當時鐘無關緊要
大量自然定律都有一種安靜的對稱：它們不在乎現在是幾點。一個放射性原子核今天的衰變速率，和一百年後一模一樣；一杯熱水按某條規則冷卻，這條規則只提溫度差，從不提日期；一個種群依照它當下的數量繁殖，而不看日曆上的年份。當一階方程的右端含有未知量、卻不單獨含有自變量時——當 dy/dt = f(y)，t 不自己冒出來時——這個方程就叫自治方程。這個詞的意思是「自我治理」：變化速率完全由當下狀態決定，沒有任何外部時間表。
這絕不是個小眾或罕見的特例——它正是一個基本模型的典型形狀，而且它給你買來一樣了不起的東西。由於 t 從不顯式出現，你兩篇之前見過的斜率場在每一條豎直線上看起來都一模一樣：點 (t, y) 處箭頭的斜率 f(y)，和點 (t + 5, y) 處的完全相同，因為平移時間什麼也改變不了。整幅豐富的二維圖景，其實只是一列信息，被橫向無窮地複製下去。這份冗餘，正是邀請你徹底扔掉一個維度。
把平面塌縮到相線上
下面這一招，讓自治方程讀起來如此輕鬆。既然斜率場在每一個時間列裡都相同，那麼只留一列——一根豎直的 y 軸——你也絲毫不損失，並在每個高度 y 上只記錄一件事：解往哪個方向走？f(y) 的符號給出答案。f(y) 為正之處，dy/dt 為正，於是 y 在上升——畫一支朝上的箭頭。f(y) 為負之處，y 在下降——畫一支朝下的箭頭。f(y) 為零之處，y 靜止不動。這根裝飾過的軸就是相線，它一舉抓住了每一條解的定性行為。
f(y) = 0 的那些特殊高度，是整幅圖的核心。在這樣的 y 上，變化速率恰好為零，於是從那裡出發的解永遠不動——它永遠是一條平直的水平線。這些常數解就是平衡解（又叫穩態、不動點，或方程的臨界點），而找到它們純屬代數：令 f(y) = 0，解出 y。不用微積分、不用積分——最難的穩態也不過是某個函數的根。在相鄰兩個平衡態之間，f(y) 的符號不穿過零就無法翻轉，所以在每一段開區間上箭頭全都指向同一個方向，從那裡出發的任何解都穩穩地朝該區間的某一端行進。
這裡還藏著一個保證，值得點名。因為當 f 光滑時方程滿足存在唯一性定理的前提，兩條解曲線絕不會相交，尤其是一條非平衡解絕不可能在有限時間內抵達某個平衡態——它只能永遠逼近。這正是為什麼一個種群朝著環境容納量爬升時越來越近、卻始終差那麼一點，也正是為什麼相線上的箭頭講的是全部真相：一條被夾在兩個平衡態之間的解，會永遠被釘在那裡，從一端單調地滑向另一端。
穩定、不穩定，與導數的符號
並非所有平衡態都一樣，而它們之間的區別正是本篇最有用的觀念。想象一顆彈珠。停在碗底，它處於平衡，你輕推一下，它會滾回來——這是穩定平衡。立在穹頂之巔，它同樣處於平衡，但最輕微的一推就讓它飛奔而去——這是不穩定平衡。平衡態的穩定性問的恰恰是這件事：若一條解從穩態稍偏一點出發，它是回歸還是逃離？
相線一眼就能回答。在穩定平衡處，兩側的箭頭都朝裡指、指向它：在它下方 y 上升，在它上方 y 下降，於是任何鄰近的解都被擠回來。在不穩定平衡處，箭頭朝外指、背離它，最小的偏離都會增長。（還有第三種，半穩定，兩側箭頭指向同一個方向——一側吸引，另一側排斥。）你只憑已經畫好的那些上下箭頭的樣式，就能判定每一種情況。
還有一個乾淨的解析判據，用一個導數說出同樣的話，而它倚靠的是第一卷的一個觀念。在平衡點 y* 附近，由於 f(y*) = 0，你可以把 f(y) 換成它的線性近似 f(y) ≈ f'(y*)·(y − y*)。設 u = y − y* 為那個小偏離；則 du/dt ≈ f'(y*)·u，一個指數，其命運由一個數的符號決定。若 f'(y*) < 0，偏離衰減——平衡態穩定。若 f'(y*) > 0，偏離增長——不穩定。若 f'(y*) = 0，線性判據失聲，你必須再湊近看（半穩定的情形就藏在這裡）。於是整個穩定性問題，歸結為 f 在穩態處導數的符號。
邏輯斯蒂方程：一個模型演完整段故事
有一個模型把上面這一切同時搬上舞台，而它成為標準範例自有道理。邏輯斯蒂方程 dP/dt = r·P·(1 − P/K) 刻畫一個會增長、卻不能永遠增長的種群。把右端讀成一個故事：當 P 很小時，因子 (1 − P/K) 接近 1，於是 dP/dt ≈ r·P——純粹的指數增長，種群一路飆升。當 P 朝 K 攀升時，那個因子縮向零，把增長扼住；而一旦 P 越過了 K，因子轉負，種群便回落。常數 K 是環境容納量，即環境能維持的最大種群，r 則是內稟增長率。
現在不解一個積分，就把這套機器開動起來。令右端為零：r·P·(1 − P/K) = 0 給出兩個平衡態，P = 0 和 P = K。它們的穩定性來自 f'(P) 的符號，其中 f(P) = r·P·(1 − P/K)，故 f'(P) = r·(1 − 2P/K)。在 P = 0 處，f'(0) = r > 0——不穩定：空曠的棲息地是一道刀刃，最微小的一點種子種群都會增長、遠離滅絕。在 P = K 處，f'(K) = −r < 0——穩定：環境容納量在吸引。於是，凡是以 0 到 K 之間任何 P 出發的解，都單調上升並在 K 處趨平；凡是以高於 K 出發的解，都回落到 K。相線已經告訴了你這個種群的命運，而通篇看不見一個公式。
phase line for dP/dt = r P (1 - P/K) ( r, K > 0 )
P
--|-- P = K <== STABLE ( f'(K) = -r < 0 )
^ arrows point IN from both sides
| | 0 < P < K : f > 0, P rises -> toward K
| v
--|-- P = K from above: f < 0, P falls -> toward K
^
| 0 < P < K : f > 0, P rises -> away from 0
--o-- P = 0 <== UNSTABLE ( f'(0) = +r > 0 )
arrows point OUT (here, upward)歐拉法：你的第一步數值推進
當你確實想要實打實的數字、而積分又不肯配合時，有一條從不拒絕你的路。回想一階方程最初的那個幾何讀法：dy/dt = f(t, y) 在每個點都把解的斜率遞給你。歐拉法把這一點照字面執行。站在你已知的起點 (t0, y0)。方程告訴你正是這裡的斜率。沿那條直線走一個寬度為 h 的微小步子，你就落到一個新的、近似的點上。然後再向方程問新點處的斜率，再沿它走一步 h，如此反復。你正在用一段段短短的直線把解往前推，每一步都由斜率場本身來掌舵。
- 從問題給定的初始條件 (t0, y0) 出發，挑一個步長 h——越小越精確，但你要走的步數也越多。
- 在你所站之處求斜率：m = f(t_n, y_n)，直接取自方程的右端。
- 走出一個直線步：y_{n+1} = y_n + h·m，並推進時間 t_{n+1} = t_n + h。整個更新就這麼多——它不過是直線的點斜式，正是第一卷裡的同一個切線近似。
- 在新點處從第 2 步重複，按需要一路向前推進。一張 (t_n, y_n) 的數值表，就是你的近似解。
這為什麼有效，又有多好？每一步恰是真解的線性（一階泰勒）近似，所以你在單獨一步上犯的誤差是 h^2 量級。但要跨過一段固定區間，你需要大約 1/h 步，這些誤差累積起來，留下的總誤差是 h 量級：步長減半，誤差大致也減半。這使歐拉法一階精確——誠實卻緩慢，是求解器裡的福特 T 型車。真正的軟件用的是它更聰明的親戚（龍格–庫塔方法每步取幾個巧妙加權的斜率樣本，以同樣的工夫達到 h^4 量級的誤差），但它們每一個都是你剛學到的同一個想法：讀斜率、邁一步、再重複。
兩種認知，並肩而立
退一步你會發現，本篇已經把本級第一篇所點名的那套工具的兩端交到你手上——定性的與數值的——而它們是互補的，不是對手。相線幾乎不花成本，卻告訴你長期的真相：哪個穩態勝出、從哪一側勝出、一個小擾動是自癒還是增長。它從不給出數字。歐拉法花的是算術，給你能負擔得起的任何精度的數字——t = 7.3 時 y 的實際值。它從不告訴你為什麼。對邏輯斯蒂方程把兩者都跑一遍，它們彼此印證：相線預言了向 K 的攀升，歐拉推進則填出了抵達那裡的那條 S 形曲線。
這種搭配，給一階級畫上了一個有意為之的句點。你從給方程分類、讀它們的斜率場開始；學會了在方程可分離、恰當或線性時贏得封閉形式；如今你能對付那些根本出不來公式的方程——從一條相線上讀出它們的長期行為，再用歐拉法磨出它們的數字。下一級把這一切提升到二階，在那裡兩個平衡態可以盤旋、振盪，而不只是吸引或排斥——但你在這裡養成的直覺，尋找穩態、追問它們是否守得住，恰恰是你會一路帶上階梯的那一套。