2 changed files with 13878 additions and 0 deletions
@ -0,0 +1,476 @@
|
||||
\documentclass[12pt]{article} |
||||
\usepackage{graphicx} |
||||
\usepackage{color} |
||||
\usepackage[utf8]{inputenc} |
||||
\usepackage[T2A]{fontenc} |
||||
\usepackage[russian]{babel} |
||||
\usepackage{amsmath} |
||||
\usepackage{amssymb} |
||||
|
||||
\topmargin=-1.8cm |
||||
\oddsidemargin=-15mm |
||||
\evensidemargin=-15mm |
||||
\textheight=24.5cm |
||||
\textwidth=19cm |
||||
\tolerance=1000 |
||||
|
||||
\parskip=5pt plus 4pt minus 2pt |
||||
\tolerance=9000 |
||||
% |
||||
\begin{document} |
||||
\section{Сингулярное разложение матрицы} |
||||
Сингулярное разложение (singular value decomposition)~--- представление произвольной матрицы $m\times n$ в виде |
||||
% |
||||
\begin{equation} |
||||
M=U\Sigma V, |
||||
\label{SVD} |
||||
\end{equation} |
||||
% |
||||
где $U$ и $V$~--- унитарные матрицы $m\times m$ и $n\times n$, соответственно, $\Sigma$~--- диагональная матрица $m\times n$. |
||||
Числа, стоящие на диагонали $\Sigma$, называются сингулярными числами матрицы $M$. Единичные вектора $u$ и $v$ такие, что $Mv=\sigma u$ и $M^*u=\sigma v$, |
||||
$\sigma$~--- сингулярное число $M$, называются, соответственно, левыми и правыми сингулярными векторами матрицы $M$. |
||||
Если матрица $M$ является вещественной, то её сингулярные числа также вещественны, а $U$ и $V$~--- ортогональные матрицы. Так как матрица $\Sigma$ и, соответственно, сингулярное разложение определены с точностью до перестановки сингулярных чисел, то можно потребовать упорядочения сингулярных чисел на диагонали $\Sigma$ по невозрастанию. Такое разложение является единственным. |
||||
|
||||
Если матрица $M$ является квадратной, то сингулярное разложение имеет очень простой геометрический смысл. Действие любой матрицы на вектор можно представить в виде трёх последовательных операций: поворот/отражение матрицей $V$, растяжение/сжатие по координатным осям матрицей $\Sigma$, второй поворот/отражение матрицей $U$. Таким образом, матрица $M$ переводит сферу единичного радиуса в эллипсоид с полуосями, равными сингулярным числам и направленными вдоль левых сингулярных векторов. Правые сингулярные вектора~--- это, соответственно, прообразы полуосей эллипсоида. |
||||
|
||||
Рассмотрим сингулярное разложение вещёственной матрицы $2\times 2$: |
||||
% |
||||
\begin{equation} |
||||
M=U\Sigma V \Rightarrow |
||||
\begin{pmatrix} |
||||
a&b\\c&d |
||||
\end{pmatrix} |
||||
= |
||||
\begin{pmatrix} |
||||
\cos\phi_2&-\sin\phi_2\\ |
||||
\sin\phi_2&\cos\phi_2 |
||||
\end{pmatrix} |
||||
\begin{pmatrix} |
||||
\sigma_1&0\\ |
||||
0&\sigma_2 |
||||
\end{pmatrix} |
||||
\begin{pmatrix} |
||||
\cos\phi_1&-\sin\phi_1\\ |
||||
\sin\phi_1&\cos\phi_1 |
||||
\end{pmatrix}. |
||||
\label{SVD2x2} |
||||
\end{equation} |
||||
% |
||||
Последовательное действие этих матриц на единичную окружность и сингулярные векторы показано на рис.~\ref{SVD_geom}. |
||||
В данном разложении не используются матрицы отражения, что приводит к возможности сингулярным числам быть отрицательными. Однако, из общих соображений понятно, что матрица эволюции непрерывного потока не может содержать отражений. Для матрицы \eqref{sol_linsys} это можно показать непосредственно. |
||||
% |
||||
\begin{figure}[!htb] |
||||
\centerline{\includegraphics[width=0.8\textwidth]{SVD.eps}} |
||||
\caption{Геометрический смысл сингулярного разложения матрицы.} |
||||
\label{SVD_geom} |
||||
\end{figure} |
||||
% |
||||
|
||||
Перемножая матрицы, получаем систему из четырёх уравнений с четырьмя неизвестными |
||||
% |
||||
\begin{equation} |
||||
\begin{pmatrix} |
||||
a&b\\c&d |
||||
\end{pmatrix} |
||||
= |
||||
\begin{pmatrix} |
||||
\sigma_1\cos\phi_1\cos\phi_2-\sigma_2\sin\phi_1\sin\phi_2& |
||||
-\sigma_1\sin\phi_1\cos\phi_2-\sigma_2\cos\phi_1\sin\phi_2\\ |
||||
\sigma_1\cos\phi_1\sin\phi_2+\sigma_2\sin\phi_1\cos\phi_2& |
||||
-\sigma_1\sin\phi_1\sin\phi_2+\sigma_2\cos\phi_1\cos\phi_2 |
||||
\end{pmatrix}. |
||||
\label{SVD2x2eq} |
||||
\end{equation} |
||||
% |
||||
Введём обозначения |
||||
% |
||||
\begin{equation} |
||||
\begin{aligned} |
||||
\alpha&=a+d, &\beta&=a-d, &\gamma&=c+b, &\delta&=c-b,\\ |
||||
\xi&=\sigma_1+\sigma_2, &\eta&=\sigma_1-\sigma_2, &\Phi&=\phi_1+\phi_2, &\Psi&=\phi_2-\phi_1. |
||||
\end{aligned} |
||||
\label{SVD2x2def} |
||||
\end{equation} |
||||
% |
||||
Вычитая и складывая уравнения \eqref{SVD2x2eq} и используя введённые обозначения \eqref{SVD2x2def}, получаем |
||||
% |
||||
\begin{equation} |
||||
\alpha=\xi\cos\Phi,\quad \beta=\eta\cos\Psi,\quad \gamma=\eta\sin\Psi,\quad \delta=\xi\sin\Phi. |
||||
\label{SVD2x2fineq} |
||||
\end{equation} |
||||
% |
||||
Решение системы \eqref{SVD2x2fineq} имеет вид |
||||
% |
||||
\begin{equation} |
||||
\xi=\sqrt{\alpha^2+\delta^2},\quad \eta=\sqrt{\beta^2+\gamma^2},\quad |
||||
\Phi=\operatorname{arctg2}{(\delta,\alpha)}, \quad \Psi=\operatorname{arctg2}{(\gamma,\beta)}. |
||||
\label{SVD2x2sol} |
||||
\end{equation} |
||||
% |
||||
Здесь $\operatorname{arctg2}{(y,x)}$~--- это угол между вектором $(x,y)$ и осью $x$. Он может быть определён как |
||||
% |
||||
\begin{equation} |
||||
\operatorname{arctg2}{(y,x)}=\left\{ |
||||
\begin{aligned} |
||||
&\arctg{(y/x)}, &x\ge 0,\\ |
||||
&\arctg{(y/x)}+\pi, &x<0. |
||||
\end{aligned}\right. |
||||
\label{arctg2} |
||||
\end{equation} |
||||
% |
||||
Окончательный вид решения |
||||
% |
||||
\begin{equation} |
||||
\begin{gathered} |
||||
\sigma_1=\frac{\sqrt{(a+d)^2+(c-b)^2}+\sqrt{(a-d)^2+(b+c)^2}}{2},\quad |
||||
\sigma_2=\frac{\sqrt{(a+d)^2+(c-b)^2}-\sqrt{(a-d)^2+(b+c)^2}}{2},\\ |
||||
\phi_1=\frac{\operatorname{arctg2}{(c-b,\,a+d)}-\operatorname{arctg2}{(c+b,\,a-d)}}{2},\quad |
||||
\phi_2=\frac{\operatorname{arctg2}{(c-b,\,a+d)}+\operatorname{arctg2}{(c+b,\,a-d})}{2}. |
||||
\end{gathered} |
||||
\label{SVD2x2finsol} |
||||
\end{equation} |
||||
% |
||||
Из решения очевидно, что сингулярные числа упорядочены по невозрастанию, то есть $\sigma_1\ge\sigma_2$. |
||||
Произведение $\sigma_1\sigma_2$ определяет отношение конечной и начальной площадей и равно, естественно, $\operatorname{Det}M$. |
||||
Из определения сингулярного разложения следует, что |
||||
% |
||||
\begin{equation} |
||||
\sigma_1\geqslant\frac{\Vert M\mathbf{x}\Vert}{\Vert\mathbf{x}\Vert}\geqslant\sigma_2, |
||||
\label{SVD_mainprop} |
||||
\end{equation} |
||||
% |
||||
где $\Vert\cdot\Vert$ обозначает евклидову норму. То есть, {\em длина произвольного вектора $\mathbf{x}$ изменяется матрицей $M$ минимум в $\sigma_2$ раз и максимум в $\sigma_1$ раз}. |
||||
|
||||
\section{Связь собственных и сингулярных чисел} |
||||
Устойчивость или неустойчивость движения определяется не сингулярными числами, а собственными. Для двухмерной матрицы \eqref{SVD2x2} собственные числа можно выразить через сингулярные. Запишем характеристическое уравнение |
||||
% |
||||
\begin{equation} |
||||
\operatorname{Det}{(M-\lambda)}=0 \Longrightarrow \lambda^2-(a+d)\lambda+ad-bc=0. |
||||
\label{ch_eq} |
||||
\end{equation} |
||||
% |
||||
Подставив значения $a$, $b$, $c$ и $d$ из \eqref{SVD2x2eq} |
||||
% |
||||
\begin{displaymath} |
||||
\begin{gathered} |
||||
a+d=\sigma_1(\cos\phi_1\cos\phi_2-\sin\phi_1\sin\phi_2)+\sigma_2(\cos\phi_1\cos\phi_2-\sin\phi_1\sin\phi_2)=(\sigma_1+\sigma_2)\cos{(\phi_1+\phi_2)},\\ |
||||
ad-bc=\operatorname{Det}M=\sigma_1\sigma_2, |
||||
\end{gathered} |
||||
\end{displaymath} |
||||
% |
||||
получаем |
||||
% |
||||
\begin{equation} |
||||
\lambda^2-(\sigma_1+\sigma_2)\cos{(\phi_1+\phi_2)}\lambda+\sigma_1\sigma_2=0. |
||||
\label{ch_eq_sigma} |
||||
\end{equation} |
||||
% |
||||
Детерминант характеристического уравнения: |
||||
% |
||||
\begin{equation} |
||||
D=(\sigma_1+\sigma_2)^2\cos^2{(\phi_1+\phi_2)}-4\sigma_1\sigma_2. |
||||
\label{det_ch_eq} |
||||
\end{equation} |
||||
% |
||||
Знак детерминанта определяет, являются ли собственные числа комплексными (комплексно-сопряжённая пара) или вещественными. Для любых сингулярных чисел, если сумма углов $\phi_1$ и $\phi_2$ равна $\pi/2+n\pi$, $n$~--- произвольное целое, детерминант будет отрицательным. И наоборот, если сумма углов кратна $\pi$, детерминант неотрицателен для любых сингулярных чисел. |
||||
Сами собственные числа равны |
||||
% |
||||
\begin{equation} |
||||
\lambda_{1,2}=\frac{(\sigma_1+\sigma_2)\cos{(\phi_1+\phi_2)}\pm\sqrt{D}}{2}. |
||||
\label{lambda_ch_eq} |
||||
\end{equation} |
||||
% |
||||
Произведение собственных чисел равно произведению сингулярных и равно детерминанту матрицы. |
||||
|
||||
\section{Инвариантный эллипс} |
||||
В случае, если действие матрицы $M$ сохраняет площадь ($\operatorname{Det} M=1$), существуют инвариантные кривые второго порядка, которые под действием матрицы переходят сами в себя. В этой главе мы будем искать инвариантный эллипс. |
||||
|
||||
Общее уравнение эллипса с центром в начале координат имеет вид: |
||||
% |
||||
\begin{equation} |
||||
\begin{gathered} |
||||
Ax^2+By^2+Cxy=1,\\ |
||||
A=\frac{\cos^2\theta}{a^2}+\frac{\sin^2\theta}{b^2},\qquad |
||||
B=\frac{\sin^2\theta}{a^2}+\frac{\cos^2\theta}{b^2},\\ |
||||
C=\frac{b^2-a^2}{a^2b^2}\sin2\theta, |
||||
\end{gathered} |
||||
\label{ellbase} |
||||
\end{equation} |
||||
% |
||||
где $a$ и $b$~--- полуоси эллипса, а $\theta$~--- угол между осью абсцисс и полуосью $a$. Так как матрица $M$~--- линейный оператор, достаточно найти один инвариантный эллипс, остальные можно получить путём масштабирования. Будем искать эллипс с площадью, равной площади единичного круга и большой полуосью $k\ge 1$. В этом случае параметры в уравнении \eqref{ellbase} имеют вид |
||||
% |
||||
\begin{equation} |
||||
\begin{gathered} |
||||
A=\frac{\cos^2\theta}{k^2}+k^2\sin^2\theta,\qquad |
||||
B=\frac{\sin^2\theta}{k^2}+k^2\cos^2\theta,\\ |
||||
C=-\frac{k^4-1}{k^2}\sin2\theta. |
||||
\end{gathered} |
||||
\label{ellpars0} |
||||
\end{equation} |
||||
% |
||||
Угол $\theta$ определяет направление большой полуоси. Сумма коэффициентов $A+B=(k^4+1)/k^2$ не зависит от ориентации эллипса и определяется только его формой. |
||||
|
||||
Матрица $M=U\Sigma V$ последовательно поворачивает ($V$), растягивает-сжимает ($\Sigma$) и снова поворачивает ($U$) эллипс. При этом большая полуось может изменится только под действием растяжения-сжатия. Рассмотрим действие матрицы $\Sigma$. Так как, $\operatorname{Det}\Sigma=1$, |
||||
% |
||||
\begin{displaymath} |
||||
\Sigma= |
||||
\begin{pmatrix} |
||||
\sigma & 0\\ |
||||
0& 1/\sigma |
||||
\end{pmatrix},\quad \sigma\ge 1. |
||||
\end{displaymath} |
||||
% |
||||
Действие $\Sigma$ преобразует координаты $x$ и $y$ |
||||
% |
||||
\begin{gather} |
||||
x'=\sigma x,\qquad y'=y/\sigma,\\ |
||||
x=x'/\sigma,\qquad y=\sigma y'. |
||||
\end{gather} |
||||
% |
||||
Подставив $x$ и $y$ в уравнение \eqref{ellbase} с учётом \eqref{ellpars0} получаем уравнение эллипса в новых координатах $x'$ и $y'$ с новыми параметрами |
||||
% |
||||
\begin{equation} |
||||
\begin{gathered} |
||||
A'=\frac{\cos^2\theta'}{k'^2}+k'^2\sin^2\theta'=\frac{\cos^2\theta}{\sigma^2k^2}+\frac{k^2}{\sigma^2}\sin^2\theta,\qquad |
||||
B'=\frac{\sin^2\theta'}{k'^2}+k'^2\cos^2\theta'=\frac{\sigma^2}{k^2}\sin^2\theta+\sigma^2k^2\cos^2\theta,\\ |
||||
C'=-\frac{k'^4-1}{k'^2}\sin2\theta'=-\frac{k^4-1}{k^2}\sin2\theta. |
||||
\end{gathered} |
||||
\label{ellpars1} |
||||
\end{equation} |
||||
% |
||||
По условию инвариантности $k'=k$. Тогда, из выражения для $C'$ следует, что $\sin2\theta'=\sin2\theta$. Это уравнение имеет два решения, $\theta'=\theta$ и $\theta'=\pi/2-\theta$. Первое решение не имеет смысла, так как эллипс переходит сам в себя, что возможно только при $s=1$. Таким образом, остаётся только второе решение. Изменение угла ориентации не зависит от $k$, поэтому мы теперь можем найти наклон инвариантного эллипса $\phi_0$ |
||||
% |
||||
\begin{equation} |
||||
\phi_0\xrightarrow{V}\theta=\phi_0+\phi_1\xrightarrow{\Sigma}\theta'=\frac{\pi}{2}-(\phi_0+\phi_1)\xrightarrow{U}\frac{\pi}{2}-(\phi_0+\phi_1)+\phi_2=\left\{ |
||||
\begin{aligned} |
||||
&\phi_0\\ |
||||
&\phi_0+\pi |
||||
\end{aligned} |
||||
\right., |
||||
\label{phi0transform} |
||||
\end{equation} |
||||
% |
||||
откуда получаем |
||||
% |
||||
\begin{equation} |
||||
\phi_0=\frac{\phi_2-\phi_1}{2}\pm\frac{\pi}{4}. |
||||
\label{phi0} |
||||
\end{equation} |
||||
% |
||||
К выбору знака мы вернёмся ниже. |
||||
|
||||
Вернёмся к поиску $k$. Так как $A+B$ является инвариантом относительно поворота, $k$ найдём из уравнения $A+B=A'+B'$ |
||||
% |
||||
\begin{equation} |
||||
\frac{k^4+1}{k^2}=\frac{\sigma^4k^4+1}{\sigma^2k^2}\cos^2{\theta}+\frac{k^4+\sigma^4}{\sigma^2k^2}\sin^2\theta. |
||||
\label{inveq} |
||||
\end{equation} |
||||
% |
||||
После тривиальных преобразований получаем |
||||
% |
||||
\begin{equation} |
||||
\begin{gathered} |
||||
\sigma^2k^4+\sigma^2=(\sigma^4k^4+1)\cos^2\theta+(k^4+\sigma^4)(1-\cos^2\theta),\\ |
||||
k^4(\sigma^2-1-(\sigma^4-1)\cos^2\theta)=\sigma^2(\sigma^2-1)-(\sigma^4-1)\cos^2\theta,\\ |
||||
k^4(1-(\sigma^2+1)\cos^2\theta)=\sigma^2-(\sigma^2+1)\cos^2\theta. |
||||
\end{gathered} |
||||
\label{inveq1} |
||||
\end{equation} |
||||
% |
||||
% |
||||
\begin{equation} |
||||
k^4=\frac{\sigma^2-(\sigma^2+1)\cos^2\theta}{1-(\sigma^2+1)\cos^2\theta}=1+\frac{\sigma^2-1}{1-(\sigma^2+1)\cos^2\theta}=1+\frac{2(\sigma^2-1)}{1-\sigma^2-(\sigma^2+1)\cos2\theta}. |
||||
\label{inveq2} |
||||
\end{equation} |
||||
% |
||||
Так как $k\ge 1$, $1-\sigma^2-(\sigma^2+1)\cos2\theta> 0$, или |
||||
% |
||||
\begin{equation} |
||||
-\cos2\theta>\frac{\sigma^2-1}{\sigma^2+1}, |
||||
\label{thetacrit} |
||||
\end{equation} |
||||
% |
||||
из чего следует, что $\cos2\theta<0$. Это условие позволяет определить знак в формуле \eqref{phi0} |
||||
% |
||||
\begin{equation} |
||||
\cos2\theta=\cos2(\phi_0+\phi_1)=\cos2\left(\frac{\phi_2-\phi_1}{2}\pm\frac{\pi}{4}+\phi_1\right)=\cos\left(\frac{\pi}{2}\pm(\phi_1+\phi_2)\right)=\mp\sin(\phi_1+\phi_2), |
||||
\end{equation} |
||||
% |
||||
Можно показать, что при возведении в квадрат условие \eqref{thetacrit} эквивалентно условию $D<0$, где $D$ определяется формулой \eqref{det_ch_eq}. Таким образом, параметры инвариантного эллипса опредяляются через сингулярное разложение как |
||||
% |
||||
\begin{equation} |
||||
\phi_0=\frac{\phi_2-\phi_1}{2}-\xi\frac{\pi}{4},\quad k=\sqrt[4]{1+\frac{2(\sigma^2-1)}{1-\sigma^2+\xi(\sigma^2+1)\sin(\phi_1+\phi_2)}},\quad \xi=\operatorname{sgn}\sin(\phi_1+\phi_2). |
||||
\end{equation} |
||||
% |
||||
|
||||
\section{Показатель Ляпунова} |
||||
Пусть дана система нелинейных уравнений |
||||
% |
||||
\begin{equation} |
||||
\mathbf{\dot x}=\mathbf{f}(\mathbf{x},t),\quad |
||||
\mathbf{x}=(x_1,\dotsc,x_n),\quad |
||||
\mathbf{f}(\mathbf{x},t)=(f_1(x_1,\dotsc,x_n,t),\dots,f_n(x_1,\dotsc,x_n,t)). |
||||
\label{nonlinsys} |
||||
\end{equation} |
||||
% |
||||
Показатель Ляпунова в точке $\mathbf{x_0}$ определяется как |
||||
% |
||||
\begin{equation} |
||||
\Lambda(\mathbf{x_0})=\lim_{t\to\infty}\lim_{\Vert\delta \mathbf{x}(0)\Vert\to 0}\frac{\ln(\Vert\delta \mathbf{x}(t)\Vert/\Vert\delta \mathbf{x}(0)\Vert)}{t}, |
||||
\label{lyap_def} |
||||
\end{equation} |
||||
% |
||||
где $\delta \mathbf{x}(t)=\mathbf{x_1}(t)-\mathbf{x_0}(t)$, $\mathbf{x_0}(t)$ и $\mathbf{x_1}(t)$~--- решения системы \eqref{nonlinsys}, $\mathbf{x_0}(0)=\mathbf{x_0}$. Данный предел существует и одинаков почти для любого выбора $\delta \mathbf{x}(0)$. Геометрический смысл показателя Ляпунова состоит в том, что две близлежащих траектории расходятся в пространстве в среднем экспоненциально по времени с показателем экспоненты, равным показателю Ляпунова. |
||||
|
||||
В силу малости $\Vert\delta \mathbf{x}(0)\Vert$ и, соответственно, $\Vert\delta \mathbf{x}(t)\Vert$ можно линеаризовать |
||||
систему \eqref{nonlinsys} в окрестности траектории $\mathbf{x_0}(t)$, получив систему нестационарных линейных уравнений |
||||
% |
||||
\begin{equation} |
||||
\begin{pmatrix} |
||||
\delta\dot x_1\\ |
||||
\hdotsfor{1}\\ |
||||
\delta\dot x_n |
||||
\end{pmatrix}=J(t) |
||||
\begin{pmatrix} |
||||
\delta x_1\\ |
||||
\hdotsfor{1}\\ |
||||
\delta x_n |
||||
\end{pmatrix}, |
||||
\label{linearization} |
||||
\end{equation} |
||||
% |
||||
где $J(t)$~--- якобиан системы \eqref{nonlinsys} вдоль траектории $\mathbf{x_0}(t)$ |
||||
% |
||||
\begin{equation} |
||||
J(t)= |
||||
\begin{pmatrix} |
||||
\dfrac{\partial f_1(\mathbf{x_0}(t),t)}{\partial x_1}&\dots&\dfrac{\partial f_1(\mathbf{x_0}(t),t)}{\partial x_n}\\ |
||||
\hdotsfor{3}\\ |
||||
\dfrac{\partial f_n(\mathbf{x_0}(t),t)}{\partial x_1}&\dots&\dfrac{\partial f_n(\mathbf{x_0}(t),t)}{\partial x_n} |
||||
\end{pmatrix}. |
||||
\label{jacobian} |
||||
\end{equation} |
||||
% |
||||
Решение системы \eqref{linearization} можно представить в виде |
||||
% |
||||
\begin{equation} |
||||
\begin{pmatrix} |
||||
\delta x_1(t)\\ |
||||
\hdotsfor{1}\\ |
||||
\delta x_n(t) |
||||
\end{pmatrix}=G(t) |
||||
\begin{pmatrix} |
||||
\delta x_1(0)\\ |
||||
\hdotsfor{1}\\ |
||||
\delta x_n(0) |
||||
\end{pmatrix}, |
||||
\label{evol_mat} |
||||
\end{equation} |
||||
% |
||||
где $G(t)$~--- матрица эволюции. Матрица эволюции подчиняется дифференциальному уравнению, которое получается подстановкой \eqref{evol_mat} в \eqref{linearization} |
||||
% |
||||
\begin{equation} |
||||
\dot G=JG, |
||||
\label{evol_mat_diffur} |
||||
\end{equation} |
||||
% |
||||
с начальным условием $G(0)=I$, где $I$~--- единичная матрица. |
||||
|
||||
Максимальное значение $\lim\limits_{\Vert\delta \mathbf{x}(0)\Vert\to 0}\dfrac{\Vert\delta \mathbf{x}(t)\Vert}{\Vert\delta \mathbf{x}(0)\Vert}$ для системы \eqref{linearization} будет равно $\sigma_1(G(t))$~--- максимальному сингулярному числу матрицы $G(t)$. Если $\lim\limits_{t\to\infty}\dfrac{\sigma_2(G(t))}{\sigma_1(G(t))}=0$, где $\sigma_2(G(t))$~--- следующее по величине сингулярное число матрицы $G(t)$, то |
||||
определение \eqref{lyap_def} может быть переписано как |
||||
% |
||||
\begin{equation} |
||||
\Lambda=\lim_{t\to\infty}\frac{\ln\sigma_1(G(t))}{t}=\lim_{t\to\infty}\Lambda(t). |
||||
\label{lyap_def_sigma} |
||||
\end{equation} |
||||
% |
||||
Величину $\Lambda(t)$ будем называть {\em показателем Ляпунова за время $t$}. Это есть {\em отношение логарифма максимально возможного растяжения вектора ко времени}. Также определим {\em мгновенный показатель Ляпунова} $\Lambda_0$ как показатель Ляпунова системы стационарных линейных уравнений. |
||||
% |
||||
\begin{equation} |
||||
\begin{pmatrix} |
||||
\delta\dot x_1\\ |
||||
\hdotsfor{1}\\ |
||||
\delta\dot x_n |
||||
\end{pmatrix}=J(0) |
||||
\begin{pmatrix} |
||||
\delta x_1\\ |
||||
\hdotsfor{1}\\ |
||||
\delta x_n |
||||
\end{pmatrix}. |
||||
\label{linearization_stat} |
||||
\end{equation} |
||||
% |
||||
Мгновенный показатель Ляпунова определяет скорость экспоненциального разбегания траекторий в данной точке пространства в данный момент времени. |
||||
|
||||
\section{Решение системы стационарных линейных уравнений} |
||||
Пусть задана система линейных уравнений с матрицей скоростей $J$, не зависящей от времени |
||||
% |
||||
\begin{equation} |
||||
\begin{pmatrix} |
||||
\dot x\\ |
||||
\dot y |
||||
\end{pmatrix}=J |
||||
\begin{pmatrix} |
||||
x\\y |
||||
\end{pmatrix},\quad |
||||
J= |
||||
\begin{pmatrix} |
||||
a&b\\ |
||||
c&d |
||||
\end{pmatrix}. |
||||
\label{linsys} |
||||
\end{equation} |
||||
% |
||||
Тогда, матрица эволюции $G$ системы \eqref{linsys} имеет вид |
||||
% |
||||
\begin{equation} |
||||
G(t)=\left\{ |
||||
\begin{aligned} |
||||
&A_1e^{\lambda_1t}+A_2e^{\lambda_2t}, &D>0,\\ |
||||
&e^{\lambda t}\left(I+\frac{K}{2}t\right), &D=0,\\ |
||||
&e^{\lambda t}\left(I\cos{(\omega t)}+\frac{K}{\sqrt{-D}}\sin{(\omega t)}\right), &D<0, |
||||
\end{aligned}\right. |
||||
\label{sol_linsys} |
||||
\end{equation} |
||||
% |
||||
где |
||||
% |
||||
\begin{equation} |
||||
\begin{gathered} |
||||
I=\begin{pmatrix}1&0\\0&1\end{pmatrix},\quad |
||||
K=\begin{pmatrix}a-d&2b\\2c&d-a\end{pmatrix},\quad |
||||
A_1=\frac{\sqrt{D}I+K}{2\sqrt{D}},\quad |
||||
A_2=\frac{\sqrt{D}I-K}{2\sqrt{D}},\\ |
||||
D=4bc+(a-d)^2,\quad \lambda=\frac{a+d}{2},\quad \omega=\frac{\sqrt{-D}}{2},\quad |
||||
\quad \lambda_1=\frac{a+d+\sqrt{D}}{2},\quad \lambda_2=\frac{a+d-\sqrt{D}}{2}. |
||||
\end{gathered} |
||||
\label{Amatrix} |
||||
\end{equation} |
||||
% |
||||
Собственные числа матрицы эволюции: $e^{\lambda_1t}$ и $e^{\lambda_2t}$. |
||||
Поток \eqref{linsys} в общем случае не сохраняет площадь. Отношение площади в момент времени $t$ к площади в начальный момент времени определяется детерминантом матрицы эволюции $\operatorname{Det}{G(t)}$ |
||||
% |
||||
\begin{equation} |
||||
\frac{S(t)}{S(0)}=\operatorname{Det}{G(t)}=e^{(a+d)t}=e^{\operatorname{Tr}Jt}. |
||||
\label{square} |
||||
\end{equation} |
||||
% |
||||
Таким образом, поток \eqref{linsys} сохраняет площадь, тогда и только тогда, когда след матрицы скоростей равен нулю. Это равносильно условию равенства нулю суммы собственных чисел матрицы скоростей. |
||||
|
||||
Точное выражение для максимального сингулярного числа $\sigma_1$ матрицы эволюции \eqref{sol_linsys} (и для показателя Ляпунова на конечное время, соответственно) весьма громоздко, поэтому приведём только его |
||||
асимптотику при $t\to\infty$: |
||||
% |
||||
\begin{equation} |
||||
\sigma_1(t)= |
||||
\left\{ |
||||
\begin{aligned} |
||||
&\sqrt{\frac{(b+c)^2+(a-d)^2}{4bc+(a-d)^2}}e^{\lambda_1t},&D>0,\\ |
||||
&|b-c|te^{\lambda t},&D=0,\\ |
||||
&F(t)e^{\lambda t},&D<0, |
||||
\end{aligned} |
||||
\right. |
||||
\label{sigma_of_evol} |
||||
\end{equation} |
||||
% |
||||
где $F(t)$~--- ограниченная периодическая функция с периодом $w/2$. Воспользовавшись определением \eqref{lyap_def_sigma}, нетрудно определить показатель Ляпунова системы \eqref{linsys}. |
||||
\end{document} |
||||
Loading…
Reference in new issue