為什麼用表，而非積分
在上一篇導引中，你已認識了這台機器本身：拉普拉斯變換把時間函數 f(t) 餵進積分 F(s) = 從 0 到無窮的 e^(-st) f(t) dt 的積分，然後交回一個住在 s 域裡的函數 F(s)。那個積分是定義——但你往後幾乎再也不會去算它。整套方法的要旨，就是把那些難算的積分只算一次，針對一小組標準函數算好、把答案寫下來，之後就只管查表。本篇導引就要建起這張查詢表，並且同樣重要地，教你反著讀它。
把它想成一張不折不扣的乘法表。沒有人每次遇到 7 乘 8 時，都用反覆相加重新推導；他們直接想起 56。同樣的精神下，沒有人會從頭去積 e^(-st) e^(at) dt，既然能直接想起那一列 L{e^(at)} = 1/(s - a)。一張好用的變換表——也就是查表——只有兩欄：左邊是時間函數 f(t)，右邊是它的變換 F(s)。把十來列加上幾條規則練熟，你就幾乎能變換一門入門常微分方程課所能丟給你的每一個函數。
你直接背下來的那幾列
從 t 的冪次開始。冪次規則說 L{t^n} = n! / s^(n + 1)，其中 n!（n 階乘）是 n 乘 (n - 1) 乘 ... 乘 1。看這個規律：L{1} = 1/s（取 n = 0，因為 0! = 1）、L{t} = 1/s^2、L{t^2} = 2/s^3、L{t^3} = 6/s^4。每多一次 t 的冪，分母裡 s 的冪就升高一級，並順手拖來一個階乘。因此一個關於 t 的多項式，會變換成若干個 1/s 簡單冪次之和——乾淨而機械。
接著是指數函數——成長與衰減的天然語言。指數規則是 L{e^(at)} = 1 / (s - a)。它直接來自定義：從 0 到無窮的 e^(-st) e^(at) dt 的積分 = e^(-(s - a) t) 的積分 = 1/(s - a)，在 s > a 時成立。注意變換對常數 a 做了什麼：它把 L{1} = 1/s 那個位於 s = 0 的簡單極點，滑到了 s = a。這一個平移，正是我們稍後要碰到的一條規則的預告——這整張表，比乍看之下要彼此牽連得多。
再來是擺動。正弦與餘弦規則是 L{sin(at)} = a / (s^2 + a^2) 與 L{cos(at)} = s / (s^2 + a^2)。它們共用分母 s^2 + a^2——你的眼睛該學會把這個形狀讀作「有東西正以頻率 a 在振盪」——只在分子上不同：正弦配一個光禿禿的 a，餘弦配一個 s。它們的近親雙曲函數，只差一個正負號：L{cosh(at)} = s/(s^2 - a^2) 與 L{sinh(at)} = a/(s^2 - a^2)，三角那一對是加號之處，這裡換成了減號。加號意味振盪；減號意味指數的成長與衰減。
f(t) F(s) = L{f(t)} notes
---- -------------- -----
1 1/s power rule, n = 0
t 1/s^2
t^n n! / s^(n+1) n = 0, 1, 2, ...
e^(at) 1 / (s - a) s > a
sin(at) a / (s^2 + a^2) '+' => oscillation
cos(at) s / (s^2 + a^2)
sinh(at) a / (s^2 - a^2) '-' => growth/decay
cosh(at) s / (s^2 - a^2)兩條能把表撐大的規則
若你只能變換那剛好八個函數，一張八列的表便毫無用處。讓它變得強大的，是一對能讓單獨一列覆蓋整個家族的規則。第一條是線性：和的變換等於各變換之和，常數乘數則直接穿過，所以 L{3 t^2 - 5 sin(2t)} = 3 (2/s^3) - 5 (2/(s^2 + 4))。你把一個雜亂的函數拆成表上的小塊、各自變換、再相加。這跟讓你能逐項換算購物清單、或先加總再換算的，是同一種公平——兩種做法，答案相同。
第二條規則，解釋了你方才已瞥見的那個平移。第一平移定理（s 平移）說 L{e^(at) f(t)} = F(s - a)：把一個時間函數乘上 e^(at)，會讓它的整個變換橫向滑動，把每個 s 換成 s - a。光這一條規則，就免費生出任何實際對照表中很大一塊內容。一個阻尼振盪 e^(-bt) sin(ct)——振動與電路的家常便飯——不過就是 sin(ct) 平移後的樣子：L{e^(-bt) sin(ct)} = c / ((s + b)^2 + c^2)。你什麼都沒積——你只是把正弦那一列滑了過去。認得這個被平移後的形狀，正是你稍後反著讀表時所需要的本領。
反著讀這張表
這裡有初學者低估的部分。這張表是對稱的：每一列雙向都管用。把 f(t) -> F(s) 讀，是正向變換；把 F(s) -> f(t) 讀，則是逆變換，而你那個微分方程的真正答案，正是從這裡來的。拉普拉斯方法把你的問題帶進 s 域、在那裡做容易的代數，然後你必須回來——而回來，就意味著把某個 F(s) 認成某一列的右欄，再讀出它的左欄。去程只是一道手續；回程才是你掙得解的地方。
所以你必須訓練眼睛去認得標準的形狀。看到 1/(s - 3)，讀出 e^(3t)。看到 2/(s^2 + 4)，讀出 sin(2t)。看到 s/(s^2 + 9)，讀出 cos(3t)。最難反讀的是那些被平移過的：像 (s + 1)/((s + 1)^2 + 4) 這樣的式子不在光禿禿的表上，但 s 平移告訴你，它是被 e^(-t) 阻尼過的 cos(2t)。訣竅是在分母裡配方，直到你看見乾淨的 (s - a)^2 + b^2，再把平移還原回去。逆變換真正的本事是形狀辨識，而非積分。
整套方法所需要的那一列
還有一列，而它正是這一切之所以值得為微分方程而做的理由。導數的變換是 L{f'(t)} = s F(s) - f(0)。慢慢讀它：那個令人生畏的運算——求導——在 s 域裡，幾乎只剩下乘以 s。微積分變成了代數。二階導數則建立在它之上：L{f''(t)} = s^2 F(s) - s f(0) - f'(0)。你在時間裡每求一次導，s 域裡就多一個 s 的因子，再減去一筆由起始值構成的修正。
看看那些 f(0) 與 f'(0) 項在做什麼——這絕非偶然。它們恰恰是你問題的初始條件，而導數規則會自動把它們拉進代數裡。這正是這套方法安靜的超能力：古典技巧是先解出一個微分方程、事後才去配那些常數，而拉普拉斯變換從第一行起，就一路帶著起始資料同行。整個為何與如何的故事——把初值問題翻成代數——是下一篇導引的核心，但一切就從這一列開始。