除了好看，微分方程的相图有什么用处？
一个微分方程如果解不出来，我们还能知道什么？
比如一个振子，给定初始位置和速度以后，它会一直振荡，慢慢停下来，还是越振越大？一个非线性系统有多个平衡点时，哪些初值会走向这里，哪些又会跑向哪里？有没有一条闭合轨道，会把周围的运动都吸引过来？
这些问题未必需要先求出解析解。
相图（phase portrait）做的事情，就是把微分方程的演化规律直接画出来。
这篇文章就沿着这张“地图”往下看：为什么二阶方程要变成二维系统，方向场怎样决定轨道，Jacobian（雅可比）矩阵的特征值为什么能区分鞍点、结点和螺旋，简谐振子的闭轨为什么不是极限环，以及数值画出的“闭轨道”为什么有时会'骗人'。 最后还会看到，相图并不只属于二维常微分方程。有限元离散后的热方程，本质上也是一个高维状态空间中的动力系统。
1. “相”是什么
“相图”里的“相”，可以先理解成系统在某一刻呈现出的状态：摆锤偏到哪里、速度多大；电路里的电流和电压是多少；化学反应里各组分浓度处在什么水平。相图关心的，正是这些状态怎样随时间在状态空间里移动。
先拿最熟悉的简谐振子开刀： 。如果按常规画法，我们会画 ：横轴是时间，纵轴是位移。
现在引入 ，原方程就变成一阶系统
一个时刻的状态不再由单独的 决定，而由 一起决定。两个质点即使位置相同，只要速度不同，后面的运动就不同。因此 才是这个系统完整的“相”。
于是，我们不再把时间放在横轴上，而是在 平面里画一个点。随着时间变化，这个点不断移动，留下的曲线就是相轨道。
对简谐振子，
因此 。相轨道是一族椭圆；当 时，就是一族圆。
同一个运动，换一张图以后，信息的组织方式完全不同。 告诉我们“某个初值对应的时间历程”；相图告诉我们“所有初值在状态空间里怎样排布”。周期振荡在时间图像里是一条正弦曲线，在相平面里则变成一条闭合轨道。
这里还藏着一个很实用的判断：状态变量必须足够多，使当前状态能够决定未来。 二阶标量方程通常需要 ； 个一阶方程对应 中的状态空间。若方程显含时间，例如 ，还可以增广一个变量 ，令 ，把非自治系统写成更高维的自治系统。
相图也会主动丢掉一部分信息。若 改成 ，其中 ，在解存在唯一的区域内，两套系统会沿着同样的轨道、朝着同样的方向运动，只是快慢不同。换句话说，相图首先保留的是轨道的几何形状与方向，而不是秒表上的时间刻度。
2. 相图如何构造？
考虑二维自治常微分方程（ordinary differential equation, ODE）
在每个点 上，方程都给出一个速度向量
把这些向量画出来，就是方向场；从任意初值出发沿着方向场积分，得到一条相轨道。平衡点、方向场和若干代表性轨道放在一起，才构成一张完整的相图。
平衡点满足 。从 出发，速度向量为零，所以系统会一直停在那里。平衡点就是动力系统里最基本的“地标”。
再看线性系统 。它的解是 、 ：沿 方向扰动指数放大，沿 方向扰动指数衰减，因此原点是一个鞍点。
当 时消去时间，有 ；而两条坐标轴是特殊轨道： 轴是稳定方向， 轴是不稳定方向。
相图还有一个看似简单、其实很强的性质：在满足初值问题唯一性的区域里，两条真正不同的相轨道不能相交。 如果两条轨道经过同一个状态，那么从这个状态继续演化的方式必须唯一，因此它们实际上属于同一条轨道，而不会在交点之后“各走各的”。
因此，相图不是随便画几条曲线，它受到微分方程本身严格的几何约束。
两个常用辅助对象是零流线（nullcline）： 与 。它们把相平面切成若干区域；在每个区域里， 与 的符号往往固定，于是不用先求解，就能判断轨道大致向左、向右、向上还是向下。实际看一个二维非线性系统时，可以先找平衡点，再看 nullcline，最后才去跑数值积分。
3. 平衡点附近：只需线性代数判别
非线性系统往往没有显式解，但这并不意味着局部完全无从下手。设 且 ，在平衡点附近写 。Taylor 展开给出
其中 是 Jacobian（雅可比）矩阵：
于是，一个非线性系统在平衡点附近，先被压成了一个线性系统。这里熟悉的线性代数会重新出现：特征向量给出特殊方向，特征值控制沿这些方向的增长、衰减和旋转。
记 、 。二维情形的特征值满足 ，因此判别式是 。
这里要特别注意最后两类情形。通常来说，只要特征值的实部都不为零，线性化就能比较可靠地描述平衡点附近的基本几何类型；但出现纯虚特征值或零特征值时，高阶非线性项可能改变局部行为。
所以，“算 Jacobian、看特征值”是一套很强的局部工具，但它有清楚的适用范围。这里真正容易出问题的，不是特征值算错，而是把局部线性结论直接拿去判断整个相图。 从这个角度看，相图和线性代数密切相关。线性系统的相图，几乎就是特征分解的几何版本。
4. 相图的闭曲线就是极限环吗？
这里有一个很容易混淆的概念。
简谐振子的相图里到处都是闭合椭圆，每一条轨道都对应周期运动。但这些闭轨道不是极限环，因为任意一条椭圆旁边都还有别的闭合椭圆，它们并不孤立。
极限环（limit cycle）要求闭轨道在附近是孤立的。附近轨道可以向它靠近，也可以从它离开，但不能再密密麻麻排着一族邻近闭轨道。
van der Pol 振子正好能把这个区别讲清楚：
写成一阶系统就是 、 。它只有一个平衡点 ，线性化矩阵为
特征方程为 。当 时，特征值实部为正，因此原点局部不稳定。
但系统又不会简单地把所有轨道一直向外推。方程中的 会随着 的大小改变作用方向：当 时，它表现出类似“反阻尼”的作用，小振幅倾向于被放大；当 时作用反过来，大振幅受到抑制。
也就是说，这个系统一方面会把太小的振动往外推，另一方面又会把太大的振动往回压。正是这种机制，使很多不同初值最后都靠近同一条稳定的周期轨道。
对 ，van der Pol 系统确实存在唯一的稳定极限环。这个严格结论可以由经典的 Liénard 理论得到，这里先看清它为什么会出现。
van der Pol 的 nullcline 也很直接： ，而
这和简谐振子完全不同。简谐振子是“初始能量不同，就留在不同闭轨道上”；van der Pol 振子则会把许多不同初值吸到同一条孤立闭轨道上。
5. 相图很直观，但数值图需要谨慎
用 MATLAB 的 ode45 或 Python 的 solve_ivp 画几条轨道并不难。麻烦在于：数值画出来像闭轨道，不等于数学上真的存在周期轨道。
最常见的问题有三个：时间步长或容差太松，数值方法 会引入额外耗散或数值增益；积分时间太短，缓慢螺旋可能看起来已经闭合；只试一个初值，也很难判断看到的是孤立极限环，还是一族中性稳定的闭轨道。
一个简单的数值自检办法是改变步长、容差和初值，看看相图的主要几何结构是否基本不变。若要进一步检查周期轨道，可以选一条横截线做 Poincaré 截面：每当轨道以同一方向穿过截面时记录一个交点。若返回点 逐渐收敛到同一个 ，就说明这条周期运动具有稳定吸引附近轨道的特征。
二维系统还有一个很特别的地方：它的长期行为受到很强的几何限制。简单地说，如果轨道一直被困在一个有界区域里，又没有趋向某个平衡点，那么周期轨道往往会成为最重要的长期行为之一。
到了三维以后，这种简洁图景就不再成立，复杂吸引子甚至混沌都可能出现。 所以二维相图之所以好用，不只是因为“画得出来”，还因为二维空间本身给了我们很多额外结构。
6. 从二维相图到 PDE：状态空间只是变大了
相图最容易画的是二维 ODE，但这种思路其实并不局限于二维。
例如齐次 Dirichlet 边界条件下的热方程 。做有限元（finite element method, FEM）半离散以后得到
也就是 。若离散后有 个自由度，状态 就在 中运动。我们已经没法把整个相图画在纸上，但动力系统的语言仍然适用。
定义离散能量 。利用 ，
对齐次 Dirichlet 热方程的标准有限元离散，刚度矩阵 是正定的，所以只要 ，能量就会持续下降，轨道不断向零稳态靠近。
再看广义特征值问题 。每一个特征向量 都对应一个衰减模态 。较大的 衰减更快，较小的 衰减更慢；长期以后，快模态先消失，剩下的运动会越来越受慢模态控制。
二维相图里“不同方向收缩得快慢不同”，到了偏微分方程（partial differential equation, PDE）离散以后，就是不同特征模态具有不同衰减率。继续把网格加密，状态空间维数越来越高；在连续层面， 本身就是函数空间中的一个点。
这也解释了为什么“相空间”这个词远不只属于二维画图。平衡点对应稳态解，周期轨道对应周期解，稳定流形和不稳定流形描述特殊演化方向，Lyapunov 泛函刻画沿轨道单调变化的量，吸引子则记录长期动力学。
读到这里你或许明白了，如果一个微分方程暂时写不出解析解，我们也可以先问几件更朴素的事：平衡点在哪里？附近往里走还是往外走？有没有守恒量或单调量？轨道会不会被困在某个有界区域？这些问题一旦有了答案，方程的整体形状通常已经清楚不少。
你对相图还有哪些更深的理解？欢迎在评论区补充！
