微分方程代表從靜態代數快照轉變為動態數學模型的過程。我們不是求解單個數值，而是求解一個未知 函數 來描述系統隨時間演變的方式。其核心在於，微分方程（DE）表達了一個量與其變化率之間的關係。
動力學的語法
一個 微分方程 是包含一個未知函數及其部分導數的方程式。要掌握微分方程的語言，我們必須辨識變數的角色：
- 自變量（$t$）： 通常代表時間或位置。
- 因變量（$P$ 或 $y$）： 代表系統的狀態（例如，人口規模）。
- 階數： 方程式中出現的最高階導數。例如，$y'' + y = 0$ 是一個二階方程式。
自然增長模型
考慮自然增長定律：人口的變化率與其規模成正比。這可轉化為一階微分方程：
$$\frac{dP}{dt} = kP$$
其中，$k$ 為相對增長率。此模型表明，人口越大，增長越快——這是指數行為的特徵。
驗證解
我們如何判斷一個函數是否為解？它必須對所有 $t$ 滿足恆等式。
驗證
令 $P(t) = Ce^{kt}$。我們計算其導數：
$$P'(t) = \frac{d}{dt}(Ce^{kt}) = C(ke^{kt}) = k(Ce^{kt})$$
由於 $Ce^{kt} = P(t)$，因此 $P'(t) = kP(t)$。恆等式成立！
初始條件與唯一性
解 $P = Ce^{kt}$ 其實是一個 解的家族。要找到特定曲線，我們需要一個 初始條件, such as $P(0) = P_0$. This physical constraint allows us to solve for $C$, identifying the unique trajectory of our system. Note: In biological contexts, we restrict $C > 0$ because populations cannot be negative.
🎯 關鍵洞察
微分方程定義了變化法則；初始條件定義了起始狀態。二者共同確定了系統未來的唯一演變。