歡迎來到微分方程的世界！
在你的 H2 數學旅程中，你已經學會了如何對函數進行微分和積分。但是，如果一個量的變化率取決於該量本身，那會發生什麼事呢？這就是微分方程 (Differential Equations, DEs) 的用武之地！
你可以把微分方程想像成一個謎題。我們不再問「\(x\) 是什麼？」，而是問「是什麼函數 \(y\) 會有這樣的運作方式？」。無論是預測人口如何增長，還是咖啡如何冷卻，微分方程都是現實世界中描述變化的語言。如果一開始覺得有點抽象，別擔心——我們會一步步為你拆解！
1. 一階線性微分方程
「一階」方程只涉及一階導數 \(\frac{dy}{dx}\)。我們尋找的標準形式為：
\(\frac{dy}{dx} + p(x)y = q(x)\)
「積分因子」技巧
為了求解這類方程，我們使用一種稱為積分因子 (Integrating Factor, IF) 的特殊「魔法乘數」。這個技巧能將方程的左邊變成一個逆向的積法則 (Product Rule)！
解題步驟：
1. 確保方程處於標準形式（\(\frac{dy}{dx}\) 的係數必須為 1）。
2. 找出 \(p(x)\)。
3. 計算積分因子：\(IF = e^{\int p(x) dx}\)。
4. 將整個方程乘以這個 \(IF\)。
5. 方程的左邊會自動變為 \(\frac{d}{dx}(y \times IF)\)。
6. 對兩邊關於 \(x\) 進行積分，然後求出 \(y\)。
例子類比： 想像你正試圖平衡一個蹺蹺板。積分因子就像是找出完美的重量，讓兩邊能完美配合，從而讓你解開這個謎題。
快速溫習： 請記住，在求出 \(y\) 的最終答案之前，務必加上積分常數 \(C\)！
2. 二階齊次方程
現在我們要提升難度了！「二階」方程涉及 \(\frac{d^2y}{dx^2}\)。如果方程的右邊為零，則稱為齊次 (homogeneous) 方程：
\(a\frac{d^2y}{dx^2} + b\frac{dy}{dx} + cy = 0\)
輔助方程 (Auxiliary Equation, AE)
我們「猜測」解的形式為 \(y = e^{mx}\)。這會引出輔助方程：\(am^2 + bm + c = 0\)。這其實就是一個二次方程！
根據這個二次方程的根（\(m_1\) 和 \(m_2\)），我們有三種情況：
- 情況 1：兩個不同的實根 (\(m_1 \neq m_2\))
通解：\(y = Ae^{m_1x} + Be^{m_2x}\) - 情況 2：一個重實根 (\(m_1 = m_2 = m\))
通解：\(y = (Ax + B)e^{mx}\) - 情況 3：複數根 (\(m = p \pm iq\))
通解：\(y = e^{px}(A \cos(qx) + B \sin(qx))\)
關鍵要點： 輔助方程的根會告訴你解的「形狀」（是增長、衰減，還是震盪）。
3. 二階非齊次方程
如果右邊不是零呢？這就是 \(a\frac{d^2y}{dx^2} + b\frac{dy}{dx} + cy = f(x)\)
要解決這個問題，我們結合兩部分：
通解 (General Solution) = 補函數 (Complementary Function, CF) + 特解 (Particular Integral, PI)
1. 補函數 (CF)： 這就是齊次版本（將右邊設為 0）的解，我們在上一節已經學過了。
2. 特解 (PI)： 這是一個滿足非零右邊的特定解。我們會根據 \(f(x)\) 來「猜測」PI 的形式：
- 若 \(f(x)\) 是多項式（例如 \(x^2 + 1\)）：猜測 \(y = ax^2 + bx + c\)。
- 若 \(f(x)\) 是指數函數（例如 \(e^{kx}\)）：猜測 \(y = pe^{kx}\)。
- 若 \(f(x)\) 是三角函數（例如 \(\sin(kx)\)）：猜測 \(y = p \cos(kx) + q \sin(kx)\)。
常見錯誤： 如果你對 PI 的「猜測」已經包含在 CF 中，那麼這個猜測是不會成功的！你必須將你的猜測乘以 \(x\)（甚至 \(x^2\)），直到它變得獨一無二為止。
4. 可視化解法：斜率場與相線
有時候我們無法輕易解出方程，或者我們只是想看看它「長什麼樣子」。
斜率場 (Slope Fields)
想像一個網格，每個點都有一個小箭頭。箭頭的方向由 \(\frac{dy}{dx}\) 決定。如果你像溪流中的小紙船一樣跟著箭頭走，你就會看到解曲線族的樣子。
相線 (Phase Lines)
對於像 \(\frac{dy}{dt} = f(y)\) 這樣的方程，我們使用相線。它是一條代表 \(y\) 值的單一線段。我們畫上箭頭來顯示 \(y\) 是在增加還是減少。這有助於我們找到平衡點 (Equilibrium Points)（即 \(\frac{dy}{dt} = 0\) 的點）。
- 穩定平衡： 箭頭指向該點（如果你偏離了它，你會被拉回來）。
- 不穩定平衡： 箭頭背向該點（如果你偏離了它，你會飛離遠去！）。
你知道嗎？ 穩定平衡就像碗底的球；不穩定平衡則像頂在山頂上搖搖欲墜的球。
5. 建模：增長與邏輯斯諦模型
微分方程在人口建模方面非常出名。以下是你需要知道的兩個主要模型：
指數增長 (Exponential Growth)
\(\frac{dy}{dt} = ky\)
增長率與人口成正比。這會導致數量的爆發式增長！它假設資源是無限的，這在現實中不太可能發生。
邏輯斯諦增長 (Logistic Growth)
\(\frac{dy}{dt} = ry(1 - \frac{y}{K})
\n這更符合現實。\(K\) 是環境容納量 (Carrying Capacity)（環境所能支持的最大人口）。
- 若 \(y < K\)，人口增長。
- 若 \(y > K\)，人口減少。
- 若 \(y = K\)，人口穩定（平衡）。
捕撈 (Harvesting)
如果我們以恆定的速率 \(H\) 捕魚或砍伐樹木，方程就變為：\(\frac{dy}{dt} = ry(1 - \frac{y}{K}) - H\)。這會改變我們的平衡點，如果 \(H\) 過高，甚至可能導致人口崩潰！
關鍵要點： 邏輯斯諦模型展示了系統如何自然地調整自己，並趨向於「環境容納量」。
總結檢查清單
- 我會找出一階微分方程的積分因子嗎？
- 我知道二階微分方程中，輔助方程的三種情況嗎？
- 我能為特解 (PI) 選擇正確的形式嗎？
- 我了解為什麼邏輯斯諦模型中的人口會趨於平穩嗎？
- 我是否適應透過代換法將複雜的微分方程簡化為標準形式？
如果覺得內容很多，不用擔心！微分方程是一個「熟能生巧」的主題。只要不斷練習不同類型的方程，很快你就能自然而然地掌握其中的規律！