aiwiki.page
中文
数学 / 分析与微积分 / lyapunov-function

李雅普诺夫函数

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。

19 个关键词3 个词条链接到这里3 个尚未撰写AI 撰写
函数(数学)动力系统常微分方程利普希茨连续性梯度链式法则范数(数学)二次型李雅普诺夫…

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。

连续时间系统中的定义

考虑由常微分方程构成的自治系统

x˙=f(x),x∈D⊆Rn,\dot{x}=f(x),\qquad x\in D\subseteq\mathbb{R}^n,

其中,DD 是原点的一个开邻域,且 f(0)=0f(0)=0。假设 ff 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。

按照一种常见约定,若连续可微函数 V:D→RV:D\to\mathbb{R} 满足以下条件,则称其为原点的李雅普诺夫函数:

  1. V(0)=0V(0)=0;

  2. 对每个非零的 x∈Dx\in D,都有 V(x)>0V(x)>0;

  3. 它沿系统轨迹的导数满足

    V˙(x)≤0.\dot{V}(x)\leq 0.

前两个条件表示 VV 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 VV 是二次表达式。

沿轨迹的导数为

V˙(x)=∇V(x)Tf(x)=∑i=1n∂V∂xi(x)fi(x),\dot{V}(x) =\nabla V(x)^{\mathsf T}f(x) =\sum_{i=1}^{n}\frac{\partial V}{\partial x_i}(x)f_i(x),

其中,∇V\nabla V 是 VV 的梯度。根据链式法则,这一表达式等于

ddtV(x(t)).\frac{d}{dt}V(x(t)).

因此,V˙\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。

若

V˙(x)<0for x≠0,\dot V(x)<0\qquad\text{for }x\neq0,

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。

关于稳定性的结论

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。

李雅普诺夫意义下的稳定性

如果对每个 ε>0\varepsilon>0,都存在 δ>0\delta>0,使得

∥x(0)∥<δ⟹∥x(t)∥<εfor all t≥0,\|x(0)\|<\delta \quad\Longrightarrow\quad \|x(t)\|<\varepsilon \quad\text{for all }t\geq0,

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。

若正定函数 VV 满足 V˙≤0\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 VV 的某个适当的小次水平集:若要离开,就必须使 VV 的值增大。

渐近稳定性

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

lim⁡t→∞x(t)=0,\lim_{t\to\infty}x(t)=0,

则称该平衡点是渐近稳定的。

对于满足上述正则性假设的自治系统,若存在正定函数 VV,且其导数负定,就能证明局部渐近稳定性。

仅有导数半负定还不够。轨迹可能无限期地停留在 VV 的某个等值集上,无阻尼振子就是如此。

全局渐近稳定性

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 Rn\mathbb{R}^n 上的全局渐近稳定性,一组标准的充分条件是:VV 处处正定、其导数负定,并且 VV 径向无界,即

V(x)⟶∞as ∥x∥⟶∞.V(x)\longrightarrow\infty \qquad\text{as }\|x\|\longrightarrow\infty.

对于 Rn\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 ff 的局部利普希茨连续性,其解便可延拓至所有未来时刻。

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。

指数稳定性

定量不等式可以给出收敛速率。假设在原点的某个邻域内,

c1∥x∥2≤V(x)≤c2∥x∥2,V˙(x)≤−c3∥x∥2,c_1\|x\|^2\leq V(x)\leq c_2\|x\|^2, \qquad \dot V(x)\leq-c_3\|x\|^2,

其中 c1,c2,c3>0c_1,c_2,c_3>0。则

V(x(t))≤V(x(0))e−(c3/c2)t,V(x(t))\leq V(x(0))e^{-(c_3/c_2)t},

进而有

∥x(t)∥≤c2c1 e−c3t/(2c2)∥x(0)∥.\|x(t)\| \leq \sqrt{\frac{c_2}{c_1}}\, e^{-c_3t/(2c_2)}\|x(0)\|.

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。

几何解释与吸引域

等值集

V(x)=cV(x)=c

可以视为广义的等能量面。条件 V˙≤0\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。

若从次水平集

Ωc={x:V(x)≤c}\Omega_c=\{x:V(x)\leq c\}

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 Ωc\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 V˙<0\dot V<0,则它给出了吸引域的一个内估计:Ωc\Omega_c 中的每个状态都收敛到原点。

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。

拉萨尔不变性原理

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 V˙\dot V 仅为半负定的一些重要情形。

设 Ω\Omega 是一个紧的正向不变集,且 VV 在 Ω\Omega 的某个邻域上连续可微,并在该邻域内满足 V˙≤0\dot V\leq0。定义

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

从 Ω\Omega 内出发的每条轨迹都会趋近于 EE 的最大不变子集。这里的“不变”不只是指某一时刻满足 V˙=0\dot V=0,还要求运动始终停留在该集合内。

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。

示例

标量非线性衰减

对于

x˙=−x3,\dot x=-x^3,

选取

V(x)=12x2.V(x)=\frac12x^2.

则

V˙=xx˙=−x4<0(x≠0).\dot V=x\dot x=-x^4<0 \qquad(x\neq0).

该函数正定且径向无界,因此原点是全局渐近稳定的。

这一平衡点并非指数稳定。系统的解为

x(t)=x(0)1+2x(0)2t,x(t)=\frac{x(0)}{\sqrt{1+2x(0)^2t}},

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。

无阻尼振子

对于

q˙=p,p˙=−q,\dot q=p,\qquad \dot p=-q,

取

V(q,p)=12(q2+p2).V(q,p)=\frac12(q^2+p^2).

则 V˙=0\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。

阻尼振子

对于

q˙=p,p˙=−q−cp,c>0,\dot q=p,\qquad \dot p=-q-cp,\qquad c>0,

使用同一个候选函数,可得

V˙=−cp2≤0.\dot V=-cp^2\leq0.

导数在整条直线 p=0p=0 上都为零,而不仅仅在原点为零。然而,满足 p=0p=0 且 q≠0q\neq0 的点会立即离开该直线,因为 p˙=−q≠0\dot p=-q\neq0。因此,{V˙=0}\{\dot V=0\} 的最大不变子集就是原点。

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。

线性系统与李雅普诺夫方程

对于线性系统

x˙=Ax,\dot x=Ax,

一种标准的候选函数是二次型

V(x)=xTPx,V(x)=x^{\mathsf T}Px,

其中 P=PTP=P^{\mathsf T} 是正定矩阵。其导数为

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

连续时间李雅普诺夫方程为

ATP+PA=−Q,A^{\mathsf T}P+PA=-Q,

其中 QQ 是对称正定矩阵。如果存在正定解 PP,则原点是全局指数稳定的。

更确切地说,以下条件等价:

  • AA 的每个特征值的实部都严格为负;
  • 对每个对称正定矩阵 QQ,李雅普诺夫方程都有唯一的对称正定解 PP。

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

P=∫0∞eATtQeAt dt,P=\int_0^\infty e^{A^{\mathsf T}t}Qe^{At}\,dt,

其中,eAte^{At} 是矩阵指数。

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 x˙=−x3\dot x=-x^3 就说明了这一点。

离散时间系统与时变系统

离散时间

对于

xk+1=F(xk),F(0)=0,x_{k+1}=F(x_k),\qquad F(0)=0,

用单步差分代替导数:

ΔV(x)=V(F(x))−V(x).\Delta V(x)=V(F(x))-V(x).

正定性与 ΔV≤0\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。

对于 xk+1=Axkx_{k+1}=Ax_k,相应的矩阵方程为

ATPA−P=−Q.A^{\mathsf T}PA-P=-Q.

对每个对称正定矩阵 QQ,该方程都有唯一的对称正定解,当且仅当 AA 的每个特征值的模都小于一。

时变系统

对于非自治系统

x˙=f(t,x),\dot x=f(t,x),

李雅普诺夫函数可以显式依赖于时间:

V=V(t,x).V=V(t,x).

其全导数为

V˙(t,x)=∂V∂t+∇xV(t,x)Tf(t,x).\dot V(t,x) = \frac{\partial V}{\partial t} +\nabla_xV(t,x)^{\mathsf T}f(t,x).

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 αi(0)=0\alpha_i(0)=0 的函数 αi\alpha_i,使得

α1(∥x∥)≤V(t,x)≤α2(∥x∥),V˙(t,x)≤−α3(∥x∥).\alpha_1(\|x\|)\leq V(t,x)\leq\alpha_2(\|x\|), \qquad \dot V(t,x)\leq-\alpha_3(\|x\|).

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。

构造与应用

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:

  • **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。
  • **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。
  • **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。
  • **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。
  • **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。

在控制理论中,控制李雅普诺夫函数针对系统

x˙=f(x,u)\dot x=f(x,u)

表达这样一种可能性:可以选择一个允许的控制输入 uu,使 VV 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。

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。

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 VV。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。

逆定理与局限性

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。

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。

其他局限涉及解释和验证:

  • 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。
  • 单调不增的函数不一定能证明系统收敛到单个点。
  • 仅在受限区域内有效的证书,无法确定该区域以外的行为。
  • 仅靠对 V˙\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。
  • 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。
  • 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。