從一條軌道到一族軌道
初值問題產生一條軌道,但很多問題需要比較相近的軌道:初始狀態有微小偏差時,稍後的狀態改變多少?量度係數有誤差時,預測有甚麼一階變化?答案是解對數據的導數。這些導數不是對時間求導,但它們本身滿足另一個以時間為變量的微分方程。
首先必須確定附近的解都存在於比較的時間。例如 、 的解 只存在至 之前。只有當相關初值的解均到達 ,討論 時刻的靈敏度才有意義。我們先建立共同有限區間,然後才求導。
定理與兩條靈敏度方程
以下設 、 和 為開集, 及偏導數 均連續。固定 、,並設
有解 ,定義在緊緻區間 上,且圖像位於 內。若 ,反轉時間後以下各結論同樣成立。
定義 1.10.1
(變分方程與靈敏度矩陣)
沿參考解記
沿方向 的變分方程是線性初值問題
狀態靈敏度 是滿足 、 的 矩陣;參數靈敏度 是滿足 、 的 矩陣。
兩個係數矩陣都沿整條參考軌道取值,所以即使 不含 ,它們一般仍隨 改變。方程 (1) 是係數連續的線性方程,其解存在於整個 ;真正的問題是它能否描述非線性問題。
定理 1.10.2
(對初值及參數的可微依賴)
在上述假設下, 有一鄰域 ,使每組 都給出 、 的唯一解 ,且它定義在整個 上。映射 作為到帶上確界範數的 的映射是連續可微的;它在 沿方向 的導數就是 (1) 的解 。因此
其中 、,並且
對 一致成立。
的零初值表示改變 時保持起始狀態不變。如果 ,鏈式法則將初值換成 。
為何附近的解都到達終點
定理的第一個結論,即解存在於整個 ,正是稍不小心便會失效的部分,因此單獨列出。
引理 1.10.3
(附近的解在整個區間上留在管內)
存在 、 的鄰域 及常數 ,使得對 ,解 存在於 上,在 上滿足 ,並且 。
證明
(管狀鄰域、Grönwall 估計與首次離開)
參考解在 上的圖像是緊緻集,且位於開定義域內。因此可取其周圍半徑 的足夠薄閉管狀鄰域,以及 周圍足夠小的閉參數球,使兩者的乘積仍在定義域內。 在此緊緻集上有界,而 的範數有有限上界 。各時刻的狀態截面是球,故中值不等式給出共同的狀態 Lipschitz 常數 。
只要附近的解留在管內,相減積分方程;利用參數方向的一致連續性,可取 ,使 時
Grönwall 不等式給出距離不超過 。選取足夠小的初值及參數差,使此上界小於管半徑的一半 。若解在 之前離開管,便有首個時刻使它與 的距離等於 ;估計直至該時刻仍成立,給出距離小於 ,矛盾。局部存在唯一性容許在需要時重新啟動解;只要圖像留在這個緊緻管內,緊緻集延拓定理便排除在 之前遇到有限的最大終點。由於 連續,它在該緊緻集上有上界 ,於是參數球內的中值不等式給出 ;若對數據對取範數 ,便得線性上界,其中 。這是相對於一條參考軌道及一個固定區間的局部結論,並非全局存在定理。
可微性的證明
證明
(將增廣方程線性化)
將狀態和參數合併為 ,增廣方程為 。它對 連續可微。令 為參考解, 由 出發。對充分小的 ,引理給出 ,其中 固定;這裏利用管內有界的 ,將參數差也線性控制。
令 滿足 、。 在參考圖像的緊緻鄰域上一致連續,因此
相減兩條積分方程,再用 Grönwall 不等式,可得 。線性解 連續而線性地依賴 ,故這證明了上確界範數下的 Fréchet 導數,而非只形式上計算座標方向導數。 的參數分量是常數 ,狀態分量恰好滿足 (1)。
為證導數連續,讓基準數據改變。相應軌道在 上一致收斂,所以沿軌道的矩陣 也一致收斂。將相應的線性積分方程相減,再用 Grönwall 不等式,便得導數算子在範數下收斂,完成證明。
證明透視
緊緻性在三個不同位置的作用
證明分兩層,每個假設都在確定的位置使用。參考圖像的緊緻性用了三次:在開定義域內放入一個閉管;在管上給 一個上界,這就是 Grönwall 一步中的 Lipschitz 常數 ,它令附近解不能逃離;以及令 在管上一致連續,使 Taylor 餘項 對 一致地小,而不只是逐點地小。
關鍵一步是增廣 :它把參數變成速度為零的初值,使同一論證同時處理兩類數據,而線性解的狀態分量正是變分方程 (1)。論證以同一個 Grönwall 不等式用兩次而收結:一次用於非線性差,一次用於非線性擾動與其線性預測之差。若 不連續,第二次使用便會失效,下面的反例正說明這點。
變分方程還有一種完全不提擾動的描述。
概念視角結構
靈敏度矩陣是流映射的導數
對不含參數的向量場,記 為在時刻 由 出發的解在時刻 的狀態。唯一性給出複合規則 ,而定理說 。鏈式法則於是給出 :長區間上的靈敏度是各段靈敏度的乘積。在這個描述中, 是線性系統 的主基解矩陣,它的每一列是初始狀態某一個座標擾動的一階像。
例題
例題 1.10.4
(Logistic 方程的靈敏度與顯式解對照)
考慮 、,其中 。分離變量並直接驗證,可得對所有實數 ,
記 、。則 ;利用 ,又有 ,因為 ,它等於 。
當 時, 而 。這裏 、,所以變分方程是 和 ;將以上公式求導可驗證兩式。正時間時 ,即增大增長參數會使狀態產生正的一階變化。這依賴初值位於 及 ,並非對所有 logistic 初值的斷言。
例題 1.10.5
(在平衡點附近線性化)
取同一方程而 ,則對每個 ,參考解都是平衡解 。此時 為常數,。靈敏度方程變成
兩者與 時的顯式公式一致:、。解釋亦自洽: 時初始狀態的擾動按 衰減,而改變 不移動平衡點,所以參數的一階效應為零。在這個邊界情況,定理化為熟悉的常數解線性化。
例題 1.10.6
(爆破限制了比較的區間)
對 、,解為 ,。對 求導,
驗算:,而 ,且 。給定 ,解能到達 的初值恰為 。對每個這樣的 ,定理在 上適用,但當 從下方趨近 時, 趨於 。當參考初值接近這個集合的邊界,定理中的鄰域 必須收縮;定理是局部的,不保證跨過邊界仍有共同區間。
反例模式
Lipschitz 向量場不一定產生可微流
斷言:若解存在、唯一並連續依賴初始狀態,則它可微地依賴初始狀態。對 、,向量場全局 Lipschitz,所有解均全時存在。在任何固定 ,解映射在 時是 (此時 ,),在 時是 (此時 ,)。它在零點的兩個單側導數分別為 和 ,並不相同。因此存在、唯一及連續依賴本身並不保證可微依賴;失效的假設是 的連續性,因為 在零點不可微。
常見錯誤
常見錯誤
(把係數凍結在初始點)
常見的做法是把 換成常數 ,寫 。係數必須沿參考軌道取值。在 logistic 例子中, 在 越過 時變號;除非 是平衡解,常係數的猜測 並不是靈敏度。
常見錯誤
(起點依賴參數時仍用零初值)
只有在 改變而初始狀態固定時, 才正確。若題目規定 ,總參數靈敏度滿足同一方程 ,但初值為 ;等價地,它等於固定起點的 加上 。
練習
快速檢查
(對 、,求 和 ,並驗證它們的初值及方程。)
這裏 、。
解答 · 答案
解為 ,故 、。它們滿足 、,以及 、,正如 (2) 所要求。
快速檢查
(對 、,不先求 ,直接解靈敏度方程 (2),再與顯式解對照。)
係數是 、。
解答 · 答案
由 、 得 ;由 、 得 。顯式解為 ,其偏導數 、,兩者一致。
快速檢查
(若 logistic 例子的初值改為 、,總參數靈敏度的初值是多少?為何不是零?)
在 使用鏈式法則。
解答 · 答案
初值為 。改變參數也改變指定的初始狀態,所以總導數除含 的驅動項外,還包含初值變化。