线性系统 - 版本历史

2026年6月25日 (四) 21:22 张新宇

2026-06-25T21:22:39Z

2026年6月25日 (四) 20:44 张新宇

2026-06-25T20:44:05Z

张新宇：/* 在线性化和非线性系统分析中的作用 */ 添加外部引用

2026-06-12T03:56:19Z

在线性化和非线性系统分析中的作用：添加外部引用

张新宇：修改了子标题，区分词条二维线性动力系统

2026-06-12T03:49:10Z

修改了子标题，区分词条二维线性动力系统

张新宇：/* 向量场与相平面 */ 修改小标题

2026-06-12T03:39:34Z

向量场与相平面：修改小标题

张新宇：将线性系统和二维线性系统的内容进行了拆分，移除了二维线性动力系统的内容

2026-06-05T10:09:35Z

将线性系统和二维线性系统的内容进行了拆分，移除了二维线性动力系统的内容

张新宇：修改了线性系统的一般描述和定义，快速过渡到线性动力系统

2026-05-29T04:21:12Z

修改了线性系统的一般描述和定义，快速过渡到线性动力系统

2026年5月16日 (六) 00:10 Jake

2026-05-16T00:10:27Z

张新宇：添加了引用的文献

2026-05-15T10:18:08Z

添加了引用的文献

显示更改

张新宇：加了一条参考文献，做测试

2026-05-15T09:31:19Z

加了一条参考文献，做测试

@@ 第1行： / 第1行： @@
-在数学中，'''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。
+在数学中，'''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。
-当这种线性关系进一步用于描述系统状态随时间的演化时，就得到'''线性动力系统（Linear Dynamical System）'''。与一般线性系统相比，线性动力系统更强调“状态如何变化”以及“当前状态如何决定未来状态”。因此，线性动力系统可以看作线性系统在时间演化问题中的具体形式<ref name=":0" /><ref name=":2">H. K. Khalil, Nonlinear Systems, 3rd ed. Upper Saddle River, NJ, USA: Prentice Hall, 2002.</ref>。
+当这种线性关系进一步用于描述系统状态随时间的演化时，就得到'''[[线性动力系统（Linear Dynamical System）]]'''。与一般线性系统相比，[[线性动力系统]]更强调“状态如何变化”以及“当前状态如何决定未来状态”。因此，[[线性动力系统]]可以看作线性系统在时间演化问题中的具体形式<ref name=":0" /><ref name=":2">H. K. Khalil, Nonlinear Systems, 3rd ed. Upper Saddle River, NJ, USA: Prentice Hall, 2002.</ref>。
 == '''定义''' ==
@@ 第8行： / 第8行： @@
 <nowiki>[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=A\mathbf{x} }[/math]</nowiki>
-其中，[math]\displaystyle{ \mathbf{x}\in\mathbb{R}^n }[/math]表示系统的状态向量，A 为常数矩阵，用于描述系统内部各状态变量之间的线性耦合关系。该方程表明，系统状态的变化率由当前状态经过矩阵 A 的线性变换决定。
+其中，[math]\displaystyle{ \mathbf{x}\in\mathbb{R}^n }[/math]表示系统的状态向量，A 为常数矩阵，用于描述系统内部各状态变量之间的[[线性耦合]]关系。该方程表明，系统状态的变化率由当前状态经过矩阵 A 的线性变换决定。
 线性系统的一个核心优势在于，它们往往存在解析解。例如，对于上述常系数线性系统，其解可以形式化地写为
@@ 第14行： / 第14行： @@
 [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<ref name=":3" />。
+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[[稳定性理论|稳定性]]、[[振荡行为]]、[[相轨迹]]结构以及长期演化趋势<ref name=":3" />。
 == '''性质''' ==
-=== 状态空间中的向量场 ===
+=== [[状态空间]]中的[[向量场]] ===
-<nowiki>线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 [math]\dot{\mathbf{x}}=A\mathbf{x}[/math]，每一个状态点 [math]\mathbf{x}\in\mathbb{R}^n[/math]都通过矩阵 A 对应一个速度向量 [math]\dot{\mathbf{x}}[/math]，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的</nowiki><nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<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>。
+线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为[[状态空间]]<nowiki>中的几何结构。对于连续时间系统 [math]\dot{\mathbf{x}}=A\mathbf{x}[/math]，每一个状态点 [math]\mathbf{x}\in\mathbb{R}^n[/math]都通过矩阵 A 对应一个速度向量 [math]\dot{\mathbf{x}}[/math]，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的</nowiki><nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<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>。
-=== 状态空间与相轨迹 ===
+=== [[状态空间]]与[[相轨迹]] ===
-由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>。给定初始状态 [math]\mathbf{x}(0)=\mathbf{x}_0[/math]后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>。<ref name=":4" />
+由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>[[相空间]]<nowiki>'''</nowiki>。给定初始状态 [math]\mathbf{x}(0)=\mathbf{x}_0[/math]后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>[[相轨迹]]<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>[[相平面]]<nowiki>'''</nowiki>。<ref name=":4" />
 === 线性系统的定性行为 ===
-在线性动力系统的研究中，分析重点不仅在于求出显式解[math]\mathbf{x}(t)[/math]，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" />
+在线性动力系统的研究中，分析重点不仅在于求出显式解[math]\mathbf{x}(t)[/math]，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的[[稳定性理论|稳定性]]、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" />
-=== 平衡点与稳定性 ===
+=== [[平衡点]]与[[稳定性理论|稳定性]] ===
-<nowiki>在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 [math]\dot{\mathbf{x}}=A\mathbf{x}[/math]，若某一状态[math]\mathbf{x}^\ast[/math] 满足 [math]A\mathbf{x}^\ast=\mathbf{0}[/math]，则称其为系统的</nowiki><nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>。在齐次线性系统中，原点[math]\mathbf{x}=\mathbf{0}[/math] 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" />
+<nowiki>在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 [math]\dot{\mathbf{x}}=A\mathbf{x}[/math]，若某一状态[math]\mathbf{x}^\ast[/math] 满足 [math]A\mathbf{x}^\ast=\mathbf{0}[/math]，则称其为系统的</nowiki><nowiki>'''</nowiki>[[不动点]]<nowiki>'''</nowiki>或<nowiki>'''</nowiki>[[平衡点]]<nowiki>'''</nowiki>。在齐次线性系统中，原点[math]\mathbf{x}=\mathbf{0}[/math] 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" />
 === 稳定性概念的层级 ===
 在线性系统中，常用的稳定性概念包括：
 * 吸引的 (Attracting)：若从不动点附近出发的轨迹在 [math]\displaystyle{ t\to\infty }[/math] 时都收敛到该点。
-* 李雅普诺夫稳定 (Lyapunov stable)：若任意足够靠近不动点的初始条件产生的轨迹，在未来始终保持在给定的较小邻域内。
+* [[李雅普诺夫稳定]] (Lyapunov stable)：若任意足够靠近不动点的初始条件产生的轨迹，在未来始终保持在给定的较小邻域内。
-* 渐近稳定 (Asymptotically stable)：若一个不动点同时满足上述两个条件。
+* [[渐近稳定]] (Asymptotically stable)：若一个不动点同时满足上述两个条件。
-* 中性稳定 (Neutrally stable)：轨迹始终保持在平衡点附近但不向其收敛（如无阻尼谐振子的闭合椭圆）。
+* [[中性稳定]] (Neutrally stable)：轨迹始终保持在平衡点附近但不向其收敛（如无阻尼谐振子的闭合椭圆）。
-* 不稳定 (Unstable)：无论扰动多么微小，轨迹都可能逐渐远离平衡点。
+* [[不稳定]] (Unstable)：无论扰动多么微小，轨迹都可能逐渐远离平衡点。
 == 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动力系统近似描述。
+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[[线性动力系统]]近似描述。
 设一个连续时间非线性动力系统<ref name=":4" />为
@@ 第43行： / 第43行： @@
 <nowiki>[math]\displaystyle{ \frac{d\mathbf{x}}{dt}=\mathbf{F}(\mathbf{x}) }[/math]</nowiki>
-其中，[math]\displaystyle{ \mathbf{x}\in\mathbb{R}^n }[/math] 为状态向量，[math]\displaystyle{ \mathbf{F}(\mathbf{x}) }[/math] 为非线性向量场。若 [math]\displaystyle{ \mathbf{x}^\ast }[/math] 是系统的不动点，即
+其中，[math]\displaystyle{ \mathbf{x}\in\mathbb{R}^n }[/math] 为[[状态向量]]，[math]\displaystyle{ \mathbf{F}(\mathbf{x}) }[/math] 为[[非线性向量场]]。若 [math]\displaystyle{ \mathbf{x}^\ast }[/math] 是系统的[[不动点]]，即
 [math]\displaystyle{ \mathbf{F}(\mathbf{x}^\ast)=\mathbf{0} }[/math]
@@ 第59行： / 第59行： @@
 <nowiki>[math]\displaystyle{ J(\mathbf{x}^\ast)=\left.\frac{\partial \mathbf{F}}{\partial \mathbf{x}}\right|_{\mathbf{x}=\mathbf{x}^\ast} }[/math]</nowiki>
-称为该非线性系统在不动点处的<nowiki>'''雅可比矩阵'''</nowiki>（Jacobian matrix）。因此，非线性系统在不动点附近的局部行为，通常可以由一个线性常系数系统来近似刻画。
+称为该[[非线性系统]]在[[不动点]]处的<nowiki>'''</nowiki>[[雅可比矩阵]]<nowiki>'''</nowiki>（Jacobian matrix）。因此，[[非线性系统]]在[[不动点]]附近的局部行为，通常可以由一个线性常系数系统来近似刻画。
-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。
-因此，线性系统不仅本身具有独立的研究价值，也构成了研究非线性动力系统的重要基础。特别是在[[二维线性动力系统|二维]]及更高维相空间中，线性系统可以用于刻画稳定节点、鞍点、焦点、中心等典型局部结构。这些结构为理解更复杂的非线性现象，如分岔、[https://wiki.swarma.org/index.php/%E6%9E%81%E9%99%90%E7%8E%AF 极限环]和混沌等，提供了基本分析框架<ref name=":2" /><ref name=":4" />。
+因此，线性系统不仅本身具有独立的研究价值，也构成了研究[[非线性动力系统]]的重要基础。特别是在[[二维线性动力系统|二维]]及更高维[[相空间]]中，线性系统可以用于刻画稳定节点、鞍点、焦点、中心等典型局部结构。这些结构为理解更复杂的非线性现象，如[[分岔理论|分岔]]、[https://wiki.swarma.org/index.php/%E6%9E%81%E9%99%90%E7%8E%AF 极限环]和[[混沌理论|混沌]]等，提供了基本分析框架<ref name=":2" /><ref name=":4" />。

@@ 第18行： / 第18行： @@
 === 状态空间中的向量场 ===
-线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，每一个状态点 \mathbf{x}\in\mathbb{R}^n 都通过矩阵 A 对应一个速度向量 \dot{\mathbf{x}}，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的<nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<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>。
+<nowiki>线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 [math]\dot{\mathbf{x}}=A\mathbf{x}[/math]，每一个状态点 [math]\mathbf{x}\in\mathbb{R}^n[/math]都通过矩阵 A 对应一个速度向量 [math]\dot{\mathbf{x}}[/math]，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的</nowiki><nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<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>。
 === 状态空间与相轨迹 ===
-由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>。给定初始状态 \mathbf{x}(0)=\mathbf{x}_0 后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>。<ref name=":4" />
+由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>。给定初始状态 [math]\mathbf{x}(0)=\mathbf{x}_0[/math]后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>。<ref name=":4" />
 === 线性系统的定性行为 ===
-在线性动力系统的研究中，分析重点不仅在于求出显式解 \mathbf{x}(t)，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" />
+在线性动力系统的研究中，分析重点不仅在于求出显式解[math]\mathbf{x}(t)[/math]，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" />
 === 平衡点与稳定性 ===
-在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，若某一状态 \mathbf{x}^\ast 满足 A\mathbf{x}^\ast=\mathbf{0}，则称其为系统的<nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>。在齐次线性系统中，原点 \mathbf{x}=\mathbf{0} 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" />
+<nowiki>在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 [math]\dot{\mathbf{x}}=A\mathbf{x}[/math]，若某一状态[math]\mathbf{x}^\ast[/math] 满足 [math]A\mathbf{x}^\ast=\mathbf{0}[/math]，则称其为系统的</nowiki><nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>。在齐次线性系统中，原点[math]\mathbf{x}=\mathbf{0}[/math] 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" />
 === 稳定性概念的层级 ===
 在线性系统中，常用的稳定性概念包括：
@@ 第36行： / 第36行： @@
 * 不稳定 (Unstable)：无论扰动多么微小，轨迹都可能逐渐远离平衡点。
 == 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动力系统近似描述。

←上一版本		2026年6月12日 (五) 03:56的版本
第65行：		第65行：
	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。

−	因此，线性系统不仅本身具有独立的研究价值，也构成了研究非线性动力系统的重要基础。特别是在二维及更高维相空间中，线性系统可以用于刻画稳定节点、鞍点、焦点、中心等典型局部结构。这些结构为理解更复杂的非线性现象，如分岔、[https://wiki.swarma.org/index.php/%E6%9E%81%E9%99%90%E7%8E%AF 极限环]和混沌等，提供了基本分析框架<ref name=":2" /><ref name=":4" />。	+	因此，线性系统不仅本身具有独立的研究价值，也构成了研究非线性动力系统的重要基础。特别是在[[二维线性动力系统\|二维]]及更高维相空间中，线性系统可以用于刻画稳定节点、鞍点、焦点、中心等典型局部结构。这些结构为理解更复杂的非线性现象，如分岔、[https://wiki.swarma.org/index.php/%E6%9E%81%E9%99%90%E7%8E%AF 极限环]和混沌等，提供了基本分析框架<ref name=":2" /><ref name=":4" />。

@@ 第16行： / 第16行： @@
 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" />。
 == '''性质''' ==
-=== 向量场与相空间 ===
-==== 向量场：方程的几何映射 ====
+=== 状态空间中的向量场 ===
 线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，每一个状态点 \mathbf{x}\in\mathbb{R}^n 都通过矩阵 A 对应一个速度向量 \dot{\mathbf{x}}，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的<nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<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>。
-==== 相空间 ====
+=== 状态空间与相轨迹 ===
 由系统全部状态变量构成的几何空间称为<nowiki>'''</nowiki>相空间<nowiki>'''</nowiki>。给定初始状态 \mathbf{x}(0)=\mathbf{x}_0 后，系统状态会随时间 t 在相空间中演化，其描绘出的曲线称为<nowiki>'''</nowiki>相轨迹<nowiki>'''</nowiki>。相轨迹反映了系统从不同初始状态出发后的演化路径，是分析系统稳定性、振荡行为和长期趋势的重要工具。在二维情形下，相空间通常称为<nowiki>'''</nowiki>相平面<nowiki>'''</nowiki>。<ref name=":4" />
-==== 定性分析 ====
+=== 线性系统的定性行为 ===
 在线性动力系统的研究中，分析重点不仅在于求出显式解 \mathbf{x}(t)，也在于从状态空间中的整体轨迹结构理解系统的宏观行为。通过考察相轨迹的几何形状、流动方向及其与平衡点的关系，可以在不直接求解方程的情况下，判断系统的稳定性、振荡性和长期演化趋势。对于低维系统，这些性质常可通过相图直观呈现；对于高维系统，则通常结合特征值、特征向量及不变子空间进行分析。<ref name=":4" />
-=== 不动点与稳定性 ===
+=== 平衡点与稳定性 ===
 在线性动力系统中，除了考察状态轨迹在相空间中的整体分布，另一个核心问题是系统在平衡状态附近的局部演化行为。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，若某一状态 \mathbf{x}^\ast 满足 A\mathbf{x}^\ast=\mathbf{0}，则称其为系统的<nowiki>'''</nowiki>不动点<nowiki>'''</nowiki>或<nowiki>'''</nowiki>平衡点<nowiki>'''</nowiki>。在齐次线性系统中，原点 \mathbf{x}=\mathbf{0} 总是一个平衡点；若矩阵 A 非奇异，则原点是唯一平衡点。系统在平衡点附近的轨迹走向决定了其稳定性，例如轨迹趋向平衡点表示渐近稳定，远离平衡点则表示不稳定。<ref name=":4" />
-==== 稳定性的层级分类 ====
+=== 稳定性概念的层级 ===
 在线性系统中，常用的稳定性概念包括：
 * 吸引的 (Attracting)：若从不动点附近出发的轨迹在 [math]\displaystyle{ t\to\infty }[/math] 时都收敛到该点。

@@ 第16行： / 第16行： @@
 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" />。
 == '''性质''' ==
-=== 向量场与相平面 ===
+=== 向量场与相空间 ===
 ==== 向量场：方程的几何映射 ====
 线性动力系统不仅可以表示为代数意义上的矩阵微分方程，也可以理解为状态空间中的几何结构。对于连续时间系统 \dot{\mathbf{x}}=A\mathbf{x}，每一个状态点 \mathbf{x}\in\mathbb{R}^n 都通过矩阵 A 对应一个速度向量 \dot{\mathbf{x}}，表示系统在该点处的瞬时变化方向和变化速率。所有状态点上的速度向量共同构成系统的<nowiki>'''</nowiki>向量场<nowiki>'''</nowiki>，用于描述系统在状态空间中的整体流动趋势。<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>。

←上一版本		2026年5月16日 (六) 00:10的版本
第1行：		第1行：
−	~~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。	+	在数学中，'''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<ref name=":0" />。		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" />。

@@ 第1行： / 第1行： @@
-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）'''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>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。
 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。
@@ 第146行： / 第146行： @@
 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。