我們剛撞上的那堵牆
到現在，你已能流暢地讀懂一個線性平面系統。給定 x' = A x，你會求 A 的特徵值，再從它們的正負號、以及它們是實數還是複數，把原點處的平衡點命名為結點、鞍點、螺旋點或中心——而且你不必解任何東西，就能勾勒出整個相圖。跡—行列式平面更把這個分類化為對 trace(A) 與 det(A) 的一瞥。那份能力完全來自線性：A x 是一道筆直、可預測的流。
真實的系統幾乎從不屬於那一類。單擺裡有個 sin(theta)；獵食者—獵物模型裡有個乘積 x*y；振盪電路裡有個三次項。這些是非線性系統，一般寫成 x' = f(x, y)、y' = g(x, y)，其中 f 與 g 是彎曲的函數。那個糾纏整個學科的誠實事實在此再次全力回歸：這類系統幾乎從不存在閉式解。我們寫不出 x(t)。那麼，我們究竟要如何說出它的行為呢？
站在靜止點上瞇起眼
脫身之道，正是單變數微積分在第一天就教你的同一招：放大。在某點附近，一條光滑曲線看起來就像它的切線。在平衡點附近，一個光滑向量場看起來就像一個線性向量場。於是我們找出那些靜止點——讓 f = 0 與 g = 0 同時成立的平衡點，亦即流完全靜止下來的地方——並在每個平衡點的一個微小鄰域內研究這個系統。線性化的計畫，就是把所有彎曲的部分丟掉，只留下在那裡領頭的、筆直的行為。
用多變數泰勒展開把這件事說精確。設 (x*, y*) 為一平衡點，並把微小位移寫成 u = x - x*、v = y - y*。把 f 與 g 在平衡點附近展開到一階。常數項 f(x*, y*) 與 g(x*, y*) 皆為零——這正是「平衡點」的意思——因此領頭而存活下來的，是 u 與 v 的線性項。於是位移 (u, v) 在領頭階下遵循一個線性系統，其矩陣完全由 f 與 g 的四個一階偏導數構成。
認識雅可比矩陣
那個由一階偏導數組成的矩陣，就是雅可比矩陣，本文的核心主角。對平面系統而言，它是一個 2×2 陣列，記錄每個變化率如何回應每個變數：上一列放 f 的偏導數，下一列放 g 的偏導數。把它在平衡點處取值，你就得到一個由數字組成的具體矩陣 J。雅可比矩陣不過就是向量場的多變數導數——是該點處對彎曲流的最佳線性近似，恰如單一導數 f'(a) 是曲線在 a 處的最佳線性近似。
[ df/dx df/dy ]
J = [ ] evaluated at (x*, y*)
[ dg/dx dg/dy ]
near the equilibrium: u' = J u , u = (x - x*, y - y*)
從雅可比矩陣到判決
此刻，整個上一級的功夫一次得到回報。一旦你握有 J，線性化後的運動 u' = J u 恰恰就是那種你閉著眼都能分類的線性系統。對 J 施行特徵值法，或乾脆讀出 trace(J) 與 det(J)，把這點定位在跡—行列式平面上。特徵值實部為負，意味著位移會縮小、平衡點具吸引性；只要有一個實部為正，就有某個方向的位移會增長，平衡點便具排斥性。
- 找出平衡點：同時解 f(x, y) = 0 與 g(x, y) = 0，求出每一個靜止點（非線性系統可能有好幾個）。
- 把雅可比矩陣寫出一次，作為偏導數 df/dx、df/dy、dg/dx、dg/dy 所組成的矩陣。
- 依序在每個平衡點處對 J 取值，得到該處一個具體的數值矩陣。
- 依 J 的特徵值（或依跡與行列式）將其分類：結點、鞍點、螺旋點或中心。
- 把這個局部線性圖像帶回非線性系統，作為它在該平衡點附近的行為——但要留意下面的但書。
一個單擺，兩種命運
取無阻尼的非線性單擺，theta'' + sin(theta) = 0，化為平面系統，令 x = theta、y = theta'：則 x' = y、y' = -sin(x)。平衡點需 y = 0 且 sin(x) = 0，故 x = 0（垂直下垂）與 x = pi（垂直倒立）。雅可比矩陣上一列為 (0, 1)，下一列為 (-cos(x), 0)。在下方靜止點 cos(0) = 1，特徵值為 +/- i——一個中心，單擺無止盡地擺動。在上方 cos(pi) = -1，特徵值為符號相反的實數 +/- 1——一個鞍點，把它撐在正上方時那種刀刃般的不穩定。同一個場，兩段全然不同的局部故事，各自直接從它的 J 讀出。
線性化能看見與看不見的
要把它的能力與限度清楚分開。線性化純粹是局部的：它只談一個平衡點的小鄰域，對遠處的行為隻字不提，而在遠處，被丟棄的彎曲項才是主宰。所以它能告訴你某個靜止點是穩定螺旋，但一條從很遠處出發的軌跡卻可能永遠抵達不了它——像「哪些初始條件最終落在何處」、或「是否有稱為極限環的閉合迴圈環繞著平衡點」這類整體性質，全在它的觸及之外。
還有兩個誠實的但書把它收尾。其一，線性化需要一個光滑的場——偏導數必須存在，雅可比矩陣才談得上有定義。其二，它分類的是孤立的平衡點；若 J 為奇異（det(J) = 0，有一個零特徵值），該靜止點便是退化的，單憑線性理論無法判定。儘管如此，在這些界限之內，回報是巨大的：你用一個解不出來的非線性系統，換來一把可以徒手分類的矩陣，並在從不求解方程的情況下，得到相圖忠實的局部草圖。本級其餘各篇，正接在線性化止步之處——當 J 處於臨界時用李雅普諾夫函數判穩定性，以及用龐加萊—本迪克松定理去看它看不見的那些整體迴圈。