非线性动力学：李雅普诺夫指数

1. 公式
   观察依据

   幻灯片标题显示$\lambda_i$；后续幻灯片指出“$n$维系统具有$n$个$\lambda_i$”。

2. 声音
   观察依据

   主讲人说明本课程中李雅普诺夫指数的记号为λ（lambdas）。

$\lambda_i$

与稳定流形或不稳定流形方向相关联的李雅普诺夫指数。

用于表征沿某一流形方向增长或压缩程度的实数值指数；每个状态空间维度对应一个。

1. 公式
   观察依据

   幻灯片指出“$n$维系统具有$n$个$\lambda_i$”。

2. 声音
   观察依据

   主讲人指出，稳定流形与不稳定流形的数量、以及李雅普诺夫指数的数量，均等于状态空间的维度数。

n

状态空间的维数。

正整数形式的维数计数。

1. 公式
   观察依据

   图中标注一条虚线红色直线为$E^u$。

2. 声音
   观察依据

   主讲人指出，这些虚线代表对非线性系统进行线性化后所得的特征向量。

$E^u$

在局部线性图像中，以虚线红色直线表示的不稳定特征向量方向。

切空间／线性化状态空间中的方向。

1. 公式
   观察依据

   图中标注了一条虚线蓝色直线$E^s$。

2. 声音
   观察依据

   讲解者指出，这些虚线是通过对非线性系统进行线性化所得到的特征向量。

$E^s$

在局部线性图像中，稳定特征向量方向以一条虚线蓝色直线表示。

切空间／线性化状态空间中的方向。

1. 公式
   观察依据

   图中标注了一条实线红色曲线$W^u$。

2. 声音
   观察依据

   讲解者称，该算法生成了实线蓝色曲线与实线红色曲线，它们共同构成了图像的静态几何结构。

$W^u$

不稳定流形，画作一条经过不动点的实线红色曲线。

状态空间中的全局几何对象。

1. 公式
   观察依据

   图中标注了一条实线蓝色曲线$W^s$。

2. 声音
   观察依据

   讲解者称，该算法生成了实线蓝色曲线与实线红色曲线，它们共同构成了图像的静态几何结构。

$W^s$

稳定流形，画作一条经过不动点的实线蓝色曲线。

状态空间中的全局几何对象。

1. 声音
   观察依据

   主讲人说：“我将用 s 表示特征值，以便与其它概念区分开。”

1. 本片段中未出现使用$s$的显示公式。

s

主讲人专为特征值保留的记号，区别于用于李雅普诺夫指数的$\lambda_i$。

课程记号中特征值的标签。

1. 声音
   观察依据

   主讲人称特征值引起的运动形式为“e 的（特征值乘以时间）次方”。

2. 声音
   观察依据

   主讲人称沿李雅普诺夫流形的增长形式为“e 的（李雅普诺夫指数乘以时间）次方”。

1. 这些公式是口述的，而非写在屏幕上。

$e^{\lambda t}$,\ $e^{s t}$

分别描述沿李雅普诺夫方向和特征方向之增长/压缩的指数因子。

$t$表示时间；$\lambda$或$s$是对应的指数或特征值。

1. 字幕依据
   观察依据

   幻灯片中的项目符号反复使用$\lambda_i$，例如：“n维系统具有n个$\lambda_i$”“负的$\lambda_i$沿稳定流形压缩状态空间”以及“正的$\lambda_i$沿不稳定流形拉伸状态空间”。

2. 声音
   观察依据

   主讲人提到了“李雅普诺夫指数之和”，随后又提到“最大的正李雅普诺夫指数”。

$\lambda_i$

一个李雅普诺夫指数，用于 $i$维动力系统的第 个方向或模态。$n$维动力系统。

针对一个$n$维系统定义；幻灯片指出存在$n$个这样的指数。

1. 字幕依据
   观察依据

   第一项幻灯片要点为：“n维系统具有n个$\lambda_i$”。

n

动力系统的维数。

状态空间的正整数维数。

1. 字幕依据
   观察依据

   第四项幻灯片要点为：“耗散系统的$\sum \lambda_i < 0$”。

2. 声音
   观察依据

   “这意味着李雅普诺夫指数之和必须为负。”

$\sum \lambda_i$

该系统所有李雅普诺夫指数的总和。

对 $n$ 个李雅普诺夫指数求和，用于 $n$维系统。

1. 字幕依据
   观察依据

   最后一项幻灯片要点为：“最大的那个（$\lambda_1$）在$t \to \infty$时起主导作用。”

2. 声音
   观察依据

   “最大的正李雅普诺夫指数，记号上我们总称其为 lambda 下标一，当 t 趋于无穷大时起主导作用。”

$\lambda_1$

作为主导长期指数使用的最大正李雅普诺夫指数。

集合$\{\lambda_i\}$中的一个元素；此处特指其中最大的正数。

1. 声音
   观察依据

   主讲人指出，对初始条件的敏感依赖性是混沌的基本性质。

2. 声音
   观察依据

   主讲人将其归因于动力学沿由不稳定流形所描述的下坡方向的扩散作用，该作用由李雅普诺夫指数参数化。

视频将初值敏感性定义为混沌的一个基本性质，并将其与沿不稳定方向的动力学扩散联系起来。该扩散速率由李雅普诺夫指数参数化。

1. 适用于讲座中所讨论的混沌动力学。

2. 该片段未在此口头描述之外给出形式化的数学定义。

1. 声音
   观察依据

   主讲人说，若对一个非线性系统进行线性化，便会得到特征向量和特征值。

2. 图示
   观察依据

   在不动点处出现标有$E^u$和$E^s$的虚线。

3. 声音
   观察依据

   主讲人说，特征值表示小球沿这些特征向量滚动的快慢，其位移正比于$e$乘以时间。

在非线性系统的不动点附近进行线性化，可得到特征向量（以虚线方向表示）和特征值；特征值决定了沿这些方向的局部指数增长（或衰减）速率。这提供了动力学地貌的一个良好局部图像。

1. 应用于非线性系统不动点附近。

2. 该片段未明确说明光滑性假设或双曲性条件。

1. 对初始条件的敏感依赖性

1. 声音
   观察依据

   主讲人介绍了一种简单算法，用于寻找稳定流形与不稳定流形，从而给出全局图像。

2. 公式
   观察依据

   幻灯片列出：对系统进行线性化；找出特征向量$E^s$和$E^u$；沿$E^s$迈出一步，正向运行时间；沿$E^u$迈出一步，反向运行时间；更多细节参见Osinga与Krauskopf论文。

1. 幻灯片上标有奥斯因加与克劳斯科普夫的名字，但本片段中未给出完整文献引用。

讲座介绍了一种从局部线性数据出发构造全局稳定流形与不稳定流形的实用步骤：先线性化，再识别$E^s$和$E^u$，接着沿$E^s$步进并正向积分时间，然后沿$E^u$步进并反向积分时间。

1. 旨在获得超越局部线性近似的全局几何图像。

2. 主讲人明确指出，这部分内容仅作信息性介绍，不纳入作业或测验的考核范围。

1. 局部线性化给出特征向量和特征值。

1. 声音
   观察依据

   主讲人指出，正如每个特征向量都对应一个特征值，每条不稳定流形或稳定流形也都对应一个李雅普诺夫指数。

2. 声音
   观察依据

   主讲人指出，沿这些流形的增长行为表现为$e$的（李雅普诺夫指数乘以时间）次方。

本讲座中，李雅普诺夫指数被类比于特征向量所对应的特征值，与每条稳定或不稳定流形相关联；它刻画了该流形上随时间演化的指数增长或压缩程度。

1. 用于描述非线性/全局流形方向，而不仅限于局部线性特征方向。

2. 本片段未定义李雅普诺夫指数的极限表达式。

1. 寻找稳定流形与不稳定流形的算法
2. 局部线性化给出特征向量和特征值。

1. 声音
   观察依据

   主讲人指出，稳定流形与不稳定流形的数量，以及对应的李雅普诺夫指数的数量，均等于状态空间的维数。

2. 公式
   观察依据

   幻灯片指出：“$n$维系统具有$n$个$\lambda_i$。”

对于一个$n$维系统，讲座指出存在$n$个李雅普诺夫指数$\lambda_i$，其数量与状态空间的维数一致。

1. 该结论针对一个$n$维动力系统提出。

2. 该片段未单独讨论退化情形或零指数。

1. 附属于每条稳定/不稳定流形的李雅普诺夫指数

1. 公式
   观察依据

   幻灯片指出：负的$\lambda_i$沿稳定流形压缩状态空间，正的$\lambda_i$沿不稳定流形拉伸状态空间。

2. 声音
   观察依据

   讲述者解释道：全为负的指数会使相空间结构在所有方向上收缩，轨迹收敛至不动点；全为正的指数则使相空间结构在所有方向上拉伸，轨迹发散至无穷远。

1. 音频内容将幻灯片结论推广至全负与全正的情形；而幻灯片本身仅给出指数符号与对应流形之间的关联。

负的李雅普诺夫指数对应沿稳定流形的压缩，正的李雅普诺夫指数对应沿不稳定流形的拉伸。讲座利用这些符号来区分轨迹向不动点收缩与向无穷远扩张这两种行为。

1. 该结论适用于片段中所讨论的流形方向。

2. 该片段在结束前未深入探讨混合符号谱的情形。

1. 附属于每条稳定/不稳定流形的李雅普诺夫指数
2. 李雅普诺夫指数的个数等于状态空间的维数。

1. 字幕依据
   观察依据

   幻灯片标题：“李雅普诺夫指数：”，第一项要点：“n维系统具有n个$\lambda_i$。”

幻灯片指出，一个$n$维系统具有$n$个李雅普诺夫指数，记作$\lambda_i$。这将谱定义为一个按系统方向或模态索引的集合。

1. 该系统是$n$维的。

1. 字幕依据
   观察依据

   第二条要点：“负的$\lambda_i$沿稳定流形压缩状态空间。”

负李雅普诺夫指数对应于状态空间沿稳定流形的压缩。在课程后续的口头阐述中，这正是邻近轨迹收敛的区域。

1. $\lambda_i$为负。

1. n维系统中李雅普诺夫指数的个数

1. 字幕依据
   观察依据

   第三条要点：“正的$\lambda_i$沿不稳定流形拉伸状态空间。”

正李雅普诺夫指数对应于状态空间沿不稳定流形的拉伸。最后的白板示例将此可视化为初始邻近轨迹之间距离的不断增大。

1. $\lambda_i$为正。

1. n维系统中李雅普诺夫指数的个数

1. 字幕依据
   观察依据

   第四条要点出现在约4.5秒处：“$\sum \lambda_i < 0$适用于耗散系统。”

2. 声音
   观察依据

   “这意味着李雅普诺夫指数之和必须为负。”

对于耗散系统，所有李雅普诺夫指数的总和为负。这表示相空间体积存在净收缩，即使某些个别方向上发生膨胀。

1. 系统是耗散的。

1. n维系统中李雅普诺夫指数的个数

1. 字幕依据
   观察依据

   第五个要点出现在约21.5秒处：“正的$\lambda$是混沌的标志（非充要条件！）”

2. 声音
   观察依据

   “因此，混沌系统至少具有一个正的李雅普诺夫指数。但这一性质并非混沌的充要条件。”

讲座将至少存在一个正的李雅普诺夫指数视为混沌的标志，同时明确指出这并非充要条件。给出的理由是：需要一定的增长来防止混沌吸引子坍缩为不动点。

1. 在混沌吸引子的背景下讨论。

2. 幻灯片明确将该条件标注为“非充要条件！”

1. 正李雅普诺夫指数与不稳定流形
2. 耗散系统对李雅普诺夫指数之和的约束条件

1. 字幕依据
   观察依据

   第六个要点出现在约53.5秒处：“$\lambda_i$是吸引子的性质：对同一吸引盆内的所有初值均成立。”

2. 声音
   观察依据

   “它们是吸引子的性质，并且对属于该吸引子吸引盆的任意初值均成立。”

由于李雅普诺夫指数通过长时间平均定义，讲座指出它们是吸引子的性质，而非某个特定初值的性质；同一吸引盆内的所有初值具有相同的李雅普诺夫指数。

1. 初值位于同一吸引盆内。

2. 正在使用长期定义。

1. 李雅普诺夫指数作为长期平均值

1. 声音
   观察依据

   主讲人指出：“对初始条件的敏感依赖性是混沌的一个基本性质。”

对初始条件的敏感依赖性是混沌的一个基本性质。

1. 所讨论的系统是混沌的。

2. 该片段中未陈述任何进一步的形式化假设。

在本次讲座关于混沌的讨论中，该性质具有普适性。

1. 声音
   观察依据

   主讲人指出：若所有李雅普诺夫指数均为负，则动力学系统会在所有方向上收缩状态空间的‘织物’，且所有轨迹均收敛至一个不动点。

1. 该片段未说明有界性或其他全局性假设——而这些是严格定理所必需的。

若所有李雅普诺夫指数均为负，则所有轨迹均收敛至一个不动点。

1. 所有李雅普诺夫指数$\lambda_i$均为负。

2. 讲座以非形式化方式谈论状态空间在所有方向上的‘织物’。

对于所有轨迹，在所述全为负的条件下。

1. 声音
   观察依据

   说话者指出，若所有李雅普诺夫指数均为正，则动力学系统会在所有方向上拉伸该流形，且所有初始条件出发的轨迹都将发散至无穷远。

1. 该片段未明确说明‘发散’是指范数无界增长，还是指逃离每一个紧集。

若所有李雅普诺夫指数均为正，则所有初始条件出发的轨迹均发散至无穷远。

1. 所有李雅普诺夫指数$\lambda_i$均为正。

对于所有初始条件，在所述全为正的条件下。

1. 声音
   观察依据

   说话者指出，要形成吸引子，收缩效应必须在长期总体上占据主导地位，即在所有维度的综合效果中占优。

1. 该句在说话者尚未阐明精确判据前即被截断。

2. 未展示关于该综合条件的任何公式。

要获得吸引子，收缩效应必须在所有维度的综合效果中于长期总体上占据主导地位。

1. 存在扩张方向与收缩方向的混合。

2. 长期总体效应必然是收缩的。

这是非正式的长期总体表述；本片段中尚未完成精确量化。

1. 声音
   观察依据

   “现在，要得到一个混沌吸引子，系统必须存在某种增长，否则吸引子会坍缩为一个不动点。”

1. 该片段提供的是直观解释，而非形式化证明。

要获得混沌吸引子，系统必须存在某个增长方向，以防止吸引子坍缩为一个不动点。

1. 当前讨论的对象是一个混沌吸引子。

存在性要求：必须存在某种增长。

1. 声音
   观察依据

   “但这一条件并非混沌的充要条件。我稍后也会回到这一区别。”

2. 字幕依据
   观察依据

   幻灯片文字：“正的$\lambda$是混沌的一个标志（但不是充要条件！）”

正的李雅普诺夫指数常被视作混沌的一个标志，但讲者明确指出，它并非混沌的必要且充分条件。

1. 在借助李雅普诺夫指数识别混沌的语境下讨论。

对等价性的普遍否定：该条件并非充要条件。

1. 声音
   观察依据

   “这些轨迹同时感受到稳定流形与不稳定流形效应的混合影响，但由于指数函数的性质，最大的正李雅普诺夫指数将在长期中占据主导。”

那些并不严格位于稳定流形或不稳定流形上的普通轨迹，会同时经历收缩与扩张效应，但最大的正李雅普诺夫指数将在长期中占据主导。

1. 该轨迹是一般性轨迹，并未局限于某一条流形上。

2. 所考虑的是长时间行为。

典型轨迹；关于时间趋于无穷时的渐近表述。

1. 声音
   观察依据

   “这意味着它们是吸引子的性质，并且对属于该吸引子吸引域内的任意初始条件均成立。”

2. 字幕依据
   观察依据

   幻灯片要点：“$\lambda_i$是吸引子的性质：同一吸引盆内所有初值条件均相同。”

李雅普诺夫指数是吸引子本身的性质，且对该吸引子吸引盆内的任意初值条件都相同。

1. 这些初值条件属于同一吸引盆。

2. 李雅普诺夫指数是在长时间尺度下理解的。

在同一吸引盆内，对所有初值条件具有普适性。

1. 声音
   观察依据

   主讲人：“也就是说，在长期演化中，当最大的正李雅普诺夫指数主导系统行为时。”

2. 公式
   观察依据

   手写体$|\vec{\delta}_i| \propto e^{\lambda_i t}$支持指数速率语言。

1. 该片段定性地指出主导性，但并未给出证明。

从长期来看，邻近轨迹之间分离程度的增长由最大正李雅普诺夫指数主导。

1. 考虑动力系统中两条邻近的轨迹

2. 观察长时间行为

在足够长的时间下，主导的指数速率即为最大正李雅普诺夫指数。

1. 声音
   观察依据

   说话人：“请记住，在一个 i 维动力系统中有 i 个李雅普诺夫指数。”

1. 该片段将此作为记号性事实直接陈述，未加推导。

一个 i 维动力系统具有 i 个李雅普诺夫指数。

1. 该系统的维数为 i

对于每个维度 i，存在 i 个指数。

1. 声音
   观察依据

   说话人明确指出排序依据是接近正无穷大的程度，而非绝对值大小，并指出$\lambda_n$最接近负无穷大。

2. 公式
   观察依据

   书面列出的列表为$\lambda_1,\lambda_2,\ldots,\lambda_n$。

索引惯例将李雅普诺夫指数从最接近正无穷大的那个开始排列，依次向下至最接近负无穷大的那个。

1. 在 n 维系统中，共有 n 个李雅普诺夫指数。

对于该系统中的所有指数，$\lambda_1$在数值上最大，$\lambda_n$在数值上最小。

1. 声音
   观察依据

   说话人提问：有界吸引子如何能表现出分离的指数增长？随后回答：通过重归一化及沿吸引子的横向局部测量可解决这一问题。

1. 该解释属于概念性说明，未给出形式化的定理陈述。

有界吸引子上分离的指数增长与有界性相容，因为相关测量是沿吸引子进行重归一化后的局部横向拉伸。

1. 轨迹位于吸引子上。

2. 分离度通过重整化进行横向测量

沿吸引子运动时，局部横向拉伸可能呈指数增长，即使吸引子本身是有界的。

1. 声音
   观察依据

   主讲人从线性化及特征向量/特征值，过渡到需要进一步工作以获得全局图像。

2. 公式
   观察依据

   算法幻灯片列出了求解稳定流形与不稳定流形的步骤。

3. 声音
   观察依据

   随后，主讲人将所得流形与李雅普诺夫指数关联起来，并指出沿这些流形的指数增长。

1. 该推导旨在解释，而非形式化证明。

1. 公式

   $$$$
   解释

   从一个非线性系统出发，在不动点附近对其进行线性化。

   步骤依据

   主讲人直接将其表述为第一个概念性步骤。

   视频直接表达
2. 公式

   $$$$
   解释

   读出特征向量$E^s$和$E^u$及其对应的特征值，这些特征值描述了沿这些方向的局部指数行为。

   步骤依据

   主讲人指出，线性化给出特征向量与特征值，其增长形式为$e$的（特征值乘以时间）次方。

   视频直接表达
3. 公式

   $$$$
   解释

   使用所列算法将局部方向延拓为全局稳定流形$W^s$和不稳定流形$W^u$。

   步骤依据

   幻灯片明确指出：沿$E^s$正向推进时间，沿$E^u$反向回溯时间。

   视频直接表达
4. 公式

   $$$$
   解释

   为每个流形方向关联一个李雅普诺夫指数，使得沿该流形的增长行为类似于$e$的‘李雅普诺夫指数乘以时间’次方。

   步骤依据

   主讲人将特征值/特征向量对与李雅普诺夫指数/流形对作类比。

   视频直接表达

本片段构建了一条概念链条：从局部线性化出发，延伸至全局流形几何结构，再进一步引出李雅普诺夫指数——即沿这些流形的方向变化速率。

1. 公式
   观察依据

   幻灯片指出：负的$\lambda_i$使轨迹在稳定流形上压缩，正的$\lambda_i$使轨迹在不稳定流形上拉伸。

2. 声音
   观察依据

   主讲人先聚焦于全负谱与全正谱的情形，随后提及吸引子的总体判据条件。

1. 最终关于吸引子的论证不完整，因为片段在思路中途结束。

1. 公式

   $$$$
   解释

   采用幻灯片给出的符号规则：负指数对应压缩，正指数对应拉伸。

   步骤依据

   直接从屏幕上显示的项目符号点读取。

   视频直接表达
2. 公式

   $$$$
   解释

   若所有指数均为负，则所有方向均发生压缩，因而轨迹收敛于一个不动点。

   步骤依据

   演讲者在幻灯片尺演示结束后立即陈述。

   视频直接表达
3. 公式

   $$$$
   解释

   若所有指数均为正，则在所有方向上均发生拉伸，因此轨迹发散至无穷远。

   步骤依据

   演讲者将此作为对比情形加以陈述。

   视频直接表达
4. 公式

   $$$$
   解释

   对于混合情形下的吸引子，其长期总体效应必须偏向收缩。

   步骤依据

   演讲者开始阐述这一结论，但视频片段在此前中断，未能完成该判据的表述。

   视频直接表达

李雅普诺夫谱的符号模式决定了局部/全局几何是收缩、扩张，还是需要净总体收缩才能实现吸引。

1. 公式
   观察依据

   手写序列依次显示$e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}$、$\lim_{t\to\infty}[\cdots]$，然后划去负指数项，仅保留两项正指数项。

2. 声音
   观察依据

   “具有负指数的项将随时间推移而逐渐减小……于是我们只需关注这两项……在极限情况下，此处第二项的指数系数更大，因此将主导第一项……”

1. 公式

   $$e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}$$
   解释

   从一个有限个指数项之和出发，各项指数系数互不相同。

   步骤依据

   这是白板上引入的手写示例。

   视频直接表达
2. 公式

   $$\lim_{t\to\infty}\left(e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}\right)$$
   解释

   对整个和式取长时间极限。

   步骤依据

   主讲人明确将该例题表述为：“当时间趋于无穷时，对该和式取极限”所发生的情况。

   视频直接表达
3. 公式

   $$e^{-5t},\ e^{-\frac{1}{5}t}\to 0$$
   解释

   含负指数的项随时间推移而衰减，并退出主导地位的竞争。

   步骤依据

   音频指出，含负指数的项随时间推移而变小；视觉上这些项被划掉。

   视频直接表达
4. 公式

   $$e^{0.1t}+e^{10t}$$
   解释

   只有含正指数的项在渐近比较中保持相关性。

   步骤依据

   在移除衰减项后，主讲人指出这剩下两项需要考虑。

   视频直接表达
5. 公式

   $$e^{10t}\gg e^{0.1t}\quad (t\to\infty)$$
   解释

   在剩余的项中，指数上乘数更大的项起主导作用。

   步骤依据

   音频：“此处第二项，其指数上的乘数更大，将主导第一项。”

   视频直接表达

在长时间极限下，最大的正指数增长率控制整个和式；这一模型解释了为何$\lambda_1$在渐近意义上主导李雅普诺夫行为。

1. 声音
   观察依据

   “现在，要得到一个混沌吸引子，你必须存在某种增长……因此混沌系统至少具有一个正的李雅普诺夫指数。但这一条件并非混沌的充分必要条件。”

1. 该论证属于启发式说明，而非形式化的定理证明。

1. 公式

   $$\text{chaotic attractor} \Rightarrow \text{some growth}$$
   解释

   混沌吸引子必须包含扩张行为，否则它将坍缩为一个不动点。

   步骤依据

   音频中直接陈述为增长所需的理由。

   视频直接表达
2. 公式

   $$\text{some growth} \leftrightarrow \lambda_i>0 \text{ for some } i$$
   解释

   状态空间中的增长对应于不稳定方向上的正李雅普诺夫指数。

   步骤依据

   运用了前一张幻灯片的陈述：正的$\lambda_i$沿不稳定流形拉伸状态空间。

   依据视频推导
3. 公式

   $$\text{chaotic system} \Rightarrow \exists i:\lambda_i>0$$
   解释

   因此，混沌系统至少具有一个正李雅普诺夫指数。

   步骤依据

   整合了前两个步骤。

   依据视频推导
4. 公式

   $$\exists i:\lambda_i>0 \not\Leftrightarrow \text{chaos}$$
   解释

   但反向等价关系被否定：正性既非混沌的必要条件，也非充分条件。

   步骤依据

   音频与幻灯片中均明确表述为“非充要条件！”

   视频直接表达

混沌吸引子至少需要一个正李雅普诺夫指数，但仅凭正性本身并非混沌的当且仅当判据。

1. 声音
   观察依据

   这些轨迹同时感受到稳定流形与不稳定流形效应的混合影响；但由于指数函数的性质，长期来看，最大的正李雅普诺夫指数将起主导作用。

2. 公式
   观察依据

   白板上的指数求和示例紧随该解释之后。

1. 公式

   $$\text{general trajectory} \notin \text{single stable/unstable manifold}$$
   解释

   考虑一条并不恰好位于任一特殊流形上的轨迹。

   步骤依据

   音频提问：这一讨论如何影响“一般轨迹，这些轨迹未必位于那些流形之上”？

   视频直接表达
2. 公式

   $$\text{effects from stable \text{且} unstable manifolds mix}$$
   解释

   这样的轨迹同时感受到收缩与扩张。

   步骤依据

   音频指出，这些轨迹“感受到稳定流形与不稳定流形效应的混合”。

   视频直接表达
3. 公式

   $$\sum_j c_j e^{\lambda_j t}$$
   解释

   将这种综合效应建模为若干指数型贡献之和，其增长或衰减速率由李雅普诺夫指数给出。

   步骤依据

   手写示例$e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}$所展示的正是这一结构；其推广形式是对该示例的编辑性抽象。

   补充解释
4. 公式

   $$\lambda_j<0 \text{ terms decay as } t\to\infty$$
   解释

   收缩型贡献在渐近意义上趋于消失。

   步骤依据

   白板推导中通过划去负指数项来体现这一点。

   视频直接表达
5. 公式

   $$\max\{\lambda_j>0\}=\lambda_1 \text{ dominates}$$
   解释

   在所有扩张型贡献中，最大的正速率主导长时间行为。

   步骤依据

   白板推导比较了$e^{0.1t}$与$e^{10t}$；幻灯片随后指出：“最大的一项（$\lambda_1$）在$t\to\infty$时起主导作用。”

   视频直接表达

对一般轨迹而言，渐近分离增长由最大的正李雅普诺夫指数$\lambda_1$所支配。

1. 声音
   观察依据

   主讲人描述拿起所画图示，将其置于吸引子的一小段上，再向前移动一段距离并重复该过程。

2. 图示
   观察依据

   白板草图展示了沿一对弯曲轨迹的连续分离向量。

1. 这是一种直观推导，而非严格证明。

1. 公式

   $$$$
   解释

   从局部图像开始：两条邻近轨迹片段由一个分离向量连接。

   步骤依据

   该图像与图中所绘草图一致，其中包含$\vec{x}_0$、$\vec{x}_0+\vec{\delta}_0$以及相继出现的$\vec{\delta}_i$。

   视频直接表达
2. 公式

   $$$$
   解释

   将该局部图像沿吸引子的一小段向前移动。

   步骤依据

   主讲人明确使用了“将图像沿吸引子铺放”的类比。

   视频直接表达
3. 公式

   $$$$
   解释

   在吸引子上更远处重复这一过程，每次测量轨迹之间的横向拉伸，而非沿轨迹方向的拉伸。

   步骤依据

   主讲人指出，这正是沿吸引子行进时测量横向拉伸的方式。

   视频直接表达

吸引子上的李雅普诺夫指数思想，最宜理解为反复进行的局部横向拉伸并辅以归一化，而非普通空间中无界的全局分离。

1. 公式
   观察依据

   手写表达式$e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}$及其极限记号出现在白板上。

2. 声音
   观察依据

   主讲人叙述了负指数项的消去过程，以及较大正指数的主导作用。

给定和式$e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}$，确定在长时间极限下哪一项占主导地位。

1. 四个带系数的指数项，其指数部分分别为$0.1$、$10$、$-5$和$-\frac{1}{5}$。

2. 时间趋于无穷大。

找出渐近占主导地位的项。

1. 公式

   $$\lim_{t\to\infty}\left(e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}\right)$$
   解释

   写出该和式的完整长时间极限表达式。

   步骤依据

   这正是板书与口述中所呈现的设定。

   视频直接表达
2. 公式

   $$e^{-5t}\to 0,\quad e^{-\frac{1}{5}t}\to 0$$
   解释

   舍弃两个指数为负的项，因为它们随时间推移而衰减。

   步骤依据

   音频指出，指数为负的项随时间变小；板书将它们划去。

   视频直接表达
3. 公式

   $$e^{0.1t}+e^{10t}$$
   解释

   最终比较时，仅保留指数为正的项。

   步骤依据

   剔除衰减项后，讲师指出剩下这两项。

   视频直接表达
4. 公式

   $$e^{10t}\text{ dominates }e^{0.1t}$$
   解释

   比较指数中的系数，系数较大的那一项在渐近意义上占优。

   步骤依据

   音频明确指出，指数中乘数更大的项起主导作用。

   视频直接表达

主导项是$e^{10t}$。

该结果与后续幻灯片所述一致：最大的正李雅普诺夫指数$\lambda_1$在$t\to\infty$时起主导作用。

1. 声音
   观察依据

   ‘想象一下，当你在混沌吸引子上选取两个邻近的初始条件时所看到的情形。这里是位于x零处的网球，而这里是稍远处、位于x零加delta零处的苹果。’

2. 公式
   观察依据

   手写标注$\vec{x}_0$、$\vec{x}_0+\vec{\delta}_0$及红色箭头$\vec{\delta}_0$出现。

3. 动画
   观察依据

   两条弯曲的蓝色轨迹分别从两个初始点出发并逐渐分离，中间的点标记了后续时刻的位置。

可视化混沌吸引子上两个邻近初始条件随时间正向演化的结果。

1. 其中一个初始条件是$\vec{x}_0$（“网球”）。

2. 另一个邻近的初始条件是$\vec{x}_0+\vec{\delta}_0$（“苹果”）。

3. 它们的初始间距为$\vec{\delta}_0$。

展示间距在混沌吸引子上的演化过程。

1. 公式

   $$\vec{x}_0,\quad \vec{x}_0+\vec{\delta}_0$$
   解释

   在吸引子上放置两个彼此靠近的初始状态。

   步骤依据

   这些标签写在白板上，并在音频中被命名。

   视频直接表达
2. 公式

   $$\| (\vec{x}_0+\vec{\delta}_0)-\vec{x}_0 \|=\|\vec{\delta}_0\|$$
   解释

   它们之间的初始距离是分离向量$\vec{\delta}_0$的模长。

   步骤依据

   音频说“它们之间的距离是 delta 零”；该公式是对这一几何事实的明确重述。

   依据视频推导
3. 公式

   $$\text{two distinct curved trajectories emerge}$$
   解释

   让这两个点沿着吸引子“涡旋”中的不同路径演化。

   步骤依据

   音频描述苹果朝一个方向运动，网球朝另一个方向运动；白板上画出两条发散的曲线。

   视频直接表达
4. 公式

   $$\text{separation grows with time}$$
   解释

   随着时间增加，两条轨迹之间的距离变得更大。

   步骤依据

   音频指出“它们之间的距离增大”，所画曲线也明显分离。

   视频直接表达

混沌吸引子上两个初始时彼此靠近的点随时间推移而分离，体现了正的李雅普诺夫增长。

这与先前的论断一致：正的$\lambda_i$沿不稳定流形拉伸状态空间，且$\lambda_1$在渐近意义上占主导地位。

1. 动画
   观察依据

   开场卡片显示一个风格化的树形标志及文字“COMPLEXITY EXPLORER SANTA FE INSTITUTE”。

1. 树状网络标志

2. 文字“COMPLEXITY EXPLORER”

3. 文字“SANTA FE INSTITUTE”

1. 静态标志淡出，切入主讲人画面。

1. 尚未引入任何数学内容。

这是讲座正式内容开始前的导引性品牌展示环节。

1. 动画
   观察依据

   主讲人双手合拢，随后向外展开，以此描述动力学的扩散作用。

1. 该手势仅为示意性表达，并非正式图示。

1. 主讲人的两只手

1. 双手起始时靠得很近，随后向外分开。

1. 该手势配合口头讲解不稳定的扩散过程。

手部运动直观地展现了在混沌动力学作用下，邻近的初始条件逐渐分离。

1. 图示
   观察依据

   幻灯片标题为“$\lambda_i$与不稳定/稳定流形（$W^u$和$W^s$）”，图中显示一个中心点，配有虚线红色$E^u$、虚线蓝色$E^s$、实线红色$W^u$和实线蓝色$W^s$。

1. 中心不动点

2. 红色虚线$E^u$

3. 蓝色虚线$E^s$

4. 红色实线曲线$W^u$

5. 蓝色实线曲线$W^s$

1. 静态图示保留在屏幕上，供讲解者说明局部结构与全局结构的区别。

1. 虚线表示局部特征向量方向；实线曲线表示全局流形。

该图示对比了线性化后的局部方向与稳定流形和不稳定流形的非线性全局几何形态。

1. 公式
   观察依据

   附注幻灯片标题为“附注：如何求出这些稳定/不稳定流形”，其上列出五个带项目符号的步骤，其中包括“详见Osinga与Krauskopf论文以获取更多细节”。

1. 算法步骤的项目符号列表

1. 图示幻灯片被纯文本的流程式幻灯片所替换。

1. 该流程作为附注内容呈现，并非考核内容。

本页幻灯片将前一页的几何图示转化为具体的计算步骤。

1. 图示
   观察依据

   流形图示重新出现，同时主讲人将流形与李雅普诺夫指数关联起来。

1. 同一不动点图示，标有$E^u$、$E^s$、$W^u$、$W^s$。

1. 视觉焦点始终停留在同一图示上，而解读则从几何意义转向指数含义。

1. 实线曲线仍代表主讲人所指的全局流形。

重复出现的图示支持这一论断：每个流形方向都对应其自身的李雅普诺夫指数。

1. 公式
   观察依据

   标题为“李雅普诺夫指数：”的幻灯片列出以下三点：“$n$维系统具有$n$个$\lambda_i$”，“负的$\lambda_i$沿稳定流形压缩状态空间”，以及“正的$\lambda_i$沿不稳定流形拉伸状态空间”。

1. 关于$\lambda_i$的三条要点

1. 讲座从几何图示过渡到一份简明的规则清单，说明指数个数及其符号的含义。

1. 该幻灯片明确保持了符号与流形类型之间的对应关系。

本页幻灯片总结了主讲人随后将口头详细阐述的核心定量规则。

1. 字幕依据
   观察依据

   一张静态幻灯片标题为“李雅普诺夫指数：”，其项目符号随时间逐步出现：前三个在 0 秒时已存在，随后“$\sum \lambda_i < 0$ 对耗散系统成立”大约在 4.5 秒时出现，“正的 $\lambda$ 是混沌的标志（非充要条件！）”大约在 21.5 秒时出现，“$\lambda_i$ 是吸引子的性质：对于同一吸引域内的所有初值条件（IC）都相同”，围绕 53.5 s，且“最大的一个（$\lambda_1$）在 $t \to \infty$”周围占主导地位108.5 s.

1. 标题：“李雅普诺夫指数：”

2. 七条陈述的项目符号列表

3. 鼠标光标位于视频中段第四条项目符号附近

1. 随着讲解推进，新项目符号逐条出现。

2. 幻灯片其余部分保持静止，旁白则依次详述每一点。

1. 整个讲解始终围绕李雅普诺夫指数展开。

2. 后续项目符号添加后，先前的项目符号仍持续可见。

该幻灯片起到类似定理的紧凑总结作用：维数计数、符号含义、耗散性约束、混沌标志、吸引子/吸引域性质，以及渐近主导性。

1. 公式
   观察依据

   手写首先显示 $e^{0.1t}+e^{10t}+e^{-5t}+e^{-\frac{1}{5}t}$，然后添加 $\lim_{t\to\infty}[\cdots]$，接着划掉负指数项，最后在 $(small).t$ 下方书写 $e^{0.1t}$ 和 $(bigger).t$ 在 $e^{10t}$ 下方。

1. 四项指数项

2. 极限算子$\lim_{t\to\infty}$

3. 在$e^{-5t}$和$e^{-\frac{1}{5}t}$上划去标记

4. 标注“（较小）.t”和“（较大）.t”

1. 该和式被置于长时间极限符号内。

2. 负指数项在视觉上被消除。

3. 剩余的正指数项按指数大小进行比较。

1. 底数$e$和时间变量$t$在所有项中保持不变。

2. 仅有指数的系数不同。

该图示编码了李雅普诺夫指数所用的渐近规则：衰减模态消失，而最大的正增长率决定长时间行为。

1. 公式
   观察依据

   白板上写有标签$\vec{x}_0$、$\vec{x}_0+\vec{\delta}_0$以及红色的$\vec{\delta}_0$。

2. 动画
   观察依据

   从初始点出发绘制两条蓝色曲线轨迹，随着分离增大，额外的点标记了后续位置。

3. 声音
   观察依据

   讲师将两点分别指认为网球和苹果，并说明它们之间的距离在增大。

1. 左侧初始点标记为$\vec{x}_0$

2. 右侧初始点标记为$\vec{x}_0+\vec{\delta}_0$

3. 红色分离箭头标记为$\vec{\delta}_0$

4. 两条蓝色弯曲轨迹

5. 用中间的点标记后续时刻

1. 初始分离向量绘制于两个起始点之间。

2. 从这两个起始点出发，勾勒出两条不同的未来路径。

3. 在曲线上更远处添加了表示后续位置的点，且这些点间距更大。

1. 两条轨迹均始于同一吸引子上彼此邻近的初始条件。

2. 该定性过程为正向时间演化。

这是正李雅普诺夫增长的几何图示：混沌吸引子上无穷小接近的初始状态随时间推移而分离。

1. 图示
   观察依据

   两条蓝色曲线向下且向外延伸；标有$\vec{\delta}_0$、随后是$\vec{\delta}_1$、$\vec{\delta}_2$、$\vec{\delta}_3$的红色线段连接对应点，并在下方变得越来越长。

1. 两条蓝色轨迹

2. 标有$\vec{x}_0$和$\vec{x}_0+\vec{\delta}_0$的点

3. 红色分离向量$\vec{\delta}_0,\vec{\delta}_1,\vec{\delta}_2,\vec{\delta}_3$

1. 从上到下绘制了额外的红色分离向量

2. 随着轨迹相互分离，连接向量的长度逐渐增大

1. 两条蓝色轨迹始终保持为不同的曲线

2. 对应点始终由单个分离向量连接

该图直观展示了邻近轨迹的发散现象，并引出对分离向量长度的追踪

1. 公式
   观察依据

   在右侧，先写出$|\vec{\delta}_i|$，再补全为$|\vec{\delta}_i| \propto e^{\lambda_i t}$，随后是竖排列表：$\lambda_1$、$\lambda_2$、竖排省略号、$\lambda_n$

1. 表达式$|\vec{\delta}_i|$

2. 表达式$|\vec{\delta}_i| \propto e^{\lambda_i t}$

3. 指数列表$\lambda_1,\lambda_2,\ldots,\lambda_n$

1. 先写出模长记号

2. 补充了正比于指数的规律

3. 指数的有序列表自上而下构建

1. 左侧轨迹示意图始终可见

书写过程将几何图像转化为关于指数分离与索引化李雅普诺夫指数的符号化陈述。

1. 字幕依据
   观察依据

   白板被替换为一张打字幻灯片，标题为“计算流中的李雅普诺夫指数：”，其要点分别涉及方程、数据和映射。

1. 面向流的幻灯片标题

2. 关于方程与变分矩阵的要点

3. 关于仅依赖数据的算法的要点

4. 面向映射及斯特罗加茨参考文献的标题

1. 手写黑板消失

2. 打字要点列表出现

1. 主题仍为李雅普诺夫指数的计算

讲座从概念性讲解转向在不同场景下计算李雅普诺夫指数的实际方法。

1. 声音
   观察依据

   主讲人指出，特征相关概念能很好地刻画地貌的局部图像，但若想获得良好的全局图像，则还需做更多工作。

人们可能误以为仅凭特征值和特征向量就足以全局地完整描述非线性动力学。

本次讲座明确区分了局部图像与全局图像，并引入稳定/不稳定流形作为实现全局视角所需的额外结构。

1. 声音
   观察依据

   主讲人指出，李雅普诺夫指数的记号为 λ，而线性化所得特征值则用 s 表示，以作区分。

学生可能将李雅普诺夫指数的记号$\lambda_i$与线性化中特征值的记号混为一谈。

主讲人刻意区分了两类符号：用$\lambda_i$表示李雅普诺夫指数，用$s$表示特征值。

1. 声音
   观察依据

   主讲人说明，该算法仅供信息参考，后续作业与考试中均不会涉及相关内容。

观众可能误以为流形求解算法是一项需评分的核心考点。

讲师明确标注该内容仅为信息性说明，不纳入作业或考试范围。

1. 字幕依据
   观察依据

   幻灯片文字明确指出：“正$\lambda$是混沌的标志（非充要条件！）”。

2. 声音
   观察依据

   “这并非混沌的充分必要条件。”

人们可能认为，具有正的李雅普诺夫指数既是混沌的必要条件，也是充分条件。

讲座明确否定了这一点：正的李雅普诺夫指数是混沌的一种标志性特征，但并非混沌的充分必要条件。

1. 字幕依据
   观察依据

   幻灯片要点：“$\lambda_i$是吸引子的性质：对同一吸引盆内的所有初值均相同。”

2. 声音
   观察依据

   “它们是吸引子的性质，并且对属于该吸引子吸引盆的任意初值均成立。”

人们可能认为李雅普诺夫指数依赖于某个任意选定的初值。

在本课程所采用的长时间定义下，它们是吸引子的性质，并被同一吸引盆内的所有初值所共有。

1. 声音
   观察依据

   “吸引子上将存在状态空间收缩的区域……以及状态空间扩张的区域。我们关心的是长期行为……”

人们可能仅依据吸引子上某一特定局部区域是否收缩或扩张，就推断系统是否混沌或稳定。

本讲强调，李雅普诺夫指数概括的是长期平均行为，而不仅仅是瞬时的局部收缩或扩张区域。

1. 声音
   观察依据

   主讲人明确提醒：“不一定是绝对值最大的那个，而是最接近正无穷的那个。”

人们可能认为$\lambda_1$表示模长最大的李雅普诺夫指数。

约定按实数轴上的实际数值排序：$\lambda_1$是离正无穷最近的指数，与其绝对值无关。

1. 声音
   观察依据

   主讲人提出问题：“吸引子是有界对象，那么这个向量 delta 的长度如何能呈指数增长？”并借助重正化与横截局部测量予以解答。

由于吸引子是有界的，人们可能得出结论：其上的分离向量无法呈指数增长。

李雅普诺夫指数所指的指数增长，是在吸引子上沿横截方向发生的局部拉伸并辅以重正化，而非在环境空间中无限制地分离。

1. 声音
   观察依据

   主讲人将混沌中的敏感依赖性与沿由李雅普诺夫指数参数化的不稳定流形的扩散联系起来。

李雅普诺夫指数被引入为刻画初始条件敏感依赖性所对应扩散行为的参数量。

1. 声音
   观察依据

   主讲人指出线性化可得到特征向量与特征值，随后介绍一种用于构建全局图像中稳定流形与不稳定流形的算法。

2. 公式
   观察依据

   算法幻灯片首先从系统线性化开始，并求出$E^s$和$E^u$。

流形求解过程利用线性化所得的局部特征向量方向。

1. 声音
   观察依据

   主讲人指出，每条不稳定流形或稳定流形均对应一个李雅普诺夫指数。

一旦识别出稳定流形与不稳定流形，每个此类流形方向均携有一个关联的李雅普诺夫指数。

1. 公式
   观察依据

   幻灯片首先指出一个$n$维系统具有$n$个$\lambda_i$，随后给出负号/正号的判定规则。

符号解释的前提是：状态空间的每一维都对应一个李雅普诺夫指数。

1. 声音
   观察依据

   主讲人将特征值/特征向量对类比为李雅普诺夫指数/流形对。

特征值描述沿特征向量方向的局部指数增长（或衰减）速率，而李雅普诺夫指数则描述沿全局稳定流形或不稳定流形的类似速率。

1. 字幕依据
   观察依据

   前三条要点从“n维系统有n个”开始$\lambda_i$”过渡到负数和正数的含义$\lambda_i$。

一旦引入$n$指数谱，本讲便依据其符号将其分为压缩性作用与扩张性作用。

1. 字幕依据
   观察依据

   “正向拉伸”要点位于“正的$\lambda$是混沌的标志（非充要条件！）”这一要点之前。

2. 声音
   观察依据

   讲师在讨论完正指数后，立即将其增长含义与混沌吸引子联系起来。

正指数的几何含义被用作诊断混沌的标志，但并非充要条件。

1. 字幕依据
   观察依据

   幻灯片中先列出“耗散系统的$\sum \lambda_i < 0$”，再列出“正的$\lambda$是混沌的标志（非充要条件！）”。

2. 声音
   观察依据

   讲师首先指出总和必须为负，随后解释混沌仍需存在某个增长方向。

耗散性要求所有指数之和整体为负，但混沌又至少需要一个正指数；这两种条件通过允许局部扩张存在于全局收缩之中而共存。

1. 声音
   观察依据

   ‘李雅普诺夫指数通常被定义为长期平均值……这意味着它们是吸引子的性质……’

吸引子/吸引域的不变性源于指数的长时间平均定义。

1. 公式
   观察依据

   白板上的指数求和示例之后，幻灯片要点为“最大的那个（$\lambda_1$）在$t \to \infty$时起主导作用。”

2. 声音
   观察依据

   讲师用指数增长的例子来解释为何最大的正李雅普诺夫指数起主导作用。

指数函数和的通用规则被应用于李雅普诺夫谱，以说明渐近主导性由$\lambda_1$决定。

1. 字幕依据
   观察依据

   幻灯片在白板轨迹示意图之前写道：“最大的那个（$\lambda_1$）随$t \to \infty$而主导。”

2. 动画
   观察依据

   最终示意图展示了两个邻近的初始状态随时间逐渐分离。

发散示意图是对混沌运动中最大正指数起主导作用的具体可视化。

1. 声音
   观察依据

   在讨论完$|\vec{\delta}_i| \propto e^{\lambda_i t}$之后，主讲人引入了带下标的指数族，并指出在 i 维系统中有 i 个指数。

理解带下标的分离增长，自然引出多个李雅普诺夫指数的记号与计数方式。

1. 声音
   观察依据

   主讲人定义了李雅普诺夫指数相对于流形的作用。

1. 附属于每条稳定/不稳定流形的李雅普诺夫指数
2. 李雅普诺夫指数的符号及其几何效应

1. 声音
   观察依据

   主讲人指出，特征值与特征向量（eigenstuff）仅能提供局部图像，而要获得全局图像还需进一步工作。

1. 局部线性化给出特征向量和特征值。
2. 寻找稳定流形与不稳定流形的算法

1. 公式
   观察依据

   算法幻灯片列出了求取稳定流形与不稳定流形的步骤。

1. 寻找稳定流形与不稳定流形的算法

1. 公式
   观察依据

   幻灯片指出负的与正的$\lambda_i$效应。

2. 声音
   观察依据

   主讲人解释了全为负与全为正的情形所导致的后果。

1. 李雅普诺夫指数的符号及其几何效应
2. 所有李雅普诺夫指数为负意味着轨迹收敛至一个不动点
3. 所有李雅普诺夫指数为正意味着轨迹发散至无穷远

1. 声音
   观察依据

   主讲人指出，其个数与状态空间的维数相匹配。

2. 公式
   观察依据

   幻灯片指出，一个$n$维系统具有$n$个$\lambda_i$。

1. 李雅普诺夫指数的个数等于状态空间的维数。

1. 声音
   观察依据

   主讲人说明：λ（lambda）用于表示李雅普诺夫指数，s 用于表示特征值。

1. 附属于每条稳定/不稳定流形的李雅普诺夫指数
2. 局部线性化给出特征向量和特征值。

1. 字幕依据
   观察依据

   第一张幻灯片的项目符号直接回答了该问题。

1. n维系统中李雅普诺夫指数的个数