Lorenz系统同步误差的Lyapunov函数推导方法问询

我完全理解你的困惑——Lyapunov函数的构造确实是非线性系统分析里最“靠经验”也最让人挠头的部分之一，尤其是像Lorenz这种混沌系统，很多论文里直接甩出函数却跳过推导思路，新手摸不着头脑太正常了。

针对你研究的单坐标驱动的Lorenz系统同步问题，我可以给你梳理几个常用的Lyapunov函数构造思路，帮你理解论文里的函数是怎么来的：

第一步：先明确误差系统的结构 #

不管构造什么Lyapunov函数，第一步必须把误差系统的微分方程写清楚。假设你的驱动系统是标准Lorenz系统：

ẋ₁ = σ(y₁ - x₁)
ẏ₁ = ρx₁ - y₁ - x₁z₁
ż₁ = x₁y₁ - βz₁

响应系统是被驱动系统的某一坐标（比如x₁）驱动的，比如：

ẋ₂ = σ(y₂ - x₂) + u(x₁)
ẏ₂ = ρx₂ - y₂ - x₂z₂
ż₂ = x₂y₂ - βz₂

定义误差变量：$e_x = x₂ - x₁$，$e_y = y₂ - y₁$，$e_z = z₂ - z₁$，代入后展开误差系统的微分方程（注意处理交叉项，比如$x₂z₂ - x₁z₁$可以拆成$x₁e_z + z₁e_x + e_x e_z$），这是后续构造的基础。

常用的Lyapunov函数构造思路 #

1. 从加权二次型入手（最常用） #

Lorenz系统的误差方程里既有线性项，又有二次交叉项，正定二次型是最容易上手的候选函数，比如：
$$V(e) = \frac{1}{2}(a e_x^2 + b e_y^2 + c e_z^2)$$
其中$a,b,c$是正的待调系数，选择它们的核心是：让$V$的导数$\dot{V}$最终能凑成负定（或者半负定加额外条件）的形式。

具体操作是：

• 对$V$求导：$\dot{V} = a e_x \dot{e}_x + b e_y \dot{e}_y + c e_z \dot{e}_z$
• 代入误差系统的$\dot{e}_x, \dot{e}_y, \dot{e}_z$，展开所有项
• 整理后，通过调整$a,b,c$的取值，把交叉项（比如$e_x e_y$、$e_y e_z$）用不等式$ab \leq \frac{a^2 + b^2}{2}$转化为平方项的组合，最终让$\dot{V} \leq -k(e_x^2 + e_y^2 + e_z^2)$（$k>0$），满足指数收敛的条件。

比如很多Lorenz同步的论文里会用和系统参数绑定的加权二次型：
$$V(e) = \frac{1}{2}e_x^2 + \frac{1}{2\sigma}e_y^2 + \frac{1}{2\beta}e_z^2$$
这种选择就是为了在求导时能直接抵消掉一部分和$\sigma、\beta$相关的项，简化后续的整理工作。

2. 利用系统的有界性简化 #

Lorenz系统的轨迹是有界的——也就是说$x₁,y₁,z₁$的取值始终在某个有限范围内，这个特性可以帮你处理误差方程里的非线性交叉项。

比如当你展开$\dot{V}$后，会出现带$x₁、z₁$的交叉项（比如$-x₁e_y e_z$），因为$x₁$有界，你可以找到一个常数$M$使得$|x₁| \leq M$，然后用不等式把这些交叉项转化为可以被平方项吸收的形式，比如：
$$|x₁ e_y e_z| \leq M |e_y e_z| \leq \frac{M}{2}(e_y^2 + e_z^2)$$
这样就能把这些“不确定”的非线性项转化为可控的平方项，进而调整Lyapunov函数的系数让$\dot{V}$负定。

3. 参考领域内的通用技巧，模仿构造 #

Lyapunov函数的构造不是完全靠“瞎试”，混沌系统同步的领域里已经有很多成熟的构造范式。你可以找几篇同主题的经典论文，对比它们用的Lyapunov函数结构，会发现大多都是二次型的变种，只是系数根据驱动方式（单坐标、多坐标）做了调整。

比如单坐标驱动的场景，很多论文会在二次型基础上加入和驱动项相关的修正项，或者针对误差里的主导项设计加权系数，这些都是可以直接借鉴的思路。

最后想说的 #

其实很多论文里直接给出Lyapunov函数，是因为这些构造方法在领域内已经是“常识”，作者默认读者知道背后的推导逻辑。对于新手来说，最好的练习方式就是：先写出误差系统，从最简单的二次型开始尝试，计算导数，一步步调整系数，慢慢就能找到感觉了。

备注：内容来源于stack exchange，提问作者Georgios Paraskevopoulos