欢迎来到微分方程的世界！
在你的 H2 数学旅程中，你已经学会了如何对函数进行微分和积分。但是，如果一个量的变化率取决于该量本身，那会发生什么事呢？这就是微分方程 (Differential Equations, DEs) 的用武之地！
你可以把微分方程想象成一个谜题。我们不再问“\(x\) 是什么？”，而是问“是什么函数 \(y\) 会有这样的运作方式？”。无论是预测人口如何增长，还是咖啡如何冷却，微分方程都是现实世界中描述变化的语言。如果一开始觉得有点抽象，别担心——我们会一步步为你拆解！
1. 一阶线性微分方程
“一阶”方程只涉及一阶导数 \(\frac{dy}{dx}\)。我们寻找的标准形式为：
\(\frac{dy}{dx} + p(x)y = q(x)\)
“积分因子”技巧
为了求解这类方程，我们使用一种称为积分因子 (Integrating Factor, IF) 的特殊“魔法乘数”。这个技巧能将方程的左边变成一个逆向的积法则 (Product Rule)！
解题步骤：
1. 确保方程处于标准形式（\(\frac{dy}{dx}\) 的系数必须为 1）。
2. 找出 \(p(x)\)。
3. 计算积分因子：\(IF = e^{\int p(x) dx}\)。
4. 将整个方程乘以这个 \(IF\)。
5. 方程的左边会自动变为 \(\frac{d}{dx}(y \times IF)\)。
6. 对两边关于 \(x\) 进行积分，然后求出 \(y\)。
例子类比： 想象你正试图平衡一个跷跷板。积分因子就像是找出完美的重量，让两边能完美配合，从而让你解开这个谜题。
快速温习： 请记住，在求出 \(y\) 的最终答案之前，务必加上积分常数 \(C\)！
2. 二阶齐次方程
现在我们要提升难度了！“二阶”方程涉及 \(\frac{d^2y}{dx^2}\)。如果方程的右边为零，则称为齐次 (homogeneous) 方程：
\(a\frac{d^2y}{dx^2} + b\frac{dy}{dx} + cy = 0\)
辅助方程 (Auxiliary Equation, AE)
我们“猜测”解的形式为 \(y = e^{mx}\)。这会引出辅助方程：\(am^2 + bm + c = 0\)。这其实就是一个二次方程！
根据这个二次方程的根（\(m_1\) 和 \(m_2\)），我们有三种情况：
- 情况 1：两个不同的实根 (\(m_1 \neq m_2\))
通解：\(y = Ae^{m_1x} + Be^{m_2x}\) - 情况 2：一个重实根 (\(m_1 = m_2 = m\))
通解：\(y = (Ax + B)e^{mx}\) - 情况 3：复数根 (\(m = p \pm iq\))
通解：\(y = e^{px}(A \cos(qx) + B \sin(qx))\)
关键要点： 辅助方程的根会告诉你解的“形状”（是增长、衰减，还是震荡）。
3. 二阶非齐次方程
如果右边不是零呢？这就是 \(a\frac{d^2y}{dx^2} + b\frac{dy}{dx} + cy = f(x)\)
要解决这个问题，我们结合两部分：
通解 (General Solution) = 补函数 (Complementary Function, CF) + 特解 (Particular Integral, PI)
1. 补函数 (CF)： 这就是齐次版本（将右边设为 0）的解，我们在上一节已经学过了。
2. 特解 (PI)： 这是一个满足非零右边的特定解。我们会根据 \(f(x)\) 来“猜测”PI 的形式：
- 若 \(f(x)\) 是多项式（例如 \(x^2 + 1\)）：猜测 \(y = ax^2 + bx + c\)。
- 若 \(f(x)\) 是指数函数（例如 \(e^{kx}\)）：猜测 \(y = pe^{kx}\)。
- 若 \(f(x)\) 是三角函数（例如 \(\sin(kx)\)）：猜测 \(y = p \cos(kx) + q \sin(kx)\)。
常见错误： 如果你对 PI 的“猜测”已经包含在 CF 中，那么这个猜测是不会成功的！你必须将你的猜测乘以 \(x\)（甚至 \(x^2\)），直到它变得独一无二为止。
4. 可视化解法：斜率场与相线
有时候我们无法轻易解出方程，或者我们只是想看看它“长什么样子”。
斜率场 (Slope Fields)
想象一个网格，每个点都有一个小箭头。箭头的方向由 \(\frac{dy}{dx}\) 决定。如果你像溪流中的小纸船一样跟着箭头走，你就会看到解曲线族的样子。
相线 (Phase Lines)
对于像 \(\frac{dy}{dt} = f(y)\) 这样的方程，我们使用相线。它是一条代表 \(y\) 值的单一线段。我们画上箭头来显示 \(y\) 是在增加还是减少。这有助于我们找到平衡点 (Equilibrium Points)（即 \(\frac{dy}{dt} = 0\) 的点）。
- 稳定平衡： 箭头指向该点（如果你偏离了它，你会回被拉回来）。
- 不稳定平衡： 箭头背向该点（如果你偏离了它，你会飞离远去！）。
你知道吗？ 稳定平衡就像碗底的球；不稳定平衡则像顶在山顶上摇摇欲坠的球。
5. 建模：增长与逻辑斯谛模型
微分方程在人口建模方面非常出名。以下是你需要知道的两个主要模型：
指数增长 (Exponential Growth)
\(\frac{dy}{dt} = ky\)
增长率与人口成正比。这会导致数量的爆发式增长！它假设资源是无限的，这在现实中不太可能发生。
逻辑斯谛增长 (Logistic Growth)
\(\frac{dy}{dt} = ry(1 - \frac{y}{K})\)
这更符合现实。\(K\) 是环境容纳量 (Carrying Capacity)（环境所能支持的最大人口）。
- 若 \(y < K\)，人口增长。
- 若 \(y > K\)，人口减少。
- 若 \(y = K\)，人口稳定（平衡）。
捕捞 (Harvesting)
如果我们以恒定的速率 \(H\) 捕鱼或砍伐树木，方程就变为：\(\frac{dy}{dt} = ry(1 - \frac{y}{K}) - H\)。这会改变我们的平衡点，如果 \(H\) 过高，甚至可能导致人口崩溃！
关键要点： 逻辑斯谛模型展示了系统如何自然地调整自己，并趋向于“环境容纳量”。
总结检查清单
- 我会找出一阶微分方程的积分因子吗？
- 我知道二阶微分方程中，辅助方程的三种情况吗？
- 我能为特解 (PI) 选择正确的形式吗？
- 我了解为什么逻辑斯谛模型中的人口会趋于平稳吗？
- 我是否适应通过代换法将复杂的微分方程简化为标准形式？
如果觉得内容很多，不用担心！微分方程是一个“熟能生巧”的主题。只要不断练习不同类型的方程，很快你就能自然而然地掌握其中的规律！