常微分方程（十）：分岔理论

湖泊清澈几十年，一个夏天却突然变浑；电网平稳运行，几秒内却级联崩溃；钢柱在递增载荷下笔直挺立，直到突然弯折。

这不是预测失败，而是动力系统遵循分岔理论所刻画的固有规律：当参数越过临界值，相空间的拓扑结构发生突变，原本不可能的状态变为必然出现。本章的目标是分类这些“重排”，结果发现，范式屈指可数，掌握其特征后便能在各类系统中辨识它们。

什么是分岔？#

“Bifurcation”（拉丁文 furca = 叉子）由庞加莱在 1885 年前后提出。其直觉本质上是几何的：单参数系统 $\dot{x}=f(x,\mu)$ 的长期行为就像一幅随 $\mu$ 连续变化的图像。对大多数 $\mu$ 值而言，小幅扰动只会移动图像的位置，而不会改变其本质结构——平衡点数量、稳定性分配、周期轨道等均保持不变。这类 $\mu$ 被称为结构稳定。

分岔则恰恰相反：它发生在某个临界值 $\mu_c$ 处，此时图像的形状会在任意小的扰动下发生不连续的改变。新平衡点凭空出现，两个平衡点碰撞并湮灭，稳定焦点转变为极限环，或周期轨道的周期突然翻倍。

这种转变是定性的，而非定量的。水管缓慢变窄不算分岔，但水管突然爆裂——那才是典型的分岔现象。

一个有用的心智模型#

可以把 $f(x,\mu)$ 想象成一个依赖于 $\mu$ 的“地形”。平衡点对应坡度为零的位置，其稳定性则由该处的曲率决定。随着 $\mu$ 缓慢变化，地形会连续变形；但每当一座山丘被压平成鞍点，继而翻转为山谷的那一刻——那就是分岔。在两次分岔之间，地形只是被平滑地推来推去而已。

四种余维-1 范式#

分岔理论的一大奇迹在于：在任意单参数分岔附近，系统的动力学行为在局部上（经过光滑坐标变换后）都等价于仅有的四种标准方程之一。这些就是所谓的范式。

为何称“余维-1”？因为每种分岔恰好需要调节一个参数才能发生。若想让两种分岔同时出现，则需调节两个参数，依此类推。当你只转动一个旋钮时，最常碰到的就是余维-1 事件。

鞍-结点分岔（fold / 折叠）#

范式： $\dot{x} = \mu - x^2.$ 令 $\dot{x}=0$ 得 $x^* = \pm\sqrt{\mu}$ 。

线性化 $f_x = -2x$ 直接给出稳定性：在 $+\sqrt{\mu}$ 处 $f_x = -2\sqrt{\mu} < 0$ （稳定），在 $-\sqrt{\mu}$ 处 $f_x = +2\sqrt{\mu} > 0$ （不稳定）。这两个平衡点随着 $\mu$ 从负到正穿过 0 而成对诞生。

应用案例

• 激光器：泵浦电流低于阈值时，唯一稳态是“无光”；高于阈值后，相干发光态突然出现。“无光”态依然存在，但与新态共存。
• 神经元（I 类）：刺激电流低于阈值时，静息态是唯一平衡点；超过后，静息态与一个鞍点碰撞并消失，神经元开始持续放电。
• 湖泊从清变浑：随着营养盐负荷越过临界值，清水态的平衡点在鞍-结点折叠中消失。

折叠分岔的典型标志是湮灭前的双稳态：在 $\mu_c$ 略下方，两个平衡点共存；略上方，两者皆无。系统别无选择，只能跳向其他状态，往往剧烈而突然。

跨临界分岔#

范式： $\dot{x} = \mu x - x^2.$ 两个平衡点始终存在：$x^*=0$ 和 $x^*=\mu$ 。它们从不消失，只是在 $\mu=0$ 处交换稳定性。

这类分岔通常出现在系统因对称性或定义原因必须保留“平凡”状态（$x=0$ ）的情形中。

应用

• 流行病学：无病平衡点始终存在。当基本再生数 $R_0$ 越过 1（作为分岔参数），它将稳定性让渡给地方性流行平衡点——这正是跨临界分岔。
• 种群动力学：灭绝态总是平衡点。当环境质量参数越过某一阈值，灭绝态将稳定性移交给了正的共存态。
• 激光器（另一种模型）：“关闭”状态始终是不动点；在阈值处，它将稳定性让给激光发射态。

超临界叉型分岔#

范式： $\dot{x} = \mu x - x^3.$ 平衡点始终包含 $x^*=0$ ，且当 $\mu>0$ 时额外出现 $x^*=\pm\sqrt{\mu}$ 。平凡分支在此失稳，同时对称地诞生出两个新的稳定分支。

这是普适的对称性破缺分岔。方程在 $x \to -x$ 下不变，因此任何新平衡点都必须成对出现。在 $\mu_c$ 以下，系统停留在对称解上；超过 $\mu_c$ 后，它必须在两个同样合理的非对称解中做出选择。

亚临界叉型分岔（危险的那一种）#

范式： $\dot{x} = \mu x + x^3.$ 此时平凡分支失稳，却没有附近的稳定分支接住系统：当 $\mu<0$ 时，$x^*=0$ 稳定，另有两条不稳定的分支位于 $\pm\sqrt{-\mu}$ ；当 $\mu>0$ 时，只剩下不稳定的平凡分支，轨迹会飞向无穷远。

它在区间 $-\tfrac{1}{4} \le \mu \le 0$ 内同时存在大幅稳定分支和平凡稳定态。若缓慢增加 $\mu$ ，系统会在 $\mu=0$ 处突然跳至大振幅；而要让它跳回原状，必须将 $\mu$ 降低至 $-\tfrac{1}{4}$ 以下。这就是著名的滞后回路。

为什么这事关重大

• 欧拉屈曲：受压细长柱在临界载荷下发生超临界叉型分岔——它会小幅、可逆地向左或向右弯曲。
• 薄壳骤崩（圆柱壳的 von Karman 屈曲）：此处的叉型是亚临界的。壳体长时间保持笔直，随后砰然坍塌成严重变形的状态。这正是航空航天工程师在计算屈曲载荷时采用 3–10 倍安全系数的原因。
• 铁磁体过居里点：表现为超临界叉型分岔，磁化强度随温度下降从零连续增长。
• 气候临界点：冰期与间冰期之间的跃迁常被建模为温度-反照率系统的亚临界叉型（或折叠）分岔。滞后窗口意味着：一旦系统“翻转”，仅将 CO$_2$ 浓度恢复至先前水平，并不足以使其回到原状态。

总结表#

Hopf 分岔：焦点孕育出环#

前面讨论的都是标量情形。第一个真正意义上的二维分岔是 Hopf 分岔（严格来说应称 Andronov-Hopf 分岔），它使得振荡能够凭空产生。

径向方程正是超临界叉型分岔的形式。因此：

• 当 $\mu \le 0$ 时，唯一吸引子是 $r=0$ ——一个稳定螺旋点；
• 当 $\mu > 0$ 时，原点变为不稳定螺旋点，周围环绕着一个稳定极限环，其半径为 $r=\sqrt{\mu}$ 。

原点处的 Jacobi 矩阵为 $\begin{pmatrix}\mu & -\omega \ \omega & \mu\end{pmatrix}$ ，特征值为 $\lambda = \mu \pm i\omega$ 。当 $\mu$ 从负侧穿过零时，这一对复共轭特征值横截地穿越虚轴——这正是 Hopf 条件。

Hopf 定理（Hopf, 1942） 设 $\mathbf{x}_0$ 是系统 $\dot{\mathbf{x}}=\mathbf{f}(\mathbf{x},\mu)$ 在 $\mu=\mu_c$ 处的平衡点，且其 Jacobi 矩阵具有一对复特征值 $\lambda(\mu) = \alpha(\mu) \pm i\beta(\mu)$ ，满足：

1. $\alpha(\mu_c)=0$ （特征值位于虚轴上），
2. $\beta(\mu_c)\ne 0$ （确为复数，非重零根），
3. $\alpha'(\mu_c)\ne 0$ （特征值对横截穿越虚轴，而非仅相切），

并假设三次第一 Lyapunov 系数 $\ell_1 \ne 0$ 。那么，在 $\mu_c$ 处会涌现出一族周期轨道，其周期约为 $2\pi/\beta(\mu_c)$ 。当 $\ell_1 < 0$ 时，极限环稳定（超临界 Hopf）；当 $\ell_1 > 0$ 时，极限环不稳定（亚临界 Hopf）。

亚临界 Hopf 是亚临界叉型分岔在周期轨道上的对应物：系统在分岔前毫无征兆，一旦越过临界点，便突然被抛向远处的吸引子。飞机机翼颤振、心律失常的突发、激光器的模式跳变，都是教科书级的亚临界 Hopf 案例。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import numpy as np
from scipy.integrate import odeint

def hopf(s, t, mu, omega=1.0):
    x, y = s
    r2 = x*x + y*y
    return [mu*x - omega*y - x*r2,
            omega*x + mu*y - y*r2]

t = np.linspace(0, 60, 6000)
sol = odeint(hopf, [0.05, 0.05], t, args=(0.4,))

余维与普适性#

一个分岔的余维 $k$ 指的是：要使其在参数空间中通用地发生，需要精确调节 $k$ 个独立参数。余维-1 事件在参数空间中形成曲线；余维-2 事件则出现在两条此类曲线相交的孤立点上。

常见的余维-2 分岔包括：

• 尖点（cusp）：两条鞍-结点曲线相切交汇。其展开形式为 $\dot{x} = \mu_1 + \mu_2 x - x^3$ ，其中包含一个由两条鞍-结点曲线围成的滞后区域。
• Bogdanov-Takens（BT）：对应双重零特征值。其展开式中，鞍-结点、Hopf 和同宿分岔曲线交汇于一点。当你在参数图中看到 Hopf 曲线与折叠曲线彼此靠近时，交汇处很可能存在一个 BT 点。
• Bautin（广义 Hopf）：第一 Lyapunov 系数在此过零，标志着超临界与亚临界 Hopf 的分界。此处极限环会发生“极限环的鞍-结点”分岔（saddle-node of cycles）。

这些分类之所以存在，其深层原因在于中心流形定理与范式方法：在余维-$k$ 分岔附近，只有少数几个变量（即中心方向）承载慢变动力学，其余变量都被它们“奴役”。经过多项式坐标变换后，慢变动力学可简化为普适的范式。正因如此，分岔理论才具有有限性——几乎像一张“元素周期表”。

全局分岔：远离平衡点的拓扑变化#

局部分岔仅重排相空间中某一点附近的结构。而全局分岔则在大尺度上重构相空间，通常通过重新连接不变流形实现。

同宿分岔#

一条从鞍点沿其不稳定流形出发，又沿其稳定流形返回同一鞍点的轨迹，称为同宿轨道。它仅在孤立的参数值下存在（属于余维-1 现象）。在同宿分岔附近，邻近的周期轨道周期可以任意长——轨道在鞍点附近“爬行”的时间越来越久。这导致普适的标度律：$T \sim -\log|\mu - \mu_c|$ 。

Shilnikov 定理指出：若存在一个通往鞍-焦点的同宿环，且其特征值满足特定比例条件，则其邻域内存在可数无穷多个不同周期的周期轨道——换句话说，系统表现出混沌。

异宿分岔#

思路类似，但轨道连接的是不同的鞍点。异宿环可产生极慢的振荡，每个鞍点附近都有近乎停滞的漫长阶段。这是神经回路中“无赢家竞争”（winnerless competition）的标准模型。

SNIC（不变圆上的鞍-结点）#

这是一种发生在闭合不变曲线上的鞍-结点分岔。在分岔点以下，该曲线被一对鞍-结点“切断”；越过临界点后，这对平衡点湮灭，曲线恢复为一个极限环。该极限环以无限周期诞生（系统在原平衡点位置极其缓慢地移动），其周期满足标度律 $T \sim 1/\sqrt{\mu_c - \mu}$ 。SNIC 是神经元从静息态进入放电态的第二种标准路径（I 类兴奋性），也是厄尔尼诺（El Niño）振子模型的关键机制。

通往混沌之路：周期倍化#

极限环自身也能发生分岔。最著名的路径是周期倍化级联：一个周期为 $T$ 的稳定极限环失稳，产生一个周期为 $2T$ 的稳定环；后者再倍化为 $4T$ ，接着是 $8T$ 、$16T$ ……这些倍化在某个有限参数值处累积，越过该点后系统进入混沌状态。

这个常数具有普适性——只要系统具有光滑的二次极大值，无论具体形式如何（如滴水水龙头、Rayleigh-Bénard 对流、电子电路），其周期倍化过程都受同一个 Feigenbaum 常数支配。

最简模型是 Logistic 映射 $x_{n+1} = r x_n(1 - x_n)$ ：

Sharkovsky 定理（1964）及其著名推论“周期 3 蕴含混沌”（Li-Yorke, 1975）完善了这一图景：任何具有周期-3 轨道的连续区间映射，必然拥有所有其他周期的轨道，以及不可数多条非周期轨道。

关于级联之后的混沌行为，详见 第 9 章 。

数值检测与延拓#

实践中，我们很少能获得解析形式的范式，通常面对的是一个向量场 $\mathbf{f}(\mathbf{x},\mu)$ ，需要绘制其随 $\mu$ 变化的分岔图。标准工具是延拓方法：

1. 追踪平衡分支：从一个已知平衡点出发，使用 Newton 法求解 $\mathbf{f}(\mathbf{x},\mu)=0$ ，逐步增加 $\mu$ 。为处理折叠（fold），采用伪弧长延拓：将分支按弧长参数化，而非按 $\mu$ ，使算法能够“拐弯”。
2. 监控 Jacobi 矩阵的特征值：实特征值穿越 0 标志着鞍-结点、跨临界或叉型分岔（需结合对称性和二阶系数区分）；复特征值对穿越虚轴则标志 Hopf 分岔。
3. 在分岔点切换分支：利用范式系数计算新分支的切向方向，从而启动对新生分支的追踪。

工业级工具包括：AUTO-07p（金标准，Fortran/C）、MATCONT（MATLAB）、PyDSTool 和 BifurcationKit.jl（Python/Julia）。对于研究级别的分岔分析，这些工具几乎是必需品；自行实现延拓算法不仅工作量大，而且极易出错。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

import numpy as np
from scipy.linalg import eigvals

def detect_bifurcations(f, fx, x_branch, mu_grid):
    """沿平衡分支追踪特征值穿越事件"""
    events = []
    prev = None
    for mu, x in zip(mu_grid, x_branch):
        eigs = eigvals(fx(x, mu))
        if prev is not None:
            # 实特征值穿越 -> 折叠/跨临界/叉型
            for a, b in zip(np.sort(prev.real), np.sort(eigs.real)):
                if a * b < 0 and abs(a.imag) + abs(b.imag) < 1e-8:
                    events.append({'kind': 'real_crossing', 'mu': mu})
            # 复对穿越 -> Hopf
            prev_pair = prev[np.iscomplex(prev)]
            curr_pair = eigs[np.iscomplex(eigs)]
            if prev_pair.size and curr_pair.size:
                if prev_pair[0].real * curr_pair[0].real < 0:
                    events.append({'kind': 'hopf', 'mu': mu,
                                   'omega': abs(curr_pair[0].imag)})
        prev = eigs
    return events

这一切意味着什么#

分岔理论最深刻的启示是：光滑的因果关系可以产生突变的结果，但仅通过少数几种规范机制。当你怀疑某个系统正逼近临界点时，可以提出一些具体的诊断问题：

• 即将发生哪种分岔？ 方差增大、扰动后恢复变慢（即临界减速）通常预示着折叠或叉型分岔；而振荡幅度增长则指向 Hopf 分岔。
• 是超临界还是亚临界？ 如果在接近临界点时系统呈现双稳态，那就是亚临界的，分岔后的跳跃将很大，且可能不可逆。
• 是否存在滞后？ 如果有，就不要假设反向调节参数就能恢复原状。
• 是否有早期预警信号？ 对于折叠分岔，小扰动的恢复速率在 $\mu \to \mu_c$ 时按普适标度 $\sim |\mu - \mu_c|^{1/2}$ 衰减至零。这一原理如今已被用于生态学、气候科学甚至流行病学中，以预测临界跃迁事件。

分类虽少，现象却无处不在。

总结#

• 分岔的定义：为何用拓扑而非数量描述
• 四种余维-1 范式：鞍-结点、跨临界、超临界叉型、亚临界叉型
• Hopf 分岔：复特征值穿越虚轴时极限环如何产生
• 亚临界分岔为何灾难性（跳跃+滞后），超临界分岔为何温和
• 全局分岔初探：同宿轨、SNIC，通往混沌的入口
• 余维与普适性：大自然为何偏爱同一套范式

前置知识：第 7–8 章稳定性理论与相平面分析，第 9 章 混沌词汇。

练习题#

1. 不完美叉型。证明 $\dot{x} = h + \mu x - x^3$ 在 $(\mu, h)$ 平面上存在一条鞍-结点分岔曲线，且在原点处形成尖点。分别绘制 $h>0$ 、$h=0$ 和 $h<0$ 时的分岔图。

2. $\dot{x} = \mu - x - e^{-x}$ 的分岔。通过隐式方程 $\mu = x + e^{-x}$ 求所有平衡点。证明在 $\mu_c = 1$ 、$x_c = 0$ 处存在鞍-结点分岔，并判断各分支的稳定性。

3. Logistic 倍化的数值实验。计算 Logistic 映射的倍化参数 $r_n$ （至 $n=6$ ）。利用 $\delta_n := (r_n - r_{n-1})/(r_{n+1} - r_n)$ 估计 Feigenbaum 常数。

4. $$ \dot{x} = x(1-x) - \tfrac{xy}{a+x},\quad \dot{y} = -dy + \tfrac{xy}{a+x}, $$

   找出共存平衡点发生 Hopf 分岔的参数组合，并通过数值方法判断其为超临界还是亚临界。

5. 带 $x^5$ 饱和项的亚临界叉型。对 $\dot{x} = \mu x + x^3 - x^5$ ，推导鞍-结点折叠发生的 $\mu = -1/4$ 位置及对应的滞后区间。绘制准静态升降 $\mu$ 时系统所经历的滞后回路。

下一步#

下一章面对工程中绕不开的现实：绝大多数 ODE 没有解析解。我们必须用数值方法。下一章从最朴素的 Euler 法讲起，然后是 Runge-Kutta、隐式方法、自适应步长。重点不是公式，而是「为什么需要更复杂的方法」——刚性方程、误差累积、长时间稳定性这些坑会反复出现。

参考文献#

• Strogatz, S. H. (2015). Nonlinear Dynamics and Chaos, 2nd ed. Westview / CRC. The single best entry point.
• Kuznetsov, Y. A. (2004). Elements of Applied Bifurcation Theory, 3rd ed. Springer. The reference for codimension-1 and -2 normal forms.
• Guckenheimer, J. & Holmes, P. (1983). Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields. Springer.
• May, R. M. (1976). “Simple mathematical models with very complicated dynamics.” Nature 261, 459–467.
• Scheffer, M. et al. (2009). “Early-warning signals for critical transitions.” Nature 461, 53–59.
• Doedel, E. & Oldeman, B. (2012). AUTO-07p Continuation Software for ODEs.

上一章: Chapter 9: Chaos Theory and the Lorenz System

下一章: Chapter 11: Numerical Methods for Differential Equations

本文是常微分方程系列（共 18 篇）的第 10 篇。