世界常常只告诉你下一小步
微分方程,大白话说,就是用“变化率”来描述一个量怎样变化的方程。普通方程像是在说“这个数等于多少”;微分方程像是在说“这个数接下来会怎么动”。
比如一个杯子里的热水会变凉。它不是每分钟固定降 5 度,而是越热降得越快,越接近室温降得越慢。一个常见模型会说:温度下降速度和“水温减室温”的差成正比。你看,这里没有直接告诉你 10 分钟后多少度,只告诉你此刻该怎么变。
这已经很像程序里的更新规则:当前状态是什么,下一步就按某个规则改一点。微分方程只是把“下一步”缩到极小,并用导数表达。
微分方程不是在找一个孤零零的数字,而是在找一整条轨迹:系统从现在出发,以后会怎样。
指数增长从哪里来
最经典的例子是指数增长。大白话说,增长速度取决于自己有多大:人越多,每单位时间出生的人也越多;本金越大,同样利率下产生的利息越多。模型可以写成“变化率 = 常数 × 当前数量”。
这条规则会推出指数函数。直觉上不难:如果每一小段时间都按当前规模增加一点,增加出来的新规模又会参与下一轮增加,于是增长会滚起来。这也是复利、早期传染扩散、某些链式反应背后的共同结构。
相反,如果变化率和剩余空间有关,就会出现趋近上限的曲线。比如产品市场渗透率一开始增长快,后来可争取的新用户变少,增长自然放慢。这时模型不再是单纯指数,而会带上“还剩多少空间”的因素。
解方程就是找符合规则的故事
解微分方程时,我们不是只求一个点,而是求一个函数。这个函数的每一点都要满足同一条变化规则。再加上初始条件,也就是故事从哪里开始,轨迹才会确定。
如果只说“速度等于时间的两倍”,很多位置函数都可能符合,因为起点可以不同;加上“0 秒时位置为 5”,才锁定一条具体轨迹。初始条件像游戏存档,规则一样,存档不同,后面的路径就不同。
这解释了为什么微分方程在物理里这么强。牛顿第二定律把力和加速度连起来,而加速度是位置的二阶导数。给定力的规则,再给定初始位置和速度,你就能推出运动轨迹。天体、弹簧、电路、流体,很多系统都按这个套路建模。
模型不是世界本身
微分方程也会骗人,尤其当模型假设太干净时。真实传染病传播不是每个人随机均匀接触,真实市场增长会被渠道、政策、竞争影响,真实机械系统有摩擦和噪声。方程是一张地图,不是地面。
但好模型的价值不在于“完全等于现实”,而在于抓住主要反馈。它让你能问如果参数变大一点会怎样,如果初始条件不同会怎样,系统是否稳定,是否会爆炸,是否会收敛。
到这里,微积分已经从“求斜率和面积”变成了“写系统规则”。下一章我们再看工程师最常用的一招:不求完美解,先在当前点附近做一个足够好的近似。