更改

在数学与科学中，'''线性系统（Linear System）'''是指系统的输出变化与输入变化成比例，并且系统内部各要素之间满足'''叠加原理（Superposition Principle）'''<ref>Alan V. Oppenheim, Alan S. Willsky, and S. Hamid Nawab, ''Signals and Systems'', 2nd ed., Prentice Hall, 1997.</ref>的系统。叠加原理包括两个基本性质：'''齐次性'''和'''可加性'''。也就是说，如果某一输入产生某一响应，那么该输入按比例放大或缩小后，系统响应也会按相同比例变化；如果多个输入同时作用于系统，则系统的总响应等于各个输入单独作用时响应的代数和。因此，线性系统的整体行为可以由局部行为组合得到，通常比非线性系统更加直观、规则且易于分析和控制。

在数学与科学中，'''线性系统（Linear System）'''是指系统的输出变化与输入变化成比例，并且系统内部各要素之间满足'''叠加原理（Superposition Principle）'''<ref name=":0">Alan V. Oppenheim, Alan S. Willsky, and S. Hamid Nawab, ''Signals and Systems'', 2nd ed., Prentice Hall, 1997.</ref><ref name=":1">S. Axler, Linear Algebra Done Right, 3rd ed. Cham, Switzerland: Springer, 2015.</ref>的系统。叠加原理包括两个基本性质：'''齐次性'''和'''可加性'''。也就是说，如果某一输入产生某一响应，那么该输入按比例放大或缩小后，系统响应也会按相同比例变化；如果多个输入同时作用于系统，则系统的总响应等于各个输入单独作用时响应的代数和。因此，线性系统的整体行为可以由局部行为组合得到，通常比非线性系统更加直观、规则且易于分析和控制。

从数学形式上看，线性系统通常可以表示为一组'''线性代数方程、线性微分方程或线性差分方程'''。在这些方程中，未知变量、未知函数及其导数只以一次形式出现，不包含未知量之间的乘积、高次幂、指数函数、三角函数等非线性关系。换句话说，线性系统的方程可以写成未知变量或未知函数的线性组合。例如，若两个输入分别产生两个输出，则这两个输入的线性组合也会产生对应输出的线性组合，这正是线性系统区别于非线性系统的核心特征。

从数学形式上看，线性系统通常可以表示为一组'''线性代数方程、线性微分方程或线性差分方程'''。在这些方程中，未知变量、未知函数及其导数只以一次形式出现，不包含未知量之间的乘积、高次幂、指数函数、三角函数等非线性关系。换句话说，线性系统的方程可以写成未知变量或未知函数的线性组合。例如，若两个输入分别产生两个输出，则这两个输入的线性组合也会产生对应输出的线性组合，这正是线性系统区别于非线性系统的核心特征<ref name=":0" />。

需要注意的是，对于线性微分方程而言，判断其是否线性的关键在于'''未知函数及其导数是否线性出现'''。即使方程中的自变量、已知系数或外部输入随时间、空间等因素发生非线性变化，只要未知函数本身及其导数之间不存在乘积、高次项或其他非线性形式，该方程仍然可以称为线性方程。例如，一个系统的参数可以随时间变化，但只要状态变量之间不发生非线性耦合，该系统仍属于线性系统。

需要注意的是，对于线性微分方程而言，判断其是否线性的关键在于'''未知函数及其导数是否线性出现'''。即使方程中的自变量、已知系数或外部输入随时间、空间等因素发生非线性变化，只要未知函数本身及其导数之间不存在乘积、高次项或其他非线性形式，该方程仍然可以称为线性方程。例如，一个系统的参数可以随时间变化，但只要状态变量之间不发生非线性耦合，该系统仍属于线性系统。

== 定义 ==

== 定义 ==

在数学中，若一个映射或算子 f(x) 满足以下两个性质，则称其为'''线性映射'''或'''线性算子'''：

在数学中，若一个映射或算子 f(x) 满足以下两个性质，则称其为'''线性映射'''或'''线性算子'''<ref name=":1" />：

[math]\displaystyle{ f(x+y)=f(x)+f(y) }[/math]

[math]\displaystyle{ f(x+y)=f(x)+f(y) }[/math]

[math]\displaystyle{ f(\alpha x)=\alpha f(x) }[/math]

[math]\displaystyle{ f(\alpha x)=\alpha f(x) }[/math]

其中，第一个性质称为'''可加性（Additivity）'''，表示两个输入共同作用时的输出等于它们分别作用时输出的和；第二个性质称为'''齐次性（Homogeneity）'''，表示输入按比例放大或缩小时，输出也按相同比例变化。二者合在一起通常称为'''叠加原理（Superposition Principle）'''，即

其中，第一个性质称为'''可加性（Additivity）'''，表示两个输入共同作用时的输出等于它们分别作用时输出的和；第二个性质称为'''齐次性（Homogeneity）'''，表示输入按比例放大或缩小时，输出也按相同比例变化。二者合在一起通常称为'''叠加原理（Superposition Principle）<ref name=":0" /><ref name=":1" />'''，即

[math]\displaystyle{ f(\alpha x+\beta y)=\alpha f(x)+\beta f(y) }[/math]

[math]\displaystyle{ f(\alpha x+\beta y)=\alpha f(x)+\beta f(y) }[/math]

[math]\displaystyle{ f(x)=C }[/math]

[math]\displaystyle{ f(x)=C }[/math]

其中 x 表示待求的未知对象，C 为已知项，并且 f(x) 是关于 x 的线性映射，则该系统称为'''线性系统（Linear System）'''；否则称为'''非线性系统（Nonlinear System）'''。当 C=0 时，该系统称为'''齐次线性系统'''；当 C≠0 时，则称为'''非齐次线性系统'''。

其中 x 表示待求的未知对象，C 为已知项，并且 f(x) 是关于 x 的线性映射，则该系统称为'''线性系统（Linear System）'''；否则称为'''非线性系统（Nonlinear System）'''。当 C=0 时，该系统称为'''齐次线性系统'''；当 C≠0 时，则称为'''非齐次线性系统<ref name=":1" />'''。

这里的 x 可以是非常一般的数学对象，例如数、向量、函数，或满足一定边界条件的函数。因此，f(x) 也可以表示不同类型的线性运算，例如矩阵变换、积分算子、微分算子或差分算子。如果 f(x) 中包含对未知函数 x 的微分运算，则对应的系统就是'''线性微分方程系统'''。

这里的 x 可以是非常一般的数学对象，例如数、向量、函数，或满足一定边界条件的函数。因此，f(x) 也可以表示不同类型的线性运算，例如矩阵变换、积分算子、微分算子或差分算子。如果 f(x) 中包含对未知函数 x 的微分运算，则对应的系统就是'''线性微分方程系统'''<ref>W. E. Boyce, R. C. DiPrima, and D. B. Meade, Elementary Differential Equations and Boundary Value Problems, 11th ed. Hoboken, NJ, USA: Wiley, 2017.</ref>。

== 动力系统中的线性系统 ==

== 动力系统中的线性系统 ==

在动力学语境下，线性系统通常是研究多维连续动力系统的基本起点。一般地，n 维线性常系数微分方程组可以写成如下矩阵形式：

在动力学语境下，线性系统通常是研究多维连续动力系统的基本起点。一般地，n 维线性常系数微分方程组可以写成如下矩阵形式<ref name=":3">W. E. Boyce, R. C. DiPrima, and D. B. Meade, Elementary Differential Equations and Boundary Value Problems, 11th ed. Hoboken, NJ, USA: Wiley, 2017.</ref>：

<nowiki>[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=A\mathbf{x} }[/math]</nowiki>

<nowiki>[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=A\mathbf{x} }[/math]</nowiki>

[math]\displaystyle{ \mathbf{x}(t)=e^{At}\mathbf{x}(0) }[/math]

[math]\displaystyle{ \mathbf{x}(t)=e^{At}\mathbf{x}(0) }[/math]

其中，x(0) 为初始状态，[math]\displaystyle{ e^{At} }[/math] 为矩阵指数。通过分析矩阵 A 的特征值和特征向量，可以进一步研究系统的稳定性、振荡行为、相轨迹结构以及长期演化趋势。

其中，x(0) 为初始状态，[math]\displaystyle{ e^{At} }[/math] 为矩阵指数。通过分析矩阵 A 的特征值和特征向量，可以进一步研究系统的稳定性、振荡行为、相轨迹结构以及长期演化趋势<ref name=":3" />。

=== 向量场与相平面 ===

=== 向量场与相平面 ===

==== 向量场：方程的几何映射 ====

==== 向量场：方程的几何映射 ====

从前述谐振子的例子可以看出，当线性系统被抽象为 [math]\displaystyle{ \dot{\mathbf{x}}=A\mathbf{x} }[/math] 的形式后，它便超越了纯代数意义下的矩阵微分方程，映射为几何空间中的一个动态结构。对于二维空间中的任意状态点 [math]\displaystyle{ (x,v) }[/math]，矩阵乘法 [math]\displaystyle{ A\mathbf{x} }[/math] 都会赋予该点一个确定的变化速度与方向向量 [math]\displaystyle{ (\dot{x},\dot{v}) }[/math]。这些密布于空间各点、指示着系统瞬时演化趋势的箭头，共同构成了该系统的<nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>（Vector Field）。向量场直观地刻画了系统在全局各个状态下的“流速”与“流向”，是理解二维线性系统整体行为的基础。

<nowiki>从前述谐振子的例子可以看出，当线性系统被抽象为 [math]\displaystyle{ \dot{\mathbf{x}}=A\mathbf{x} }[/math] 的形式后，它便超越了纯代数意义下的矩阵微分方程，映射为几何空间中的一个动态结构。对于二维空间中的任意状态点 [math]\displaystyle{ (x,v) }[/math]，矩阵乘法 [math]\displaystyle{ A\mathbf{x} }[/math] 都会赋予该点一个确定的变化速度与方向向量 [math]\displaystyle{ (\dot{x},\dot{v}) }[/math]。这些密布于空间各点、指示着系统瞬时演化趋势的箭头，共同构成了该系统的</nowiki><nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>（Vector Field）。向量场直观地刻画了系统在全局各个状态下的“流速”与“流向”，是理解二维线性系统整体行为的基础<ref name=":4">S. H. Strogatz, 非线性动力学与混沌, 孙梅, 译. 北京, 中国: 机械工业出版社, 2016.</ref>。

==== 相平面与相轨迹 ====

==== 相平面与相轨迹 ====

由系统的全部状态变量所张成的几何空间，被称为系统的<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>（Phase Space）；在二维情况下，特称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>（Phase Plane）。当给定系统一个初始状态 [math]\displaystyle{ (x_0,v_0) }[/math] 时，随着时间 [math]\displaystyle{ t }[/math] 的推移，状态点会顺着向量场的指引在相平面上运动，其描绘出的连续曲线即为系统的<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>（Trajectory）。

由系统的全部状态变量所张成的几何空间，被称为系统的<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>（Phase Space）；在二维情况下，特称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>（Phase Plane）。当给定系统一个初始状态 [math]\displaystyle{ (x_0,v_0) }[/math] 时，随着时间 [math]\displaystyle{ t }[/math] 的推移，状态点会顺着向量场的指引在相平面上运动，其描绘出的连续曲线即为系统的<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>（Trajectory）<ref name=":4" />。

==== 定性分析 ====

==== 定性分析 ====

在复杂系统的动力学研究中，对二维线性系统的研究重点往往不再局限于求解微分方程的显式时间解析解[math]\displaystyle{ \mathbf{x}(t) }[/math]，更重要的是俯瞰这些轨迹在相平面中的整体拓扑分布。通过考察轨迹的几何形状、流动趋势以及它们与特殊点（不动点）的相对关系，可以在不强求解析解的情况下，直接把握系统的宏观定性行为。

在复杂系统的动力学研究中，对二维线性系统的研究重点往往不再局限于求解微分方程的显式时间解析解[math]\displaystyle{ \mathbf{x}(t) }[/math]，更重要的是俯瞰这些轨迹在相平面中的整体拓扑分布。通过考察轨迹的几何形状、流动趋势以及它们与特殊点（不动点）的相对关系，可以在不强求解析解的情况下，直接把握系统的宏观定性行为。

=== 不动点与稳定性 ===

=== 不动点与稳定性 ===

在相平面的研究中，除了把握整体轨迹的几何拓扑，另一个核心问题是系统在平衡状态附近的局部演化行为。若系统在某一点处满足 [math]\displaystyle{ \dot{\mathbf{x}}=A\mathbf{x}=\mathbf{0} }[/math]，则称该点为系统的<nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>（Fixed point）或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>（Equilibrium point）。对于非奇异的二维线性系统而言，原点 [math]\displaystyle{ (0,0) }[/math] 通常是最基本的不动点。

<nowiki>在相平面的研究中，除了把握整体轨迹的几何拓扑，另一个核心问题是系统在平衡状态附近的局部演化行为。若系统在某一点处满足 [math]\displaystyle{ \dot{\mathbf{x}}=A\mathbf{x}=\mathbf{0} }[/math]，则称该点为系统的</nowiki><nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>（Fixed point）或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>（Equilibrium point）<ref name=":4" />。对于非奇异的二维线性系统而言，原点 [math]\displaystyle{ (0,0) }[/math] 通常是最基本的不动点。

==== 稳定性的层级分类 ====

==== 稳定性的层级分类 ====

在线性系统中，常用的稳定性概念包括：

在线性系统中，常用的稳定性概念包括：

<nowiki>[math]\displaystyle{ \lambda_{1,2}=\frac{T\pm\sqrt{T^2-4\Delta}}{2} }[/math]</nowiki>

<nowiki>[math]\displaystyle{ \lambda_{1,2}=\frac{T\pm\sqrt{T^2-4\Delta}}{2} }[/math]</nowiki>

因此，二维线性系统不动点的类型可统一由 [math]\displaystyle{ T }[/math]、[math]\displaystyle{ \Delta }[/math] 以及判别式 [math]\displaystyle{ T^2-4\Delta }[/math] 来决定。[[文件:二维线性系统不动点分类.png|缩略图|链接=https://wiki.swarma.org/index.php/%E6%96%87%E4%BB%B6:%E4%BA%8C%E7%BB%B4%E7%BA%BF%E6%80%A7%E7%B3%BB%E7%BB%9F%E4%B8%8D%E5%8A%A8%E7%82%B9%E5%88%86%E7%B1%BB.png]]

因此，二维线性系统不动点的类型可统一由 [math]\displaystyle{ T }[/math]、[math]\displaystyle{ \Delta }[/math] 以及判别式 [math]\displaystyle{ T^2-4\Delta }[/math] 来决定<ref name=":4" />。[[文件:二维线性系统不动点分类.png|缩略图|链接=https://wiki.swarma.org/index.php/%E6%96%87%E4%BB%B6:%E4%BA%8C%E7%BB%B4%E7%BA%BF%E6%80%A7%E7%B3%BB%E7%BB%9F%E4%B8%8D%E5%8A%A8%E7%82%B9%E5%88%86%E7%B1%BB.png]]

== 在线性化和非线性系统分析中的作用 ==

== 在线性化和非线性系统分析中的作用 ==

尽管现实世界中的许多系统具有非线性特征，但线性系统在非线性系统分析中仍然具有基础性作用。一个重要原因是，许多非线性动力系统在平衡点或不动点附近的局部行为，可以通过相应的线性系统近似描述。

尽管现实世界中的许多系统具有非线性特征，但线性系统在非线性系统分析中仍然具有基础性作用。一个重要原因是，许多非线性动力系统在平衡点或不动点附近的局部行为，可以通过相应的线性系统近似描述。

<nowiki>[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=\mathbf{F}(\mathbf{x}) }[/math]</nowiki>

<nowiki>[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=\mathbf{F}(\mathbf{x}) }[/math]</nowiki>

这种方法称为'''线性化'''。通过分析雅可比矩阵的特征值，可以判断不动点附近的局部稳定性。例如，若所有特征值的实部均小于零，则该不动点通常是局部稳定的；若存在特征值的实部大于零，则该不动点通常是不稳定的。若特征值为复数，则系统可能表现出振荡、螺旋收敛或螺旋发散等相空间行为。

这种方法称为'''线性化'''。通过分析雅可比矩阵的特征值，可以判断不动点附近的局部稳定性。例如，若所有特征值的实部均小于零，则该不动点通常是局部稳定的；若存在特征值的实部大于零，则该不动点通常是不稳定的。若特征值为复数，则系统可能表现出振荡、螺旋收敛或螺旋发散等相空间行为。

== 经典实例：二维谐振子系统 ==

== 经典实例：二维谐振子系统 ==

为了更直观地理解线性系统的降维与重构，可以以经典的无阻尼弹簧振子为例。设一个质量为 [math]\displaystyle{ m }[/math] 的物体连接在劲度系数为 [math]\displaystyle{ k }[/math] 的弹簧上，其偏离平衡位置的位移记为 [math]\displaystyle{ x }[/math]。根据牛顿第二定律与胡克定律，该系统满足以下二阶常微分方程：

为了更直观地理解线性系统的降维与重构，可以以经典的无阻尼弹簧振子为例<ref>J. R. Taylor, Classical Mechanics. Sausalito, CA, USA: University Science Books, 2005.</ref>。设一个质量为 [math]\displaystyle{ m }[/math] 的物体连接在劲度系数为 [math]\displaystyle{ k }[/math] 的弹簧上，其偏离平衡位置的位移记为 [math]\displaystyle{ x }[/math]。根据牛顿第二定律与胡克定律，该系统满足以下二阶常微分方程：

[math]\displaystyle{ m\ddot{x}+kx=0 }[/math]

[math]\displaystyle{ m\ddot{x}+kx=0 }[/math]

[math]\displaystyle{ \begin{pmatrix} \dot{x}\\ \dot{v} \end{pmatrix}=\begin{pmatrix} 0 & 1\\ -\frac{k}{m} & 0 \end{pmatrix}\begin{pmatrix} x\\ v \end{pmatrix} }[/math]

[math]\displaystyle{ \begin{pmatrix} \dot{x}\\ \dot{v} \end{pmatrix}=\begin{pmatrix} 0 & 1\\ -\frac{k}{m} & 0 \end{pmatrix}\begin{pmatrix} x\\ v \end{pmatrix} }[/math]

从该演化方程可以看出，要完全确定系统未来的状态，仅仅知道位置 [math]\displaystyle{ x }[/math] 这一物理量是不够的，还必须掌握系统当下的速度 [math]\displaystyle{ v }[/math]。因此，描述该系统的自然状态空间不再是一维的直线，而是由位置与速度构成的二维<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>（Phase plane），即 [math]\displaystyle{ (x,v) }[/math] 空间。

从该演化方程可以看出，要完全确定系统未来的状态，仅仅知道位置 [math]\displaystyle{ x }[/math] 这一物理量是不够的，还必须掌握系统当下的速度 [math]\displaystyle{ v }[/math]。因此，描述该系统的自然状态空间不再是一维的直线，而是由位置与速度构成的二维<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>（Phase plane），即 [math]\displaystyle{ (x,v) }[/math] 空间<ref name=":4" />。

== 跨学科案例：罗密欧与朱丽叶的恋爱动力学 ==

== 跨学科案例：罗密欧与朱丽叶的恋爱动力学<ref name=":4" /> ==

这一案例展示了动力系统分析中的结构相似性：二维线性系统的不动点分类不仅可以用于解释弹簧振子等经典物理系统中的周期振动，也可以用于刻画社会或心理模型中的相互作用关系。在数学上，这类问题都可以归结为对系统矩阵的特征值、迹与行列式的分析；在几何上，它们都可以通过相平面中的轨迹结构进行直观理解。

这一案例展示了动力系统分析中的结构相似性：二维线性系统的不动点分类不仅可以用于解释弹簧振子等经典物理系统中的周期振动，也可以用于刻画社会或心理模型中的相互作用关系。在数学上，这类问题都可以归结为对系统矩阵的特征值、迹与行列式的分析；在几何上，它们都可以通过相平面中的轨迹结构进行直观理解。

== 参考文献 ==

== 参考文献 ==