时变系统导论：变化世界中的动力学

玻尔百科

核心要点

时变（LTV）系统的行为取决于绝对时间，而时不变（LTI）系统仅取决于经过的时间。
适用于LTI系统的常规分析工具，如卷积和传递函数，对LTV系统无效；LTV系统需要使用双变量脉冲响应 $h(t, \tau)$ 。
对于非线性时变系统，其线性化近似的稳定性必须是均匀指数稳定的，才能保证原非线性系统的局部稳定性。
时变模型对于准确描述从工程控制、化学反应到遗传进化等不同领域的动态现象至关重要。

引言

在许多科学和工程领域，我们依赖一个简化假设：控制系统的基本定律不随时间改变。今天进行的实验应该与明天得到相同的结果。这种时不变性原则提供了巨大的预测能力。然而，我们所处的世界很少如此恒定。火箭在燃烧燃料时质量会减少，生物细胞会适应其环境，经济体会对变化的政治气候做出反应。这些都是时变系统，其游戏规则在游戏进行中发生改变。理解这种动态行为至关重要，因为标准的分析工具常常力不从心。本文旨在应对这一挑战，全面概述时变系统。第一部分“原理与机制”将解构时变性的数学基础，探索如何描述和分析流变中的系统。随后，“应用与跨学科联系”将展示这些概念在理解工程、自然科学和复杂系统等领域的真实世界现象中所起的关键作用。

原理与机制

设想你身处一个完全安静、静止的房间。如果你拍手，会有一声清脆的声音回响并逐渐消失。如果你等十秒钟再拍一次手，你会听到完全相同的回声，只是在时间上有所平移。那个房间里的声学定律——声音如何反射和衰减——是恒定的。它们是时不变的。时不变性原则是物理学和工程学的基石。它让我们相信，今天做的实验会和明天做的同一个实验产生相同的结果。它赋予我们基于一个简单而优雅的思想进行预测的能力：游戏规则不会改变。

但如果房间本身在变化呢？如果墙壁在慢慢向内靠拢，或者一扇反光的窗户正被厚窗帘遮住？现在，某个时刻的拍手声可能与十秒后的拍手声大相径庭。游戏规则在游戏进行中正在改变。欢迎来到时变系统的世界。这并非某种深奥的例外；它才是常态。这是一个火箭燃烧燃料变轻的世界，一个生物细胞适应环境的世界，一个经济体响应变化政治气候的世界。我们在本章的目标是深入探究这些迷人系统的内部，看看为什么我们旧有的工具时常失效，并发现理解一个流变世界所需的新颖、更强大的原理。

变化的特性：何为时变系统？

为了掌握这个概念，我们需要更精确一些。让我们将系统看作一个黑箱，一个我们可以称之为 $T$ 的算子，它接收一个输入信号 $u(t)$ ，并产生一个输出信号 $y(t)$ 。因此， $y(t) = T(u(t))$ 。我们再定义一个“移位”算子 $S_{\tau}$ ，它将信号延迟一个量 $\tau$ 。所以， $(S_{\tau}u)(t) = u(t-\tau)$ 。

如果延迟输入只会使输出延迟相同的量，而没有其他任何影响，那么该系统就是时不变的。用我们的新语言来说，这意味着对一个延迟的输入应用系统，与延迟原始输入的输出，会得到相同的结果。形式上，系统算子 $T$ 必须与任何延迟 $\tau$ 的移位算子 $S_{\tau}$ “交换”（commute）：

T(S_{\tau}u) = S_{\tau}(T(u))

如果这个性质成立，那么系统的行为就与绝对时间无关。如果它不成立，系统就是时变的（time-variant 或 time-varying）。

让我们看一个简单的例子来具体说明。假设一个麦克风的增益（放大倍数）正在被一个旋钮稳定地调高。我们设其输出电压 $y(t)$ 是输入声压 $u(t)$ 乘以时间 $t$ 。那么，系统是 $y(t) = t u(t)$ 。这是时不变的吗？我们来检验一下。

对于延迟的输入 $u(t-\tau)$ ，其输出为：

T(S_{\tau}u)(t) = t u(t-\tau)

现在让我们找出原始输出 $t u(t)$ ，并将其延迟 $\tau$ 。这意味着将输出表达式中的每个 $t$ 替换为 $(t-\tau)$ ：

S_{\tau}(T(u))(t) = (t-\tau) u(t-\tau)

显然， $t u(t-\tau)$ 与 $(t-\tau) u(t-\tau)$ 不同。两者是不一样的！系统的行为取决于绝对时间 $t$ 。它是时变的。这个旋钮被转动的简单放大器就是一个时变系统。其他例子还有很多：

一个以两倍速播放磁带的系统， $y(t) = x(2t)$ ，是时变的。如果你将输入延迟 $\tau$ ，输出是 $x(2t-\tau)$ 。但如果你延迟原始输出，你得到的是 $x(2(t-\tau)) = x(2t - 2\tau)$ 。不一样！
一个增益振荡的系统，如 $y(t) = \cos(t) x(t)$ ，也是时变的。

这个性质也是“会传染的”。如果你将一个表现良好的时不变系统与一个时变系统并联，那么组合后的系统几乎总是时变的。变化的本质似乎会渗透到它所触及的任何系统中。

机器中的幽灵：描述时变行为

对于一个线性时不变（LTI）系统，有一种极其简单的方法可以刻画其完整的“个性”。我们可以给它一个单一、尖锐的冲击——一个数学上的脉冲，即狄拉克δ函数 $\delta(t)$ ——并记录其响应。这个响应被称为脉冲响应， $h(t)$ 。LTI系统的美妙之处在于，知道 $h(t)$ 就可以求出对任何输入 $u(t)$ 的响应。输出是输入与脉冲响应的卷积：

y(t) = \int_{-\infty}^{\infty} h(t-\tau) u(\tau) d\tau

注意 $h(t-\tau)$ 的结构。系统的响应只取决于施加输入后经过的时间 $t-\tau$ 。这种简洁性引出了另一个奇迹：传递函数。通过对这个方程进行拉普拉斯变换，复杂的积分变成了简单的乘法： $Y(s) = H(s)U(s)$ ，其中 $H(s)$ 是 $h(t)$ 的拉普拉斯变换。这使我们能够使用简单的代数来分析系统，这是电气工程和控制理论的基石。

对于时变系统，这种美妙的简洁性被打破了。系统对脉冲的响应现在取决于脉冲是在何时施加的。在 $t$ 时刻对一个在 $\tau$ 时刻施加的脉冲的响应，由一个双变量脉冲响应 $h(t, \tau)$ 给出。输出不再是卷积：

y(t) = \int_{-\infty}^{t} h(t, \tau) u(\tau) d\tau

对经过时间 $t-\tau$ 的简单依赖性消失了。系统的“个性” $h(t, \tau)$ 以一种更复杂的方式同时依赖于当前时刻 $t$ 和过去时刻 $\tau$ 。这就是机器中的幽灵。正因为如此，不存在一个单一的传递函数 $H(s)$ 能够关联输入和输出的变换。代数捷径消失了。这不仅仅是数学上的不便，它反映了深刻的物理现实。LTI系统只能改变输入频率的幅度和相位。而LTV系统实际上可以创造出输入中不存在的新频率。

混乱中的秩序：驯服时变性

如果每个时变系统都任意混乱，我们将无法取得多大进展。但通常，变化中存在着模式。科学的进步就在于发现这种秩序。两个强大的思想使我们能够“驯服”时变性：寻找重复的模式和进行巧妙的近似。

变化的节奏：周期系统

有些系统会变化，但它们是周期性变化的。想象一个荡秋千的孩子。通过蹬腿，他们周期性地改变系统的质心和转动惯量。这是一个线性时变周期（LTP）系统。一个更正式的例子是马蒂厄方程（Mathieu equation），它描述了许多物理现象，包括椭圆形鼓膜的振动或参数激励振子的行为：

\ddot{x} + (1 + \epsilon \cos t) x = 0

这里，弹簧的“刚度” $(1 + \epsilon \cos t)$ 随时间周期性变化。法国数学家Gaston Floquet发现了这类系统的一个显著特性。尽管它们的解不是简单的正弦和余弦函数，但它们拥有一个优美的底层结构。弗洛凯理论（Floquet theory）告诉我们，这些系统的稳定性和行为由单值矩阵（monodromy matrix）决定，该矩阵描述了系统状态如何在一个完整周期内演化。它的特征值，即弗洛凯乘子（Floquet multipliers），告诉我们一切。

这种周期性的一个迷人后果是频率耦合。如果你将一个频率为 $\omega$ 的纯正弦波输入到一个以基频 $\omega_0$ 变化的LTP系统中，输出将不仅仅包含 $\omega$ 。它将包含一整个“梳状”的频率： $\omega$ 、 $\omega \pm \omega_0$ 、 $\omega \pm 2\omega_0$ 等等。该系统就像一个频率的棱镜，接收一个频率并将其分裂成多个。这就是像参数共振这类现象的数学灵魂——你可以通过在恰当的频率上调制系统参数来激励系统，就像荡秋千一样。

“冻结时间”技巧：缓变系统

如果系统不是周期的，只是变化得非常非常缓慢呢？这时我们可以使用物理学家最喜欢的工具：近似。我们可以在特定时刻 $t_0$ 对系统进行“快照”，并暂时假装它是一个时不变系统。这给了我们一个冻结时间传递函数， $H(\omega, t_0)$ 。

这个技巧何时有效？直观上，系统的变化必须比穿过它的信号慢。更准确地说，我们需要系统是欠扩展（underspread）的：它的时间变化应该足够慢，以至于在我们的信号持续时间内变化不大；并且它的“记忆”（延迟扩展）应该足够短，以至于不会模糊给定带宽的信号。当这些条件成立时，我们才能有意义地讨论像群延迟这样的局部、时变属性， $\tau_g(\omega, t) = -\frac{\partial}{\partial \omega} \arg\{H(\omega, t)\}$ 。这告诉我们以频率 $\omega$ 为中心的窄波包的包络在时间 $t$ 被系统延迟了多少。

这引出了一个有趣的谜题。我们知道因果系统不能在输入到达之前做出响应。人们可能天真地认为这意味着因果系统必须有正延迟。但事实并非如此！许多真实的因果系统（包括LTI和LTV）可以有负的群延迟。这意味着输出信号包络的峰值实际上可以在输入信号包络的峰值进入系统之前就离开系统。这并不违反因果律——输出脉冲的前沿绝不会先于输入脉冲的前沿——但它绝佳地说明了我们的直观概念必须通过严谨的数学来加以磨砺。

稳定与控制的流沙

也许时变性最深远的影响在于稳定性和控制的概念。对于LTI系统，这些是固定的、内在的属性。而对于LTV系统，它们本身变成了动态的概念，依赖于时间和历史。

何时能预测未来？能控性与能观性

能控性（Controllability）问的是：我们能否利用输入将系统从任意状态驱动到任何其他状态？能观性（Observability）问的是：我们能否仅通过观察其输出来确定系统的内部状态？

对于LTI系统，这些是“是/否”问题，可以通过对常数矩阵进行简单的秩检验（如Kalman或PBH检验）来回答。而对于LTV系统，这些检验会彻底失败 [@problem_id:2735396, @problem_id:2735935]。为什么？因为在单个时间点上检查系统是不够的。一个系统在时刻 $t_0$ 可能看起来是能控的，但它的参数可能立即改变，使其变得不能控。

对于LTV系统，正确的概念是在区间 $[t_0, t_f]$ 上的完全能控性。这个性质不仅仅是系统本身的，而是系统在一个时间窗口内的性质。为了检验它，我们必须计算能控性格拉姆矩阵（Controllability Gramian），这个矩阵有效地衡量了在整个区间内输入影响的“能量”。当且仅当该格拉姆矩阵是正定的，系统在该区间上才是能控的。这是一个复杂得多的概念，反映了我们控制一个变化中系统的能力取决于我们有多少时间来行动这一现实。

平衡的脆弱性：稳定性

最后，我们来谈谈稳定性。一个平衡点是稳定的吗？如果我们轻微地扰动系统，它会返回平衡状态，还是会飞向无穷大？

对于LTV系统，即使是这个问题也变得更加微妙。系统在所有时间点都同样稳定吗？这就是一致稳定性（uniform stability）的概念。对于一个时变系统，扰动可能会衰减，但衰减的速率可能随着时间的推移而越来越慢。然而，一个一致稳定的系统，无论扰动何时发生，都有一个保证的最小衰减率。这个性质被优美地体现在依赖于经过时间 $t-t_0$ 而非绝对时间 $t$ 的稳定性界限中。

这种区分不仅仅是学术上的；它关乎系统的生死。考虑一个时变系统，其线性化是稳定的，但不是一致指数稳定（UES）的。例如，像 $\dot{x} = -\frac{1}{1+t}x$ 这样的系统。其解为 $x(t) = \frac{1+t_0}{1+t}x(t_0)$ ，它会衰减到零。它是稳定的。但是衰减率 $\frac{1}{1+t}$ 在 $t \to \infty$ 时变得任意缓慢。现在，让我们向这个系统添加一个小的非线性项：

\dot{x}(t) = -\frac{1}{1+t}x(t) + \alpha x(t)^2

你可能会认为，对于足够小的初始扰动，稳定的线性部分会主导微小的非线性部分，系统将是稳定的。但你错了。正如所示，这个系统是剧烈不稳定的。对于任何微小的正初始条件，解都会在有限时间内爆炸到无穷大！

这是我们故事的点睛之笔。李雅普诺夫间接法（Lyapunov's indirect method）——即从线性化推断稳定性的原则——仅当线性化是一致指数稳定时，才对时变系统成立。简单的稳定性是不够的。线性部分必须是鲁棒稳定的，其衰减率不会随时间减弱，才能驯服非线性项持续的“纠缠”。周期系统是此规则的一个重要特例。由于其节律性，如果它们是指数稳定的，那么它们实际上就是一致指数稳定的。再一次，变化规则中的一点点秩序带回了一个令人愉快的确定性世界。

应对时变性迫使我们放弃简单的工具和舒适的直觉。但取而代之的是，我们发现了更深刻的原理和一幅更丰富、更动态的世界图景——在这个世界里，属性本身可以演化，而理解变化是预测和控制的关键。

应用与跨学科联系

在探讨了基本规则会随时间变化的系统原理之后，你可能会问自己：“这一切都很有趣，但它在现实世界中哪里会出现呢？”这是一个合理的问题。物理学家的乐趣不仅在于发现新规则，还在于看到单一规则如何照亮一片先前互不相干的现象。时变性的概念就是这样一个强大的透镜。它让我们超越了对宇宙的静态、“钟表般”的描述——比如一个以固定节奏摆动的完美钟摆——而进入了事物生长、适应和演化的更丰富、更动态的现实。

虽然一些系统，比如一个用于预测季节性需求的表现良好的统计过程，可以用恒定的规则和可预测的统计数据完美建模，但宇宙的大部分内容都拒绝静止不动。规则本身通常是用铅笔而非石头写成的。让我们在几个领域中进行一次旅行，看看应对时变性为何不仅仅是一项数学练习，而是理解世界的一个先决条件。

工程师的世界：驯服流沙

工程师或许比任何人都更生活在一个时变的世界里。他们必须建造机器和设计系统，使其不是在完美、不变的实验室中，而是在混乱、不可预测的现实世界里可靠地工作。

考虑现代控制理论。许多复杂系统被设计为在不同模式下运行。例如，汽车的自动变速器就是一个经典的切换系统。发动机转速与车轮运动之间的关系由不同的方程组控制，具体取决于挂入哪个档位。系统的动力学矩阵，我们称之为 $A_{q(t)}$ ，随着档位 $q(t)$ 的切换而实时改变。这就提出了一个根本性的挑战：当系统的基本构成在不断变化时，我们还能有效地观测和控制它吗？回答能观性问题——我们能否仅从车轮的行为推断出发动机的状态？——需要我们考虑所有可能的切换情况。

时变性可能更加微妙。想象一个设备，其内部参数不是固定的，而是一个随机过程的一部分。例如，一个放大器的增益可能会随机波动。如果这种波动的统计特性本身随时间变化——比如说，早上增益水平之间的切换频率比晚上高——那么这个系统就从根本上是时变的。控制系统行为的规则在其统计结构中就编织了时间依赖性。

或者想想一个更常见的经历：在拥堵的网络上进行视频通话。延迟，即信号传播所需的时间，不是恒定的。它会抖动，产生一个时变延迟 $d(t)$ 。如果这个延迟变化太快，它可能会破坏整个系统的稳定，导致画面冻结和声音混乱。鲁棒控制理论提供了强大的工具，如小增益定理，来分析这类问题。它允许工程师精确确定一个系统在变得不稳定之前能容忍多大的延迟变化，提供一个取决于延迟变化率 $|d'(t)|$ 而不仅仅是其最大值的稳定性保证。

即使一个看起来像通过选择每三个采样点来创建音频片段“缩略图”这样简单的过程，即由 $y[n] = x[3n]$ 描述的下采样过程，结果也是时变的。输入信号的移位并不会简单地导致输出的相应移位。然而，通过正确的视角分析，我们可以证明这个简单的时变操作是完全稳定的，意味着有界输入将始终产生有界输出。

自然世界：一曲生成交响乐

自然是终极的时变系统。从分子的微观舞蹈到演化的宏大画卷，规则总是在不断变化、响应和适应。

在化学中，许多现象只有通过理解其动态本质才能被领会。以腐蚀为例。当我们试图用电化学阻抗谱（EIS）等技术研究一块在盐溶液中腐蚀的合金时，我们是在试图为一个移动的目标拍摄快照。电极表面正在主动溶解，同时可能正在形成并剥落一层多孔的、非保护性的金属氢氧化物层。测量需要时间，而在此期间，系统物理上发生了变化。当数据未能通过一个关键的一致性检验，即Kramers-Kronig检验时，这种非平稳性就暴露了出来。这种失败不是实验误差；它正是我们希望理解的腐蚀过程本身的标志。

时变性可能更加内在。有些分子是“流变性的（fluxional）”，意味着它们的组成原子处于不断重排的状态。在低温下，我们可能会在核磁共振谱（NMR）中看到两个不同原子（比如一个有机金属配合物中的两个磷原子）的清晰信号。但随着温度升高，原子们开始如此迅速地交换位置，以至于我们的仪器再也无法区分它们。它只能看到一个时间平均后的模糊图像。两个尖锐的信号变宽、合并，最终合而为一。这个聚结温度是窥探分子内部动力学的一个窗口，使我们能够计算出这种分子内交换的能垒。我们观察到的“系统”在我们观察的时间尺度上是变化的。

这个主题在量子物理学中得到呼应。量子系统中能级之间的间距很大程度上揭示了其基本性质。对于一些简单系统，这些能级是随机出现的，就像沿一条直线均匀散布的标记。但对于许多其他系统，能级的平均密度随能量而变化。这可以被建模为一个非平稳泊松过程，其中事件的“速率”或强度 $\lambda(E)$ 是能量 $E$ 的一个函数。这就像对着一个密度从中心到边缘变化的靶子扔飞镖。这使得物理学家能够预测在能级间距规则不均匀的系统中第一激发态的期望能量等性质。

还有什么比进化本身更宏大的时变过程的例子呢？许多遗传进化模型都假设一个平衡状态，其中DNA碱基（A、C、G、T）的频率随时间稳定。但是，如果一个谱系正处于定向选择之下呢？例如，适应高温环境的细菌通常表现出G和C碱基比例的持续增加，因为它们形成更强的化学键，使DNA更稳定。这种定向转变意味着进化过程不是平稳的；基因组的统计特性正在随时间变化。这违反了简单模型的一个关键假设，即在平衡状态下，任何两种碱基之间的净替换流为零。认识到这种非平稳性对于准确重建生命之树至关重要。

复杂系统：当参与者改写规则

也许时变系统最迷人的例子出现在复杂自适应系统中，在这些系统中，组件的行为改变了系统本身的结构。

考虑全球金融体系。它可以被看作是由信贷关系连接起来的机构网络。一个简单的模型可能假设这个网络是固定的。但实际上，这个网络是活的。银行 $i$ 在时间 $t$ 贷款给银行 $j$ 的概率，我们称之为 $p_{ij}(t)$ ，并不是恒定的。它取决于银行 $j$ 的感知风险。如果银行 $j$ 的波动性增加，其他银行可能会切断其信贷额度。网络结构本身会响应其节点的状态而改变。参与者在游戏进行中正在改写游戏规则。这种时变连通性正是金融冲击得以传播和放大，导致连锁失败或“传染”的机制。

从机器人手臂的控制到生命的演化以及我们经济的稳定，时变性的概念并非一个深奥复杂的难题，而是问题的核心所在。它迫使我们放弃静态、钟表般宇宙的安逸想法，去拥抱一个更具挑战性，但远为更美丽和准确的、一个处于不断生成状态的世界图景。