歡迎來到微分方程章節!
你好!這章聽起來可能很複雜,但它其實是純數學(Pure Mathematics)中最強大的工具之一。微分方程(Differential Equations, DEs)簡而言之,就是包含「導數」(變化率)的方程式。
如果微分是用來計算某個量的變化率,那麼微分方程就是讓你從變化率「反推」,找出原本的量或函數!
為什麼這很重要? 微分方程是描述「變化」的語言。幾乎所有隨時間變化的現象都可以用它來建模,包括人口增長、放射性衰變、疾病傳播以及物理學中的運動問題。
在本單元(P2)中,我們將重點解決最簡單但也最常見的一階微分方程類型:變量可分離(Separable Variables)的方程。
1. 理解微分方程 (DEs)
1.1 什麼是微分方程?
微分方程是一種將未知函數與其自變量(如 \(x\) 或 \(t\))以及該函數的一個或多個導數聯繫起來的方程式。
例子:
\(\frac{dy}{dx} = 3x^2\)(很簡單,只需對右側進行積分即可求解!)
\(\frac{dy}{dx} = 5y\)(導數取決於函數本身——這就是一個微分方程!)
1.2 微分方程的階數 (Order)
微分方程的階數是指方程中出現的最高導數的階數。
- 一階 (First Order): 只涉及一階導數 \(\frac{dy}{dx}\)(或 \(\frac{dx}{dt}\))。這是我們在 P2 中重點關注的類型。
- 例子: \(\frac{dy}{dx} = 4y + \cos x\)
- 二階 (Second Order): 涉及二階導數 \(\frac{d^2y}{dx^2}\)。(P2/A2 數學 9660 課程大綱不要求。)
重點總結: 在這一章,請記住我們只需要解決變量可以分離的一階微分方程。
2. 建立簡單的微分方程(情境應用)
在求解之前,你必須能夠將關於變化率的現實描述轉換為數學上的微分方程。這通常涉及「正比」的概念(即變化率與某個量成正比)。
2.1 變化率與正比
在建模問題中,變化率通常是相對於時間 \(t\) 而言的。如果 \(X\) 是該物理量(例如人口、質量、溫度),則其變化率為 \(\frac{dX}{dt}\)。
翻譯口訣:
- 「\(X\) 的增加率...」意味著 \(\frac{dX}{dt}\) 為正。
- 「\(X\) 的減少率...」意味著 \(\frac{dX}{dt}\) 為負。
- 「...與 \(Y\) 成正比...」意味著 \(= kY\),其中 \(k\) 是一個常數。
2.2 增長與衰減模型
P2 中最常見的模型是變化率與該量本身成正比。這描述了指數增長或指數衰減(例如細菌繁殖、放射性物質衰變)。
敘述: 量 \(P\) 的增加率與該時刻 \(P\) 的值成正比。
建立 DE:
\(\frac{dP}{dt} = kP\)
如果 \(k\) 為正,則是增長;如果 \(k\) 為負,則是衰減。
你知道嗎? 這個微分方程 \(\frac{dP}{dt} = kP\) 可以直接導出標準的指數公式 \(P = Ae^{kt}\),其中 \(A\) 是初始數量。
快速複習:建立方程示例
一杯咖啡的冷卻速率 (\(T\)) 與其溫度與室溫 (\(R=20^\circ C\)) 之差成正比。
變化率是 \(\frac{dT}{dt}\)。由於它是冷卻(減少),我們使用一個負常數:
DE: \(\frac{dT}{dt} = -k(T - 20)\)
重點總結: 尋找關鍵字「變化率」(\(\frac{d}{dt}\)) 和「成正比」(\(k\)) 來構建你的方程式。
3. 解析解法:變量分離法
如果一開始覺得棘手,請別擔心——一旦掌握了步驟,求解變量可分離的微分方程是一個簡單且重複的過程!
如果一個一階微分方程可以寫成以下形式,我們稱之為可分離的:
這意味著你可以將 \(x\) 項(以及 \(dx\))與 \(y\) 項(以及 \(dy\))分開。
3.1 求解可分離 DE 的分步方法
讓我們用一個明確的例子:求解 \(\frac{dy}{dx} = \frac{x^2}{y}\)。
步驟 1:分離變量
將所有包含 \(y\) 的項(包括 \(dy\))移到左邊,將所有包含 \(x\) 的項(包括 \(dx\))移到右邊。在分離目的下,我們將 \(dy\) 和 \(dx\) 視為獨立的部分。
原始方程: \(\frac{dy}{dx} = \frac{x^2}{y}\)
分離後: \(y \, dy = x^2 \, dx\)
步驟 2:兩邊積分
現在,對分離後的方程兩邊進行積分:
\(\int y \, dy = \int x^2 \, dx\)
關鍵規則: 你只需要一個積分常數 \(+C\),並且建議始終將其加在包含自變量(通常是 \(x\) 或 \(t\))的那一側。
積分結果:
\(\frac{1}{2}y^2 = \frac{1}{3}x^3 + C\)
這個結果就是通解 (General Solution)。
步驟 3:整理得出通解(如有需要)
通常題目會要求你用 \(x\) 表示 \(y\)。你可能需要對常數 \(C\) 進行代數運算。
整理:
\(y^2 = \frac{2}{3}x^3 + 2C\)
因為 \(2C\) 仍然是一個任意常數,我們可以簡化記號,令 \(A = 2C\)。
通解: \(y^2 = \frac{2}{3}x^3 + A\)
⚠ 常見錯誤警示!
忘記積分常數: 你必須在積分完成後立即加上 \(+C\)。缺少 \(C\) 的解不是通解,這會導致扣分。
積分錯誤: 當積分形如 \(\frac{1}{y}\) 的項時,記住結果是 \(\ln |y|\)。當積分 \(\sin kx\) 時,記住連鎖律的反向過程(要除以 \(k\))。
3.2 處理指數與對數類的 DE
在求解與增長/衰減相關的 DE(如 \(\frac{dy}{dx} = ky\))時,積分通常涉及 \(\ln\) 和 \(e\)。處理常數 \(C\) 的代數變換時要小心。
例子: 求解 \(\frac{dy}{dt} = 5y\)
步驟 1:分離
\(\frac{1}{y} \, dy = 5 \, dt\)
步驟 2:積分
\(\int \frac{1}{y} \, dy = \int 5 \, dt\)
\(\ln |y| = 5t + C\)
步驟 3:整理(取指數)
\(|y| = e^{5t + C}\)
\(|y| = e^{5t} \cdot e^C\)
因為 \(e^C\) 是一個正的常數,我們用 \(A\) 來替換它:\(A = e^C\)。同時去掉絕對值符號(因為 \(A\) 可以包含符號的正負選擇)。
通解: \(y = Ae^{5t}\)
重點總結: 當你將 \(\frac{1}{y}\) 積分得到 \(\ln|y| = f(x) + C\) 時,最終的代數形式通常會變成 \(y = Ae^{f(x)}\),其中 \(A\) 是一個整合了 \(e^C\) 和符號項的新常數。
4. 尋找特解 (Particular Solution)
通解包含任意常數 \(C\)(或 \(A\)),它描述了一族滿足微分方程的曲線。
特解是這族曲線中單一的、唯一的曲線。要找到它,你需要一個初始條件 (Initial Condition) 或邊界條件——即解必須經過的一個特定點 \((x_0, y_0)\)。
4.1 尋找 C 的過程
使用 3.1 節中的例子:\(y^2 = \frac{2}{3}x^3 + C\)。假設初始條件為當 \(x=0\) 時,\(y=2\)。
步驟 1:將初始條件代入通解。
將 \(x=0\) 和 \(y=2\) 代入方程式:
\(2^2 = \frac{2}{3}(0)^3 + C\)
\(4 = 0 + C\)
\(C = 4\)
步驟 2:寫出特解。
將 \(C\) 的值代回通解。
\(y^2 = \frac{2}{3}x^3 + 4\)
如果題目要求,將 \(y\) 獨立出來:\(y = \sqrt{\frac{2}{3}x^3 + 4}\)
計算 C 的小撇步
在求解常數 \(C\) 時,請務必使用積分後立即得到的方程形式(即包含對數或冪次的形式,在進行大量代數化簡之前)。這樣可以最大限度地減少後期代數運算出錯的風險。
重點總結: 如果問題要求「求出解」,則意味著它需要特解,你必須利用給定的初始條件算出 \(C\)。
5. 實際問題的應用
求解變量可分離微分方程的能力,讓我們能夠對現實世界的情境進行建模,通常涉及人口、濃度或金融等領域中的指數增長或衰減。
5.1 人口增長示例
人口 (\(P\)) 增長的簡化模型通常是 \(\frac{dP}{dt} = kP\)。
如果一個城鎮的人口每年增加 10%,則增加率與當前人口成正比 (\(k=0.1\))。
如果起始人口(在 \(t=0\) 時)為 5000,我們已知通解為 \(P = Ae^{kt}\)。
當 \(t=0\) 時,\(P=5000\):
\(5000 = Ae^{k(0)} \implies 5000 = A(1)\)
因此,\(A=5000\)。
特解: \(P = 5000e^{0.1t}\)
現在我們可以用這個公式來預測未來任何時間 \(t\) 的人口。
5.2 衰減示例(物理/化學)
放射性物質 (\(M\)) 的衰變速率與剩餘質量成正比。由於是衰減,常數 \(k\) 為負。
DE: \(\frac{dM}{dt} = -kM\)
求解後得到 \(M = M_0e^{-kt}\),其中 \(M_0\) 是初始質量。題目通常會要求你利用給定的半衰期(質量減半所需的時間)來找出 \(k\)。
重點總結: 在應用題中,任意常數 \(A\) 通常代表所建模量的初始值(即時間 \(t=0\) 時的值)。