一座小小的平衡點動物園
本階段第 1 篇教你把一個平面系統 x' = f(x, y)、y' = g(x, y) 看成一個速度向量場——每一點上都有一支箭頭，告訴粒子下一刻往哪裡漂——並把一幅相圖讀成那一族穿過這些箭頭的軌跡。第 2 篇則放大看一個平衡點，那裡兩個速度都消失，並說明在這樣的點附近，一個光滑的非線性系統的行為，會像一個*線性*系統 x' = A x。本篇回答下一個自然的問題：當運動真的是線性時，原點附近的相圖究竟能呈現哪些形狀？
美妙的答案是：種類只有寥寥幾種。一個 2x2 矩陣 A 有兩個特徵值，而那兩個數——是實是複、同號異號、為正為負——就決定了局部圖像的一切。在這一切變化之中，相圖歸併成一座小小的、各有其名的動物園：節點（node）、鞍點（saddle）、螺旋（spiral）與中心（center），外加兩種更罕見的、處於邊界上的動物。學會辨認那四種主角，你幾乎就能一眼說出任何線性平衡點的行為名稱。
兩個實特徵值：節點與鞍點
從友善的情形開始：兩個相異實特徵值 lambda1 與 lambda2。由特徵值方法你已經知道，通解是 x = C1 e^(lambda1 t) v1 + C2 e^(lambda2 t) v2，是兩條沿著特徵向量方向 v1 與 v2 奔跑的直線解的混合。整幅相圖就只是這個混合，而兩個特徵值的*正負號*道出了全部劇情。把每一項想成一個旋鈕：e^(lambda t) 在 lambda < 0 時朝原點收縮，在 lambda > 0 時離原點爆開。
若兩個特徵值都是負的，兩個旋鈕都收縮：每條軌跡都漏進原點，你就得到一個穩定的[[node|節點]]（又稱吸引節點或穩定節點）。若兩者都是正的，把影片倒著放——每條路徑都向外逃逸，成為一個不穩定節點。這裡有個微妙卻看得見的細節：軌跡沿著*慢*的特徵向量（其特徵值較靠近零的那一個）切入（或切出），因為衰減較快的那一項先死去，慢方向便主導了趨近的過程。那份切性正是線索，讓你能把節點正確地畫出來，而不是畫成一團模糊。
現在翻轉一個符號：令 lambda1 < 0 < lambda2，兩個特徵值異號。沿 v1，運動朝原點衰減；沿 v2，運動離原點增長。一個粒子沿一個軸被拉入，同時沿另一個軸被甩出，結果就是那一望即知的[[ode-saddle-point|鞍點]]：軌跡掃近、彎折、再射出，描出類似雙曲線的弧。那兩條特殊的直線就是分界線（separatrix）——穩定的一條（沿 v1）與不穩定的一條（沿 v2）——它們把平面切成四個區域。鞍點*永遠*不穩定：幾乎每個鄰近的起點最終都會逃離。
複特徵值：螺旋與中心
當 A 的特徵方程有複特徵值 lambda = alpha ± i beta 時，就沒有實的特徵向量方向可供直線奔跑——而正是這份「沒有」造就了旋轉。虛部 beta 是旋轉的引擎：解帶有像 e^(alpha t) cos(beta t) 與 e^(alpha t) sin(beta t) 這樣的因子，正弦與餘弦讓狀態繞著原點打轉，而 e^(alpha t) 這層包絡則使半徑增大或縮小。所以形狀由一個數決定，那就是實部 alpha。
若 alpha < 0，半徑縮小而角度持續旋轉：軌跡永遠向內纏繞卻從不抵達，這是一個穩定的[[spiral-point|螺旋點]]（螺旋匯點，又稱焦點）。若 alpha > 0，同樣的旋轉向外盤旋——即不穩定的螺旋源點。而若 alpha = 0 恰好成立，特徵值就是*純虛數* ±i beta：有旋轉，卻完全沒有增長或衰減。半徑被凍結，於是每條軌跡都是一個繞著原點無止境打轉的閉環。那就是一個[[center|中心]]，被一圈圈閉軌道環繞，也是我們四種主角中唯一既不吸引也不排斥的——它是*中性穩定*的。
邊界情形：星形與退化節點
四種主角涵蓋了一般的情形。剩下的兩種動物，出現於特徵值*相等*之時——一個重實根 lambda——並依那個根所提供的特徵向量數目而分家。若 lambda 有兩個獨立的特徵向量（矩陣是純量縮放 A = lambda I），那麼*每一個*方向都是直線解，軌跡是過原點的完美射線。那就是一個[[star-node|星形節點]]，lambda < 0 時穩定，lambda > 0 時不穩定。
若那個重根是*虧損的*——只存在一個特徵向量——你就遇上前一階段重特徵值那篇講過的[[improper-node|退化節點]]（improper node）。只有一條不變線，軌跡無法沿兩條射線散開；它們全都沿著那唯一的方向切入（或切出），隨著多出來的 t e^(lambda t) 項增長而捲曲。它像是被壓扁的節點，並承襲其特徵值符號所定的穩定性。星形節點與退化節點都是刀鋒上的情形：對 A 最微小的改變，都可能把它們撥成一個普通節點或一個螺旋。
eigenvalues of A equilibrium type stability -------------------------- ---------------------- -------------------- real, same sign node sink if <0, source if >0 real, opposite signs saddle always unstable complex, alpha != 0 spiral (focus) sink if alpha<0, source if alpha>0 pure imaginary (alpha = 0) center neutrally stable repeated, 2 eigenvectors star node sink if <0, source if >0 repeated, 1 eigenvector improper (degenerate) sink if <0, source if >0
讀一幅相圖：從矩陣到草圖
讓我們把這套分類變成一個你能對任何 2x2 系統施行的習慣。重點在於，你從不需要完整解出 x' = A x，就能知道它的形狀——光是特徵值就攜帶了判決，這正是這種定性閱讀如此廉價又如此有力的原因。底下把這套流程走一遍。
- 求特徵值。解 det(A - lambda I) = 0。（下一篇會展示一個連這步都跳過的捷徑，只用 A 的跡與行列式。）
- 依其性質分類：實數同號是節點，實數異號是鞍點，複數且實部非零是螺旋，純虛數是中心。
- 由符號判定穩定性：負（或負實部）吸引，正排斥，鞍點無論如何都不穩定，中心則是中性。
- 補上方向。對實特徵值，畫出特徵向量直線，並標出沿慢方向的切性；對複特徵值，測一支速度箭頭以確定旋轉方向。
帶著一個誠實的警告往前走。這座俐落的動物園是*線性*系統的性質；對一個非線性平衡點，它描述的是線性化，而線性化只在雙曲點——其特徵值實部全都非零的點——才值得信賴。中心恰恰是非雙曲的（alpha = 0），所以一個線性的中心，在真正的非線性系統裡，可能其實是一個偽裝的慢螺旋；那些閉環是我們所做最脆弱的預測。節點、鞍點與螺旋因為是雙曲的，能毫髮無傷地越渡到非線性世界——而這正是下一階段「非線性穩定性」要架起的那座橋。