3、数学预备知识（一）：标量函数的正定性、负定性、半正定性、半负定性

各位同学，咱们今天聊点数学。别急着皱眉，我保证不会让你掉进公式堆里。

做控制这么多年，我最大的体会是：李雅普诺夫稳定性理论，说白了就是一套“能量语言”。你想想看，一个系统稳不稳定，本质上就是看它的“能量”是不是越变越少，最后归零。而这个“能量”，在数学上就表现为一个标量函数。

所以，在正式进入李雅普诺夫方法之前，咱们得先把这套“能量语言”的语法搞清楚——也就是标量函数的正定性、负定性、半正定性、半负定性。

3.1 为什么是标量函数？

先回答一个最基础的问题：为什么偏偏是标量函数？

我个人习惯把控制系统想象成一个“水池”。系统的状态变量（比如位置、速度）就是水池里的水位。我们需要一个单一的数字来描述这个水池的“总水量”——这就是标量函数的作用。它把多维的状态向量，映射成一个一维的数值。

嗯，这里要注意：这个映射不是随便选的。你选的这个标量函数，必须能真实反映系统的“能量”或“距离平衡点的远近”。选错了，后面的分析全白搭。

3.2 正定性（Positive Definiteness）

这是最基础、也是最严格的一个概念。

什么叫正定？用大白话说：除了原点（x=0）处函数值为0，在其他任何地方，函数值都大于0。

数学定义是这样的：

对于标量函数 V(x)，如果：
1. V(0) = 0
2. 对于所有 x ≠ 0，都有 V(x) > 0
则称 V(x) 是正定的。

我在项目中遇到过最经典的例子，就是 V(x) = x₁² + x₂²。你想想看，这个函数在原点处是0，离开原点后，不管往哪个方向走，函数值都是正的。这就是一个完美的正定函数，像一口碗的底部。

3.3 负定性（Negative Definiteness）

负定性其实就是正定性的“镜像”。

说白了：除了原点处为0，其他任何地方函数值都小于0。

数学定义：

对于标量函数 V(x)，如果：
1. V(0) = 0
2. 对于所有 x ≠ 0，都有 V(x) < 0
则称 V(x) 是负定的。

举个例子：V(x) = - (x₁² + x₂²)。这个函数在原点处是0，离开原点后，函数值永远是负的。它就像一个倒扣的碗。

我曾经犯过一个低级错误：在分析系统稳定性时，我找到了一个负定的导数，但忘了检查函数本身是不是正定的。结果分析到一半才发现，函数本身是负定的，整个逻辑全乱了。所以，正定和负定一定要配对使用。

3.4 半正定性（Positive Semi-Definiteness）

半正定性比正定性“宽松”一些。它允许函数在非原点的地方也等于0。

数学定义：

对于标量函数 V(x)，如果：
1. V(0) = 0
2. 对于所有 x，都有 V(x) ≥ 0
则称 V(x) 是半正定的。

你想想看，V(x) = (x₁ + x₂)² 这个函数。它在原点处是0，但沿着直线 x₁ = -x₂ 这条线走，函数值也是0。所以它不是正定的，只是半正定的。

3.5 半负定性（Negative Semi-Definiteness）

同理，半负定性就是半正定性的“镜像”。

数学定义：

对于标量函数 V(x)，如果：
1. V(0) = 0
2. 对于所有 x，都有 V(x) ≤ 0
则称 V(x) 是半负定的。

举个例子：V(x) = - (x₁ + x₂)²。这个函数在原点处是0，沿着直线 x₁ = -x₂ 也是0，其他地方都是负的。这就是半负定。

3.6 四种性质的对比与总结

为了让你一目了然，我把这四种性质整理成了一张表：

性质	V(0) 的值	x ≠ 0 时 V(x) 的值	典型例子
正定	0	V(x) > 0	V = x₁² + x₂²
负定	0	V(x) < 0	V = - (x₁² + x₂²)
半正定	0	V(x) ≥ 0	V = (x₁ + x₂)²
半负定	0	V(x) ≤ 0	V = - (x₁ + x₂)²

这张表你最好记在心里。每次做李雅普诺夫分析时，先对照一下，看看你选的函数属于哪一类。

3.7 知识体系结构图

下面这张图，是我用SVG画的，帮你理清这四种性质之间的关系：

3.8 实战中的选择建议

说了这么多理论，最后给你点实战建议。

我个人习惯在工程中，优先选择正定函数作为李雅普诺夫候选函数。为什么？因为正定函数能保证“能量”只在原点处为零，其他地方都有正的能量。这样分析起来最干净、最可靠。

如果实在找不到正定函数，退而求其次用半正定函数也可以，但这时候你要格外小心。我曾经在一个项目中，用半正定函数分析一个非线性系统，结果系统在某个子空间内“卡住”了，但实际系统是稳定的。后来用了LaSalle不变集原理才把问题搞清楚。

嗯，关于LaSalle不变集，那是后面章节的内容了。今天先把这四种定性吃透，后面的路就好走了。

---