原理的系统，即:
F(x_1+x_2+x_3+...)=F(x_1)+F(x_2)+F(x_3)+...
这个F不能简单地理解为只是一个可以写成显式的函数形式，而应该看做一个映射。
简而言之。
线性系统对应的也就是线性映射。
而在针对常微分方程动力系统的非线性的研究领域里所指的线性系统的形式则往往是这样的：
\frac{dX}{dt}=A\cdotX其中X=[x1，x2，x3，...]T。
而A是一个常数矩阵，则这是一个线性的常微分动力系统。
与之相区别的非线性系统，则是无法写成以上形式的方程组所表征的系统。
比如有些是二阶、三阶、更高阶的系统，或者说形式上矩阵A中的项跟X的各项有关。
当然了。
非线性系统也包含偏微分方程中的非线性系统。
比如可以形成TuringPattern的带有扩散项的系统。
但另一方面。
微分拓扑中的科普卡-斯梅尔定理机制保证了一个稠密性的情况：
局部稳定流形在工作点局部线性化之后。
对应的线性系统会具有稳定子空间εs和不稳定子空间εu，它们分别与对应的流形相切。
也就是在一定程度上。
非线性系统可以被近似看做线性系统处理。
“......”
过了一会儿。
钱秉穹消化掉了徐云的想法，又皱着眉头说道：
“但就算如此，韩立同志，也不是所有非线性系统都可以被线性化近似的吧？”
“或者说需要把非线性系统近似成线性，必须要完成很大的计算量？”
“没错。”
徐云干脆利落的点了点头，肯定道：
“想要尽可能的去优化近似，就必须要完成大量的计算——这和穷举法是一个道理。”
“而想要做到这一步，必须要依靠另一个工具。”
这一次。
钱秉穹沉默了更长时间，方才慢慢说道：
“你是指.....计算机？”
徐云深吸一口气，双手悄悄在桌下握成了拳：
“没错，计算机，我个人认为，这个方向是未来最重要的趋势之一。”
“甚至这样说...
本章未完，请点击下一页继续阅读！