Skip to content

微分方程与差分方程:描述变化的方式 ​

一分钟理解 ​

很多系统的规律不是「状态等于多少」,而是「状态怎样变」:水温下降的快慢与温差成正比,种群增长的速度与当前数量成正比,银行利息的增长与本金成正比。把「变化率」和「当前状态」的关系写成方程,就得到微分方程(时间连续)或差分方程(时间离散、逐期递推)。

比喻:微分方程像一条「连续的录像」,每一瞬间的帧都由前一帧的速度决定;差分方程像「逐帧拍照」,第 n+1 帧只由第 n 帧按一个固定规则推出来。两者回答同一个问题——从现在的状态出发,未来会走到哪里——只是「时间被切得多细」不同。

连续与离散之间有一座桥:把微分方程的导数用「一小段时间内的平均变化」近似,dydt≈y(t+h)−y(t)h,整理后就是差分式 yk+1=yk+hf(yk)。这就是欧拉法的由来——用一个个小时间步去逼近连续过程。步长越小越接近真实,但步长太大会失真甚至发散。

这个工具在建模里干什么 ​

  • 机理建模:传染病传播、种群竞争、热传导、电路充放电等,都可从「变化率 = 流入 − 流出」的平衡写起。微分方程与动力学建模
  • 数值模拟:多数微分方程没有漂亮解析解,靠欧拉法、Runge-Kutta 等方法在计算机上逐步积分。微分方程与动力学建模
  • 差分递推与预测:离散时间序列(每月销量、每年人口)本身就可写成差分方程,与 ARIMA、指数平滑等预测方法同源。时间序列预测方法总览
  • 稳定性判断:线性系统的特征值(连续)或绝对值(离散)决定解是衰减、振荡还是爆炸,是机理模型可信度的关键。矩阵与特征值

一句话:微分/差分方程把「变化规律」翻译成可求解的数学语言,是机理建模的骨架。

核心概念 ​

符号定义 ​

符号含义量纲
y(t)连续时间的状态[y]
dydt变化率(导数)[y]/[t]
f(y,t)变化率函数[y]/[t]
y0=y(0)初值[y]
yk第 k 步(离散时间)的状态[y]
h时间步长[t]
r增长/衰减率1/[t](连续)或无(离散,无量纲比率)

关键公式 ​

一阶常微分方程及其初值问题:

dydt=f(y,t),y(0)=y0.

必须有初值才能定出唯一轨迹——「变化规律」只规定每步怎么走,从哪出发由 y0 决定。

指数增长/衰减(f(y)=ry)的解析解:

dydt=ry,y(t)=y0ert.

r>0 增长、r<0 衰减。核对量纲:rt 无量纲,ert 无量纲,右侧量纲为 [y],正确。

离散对应(逐期按比例变化):

yk+1=(1+r)yk⟹yk=y0(1+r)k.

这是「复利」的形式:每期在上一期基础上乘以 (1+r)。

欧拉法(连续到离散的桥):

yk+1=yk+hf(yk,tk).

含义是「用当前变化率估算 h 时间内的累积变化」。当 f(y)=ry 且 h=1 时,欧拉法恰好退化为上面的离散递推 yk+1=(1+r)yk。

手算小例子 ​

例子一:连续复利。 本金 y0=1000 元,年利率 5% 连续计息,即 dydt=0.05y。解为 y(t)=1000e0.05t:

  • t=1 年:y=1000e0.05≈1051.27 元;
  • t=10 年:y=1000e0.5≈1648.72 元。

例子二:年度复利(差分)。 同样 1000 元、年利率 5%,但按年计息、年底结算:yk+1=1.05yk,即 yk=1000(1.05)k:

  • k=1:y=1050 元;
  • k=10:y=1000(1.05)10≈1628.89 元。

对比可见,连续复利 1051.27 略高于年度复利 1050,因为前者每时每刻都在把利息计入本金。这个差额正是离散与连续的差距。

例子三:欧拉法逼近。 对 dydt=0.05y、y0=1000,取步长 h=1 做一步:y1=1000+1⋅0.05⋅1000=1050,与年度复利一致(因为线性方程 + 步长 1 恰为离散递推),而真实解 1051.27,误差约 1.27。步长缩小到 h=0.5 时:y(0.5)=1000+0.5⋅50=1025,y(1)=1025+0.5⋅0.05⋅1025=1025+25.625=1050.625,更接近真实值。

常见误解与成立条件 ​

  • 「有方程就有解」不成立,也未必有解析解。 许多微分方程(如大多数非线性方程)没有初等函数解,只能数值求解。建模的交付物常是「可复现的数值轨迹 + 误差核对」,而非闭式公式。
  • 「步长越大越省事」会发散。 对衰减方程 dydt=−λy(λ>0),显式欧拉稳定要求 |1−hλ|<1,即 h<2/λ。步长超过阈值,解会振荡甚至指数爆炸。诊断信号是数值解出现反常振荡或越过物理边界(如数量变负)。优化不收敛或收敛极慢怎么办?
  • 「差分方程就是微分方程的简化」不全面。 有些现象本来就是离散的(每年一次的人口普查、每月的库存盘点),离散才是更自然的建模语言;反过来,离散递推也可能表现出连续方程没有的复杂行为(见下条)。
  • 「确定性方程不会乱」要警惕非线性。 逻辑斯蒂映射 xn+1=rxn(1−xn) 在 r 增大时会从稳定不动点进入倍周期分岔乃至混沌,r=3.8 时初值的一丁点差异会让长期轨迹完全不同。这是「确定性 ≠ 可长期预测」的经典例子。
  • 「初值差不多结果也差不多」对混沌系统不成立。 敏感依赖初值意味着必须说明初值与参数的来源和不确定性,否则长期预测没有意义。

平衡点:不再变化的状态 ​

平衡点(不动点)是「一旦到达就不再变化」的状态。对差分方程 xn+1=f(xn),平衡点满足 x\*=f(x\*)。以逻辑斯蒂映射 f(x)=rx(1−x) 为例:

x\*=rx\*(1−x\*)⟹x\*=0 或 x\*=1−1r.

取 r=2 得非零平衡点 x\*=0.5,可以验证 f(0.5)=2⋅0.5⋅0.5=0.5,确实不变。

平衡点是否「吸引」(偏离后是否自动回来)由导数 |f′(x\*)| 决定:小于 1 稳定,大于 1 不稳定。这里 f′(x)=r(1−2x),在 r=2,x\*=0.5 处 f′(0.5)=2(1−1)=0,稳定;而在 r=3.8 时非零平衡点 x\*≈0.7368 处 f′≈3.8(1−1.4736)≈−1.8,绝对值大于 1,已不稳定——这正是它走向混沌的一环。连续系统里,判据换成「线性化系数(或雅可比矩阵特征值)的实部是否为负」:dydt=−0.2(y−25) 的平衡点 y=25 稳定(系数 −0.2<0),而 dydt=0.05y 的平衡点 y=0 不稳定(系数 0.05>0)。

与具体模型连接 ​

关联文章 ​

参考资料 ​

MathModel FAQ · 数学建模知识库