微分方程实际上对学过物理的人而言，是相当熟悉的事情，但如何严格化则还应归属于数学，尽管就应用而言，直觉可以解决大部分问题（
从场论到微分方程
在场论中，我们讨论了所谓散度无旋，旋度无源：
$$
\nabla\times(\nabla u)=0,\ \nabla \cdot (\nabla \times G)=0
$$
以及一个函数可以漂亮地分解成某个散度和某个旋度：
$$
F=\nabla u+\nabla \times G
$$
Maxwell 方程
如雷贯耳的$Maxwell$方程组的微分形式，实际上就是用$\nabla$ 的语言写成的。这也在场论中提到过。
$$
\begin{cases}
\nabla \cdot E = \rho \\
\nabla \cdot B = 0 \\
\nabla \times E = -B_t \\
\nabla \times B = J + E_t
\end{cases}
$$
正如上面所说，我们可以试着把 $E$ 拆解：
$$
E = \nabla (-U) + \nabla \times\int B\, dt
$$
物理上，大概就是静电场和涡旋电场，分别由电势的梯度和变化的磁场产生。
能不能消掉 $B$，得到一个只含$E$ 的方程呢？
波动方程的推导 (Derivation of Wave Equation)
1. 基础方程
推导始于真空（或无源项 $J=0, \rho=0$）中的麦克斯韦方程组：
- 法拉第感应定律： $\nabla \times E = -B_t$- 安培-麦克斯韦定律：$\nabla \times B = E_t$（注：此处简化了系数，并假设无源$J=0$）
2. 数学推导步骤
对法拉第定律两边同时取旋度（Curl）：
$$
\nabla \times (\nabla \times E) = -(\nabla \times B)_t
$$
左侧（利用矢量算子恒等式）：
$$
\nabla \times (\nabla \times E) = \nabla(\nabla \cdot E) - \Delta E
$$
关键点： 在无源区域（真空），由于 $\nabla \cdot E = 0$（由高斯定律得出），左侧简化为 $-\Delta E$。
右侧（代入安培定律）：
$$
-(\nabla \times B)_t = -(E_t)_t = -E_{tt}
$$
3. 最终结论：波动方程
将左右两项合并并消去负号，得到电磁波在空间的演化规律：
$$
E_{tt} = \Delta E
$$
展开即为：
$$
E_{tt} = E_{xx} + E_{yy} + E_{zz}
$$
物理意义： 这正是一个典型的波动方程（Wave Equation）。它表明电场（和磁场）不需要介质，可以通过自身场的变化在空间中以波的形式传播。
可以看到，这样一个方程全是 $E$ 的导数所满足的方程，也就是物理直觉上的微分方程。数学上如何描述呢，我们先从简单的情形开始——常微分方程，即不带偏导数的微分方程。
常微分方程 (ODE)
基本定义
设定 $x$ 为一个自变量，$y$为因变量，以及$y$的各阶导数$y’, y’’, \dots, y^{(n)}$。
定义（$n$ 阶 ODE）：
$$
F(x, y, y', \dots, y^{(n)}) = 0 \quad (\star)
$$
满足该等式的方程称为一个 $n$ 阶常微分方程。
定义（解）：
若函数 $y(x)$在区间$[a, b]$上满足方程$(\star)$，则称 $y(x)$为该方程在区间$[a, b]$ 上的一个解。
2. 示例
一阶模型：指数衰减
$$
m'(t) = -a m(t)
$$
- 解的形式： $m(t) = C e^{-at} \quad (\forall C \in \mathbb{R})$- 特性： 解存在且不唯一（取决于常数$C$）。
二阶模型：简谐振动
$$
x''(t) = -k x(t)
$$
- 也许可以注意到的解： $x(t) = \sin(t)$或$x(t) = \cos(t)$- 注意到方程的线性，于是找到比较一般的解：$x(t) = C_1 \cos(t) + C_2 \sin(t) \quad (\forall C_1, C_2 \in \mathbb{R})$
这个比较一般的解，我们称为通解。
通解 (General Solution) 的定义
对于含有 $n$个相互独立的任意常数$C_1, C_2, \dots, C_n$的解函数组$y(x; C_1, C_2, \dots, C_n)$，若满足以下两个条件：
独立性： 常数 $C_1, C_2, \dots, C_n$在区间$x \in [a, b]$ 上是相互独立的。
有效性： 对于每一组固定的 $C_1, \dots, C_n$，函数 $y(x, C_1, \dots, C_n)$在$[a, b]$上均满足方程$(\star)$。
则称 $y(x; C_1, \dots, C_n)$为方程$(\star)$ 的一个 通解。
固定常数后的函数也就被称为特解，例如简谐振动示例中的 $\sin(t)$就是取常数为$0,1$ 。
常数独立性 (Wronskian 行列式)
为了判断一组解是否能构成通解，需要引入线性无关性的判定：
定义（常数独立性）：
对于函数组 $\psi(x, C_1, C_2, \dots, C_n)$，若 $C_1, \dots, C_n$在$x \in [a, b]$ 上线性独立，其充要条件通常涉及 Wronskian 行列式不为零：
$$
\left| \frac{\partial(\psi, \psi', \psi'', \dots, \psi^{(n-1)})}{\partial(C_1, C_2, C_3, \dots, C_n)} \right| \neq 0, \quad x \in [a, b]
$$
逻辑闭环：
我们可以验证一下简谐振动的解是不是符合常数独立性。
验证：通解中常数的独立性
1. 设定函数形式
已知二阶方程的解函数族为：
$$
x(t, C_1, C_2) = C_1 \cos(t) + C_2 \sin(t), \quad \forall C_1, C_2 \in \mathbb{R}
$$
对其求一阶导数（关于时间 $t$）：
$$
x'(t, C_1, C_2) = -C_1 \sin(t) + C_2 \cos(t)
$$
2. 构造行列式 (Wronskian 思想的变形)
为了验证 $C_1, C_2$ 的独立性，计算函数向量对常数向量的偏导数行列式：
$$
\left| \frac{D(x, x')}{D(C_1, C_2)} \right| = \begin{vmatrix} \frac{\partial x}{\partial C_1} & \frac{\partial x}{\partial C_2} \\ \frac{\partial x'}{\partial C_1} & \frac{\partial x'}{\partial C_2} \end{vmatrix}
$$
3. 代入计算
将偏导数结果代入矩阵：
$$
= \begin{vmatrix} \cos(t) & \sin(t) \\ -\sin(t) & \cos(t) \end{vmatrix}
$$
利用行列式计算规则 $ad - bc$：
$$
= \cos^2(t) - (-\sin^2(t))
$$
$$
= \cos^2(t) + \sin^2(t)
$$
$$
= 1 \neq 0
$$
结论
由于该行列式的值为 1（恒不为零），根据判定准则，常数 $C_1$与$C_2$ 在解空间中是相互独立的。
这证明了 $x(t) = C_1 \cos(t) + C_2 \sin(t)$ 确实是该二阶微分方程的通解
一般的方程的解，我们也可以看成函数，那么也就有所谓隐函数，相应的，这里有所谓通积分。
通积分 (General Integral)
1. 定义
对于 $n$阶常微分方程$F(x, y, y’, \dots, y^{(n)}) = 0 \quad (\star)$，如果其通解是由一个隐函数方程给出的：
$$
\Phi(x, y; C_1, C_2, \dots, C_n) = 0
$$
若该等式在满足常数独立性的前提下，能够通过对 $x$求导等代数运算还原为原方程$(\star)$，则称该隐式方程为原方程的 通积分。
核心区别：
通解：通常指显式函数形式 $y = f(x, C_1, \dots, C_n)$。
通积分：指隐式方程形式，不一定能轻易解出显式的 $y$。
实际上，也就是消除了 $y$ 的导数的影响，也就是解掉了微分。
2. 案例演示：圆族与微分方程
板书通过一个几何例子展示了通积分与微分方程的转换逻辑：
- 微分方程： $x + y \cdot y’ = 0$- 通积分猜测：$x^2 + y^2 = C$ （这是一个以原点为圆心的圆族）
验证过程：
对隐式方程 $x^2 + y^2 = C$关于$x$ 求导：
$\frac{d}{dx}(x^2) + \frac{d}{dx}(y^2) = \frac{d}{dx}(C)$2.$2x + 2y \cdot y’ = 0$
化简得：$x + y \cdot y’ = 0$
结论：
隐式方程 $x^2 + y^2 = C$是微分方程$x + y \cdot y’ = 0$ 的通积分。如果写成显式通解，则为：
$$
y = \pm \sqrt{C - x^2}
$$
3. 几何直观
在坐标系中，这个通积分代表了一系列同心圆。微分方程 $y’ = -\frac{x}{y}$ 实际上描述了圆上任意一点的切线斜率必须与该点到原点的连线（半径）垂直。
会不会有解落在通解之外呢，或者说遍历通解中的常数也取不到某个解？
定义：奇解 (Singular Solution)
若函数 $y(x)$满足原方程$(\star)$，但它不包含在通解中（即无法通过给通解中的任意常数 $C$ 赋值来得到），则称其为方程的一个奇解。
典型案例分析：$y^2 + (y’)^2 = 1$
1. 通解及其验证
给定微分方程：
$$
y(x)^2 + (y'(x))^2 = 1
$$
其通解形式为：
$$
y(x) = \sin(x-c), \quad c \in \mathbb{R}
$$
常数独立性验证：
通过对常数 $c$ 求偏导来判断其是否提供了一个有效的自由度：
$$
\partial_c y = -\cos(x-c) \not\equiv 0
$$
核心逻辑： 虽然在某些特定点该偏导数为零，但在区间内它不恒等于零，因此常数 $c$ 是独立的。
2. 奇解 (Singular Solutions)
观察方程结构，可以发现两个不包含在上述通解族中的特殊恒等解：
$y(x) \equiv 1$
$y(x) \equiv -1$
验证： 若 $y = \pm 1$，则 $y’ = 0$。代入原方程：$(\pm 1)^2 + 0^2 = 1$，等式成立。
由于这两个解无法通过给通解中的 $c$ 赋值得到（$\sin$ 函数无法恒等于 1），它们被定义为该方程的奇解。
包络与奇解 (Envelope and Singular Solution)
核心定义
针对 一阶常微分方程 (1st Order ODE)：
若某个函数 $y(x)$ 在其曲线上：
每一点 都与该方程通解族中的 某一个解 相切；
且 $y(x)$ 本身也满足该微分方程。
则 $y(x)$ 为该方程的一个 奇解。
为什么“相切”意味着“唯一性失效”？
从几何角度来看，包络线具有一种奇特的“重合”属性：
坐标相同： 在切点处，包络线与通解曲线的 $y$ 值一致。
斜率相同： 由于相切，它们的导数 $y’$ 也完全一致。
推论：
对于同一个初值点 $(x_0, y_0)$，现在出现了两条不同的积分曲线（包络线本身和穿过该点的通解曲线），它们在该点具有相同的斜率。这说明在该轨迹上，微分方程解的存在唯一性定理 遭到了破坏。
判别逻辑
- 通解族： $\Phi(x, y, C) = 0$- 包络线方程： 通常通过联立以下方程组并消去参数$C$ 获得：
$$
\begin{cases} \Phi(x, y, C) = 0 \\ \frac{\partial \Phi}{\partial C} = 0 \end{cases}
$$
- 验证： 求出的包络线方程如果代入原 ODE 成立，且无法通过给 $C$ 赋值得到，则它就是奇解。
实际上奇解有无穷多个，就上面的例子而言，我们可以在 $y=-1$走一段，然后沿着三角函数走到$y=1$ ，然后再随便走……也许正如，当你看到一只蟑螂，屋子里已经满是蟑螂了（？）从另一个视角来看，通解甚至只是解的一小部分（
初值问题 (Cauchy 问题)
对于一个 $n$ 阶常微分方程，如何通过初始条件锁定唯一轨迹。
定义
对于 $n$ 阶 ODE：$F(x, y, y’, \dots, y^{(n)}) = 0$，寻找一个特解 $y(x)$使其满足如下$n$ 个初始条件：
$$
\begin{cases} y(0) = y_0 \\ y'(0) = y_1 \\ \dots \\ y^{(n-1)}(0) = y_{n-1} \end{cases}
$$
其中 $y_0, y_1, \dots, y_{n-1}$ 为给定的初值。
研究核心
对于 Cauchy 问题，数学家和物理学家最关心的三个维度：
存在性 (Existence)： 是否真的能找到这样一个解？
唯一性 (Uniqueness)： 是否有且仅有一个解？（对应了刚才讨论的“包络线/奇解”是否会破坏唯一性）。
长期行为 (Long-term Behavior)： 随着自变量 $x$（通常是时间 $t$）的增加，解是趋于稳定、发散还是进入混沌状态？
怎么看存在性呢？
通解常数的独立性与逆映射 (Independence & Inverse Mapping)
1. 初值条件的方程组形式
对于一个包含 $n$个待定常数$C_1, \dots, C_n$的通解$y(x, C_1, \dots, C_n)$，给定初值 $(y_0, y_1, \dots, y_{n-1})$，我们可以建立如下方程组：
$$
\begin{cases} y(0, C_1, \dots, C_n) = y_0 \\ y'(0, C_1, \dots, C_n) = y_1 \\ \dots \\ y^{(n-1)}(0, C_1, \dots, C_n) = y_{n-1} \end{cases}
$$
2. 核心判定：Jacobi 行列式
要使上述初值能够唯一地锁定一组常数 $(C_1, \dots, C_n)$，必须保证该映射在局部是可逆的。其判定条件为 Jacobi 行列式不为零：
$$
\left| \frac{D(y, y', \dots, y^{(n-1)})}{D(C_1, C_2, \dots, C_n)} \right| \neq 0
$$
3. 逆映射定理的视角
更抽象的映射描述：
$$
\vec{C} = g^{-1}(\vec{u})
$$
- 这意味着：通解之所以能通过初值确定特解，本质上是因为常数的独立性保证了映射的可逆性。
通解的局限性
通解只是我们预期的一般的规律，除了上述的奇解之外，我们可以考虑：
$$
F(x,y,y')=0和G(x,y,y')=0
$$
我们把两个方程相乘就得到一个新的微分方程，这两个方程可以风马牛不相及，但是他们的通解都是新的方程通解，有两个通解？！
具体计算
变量分离法 (Separable Variables)
1. 基本形式
对于一阶常微分方程（First-order ODE），若其形式如下：
$$
y'(x) = f(x) \cdot g(y)
$$
2. 解题步骤
$$
\frac{y'}{g(y)} = f(x)
$$
3. 原理解析
设 $F’(x) = f(x)$，$G’(y) = \frac{1}{g(y)}$（假设 $g(y) \neq 0$）。
对上述分离后的方程两边关于 $x$ 求导/积分，可得隐式解：
$$
G(y(x)) = F(x) + C
$$
若 $G$ 存在逆函数，则显式解为：
$$
y(x) = G^{-1}(F(x) + C)
$$
验证：
利用复合函数求导法则：
$$
y'(x) = (G^{-1})'(F(x) + C) \cdot F'(x) = \frac{1}{G'(G^{-1}(F(x)+C))} \cdot f(x) = g(y) \cdot f(x)
$$
例题演示
方程： $y’ = -xy$这里$f(x) = -x$，$g(y) = y$。
检查零点：
令 $g(y) = y = 0$，得到 $y \equiv 0$ 是方程的一个特解。
分离变量（假设 $y \neq 0$）：
$$
\frac{y'}{y} = -x
$$
- 两边积分：
$$
\int \frac{1}{y} dy = \int -x dx
$$
$$
\ln|y| = -\frac{1}{2}x^2 + C
$$
为了解出 $y$，对等式两边取指数：
$$
|y| = e^{-\frac{1}{2}x^2 + C} = e^C \cdot e^{-\frac{1}{2}x^2}
$$
令 $\tilde{C} = e^C$（由于 $e^C > 0$，故 $\tilde{C} > 0$），则有：
$$
|y| = \tilde{C} e^{-\frac{1}{2}x^2}
$$
去掉左边的绝对值符号，右边引入正负号：
$$
y = \pm \tilde{C} e^{-\frac{1}{2}x^2}
$$
此时，系数 $\pm \tilde{C}$ 可以取遍所有非零实数。
注意到我们在步骤 ① 中发现的常数解 $y \equiv 0$。
最终，方程的**通解（General Solution）**写为：
$$
\mathbf{y(x) = \hat{C} e^{-\frac{1}{2}x^2}}
$$
变量替换（Variable Substitution）
一
基本模型：
对于形如 $y’ = f(ax + by + c)$ 的微分方程：
- 令： $z = ax + by + c$2. 求导：$z’ = a + b \cdot y’ = a + b \cdot f(z)$3. 转化： 得到关于$z$ 的可分离变量方程：$z’ = a + b f(z)$
典型例题
方程： $y’ = \sin(x + y + 1)$
1. 变量替换
令 $z = x + y + 1$，则有 $z’ = 1 + y’$。
代入原方程得：
$$
z' = 1 + \sin(z)
$$
2. 寻找奇异解（Equilibrium Solutions）
考察 $1 + \sin(z) = 0$ 的情况：
当 $z = 2k\pi + \frac{3}{2}\pi$ ($k \in \mathbb{Z}$) 时，$z’ = 0$。
反代回原变量，得到一组直线解：
$y(x) = 2k\pi + \frac{3}{2}\pi - x - 1$
3. 通解计算（分离变量法）
当 $1 + \sin(z) \neq 0$ 时，进行积分：
$$
\int \frac{dz}{1 + \sin(z)} = \int 1 dx
$$
$$
-\frac{\cos(z)}{1 + \sin(z)} = \tan\left(\frac{z}{2} - \frac{\pi}{4}\right)
$$
(注：利用了半角公式进行简化)
$$
\tan\left(\frac{x + y + 1}{2} - \frac{\pi}{4}\right) = x + C
$$
进一步整理得：
**$y = 2 \arctan(x + C) + \frac{\pi}{2} - x - 1$**
注意到，$y$可以加上$2k\pi$ 而不影响方程成立，所以实际上的通解为：
$$
y = 2 \arctan(x + C) + \frac{\pi}{2} - x - 1+2k\pi
$$
关于解
该方程解的族群分布：
二，齐次
1. 识别模型
当微分方程可以表示为自变量与因变量比值的函数时：
$$
y' = f(x, y) = h\left(\frac{y}{x}\right)
$$
2. 引入中间变量
令：
$$
u = \frac{y}{x} \implies y = x \cdot u
$$
3. 求导变换
对 $y = xu$关于$x$ 求导（应用乘积法则）：
$$
y' = (xu)' = x \cdot u' + u
$$
4. 建立新方程
将上述结果代入原方程 $y’ = h(u)$：
$$
xu' + u = h(u)
$$
整理得：
$$
u' = \frac{h(u) - u}{x}
$$
逻辑拆解
- 本质： 这种变换的精髓在于通过“比例化”将一个二元函数 $f(x, y)$塌缩为一元函数$h(u)$，从而将方程转化为可分离变量的形式：
$$
\frac{du}{h(u) - u} = \frac{dx}{x}
$$
三，分式线性组合
一、 核心模型
方程形式为：
$$
y' = f\left( \frac{a_1 x + b_1 y + c_1}{a_2 x + b_2 y + c_2} \right)
$$
这种方程的处理方式取决于分子、分母所代表的两条直线的几何关系，即行列式 $D = \begin{vmatrix} a_1 & b_1 \ a_2 & b_2 \end{vmatrix}$ 是否为零。
二、 情况 (a)：相交直线（$D \neq 0$）
当两条直线相交时，可以通过平移坐标原点到交点来消除常数项 $c_1$和$c_2$。
求交点： 解线性方程组 $\begin{cases} a_1 x + b_1 y + c_1 = 0 \ a_2 x + b_2 y + c_2 = 0 \end{cases}$，得到唯一解 $(x_0, y_0)$。
坐标平移： 令 $u = x - x_0, v = y - y_0$。
方程转化： 代入原方程后，常数项消失，方程变为：
$$
v'(u) = f\left( \frac{a_1 u + b_1 v}{a_2 u + b_2 v} \right) = f\left( \frac{a_1 + b_1(v/u)}{a_2 + b_2(v/u)} \right)
$$
此时，方程转化为了标准的齐次方程，可用 $w = v/u$ 进一步求解。
三、 情况 (b)：平行直线（$D = 0$）
当两条直线平行时，意味着系数成比例：$(a_1, b_1) = \lambda(a_2, b_2)$。
- 比例简化： 此时分子和分母的线性部分是相关的。
$$
y' = f\left( \frac{(a x + b y) + c_1}{\lambda(a x + b y) + c_2} \right) = g(ax + by)
$$
变量替换： 此时回到最简单的模式，令 $z = ax + by$。
结果： 转化为可分离变量的方程进行计算。
总结与观察
这展示了数学处理中“化归”的思想：
至此，我们已经完整收集了一阶微分方程变量替换法的三大招式：
$y’ = f(ax+by+c)$（整体替换）
$y’ = h(y/x)$（齐次化替换）
$y’ = f(\frac{L_1}{L_2})$（坐标平移/平行替换）
一阶线性 ODE（关于 $y, y’$ 线性）
1. 基本定义与分类
方程的标准形式为：
- 非齐次方程： $y’ + P(x)y = Q(x)$—— 记作$(*)$- 齐次方程：$y’ + P(x)y = 0$—— 记作$(**)$
2. 解的结构理论
线性方程最迷人的地方在于其解的可叠加性：
齐次解的线性性质： 若 $y_1, y_2$为$()$的两个解，则其线性组合$C_1y_1 + C_2y_2$亦为解。其通解具有$C\varphi(x)$ 的形式，且没有奇异解**。这不难验证，代入即可。
通解结构公式：
若 $\hat{y}$是非齐次方程$()$ 的一个*特解，$\varphi$是对应齐次方程$()$的一个非零解**，则$(*)$ 的通解可表示为：
$$
y = \hat{y} + C\varphi
$$
直观理解： 这与线性代数中“非齐次线性方程组的通解 = 特解 + 齐次方程组通解”的逻辑完全一致。
齐次方程 $(**)$ 的求解推导
利用积分因子法求解齐次方程的过程：
构造原函数： 令 $F(x)$满足$F’(x) = P(x)$，即 $F(x) = \int P(x)dx$。
引入积分因子： 在方程 $(**)$两端同时乘以$e^{F(x)}$（显然 $e^{F(x)} \neq 0$）：
$$
y'e^F + yF'e^F = 0
$$
- 逆用乘积导数法则：
$$
(ye^F)' = 0
$$
- 积分得出结论：
$$
ye^F = C \implies y(x) = Ce^{-F(x)}
$$
即齐次方程的通解为：$y(x) = C e^{-\int P(x)dx}$
这实际上很符合直觉，正如 $y’+y=0$我们会猜解$y=e^{-x}$ 。 我们利用了指数求导不变来构造微分。又由于实际上每一步都是等价变换，所以没有奇解。
非齐次方程的求解——常数变易法 (Variation of Parameters)
1. 核心思想
对于齐次方程 $(**)$的通解$y = Ce^{-F(x)}$，我们大胆假设非齐次方程 $(*)$的通解具有相同的形式，但将常数$C$替换为待定函数$C(x)$：
$$
y = C(x)e^{-F(x)}
$$
2. 求解过程
继续沿用积分因子 $e^{F(x)}$：
- 原方程： $y’ + P(x)y = Q(x)$——$(*)$- 乘积分因子： 左右同乘$e^{F(x)}$，其中 $F’(x) = P(x)$：
$$
y'e^F + yP(x)e^F = Q(x)e^F
$$
$$
(ye^F)' = Q(x)e^F
$$
$$
ye^{F(x)} = \int_{x_0}^x Q(\tilde{x})e^{F(\tilde{x})}d\tilde{x} + C
$$
二、 一阶线性 ODE 的通用公式
通过上述推导，也就得到了最终的通解公式：
$$
y(x) = \left( \int_{x_0}^x Q(\tilde{x})e^{F(\tilde{x})} d\tilde{x} + C \right) e^{-F(x)}
$$
结构拆解：
- 特解部分： $e^{-F(x)} \int Q(x)e^{F(x)}dx$2. 齐次解部分：$Ce^{-F(x)}$
这同样步步等价，所以这并没有奇解，这是线性方程的优良性质。
示例：RL电路
1. 电路构成
- 电源电动势： $E$- 电感：$L$- 电阻：$R$
2. 建立方程
根据基尔霍夫电压定律（KVL），电路的电压平衡方程为：
$$
L \cdot I'(t) + R \cdot I(t) = E
$$
设定初始条件：$I(0) = 0$（即电路在 $t=0$ 时刻接通，初始电流为零）。
数学转化与求解
1. 标准化处理
为了套用一阶线性 ODE 的公式，将方程两端同除以 $L$：
$$
I' + \frac{R}{L}I = \frac{E}{L}
$$
令常数 $P = \frac{R}{L}$，$Q = \frac{E}{L}$，方程简化为标准型：
$$
I' + PI = Q
$$
2. 积分因子法求解
- 积分因子： $e^{Pt}$- 变换：$(I \cdot e^{Pt})’ = Q e^{Pt}$- 积分：$I \cdot e^{Pt} = \frac{Q}{P} e^{Pt} + C$- 通解公式：$I(t) = \frac{Q}{P} + C e^{-Pt}$
带入物理量与初始条件
1. 代回物理参数
由于 $\frac{Q}{P} = \frac{E/L}{R/L} = \frac{E}{R}$，通解写为：
$$
I(t) = \frac{E}{R} + C e^{-\frac{R}{L}t}
$$
2. 确定待定常数
代入初始条件 $I(0) = 0$：
$$
0 = \frac{E}{R} + C \implies C = -\frac{E}{R}
$$
3. 最终特解
$$
I(t) = \frac{E}{R} \left( 1 - e^{-\frac{R}{L}t} \right)
$$
物理意义评估
$$
I_{\text{steady}} = \frac{E}{R}
$$
此时电感相当于短路，遵循基本的欧姆定律。
积分因子
一、 问题的引入：全微分方程
1. 基本形式
将微分方程写成对称形式：
$$
P(x, y)dx + Q(x, y)dy = 0
$$
2. 判定条件（恰当性检验）
如果存在一个函数 $u(x, y)$使得$du = P dx + Q dy = 0$，那么该方程称为全微分方程（或恰当方程）。其通解直接为：
$$
u(x, y) = C
$$
根据全微分的性质，这要求满足：
$$
Q_x = P_y
$$
（即 $\frac{\partial Q}{\partial x} = \frac{\partial P}{\partial y}$）
二、 非全微分方程与积分因子
如果 $N_x \neq M_y$，方程就不是全微分的。此时，我们寻找一个非零函数 $\mu(x, y)$，使得乘以它之后方程变得“恰当”：
$$
\mu M dx + \mu N dy = 0 \implies (\mu N)_x = (\mu M)_y
$$
这里的 $\mu$ 被称为积分因子。
三、 积分因子的求解推导（以一元因子为例）
寻找通用的 $\mu(x, y)$通常涉及偏微分方程，非常困难。寻找一元积分因子（仅与$x$或$y$ 有关）的捷径：
1. 展开判定式：
根据乘积求导法则，$(\mu N)_x = (\mu M)_y$ 展开为：
$$
\mu N_x + \mu_x N = \mu M_y + \mu_y M
$$
整理得：
$$
\mu(N_x - M_y) = -\mu_x N + \mu_y M
$$
2. 假设 $\mu = \mu(x)$：
此时 $\mu_y = 0$，方程简化为：
$$
\mu(N_x - M_y) = -\mu_x N
$$
变形得到关于 $\mu$ 的可分离变量方程：
$$
\frac{\mu_x}{\mu} = -\frac{N_x - M_y}{N}
$$
3. 求解结论：
如果右端项 $\frac{M_y - N_x}{N}$仅是$x$的函数，记为$F(x)$，那么积分因子为：
$$
\mu(x) = e^{\int F(x) dx}
$$
补充情况：$\mu = \mu(y)$ 的判定
如果积分因子仅是 $y$的函数，推导过程与$x$ 对称：
判定条件： 考察表达式 $\frac{N_x - M_y}{M}$。
结论： 若该式仅与 $y$有关，记为$G(y)$，则有：
$$
\frac{\mu_y}{\mu} = \frac{N_x - M_y}{M} = G(y)
$$
- 积分因子公式：
$$
\mu(y) = e^{\int G(y) dy}
$$
二、 综合例题演练
方程： $(2xy^2 - y)dx + (x + 3y^3)dy = 0$其中$M = 2xy^2 - y$，$N = x + 3y^3$。
1. 恰当性检查
- $M_y = 4xy - 1$-$N_x = 1$显然$M_y \neq N_x$，方程不是全微分方程。
2. 寻找积分因子（试错过程）
尝试 $\mu(x)$：
计算 $\frac{N_x - M_y}{N} = \frac{1 - (4xy - 1)}{x + 3y^3} = \frac{2 - 4xy}{x + 3y^3}$。
结果含有 $y$，说明不存在仅与 $x$ 有关的积分因子。
尝试 $\mu(y)$：
计算 $\frac{N_x - M_y}{M} = \frac{1 - (4xy - 1)}{2xy^2 - y} = \frac{2(1 - 2xy)}{y(2xy - 1)} = -\frac{2}{y}$。
结果仅与 $y$有关！满足条件，令$G(y) = -\frac{2}{y}$。
3. 计算积分因子
$$
\mu(y) = e^{\int -\frac{2}{y} dy} = e^{-2\ln|y|} = \frac{1}{y^2}
$$
4. 转化与求解
方程两端同乘 $\frac{1}{y^2}$，得到新方程：
$$
\frac{2xy^2 - y}{y^2}dx + \frac{x + 3y^3}{y^2}dy = 0
$$
简化为：
$$
\left( 2x - \frac{1}{y} \right)dx + \left( \frac{x}{y^2} + 3y \right)dy = 0
$$
验证可知，此时 $P_y = \frac{1}{y^2}$，$Q_x = \frac{1}{y^2}$，已变为全微分方程。
5. 最终通解
对 $P$关于$x$积分，对$Q$关于$y$ 积分并合并（注意去重）：
$$
u(x, y) = x^2 - \frac{x}{y} + \frac{3}{2}y^2 = C
$$
另外，注意到 $y \equiv 0$ 时，$M=0$同时$dy=0$ ，那么这时候方程也成立。
齐次方程的特殊积分因子
核心定理：
对于齐次微分方程 $M(x, y)dx + N(x, y)dy = 0$（即 $M, N$为同次数的齐次函数），如果$xM + yN \neq 0$，则该方程的一个积分因子为：
$$
\mu(x, y) = \frac{1}{xM + yN}
$$
证明：
1. 核心工具：欧拉齐次函数定理
根据齐次函数的性质，若 $f(x, y)$是$n$ 次齐次的，则满足：
$$
x \frac{\partial f}{\partial x} + y \frac{\partial f}{\partial y} = n f
$$
具体到我们的函数：
- (1) $x M_x + y M_y = n M$- (2)$x N_x + y N_y = n N$
2. 判定目标
我们需要证明，乘以 $\mu$后的方程$\frac{M}{xM+yN}dx + \frac{N}{xM+yN}dy = 0$ 满足全微分条件：
$$
\frac{\partial}{\partial y} \left( \frac{M}{xM + yN} \right) = \frac{\partial}{\partial x} \left( \frac{N}{xM + yN} \right)
$$
3. 分步求偏导
左侧（对 $y$ 求偏导）：
应用商法则 $\left(\frac{u}{v}\right)’ = \frac{u’v - uv’}{v^2}$，设分母 $D = xM + yN$：
$$
\frac{\partial}{\partial y} \left( \frac{M}{D} \right) = \frac{M_y (xM + yN) - M \frac{\partial}{\partial y}(xM + yN)}{D^2}
$$
展开分母的偏导项 $\frac{\partial D}{\partial y} = x M_y + N + y N_y$：
$$
\text{分子} = M_y(xM + yN) - M(x M_y + N + y N_y)
$$
$$
= x M M_y + y M_y N - x M M_y - MN - y M N_y
$$
消去 $x M M_y$，得到：
$$
\text{分子}_L = y M_y N - MN - y M N_y \quad \dots (\alpha)
$$
右侧（对 $x$ 求偏导）：
同样应用商法则：
$$
\frac{\partial}{\partial x} \left( \frac{N}{D} \right) = \frac{N_x (xM + yN) - N \frac{\partial}{\partial x}(xM + yN)}{D^2}
$$
展开分母的偏导项 $\frac{\partial D}{\partial x} = M + x M_x + y N_x$：
$$
\text{分子} = N_x(xM + yN) - N(M + x M_x + y N_x)
$$
$$
= x M N_x + y N N_x - MN - x N M_x - y N N_x
$$
消去 $y N N_x$：
$$
\text{分子}_R = x M N_x - MN - x N M_x \quad \dots (\beta)
$$
4. 利用欧拉定理进行等价变换
现在我们要证明 $(\alpha) = (\beta)$。将两式写在一起观察：
$$
y M_y N - MN - y M N_y \overset{?}{=} x M N_x - MN - x N M_x
$$
消去两边的 $-MN$，整理得：
$$
N(y M_y + x M_x) \overset{?}{=} M(y N_y + x N_x)
$$
此时，代入欧拉齐次函数定理：
- 左边 $= N \cdot (n M) = n MN$- 右边$= M \cdot (n N) = n MN$
左右相等！
二、 典型例题演练
方程： $(x - y)dx + (x + y)dy = 0$其中$M = x - y, N = x + y$，均为一阶齐次函数。
1. 恰当性检查
$N_x = 1, M_y = -1$。由于 $N_x \neq M_y$，方程不是全微分方程。
2. 解法视角一：齐次化替换（回顾）
可以将方程写为：
$$
\frac{dy}{dx} = -\frac{x - y}{x + y} = -\frac{1 - y/x}{1 + y/x}
$$
这是典型的 $h(y/x)$形式，可用$u = y/x$ 求解。
3. 解法视角二：构造特殊积分因子
利用板书右侧的公式：
4. 转化与积分
将 $\mu$ 乘回原方程：
$$
\frac{x - y}{x^2 + y^2}dx + \frac{x + y}{x^2 + y^2}dy = 0
$$
拆分项：
$$
\left( \frac{x}{x^2 + y^2}dx + \frac{y}{x^2 + y^2}dy \right) + \left( \frac{x dy - y dx}{x^2 + y^2} \right) = 0
$$
5. 最终通解
$$
u(x, y) = \frac{1}{2}\ln(x^2 + y^2) + \arctan\frac{y}{x} = C
$$
