普 通 高 等 教 育“十 一 五”国 家 级 规 划 教 材
常微分方程基础
微分方程 · 第 21 次课
教材：《医科高等数学》第四版（张选群 主编）
高等数学 C · 授课对象：医学生 · 2 学时
$y'=f(x)g(y)$ · $y=C_1e^{x^2}$ · 阶与通解 · 可分离变量 · 指数衰减 · 半衰期
💭 上课之前 · 请想一想
💊
静脉推注的药物进入血液后，浓度为什么会"越降越慢"，而不是匀速减少？
因为消除速度与当前浓度成正比：浓度高时消得快，浓度低时消得慢。描述"变化率由当前状态本身决定"的规律，需要的数学工具正是微分方程。
🦠
营养充足时，细菌种群翻倍的速度为什么会越来越快？
因为增长速率与当前数量成正比：数量越多，单位时间新增越多。这类"变化率由当前状态决定"的问题，都指向同一个对象：含有未知函数及其导数的方程。
✦ 带着这两个问题，进入今天的主角 ✦
🤔 什么叫"微分方程"？
含有未知函数及其导数（或微分）的方程——未知的不是一个数，而是一个函数
✏️含未知函数及其导数（或微分）的方程
🎯阶 = 方程中最高阶导数的阶数
🧮通解含独立任意常数，个数等于阶数
🏥医学：药代动力学的一级消除是指数衰减
先看动态演示：这是方程 $y'=y$ 的解族 $y=Ce^x$。拖动 $C$，一族曲线整体上下缩放——但每一条都满足"在任一点，切线的斜率恰好等于该点的函数值"。这"一族曲线"就是通解，给一个初始条件就能从中挑出一条特解。
"解方程"求的是数；"解微分方程"求的是函数——
而且往往是一整族函数，再用初始条件从中挑出一条。
—— 从"求数"到"求函数"
📜
微分方程：一门描述"变化"的语言
微积分创立后，人们很快发现：自然规律大多用"变化率"来表述，
把它们写成方程，就得到了微分方程。
📖 从"求数"到"求函数"
代数方程求的是数：解 $x^2-2=0$，答案是 $\pm\sqrt2$ 这两个数。微分方程求的是函数：解 $y'=y$，答案是一整族函数 $y=Ce^x$。这一字之差，是整个思路的转向——未知量从"一个点"变成了"一条随时间演化的曲线"。
17 世纪末，牛顿与莱布尼茨创立微积分时，微分方程几乎是同步出现的：牛顿在研究运动时，把"加速度与力成正比"写成了含导数的方程，从此"预测运动轨迹"就变成"解一个方程"。随后几百年里，它成了物理学、天文学乃至工程、医学共同的语言。
🔢 求数代数方程的未知量是一个数
📈 求函数微分方程的未知量是一个函数
🌱 描述变化把"变化率"翻译成数学语言
🩺 为什么"变化率"如此重要
医学里的规律，几乎都先以"变化率"的形式被观察到：药物消除速度与浓度成正比、细菌增长与现有数量成正比、体温下降速率与温差成正比。它们有一个共同结构——变化的快慢，由当前状态本身决定，这正是微分方程 $y'=f(x,y)$ 要表达的东西。
所以微分方程不是一门"额外的"数学，而是把前几课的导数（变化率）与积分（累积）接到一起，去回答那个最实际的问题：给定现在，未来如何演化？
以前解方程求"未知的数 $x$"；今天解方程求"未知的函数 $y=y(x)$"。方程里藏着一个函数，我们要把它找出来。
💡 学这一课之前
上一课我们学了条件极值：在约束 $\varphi(x,y)=0$ 下求 $f(x,y)$ 的最值，用的是"求驻点、比边界"这套静态思路——最后得到一个点、一个数。这一课换一个视角：不再问"最值是多少"，而问"变化本身服从什么规律"。答案是一条含未知函数及其导数的方程——微分方程。
➕
一、从"静态最值"到"描述变化"
前几课研究"函数在某点附近的性态"（极值、最值），本质是静态的：给定函数，找它的特殊点。微分方程研究"函数随时间如何演化"，是动态的：给定"变化的规律"，反推"函数长什么样"。方向恰好反过来。
🩺
二、为什么医学生必须学它
药代动力学（药物进入、分布、消除）、传染病传播、肿瘤生长、体温调节……这些医学过程的核心规律，几乎都写成微分方程。读懂它们，才能理解"半衰期""消除速率常数""稳态浓度"这些临床概念到底从何而来。
🎯
三、本课的三条主线
①定义：微分方程、阶、解、通解、特解、初始条件；②方法：可分离变量方程（红线：分离时要讨论除式为零的常数解）；③模型：指数增长/衰减与药物一级消除（红线：通解常数个数等于阶数，$k$ 是消除速率常数）。
✦ 从"求最值"到"描述变化的规律" ✦
21.1 微分方程、阶、解、通解与特解
这一节先弄清四组概念。它们是整章的地基，后面所有方法都建立在这些定义之上。
✏️ 什么是微分方程
含有未知函数及其导数（或微分）的方程，叫做微分方程。例如：
$$y'=2xy,\qquad y''+y=0,\qquad \dfrac{dN}{dt}=kN$$
三个例子里，未知的都是函数（$y$ 或 $N$），而且方程里出现了它的导数——这是微分方程区别于代数方程的标志。
🎯 阶：最高阶导数的阶数
微分方程中出现的最高阶导数的阶数，叫做微分方程的阶。$y'=2xy$ 只含一阶导数 $y'$，是一阶方程；$y''+y=0$ 含二阶导数 $y''$，是二阶方程。判断阶只认"最高阶导数"，与 $x$、$y$ 的次数无关。
🧮 解、通解与特解
能使方程成为恒等式的函数，叫做微分方程的解。若解中含有的独立任意常数的个数恰好等于方程的阶，就称它为通解；通解中的任意常数由初始条件确定后，得到的解叫特解。
$$y'=y\ \Longrightarrow\ y=Ce^{x}\ \bigl(\text{一阶方程，通解含一个任意常数 }C\bigr)$$
🚨 红线一：通解里独立任意常数的个数必须等于方程的阶。一阶方程的通解含1 个任意常数，二阶方程含2 个。少写一个常数，得到的就不是通解，只是全体解的一部分。例如二阶方程：
$$y''+y=0\ \Longrightarrow\ y=C_1\cos x+C_2\sin x\ \bigl(\text{二阶方程，通解含两个任意常数}\bigr)$$
🔍 初始条件如何"挑出"特解
通解 $y=Ce^x$ 是一族曲线。再加一个初始条件 $y(0)=3$，就能唯一确定 $C$：代入得 $3=Ce^{0}=C$，于是特解 $y=3e^x$。初始条件的个数，通常就等于方程的阶。
① 微分方程 vs 代数方程
代数方程 $x^2-3x+2=0$ 的未知量是数 $x$，解是 $x=1$ 或 $x=2$。微分方程 $y'+y=0$ 的未知量是函数 $y(x)$，解是 $y=Ce^{-x}$ 这样一族函数。判断一个方程是不是微分方程，就看"未知的到底是不是函数、方程里有没有它的导数"。
② 为什么"独立"任意常数
通解要求任意常数独立，意思是它们不能合并成一个。$y=C_1+C_2\cos x$ 看起来有两个常数，但 $C_1+C_2$ 只相当于一个任意常数，所以它不是某个二阶方程的通解，而是一阶方程 $y'=C\cos x$ 型的解族。真正独立，要看它们能否被消去、合并。
③ 解、通解、特解三者的关系
解是最大集合（所有能满足方程的函数）；通解是用"阶数个独立常数"把解族整体写出来；特解是代入初始条件后定出常数的某一条。一张图记牢：通解是一族曲线，特解是其中一条。
④ 初始条件与阶数的对应
一阶方程一般给 1 个初始条件（如 $y(0)=y_0$），二阶方程给 2 个（如 $y(0)=y_0$、$y'(0)=v_0$）。条件个数不足，解不唯一；条件个数给对，通常能唯一确定一条特解。这正是"通解常数个数 = 阶数"的直接推论。
21.2 可分离变量方程
本课能"真刀真枪"求解的第一类方程：把 $x$ 和 $y$ 各自归到等号两边，再两边积分。
✏️ 什么是可分离变量方程
形如 $\dfrac{dy}{dx}=f(x)g(y)$ 的方程，右边是"$x$ 的函数"乘"$y$ 的函数"，叫做可分离变量方程。做法是把含 $y$ 的项与 $dy$ 移到一边、含 $x$ 的项与 $dx$ 移到另一边：
$$\dfrac{dy}{g(y)}=f(x)\,dx$$
🚨 红线二：分离时两边要"各自只含一个变量"。左边只许出现 $y$ 与 $dy$，右边只许出现 $x$ 与 $dx$；如果 $x$、$y$ 混在一起，说明这个方程不是可分离变量方程（或还没分离干净）。
🧮 求解三步
| 步骤 | 做什么 | 注意 |
|---|
| 第一步 | 分离变量，写成 $\dfrac{dy}{g(y)}=f(x)\,dx$ | 这一步要除以 $g(y)$，先假设 $g(y)\neq0$ |
| 第二步 | 两边积分，$\displaystyle\int\dfrac{dy}{g(y)}=\int f(x)\,dx$ | 得到一个任意常数 $C$ |
| 第三步 | 能解出 $y$ 就解出显式通解 | 别忘了检查 $g(y)=0$ 的常数解 |
👉 左右滑动查看完整表格 👈
📖 例：解 $y'=2xy$
分离变量（先假设 $y\neq0$）：$\dfrac{dy}{y}=2x\,dx$。两边积分：
$$\ln|y|=x^{2}+C_1\ \Longrightarrow\ y=\pm e^{C_1}e^{x^{2}}=Ce^{x^{2}}$$
所以通解为 $y=Ce^{x^{2}}$（$C$ 为任意常数）。注意最后一步把 $\pm e^{C_1}$ 合并成一个任意常数 $C$（$C\neq0$），并补上 $C=0$ 的情形。
🔍 回代检查 $y=0$：分离时我们除掉了 $y$。把 $y=0$ 代入原方程 $y'=2xy$：左边 $y'=0$，右边 $2x\cdot0=0$，两边相等，所以 $y=0$ 也是解——它恰好对应通解中的 $C=0$，没有漏解。但并非每次都这么走运（见 21.3 节）。
下图的解族 $y=Ce^{x^{2}}$ 像一簇"钟形"曲线：拖动 $C$，看它整体上下缩放。
① 为什么必须"两边各自只含一个变量"
只有当右边能写成 $f(x)g(y)$ 时，才能做"乘 $dx$、除 $g(y)$"这步分离。若右边是 $x+y$ 或 $xy+x$ 这类拆不开的形式，就不能用本方法——它们需要别的工具（比如下一课的一阶线性方程）。
② 积分常数的"合并"技巧
$\ln|y|=x^{2}+C_1$ 两边取指数得 $|y|=e^{x^{2}+C_1}=e^{C_1}e^{x^{2}}$，去掉绝对值有 $y=\pm e^{C_1}e^{x^{2}}$。把 $\pm e^{C_1}$ 记成一个任意常数 $C$，就得到干净的 $y=Ce^{x^{2}}$。注意 $C=0$ 对应漏掉的 $y=0$。
③ 最容易忘的一步：检查 $g(y)=0$
分离时除以 $g(y)$，等价于暂时"冻结"了 $g(y)=0$ 的情形。解完必须把 $g(y)=0$ 的每个根（它们给出常数解 $y=\text{常数}$）逐一代回原方程检验。漏了这一步，可能丢掉真正的解。
④ 例子的完整解集
$y'=2xy$ 的全部解是 $y=Ce^{x^{2}}$（$C$ 为任意常数）。其中 $C=0$ 给出 $y=0$，正是分离时"被冻结"的那一条。所以本例中，通解把常数解也包含了，解集完整。
21.3 分离时除式为零：小心"漏掉"的常数解
上一节的提醒不是走过场：有的方程，那个"被除掉的 $g(y)=0$"会给出一个无法从通解里取回的解。
📖 例：解 $y'=y^{2}$
分离变量（先假设 $y\neq0$）：$\dfrac{dy}{y^{2}}=dx$。两边积分：
$$-\dfrac{1}{y}=x+C\ \Longrightarrow\ y=-\dfrac{1}{x+C}$$
这是一族在 $x=-C$ 处有垂直渐近线的双曲线。但注意：分离时我们除掉了 $y^{2}$，也就是假设 $y\neq0$。现在检查 $y=0$：代入原方程 $y'=y^{2}$，左边 $y'=0$、右边 $0^{2}=0$，相等——所以 $y=0$ 也是解。
🚨 红线二（续）：分离变量时必须逐一检查"除式 $g(y)=0$"给出的常数解。它可能是通解里的退化情形（如 $y'=2xy$ 的 $y=0$ 对应 $C=0$），也可能是通解之外漏掉的解——本例 $y'=y^{2}$ 的 $y=0$ 就不在 $y=-\dfrac{1}{x+C}$ 里（无论 $C$ 取什么有限值，$-\dfrac{1}{x+C}$ 都不会等于 0）。漏了它，解集就不完整。
下图：拖动 $C$ 观察双曲线族 $y=-\dfrac{1}{x+C}$，同时注意横轴上的常数解 $y=0$（蓝色虚线）永远不属于这一族。
✅ 一句话记住
"分离后积分"求出的只是$g(y)\neq0$ 那部分的解；$g(y)=0$ 的每个根都要单独代回检验，因为它可能给出通解之外的常数解（教材里有时称为奇解）。
🔬 为什么这一条对医学生尤其重要
很多生物模型的平衡态正是常数解：比如 $y'=ky(1-y)$ 描述的增长，$y=0$ 与 $y=1$ 都是常数解（种群灭绝 / 满载）。它们往往对应临床上关心的"零增长"状态，丢失任何一个都会漏掉重要结论。
21.4 方向场 · 一阶线性方程（引出）
很多微分方程解不出初等函数。这时可以先"画"出解的大致形状——用方向场。
✏️ 方向场是什么
方程 $y'=f(x,y)$ 在平面上每一点 $(x,y)$ 给出了一个斜率 $f(x,y)$。在每一点画一小段以该斜率为方向的短线，就得到方向场。解曲线在每一点都与这些短线相切——所以顺着短线的方向走，就能看出解的走向。
下图是 $y'=-y$ 的方向场：每一点的斜率恰好等于 $-y$，所以越靠上的点，切线越"陡峭地下坠"；横轴上（$y=0$）斜率为 0，短线水平。拖动 $y_0$，看解曲线 $y=y_0 e^{-x}$ 如何顺着短线流到 0。
🔭 一阶线性方程（下一课主角，先打个招呼）
形如 $y'+P(x)y=Q(x)$ 的方程叫一阶线性方程（$y$ 与 $y'$ 都是一次的）。它是医学建模里极常用的类型——恒速静脉滴注的浓度曲线就由它描述。它的通解公式要在下一课详细推导，本课只认识它的"标准形"并预告两条红线：
$$y'+P(x)y=Q(x)\ \Longrightarrow\ y=e^{-\int P\,dx}\left[\int Q\,e^{\int P\,dx}\,dx+C\right]$$
📌 预告（下一课红线）：用上面这个公式时，①先要把 $y'$ 的系数化到 1（标准形 $y'+P(x)y=Q(x)$）；②右边中括号里积分后不要再补常数——那个 $C$ 已经在公式里了，再补一次就错了。
21.5 指数增长与衰减：$dN/dt=kN$
医学里最经典的一类微分方程——"变化率与当前量成正比"。它是本课红线的落点，也是理解半衰期的钥匙。
✏️ 模型与通解
设 $N(t)$ 是某时刻的数量（细菌数、药量、原子数……）。若 $N$ 的变化率与它本身成正比，比例系数为 $k$，则：
$$\dfrac{dN}{dt}=kN\ \Longrightarrow\ N=N_0 e^{kt}\ \bigl(N_0=N(0)\bigr)$$
$k\gt0$ 时 $N$ 随 $t$ 指数增长（翻倍越来越快）；$k\lt0$ 时指数衰减（越降越慢）。$k$ 的物理含义是"单位数量、单位时间的净变化率"：$|k|$ 越大，增长（或衰减）越快。
🔑 $k$ 的物理含义与半衰期
设 $C(t)$ 是血药浓度，一级消除的方程是 $\dfrac{dC}{dt}=-kC$，其中 $k\gt0$ 是消除速率常数：它表示"单位浓度、单位时间被消除的比例"。它与半衰期的关系是：
$$t_{1/2}=\dfrac{\ln 2}{k}$$
🚨 红线四：药代动力学的一级消除模型是指数衰减 $C=C_0 e^{-kt}$，不是线性减少。这里 $k$ 是消除速率常数（越大消除越快），它与半衰期成反比：$k$ 翻倍，半衰期减半。浓度"越降越慢"，正是指数衰减（而不是匀速下降）的特征。
21.6 医学应用 · AI 里的微分方程
把上一节的模型落到临床，再看它如何通向人工智能——两边其实共用同一种"描述变化"的语言。
💊 医学应用：一级消除与半衰期
一次静脉推注后，很多药物按"一级消除"清除：消除速率与当前浓度成正比，$\dfrac{dC}{dt}=-kC$。解得 $C(t)=C_0 e^{-kt}$（$C_0$ 是初始浓度）。每过一个半衰期 $t_{1/2}=\dfrac{\ln2}{k}$，浓度就减半：
$$C(t)=C_0 e^{-kt},\qquad t_{1/2}=\dfrac{\ln 2}{k}$$
下图：拖动 $k$，观察衰减曲线与半衰期的位置（横轴上的红点是 $t_{1/2}$，纵轴上 $C_0/2$ 处的水平虚线是"半衰"标志）。$k$ 越大，曲线越陡、半衰期越短。
① 半衰期的含义
半衰期 $t_{1/2}=\dfrac{\ln2}{k}$ 与初始浓度 $C_0$ 无关，只由消除速率常数 $k$ 决定。这是"一级消除"的典型特征：不管一开始浓度多高，浓度减半所需的时间都一样。临床上据此估算药物在体内停留的时间。
② 给药间隔的思路（模型思想，不代具体参数）
若希望血药浓度维持在某个有效范围之上，就要在浓度降到下限之前再次给药。给药间隔与剂量，正是围绕 $C(t)=C_0 e^{-kt}$ 这条衰减曲线来设计的——曲线越陡（$k$ 越大），给药越要频繁。
③ 有效浓度窗口
药物浓度太低则无效、太高则可能中毒，于是存在一个"有效浓度窗口"。临床目标是把浓度曲线尽可能"关"在这个窗口里。这个窗口的上下限，就是数学上衰减曲线与两条水平线之间的一段区间。
④ 恒速滴注（下一课的伏笔）
如果一边以恒定速率输入、一边按 $k$ 消除，浓度会先升后趋平，最终逼近一个稳态浓度——那个方程是 $C'=r-kC$，正是一阶线性方程 $y'+P(x)y=Q(x)$ 的形式。下一课详细求解。
🤖 数学与 AI：用方程描述"流动"
微分方程描述"变化"，而人工智能里大量过程也是"变化"。两边由此接上同一套语言。
🧠 梯度下降的连续视角
训练神经网络时，参数每一步沿梯度方向微调。把"一步一小调"看成时间连续的流动，参数更新就是一条解曲线——这正是"数值解微分方程"的思路。离散的"逐步迭代"与连续的"解方程"是同一枚硬币的两面。
🌀 神经常微分方程（Neural ODE）
把残差网络一层层的变换，看成解 $\dfrac{dy}{dt}=f(y,t,\theta)$ 从 $t=0$ 到 $t=1$ 的流动，输出就是初值问题在 $t=1$ 的解。这一视角把"离散的层"变成了"连续的时间"，是微分方程思想直接进入深度学习的代表。
🦠 SIR 传染病模型
经典流行病学把人群分成易感、感染、康复三类，三类人数随时间的变化写成一组微分方程。它的核心假设——"新感染数与现有感染者成正比"——正是本课 $dN/dt=kN$ 思想的直接推广。
🎯 一句话
微分方程给 AI 一套"描述随时间演化"的语言；反过来，AI 也给微分方程提供"数值求解"的强工具——两个方向互相成就。
🔍 必须分清的一点：本课的微分方程是手算可解的简单类型（可分离变量、一阶线性），而 AI 与临床遇到的方程大多解不出初等函数，只能靠数值方法求近似解。学本课，是为了理解"方程在描述什么"，而不是幻想每个方程都能写出漂亮公式。
21.7 拓展资源 · 自主加练
本课配有一条知识短片（约 8 分钟，中文解说 + 同步字幕，覆盖全课主线），另有可交互演示与公开课检索入口，方便你按自己的节奏复习。
🎬 本课知识短片
📖 短片内容：什么是微分方程 → 阶、通解与特解 → 可分离变量方程 → 常数解与漏解 → 方向场 → 指数增长与衰减 → 药物一级消除与半衰期 → AI 里的微分方程。本片为中文解说版（配音 + 同步字幕，无背景音乐，画面与配音均由程序生成），内容依据《医科高等数学》第四版。
🧪 页内交互演示（直接拖动滑块）
| 演示 | 位置 | 看什么 |
|---|
| 通解族与特解 | 开场 | 拖动 $C$，看 $y=Ce^x$ 一族曲线；每一条都满足"斜率等于函数值" |
| 分离变量的解族 | 21.2 节 | 拖动 $C$ 看 $y=Ce^{x^{2}}$ 钟形曲线族，理解"通解是一族曲线" |
| 常数解是否丢失 | 21.3 节 | 拖动 $C$ 看 $y=-1/(x+C)$，注意横轴上的 $y=0$ 永远不属于这一族 |
| 方向场 | 21.4 节 | 拖动 $y_0$，看解曲线 $y=y_0 e^{-x}$ 如何顺着短线段流向 0 |
| 指数增长与衰减 | 21.5 节 | 拖动 $k$，看 $N=e^{kt}$：$k\gt0$ 增长、$k\lt0$ 衰减 |
| 血药浓度与半衰期 | 21.6 节 | 拖动 $k$，看 $C=e^{-kt}$ 的衰减与半衰期 $t_{1/2}=\ln2/k$ 的位置 |
👉 左右滑动查看完整表格 👈
📚 公开课与教材配套资源
🎓 中国大学 MOOC
在 icourse163.org 搜索"高等数学"或"常微分方程"，可找到多所高校的完整课程。微分方程通常归在"常微分方程"模块内。
📺 视频平台
在主流视频平台搜索"可分离变量微分方程""方向场""药物半衰期 数学"，建议优先选择有板书推导的讲解，边看边把分离变量的三步抄下来自己写一遍。
📖 教材对应章节
《医科高等数学》第四版（张选群主编）微分方程一章：微分方程的基本概念、可分离变量的微分方程、一阶线性微分方程、微分方程在医学中的应用。课后习题建议全部完成，其中可分离变量求通解与特解的题至少做 5 道。
📌 复习建议：这一章最容易在"分离变量"和"通解常数个数"上翻车。建议按这个顺序练：先判断方程的类型与阶 → 再练可分离变量求通解（务必检查常数解）→ 再练给初值求特解 → 最后用指数模型算半衰期。每类各做 3~5 道，手感就出来了。
21.8 随堂练习 · 答对撒花庆祝 🎉
1️⃣ 微分方程 $y'''+y''+x y'=e^{x}$ 的阶是？
2️⃣ 下列哪个函数是微分方程 $y'=y$ 的解？
A. $y=x^{2}$
B. $y=e^{x}$
C. $y=\ln x$
D. $y=\sin x$
3️⃣ 微分方程 $y'=2xy$ 的通解是？
A. $y=C e^{x^{2}}$
B. $y=C e^{x}$
C. $y=C e^{2x}$
D. $y=C x^{2}$
4️⃣ 求初值问题 $y'=y,\ y(0)=2$ 的特解。
A. $y=2e^{x}$
B. $y=e^{x}$
C. $y=e^{2x}$
D. $y=2e^{2x}$
5️⃣ 某药按一级消除 $C'=-kC$ 清除，半衰期为 4 小时。初始浓度为 $C_0$，则 8 小时后的浓度是？
A. $\dfrac{C_0}{2}$
B. $\dfrac{C_0}{4}$
C. $\dfrac{C_0}{8}$
D. $\dfrac{C_0}{16}$
21.9 数学思维导图 · 本课小结
🧠 常微分方程知识思维导图
📘 常微分
方程基础
基本概念
- 微分方程 = 含导数的方程
- 阶 = 最高阶导数的阶数
- 通解常数个数 = 阶数
- 特解由初始条件确定
可分离变量
- dy/g(y) = f(x)dx
- 两边各自只含一个变量
- 两边积分得通解
- 检查 g(y)=0 常数解
指数模型
- dN/dt = kN
- N = N0 e^{kt}
- k 大于 0 增长
- k 小于 0 衰减
医学应用
- 一级消除 C 导 = -kC
- 消除速率常数 k
- 半衰期 ln2/k
- 浓度越降越慢
方向场与展望
- 方向场 = 每点斜率短线
- 解曲线处处相切
- 一阶线性方程引出
- AI 里的连续流动
✅ 本课小结
🎯
微分方程 = 含未知函数及其导数的方程，未知的是函数而不是数。它的阶由最高阶导数决定；通解含独立任意常数的个数等于阶数，特解由初始条件确定。
🔗
可分离变量方程 $\dfrac{dy}{dx}=f(x)g(y)$：分离成 $\dfrac{dy}{g(y)}=f(x)dx$，两边积分。红线：两边要各自只含一个变量，且必须检查 $g(y)=0$ 的常数解是否被漏掉。
🚨
常数解会"漏"：$y'=2xy$ 的 $y=0$ 对应通解 $C=0$，没有漏；$y'=y^{2}$ 的 $y=0$ 却不在通解 $y=-\dfrac{1}{x+C}$ 里，必须单独补上。
📉
指数模型 $\dfrac{dN}{dt}=kN$ 的通解是 $N=N_0 e^{kt}$：$k\gt0$ 指数增长、$k\lt0$ 指数衰减。$k$ 是"单位数量、单位时间的净变化率"。
💊
药物一级消除 $C=C_0 e^{-kt}$ 是指数衰减（不是线性减少）。$k$ 是消除速率常数，与半衰期成反比：$t_{1/2}=\dfrac{\ln2}{k}$。
🚀
下节预告：一阶线性方程与全课总结——标准形 $y'+P(x)y=Q(x)$ 的通解公式、齐次方程代换，以及一张"极限 → 导数 → 积分 → 多元 → 微分方程"的全课程主干地图。