Фазовый портрет для студента — это не сухая картинка в учебнике, а живой «портрет» поведения системы во времени: куда бегут траектории, какие состояния притягивают, какие отталкивают, какие вызывают колебания. Представьте себе ландшафт с холмами и долинами: частицы (состояния системы) катятся по этому рельефу, иногда останавливаются в ямах, иногда бесконечно колеблются вокруг вершины. Фазовый анализ помогает понять этот рельеф и предсказать судьбу системы, не решая уравнения в явном виде. В доступной и практичной форме разберём, как строить фазовый портрет, как определять устойчивость равновесий и какие простые инструменты помогают делать это быстро и надёжно.
Начнём с простых примеров, чтобы почувствовать идею. Если у вас одна переменная x и уравнение dx/dt = ax, ответ очевиден: при a 0 — расходятся, при a = 0 остаются постоянными. Это линейная система, и её фазовый «портрет» на оси — точка (равновесие) с направлением стрелок к ней или от неё. В многомерной ситуации (наиболее интересна плоскость, 2D) картина становится богаче: у нас могут быть узлы, седла, фокусы, центры и даже замкнутые траектории (периодические решения). Чтобы тут не потеряться, рассмотрим пошагово практический алгоритм построения фазового портрета на плоскости и параллельно пройдём через несколько конкретных примеров.
Алгоритм выглядит так: 1) найти все равновесия (фиксированные точки) — решения f(x, y) = 0, g(x, y) = 0; 2) линеаризовать систему в окрестности каждой фиксированной точки, вычислить якобиан и его собственные значения; 3) по собственной структуре классифицировать тип равновесия (узел, седло, фокус, центр) и его линейную устойчивость; 4) дополнительно построить изоклины/нулевые линии и направление в отдельных точках, чтобы понять глобальную картину; 5) при необходимости использовать нелинейные методы (Ляпуновские функции, анализ фазовых кривых) и аппроксимации, особенно когда линеаризация не даёт ответа (например, для центра или при нулевых собственных значениях). Рассмотрим каждый шаг подробнее и на примерах.
Пример 1. Простая линейная система. Пусть dx/dt = ax + by, dy/dt = cx + dy. Якобиан J = [[a, b], [c, d]]. Собственные значения λ находятся из характеристики det(J − λI) = 0, т.е. λ^2 − (a + d)λ + (ad − bc) = 0. Тrace = a + d и det = ad − bc определяют всё: если det 0 и trace 0 и trace > 0 — неустойчивый; если det > 0 и trace = 0 — возможен центр; если комплексные корни с отрицательной действительной частью — устойчивый фокус (закручиваются к равновесию). Это полезно запомнить как «детерминант задаёт тип (седло или нет), след — знак устойчивости». Пример: J = [[−1, 10], [−10, −1]] даёт det = 1 + 100 = 101 > 0, trace = −2 0 — 0 неустойчив. В x = K производная −r 0) и к K, так что все положительные начальные условия стремятся к K.
Более интересна 2D система Лотка–Вольтерра: dx/dt = αx − βxy, dy/dt = −γy + δxy (x — жертва, y — хищник). Два равновесия: (0,0) и (γ/δ, α/β). Линеаризация в ненулевом даёт собственные значения чисто мнимые (в классическом случае без затухания): система даёт нейтральные циклы — центр. Проведя фазовый анализ (нулевые линии x’ = 0: x(α − βy) = 0 → y = α/β; y’ = 0 → x = γ/δ
