线性：你早已信赖的那条法则
在上一篇指南里，你把拉普拉斯变换当作一个定积分来认识，L{f}(s) = 从 0 到无穷对 e^{-st} f(t) dt 的积分——一台机器，吃进一个时间 t 的函数，还给你一个新变量 s 的函数。每一次都逐项去算那个积分，会累死人。变换的全部威力，恰在于你几乎从不回到那个积分。你只需把若干基本变换列成一张小表一次性备好，然后用一小套运算法则把一切搬来搬去。本篇指南就是这只工具箱，而第一件工具，正是你早已能在手中感受到的那一件。
拉普拉斯变换是线性的：对任意常数 a、b，都有 L{a f(t) + b g(t)} = a L{f}(s) + b L{g}(s)。这并非新的奇迹——它径直来自定积分的线性，而那是你从第一卷起就信赖的。和的积分等于积分之和，常数可以提到前面；变换把这两个习惯整个继承了过来。所以要变换 3 t^2 - 5 sin(t)，你根本不必碰那个定义积分：在表里查出 L{t^2} 和 L{sin t}，再拼成 3 L{t^2} - 5 L{sin t}。正是线性，让一张十来条目的表，覆盖了无穷无尽的组合动物园。
在 s 中平移：在时间里乘以一个指数
下一条法则，回答的是你将不断追问的一个问题：把 f(t) 乘以一个指数 e^{at}，会对它的变换做什么？第一平移定理给出干净的答案——它只是把变换在 s 中横向平移。确切地说，L{e^{at} f(t)}(s) = F(s - a)，其中 F(s) = L{f}(s)。在时间里用 e^{at} 去衰减或放大一个信号，它的整个变换便沿 s 轴滑动 a。证明只有一行，值得一看：那个 e^{at} 与定义积分里本就有的 e^{-st} 融为一体，把 e^{-st} e^{at} 变成 e^{-(s-a)t}，这恰好就是原被积函数在 s - a 而非 s 处取值。
这条小法则贵比黄金，因为「指数乘以某物」在应用里无处不在。一个阻尼振荡 e^{-t} cos(omega t)，是每一个电路、每一个减震器的家常便饭。你已经知道 L{cos(omega t)} = s/(s^2 + omega^2)。要得到阻尼版本，你不必重做任何积分——只需把 s 换成 s + 1（这里 a = -1）：L{e^{-t} cos(omega t)} = (s + 1)/((s + 1)^2 + omega^2)。时间世界里的每一个 e^{at}，到变换世界里就成了一次老老实实的平移 s -> s - a，而这单单一次代换，便不费分文地处理了一大族衰减与增长的信号。
在时间中平移，以及伸缩
第一定理平移的是 s；它的镜像则平移 t。设你把一个信号延迟——在时刻 a 之前什么都不发生，到时刻 a 你的函数 f 才开始运行，整体后移。要老老实实地写出一个「延迟并被接通」的信号，要用到赫维赛德阶跃 u(t - a)，它在 a 之前为 0、之后为 1。于是第二平移定理说：L{f(t - a) u(t - a)} = e^{-as} F(s)。时间里一个纯粹的延迟 a，到变换里就成了乘以因子 e^{-as}。延迟在时间域里凌乱，在 s 域里却轻而易举——这正是拉普拉斯方法对那些会开关启停的系统大放异彩的原因。
还有一条重塑法则，把这套几何补全。伸缩定理告诉你拉伸时间轴会怎样：对正常数 a，L{f(at)}(s) = (1/a) F(s/a)。把时间压缩 a 倍，变换就在 s 中拉伸同样的倍数，前面带一个 1/a 来让账目老实——两个域之间一笔干净的倒数交换。两条平移加上这一条伸缩，让你能把一个信号滑移、延迟、重新缩放，并立刻从一条表项就知道它的变换，全程不必重新打开那个定义 L 的反常积分。
皇冠上的宝石：导数的变换
现在轮到那条为整桩事业正名的法则。至此为止的一切都不过是便利；这一条，才是把微积分变成代数的法则。导数的变换是 L{f'(t)}(s) = s F(s) - f(0)。慢慢读它：在时间里求导，到变换世界里就成了乘以 s——再加上一个修正项 f(0)，它记得函数是从哪里出发的。求导，第一卷里那个艰难的极限运算，塌缩成了寻常的乘法。这就是整个级所立足的那点魔法。
那个 f(0) 从何而来？径直来自分部积分，每当一个导数坐在积分里头，你在第一卷里就会去取用的那一招。对从 0 到无穷的 e^{-st} f'(t) dt 的积分施以分部：边界项 [e^{-st} f(t)] 从 0 到无穷，在下限处贡献 -f(0)（而对乖巧的 f，在无穷处归零），剩下的积分则重建出 s F(s)。所以那看似神奇的 s F(s) - f(0)，不过是穿了燕尾服的分部积分。这个教训既诚实又令人安心：没有偷运进任何新东西——这就是第一年的微积分，只是用得巧妙。
First derivative: L{f'} = s F(s) - f(0)
Second derivative: L{f''} = s^2 F(s) - s f(0) - f'(0)
n-th derivative: L{f^(n)} = s^n F(s)
- s^(n-1) f(0)
- s^(n-2) f'(0)
- ...
- f^(n-1)(0)
Pattern: each derivative d/dt -> multiply by s,
and one initial value is peeled off per order.盯着二阶导那一行，你已经能看出为什么一整个微分方程会溶解。取一个受迫振子 y'' + omega^2 y = g(t)，带起始数据 y(0) 与 y'(0)。用线性和导数法则变换每一项：y'' 变成 s^2 Y(s) - s y(0) - y'(0)，y 变成 Y(s)，g 变成 G(s)。微分方程已经变成了一个关于 Y(s) 的纯代数方程，而且——这是关键——初始条件 y(0) 与 y'(0) 是从正门走进来的，从一开始就烘进了代数里，而非到最后才去拟合。用寻常代数解出 Y(s)，再做逆变换。下一篇指南就把这整套当作自己的方法，用拉普拉斯变换求解初值问题。
镜中宝石：积分的变换
如果求导是乘以 s，你大可猜到它的镜像：积分理应除以 s——而它确实如此。积分的变换说：L{ 从 0 到 t 对 f(tau) dtau 的积分 }(s) = F(s)/s，没有边界修正项，因为积分从零起步。这绝非巧合——它是微积分基本定理映照进 s 域的样子。求导与积分在时间里互为逆运算；乘以 s 与除以 s 在变换里互为逆运算。变换把第一卷微积分那份深刻的对称，呈现为世上最廉价的算术。
这两条法则合在一起，正是拉普拉斯变换成为工程师魔法棒的原因。一条电路定律也许会说，电容两端的电压正比于累积的电荷，而那是电流的积分——电感的电压则正比于电流的变化率，一个导数。于是单单一个电路，就能在一个方程里同时混入同一个未知量的导数和积分，一个在时间里看着吓人的积分微分方程。把它变换：每个导数变成乘以 s，每个积分变成除以 s，整团乱麻就成了一个关于 F(s) 的有理方程，连个少年都能把它重新整理。变换，做代数，再变换回来——整片微积分运算的森林，被压平成一块代数的平原。
这里欠一句对小字条款的诚实。这些导数与积分法则，假定 f 足够乖巧，使变换存在、且边界项在无穷处归零——具体说，就是 f 的增长不快于某个指数，并且相关的导数本身也可变换。这正是上一篇里那个存在性条件在这里悄悄地干活。力学与电路里的多数函数都轻松满足它，但这些法则是带前提的定理，而非无条件的咒语。当驱动项是一个阶跃或一个冲激时，你还须小心对待一个不连续对象的导数——这个微妙之处，后面那篇讲开关与狄拉克 delta 的指南会正面迎击。
整只工具箱，以及如何挥舞它
退后一步，这些运算法则便构成两个世界之间一部连贯的词典。在时间域，你有加法、指数调制、延迟、时间拉伸、求导、积分；每一个都翻译成 s 一侧一个利落的动作。这部词典，才是你真正用来解题的东西，而流程从不变化：
- 把整个问题变换进 s 域。逐项施用线性，对每个 y'、y'' 施用导数法则，对任何累积量施用积分法则——初始条件就在这一步自动进场。
- 解出由此得到的代数方程，求未知的变换 F(s) 或 Y(s)。这里全无微积分——只是乘开、合并同类项、再相除。
- 把答案重塑成可查表的片段。用部分分式拆开；把一个 s -> s - a 的样式认作第一平移定理；把一个 e^{-as} 因子认作第二平移定理给出的延迟。
- 用逆变换把每一片读回时间域，同样逐项进行，再相加。这个和就是你的解 y(t)，初始条件已然满足。
注意真正的活儿有多少落在第 3 步——那个重塑。正向法则是机械的；技艺在于认出你在回程路上遇到的某个变换，而两条平移定理正是你为此所用最锋利的工具。F(s) 里一个 e^{-2s} 因子，不是一道要积分掉的难关——它是一面旗，写着「一份在 t = 2 接通的延迟副本」，靠第二定理一眼就能读出。把这区区几条法则练到成为反射动作，拉普拉斯方法就不再像魔法，而开始显出它的本来面目：一次精确而诚实的翻译，让寻常的代数，去挑起当年微积分才扛得动的重活。