為什麼「線性」是那道大分界線
翻開幾乎任何一本物理或工程教材，你會一遍遍看到同樣的方程：彈簧上的質量塊、電路裡的電流、振動的弦、冷卻的物體、受載的樑。它們共有的不是題材，而是形狀——它們全都是線性微分方程。在一階級裡，你把線性與非線性之分當作一個分類標籤遇見。現在我們要把這個標籤兌現成真金白銀，因為對線性方程來說，回報極其豐厚：有一整套理論，能在你算出任何一個解之前，就告訴你每一個解的*形狀*。
回想一下確切的形式。一個 n 階常微分方程是線性的，是指它能寫成 a_n(x) y^{(n)} + ... + a_1(x) y' + a_0(x) y = g(x)，其中每個係數 a_k(x) 和右端 g(x) 都只依賴 x——絕不依賴 y。未知量 y 及其導數都只以一次冪出現，彼此從不相乘，也從不被裹進正弦或平方裡。只要你一瞥見 y^2，或 y 乘 y'，或 sin(y)，我們即將搭建的整套結構就會坍塌，因為非線性方程根本不肯配合。本級裡的一切，都住在這個線性模板之內。
把方程打包成一個算子
下面這一步，能把一長串鋪開的公式，變成你可以乾淨俐落地思考的東西。把所有作用在 y 上的部分，收進一個符號 L，即線性微分算子。定義 L = a_n(x) d^n/dx^n + ... + a_1(x) d/dx + a_0(x)。它是一台機器：餵給它一個函數 y，它就還給你另一個函數 L[y] = a_n(x) y^{(n)} + ... + a_0(x) y。有了這套記號，整個方程縮成兩個字符外加一項驅動：L[y] = g(x)。左邊是系統；右邊的 g(x) 是在驅動它的東西——一記推力、一個電壓、一個熱源。
何必費這個事？因為 L 擁有那條為它命名的性質：線性。對任意兩個函數 y_1、y_2 和任意常數 c_1、c_2，都有 L[c_1 y_1 + c_2 y_2] = c_1 L[y_1] + c_2 L[y_2]。算子徑直穿過求和與縮放。這不是記號上的巧合——它恰恰就是你在第一卷裡已經信賴的兩個運算所具有的同一性質：求導是線性的，(c_1 f + c_2 g)' = c_1 f' + c_2 g'，而定積分也是線性的。L 只由求導和乘以 x 的函數搭成，於是它繼承了它們的線性。這一條代數事實，就是整套理論生長出來的種子。
疊加：線性的饋贈
現在看看線性能做什麼。設 g(x) = 0，於是方程是 L[y] = 0——我們稱它為齊次方程，沒有驅動力的系統，任它自己振響。若 y_1 與 y_2 都是解，即 L[y_1] = 0 且 L[y_2] = 0，那麼對任意常數都有 L[c_1 y_1 + c_2 y_2] = c_1 L[y_1] + c_2 L[y_2] = c_1 · 0 + c_2 · 0 = 0。它們的組合也是一個解。這就是疊加原理，意義深遠：齊次線性方程的解可以隨意相加、縮放，而你始終待在解集之內。這些解構成一個向量空間。
從物理上想象一下。撥一根吉他弦，它可以以基音振動，或第一泛音，或第二泛音——而弦的真實運動，不過是所有這些振動模式的某種加權和，全都同時進行。疊加就是這樣一句數學陳述：各模式彼此互不干涉，每一個都像別的不存在那樣演化，總和就是它們之和。往池塘裡丟兩塊石頭，漣漪交錯穿過，乾淨俐落，高度對高度地相加。那種乾淨的相加，就是線性被看見的樣子，也正因如此，我們才能把一個難題分解成簡單的幾塊，逐塊求解，再把答案加回去。
齊次加特解：那個主分解
現在把驅動力請回來，g(x) 不為零，我們面對的是完整的非齊次方程 L[y] = g。下面是這門學問最重要的一條結構性事實。假設你不知怎麼找到了完整方程的某一個解 y_p，即 L[y_p] = g——稱它為一個特解。設 y 是任何另一個解，L[y] = g。相減：L[y - y_p] = L[y] - L[y_p] = g - g = 0。於是差 y - y_p 滿足齊次方程。因此，完整方程的每一個解，都是一個固定的特解，加上齊次方程的某個解。
寫成一句口號：y = y_h + y_p，即齊次加特解分解。L[y] = g 的通解，等於 L[y] = 0 的通解 y_h（攜帶全部自由常數）加上 L[y] = g 的任何一個特解 y_p。這就把整樁活兒劈成兩個相互獨立的部分，後面幾篇指南會用截然不同的工具分別去攻。齊次部分 y_h 刻畫系統自身的行為——它天然的振響、它的衰減——而特解部分 y_p 刻畫它對 g 的受迫響應，也就是它被驅動項推搡的方式。
一個日常畫面就把它定住了。和著你手的節奏推鞦韆上的孩子：長期來看，運動會穩定到你推動的節拍上——那個穩定的受迫運動就是 y_p。但鞦韆是如何從靜止過渡到那個節拍的，開頭那陣漸漸消退的搖晃，就是 y_h。完整的運動是二者之和。工程師們成天這麼說：總響應等於瞬態（齊次）加穩態（特解）。數學和物理說的是同一句話，而正是這個分解，使得「先解齊次方程，再找任一特解，然後相加」成為本級裡每一個線性常微分方程的通用配方。
數解的個數：無關性與朗斯基行列式
齊次解構成一個向量空間——可它有多大？對一個 n 階線性方程，答案恰好是 n：L[y] = 0 的解空間維數為 n。這與你上一級見過的一個事實深深呼應——n 階方程需要 n 個初始條件；在這裡，同一個 n 又作為你必須找到的獨立解的個數重新現身。要把整個空間搭起來，你需要一組基：n 個真正彼此不同的解，沒有哪一個只是別的回聲。準確的說法是線性無關——除非每個 c_k 都為零，否則任何非平凡的組合 c_1 y_1 + ... + c_n y_n 都不可能是零函數。
可函數是滑溜的——你究竟該怎麼去檢驗無關性？盯著 y_1 = e^x 和 y_2 = e^{2x}，你感覺它們不一樣，但你想要一個判據。答案是一個由這些函數及其導數搭成的行列式，即朗斯基行列式 W。對兩個函數 W(x) = y_1 y_2' - y_2 y_1'，正是矩陣 [y_1, y_2; y_1', y_2'] 的行列式；對 n 個函數，你堆疊 n 行逐次的導數。規則很乾淨：若 y_1, ..., y_n 是同一個 n 階線性齊次方程的解，那麼它們線性無關，當且僅當它們的朗斯基行列式不為零。一個非零的數，在某一個方便的點上算出來，就證明了你這組候選解確實張成了整個空間。
Test y1 = e^x and y2 = e^{2x} (both solve y'' - 3y' + 2y = 0)
| y1 y2 | | e^x e^{2x} |
W = | | = | |
| y1' y2' | | e^x 2 e^{2x} |
= e^x * 2 e^{2x} - e^{2x} * e^x
= 2 e^{3x} - e^{3x}
= e^{3x} nonzero for every x => independent.基礎解系，以及前路的配方
把 n 階齊次方程的 n 個能通過朗斯基檢驗的解湊齊，你就有了一組基礎解系——整個解空間的一組基。無一例外，每一個齊次解都是這 n 個解的疊加：y_h = c_1 y_1 + c_2 y_2 + ... + c_n y_n，帶 n 個任意常數 c_k。這些常數，恰恰就是你為滿足 n 個初始條件而要旋的那 n 個自由旋鈕。基礎解系是骨架；常數是你為貼合某個具體問題而添上的血肉。
退後一步，看這整座建築穩穩立著。要解任何一個線性常微分方程 L[y] = g，下面就是完整的綱領，它從不改變：
- 為齊次方程 L[y] = 0 找一組基礎解系 y_1, ..., y_n——n 個獨立的解，由非零的朗斯基行列式確認。對常係數方程，下一篇指南用一個代數特徵方程就把這一步做完。
- 用疊加寫出齊次通解 y_h = c_1 y_1 + ... + c_n y_n，眼下把那 n 個常數全都留作自由。
- 為完整方程 L[y] = g 找出任意一個特解 y_p——用待定係數法或參數變易法，那是本級後面某篇指南的工具。
- 把它們相加：通解是 y = y_h + y_p。直到此刻才施加初始條件，它們定死那 n 個常數，把整族解塌縮成唯一真正的答案。
這就是線性常微分方程的全部結構，而你在解任何難題之前，就已經把它握在手裡了。算子 L 把方程打包；線性給出疊加；疊加使齊次解成為一個維數等於階的向量空間；一組基礎解系是你用朗斯基行列式認證的一組基；而非齊次的答案，就是把那整族齊次解平移一個特解。本級餘下的每一篇指南——特徵方程、振盪與共振、藉由導數驅動的矩陣指數求解的方程組——都不過是在填這套綱領的第 1 步和第 3 步。骨架始終不動。