同一段旋律，高一個八度
你在上一節精通了二階線性方程 a y'' + b y' + c y = 0，並帶走三根支柱：解可疊加、一對獨立解構成一組基、通解為 c1 * y1 + c2 * y2。如今我們讓最高階導數往上爬。一個 n 階線性方程不過是允許 y 一路到 y^(n)，即第 n 階導數，每一項各配一個係數。本篇了不起的消息——也是第五節大多像一趟凱旋繞場的原因——在於*結構*分毫未碎。理論並不因階數升高而變難；它只是變寬了。
把這個一般物件平實寫出：a_n * y^(n) + ... + a_1 * y' + a_0 * y = 0，其中係數可以是常數，也可以是 x 的函數。兩個詞仍舊承擔一切，與先前完全一樣。線性意指 y 及其每一階導數只以一次方出現，彼此不相乘，也不被裹進正弦裡——於是每個 y^(k) 各配一個係數，諸項相加，僅此而已。齊次意指右邊恰好為零。緊握這兩個詞：它們就是進入這套乾淨理論的全部門票，二階如此，一百階亦然。
疊加原理，原封未動
結構為何存活？因為它背後唯一的引擎——疊加原理——打從一開始就不在乎階數。設 y1、y2、……、yk 都解這條齊次方程。那麼任意組合 c1 * y1 + c2 * y2 + ... + ck * yk 也解它，對常數的每一種取法皆然。證明就是你在二階見過的同一行字：求導是線性的，於是把一個組合代入左邊，只會得到那些（為零的）結果的同一個組合，而一堆零相加仍是零。n 階改變的是你求幾次導；至於「線性為何讓解能相加」，它什麼也沒改。
而齊次之所以仍配得上它的份量，理由與先前一模一樣。若右邊是某個非零的 g(x)，把兩個解相加會將它加倍成 2 * g(x)，疊加便失效。唯有零這個值，經得起被縮放與相加——所以齊次情形再一次成為我們先打的地基。你日後將倚賴的通解結構——把任何受迫方程拆成「餘解加特解」——全奠基於這條齊次主幹在 n 階時依然成立。
為何恰好是 n 維
在二階，頭條是解集為一張平面——一個維數為二的向量空間。如今的頭條自己就寫好了：對於 n 階線性齊次方程，解空間的維數為 n。那條給你「二」的計數論證毫不打結地推廣開來。一個 n 階方程的初值問題需要 n 項起始資料——值、斜率、彎曲度，依此類推：y(x0)、y'(x0)，一路到 y^(n-1)(x0)。存在唯一性定理（沿用而來，前提是係數連續且首項不為零）保證對每一份這樣的 n 個數的清單，恰有一個解。
於是「選一個解」就等同於「選一份 n 個實數的清單」，而一個其點與此類清單完美對應的空間，正是 n 維的。這句口號值得背下來，因為它字面為真：方程的階數，就是其解空間的維數。 一個五階線性方程有一個五維的解空間；你需要恰好五份獨立的材料才能描述它們的全部，也需要五個初值條件才能釘住一條曲線。
由 n 個函數構成的基，與為它背書的 Wronskian
要描述一個 n 維空間，你挑出由 n 個獨立向量組成的一組基——而此處的向量是函數。一組由 n 個線性獨立的解 y1、……、yn 構成的集合，稱為一組基本解組。一旦你擁有一組，事情就了結了：通解為 y = c1 * y1 + ... + cn * yn，而方程的每一個解，無一例外，都是這 n 個常數的某種取法。請留意，這是二階的同一套食譜，只是桌邊多添了幾個座位，而非一套新食譜。
在二階，你常能憑肉眼判斷獨立性——「其中一個是另一個的常數倍嗎？」——但碰上三、四、五個函數，那種手動檢查便無望了。這個乾淨的工具同樣推廣：Wronskian（朗斯基行列式）如今是一個 n×n 的行列式，把每個解及其前 n-1 階導數疊成各列。若這個行列式在區間中哪怕單獨一點上不為零，那 n 個解便是獨立的，你也就真正握有一組基本解組。Abel 恆等式依然成立，因此在一個區間上，Wronskian 要嘛恆為零，要嘛處處不為零——一次代入就裁定了整個問題。
Equation: y''' - y' = 0 (third order, n = 3)
Three solutions: y1 = 1, y2 = e^x, y3 = e^(-x)
| 1 e^x e^(-x) |
W(x) = | 0 e^x -e^(-x) | = -2 (constant, never 0)
| 0 e^x e^(-x) |
Independent? W = -2 != 0 -> yes, a fundamental set
General sol.: y = c1*1 + c2*e^x + c3*e^(-x)如何真正找出 n 個解
知道解空間是 n 維的，告訴你該獵捕*什麼*——n 個獨立函數——卻沒告訴你如何捕到。對主力情形常係數而言，二階的捷徑完美地存活下來。猜 y = e^(rx)；每求一次導 y^(k) 便帶下一個因子 r^k，於是代入後整個微分方程化為一條關於 r、次數為 n 的多項式方程。這就是特徵多項式，而依代數基本定理，它恰有 n 個根（按重數計）。微積分再一次被換成代數——只是這回代數是一條 n 次多項式，而非一條二次式。
你在二階學到的三種根的情形，仍是全部的詞彙——只是它們以更豐富的組合登場。一個單重實根 r 貢獻 e^(rx)。一對共軛複根經由歐拉公式貢獻一對餘弦與正弦。真正新添的轉折是重數：一個重複 m 次的根，貢獻的不只是 e^(rx)，而是整族 e^(rx)、x * e^(rx)、……、x^(m-1) * e^(rx)——這些多出來的 x 的冪次，正是你在二階為重根所見那個孤單 x * e^(rx) 夥伴的高階迴響。把每個根的貢獻清點起來，你每一次都恰好落在 n 個獨立解上。下一篇將專注於如何乾淨地從多項式讀出這些根的情形。
兩條誠實的但書為這個循環收尾。其一，e^(rx) 這份禮物是*常*係數的回報；對變係數而言它一般失效。本節裡你會遇到一個經典的例外——柯西—歐拉方程，它的 x^k 係數招喚的反倒是猜 y = x^r，從另一道門復得一條關於 r 的 n 次多項式。其二，即便是常係數的代數也有牙齒：一旦 n 達到五或更高，n 次多項式未必有漂亮的封閉形式根，所以實務上你有時得用數值方法求根。結構是精確的；算術卻未必總是仁慈。
本節的去向
結構既已穩固，本節其餘部分便去磨利那套*機械*。一個優美的重新框架很有幫助：用 D 表示 d/dx，於是 D y = y'、D^2 y = y''，整條方程便成為一個作用在 y 上的D 的多項式。這麼一來，「猜 e^(rx)」與「分解特徵多項式」就成了同一件事——你字面上是在分解這個算子。算子代數驅動了受迫方程的湮滅子法，賦予變數變易法它的 n 階形式，並把柯西—歐拉方程化為一個喬裝的常係數方程。
所以，用一口氣握住整節的主線：疊加讓解成為一個向量空間，其維數等於階數 n，一組基本解組就是一組基、可由 Wronskian 背書，而對常係數而言，一條 n 次特徵多項式逐根把那組基交到你手上。這裡沒有任何精神上全新的東西——它就是你早已信賴的二階理論的推廣。其餘四篇不過是把更鋒利的工具交給你去施展它：算子、湮滅子、柯西—歐拉，以及全然一般化的變數變易法。