高等数学 / 系统课时

微分方程描述动态变化

微分方程描述动态变化

微分方程不直接给出某一时刻的状态,而是规定状态应当怎样变化。本课将从“状态—变化率—初始条件”三个要素出发,理解微分方程如何生成一条完整的连续时间演化轨迹。

学习目标

  • 识别微分方程中的未知函数、导数和初始条件
  • 理解变化率规律如何决定系统随时间的演化
  • 能建立并解释一个简单的一阶动态模型

从变化率关系开始

普通代数方程求的是未知数,微分方程求的是未知函数。一个常见的一阶方程写成:

dydt=F(t,y)\frac{dy}{dt}=F(t,y)

其中,y(t)y(t) 是系统状态,dy/dtdy/dt 是当前变化率,F(t,y)F(t,y) 给出变化规则。仅有变化规则通常还不够,还需要初始条件 y(t0)=y0y(t_0)=y_0,用来确定系统从哪里开始。

微分方程从局部斜率生成整体轨迹

图中的每个短线段只描述当前位置附近的趋势。解曲线在每一点的切线斜率必须与方向场相符。若 FF 连续且在初始点附近对 yy 局部 Lipschitz,初值会确定唯一的局部轨迹。方向场本身能帮助读出趋势,存在性和唯一性仍要检查。

最小模型:指数增长与衰减

假设某个量的变化速度与当前数量成正比:

dydt=ky\frac{dy}{dt}=ky

给定初始值 y(0)=y0y(0)=y_0,解为

y(t)=y0ekty(t)=y_0e^{kt}

当 y0>0y_0>0 时,k>0k>0 对应增长,k<0k<0 对应衰减。若 y0<0y_0<0,状态保持负号,k<0k<0 时绝对值衰减并向零靠近。若 k=0k=0 或 y0=0y_0=0,状态恒定。

指数中的 ktkt 要无量纲,所以 kk 的单位是时间单位的倒数。例如以小时计时,温差满足 dy/dt=−(0.5 h−1)ydy/dt=-(0.5\,\mathrm{h}^{-1})y。初始温差为 100100 时,两小时后为 100e−1≈36.79100e^{-1}\approx36.79。每经过 2ln⁡2≈1.392\ln2\approx1.39 小时,温差绝对值减半。

建立动态模型的四个步骤

首先确定状态变量,即系统中需要追踪的量,如温度、位置、库存或隐藏状态。然后根据物理规律、业务规则或数据假设写出变化率。接着补充初始条件和参数单位,最后检查解是否符合边界、单调性和长期趋势。

以库存为例,若补货速率为 r(t)r(t)、销售速率为 s(t)s(t),则可以写成 dI/dt=r(t)−s(t)dI/dt=r(t)-s(t)。给定初始库存 I(0)I(0) 后,可将净变化率累加为 I(t)=I(0)+∫0t[r(τ)−s(τ)] dτI(t)=I(0)+\int_0^t[r(\tau)-s(\tau)]\,d\tau。若结果出现负库存,还要检查模型是否允许积欠订单。

与差分方程的区别

微分方程描述连续时间变化,差分方程描述离散步长更新。例如,dy/dt=kydy/dt=ky 是连续模型,而 yn+1=yn+hkyny_{n+1}=y_n+hky_n 是按步长 hh 更新的离散近似。

离散计算常用于数值求解,但步长不是越大越好。步长过大可能造成误差累积,甚至把本应衰减的系统计算成振荡或发散,因此需要同时关注精度与稳定性。

在 AI 系统中的作用

连续时间模型可用于神经常微分方程、时间序列插值、物理约束学习和连续控制。模型学习的不一定是最终输出,也可能是状态变化率 F(t,y;θ)F(t,y;\theta),再由数值求解器生成预测轨迹。

这类方法的关键不是套用公式,而是明确状态含义、变化机制和观测方式。若状态定义错误,即使方程能够求解,也不会得到有意义的模型。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

微分方程描述动态变化

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通