0\\)。则\n\n\\[V(x(t))\\leq V(x(0))e^{-(c_3/c_2)t},\\]\n\n进而有\n\n\\[\\|x(t)\\| \\leq \\sqrt{\\frac{c_2}{c_1}}\\, e^{-c_3t/(2c_2)}\\|x(0)\\|.\\]\n\n这些估计证明了指数稳定性。如果上述不等式在全局成立，则可得到全局指数稳定性。"
    },
    {
      "heading": "几何解释与吸引域",
      "text": "等值集\n\n\\[V(x)=c\\]\n\n可以视为广义的等能量面。条件 \\(\\dot V\\leq0\\) 表示，向量场在这些等值集的边界上指向内侧或沿切向；严格递减则排除了平衡点以外的相切情形。\n\n若从次水平集\n\n\\[\\Omega_c=\\{x:V(x)\\leq c\\}\\]\n\n内出发的轨迹在时间正向演化时始终无法离开该集合，就称其为正向不变集。若 \\(\\Omega_c\\) 是紧集，包含在李雅普诺夫条件成立的区域内，并且除原点外均有 \\(\\dot V<0\\)，则它给出了吸引域的一个内估计：\\(\\Omega_c\\) 中的每个状态都收敛到原点。\n\n对于同一个系统，不同的李雅普诺夫函数可以证明不同的吸引区域。因此，所证明的区域较小，只说明这一特定判据的能力有限，并不一定反映真实的吸引域边界。"
    },
    {
      "heading": "拉萨尔不变性原理",
      "text": "严格递减是收敛的充分条件，但并非总是必要条件。拉萨尔不变性原理可以处理 \\(\\dot V\\) 仅为半负定的一些重要情形。\n\n设 \\(\\Omega\\) 是一个紧的正向不变集，且 \\(V\\) 在 \\(\\Omega\\) 的某个邻域上连续可微，并在该邻域内满足 \\(\\dot V\\leq0\\)。定义\n\n\\[E=\\{x\\in\\Omega:\\dot V(x)=0\\}.\\]\n\n从 \\(\\Omega\\) 内出发的每条轨迹都会趋近于 \\(E\\) 的最大不变子集。这里的“不变”不只是指某一时刻满足 \\(\\dot V=0\\)，还要求运动始终停留在该集合内。\n\n如果最大不变子集只有该平衡点，那么这一原理就证明了系统收敛到该平衡点。这一区别对机械系统尤为重要，因为瞬时耗散可能在某些并非静止状态的状态处为零。"
    },
    {
      "heading": "示例",
      "text": "标量非线性衰减\n\n对于\n\n\\[\\dot x=-x^3,\\]\n\n选取\n\n\\[V(x)=\\frac12x^2.\\]\n\n则\n\n\\[\\dot V=x\\dot x=-x^4<0 \\qquad(x\\neq0).\\]\n\n该函数正定且径向无界，因此原点是全局渐近稳定的。\n\n这一平衡点并非指数稳定。系统的解为\n\n\\[x(t)=\\frac{x(0)}{\\sqrt{1+2x(0)^2t}},\\]\n\n它以代数速率而非指数速率衰减。这个例子说明，仅有严格递减并不能证明指数收敛速率。\n\n无阻尼振子\n\n对于\n\n\\[\\dot q=p,\\qquad \\dot p=-q,\\]\n\n取\n\n\\[V(q,p)=\\frac12(q^2+p^2).\\]\n\n则 \\(\\dot V=0\\)。原点是稳定的，但每条非零轨迹都停留在一条闭合的等能量曲线上，并不收敛到原点。\n\n阻尼振子\n\n对于\n\n\\[\\dot q=p,\\qquad \\dot p=-q-cp,\\qquad c>0,\\]\n\n使用同一个候选函数，可得\n\n\\[\\dot V=-cp^2\\leq0.\\]\n\n导数在整条直线 \\(p=0\\) 上都为零，而不仅仅在原点为零。然而，满足 \\(p=0\\) 且 \\(q\\neq0\\) 的点会立即离开该直线，因为 \\(\\dot p=-q\\neq0\\)。因此，\\(\\{\\dot V=0\\}\\) 的最大不变子集就是原点。\n\n利用能量函数的紧次水平集和拉萨尔原理，可证明全局渐近稳定性。"
    },
    {
      "heading": "线性系统与李雅普诺夫方程",
      "text": "对于线性系统\n\n\\[\\dot x=Ax,\\]\n\n一种标准的候选函数是二次型\n\n\\[V(x)=x^{\\mathsf T}Px,\\]\n\n其中 \\(P=P^{\\mathsf T}\\) 是正定矩阵。其导数为\n\n\\[\\dot V=x^{\\mathsf T}(A^{\\mathsf T}P+PA)x.\\]\n\n连续时间李雅普诺夫方程为\n\n\\[A^{\\mathsf T}P+PA=-Q,\\]\n\n其中 \\(Q\\) 是对称正定矩阵。如果存在正定解 \\(P\\)，则原点是全局指数稳定的。\n\n更确切地说，以下条件等价：\n\n- \\(A\\) 的每个特征值的实部都严格为负；\n- 对每个对称正定矩阵 \\(Q\\)，李雅普诺夫方程都有唯一的对称正定解 \\(P\\)。\n\n满足第一个条件的矩阵称为赫尔维茨矩阵。相应的解可表示为\n\n\\[P=\\int_0^\\infty e^{A^{\\mathsf T}t}Qe^{At}\\,dt,\\]\n\n其中，\\(e^{At}\\) 是矩阵指数。\n\n对于可微的非线性系统，如果平衡点处的雅可比矩阵是赫尔维茨矩阵，也能构造出局部二次型李雅普诺夫函数：在充分靠近平衡点处，严格递减的二次项贡献会压过高阶项。当线性化系统存在位于虚轴上的特征值时，这种论证通常无法得出结论，系统 \\(\\dot x=-x^3\\) 就说明了这一点。"
    },
    {
      "heading": "离散时间系统与时变系统",
      "text": "离散时间\n\n对于\n\n\\[x_{k+1}=F(x_k),\\qquad F(0)=0,\\]\n\n用单步差分代替导数：\n\n\\[\\Delta V(x)=V(F(x))-V(x).\\]\n\n正定性与 \\(\\Delta V\\leq0\\) 共同保证稳定性；而在通常的连续性假设下，若在原点以外严格为负，则可得到渐近稳定性。\n\n对于 \\(x_{k+1}=Ax_k\\)，相应的矩阵方程为\n\n\\[A^{\\mathsf T}PA-P=-Q.\\]\n\n对每个对称正定矩阵 \\(Q\\)，该方程都有唯一的对称正定解，当且仅当 \\(A\\) 的每个特征值的模都小于一。\n\n时变系统\n\n对于非自治系统\n\n\\[\\dot x=f(t,x),\\]\n\n李雅普诺夫函数可以显式依赖于时间：\n\n\\[V=V(t,x).\\]\n\n其全导数为\n\n\\[\\dot V(t,x) = \\frac{\\partial V}{\\partial t} +\\nabla_xV(t,x)^{\\mathsf T}f(t,x).\\]\n\n要得出一致稳定性的结论，需要使用对时间一致成立的界。一种常见表述是采用连续、严格递增且满足 \\(\\alpha_i(0)=0\\) 的函数 \\(\\alpha_i\\)，使得\n\n\\[\\alpha_1(\\|x\\|)\\leq V(t,x)\\leq\\alpha_2(\\|x\\|), \\qquad \\dot V(t,x)\\leq-\\alpha_3(\\|x\\|).\\]\n\n这种形式的适当局部界可以证明一致渐近稳定性。如果没有合适的一致界，仅有逐点的正性和负性通常无法得出同样的结论。"
    },
    {
      "heading": "构造与应用",
      "text": "寻找有用的李雅普诺夫函数，并不存在通用而简单的程序。常见方法包括：\n\n- **物理能量：**对于机械或电气系统，动能与势能之和往往可以作为候选函数，其导数由耗散决定。\n- **二次型构造：**求解李雅普诺夫方程，为稳定线性系统及非线性系统的局部分析提供了系统化的方法。\n- **加权组合：**将各子系统的函数组合起来，可以证明互联系统的稳定性。\n- **多项式搜索：**对于多项式动力系统，可以借助平方和证书及半定规划，有组织地搜索多项式候选函数；半定规划是凸优化的一种形式。\n- **基于优化的构造：**目标函数值与最优值之差、到极小点的距离，或目标函数项与动量项的组合，都可用于证明优化算法的收敛性。\n\n在控制理论中，控制李雅普诺夫函数针对系统\n\n\\[\\dot x=f(x,u)\\]\n\n表达这样一种可能性：可以选择一个允许的控制输入 \\(u\\)，使 \\(V\\) 递减。将这一条件转化为反馈控制律时，需要考虑输入约束，以及使闭环轨迹有明确定义所需的正则性。\n\n公共李雅普诺夫函数对于一族系统中的每个系统都递减。在满足适当的严格性条件和比较界时，即使在这些系统之间切换，它也能证明稳定性。各子系统分别稳定，并不意味着任意切换下的系统仍然稳定。\n\n对于随机微分方程，类似的方法将随机过程的无穷小生成元作用于 \\(V\\)。由此得到的漂移条件取代了确定性系统中沿轨迹的导数。根据所作假设的不同，它可以证明矩的有界性或某些特定概率意义下的稳定性；但并不能自动保证每条样本路径上的单调递减。"
    },
    {
      "heading": "逆定理与局限性",
      "text": "直接法从一个函数出发推导稳定性。李雅普诺夫逆定理则反向进行：在适当的正则性假设下，渐近稳定性蕴含李雅普诺夫函数的存在。某些重要版本保证光滑自治系统存在光滑的李雅普诺夫函数。\n\n这些定理不一定提供实用的构造方法，也不保证函数属于某个受限类别，例如二次型或指定次数的多项式。因此，未能在这类函数中找到稳定性证书，并不等于证明系统不稳定。\n\n其他局限涉及解释和验证：\n\n- 李雅普诺夫函数通常不能唯一刻画一个系统；许多不同函数都可能证明同一平衡点的稳定性。\n- 单调不增的函数不一定能证明系统收敛到单个点。\n- 仅在受限区域内有效的证书，无法确定该区域以外的行为。\n- 仅靠对 \\(\\dot V\\) 进行浮点采样，无法验证某个不等式在连续区域内处处成立。\n- 通过学习或数值拟合得到的候选函数，还需要进一步验证，才能成为严格的稳定性证书。\n- 对于非光滑系统、不连续反馈控制律和无限维系统，需要采用与其解的概念及分析框架相适应的理论版本。"
    }
  ],
  "links": [
    "mathematical-function",
    "dynamical-system",
    "ordinary-differential-equation",
    "lipschitz-continuity",
    "gradient",
    "chain-rule",
    "norm-mathematics",
    "quadratic-form",
    "positive-definite-matrix",
    "eigenvalues-and-eigenvectors",
    "matrix-exponential",
    "jacobian-matrix",
    "polynomial",
    "convex-optimization",
    "control-theory",
    "stochastic-differential-equation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}