Vi vill se om de växer eller försvinner, vi gör det genom att härleda diff.ekvationer för u och v. Vi börjar med u:
\(\dot{u}=\dot{x}\) (för \(x^{*}\) är konstant)
\(=f(x^{*}+u,\,y^{*}+v)\)
\(=f(x^{*},y^{*})+u\frac{\partial f}{\partial x}+v\frac{\partial f}{\partial y}+O(u^{2},v2,uv)\) (Taylor-expansion)
\(=u\frac{\partial f}{\partial x}+v\frac{\partial f}{\partial y}+O(u^{2},v^{2},uv)\) (för vi har ju \(f(x^{*},y^{*})=0\))
Vi kan förenkla notationen. Vi har skrivit \(\frac{\partial f}{\partial x}\) och \(\frac{\partial f}{\partial y}\), men dessa ska ju utvärderas på FP:n \((x^{*},y^{*})\), dvs de är bara tal, inte funktioner.
På samma sätt får vi
\(\dot{v}=u\frac{\partial g}{\partial x}+v\frac{\partial g}{\partial y}+O(u^{2},v^{2},uv)\).
Störningen utvecklas alltså enligt
\(
\left(\begin{array}{c}
\dot{u}\\
\dot{v}
\end{array}\right)=\left(\begin{array}{cc}
\frac{\partial f}{\partial x} & \frac{\partial f}{\partial y}\\
\frac{\partial g}{\partial x} & \frac{\partial g}{\partial y}
\end{array}\right)\left(\begin{array}{c}
u\\
v
\end{array}\right)+\textrm{kvadratiska termer}
\)
\(A=\left(\begin{array}{cc}
\frac{\partial f}{\partial x} & \frac{\partial f}{\partial y}\\
\frac{\partial g}{\partial x} & \frac{\partial g}{\partial y}
\end{array}\right)_{(x^{*},y^{*})}\)
kallas Jacobi-matrisen i FP \((x^{*},y^{*})\). (multivariat motsvarighet till derivata)
Frestande att negligera kvadrat-termerna eftersom de är så små, detta ger det linjäriserade systemet
\(
\left(\begin{array}{c}
\dot{u}\\
\dot{v}
\end{array}\right)=\left(\begin{array}{cc}
\frac{\partial f}{\partial x} & \frac{\partial f}{\partial y}\\
\frac{\partial g}{\partial x} & \frac{\partial g}{\partial y}
\end{array}\right)\left(\begin{array}{c}
u\\
v
\end{array}\right)
\)
som kan analyseras med metoderna från 5.2 (Classification of Linear Systems)
Är det säkert att negligera dessa?
Svar: Ja, så länge som FP:n inte är ett av borderline-fallen diskuterade i 5.2 (Classification of Linear Systems).
MED ANDRA ORD: Om linjäriserade systemet förutsäger en saddle, nod eller spiral så är FP:n verkligen en saddle, nod eller spiral för originalsystemet.
Borderline cases är de som ligger på linje/kurva
I exemplet på bilden visade linjäriseringen på center för alla a men originalet var istället spiral/center beroende på a.
All trajectories are required to close perfectly after one cycle. The slightest miss converts the center into a spiral
På samma sätt kan stars och degenerate nodes ändras av små ickelinjäriteter, men till skillnad från center så ändras inte deras stabilitet.
Ex. stable star -> stable spiral, men inte till unstable spiral. Logiskt om man tittar på hur de ligger i grafen ovan (center mitt i kanten mellan stable/unstable, medan gränsen mellan spiral/star ligger antingen mitt bland unstable eller mitt bland stable)
Om vi endast bryr oss om stabilitet och inte den detaljerade geometrin hos banorna så kan vi klassificera FPs mer grovt så här.
- Robust cases:
Repellers (aka sources): båda egenvärdena har positiv realdel
Attractors (aka sinks): båda egenvärdena har negativ realdel
Saddles: ett egenvärde positivt, det andra negativt
- Marginal cases:
Centers: båda egenvärdena är rent imaginära
Higher-order and non-isolated FPs: minst ett egenvärde är noll
Alltså gäller från stabilitetssynpunkt att marginalfallen är de med minst ett egenvärde med \(\textrm{Re}(\lambda)=0\)
Hyperbolic Fixed Points, Topological Equivalence, and Structural Stability
Om \(\textrm{Re}(\lambda)\neq0\) för båda egenvärdena så kallas FP:n ofta hyperbolisk. Tåliga, stabilitetstypen opåverkad av små ickelinjära termer. Ickehyperboliska = fragila.
Vi har sett exempel på detta i vektorfält på linjen. I stabilitetsanalysen (2.4) såg vi att stabiliteten korrekt förutsågs av linjäriseringen så länge som \(f'(x^{*})\neq0\). Detta villkor är den exakta analogen till \(\textrm{Re}(\lambda)\neq0\).
Dessa idéer generaliserar snyggt till higher-order-system. En FP av ett nth-order-system är hyperbolic om alla egenvärdena av linjäriseringen ligger utanför imaginäraxeln, dvs \(\textrm{Re}(\lambda_{i})\neq0\) för alla i. Hartman-Grobman-satsen: the local phase portrait near a hyperbolic FP is "topologically equivalent" to the phase portrait of the linearization; in particular, the stability type of the FP is faithfully captured by the linearization. Here topologically equivalent means that there is a homeomorphism (kontinuerlig deformation med en kontinuerlig invers) that maps one local phase portrait onto the other, such that trajectories map onto trajectories and the sense of time (the direction of the arrows) is preserved.
Intuitivt så är två phase portrait topologiskt ekvivalenta om en är en distorted version av den andra. Bending och warping tillåtna, men inte ripping, så closed orbits måste förbli stängda, trajectories med saddlepunkter kan inte brytas, etc.
Hyperboliska FPs illustrerar den viktiga generella notionen av structural stability. Ett phase portrait är structurally stable om dess topologi inte kan ändras av en arbiträrt liten perturbation av vektorfältet. Ex. the phase portrait of a saddle point is structurally stable, but that of a center is not: an arbitrarily small amount of damping converts the center to a spiral.