可化为齐次方程的几何意义

核心问题

可化为齐次的方程形如

$$\frac{dy}{dx}=F\!\left(\frac{a_1x+b_1y+c_1}{a_2x+b_2y+c_2}\right).$$

为什么求解要「算行列式 → 平移 → 再令 $Y=vX$」？这些步骤不是碰巧凑在一起，而是在用仿射几何与线性代数识别右端的对称性：识别几何不变量 → 选择适配该不变量的新坐标 → 降维。

仿射函数与直线

定义仿射函数 $L(x,y)=ax+by+c$。令 $L(x,y)=0$ 得到一条直线 $ax+by+c=0$，其法向量是 $(a,b)$。所以分子、分母 $L_1,L_2$ 分别是两条直线 $L_1=0$、$L_2=0$ 的一次式。

注意：$L_1/L_2$ 不是「两条直线的比值」，而是两个仿射函数在点 $(x,y)$ 处取值的比值 $R(x,y)=\frac{L_1}{L_2}$；直线只是它们的零水平集。

等值线与直线束

$$\frac{L_1}{L_2}=k \iff L_1-kL_2=0,$$

即 $(a_1-ka_2)x+(b_1-kb_2)y+(c_1-kc_2)=0$，仍是一条直线。所以 $R$ 的等值线是一族直线——直线束。微分方程 $y'=F(R(x,y))$ 的意思是：位置 $(x,y)$ 决定一个 $R$ 值，$R$ 值决定该点的斜率，因此右边定义的是一个二维方向场（斜率场）。

行列式与交点

把两个法向量排成矩阵

$$A=\begin{pmatrix}a_1&b_1\\a_2&b_2\end{pmatrix},\qquad \det A=a_1b_2-a_2b_1.$$

$\det A\neq 0$ ⟺ 两个法向量线性无关 ⟺ 两条直线不平行、有唯一交点；$\det A=0$ ⟺ 法向量平行 ⟺ 两条直线平行或重合。所以「算行列式」其实是在问：这两条直线有没有唯一交点？

平移与齐次化

设唯一交点为 $(x_0,y_0)$，作平移 $X=x-x_0,\ Y=y-y_0$，则常数项消失：

$$L_1=a_1X+b_1Y,\qquad L_2=a_2X+b_2Y.$$

于是

$$R=\frac{a_1X+b_1Y}{a_2X+b_2Y}$$

满足 $R(\lambda X,\lambda Y)=R(X,Y)$——这是零次齐次函数，即尺度不变性：齐次性＝只看方向，不看尺度。

$Y=vX$ 代换

因为 $R$ 只依赖方向，分子分母同除以 $X$：

$$R=\frac{a_1+b_1\frac YX}{a_2+b_2\frac YX}.$$

二维依赖坍缩成一个变量 $v=\frac YX$（即 $Y=vX$）。$v$ 是从原点看点 $(X,Y)$ 的连线斜率，只描述方向、不描述远近。于是方程化为可分离变量的微分方程。

法向量平行

此时 $(a_2,b_2)=\lambda(a_1,b_1)$，两条直线平行，没有唯一交点可平移。但两个一次式都只依赖同一个线性组合 $u=a_1x+b_1y$：

$$\frac{L_1}{L_2}=\frac{u+c_1}{\lambda u+c_2}.$$

直接令 $u=a_1x+b_1y$，二维问题降成一维，也化为可分离变量的微分方程。

统一思想

$$\text{识别右端的几何不变量}\ \to\ \text{选择适配该不变量的新坐标}\ \to\ \text{降维}.$$

这正是矩阵、行列式、直线、平移、齐次函数在这里同时出现的原因：它们是在用线性代数和仿射几何识别微分方程的对称性。