微分方程：为变化建模的微积分

一个答案是函数的方程

在普通代数里，像 x^2 = 9 这样的方程要你找一个数——这里 x = 3 或 x = -3。一个微分方程问的是更深的东西：它把一个函数和它自己的导数联系起来，而你要找的答案是一整个函数，不是单独一个值。你解的，是在只知道「某个量如何变化」这条规则的前提下，它随时间行为的整个故事。

为什么这是科学的天然语言？因为我们在世界里真正能测量的东西，通常是变化率。一支正在变凉的温度计、一个正在繁殖的种群、一笔正在生息的钱——每一种情形里，容易说清的都是此刻的变化率，而这个变化率常常取决于当前的量。写下「变化率等于（关于当前状态的某条规则）」，正好就是在写一个微分方程。

最著名的那一个：增长与衰减

整个科学里最干净的微分方程是 dy/dt = k*y。用话说：y 变化的速率，正比于此刻已经有多少 y。 当一个量的增长以它自身的大小为食时，规则就是这个。余额越大，挣的利息越多；细菌群落越大，每小时造出的细菌越多；放射性原子越多，每秒衰变的就越多。

什么函数的导数正比于它自己？指数函数。解是 y(t) = y0 * e^(k*t)，其中 y0 是 t = 0 时的初始量。若 k > 0，你得到失控的指数增长；若 k < 0，你得到平滑地趋向零的指数衰减。注意，答案确实是 t 的一个函数——喂给它任何时刻，它就告诉你那时的量，这条完整轨迹是从一条关于变化率的规则里预测出来的。

the rule (the equation):    dy/dt = k * y
the solution (a function):  y(t)  = y0 * e^(k*t)        y0 = y(0)

check: differentiate y(t)  ->  k * y0 * e^(k*t) = k * y(t).  it fits.

  k > 0  ->  exponential growth
  k < 0  ->  exponential decay

dy/dt = k*y 的解是指数函数。你可以通过对一个候选解求导、看它是否满足方程，来验证它。

牛顿冷却，以及不解方程也能看见解

纯粹的指数增长在现实世界里很罕见，因为没有东西能永远增长。一个更贴近生活的例子是牛顿冷却定律：一杯热咖啡在远高于室温时散热很快，在接近室温时散热很慢。设咖啡的温度为 T、房间的温度为 R，规则就是 dT/dt = -k*(T - R)——冷却的速率正比于物体与周围环境之间的温差。

这里有一个漂亮的想法：你常常可以在解出任何东西之前，就看见解的行为，用的是斜率场。在网格上的每个点 (t, y) 处，方程告诉你那里的斜率 dy/dt，于是你画一道带着那个斜率的小短线。这些短线汇成一股水流，像磁铁周围的铁屑。一个解，无非是任何顺着这些短线流动的曲线——而它的起点决定了你乘上哪一条曲线。

把冷却规则 dT/dt = -k*(T - R) 当成一句话来读：「温度下降得多快，取决于它比房间高出多少。」
检查两个极端。当 T 远高于 R 时，温差很大，所以斜率陡峭地为负——快速冷却。当 T 接近 R 时，温差缩向 0，所以斜率变平——冷却慢得几乎停下。
读出终点。斜率恰好在 T = R 时为 0，所以每条解都漂向室温并在那里趋平。你没有求出任何公式，就读懂了长期的行为。
如果你确实想要公式，它是 T(t) = R + (T0 - R)*e^(-k*t)：高出房间的那段温差按指数衰减——正是斜率场早已展示给你的那幅图景。

这扇门通向真实世界何处

一旦你会写「变化率 = 规则」，微分方程就到处都是。物理学就建立在它们之上：牛顿的 F = m*a 暗地里就是方程 m*(d^2 x/dt^2) = F，一个涉及二阶导数（加速度）的关系，它的解是物体随时间走过的整条路径。一个摆、一颗行星的轨道、一根振动的弦、热的流动——全都是等待被读懂的微分方程。

在物理学之外，流行病学通过追踪「感染人数上升得多快」如何作为「当前有多少人被感染、多少人易感」的函数，来为一场疫情建模——那就是曾经指导真实大流行政策的 SIR 方程族。金融用布莱克-斯科尔斯微分方程为期权定价。生态学用一组耦合方程来平衡捕食者与猎物。同样一个小小的想法——先描述变化，再恢复出函数——悄悄地驱动着大半个定量科学。