群落组成的平衡点与极限环

研究一个动力学系统,例如群落动态,我们会问:群落组成是否会达到平衡?如果达到平衡,这个平衡是否稳健/稳定(robust/stability)?如果稳定,到达稳定点的时间(或问弛豫时间,relaxation time)又是多少?如果不能达到平衡点,群落动态是否又会收敛到一个极限环?如果会,这个极限环是否稳定?达到极限环的时间又是多少?如果即没有稳定点、又没有极限环,是否意味着群落最终会处于混沌状态?

本文接下来逐一解决这些问题。

一、平衡点

1.1  平衡点是否存在

在常微分方程理论中,平衡点又可称为驻点(critical point)、奇点(singular point)。假定群落动态可用自治系统表示:

\begin{equation}\begin{cases}\dot{x_1}=f_1(x_1,x_2,...,x_n)\\\dot{x_2}=f_2(x_1,x_2,...,x_n)\\...\\\dot{x_n}=f_n(x_1,x_2,...x_n)\end{cases}\end{equation},\quad(1)

该群落的平衡点满足:

\begin{equation}\begin{cases}f_1(x_1^*,x_2^*,...,x_n^*)=0\\f_2(x_1^*,x_2^*,...,x_n^*)=0\\...\\f_n(x_1^*,x_2^*,...x_n^*)=0\end{cases}\end{equation}

x_1,...,x_n均为某个物种的种群数量,则:

f_i=r_i(x_1,x_2,...,x_n)x_i,\quad x_i>0

其中,r_i为种群增长率(population growth rate,pgr)。平衡点可表示为:

\begin{equation}\begin{cases}r_1(x_1^*,x_2^*,...,x_n^*)=0\\r_2(x_1^*,x_2^*,...,x_n^*)=0\\...\\r_n(x_1^*,x_2^*,...x_n^*)=0\end{cases}\end{equation}

等式r_i(x_1^*,x_2^*,...,x_n^*)=0称为物种i的零增长曲线(zero net growth isocline,ZNGI)。

1.2  平衡点是否稳定

平衡点分为稳定平衡点和不稳定平衡点。相点位于稳定平衡点时,尽管它受扰,一段时间后也会恢复到原来的位置。

将系统(1)线性化,

\begin{equation}\begin{cases}\dot{x_1}=\frac{∂f_1}{∂x_1}x_1+\frac{∂f_1}{∂x_2}x_2+...+\frac{∂f_1}{∂x_n}x_n\\\dot{x_2}=\frac{∂f_2}{∂x_1}x_1+\frac{∂f_2}{∂x_2}x_2+...+\frac{∂f_2}{∂x_n}x_n\\...\\\dot{x_n}=\frac{∂f_n}{∂x_1}x_1+\frac{∂f_n}{∂x_n}x_2+...+\frac{∂f_n}{∂x_n}x_n\end{cases}\end{equation}

其系统矩阵可表示为,

\textbf A=\begin{pmatrix} \frac{∂f_1}{∂x_1}&\frac{∂f_1}{∂x_2}&...&\frac{∂f_1}{∂x_n}\\\frac{∂f_2}{∂x_1}&\frac{∂f_2}{∂x_2}&...&\frac{∂f_2}{∂x_n}\\...&...&...&...\\\frac{∂f_n}{∂x_1}&\frac{∂f_n}{∂x_2}&...&\frac{∂f_n}{∂x_n}\\\end{pmatrix}

\textbf A^*的特征值\lambda_1^*,...,\lambda_n^*<0时,平衡点(x_1^*,x_2^*,...,x_n^*)是稳定平衡点,否则,它是不稳定平衡点。

x_1,...,x_n均为某个物种的种群数量,则:

f_i=r_i(x_1,x_2,...,x_n)x_i,\quad x_i>0

\frac{∂f_i}{∂x_j}=\begin{equation}\begin{cases}r_i+x_i\frac{∂r_i}{∂x_j},\quad \text{when }j=i\\x_i\frac{∂r_i}{∂x_j},\quad\text{when }j\neq j\end{cases}\end{equation}

此时系统矩阵为,

\textbf A=\begin{pmatrix} r_1+x_1\frac{∂r_1}{∂x_1}&x_1\frac{∂r_1}{∂x_2}&...&x_1\frac{∂r_1}{∂x_n}\\x_2\frac{∂r_2}{∂x_1}&r_2+x_2\frac{∂r_2}{∂x_2}&...&x_2\frac{∂r_2}{∂x_n}\\...&...&...&...\\x_n\frac{∂r_n}{∂x_1}&x_n\frac{∂r_n}{∂x_2}&...&r_n+x_n\frac{∂r_n}{∂x_n}\\\end{pmatrix}

因而,平衡点(x_1^*,x_2^*,...,x_n^*)是稳定点的条件为:方程

|\lambda\textbf E-\textbf A^*|=\left|\begin{array}{cccc}  \lambda-(r_1^*+x_1^*(\frac{∂r_1}{∂x_1})^*)&-x_1^*(\frac{∂r_1}{∂x_2})^*&...&-x_1^*(\frac{∂r_1}{∂x_n})^*\\-x_2^*(\frac{∂r_2}{∂x_1})^*&\lambda-(r_2^*+x_2^*(\frac{∂r_2}{∂x_2})^*)&...&-x_2^*(\frac{∂r_2}{∂x_n})^*\\...&...&...&...\\-x_n^*(\frac{∂r_n}{∂x_1})^*&-x_n^*(\frac{∂r_n}{∂x_2})^*&...&\lambda-(r_n^*+x_n^*(\frac{∂r_n}{∂x_n})^*)\\\end{array}\right| =0

的解必须都为负数。

对于双物种系统,平衡点(x_1^*,x_2^*,...,x_n^*)的稳定条件可继续简化为:

\begin{equation}\begin{cases} (\frac{∂f_1}{∂x_1})^*+(\frac{∂f_2}{∂x_2})^*<0 \\(\frac{∂f_1}{∂x_1})^*(\frac{∂f_2}{∂x_2})^*-(\frac{∂f_1}{∂x_2})^*(\frac{∂f_2}{∂x_1})^*>0  \end{cases}\end{equation}

即,

\begin{equation}\begin{cases} (\frac{∂r_1}{∂x_1})^*x_1^*+(\frac{∂r_2}{∂x_2})^*x_2^*<0 \\(\frac{∂r_1}{∂x_1})^*(\frac{∂r_2}{∂N_2})^*-(\frac{∂r_1}{∂x_2})^*(\frac{∂r_2}{∂x_1})^*>0  \end{cases}\end{equation}

1.3  到达稳定点的时间

理论上,相点的轨迹无限接近于平衡点,而不会真正到达,但相点的移动速度却有快慢之分。就像一个小球要滚到山谷,沿着陡坡滚要比沿着缓坡滚要来得快。而弛豫时间就是用来度量山坡是否陡峭的一个指标,

\frac{\varphi(t_{rel})-\varphi(∞)}{\varphi(0)-\varphi(∞)}=\frac1e

其中,\varphi(t)是系统的积分曲线,\varphi(t_{rel}),\varphi(0),\varphi(∞)分别是时间等于弛豫时间、初始时刻、位于平衡点时刻时相点的位置。

1.4  案例:Lotka–Volterra模型

\begin{equation}\begin{cases}\dot{x}=kx-axy\\\dot{y}=-ly+bxy \end{cases}\end{equation}

其中x,y,k,a,l,b>0。ZNGI为,

\begin{equation}\begin{cases}kx^*-ax^*y^*=0\\-ly^*+bx^*y^*=0 \end{cases}\end{equation}

平衡点为x^*=l/b,\ y^*=k/a。系统矩阵为

\textbf A=\begin{pmatrix}k-ay&-ax\\by&-l+bx\\\end{pmatrix}

其在平衡点处的值为,

\textbf A^*=\begin{pmatrix}0&-\frac{al}{b}\\\frac{kb}{a}&0\\\end{pmatrix}

特征值\lambda_1=\sqrt{kl}\ i,\lambda_2=-\sqrt{kl}\ i,实部为0,虚部共轭。

所以平衡点(l/b,k/a)为不稳定的中心点。

1.5  案例:Rosenzweig–MacArthur模型

\frac{dN}{dt}=f(N,P)=r_0(1-\frac NK)N-ρ_{max}\frac{N}{k+N}P,

\frac{dP}{dt}=g(N,P)=(\gammaρ_{max}\frac{N}{k+N}-u)P.

其ZNGI为,

(k+N^*)r_0(1-\frac {N^*}{k})=ρ_{max}P^*,

\gammaρ_{max}\frac{N^*}{k+N^*}=u.

平衡点为,

N^*=\frac{uk}{\gamma \rho_{max}-u},

P^*=\frac{r_0}{\rho_{max}}(1-\frac{N^*}{K})(k+N^*)=\frac{\gamma r_0k}{\gamma\rho_{max}-u}(1-\frac{uk}{(\gamma\rho_{max}-u)K}).

因而,

\frac{∂f}{∂N}=(1-\frac{2N}{K})r_0-\rho_{max}P\frac{k}{(k+N)^2},

\frac{∂f}{∂P}=-\rho_{max}\frac{N}{k+N},

\frac{∂g}{∂N}=\frac{P\gamma\rho_{max}k}{(k+N)^2},

\frac{∂g}{∂P}=\gamma\rho_{max}\frac{N}{k+N}-u.

代入平衡点(N^*,P^*)的值,可得,

(\frac{∂f}{∂N})^*=\frac{-\gamma\rho_{max}k+\gamma\rho_{max}K-uk-uK}{\gamma\rho_{max}K}r_0u,

(\frac{∂g}{∂N})^*=\frac{\gamma\rho_{max}K-uK-uk}{K}·\frac{r_0}{\rho_{max}},

(\frac{∂f}{∂P})^*=-\frac{u}{\gamma},

(\frac{∂g}{∂P})^*=0.

(N^*,P^*)为稳定点,则,

\begin{equation}\begin{cases} (\frac{∂f}{∂N_1})^*+(\frac{∂g}{∂N_2})^*<0 \\(\frac{∂f}{∂N_1})^*(\frac{∂g}{∂N_2})^*-(\frac{∂f}{∂N_2})^*(\frac{∂g}{∂N_1})^*>0  \end{cases}\end{equation}

即,

\begin{equation}\begin{cases}\gamma\rho_{max}K-uK-uk>0\\\gamma\rho_{max}K-\gamma\rho_{max}k-uk-uK</p><p>进一步可简化为,</p><p><img class=

注意到N^*=\frac{K-k}{2}刚好是二次函数P^*=\frac{r_0}{\rho_{max}}(1-\frac{N^*}{K})(k+N^*)取最大值时自变量的值。

此为Rosenzweig–MacArthur模型具有稳定平衡点的条件。但该模型的相位曲线比较难求解,因而弛豫时间比较难计算。其实,当该模型不具有稳定平衡点时,模型会产生极限环,但极限环也同样很难求解析解。

二、极限环

研究极限环的难点在于它很难求出来,不像平衡点那样,直接通过联立几个ZNGI的方法求出。一旦求出极限环后,判断其稳定性反而相对较容易。

2.1  极限环是否存在

对于自治系统(1),首先求出其平衡点。只有在平衡点的邻域才有可能出现极限环。假定某个平衡点\textbf x^*=(x_1^*,..,x_n^*)附近存在极限环:

g(\textbf x)=g(x_1,x_2,...,x_n)=0

那么就意味着有:

\text dg(\textbf x)/\text dt=0,\quad \text d^2g(\textbf x)/\text dt^2=0

V(\textbf x)=[g(\textbf x)-g(\textbf x^*)]^n,可以证明,

\text dV(\textbf x)/\text dt=0,\quad \text d^2V(\textbf x)/\text dt^2=0

这样,找到极限环的关键就在于找到一个函数V(\textbf x)\geq 0,使得其对t的一阶导数和二阶导数均为0。即:

「定理」  系统(1)的稳定点\textbf x^*=(x_1^*,..,x_n^*)附近存在极限环 ⇔ 存在V(\textbf x)=V(x_1,...,x_n)\geq 0,使得\text dV(\textbf x)/\text dt=0,\quad \text d^2V(\textbf x)/\text dt^2=0

g(\textbf x)-g(\textbf x^*)\geq 0,则n可以取1,此时的V(\textbf x)可以形象地理解成是相点所在极限环的“半径”函数。而\text dV(\textbf x)/\text dt=0可以理解为“极限环的半径不变”。

2.2  极限环是否稳定

假设自治系统(1)存在极限环g(\textbf x)=0,该极限环包含平衡点\textbf x^*=(x_1^*,..,x_n^*),极限环对应“半径”函数为V(\textbf x),则:

g(\textbf x)=0外稳定 ⇔ 在极限环外侧\text dV(\textbf x)/\text dt<0,\quad \text d^2V(\textbf x)/\text dt^2>0

g(\textbf x)=0外不稳定 ⇔ 在极限环外侧\text dV(\textbf x)/\text dt>0,\quad \text d^2V(\textbf x)/\text dt^2>0

g(\textbf x)=0内稳定 ⇔ 在极限环内侧\text dV(\textbf x)/\text dt>0,\quad \text d^2V(\textbf x)/\text dt^2</p><p><img class=内不稳定 ⇔ 在极限环内侧\text dV(\textbf x)/\text dt<0,\quad \text d^2V(\textbf x)/\text dt^2<0

g(\textbf x)=0同时外稳定、内稳定,则它为稳定极限环(stable limit cycle);若g(\textbf x)=0内外均不稳定,则它为不稳定极限环(unstable limit cycle);若g(\textbf x)=0外稳定、内不稳定,或者内稳定、外不稳定,则它为半稳定极限环(semi-stable limit cycle)。

g(\textbf x)=0为中性稳定中心(neutrality-stable center) ⇔ 在极限环内外两侧都有\text dV(\textbf x)/\text dt=0,\quad \text d^2V(\textbf x)/\text dt^2=0

2.3  案例:教科书案例

\dot{x_1}=x_2+k_1x_1(x_1^2+x_2^2-\beta^2)

\dot{x_2}=-x_1+k_2x_2(x_1^2+x_2^2-\beta^2)

其中x_1,x_2∈\textbf R。则(0,0)是该系统的平衡点。对应于该点的极限环为

g(x_1,x_2)=x_1^2+x_2^2-\beta^2=0(问题是,对于形式繁杂的系统而言,就很难猜出其极限环在哪里,因此这步很难)

因而,g(x_1,x_2)-g(0,0)=x_1^2+x_2^2,它刚好必然大于0,故取n=1V(x_1,x_2)=x_1^2+x_2^2,可以发现,

\frac {dV(x_1,x_2)}{dt}=2(x_1^2+x_2^2-\beta^2)(k_1x_1^2+k_2x_2^2)

\frac{d^2V(x_1,x_2)}{dt^2}=4(x_1^2+x_2^2-\beta^2)[2k_1x_1^4+2k_2x_2^4+(k_1+k_2)^2x_1^2x_2^2-\beta^2(k_1^2x_1^2+k_2^2x_2^2)]

可以判断,若取k_1=k_2=1g(x_1,x_2)=0不稳定;若取k_1=k_2=-1g(x_1,x_2)=0稳定。

2.4  案例:Lotka–Volterra模型

\begin{equation}\begin{cases}\dot{x}=kx-axy\\\dot{y}=-ly+bxy \end{cases}\end{equation}

其中,x,y,k,a,l,b>0,平衡点为x^*=l/b,\ y^*=k/a

用分离变量法求其积分曲线,得:

g(x,y)=bx+ay-l\ln x-k\ln y+C=0

则,

g(x,y)-g(x^*,y^*)=bx+ay-l\ln x-k\ln y-(l+k-l\ln\frac lb-k\ln\frac ka)

它恒为正数。因而取V(x,y)=g(x,y)-g(x^*,y^*),计算可得

\frac {dV(x,y)}{dt}=0,\quad \frac{d^2V(x,y)}{dt^2}=0

因此,即使在极限环内外两侧的邻域,V(x,y)也均为0,故g(x,y)=0是中性稳定中心。

有关极限环如何求解这一问题依然所知甚少,欢迎交流。

参考文献

Ghaffari, A., Tomizuka, M. & Soltan, R.A. The stability of limit cycles in nonlinear systems. Nonlinear Dyn 56, 269–275 (2009). https://doi.org/10.1007/s11071-008-9398-3.

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容