Skip to main content

微分方程基础

KSJ10/15/24About 3 min数学微分方程ODEPDE数学建模

微分方程基础

微分方程是描述变量之间变化率关系的方程，是数学建模的基石。从物理（牛顿力学）到经济（增长模型）到工程（电路分析），微分方程无处不在。

什么是微分方程

微分方程是包含未知函数及其导数的方程。它描述的是函数本身和它的变化率之间的关系。

最简单的例子：人口指数增长模型

dNdt=r⋅N\frac{dN}{dt} = r \cdot N

其中 N(t)N(t) 是人口，rr 是增长率。这个方程描述了"人口增长速率与当前人口成正比"。

分类

常微分方程（ODE）

未知函数只有一个自变量（通常是时间 tt）：

阶数示例说明
一阶dydt=−ky\frac{dy}{dt} = -ky放射性衰变
二阶d2ydt2+ω2y=0\frac{d^2y}{dt^2} + \omega^2 y = 0简谐振动

解法包括分离变量法、积分因子法、特征方程法等。

偏微分方程（PDE）

未知函数有多个自变量（如 x,y,z,tx, y, z, t）：

类型示例应用
波动方程∂2u∂t2=c2∇2u\frac{\partial^2 u}{\partial t^2} = c^2 \nabla^2 u声波、地震波
热传导方程∂u∂t=α∇2u\frac{\partial u}{\partial t} = \alpha \nabla^2 u温度分布、扩散
拉普拉斯方程∇2u=0\nabla^2 u = 0静电场、稳定流动
薛定谔方程iℏ∂∂tψ=H^ψi\hbar\frac{\partial}{\partial t}\psi = \hat{H}\psi量子力学

PDE 通常需要结合边界条件和初始条件才能确定唯一解。

ODE vs PDE

维度ODEPDE
自变量数1 个多个
符号ddt\frac{d}{dt}∂∂t,∂∂x\frac{\partial}{\partial t}, \frac{\partial}{\partial x}
解法解析解常用（分离变量、特征根等）大多依赖数值解（有限元、有限差分）
复杂度本科数学计算科学 / 工程数学

数值解法

现实中的微分方程大多数没有解析解（闭式公式），需要数值方法：

欧拉法（最简单的 ODE 数值解）

对 dydt=f(t,y)\frac{dy}{dt} = f(t, y)：

def euler(f, y0, t0, tf, h):
    """欧拉法求解 ODE"""
    t, y = t0, y0
    result = [(t, y)]
    while t < tf:
        y = y + h * f(t, y)
        t += h
        result.append((t, y))
    return result

# 求解 dy/dt = -y (精确解: y = e^{-t})
f = lambda t, y: -y
result = euler(f, y0=1.0, t0=0, tf=5, h=0.1)

Runge-Kutta 法（RK4，精度更高的改进）

Scipy 提供了成熟的实现：

from scipy.integrate import solve_ivp

def ode(t, y):
    return -0.5 * y  # dy/dt = -0.5y

sol = solve_ivp(ode, [0, 10], [1.0], method='RK45')
print(sol.y[0][-1])  # 约等于 e^{-5} ≈ 0.0067

应用场景概览

领域微分方程类型建模对象
物理ODE / PDE牛顿力学、麦克斯韦方程组
生物ODE种群增长 SIR 传染病模型
金融SDE（随机）Black-Scholes 期权定价
工程PDE热力学、流体力学（N-S 方程）
AIODE神经常微分方程（Neural ODE）
电路ODERLC 电路瞬态分析

总结

微分方程的核心思想是对变化建模——一旦能用导数描述变量间的动态关系，就可以通过解析或数值方法求解出函数本身。ODE 是入门，PDE 是进阶，在工程中两者都会遇到。

微分方程是理解自然规律和工程系统的基础。

参考