0. 这份 note 想回答什么

常微分方程如果只从“求显式解”的角度看，往往会显得像一套技巧集：

• 分离变量
• 线性方程
• 积分因子
• 特征方程

这些当然有用，但并不触及 ODE 最迷人的部分。

真正更有结构感的视角是：

微分方程不是在“求一个公式”，而是在研究一个状态如何随时间演化的系统。

一旦这样看，很多原本零散的技术点就会变成统一图景：

• 为什么高阶方程总能改写成一阶系统
• 什么叫状态变量，什么叫“自洽”
• 为什么自治系统可以画相空间
• 为什么要关心最大存在区间、爆破、寿命、平衡点、唯一性
• 为什么有些方程虽然很简单，却会有极其微妙的动力学行为

这份 note 就是沿着这条线来整理。

---

1. 从一般线性 $k$ 阶微分方程开始

我们先看最熟悉的一类对象：线性 $k$ 阶微分方程

$$x^{(k)} + a_{k-1}(t)x^{(k-1)} + \cdots + a_1(t)x' + a_0(t)x = g(t).$$

其中：

• $x=x(t)$ 是未知函数。
• $a_0,\dots,a_{k-1},g$ 是已知函数。
• 若 $g(t)\equiv 0$，则称为 齐次方程。
• 若右端不显含 $t$，则更接近自治情形。

这类方程看起来已经很完整了，但有一个问题：

它把“时间导数”塞到了不同阶数里，结构不够统一。

而 ODE 的一般理论，尤其是存在唯一性、相空间、稳定性、流，最自然地是围绕 一阶系统 展开的。

所以第一步就是把它化成一阶系统。

---

2. 高阶方程 -> 一阶系统

设

$$X_1=x,\qquad X_2=x',\qquad \dots,\qquad X_k=x^{(k-1)}.$$

于是我们定义状态向量

$$X(t)= \begin{pmatrix} X_1(t)\\ X_2(t)\\ \vdots\\ X_k(t) \end{pmatrix} = \begin{pmatrix} x(t)\\ x'(t)\\ \vdots\\ x^{(k-1)}(t) \end{pmatrix}.$$

那么对它求导：

$$X'(t)= \begin{pmatrix} x'(t)\\ x''(t)\\ \vdots\\ x^{(k)}(t) \end{pmatrix}.$$

前 $k-1$ 个分量非常简单：

$$X_1'=X_2,\quad X_2'=X_3,\quad \dots,\quad X_{k-1}'=X_k.$$

最后一个分量由原方程给出：

$$X_k' = x^{(k)} = -a_{k-1}(t)x^{(k-1)}-\cdots-a_0(t)x+g(t).$$

也就是说

$$X'(t)=A(t)X(t)+b(t),$$

其中

$$A(t)= \begin{pmatrix} 0 & 1 & 0 & \cdots & 0\\ 0 & 0 & 1 & \cdots & 0\\ \vdots & \vdots & \vdots & \ddots & \vdots\\ 0 & 0 & 0 & \cdots & 1\\ -a_0(t) & -a_1(t) & -a_2(t) & \cdots & -a_{k-1}(t) \end{pmatrix}, \qquad b(t)= \begin{pmatrix} 0\\ 0\\ \vdots\\ 0\\ g(t) \end{pmatrix}.$$

所以：

任意 $k$ 阶线性方程都可以改写成 $k$ 维一阶线性系统。

这一步极其重要。因为从此以后，我们研究的不是“一个高阶方程”，而是“一个状态向量在更高维空间中的一阶演化”。

---

3. 什么叫“自洽”

这里最值得抓住的概念，不是矩阵形式本身，而是：

为什么这种打包是“对的”？

答案是：因为它形成了一个 自洽的状态系统。

3.1 最朴素的定义

所谓“自洽”，就是：

我们选出的状态变量，已经包含了决定系统未来演化所需的全部信息。
换句话说，这组变量的导数，可以完全由这组变量自身来表达。

例如在 $k$ 阶方程中，只知道 $x(t)$ 往往不够，因为未来怎么走还取决于 $x'(t),x''(t),\dots$。

但一旦把

$$\bigl(x,x',\dots,x^{(k-1)}\bigr)$$

都纳入状态，系统就闭合了：

$$X' = F(t,X).$$

此时“当前状态”已经足以决定“下一瞬间的变化率”。

这就叫 闭合，也就是这里说的“自洽”。

3.2 一个反例来帮助理解

考虑二阶方程

$$x''=f(t,x,x').$$

如果你只取状态变量 $Y=x$，那么

$$Y'=x'$$

右边还依赖一个没纳入系统的量 $x'$。所以这时系统 不闭合，不自洽。

但若取

$$X_1=x,\qquad X_2=x',$$

则

$$X_1'=X_2,\qquad X_2'=f(t,X_1,X_2),$$

右边只依赖 $t,X_1,X_2$，系统闭合，自洽。

---

4. 从非自治到自治：把时间也并进系统

一般一阶系统写成

$$X'(t)=F(t,X(t)).$$

如果右端显含 $t$，这叫 非自治系统。 如果右端不显含 $t$，写成

$$X'(t)=F(X(t)),$$

则叫 自治系统。

自治系统特别重要，因为这时你可以把它看成：

在状态空间的每一点，系统都定义了一个速度方向。
所以整个方程就是一个向量场，解则是这个向量场的积分曲线。

这就是相空间图像的来源。

4.1 如何把非自治系统变自治系统

很简单：把时间本身也当成一个状态变量。

设

$$Y_0=t,\qquad Y=X.$$

则

$$Y_0'=1,\qquad Y'=F(Y_0,Y).$$

于是整个系统可以写成

$$\widetilde{Y}'=\widetilde{F}(\widetilde{Y}),$$

变成一个更高维的自治系统。

4.2 一个类比：时间作为“额外维度”的引入

这一步很像一个非常有趣的思想操作：

原本时间是“外在参数”；
现在我们把它也并入系统内部，变成状态空间的一部分。

这有点像狭义相对论里把时间与空间并列地纳入四维时空坐标，虽然这里当然不是同一回事，但直觉上很相似：

• 原来：时间是外部的“钟”
• 现在：时间成为状态空间中的一个坐标方向

4.3 这样做的收益与代价

收益

你得到一个真正的自治系统，可以清楚地谈：

• 相空间
• 向量场
• 轨道
• 流

代价

维数升高了。 原来是“低维但显含时间”的系统， 现在变成“更高维但时间不再显式出现”的系统。

所以可以这样形容：

非自治系统：相空间较清楚，但规则随时间变化。
自治化后：相空间更复杂，但演化规则永恒不变。

这是一个很漂亮的交换。

---

5. 因此，核心任务先落到最简单的一阶自治系统

既然如此，最应该先研究的对象就是：

$$x'(t)=f(x(t)).$$

这是 一阶标量自治系统。

它之所以极其重要，是因为：

1. 它已经自洽。
2. 它可以画相线。
3. 它把“平衡点、稳定性、唯一性、爆破、寿命”等核心概念都以最简单形式呈现出来。

---

6. 一阶自治系统中最重要的几个问题

研究

$$x'=f(x),\qquad x(t_0)=x_0$$

时，最值得关心的不是“能不能积分”，而是以下几个问题。

6.1 初值问题

给定

$$x(t_0)=x_0,$$

是否存在解？是否唯一？

这是 ODE 最基本的入口。 连续性往往给存在，局部 Lipschitz 往往给唯一，但这两者并不相同。

定理（Peano 存在定理）. 若 $f: U \to \mathbb{R}^n$（$U \subseteq \mathbb{R} \times \mathbb{R}^n$ 为开集）是连续的，则对任意 $(t_0, x_0) \in U$，初值问题 $x' = f(t, x),\ x(t_0) = x_0$ 在 $t_0$ 的某个邻域内至少有一个解。

定理（Picard-Lindelöf 唯一性定理）. 若 $f$ 还关于 $x$ 满足局部 Lipschitz 条件，即对每个紧集 $K \subset U$，存在常数 $L$ 使得

$$|f(t, x_1) - f(t, x_2)| \le L|x_1 - x_2|, \quad \forall (t, x_1), (t, x_2) \in K,$$

则初值问题在 $t_0$ 的某个邻域内有唯一解。

Peano 只给存在性（$f$ 连续即可），Picard-Lindelöf 再加 Lipschitz 才保证唯一性。后面 $\dot{x} = \sqrt{|x|}$ 的例子正说明了只有连续性时唯一性可以失败。

6.2 最大存在区间

解未必能对所有 $t$ 都存在。 一个解通常有自己的 最大存在区间

$$(\alpha,\beta).$$

也就是说，解可以在这个区间上存在，但无法继续延拓出去。

6.3 解的寿命

最大存在区间的长度，就是解能“活多久”的问题。 有时寿命是无限的，有时是有限的。

这个问题常常和 blow-up 直接相关。

6.4 爆破（blow-up）

所谓 blow-up，直观上就是：

在有限时间内，解的大小趋于无穷，或者以某种方式失去良性。

例如

$$\dot{x}=x^3$$

的解就会在有限时间炸掉。

这是一个非常关键的事实：

局部存在唯一 并不意味着 全局存在。

6.5 平衡点 / 平稳点

若某点 $x_*$ 满足

$$f(x_*)=0,$$

那么常值函数

$$x(t)\equiv x_*$$

就是一个解，称为 平衡点 或 平稳点。

一阶自治系统的相线分析，几乎完全围绕这些点展开。

6.6 唯一与否

即使 $x_*$ 是平衡点，“以 $x(t_0)=x_*$ 为初值”也未必只有这一个解。

例如

$$\dot{x}=\sqrt{|x|}$$

在 $0$ 点就会出现“停一会儿再走”的非唯一现象。

这说明：

• 平衡点的存在不自动推出唯一性。
• 连续性不自动推出唯一性。
• 正则性非常关键。

6.7 相线与稳定性

对于一阶自治系统，最漂亮的工具是 相线分析：

• 找零点 $f(x)=0$
• 判断各区间上 $f(x)$ 的符号
• 用箭头表示解往左还是往右流动

这样就能直接看出：

• 哪些平衡点稳定
• 哪些平衡点不稳定
• 解的长期行为大致如何

---

7. 例题分析

下面挑几个最有代表性的例子来详细做。

例 1：$\dot{x}=x^3$

这是一个很简单，但现象极典型的方程。

7.1 显式解

分离变量：

$$\frac{dx}{x^3}=dt.$$

若 $x\neq 0$，积分得

$$-\frac{1}{2x^2}=t+C.$$

于是

$$x(t)=\pm \frac{1}{\sqrt{C-2t}}.$$

若初值为 $x(0)=x_0\neq 0$，可写成

$$x(t)=\frac{x_0}{\sqrt{1-2x_0^2 t}}.$$

若 $x_0=0$，则平凡解

$$x(t)\equiv 0.$$

7.2 关键分析

唯一性

$f(x)=x^3$ 是光滑函数，所以初值问题局部存在唯一解。

平衡点

$x=0$ 是平衡点。

稳定性

因为：

• $x>0$ 时，$\dot{x}>0$，往右跑。
• $x<0$ 时，$\dot{x}<0$，往左跑。

所以相线是

$$\leftarrow\ 0\ \rightarrow$$

$0$ 是 不稳定平衡点。

blow-up

若 $x_0\neq 0$，分母在

$$t_*=\frac{1}{2x_0^2}$$

时变成 $0$，所以解在有限时间 blow-up。

7.3 这题的关键点

这题说明了一个非常重要的分离：

局部唯一 不等于 全局存在。

ODE 的“存在唯一性”只是在局部时间尺度上成立，而 blow-up 是一个全局动力学现象。

---

例 2：$\dot{x}=x(1-x)$

这是经典 logistic 方程。

8.1 平衡点

令

$$x(1-x)=0,$$

得

$$x=0,\qquad x=1.$$

所以有两个平衡解：

$$x(t)\equiv 0,\qquad x(t)\equiv 1.$$

8.2 相线分析

看符号：

• $x<0$ 时，$x(1-x)<0$，向左。
• $0<x<1$ 时，$x(1-x)>0$，向右。
• $x>1$ 时，$x(1-x)<0$，向左。

所以相线为

$$(-\infty)\ \leftarrow\ 0\ \rightarrow\ 1\ \leftarrow\ (+\infty)$$

于是立刻得到：

• $0$ 不稳定
• $1$ 稳定

8.3 显式解

分离变量：

$$\frac{dx}{x(1-x)}=dt.$$

部分分式：

$$\frac{1}{x(1-x)}=\frac{1}{x}+\frac{1}{1-x}.$$

积分得

$$\ln\left|\frac{x}{1-x}\right|=t+C.$$

因此

$$x(t)=\frac{1}{1+A e^{-t}}.$$

或者若 $x(0)=x_0\neq 0,1$：

$$x(t)=\frac{x_0 e^t}{1-x_0+x_0 e^t}.$$

8.4 关键分析

唯一性

$f(x)=x(1-x)$ 是光滑函数，所以初值问题局部唯一。

为什么 $0$ 虽唯一却不稳定

这一点很重要。

由于

$$\int_0^\varepsilon \frac{dy}{y(1-y)}$$

在 $0$ 附近发散，所以从 $x=0$ 出发的解不能“停一会儿再走”，因此 $x\equiv 0$ 是唯一解。

但这不代表它稳定。稳定性问的是：

从 $0$ 附近但不等于 $0$ 出发，会不会一直留在 $0$ 附近？

这里显然不会，因为小正扰动会往 $1$ 跑，所以 $0$ 仍是不稳定的。

8.5 这题的关键点

这题很好地区分了三件不同的事：

• 平衡点是否存在
• 以平衡点为初值时是否唯一
• 平衡点是否稳定

这三件事不能混为一谈。

---

例 3：$\dot{x}=\sqrt{|x|}$

这是非唯一性的经典反例。

9.1 平衡点

因为

$$f(0)=0,$$

所以

$$x(t)\equiv 0$$

是平衡解。

9.2 为什么不唯一

考察

$$\int_0^\varepsilon \frac{dy}{\sqrt{y}}=2\sqrt{\varepsilon}<\infty.$$

这个积分收敛，意味着：

从 $0$ 出发，可以在有限时间离开 $0$。

因此除平凡解外，还存在非平凡解。

例如从 $0$ 起飞的一个解是

$$x(t)=\frac{t^2}{4},\qquad t\ge 0.$$

更进一步，对任意 $T\ge 0$，都可以构造

$$x_T(t)= \begin{cases} 0, & t\le T,\\ \dfrac{(t-T)^2}{4}, & t\ge T. \end{cases}$$

这说明：

以 $x(0)=0$ 为初值，解不是唯一的。

9.3 关键分析

这题最重要的不是公式，而是现象：

• 平衡点可以存在。
• 但解未必被“钉死”在平衡点上。
• 若 $f$ 在零点附近太平，系统就允许“停一会儿再走”。

9.4 这题的关键点

这说明：

连续性不够保证唯一性。
唯一性需要更强的正则性，例如局部 Lipschitz。

---

例 4：$\dot{x}=x(1-x)-c$

这个例子把参数带进来，开始出现最基础的“分岔味道”。

10.1 平衡点方程

平衡点满足

$$x(1-x)-c=0,$$

即

$$x^2-x+c=0.$$

判别式为

$$\Delta=1-4c.$$

10.2 三种情况

情况 A：$c<\frac14$

有两个平衡点

$$\alpha=\frac{1-\sqrt{1-4c}}{2},\qquad \beta=\frac{1+\sqrt{1-4c}}{2}.$$

相线分析表明：

• $\alpha$ 不稳定
• $\beta$ 稳定

这和 logistic 的结构同型。

情况 B：$c=\frac14$

只有一个重根

$$x=\frac12.$$

此时

$$\dot{x}=-\left(x-\frac12\right)^2.$$

右端总是非正，系统呈现一种退化临界行为。

情况 C：$c>\frac14$

没有实根，也就是 没有平衡点。

由于

$$x(1-x)\le \frac14,$$

故

$$x(1-x)-c<0$$

对所有 $x$ 成立，于是所有解都严格向左流。

10.3 这题的关键点

这题最值得注意的不是显式解，而是：

一个参数 $c$ 的变化，可以改变平衡点的数目与稳定结构。

这已经是最基础的动力系统 / 分岔分析的雏形。

---

11. 一阶自治系统为什么这么好玩

到了这里，其实已经能解释为什么一阶自治系统会突然变得非常有趣。

因为它把 ODE 从“求解技术”转变为“研究流”的问题。

你关心的不再只是：

• 能不能积分
• 能不能写公式

而是：

• 当前状态能否决定未来（唯一性）
• 解能活多久（寿命）
• 会不会在有限时间爆掉（blow-up）
• 哪些点会静止（平衡点）
• 平衡点是吸引还是排斥（稳定性）
• 参数变化会如何改变整体相图（结构变化）

这就是动力系统真正的入口。

---

12. 总结

这段内容的主线其实非常清楚：

第一步：从一般 $k$ 阶线性方程出发

$$x^{(k)} + a_{k-1}(t)x^{(k-1)} + \cdots + a_0(t)x = g(t)$$

第二步：把它改写成 $k$ 个一阶方程

定义状态向量

$$X=(x,x',\dots,x^{(k-1)}).$$

第三步：理解“自洽”

所谓自洽，就是状态变量已经包含了决定未来演化所需的全部信息，满足

$$X'=F(t,X).$$

第四步：把非自治系统自治化

通过把时间也并入状态，

$$Y_0=t,$$

把非自治系统变成高一维自治系统。

这一步的收益是：得到清晰的相空间向量场。
代价是：维度升高。

第五步：把注意力聚焦到最简单的一阶自治系统

$$x'=f(x).$$

这里已经能完整呈现 ODE 中最核心的动力学问题：

• 初值问题
• 最大存在区间
• 解的寿命
• blow-up
• 平衡点
• 唯一性
• 稳定性
• 参数改变下的结构变化

第六步：通过典型例子真正理解这些概念

• $\dot{x}=x^3$：局部唯一但有限时 blow-up
• $\dot{x}=x(1-x)$：唯一、两个平衡点、稳定性分化
• $\dot{x}=\sqrt{|x|}$：平衡点上的非唯一性
• $\dot{x}=x(1-x)-c$：参数诱导的相图变化

---

参考

• Hirsch, M. W., Smale, S., & Devaney, R. L. Differential Equations, Dynamical Systems, and an Introduction to Chaos. 3rd ed., Academic Press, 2013.
• Teschl, G. Ordinary Differential Equations and Dynamical Systems. AMS, 2012. — 免费电子版可从作者主页获取
• Arnold, V. I. Ordinary Differential Equations. Springer, 1992. — 几何直觉与严格分析的典范