当时钟无关紧要
大量自然定律都有一种安静的对称：它们不在乎现在是几点。一个放射性原子核今天的衰变速率，和一百年后一模一样；一杯热水按某条规则冷却，这条规则只提温度差，从不提日期；一个种群依照它当下的数量繁殖，而不看日历上的年份。当一阶方程的右端含有未知量、却不单独含有自变量时——当 dy/dt = f(y)，t 不自己冒出来时——这个方程就叫自治方程。这个词的意思是「自我治理」：变化速率完全由当下状态决定，没有任何外部时间表。
这绝不是个小众或罕见的特例——它正是一个基本模型的典型形状，而且它给你买来一样了不起的东西。由于 t 从不显式出现，你两篇之前见过的斜率场在每一条竖直线上看起来都一模一样：点 (t, y) 处箭头的斜率 f(y)，和点 (t + 5, y) 处的完全相同，因为平移时间什么也改变不了。整幅丰富的二维图景，其实只是一列信息，被横向无穷地复制下去。这份冗余，正是邀请你彻底扔掉一个维度。
把平面塌缩到相线上
下面这一招，让自治方程读起来如此轻松。既然斜率场在每一个时间列里都相同，那么只留一列——一根竖直的 y 轴——你也丝毫不损失，并在每个高度 y 上只记录一件事：解往哪个方向走？f(y) 的符号给出答案。f(y) 为正之处，dy/dt 为正，于是 y 在上升——画一支朝上的箭头。f(y) 为负之处，y 在下降——画一支朝下的箭头。f(y) 为零之处，y 静止不动。这根装饰过的轴就是相线，它一举抓住了每一条解的定性行为。
f(y) = 0 的那些特殊高度，是整幅图的核心。在这样的 y 上，变化速率恰好为零，于是从那里出发的解永远不动——它永远是一条平直的水平线。这些常数解就是平衡解（又叫稳态、不动点，或方程的临界点），而找到它们纯属代数：令 f(y) = 0，解出 y。不用微积分、不用积分——最难的稳态也不过是某个函数的根。在相邻两个平衡态之间，f(y) 的符号不穿过零就无法翻转，所以在每一段开区间上箭头全都指向同一个方向，从那里出发的任何解都稳稳地朝该区间的某一端行进。
这里还藏着一个保证，值得点名。因为当 f 光滑时方程满足存在唯一性定理的前提，两条解曲线绝不会相交，尤其是一条非平衡解绝不可能在有限时间内抵达某个平衡态——它只能永远逼近。这正是为什么一个种群朝着环境容纳量爬升时越来越近、却始终差那么一点，也正是为什么相线上的箭头讲的是全部真相：一条被夹在两个平衡态之间的解，会永远被钉在那里，从一端单调地滑向另一端。
稳定、不稳定，与导数的符号
并非所有平衡态都一样，而它们之间的区别正是本篇最有用的观念。想象一颗弹珠。停在碗底，它处于平衡，你轻推一下，它会滚回来——这是稳定平衡。立在穹顶之巅，它同样处于平衡，但最轻微的一推就让它飞奔而去——这是不稳定平衡。平衡态的稳定性问的恰恰是这件事：若一条解从稳态稍偏一点出发，它是回归还是逃离？
相线一眼就能回答。在稳定平衡处，两侧的箭头都朝里指、指向它：在它下方 y 上升，在它上方 y 下降，于是任何邻近的解都被挤回来。在不稳定平衡处，箭头朝外指、背离它，最小的偏离都会增长。（还有第三种，半稳定，两侧箭头指向同一个方向——一侧吸引，另一侧排斥。）你只凭已经画好的那些上下箭头的样式，就能判定每一种情况。
还有一个干净的解析判据，用一个导数说出同样的话，而它倚靠的是第一卷的一个观念。在平衡点 y* 附近，由于 f(y*) = 0，你可以把 f(y) 换成它的线性近似 f(y) ≈ f'(y*)·(y − y*)。设 u = y − y* 为那个小偏离；则 du/dt ≈ f'(y*)·u，一个指数，其命运由一个数的符号决定。若 f'(y*) < 0，偏离衰减——平衡态稳定。若 f'(y*) > 0，偏离增长——不稳定。若 f'(y*) = 0，线性判据失声，你必须再凑近看（半稳定的情形就藏在这里）。于是整个稳定性问题，归结为 f 在稳态处导数的符号。
逻辑斯蒂方程：一个模型演完整段故事
有一个模型把上面这一切同时搬上舞台，而它成为标准范例自有道理。逻辑斯蒂方程 dP/dt = r·P·(1 − P/K) 刻画一个会增长、却不能永远增长的种群。把右端读成一个故事：当 P 很小时，因子 (1 − P/K) 接近 1，于是 dP/dt ≈ r·P——纯粹的指数增长，种群一路飙升。当 P 朝 K 攀升时，那个因子缩向零，把增长扼住；而一旦 P 越过了 K，因子转负，种群便回落。常数 K 是环境容纳量，即环境能维持的最大种群，r 则是内禀增长率。
现在不解一个积分，就把这套机器开动起来。令右端为零：r·P·(1 − P/K) = 0 给出两个平衡态，P = 0 和 P = K。它们的稳定性来自 f'(P) 的符号，其中 f(P) = r·P·(1 − P/K)，故 f'(P) = r·(1 − 2P/K)。在 P = 0 处，f'(0) = r > 0——不稳定：空旷的栖息地是一道刀刃，最微小的一点种子种群都会增长、远离灭绝。在 P = K 处，f'(K) = −r < 0——稳定：环境容纳量在吸引。于是，凡是以 0 到 K 之间任何 P 出发的解，都单调上升并在 K 处趋平；凡是以高于 K 出发的解，都回落到 K。相线已经告诉了你这个种群的命运，而通篇看不见一个公式。
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)欧拉法：你的第一步数值推进
当你确实想要实打实的数字、而积分又不肯配合时，有一条从不拒绝你的路。回想一阶方程最初的那个几何读法：dy/dt = f(t, y) 在每个点都把解的斜率递给你。欧拉法把这一点照字面执行。站在你已知的起点 (t0, y0)。方程告诉你正是这里的斜率。沿那条直线走一个宽度为 h 的微小步子，你就落到一个新的、近似的点上。然后再向方程问新点处的斜率，再沿它走一步 h，如此反复。你正在用一段段短短的直线把解往前推，每一步都由斜率场本身来掌舵。
- 从问题给定的初始条件 (t0, y0) 出发，挑一个步长 h——越小越精确，但你要走的步数也越多。
- 在你所站之处求斜率：m = f(t_n, y_n)，直接取自方程的右端。
- 走出一个直线步：y_{n+1} = y_n + h·m，并推进时间 t_{n+1} = t_n + h。整个更新就这么多——它不过是直线的点斜式，正是第一卷里的同一个切线近似。
- 在新点处从第 2 步重复，按需要一路向前推进。一张 (t_n, y_n) 的数值表，就是你的近似解。
这为什么有效，又有多好？每一步恰是真解的线性（一阶泰勒）近似，所以你在单独一步上犯的误差是 h^2 量级。但要跨过一段固定区间，你需要大约 1/h 步，这些误差累积起来，留下的总误差是 h 量级：步长减半，误差大致也减半。这使欧拉法一阶精确——诚实却缓慢，是求解器里的福特 T 型车。真正的软件用的是它更聪明的亲戚（龙格–库塔方法每步取几个巧妙加权的斜率样本，以同样的工夫达到 h^4 量级的误差），但它们每一个都是你刚学到的同一个想法：读斜率、迈一步、再重复。
两种认知，并肩而立
退一步你会发现，本篇已经把本级第一篇所点名的那套工具的两端交到你手上——定性的与数值的——而它们是互补的，不是对手。相线几乎不花成本，却告诉你长期的真相：哪个稳态胜出、从哪一侧胜出、一个小扰动是自愈还是增长。它从不给出数字。欧拉法花的是算术，给你能负担得起的任何精度的数字——t = 7.3 时 y 的实际值。它从不告诉你为什么。对逻辑斯蒂方程把两者都跑一遍，它们彼此印证：相线预言了向 K 的攀升，欧拉推进则填出了抵达那里的那条 S 形曲线。
这种搭配，给一阶级画上了一个有意为之的句点。你从给方程分类、读它们的斜率场开始；学会了在方程可分离、恰当或线性时赢得封闭形式；如今你能对付那些根本出不来公式的方程——从一条相线上读出它们的长期行为，再用欧拉法磨出它们的数字。下一级把这一切提升到二阶，在那里两个平衡态可以盘旋、振荡，而不只是吸引或排斥——但你在这里养成的直觉，寻找稳态、追问它们是否守得住，恰恰是你会一路带上阶梯的那一套。