JOVANA
Library Glossary Getting Started Three Levels Fields How it works Mission
Join the mission
All guides

平衡點，以及在它附近會發生什麼

平衡點是流動靜止之處——但真正的故事在於附近的軌跡會怎麼動：奔入、飛出，還是打旋。把鏡頭拉得夠近，一個彎曲的非線性系統看起來就是線性的，於是你早已信賴的特徵值機器，便揭露出局部的全貌。

流動靜止之處

上一篇教你把平面系統 x' = f(x, y)、y' = g(x, y) 讀成一個 速度向量場：在每一點，一支箭告訴你一個粒子會往哪個方向、以多快的速度漂移，而那些 軌跡 就是順著這些箭穿行的曲線。如今問一個關於這種流動最簡單不過的問題：哪裡什麼都不動？一個速度箭縮成零的點——也就是 f = 0 與 g = 0 同時成立之處——就是一個平衡點（又稱臨界點或不動點）。把一個粒子恰好放在那裡，它便永遠停駐；它的 軌跡 就是一個靜止不動的點。

因此尋找平衡點純粹是代數，而非微積分：同時解兩條方程 f(x, y) = 0 與 g(x, y) = 0。在幾何上，每條方程在平面上刻出一條曲線——那條使某個速度分量消失的 零斜線。在 f = 0 那條曲線上，流動純粹是垂直的（只有 y 在動）；在 g = 0 上，則純粹是水平的。一個 平衡點 恰好落在這兩條零斜線交會之處，因為唯有在那裡，水平與垂直的運動才*同時*停下。一個系統可以有一個這樣的交點、好幾個，或一個也沒有。

「靜止」並非有趣之處

知道流動*在哪裡*靜止，只是開場白。整齣戲的核心，是一個被放在平衡點*附近*、但不恰好在其上的粒子會有什麼下場。三種截然不同的命運皆有可能，而它們決定了整幅圖的性格。粒子可能被穩定地往內拉，於是平衡點吞噬掉周圍的一切——一個匯（sink）。它也可能被推開，於是最微小的偏移都會無界地增長——一個源（source）。又或者它繞著圈轉，從不真正落定，也從不逃脫。同樣是一個靜止的點，鄰里卻迥然不同。

這正是從一維帶上來的穩定性觀念。在相位線上，你藉由檢查 f' 在該處的正負號，把每個平衡點分類為 匯或源。在平面上，同樣的問題銳化成一套關於*形狀*的詞彙：一個把一切吸入的平衡點，可能沿著直線吸入（一個 節點），也可能以螺旋方式吸入（一個 螺旋點）；一個讓某些方向進、某些方向出的，是一個 鞍點；一個被閉合迴圈環繞的，是一個 中心。為這些形狀命名並區辨它們，是緊接著下一篇的任務。本篇回答的是更前一步的問題：我們究竟*如何*從方程式讀出局部行為？

拉近，直到曲線看起來變直

這裡是整門學科的核心想法，而它直接借自初學的微積分。湊近看，一條光滑曲線看起來就像它的切線；這正是導數的全部意涵。對一個流動也是如此。把自己停泊在一個平衡點上，丟掉除了 f 與 g 的「第一階斜率」以外的一切，那條彎曲的非線性場便被換成一個平坦的線性場——一個你早已懂得用特徵值徹底求解的系統 x' = A x。這個替換叫做 繞平衡點的線性化，它正是讓相平面變得可處理的關鍵。

具體而言，平移坐標讓平衡點落在原點，用 u 與 v 表示微小的偏移，再只保留 f 與 g 的線性項。那些線性項恰恰就是 f 與 g 的偏導數，被裝進一個 2×2 的矩陣裡，這矩陣叫做 Jacobian 矩陣，並在*平衡點處*取值。Jacobian 是當年主導相位線故事的那個單一斜率 f' 的多變量版本。它的四個元素，是兩個速度對兩個偏移做出反應的四種方式，而它們正是局部全貌所需的一切。

Nonlinear:   x' = f(x, y)
             y' = g(x, y)

At an equilibrium (x*, y*):   f(x*, y*) = 0,  g(x*, y*) = 0

Let u = x - x*,  v = y - y*  (small displacement). Keep only linear terms:

     [ u' ]     [ f_x   f_y ] [ u ]
     [    ]  =  [           ] [   ]       all partials evaluated at (x*, y*)
     [ v' ]     [ g_x   g_y ] [ v ]
             \_______________/
                Jacobian  J  =  A

Local behaviour  <-  eigenvalues of J.
一框看懂線性化：把彎曲的場換成 u' = J u，其中 J 是 (f, g) 在平衡點處取值的 Jacobian。J 的特徵值便載著判決。

現在來看回報。局部系統 u' = J u 恰恰就是上一節那個常係數線性系統，所以它的命運完全由 J 的特徵值決定。實的負特徵值往內拉（一個匯）；實的正特徵值往外推（一個源）；一正一負給出一個鞍點；複數特徵值打旋，其實部決定增長或衰減。你早已懂得計算的那些特徵值，*就是*「在這個平衡點附近會發生什麼」的答案。定性的相平面，骨子裡就是把特徵值法用幾何的方式讀出來。

食譜，一步一步來

把各塊拼起來，就得到一套簡短而可靠的程序，從今以後你會在每個平面系統的每個平衡點上跑它。值得記下來，因為本節最後三篇都倚賴它。

  1. 同時解 f(x, y) = 0 與 g(x, y) = 0，找出每一個平衡點——這是代數，常常就在零斜線的交會處。
  2. 在某個平衡點上，整理出 (f, g) 的 Jacobian J——四個偏導數 f_x、f_y、g_x、g_y——並在該點取值。
  3. 由 det(J - lambda I) = 0（一條關於 lambda 的二次式）算出 J 的特徵值。
  4. 由特徵值讀出局部類型：實部皆負（匯）、皆正（源）、異號（鞍點）、複數（螺旋，若為純虛數則為中心）。
  5. 對每個平衡點重複以上步驟，再把各個局部圖縫合成整體相圖——這正是最後一篇的主題。

請注意，你完全不必去*解*那個非線性系統，就能得知它的局部行為——而這正是整件事的要旨。大多數非線性 ODE 根本沒有封閉形式的解，所以一套能從單一個導數矩陣讀出定性命運的方法，並非便利，而是必需。一旦握有特徵值，每個平衡點便得到一個標籤和一張小草圖，而整體的 相圖，就成了用一致的流動箭頭把這些局部草圖耐心拼接起來的工作。

當線性化會說謊

誠實地說：用線性部分取代彎曲的場是一種近似，而近似都有附帶細則。授權它的定理是 Hartman-Grobman 定理，它給出一個精確的承諾：在平衡點附近，真實的非線性流動看起來就像它的線性化——同樣是節點、鞍點或螺旋——*前提是 Jacobian 的特徵值都沒有零實部*。滿足這個條件的平衡點叫做 雙曲的，而在一個雙曲平衡點上，線性草圖直到定性形狀都是可信賴的。

危險恰恰坐落在邊界上。當某個特徵值有零實部時——一對純虛數，其中線性 中心 情形是最典型的元兇——這條定理便保持沉默，而且事出有因。線性化也許報告出整齊的閉合迴圈，而被丟棄的高階項卻悄悄把它們變成一個緩慢往內的螺旋，或往外的螺旋。那些微小的項，在別處對命運可忽略不計，在這裡卻成了*決定性*的因素，正因為線性部分恰好平衡在刀鋒上。線性中心是整個理論中最脆弱的預測。