1. 研究对象：一个周期驱动的 logistic 型方程

书上的例子是

$$\dot{x} = (1-x)x - h\bigl(1-\sin(2\pi t)\bigr), \qquad h \ge 0.$$

这里有两个部分：

• $(1-x)x$：标准 logistic 增长项。
• $-h(1-\sin(2\pi t))$：周期驱动项。

因为 $\sin(2\pi t)$ 的周期是 $1$，所以右端满足

$$f(t+1,x) = f(t,x).$$

这就是一个 1-周期非自治系统。

---

2. 我们真正想研究什么

对于这种系统，最自然的问题不是“能不能解出来”，而是：

1. 有没有 $1$-周期解？
2. 周期解最多能有几个？
3. 如果有两个，它们分别稳定还是不稳定？
4. 一般初值的解，会不会被某条周期解吸引？
5. 参数 $h$ 增大时，会不会有某个临界值让周期解消失？

这些问题看起来都不像“显式解问题”，更像“全局行为与结构问题”。 这就是为什么它开始有动力系统 / research 的味道。

---

3. 第一个关键对象：流映射 $\phi(t,x)$

设

$$\phi(t,x)$$

表示：在 $t=0$ 以初值 $x$ 出发，经过时间 $t$ 后解的取值。

所以：

• $\phi(0,x)=x$
• $\phi(1,x)$：表示 $1$ 个周期后的位置
• $\phi(n,x)$：表示 $n$ 个周期后的位置

---

4. Poincare 映射：一周期后你落在哪里

定义

$$P(x) = \phi(1,x).$$

这就是 Poincare 映射。

它的意思非常朴素：

从时刻 $t=0$ 的位置 $x$ 出发， 跑完整整一个周期以后，你会到哪里？

这就把一个连续时间系统压缩成了一个离散迭代：

$$x,\; P(x),\; P^2(x),\; P^3(x),\; \dots$$

其中

$$P^n(x)=\phi(n,x).$$

也就是说，迭代 $P$，本质上就是每隔一个周期“频闪观察”系统一次。

---

5. 为什么周期解对应于 Poincare 映射的不动点

这一步是整个理论的基础。

如果某个初值 $x_0$ 对应的解是 $1$-周期的，那么它满足

$$\phi(t+1,x_0) = \phi(t,x_0), \qquad \forall t.$$

特别取 $t=0$，得到

$$\phi(1,x_0) = \phi(0,x_0) = x_0.$$

也就是

$$P(x_0)=x_0.$$

反过来，如果 $P(x_0)=x_0$，也就是

$$\phi(1,x_0)=x_0,$$

那么考虑函数 $t \mapsto \phi(t+1,x_0)$。由于方程对时间是 $1$-周期的，这个函数也满足同一个微分方程。而它在 $t=0$ 时的初值是

$$\phi(1,x_0)=x_0=\phi(0,x_0).$$

由初值问题的唯一性，得到

$$\phi(t+1,x_0)=\phi(t,x_0), \qquad \forall t.$$

所以它就是一条 $1$-周期解。

因此：

$$\boxed{\text{1-周期解} \iff \text{Poincare 映射 } P \text{ 的不动点}}$$

这特别漂亮：连续时间里的周期轨道，被压缩成了一个一维映射的不动点问题。

---

6. 更进一步：逼近周期解 = 迭代 $P$ 收敛到不动点

这一点是我今天最喜欢的地方之一。

我们当然不只想知道“有没有周期解”，更想知道：

一般解会不会趋向某个周期解？

现在有了 $P$，这个问题自然就变成：

$$P^n(x) \text{ 会不会收敛到某个不动点？}$$

因为如果

$$P^n(x)\to x_*,$$

而 $P$ 连续，那么

$$P(x_*)=x_*,$$

所以 $x_*$ 一定是不动点，也就对应一条周期解。

而且不只是整数时刻。对任意 $s\in[0,1]$，有

$$\phi(n+s,x)=\phi\bigl(s,\phi(n,x)\bigr)=\phi\bigl(s,P^n(x)\bigr).$$

如果 $P^n(x)\to x_*$，那么由解对初值的连续依赖，

$$\phi(n+s,x)\to \phi(s,x_*).$$

而 $\phi(s,x_*)$ 正是那条 $1$-周期解上的点。

所以：

连续时间轨道趋于一条周期解 等价于 离散迭代 $P^n(x)$ 趋于对应的不动点。

这真的是一个非常漂亮的降维 / 降复杂度过程。

---

7. 研究 $P$ 的第一步：它是递增的

现在的问题是：我们根本不知道 $P$ 长什么样。 那怎么分析它？

书里的做法是对初值求导。

令

$$\theta(t,x)=\frac{\partial}{\partial x}\phi(t,x).$$

原方程是

$$\dot{\phi}=(1-\phi)\phi-h\bigl(1-\sin(2\pi t)\bigr).$$

对初值 $x$ 求导，得到变分方程

$$\dot{\theta}=(1-2\phi)\theta, \qquad \theta(0,x)=1.$$

这是一个线性方程，可以直接解：

$$\theta(t,x)=\exp\left(\int_0^t (1-2\phi(s,x))\,ds\right).$$

于是取 $t=1$，得到

$$P'(x)=\theta(1,x)=\exp\left(1-2\int_0^1 \phi(s,x)\,ds\right)>0.$$

因此

$$\boxed{P'(x)>0}$$

也就是说：

$$\boxed{P \text{ 是严格递增函数。}}$$

直觉

这意味着：

初值大的解，一周期后仍然更大。

这和一维 ODE 解轨道不相交的直觉一致。 从相线上看，解不会“交换顺序”。

---

8. 第二步：它还是严格凹函数

继续对 $P'(x)$ 求导，书上得到

$$P''(x)=-2\left(\int_0^1 \theta(s,x)\,ds\right)P'(x)<0.$$

因为：

• $\theta(s,x)>0$
• $P'(x)>0$

所以整个表达式是负的。

于是

$$\boxed{P''(x)<0}$$

也就是说：

$$\boxed{P \text{ 是严格凹函数。}}$$

这意味着什么

在一维里，“递增 + 凹”是一个非常强的几何限制。

因为现在要找周期解，就是找

$$P(x)=x$$

也就是 $P$ 与直线 $y=x$ 的交点。

而一个严格凹函数与一条直线最多只有两个交点。 于是得到：

$$\boxed{\text{1-周期解至多有两个。}}$$

这一点非常爽：根本没解方程，只是看 $P$ 的凹性，就得到周期解的数量上界。

---

9. 第三步：看参数 $h$ 怎么影响 $P$

如果想研究分岔，必须看 $h$ 改变时 $P$ 怎么变。

定义

$$\psi(t,x)=\frac{\partial}{\partial h}\phi(t,x).$$

对原方程关于 $h$ 求导，得到

$$\dot{\psi}=(1-2\phi)\psi-\bigl(1-\sin(2\pi t)\bigr), \qquad \psi(0,x)=0.$$

解这个线性方程，可得

$$\psi(t,x) =-\int_0^t \exp\left(\int_s^t (1-2\phi(r,x))\,dr\right) \bigl(1-\sin(2\pi s)\bigr)\,ds <0.$$

于是取 $t=1$，得到

$$\frac{\partial}{\partial h}P_h(x)<0.$$

也就是说：

$$\boxed{h \text{ 增大时，} P_h(x) \text{ 整体向下移动。}}$$

---

10. 当 $h=0$ 时：起始图像

当 $h=0$，方程退化成普通 logistic：

$$\dot{x}=(1-x)x.$$

这时可以显式算出

$$P_0(x)=\frac{e x}{1+(e-1)x}.$$

它有两个不动点：

$$x_1=0, \qquad x_2=1.$$

所以在 $h=0$ 时，已有两个 $1$-周期解，事实上就是常值解。

---

11. 随 $h$ 增大：发生什么

现在综合前面的信息：

• $P_h$ 严格递增；
• $P_h$ 严格凹；
• $P_h$ 随 $h$ 增大整体下移。

于是几何上很清楚：

小 $h$

$P_h$ 与 $y=x$ 有两个交点。 所以有两个周期解。

某个临界值 $h_c$

两个交点并合成一个切点。

大于临界值

曲线整体压到 $y=x$ 下方，不再有交点。 于是没有周期解。

这就是一个非常标准的 鞍结分岔（saddle-node bifurcation） 图像。

---

12. 若 $h>h_c$：所有解都趋于 $-\infty$

因为这时对所有 $x$，都有

$$P(x)<x.$$

所以迭代序列

$$x,\; P(x),\; P^2(x),\; \dots$$

严格下降。

如果它有下界，那么极限必须满足 $P(x_*)=x_*$，也就是是不动点。 但现在没有不动点，所以不可能。

因此

$$P^n(x)\to -\infty.$$

也就是说：每过一个周期，状态都被往下推，最终所有解都掉到 $-\infty$。

---

13. 若 $h<h_c$：两个不动点的动力学含义

设此时有两个不动点

$$x_1<x_2.$$

由于 $P$ 递增且凹，标准一维几何告诉我们：

• 在 $(x_1,x_2)$ 上，$P(x)>x$，所以迭代会往上推。
• 在 $(x_2,+\infty)$ 上，$P(x)<x$，所以迭代会往下推。
• 因此所有 $x>x_1$ 的初值都会被推向 $x_2$。

另一方面，若 $x<x_1$，则仍有

$$P(x)<x,$$

所以迭代持续下降，最终趋于 $-\infty$。

因此：

$$\lim_{n\to\infty}P^n(x)= \begin{cases} x_2, & x>x_1, \\ x_1, & x=x_1, \\ -\infty, & x<x_1. \end{cases}$$

也就是说：

• $x_2$ 对应的周期解是稳定的。
• $x_1$ 对应的周期解是不稳定的。
• 下方初值不会被周期解吸引，而是发散到 $-\infty$。

---

14. 从整数时刻提升回连续时间

我们刚才分析的是

$$P^n(x)=\phi(n,x),$$

也就是整数时刻。

但因为解对初值连续依赖，而

$$\phi(n+s,x)=\phi(s,P^n(x)), \qquad s\in[0,1],$$

所以若 $P^n(x)\to x_2$，便有

$$\phi(n+s,x)\to \phi(s,x_2).$$

换句话说：

不只是每个整周期的采样点趋于 $x_2$， 整条连续时间轨道都会渐近于由 $x_2$ 生成的那条 $1$-周期轨道。

这就把离散结论重新翻译回连续时间。

---

15. 这一节真正让我觉得“有 research 味”的地方

我觉得不是因为这里用了什么高深技巧，而是因为它体现了一种非常像 research 的工作流：

Step 1

不直接算解，而是先问：什么对象能更好地压缩这个问题？

答案：Poincare 映射 $P$。

Step 2

周期解问题被转成不动点问题。

Step 3

趋于周期解问题被转成迭代收敛问题。

Step 4

不去显式算 $P$，而是研究它的“中尺度性质”：

• 单调性
• 凹性
• 参数依赖

Step 5

由这些结构信息，推导出：

• 周期解最多两个
• 它们如何消失
• 哪个稳定哪个不稳定
• 一般解的长期命运

这真的很像一种“先找正确对象，再做结构分析”的思维，而不是硬算。

---

16. 我自己的理解：Poincare 映射是一种频闪动力学

如果用我自己更直观的话来说：

周期驱动系统每时每刻都在变化，不太好直接看； 但既然驱动每隔 $1$ 个单位时间重复一次， 那我就每隔 $1$ 个单位时间拍一张“快照”。

于是我得到的不是一个连续流，而是一个离散系统：

$$x_{n+1}=P(x_n).$$

这就像一种 频闪观察（stroboscopic view）。

从这个角度看：

• 周期轨道就是“每次拍照都回到原点”的状态。
• 趋于周期轨道就是“拍照序列收敛到某个定点”。
• 更复杂的行为也会在 $P$ 的离散动力学里显现出来。

这个想法很迷人，因为它明显不只适用于这一个 logistic 例子，而是一整类周期驱动系统的通用方法。

---

17. 结论

对周期方程

$$\dot{x}=(1-x)x-h\bigl(1-\sin(2\pi t)\bigr),$$

定义一周期 Poincare 映射

$$P(x)=\phi(1,x).$$

则：

1. $1$-周期解恰好对应 $P$ 的不动点。
2. 一般解是否趋于周期解，可通过研究 $P^n(x)$ 是否趋于某个不动点来判断。
3. $P$ 是严格递增且严格凹的，因此不动点至多两个。
4. 随参数 $h$ 增大，$P_h$ 整体下移，于是两个周期解在某个临界值并合消失。
5. 当 $h<h_c$ 时，上方周期解稳定，下方周期解不稳定；当 $h>h_c$ 时，所有解趋于 $-\infty$。

---

18. 最后一句

今天这节让我最开心的，不是“我学会了一个技巧”，而是第一次很明确地感到：

研究问题时，真正关键的往往不是硬算，而是找到一个更有结构的中层对象。

在这里，这个对象就是 Poincare 映射。

---

参考

• Chicone, C. Ordinary Differential Equations with Applications. 2nd ed., Springer, 2006. — Poincaré 映射的严格处理
• Strogatz, S. H. Nonlinear Dynamics and Chaos. 2nd ed., Westview Press, 2015. — 分岔理论的直观入门
• Guckenheimer, J. & Holmes, P. Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields. Springer, 1983. — 鞍结分岔的经典参考